基於神經網絡模型的電力設備在線狀態監測系統及方法
2023-08-13 12:37:16
基於神經網絡模型的電力設備在線狀態監測系統及方法
【專利摘要】基於神經網絡模型的電力設備在線狀態監測系統及方法，電力設備在線監測主站與2個以上的電力設備在線監測子站是通過辦公網進行通信，電力設備在線監測主站有主計算機，2個以上的電力設備在線監測子站均包括有通過辦公網與主計算機進行通信的監測子站計算機，以及通過一個4串口卡分別與監測子站計算機相連接的用於獲取變電站的饋線和變壓器的電壓電流信號的數據採集裝置、第一測溫裝置、第二測溫裝置、變壓器油色譜監測主機和變壓器溫度表。電力設備在線監測子站內電力設備相關的運行狀態信息通過監測子站計算機和RS485總線上送到電力設備在線監測主站的主計算機，由主計算機上運行的電力設備在線監測專家系統進行設備運行狀態分析與評估，可提高設備壽命。
【專利說明】基於神經網絡模型的電力設備在線狀態監測系統及方法
【技術領域】
[0001]本發明涉及一種電力設備在線監測系統。特別是涉及一種狀態信息與3010八信息的結合的基於神經網絡模型的電力設備在線狀態監測系統及方法。
【背景技術】
[0002]目前國內也已有多家研究機構和電力設備廠商開發出了電力設備在線監測設備，但大多是借鑑和模仿國外的產品，在產品實用性和測試結果判斷方面還缺乏一定的實踐經驗。
[0003]電力設備的狀態監測技術分為多種，根據不同的設備特點，通常採用氣體分析、局部放電、紅外成像等方法。按照應用分類來看，以3、電纜、變電器等狀態監測設備的廠家相對較多，產品有代理國外的也有自主研發的，目前普遍以單一檢測分析為主。
[0004]目前變電站綜合自動化程度較低，通常以數據採集為主，作為運行的輔助手段，數據的有效信息不能得到全面、有效利用，數據間的關聯利用程度較低。
[0005]電力變壓器與中壓配電開關櫃是石化企業重要的電力設備，以往的設備檢修都是定檢的方式，不能及時把握設備的運行狀態。
【發明內容】
[0006]本發明所要解決的技術問題是，提供一種通過對電力變壓器的氣相和中壓開關櫃的櫃內關鍵節點溫度進行實時在線監測，並利用監測數據建立設備運行狀態分析預測模型，將傳統的被動式的定期檢修轉變為主動式的智能型狀態檢修的基於神經網絡模型的電力設備在線狀態監測系統及方法。
[0007]本發明所採用的技術方案是:一種基於神經網絡模型的電力設備在線狀態監測系統，包括有電力設備在線監測主站和2個以上的電力設備在線監測子站，所述的電力設備在線監測主站與2個以上的電力設備在線監測子站是通過辦公網進行通信，其中，所述的電力設備在線監測主站包括有主計算機，所述的2個以上的電力設備在線監測子站結構相同，均包括有通過辦公網與所述的主計算機進行通信的監測子站計算機，以及通過一個4串口卡分別與所述的監測子站計算機相連接的用於獲取變電站的饋線和變壓器的電壓電流信號的數據採集裝置、第一測溫裝置、第二測溫裝置、變壓器油色譜監測主機和變壓器溫度表。
[0008]所述的電力設備在線監測主站還設置有與所述的主計算機相連的顯示器和印表機。
[0009]所述的每一個電力設備在線監測子站相對於電力設備在線監測主站是獨立配置，能夠獨立完成本站內的電力設備在線監測與分析，在電力設備在線監測子站內還設置有與所述站內的監測子站計算機相連的顯示器。
[0010]所述的第一測溫裝置和第二測溫裝置分別與裝設在變電站開關櫃內部觸頭上的測溫傳感器相連接。
