System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及变压器监测,具体涉及基于物联网的变压器运行监测系统。
技术介绍
1、变压器是电力系统中常见的电器设备,通常用于改变交流电电压的大小,基本由主绕线组、副绕线组和铁芯组成。主绕线组对应变压器的输入侧,通常与供电端相连;副绕线组对应变压器的输出侧,通常与负载设备相连;铁芯是将主绕线组和副绕线组联系在一起的磁性材料,通常是铁柱或硅钢片,主要用于传递磁场实现电能的传输。变压器具备广泛的用途:电压变化、电流变换、绝缘隔离、电力传输、电力分配和电能转换等方面。
2、变压器已经普及在日常生活的方方面面,但是在变压器的日常使用中会存在相应的故障,如电路故障、负载变化故障、接头温度异常和绝缘介质泄露等故障问题。由于变压器通常部署在街头小巷中,所处环境复杂多变,故障因素错综复杂,因此为变压器的运行监测带来较大困难。
3、综上所述,本专利技术提出了基于物联网的变压器运行监测系统,采集变压器的温度、电流、六氟化硫含量数据,根据各类变压器数据变化得到各分歧异质性矩阵;结合奇异值分解法得到各分歧异质性矩阵的特征值向量;根据各特征值向量得到各时间窗口的非稳态指数,结合lstm神经网络进行隐患评估,实现变压器运行监测,具有较高检测结果准确性。
技术实现思路
1、为了解决上述技术问题,本专利技术的目的在于提供基于物联网的变压器运行监测系统,所采用的技术方案具体如下:
2、本专利技术提出了基于物联网的变压器运行监测系统,所述系统包括:
3、数据采集模块:采集
4、数据处理模块:将预设时间长度作为一个时间窗口;在各时间窗口内,将所有变压器数据输入dtc时间序列聚类模型得到关于时间的各聚类簇,记为各时间簇;根据各类变压器数据得到各时间簇的温度、电流及六氟化硫含量分序列;在各时间簇中,根据电流分序列中数据变化趋势结合stl时序分解算法得到时间簇的电流趋势递变性及随机紊乱性;根据电流趋势递变性及随机紊乱性得到时间簇的电流紊乱系数;根据各时间簇的电流紊乱系数得到各时间簇的电流分歧量;根据各时间簇的电流分歧量及变分模态分解算法得到各时间簇的电流紊乱模态矩阵;根据电流紊乱模态矩阵得到各时间簇的电流分歧异质性矩阵;通过电流分歧异质性矩阵的计算方法分别获取各时间簇的温度及六氟化硫含量分歧异质性矩阵;通过奇异值分解法获取各分歧异质性矩阵的每个特征值;将各分歧异质性矩阵的所有特征值组成的向量作为各分歧异质性矩阵的特征值向量;根据各分歧异质性矩阵的特征值向量得到变压器的综合潜在隐患矩阵;根据分歧异质性矩阵及综合潜在隐患矩阵得到时间窗口的非稳态指数;
5、预警模块:根据各时间窗口的非稳态指数及lstm神经网络进行变压器运行监测。
6、优选的,所述根据各类变压器数据得到各时间簇的温度、电流及六氟化硫含量分序列,具体为:
7、将各时间簇内所有温度数据组成的序列作为各时间簇的温度分序列;通过温度序列获取方法得到各时间簇的六氟化硫含量分序列;
8、通过最小二乘法对电流数据进行拟合得到电流的正弦拟合曲线;将各时刻电流实际值与正弦拟合曲线上对应时刻电流值的差值绝对值作为各时刻电流的正弦偏移量;将各时间簇内所有所述正弦偏移量组成的序列作为各时间簇的电流分序列。
9、优选的,所述根据电流分序列中数据变化趋势结合stl时序分解算法得到时间簇的电流趋势递变性及随机紊乱性,具体包括:
10、通过stl时序分解算法对各电流分序列进行分解得到各电流分序列中所有时刻的趋势项及随机项;
11、对于各时间簇的电流分序列,获取电流分序列中所有时刻趋势项的最小值,记为最小趋势项;计算最小趋势项与剩余各时刻趋势项的差值,记为第一差值;计算最小趋势项与剩余各时刻趋势项的对应时刻之间的差值,记为第二差值;计算各时刻的第一差值与第二差值的比值;计算所有所述比值的均值;将所述均值作为时间簇的电流趋势递变性;
12、计算电流分序列中所有时刻随机项的均值;计算各时刻随机项与所述均值的差值绝对值;计算所有所述差值绝对值的平均值;将所述平均值作为时间簇的电流随机紊乱性。
13、优选的,所述根据电流趋势递变性及随机紊乱性得到时间簇的电流紊乱系数,具体包括:
14、计算电流分序列中所有数据的信息熵;计算时间簇的电流趋势递变性、电流随机紊乱性及所述信息熵的和值;将所述和值作为时间簇的电流紊乱系数。
15、优选的,所述根据各时间簇的电流紊乱系数得到各时间簇的电流分歧量,具体包括:
16、计算除第k个时间簇外剩余所有时间簇的电流紊乱系数的均值和标准差;计算第k个时间簇的电流紊乱系数与所述均值的差值;计算所述差值与所述标准差的比值绝对值;将所述比值绝对值作为第k个时间簇的电流分歧量。
17、优选的,所述根据各时间簇的电流分歧量及变分模态分解算法得到各时间簇的电流紊乱模态矩阵,具体包括:
18、对于各电流分序列,通过变分模态分解算法对电流分序列进行分解得到电流分序列中每个数据的各模态分量;将电流分序列中每个数据的各模态分量组成的矩阵作为电流分序列的模态矩阵;
