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,尤其涉及一种改进型变压器运行状态监测方法、装置及变压器。
技术介绍
1、通常变压器的运行状态是通过安装于其上的在线监测装置,如压力传感器、电压电流传感器和温度传感器等进行评估。然而,当前针对变压器运行状态监测会安装多种状态监测手段,因此,涉及到多种类型的数据,包括温度、油中气体含量、内部局部放电等,但是,该些数据来源多样,格式和质量各不相同,且多是固定大小的数据。
2、因此,如何提高变压器运行状态监测的准确性成为了本领域技术人员亟需解决的技术问题。
技术实现思路
1、本专利技术提供一种改进型变压器运行状态监测方法、装置及变压器,用以解决现有技术中变压器运行状态监测准确性较差的缺陷。
2、第一方面,本专利技术提供一种改进型变压器运行状态监测方法,包括:
3、确定光声光谱设备的评估分值和对应的光声光谱参量权重;
4、确定局部放电设备的评估分值和对应的局部放电权重;
5、确定铁芯接地电流设备的评估分值和对应的铁芯接地电流权重;
6、基于变压器状态评估模型,将所述光声光谱设备的评估分值、所述光声光谱参量权重、所述局部放电设备的评估分值、所述局部放电权重、所述铁芯接地电流设备的评估分值和所述铁芯接地电流权重进行融合,得到变压器的当前状态值;
7、其中,所述变压器状态评估模型为:
8、
9、其中,s表示变压器当前状态值,ρi表示接入参量的权重,ci表示接入设备归一化
10、输入所述当前状态值至lstm预测模型,输出所述变压器在任意预测时刻的状态预测评分,所述lstm预测模型是基于动态的变压器状态值样本和状态预测样本预先训练得到的。
11、根据本专利技术提供的一种改进型变压器运行状态监测方法,所述确定光声光谱设备的评估分值,包括:
12、确定光声光谱设备中的总烃数值和乙炔数值;
13、输入所述总烃数值和乙炔数值至光声光谱设备分值评估公式,得到光声光谱设备的评估分值。
14、根据本专利技术提供的一种改进型变压器运行状态监测方法,所述光声光谱设备分值评估公式为:
15、
16、其中,c1表示光声光谱设备的评估分值,g1表示总烃数值,g2表示乙炔数值。
17、根据本专利技术提供的一种改进型变压器运行状态监测方法,所述确定局部放电设备的评估分值,包括:
18、确定局部放电设备的放电幅值和放电次数;
19、输入所述放电幅值和放电次数至局部放电设备分值评估公式,得到局部放电设备的评估分值。
20、根据本专利技术提供的一种改进型变压器运行状态监测方法,所述局部放电设备分值评估公式为:
21、
22、其中,c2表示局部放电设备的评估分值,d1表示放电幅值,d2表示放电次数。
23、根据本专利技术提供的一种改进型变压器运行状态监测方法,所述确定铁芯接地电流设备的评估分值,包括:
24、确定铁芯接地电流设备中的接地电流数据;
25、输入所述接地电流数据至铁芯接地电流设备分值评估公式,得到确定铁芯接地电流设备的评估分值。
26、根据本专利技术提供的一种改进型变压器运行状态监测方法,所述铁芯接地电流设备分值评估公式为:
27、c3=100×cos[(a1-100)π]
28、其中,c3表示铁芯接地电流设备的评估分值,a1表示接地电流数据。
29、根据本专利技术提供的一种改进型变压器运行状态监测方法,还包括:
30、确定所述lstm预测模型的模型参数如下:
31、输入特征维度为3,lstm隐藏单元的数量为200,lstm层的数量为200,批大小为3,未来的时间长度为5小时。
32、第二方面,本专利技术还提供一种改进型变压器运行状态监测装置,包括:
33、第一确定模块,用于确定光声光谱设备的评估分值和对应的光声光谱参量权重;
34、第二确定模块,用于确定局部放电设备的评估分值和对应的局部放电权重;
35、第三确定模块,用于确定铁芯接地电流设备的评估分值和对应的铁芯接地电流权重;
36、评估模块,用于基于变压器状态评估模型,将所述光声光谱设备的评估分值、所述光声光谱参量权重、所述局部放电设备的评估分值、所述局部放电权重、所述铁芯接地电流设备的评估分值和所述铁芯接地电流权重进行融合,得到变压器的当前状态值;