[0011]所述的變壓器油色譜監測主機設置在站內變壓器上。
[0012]所述的變壓器溫度表在每臺變壓器上設置有3個。
[0013]本發明的一種基於神經網絡模型的電力設備在線狀態監測系統的監測方法，包括:
[0014](1)利用數據採集裝置、第一測溫裝置25、第二測溫裝置26、變壓器油色譜監測主機27和變壓器溫度表28，實現電力設備狀態信息的實時採集；
[0015](2)以開關櫃運行溫度為關鍵參數，以迴路電流、環境溫度及繼電保護動作信息為輔助參數，建立開關櫃運行狀態的全景分析模型，同時採用環境溫度進行修正；
[0016](3)以變壓器油色譜監測主機所檢測到的變壓器油溶解氣體組份為關鍵參數，以迴路電流、開關櫃櫃內環境溫度及繼電保護動作信息為輔助參數，建立變壓器運行狀態的全景分析模型；
[0017](4)進行同一迴路不同運行工況下溫度變化趨勢的縱向分析；
[0018](5)進行不同迴路同一運行工況下溫度變化趨勢的橫向分析；
[0019](6)對於測溫點溫度越限，進行智能報警；
[0020](7)利用神經網絡實現電力設備的溫度預測。
[0021]還包括有分析變壓器油色譜的氣相特徵，根據不同組份含量對比度，從三比值法得出變壓器內部的可能故障潛質，給出變壓器內部可能的故障潛質報告，同時採用電流、電壓和繼保信息進行輔助決策。
[0022]步驟2)所述的開關櫃運行狀態的全景分析模型和步驟3)所述的變壓器運行狀態的全景分析模型，均是採用8？神經網絡通用模型和網絡權值和偏置值的調整公式構建。
[0023]所述的網絡權值和偏置值的調整公式如下:
[0024]乂糾=父廠[了1'了+9 了]
[0025]式中:
[0026]了——雅可比矩陣，它的元素是網絡誤差對權值和偏置值的一階導數；
[0027]6——網絡誤差向量；
[0028]^——網絡迭代計算，第&次循環時的權值或偏置值；
[0029]^——網絡迭代計算，第(1^+1)次循環時的權值或偏置值；
[0030]4——調整係數，與網絡誤差同向變化。即誤差增大，4值增加，誤差減小，4值降低。
[0031]本發明的基於神經網絡模型的電力設備在線狀態監測系統及方法，對電力變壓器的氣相和中壓開關櫃的櫃內關鍵節點溫度進行實時在線監測，能夠實時把握關鍵電力設備的運行狀態，將傳統的被動式的定期檢修轉變為主動式的智能型狀態檢修，提高設備壽命與利用率，提高企業內部電網運行的魯棒性，進而實現企業整體運營的經濟效益的提升。本發明具有如下特點:
[0032](1)改變了傳統對電力設備的離線式定期檢測的模式，實現運行狀態的在線監測。
[0033](2)利用變電站綜自30\0八系統，補齊狀態監測相關聯的全景信息(電流、電壓、繼保動作信息)。
[0034](3)能對同一迴路不同工況進行縱向比較分析，也能對不同迴路同一工況進行橫向比較分析。
[0035](4)智能報警報告，不僅能定位狀態變量越限點，還能給出設備可能的故障潛質報生口。
[0036](5)具有溫度預測功能，可以對設備的運行工況進行預案評估。
【專利附圖】
【附圖說明】
[0037]圖1是本發明的整體規劃結構示意圖；
[0038]圖2是採用本發明的工程實施例的系統配置圖；
[0039]圖3是8？網絡通用模型；
[0040]圖4是採用本發明的工程實施例的變電站內的系統結構示意圖；
[0041]圖5是採用本發明的工程實施例的設備溫度報警界面截選圖；
[0042]圖6是採用本發明的工程實施例的變壓器油氣相分析報警界面截選圖。