19、将各时间簇的电流分歧量与对应电流分序列的模态矩阵的乘积作为各时间簇的电流紊乱模态矩阵。
20、优选的,所述根据电流紊乱模态矩阵得到各时间簇的电流分歧异质性矩阵,具体包括:
21、计算第k个时间簇与剩余各时间簇的电流紊乱模态矩阵中相同位置元素的差值绝对值,计算所有所述相同位置元素的差值绝对值的均值;将所述均值作为电流分歧异质性矩阵对应位置的元素值;将所有位置的元素值组成的矩阵作为电流分歧异质性矩阵。
22、优选的,所述根据各分歧异质性矩阵的特征值向量得到变压器的综合潜在隐患矩阵,具体包括:
23、将所有电流分歧异质性矩阵的特征值向量组成的矩阵作为电流的隐患体现矩阵;通过电流的隐患体现矩阵获取方式分别得到温度及六氟化硫含量的隐患体现矩阵;根据隐患体现矩阵得到变压器的综合潜在隐患矩阵中各元素值,表达式为:
24、
25、式中,为变压器的综合潜在隐患矩阵中第c行第d列的元素值,为电流、温度和含量三个隐患体现矩阵两两组合的组合数量,为第n类数据隐患体现矩阵的第c个特征值向量,表示在时间窗中第m类数据隐患体现矩阵的第d个特征值向量,i为电流,w为温度,q为含量;
26、将各元素值组成的矩阵作为变压器的综合潜在隐患矩阵。
27、优选的,所述根据分歧异质性矩阵及综合潜在隐患矩阵得到时间窗口的非稳态指数,具体包括:
28、计算各分歧异质性矩阵的f范数;计算所有所述f范数的和值;计算综合潜在隐患矩阵的f范数与所述和值的乘积;将所述乘积作为时间窗口的非稳态指数。
29、优选的,所述根据各时间窗口的非稳态指数及lstm神经网络进行变压器运行监测,具体包括:
30、将所有时间窗口的非稳态指数组成的序列作为本文档来自技高网...
【技术保护点】
1.基于物联网的变压器运行监测系统,其特征在于,所述系统包括:
2.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据各类变压器数据得到各时间簇的温度、电流及六氟化硫含量分序列,具体为:
3.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据电流分序列中数据变化趋势结合STL时序分解算法得到时间簇的电流趋势递变性及随机紊乱性,具体包括:
4.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据电流趋势递变性及随机紊乱性得到时间簇的电流紊乱系数,具体包括:
5.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据各时间簇的电流紊乱系数得到各时间簇的电流分歧量,具体包括:
6.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据各时间簇的电流分歧量及变分模态分解算法得到各时间簇的电流紊乱模态矩阵,具体包括:
7.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据电流紊乱模态矩阵得到各时间簇
8.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据各分歧异质性矩阵的特征值向量得到变压器的综合潜在隐患矩阵,具体包括:
9.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据分歧异质性矩阵及综合潜在隐患矩阵得到时间窗口的非稳态指数,具体包括:
10.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据各时间窗口的非稳态指数及LSTM神经网络进行变压器运行监测,具体包括:
...【技术特征摘要】
1.基于物联网的变压器运行监测系统,其特征在于,所述系统包括:
2.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据各类变压器数据得到各时间簇的温度、电流及六氟化硫含量分序列,具体为:
3.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据电流分序列中数据变化趋势结合stl时序分解算法得到时间簇的电流趋势递变性及随机紊乱性,具体包括:
4.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据电流趋势递变性及随机紊乱性得到时间簇的电流紊乱系数,具体包括:
5.根据权利要求1所述的基于物联网的变压器运行监测系统,其特征在于,所述根据各时间簇的电流紊乱系数得到各时间簇的电流分歧量,具体包括:
6.根据权利要求1所述的基于物联...
【专利技术属性】
技术研发人员:王朋,焦强,刘宏迪,崔程,李美霞,
申请(专利权)人:西电济南变压器股份有限公司,
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。