37、其中,所述变压器状态评估模型为:
38、
39、其中,s表示变压器当前状态值,ρi表示接入参量的权重,ci表示接入设备归一化后的评分,c1表示光声光谱设备的评估分值,ρ1=0.45,c2表示局部放电设备的评估分值,ρ2=0.4,c3表示铁芯接地电流设备的评估分值,ρ3=0.15;
40、预测模块,用于输入所述当前状态值至lstm预测模型,输出所述变压器在任意预测时刻的状态预测评分,所述lstm预测模型是基于动态的变压器状态值样本和状态预测样本预先训练得到的。
41、第三方面,本专利技术还提供一种变压器,所述变压器用于执行如上述任一项所述的改进型变压器运行状态监测方法。
42、第四方面,本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述改进型变压器运行状态监测方法。
43、第五方面,本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述改进型变压器运行状态监测方法。
44、第六方面,本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述改进型变压器运行状态监测方法。
45、本专利技术提供的一种改进型变压器运行状态监测方法、装置及变压器,确定光声光谱设备的评估分值和对应的光声光谱参量权重;确定局部放电设备的评估分值和对应的局部放电权重;确定铁芯接地电流设备的评估分值和对应的铁芯接地电流权重;基于变压器状态评估模型,将光声光谱设备的评估分值、光声光谱参量权重、局部放电设备的评估分值、局部放电权重、铁芯接地电流设备的评估分值和铁芯接地电流权重进行融合,得到变压器的当前状态值;输入当前状态值至lstm预测模型,输出变压器在任意预测时刻的状态预测评分,lstm预测模型是基于动态的变压器状态值样本和状态预测样本预先训练得到的,通过对光声光谱设备、局部放电设备和铁芯接地电流设备的数据进行融合,然后结合lstm预测模型进行动态数据预测,能够有效地提升变压器运行状态监测的准确性。
本文档来自技高网...【技术保护点】
1.一种改进型变压器运行状态监测方法,其特征在于,包括:
2.根据权利要求1所述的改进型变压器运行状态监测方法,其特征在于,所述确定光声光谱设备的评估分值,包括:
3.根据权利要求2所述的改进型变压器运行状态监测方法,其特征在于,所述光声光谱设备分值评估公式为:
4.根据权利要求1所述的改进型变压器运行状态监测方法,其特征在于,所述确定局部放电设备的评估分值,包括:
5.根据权利要求4所述的改进型变压器运行状态监测方法,其特征在于,所述局部放电设备分值评估公式为:
6.根据权利要求1所述的改进型变压器运行状态监测方法,其特征在于,所述确定铁芯接地电流设备的评估分值,包括:
7.根据权利要求6所述的改进型变压器运行状态监测方法,其特征在于,所述铁芯接地电流设备分值评估公式为:
8.根据权利要求1-7任一项所述的改进型变压器运行状态监测方法,其特征在于,还包括:
9.一种改进型变压器运行状态监测装置,其特征在于,包括:
10.一种变压器,其特征在于,所述变压器用于执行如权利要求
...【技术特征摘要】
1.一种改进型变压器运行状态监测方法,其特征在于,包括:
2.根据权利要求1所述的改进型变压器运行状态监测方法,其特征在于,所述确定光声光谱设备的评估分值,包括:
3.根据权利要求2所述的改进型变压器运行状态监测方法,其特征在于,所述光声光谱设备分值评估公式为:
4.根据权利要求1所述的改进型变压器运行状态监测方法,其特征在于,所述确定局部放电设备的评估分值,包括:
5.根据权利要求4所述的改进型变压器运行状态监测方法,其特征在于,所述局部放电设备分值评估公式为:
【专利技术属性】
技术研发人员:李清平,吴晓枫,陆轶,虞介文,
申请(专利权)人:华能上海燃机发电有限责任公司,
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。