[0043]圖中
[0044]1:電力設備在線監測主站2:電力設備在線監測子站
[0045]3；辦公網11:主計算機
[0046]12:顯示器13:印表機
[0047]21:監測子站計算機22:顯示器
[0048]23:4串口卡24:數據採集裝置
[0049]25:第一測溫裝置26:第二測溫裝置
[0050]27:變壓器油色譜監測主機28:變壓器溫度表
[0051]皿8:網絡交換機
【具體實施方式】
[0052]下面結合實施例和附圖對本發明的基於神經網絡模型的電力設備在線狀態監測系統及方法做出詳細說明。
[0053]本發明的基於神經網絡模型的電力設備在線狀態監測系統及方法，對電力變壓器的氣相和中壓開關櫃的櫃內關鍵節點溫度進行實時在線監測，旨在實時把握關鍵電力設備的運行狀態，將傳統的被動式的定期檢修轉變為主動式的智能型狀態檢修。實現對電力設備的主動式的狀態檢修，提高設備壽命與利用率，提高企業內部電網運行的魯棒性，進而實現企業整體運營的經濟效益的提升。
[0054]如圖1、圖2所示，本發明的基於神經網絡模型的電力設備在線狀態監測系統，包括有電力設備在線監測主站1和2個以上的電力設備在線監測子站2，所述的電力設備在線監測主站1與2個以上的電力設備在線監測子站2是通過辦公網3進行通信。其中，所述的電力設備在線監測主站1包括有主計算機11，所述的電力設備在線監測主站1還設置有與所述的主計算機11相連的顯示器12和印表機13。
[0055]所述的2個以上的電力設備在線監測子站2結構相同，均包括有通過辦公網3與所述的主計算機11進行通信的監測子站計算機21，以及通過一個4串口卡23分別與所述的監測子站計算機21相連接的用於獲取變電站的饋線和變壓器的電壓電流信號的數據採集裝置24、第一測溫裝置25、第二測溫裝置26、變壓器油色譜監測主機27和變壓器溫度表28。所述的第一測溫裝置25和第二測溫裝置26分別與裝設在變電站開關櫃內部觸頭上的測溫傳感器相連接。所述的數據採集裝置24是採用30\0八系統的通訊管理機。所述的變壓器油色譜監測主機27設置在站內變壓器上。所述的變壓器溫度表28在每臺變壓器上裝設3個。
[0056]所述的每一個電力設備在線監測子站2相對於電力設備在線監測主站1是獨立配置，能夠獨立完成本站內的電力設備在線監測與分析，在電力設備在線監測子站2內還設置有與所述站內的監測子站計算機21相連的顯示器22。
[0057]本發明的基於神經網絡模型的電力設備在線狀態監測系統的監測方法，包括:
[0058](1)利用數據採集裝置、第一測溫裝置25、第二測溫裝置26、變壓器油色譜監測主機27和變壓器溫度表28，實現電力設備狀態信息的實時採集；
[0059](2)以開關櫃運行溫度為關鍵參數，以迴路電流、環境溫度及繼電保護動作信息為輔助參數，建立開關櫃運行狀態的全景分析模型，同時採用環境溫度進行修正；
[0060](3)以變壓器油色譜監測主機所檢測到的變壓器油溶解氣體組份為關鍵參數，以迴路電流、開關櫃櫃內環境溫度及繼電保護動作信息為輔助參數，建立變壓器運行狀態的全景分析模型；
[0061](4)進行同一迴路不同運行工況下溫度變化趨勢的縱向分析；
[0062](5)進行不同迴路同一運行工況下溫度變化趨勢的橫向分析；
[0063](6)對於測溫點溫度越限，進行智能報警；
[0064](7)利用神經網絡實現電力設備的溫度預測。
