【技术实现步骤摘要】
一种基于机理与数据驱动的变压器故障诊断方法及系统
[0001]本专利技术属于变压器故障诊断
,具体涉及一种基于机理与数据驱动的变压器故障诊断方法及系统。
技术介绍
[0002]由绕组变形引发的故障在变压器总事故率中的占比超过一半以上。为保证变压器的稳定运行,开展变压器绕组状态评估、诊断和预测方法的研究十分必要绕组变形故障诊断待解决问题。近年来,随着变压器绕组和其他元件的局放监测、变压器绕组温度分析、变压器绝缘油的色谱分析和变压器绝缘油中糠醛含量监测等技术的出现和发展,为变压器绕组运行状态评估提供了技术支持。
[0003]传统技术方案存在很多待解决的问题:需要依赖大量故障数据:现有大多数绕组变形状态检测和分析方法都是利用对象所表现出的特征信号来表征对应的状态或故障,通常需要大量的数据作为判据和训练样本,而在变压器实际运行中有效表征绕组状态的样本数据来源较少,而且数据类型单一;缺少绕组变形特异诊断:针对绕组变形诊断方法的研究,其诊断结果只能够给出绕组是否发生严重变形故障的结论,忽略了由于短路冲击和长时间运行导致绕组松动和微小变形等潜伏性故障,也缺少针对绕组变形具体故障类型的诊断;内部组件运行参数难以获得:目前可直接获得的变压器参数为其外部特性,对于内部线圈的绕组轴向和辐向变形等内部工况目前没有便利的方法可以直接获得;附加方案落地困难:变压器本身价格高昂且内部制造工艺复杂,难以在使用中的变压器内部安装传感器;老旧变压器无法进行内部拆解来增加传感器,将线圈层层拆解再去恢复原态的方法无法适用;硬件成本投入大:内置
【技术保护点】
【技术特征摘要】
1.一种基于机理与数据驱动的变压器故障诊断方法,其特征在于,包括:采集变压器绕组实时及历史可监测运行数据;对采集的所述运行数据进行处理;构建机理与数据驱动耦合模型;进行变压器绕组故障诊断和所述机理与数据驱动耦合模型优化更新。2.根据权利要求1所述的基于机理与数据驱动的变压器故障诊断方法,其特征在于:所述运行数据进行处理的步骤包括:对所述变压器历史及实时可监测运行数据进行预处理;通过对预处理后的数据进行特征提取;对提取的所述特征进行优化和筛选;得到所述机理与数据驱动耦合模型能够识别的实时和历史的变压器可监测运行数据。3.根据权利要求1所述的基于机理模型和数据驱动的变压器绕组故障诊断方法,其特征在于:所述机理与数据驱动耦合模型由变压器机理模型和变压器数据驱动耦合模型构成;所述变压器机模型包括:变压器绕组振动机理子模型和变压器铁芯磁致伸缩振动机理子模型;所述绕组振动机理子模型包括:绕组辐向机理模型和绕组轴向机理模型;所述变压器数据驱动耦合模型基于LSTM算法建立。4.根据权利要求3所述的基于机理与数据驱动的变压器故障诊断方法,其特征在于:所述绕组辐向机理模型中的核心组件可等效为弹簧阻尼系统,绕组振动能量将通过绝缘油传输至油箱表面;模型输入变量为绕组流通电流,输出值为绕组辐向变形值;绕组中的流通电流随时间变化,其表达式如下:式中,I为时间序列下的绕组电流值,I
m
为电流有效测量值,ω为电力系统角频率,为激励电压源的相位角;通电绕组在磁场的作用下会受到安培力,绕组在铁芯上的缠绕方式为圆环,漏磁场方向与绕组安培力方向垂直,辐向电磁力的表达方程如下:式中,R为绕组线圈半径,B
x
为水平方向的漏磁通,k
x
为辐向磁通和电流的比例系数,I为通过绕组的电流值;基于牛顿第二定律,绕组辐向机理模型的表达方程可如下表示:式中,F
xi
表示第i个绕组组件的辐向电磁力,N表示绕组基本组件的总个数,单位绕组组件的质量为m,令M=mN,M为绕组总质量,x
i
表示第i个绕组组件相对于额定状态下绕组初始位置的辐向位移变化量,是位移变化量关于时间的二阶导数,表示辐向振动加速度,c
i
是变压器绝缘油相对于绕组的阻尼系数,是位移变化量关于时间的一阶导数,表示振动下的绝缘油流速,μ
i
是第i个绕组组件的滑动摩擦系数,F
Ni
第i个绕组组件的预紧作用力,g为重力加速度,t为时间指示量。
5.根据权利要求4所述的基于机理与数据驱动的变压器故障诊断方法,其特征在于:所述绕组轴向机理模型可等效为弹簧阻尼系统;模型输入变量为绕组流通电流,输出值为绕组轴向变形值,其公式可表示如下:式中,F
yi
表示第i个绕组组件的绕组轴向电磁力,R为绕组线圈半径,B
y
为水平方向的漏磁通,k
y
为绕组轴向磁通和电流的比例系数,I为时间序列下的绕组电流值,I
m
为电流有效测量值,ω为电力系统角频率,t为时间指示量,为激励电压源的相位角,m为单位绕组组件的质量...
【专利技术属性】
技术研发人员:丁健,李巍,郝越峰,卢兴福,曹俊,王颖舒,王勋,邱志昂,谢荣斌,付渊,
申请(专利权)人:贵州电网有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。