[0065]還包括有分析變壓器油色譜的氣相特徵，根據不同組份含量對比度，從三比值法得出變壓器內部的可能故障潛質，給出變壓器內部可能的故障潛質報告，同時採用電流、電壓和繼保信息進行輔助決策。
[0066]步驟2)所述的開關櫃運行狀態的全景分析模型和步驟3)所述的變壓器運行狀態的全景分析模型，均是採用如圖3所示的8？神經網絡通用模型和網絡權值和偏置值的調整公式構建。
[0067]其中，圖3所示的8？網絡通用模型，是目前應用最為廣泛的人工神經網絡，它能很好地解決非線性映射的逼近問題，非常適合於做開關櫃的溫度預測。8？網絡為多層結構，即除了輸入層和輸出層外，至少具有一個隱含層。8？網絡的性能指標為均方差。網絡的學習過程遵循的原則為持續監視網絡的性能指標，不斷修正網絡權值和閾值，以達到預期的指標要求。
[0068]本發明在選擇網絡訓練算法時考慮到計算速度與內存佔用的優化，網絡的學習函數採用
[0069]16^6111361-8-1^^11^(11:算法(簡稱算法)，得到網絡權值和偏置值的調整公式為:
[0070]父糾=X「[了
[0071]式中:
[0072]了——雅可比矩陣，它的元素是網絡誤差對權值和偏置值的一階導數；
[0073]6——網絡誤差向量；
[0074]^——網絡迭代計算，第&次循環時的權值或偏置值；
[0075]X&——網絡迭代計算，第(1^+1)次循環時的權值或偏置值；
[0076]4—調整係數，與網絡誤差同向變化。即誤差增大，4值增加，誤差減小，4值降低。
[0077]本發明採集一段時期內的歷史樣本數據，輸入到圖3所表示的神經網絡中，利用他調整公式的迭代算法，計算出該樣本數據集下的神經網絡權值與偏置值，存儲為用戶所用的神經網絡模型。然後用戶可以輸入預期因子，在該神經網絡模型下進行在線溫度預測。
[0078]本發明的基於神經網絡模型的電力設備在線狀態監測系統及方法，利用溫度採集裝置和變壓器油色譜監測主機，實時採集變電站內開關櫃櫃內溫度和變壓器的油色譜，結合3010八信息，在電力在線監測專家系統上對電力設備完成實時的狀態評估。本發明實施的主要的【背景技術】為:
[0079](1)將中心變電所、樞紐變電所、區域變電所的主變壓器作為監測對象，利用變壓器油色譜監測主機周期性採集變壓器油內的溶解氣體，進行各組份的氣相分析，形成變壓器氣相採集終端節點。
[0080](2)將中心變電所、樞紐變電所、區域變電所的主變壓器作為監測對象，利用溫度採集設備周期性採集變壓器油箱內油溫以及變壓器繞組溫度，形成變壓器溫度採集終端節點。
[0081](3)將中心變電所、樞紐變電所、區域變電所內的6」開關櫃作為監測對象，利用溫度採集設備周期性採集開關櫃關鍵接觸點——開關上、下觸頭及電纜接頭——的運行溫度，形成開關櫃溫度採集終端節點。
[0082](4)採用30\0八組網方式，將現場各個採集終端節點通過光纖組網，周期性採集數據實時上傳到系統的分析主機。
[0083](5)系統分析主機利用接收到的設備在線監測信息，結合5鹽系統採集的各迴路電氣運行信息及事故報警信息，統計分析電力設備的運行狀態，可實現某個迴路自身不同運行工況下的縱向比較以及各個迴路同一工況下的橫向比較。實現智能報警功能。
[0084](6)基於神經網絡的開關櫃和變壓器溫度預測功能。
[0085]本發明可在充分利用分公司已有的辦公網絡的基礎上，實現全廠範圍內的電力設備在線監測集中管理，而每個變電站內的電力設備在線監測系統各自獨立，可以自主完成站內關鍵電力設備的狀態監測。
[0086]下面是以某公司110」變電站為實施對象，對站內的2臺1101^/6.3」主變壓器和22面6」開關櫃進行狀態監測，在系統完善的情況下，逐步向全公司進行推廣應用。本系統目的是實現對某公司全廠範圍內關鍵電力設備的運行狀態進行在線監測，從縱向整體布局上本系統分為監測子站級和在線監測系統主站級。全廠重要的電力節點——中心變、樞紐變、區域變、熱電廠——作為變電站級進行部署，公司設立監控主站，利用現有的辦公自動化網絡，能實現對所有變電站級的集中管理。系統整體應用規劃結構如圖1所示，圖2是系統配置的展開圖。
[0087]每個監測子站級都可以作為獨立的在線監測系統運行，負責對本站內關鍵電力設備的運行狀態進行在線監測與分析評估。本期工程在110」變電站進行實施，系統採集站內6」開關櫃內的開關上觸頭、開關下觸頭以及電纜接頭的三相溫度(每臺櫃總計9個測溫點)，同時採集站內主變壓器的油色譜信息，形成油內溶解氣體的氣相信息汨2，02112, 02114, 02116,⑶4，00以及總烴)。站內系統結構如圖4所示。站內電力設備相關的運行狀態信息通過83485總線上送到變電站內的電力在線監測系統主機。主機運行在線監測系統專家分析軟體，該軟體是本實用新型的核心，具有的設備狀態分析功能主要體現在:
[0088](1)以電力設備運行溫度為關鍵參數，以迴路電流、環境溫度及繼電保護動作信息為輔助參數(來自30\0八系統)，建立電力設備運行溫度的全景分析模型。
[0089](2)以變壓器油溶解氣體組份為關鍵參數，以迴路電流、環境溫度及繼電保護動作信息為輔助參數(來自30\0八系統)，建立變壓器運行狀態的全景分析模型。
[0090](3)可實現同一迴路不同運行工況下溫度變化趨勢的縱向分析。
[0091](4)可實現不同迴路同一運行工況下溫度變化趨勢的橫向分析。
[0092](5)智能報警，對於溫度越限，定位具體的測溫點；對於變壓器油氣相分析，根據不同組份含量對比度，給出變壓器內部可能的故障潛質報告。同時，報警報告中給出運行電流、繼保動作信號等相關信息。
[0093](6)利用神經網絡實現電力設備的溫度預測。
[0094]本發明的基於神經網絡模型的電力設備在線狀態監測系統及方法，實現了站內中控室及公司監控主站對裝置區內2臺1101^/6.3」變壓器、22面6」開關櫃的運行狀態的在線監測，效果良好，為實時掌握設備運行狀態、有效評估設備隱患提供了可靠的科學依據，具有廣泛性和實用性。
【權利要求】
1.一種基於神經網絡模型的電力設備在線狀態監測系統，其特徵在於，包括有電力設備在線監測主站(I)和2個以上的電力設備在線監測子站(2)，所述的電力設備在線監測主站(I)與2個以上的電力設備在線監測子站(2)是通過辦公網(3)進行通信，其中，所述的電力設備在線監測主站(I)包括有主計算機(11)，所述的2個以上的電力設備在線監測子站(2)結構相同，均包括有通過辦公網(3)與所述的主計算機(11)進行通信的監測子站計算機(21)，以及通過一個4串口卡(23)分別與所述的監測子站計算機(21)相連接的用於獲取變電站的饋線和變壓器的電壓電流信號的數據採集裝置(24)、第一測溫裝置(25)、第二測溫裝置(26)、變壓器油色譜監測主機(27)和變壓器溫度表(28)。
2.根據權利要求1所述的基於神經網絡模型的電力設備在線狀態監測系統，其特徵在於，所述的電力設備在線監測主站(I)還設置有與所述的主計算機(11)相連的顯示器(12)和印表機(13)。
3.根據權利要求1所述的基於神經網絡模型的電力設備在線狀態監測系統，其特徵在於，所述的每一個電力設備在線監測子站(2)相對於電力設備在線監測主站(I)是獨立配置，能夠獨立完成本站內的電力設備在線監測與分析，在電力設備在線監測子站(2)內還設置有與所述站內的監測子站計算機(21)相連的顯示器(22)。
4.根據權利要求1所述的基於神經網絡模型的電力設備在線狀態監測系統，其特徵在於，所述的第一測溫裝置(25)和第二測溫裝置(26)分別與裝設在變電站開關櫃內部觸頭上的測溫傳感器相連接。
5.根據權利要求1所述的基於神經網絡模型的電力設備在線狀態監測系統及方法，其特徵在於，所述的變壓器油色譜監測主機(27)設置在站內變壓器上。
6.根據權利要求1所述的基於神經網絡模型的電力設備在線狀態監測系統，其特徵在於，所述的變壓器溫度表(28)在每臺變壓器上設置有3個。
7.—種權利要求1所述的基於神經網絡模型的電力設備在線狀態監測系統的監測方法，其特徵在於，包括: (1)利用數據採集裝置、第一測溫裝置25、第二測溫裝置26、變壓器油色譜監測主機27和變壓器溫度表28，實現電力設備狀態信息的實時採集； (2)以開關櫃運行溫度為關鍵參數，以迴路電流、環境溫度及繼電保護動作信息為輔助參數，建立開關櫃運行狀態的全景分析模型，同時採用環境溫度進行修正； (3)以變壓器油色譜監測主機所檢測到的變壓器油溶解氣體組份為關鍵參數，以迴路電流、開關櫃櫃內環境溫度及繼電保護動作信息為輔助參數，建立變壓器運行狀態的全景分析模型； (4)進行同一迴路不同運行工況下溫度變化趨勢的縱向分析； (5)進行不同迴路同一運行工況下溫度變化趨勢的橫向分析； (6)對於測溫點溫度越限，進行智能報警； (7)利用神經網絡實現電力設備的溫度預測。
8.根據權利要求7所述的基於神經網絡模型的電力設備在線狀態監測系統的監測方法，其特徵在於，還包括有分析變壓器油色譜的氣相特徵，根據不同組份含量對比度，從三比值法得出變壓器內部的可能故障潛質，給出變壓器內部可能的故障潛質報告，同時採用電流、電壓和繼保信息進行輔助決策。
9.根據權利要求7所述的基於神經網絡模型的電力設備在線狀態監測系統的監測方法，其特徵在於，步驟2)所述的開關櫃運行狀態的全景分析模型和步驟3)所述的變壓器運行狀態的全景分析模型，均是採用BP神經網絡通用模型和網絡權值和偏置值的調整公式構建。
10.根據權利要求9所述的基於神經網絡模型的電力設備在線狀態監測系統的監測方法，其特徵在於，所述的網絡權值和偏置值的調整公式如下:
xk+1 = xk-[JTJ+u J]_1JTe
式中: J——雅可比矩陣，它的元素是網絡誤差對權值和偏置值的一階導數； e—網絡誤差向量； Xk——網絡迭代計算，第k次循環時的權值或偏置值； xk+1——網絡迭代計算，第(k+Ι)次循環時的權值或偏置值； μ—調整係數，與網絡誤差同向變化。即誤差增大，μ值增加，誤差減小，μ值降低。
【文檔編號】G01R31/00GK104360184SQ201410594488
【公開日】2015年2月18日 申請日期:2014年10月29日 優先權日:2014年10月29日
【發明者】劉春旺, 商錫瑞, 袁甄, 張雅賢, 張重陽, 張青, 何君霞, 原永禹, 李成武, 王永善, 柳振濤 申請人:中國石油化工股份有限公司, 哈爾濱光宇電氣自動化有限公司