氣體洩漏在線預警平臺的製作方法
2023-09-15 23:50:00 1
氣體洩漏在線預警平臺的製作方法
【專利摘要】本發明公開了一種基於大數據分析的SF6氣體洩漏在線預警平臺，針對變電設備檢測中的紅外熱像等非結構化數據檢測，研究變電設備典型故障與紅外熱像數據分析，提取相關特徵信息，開發紅外熱像檢測數據的匯總、存儲與在線分析技術，最終建立基於大數據分析的SF6氣體洩漏在線預警系統。本發明能夠發現洩漏發生規律和設備家族缺陷，能夠預警高風險設備、部位和時間，使檢測有的放矢；加強對高風險設備的檢測，提高故障發現率，減少因檢查SF6氣體洩漏而發生的大量人力和機具成本；通過DS證據理論對變電設備多元數據進行融合診斷，有效識別出變電設備SF6氣體狀態，輸出識別結果，在線進行預警。
【專利說明】一種基於大數據分析的sf6氣體洩漏在線預警平臺
【技術領域】
[0001] 本發明涉及一種基於大數據分析的sf6氣體洩漏在線預警平臺。
【背景技術】
[0002] SF6氣體具有穩定的理化性能、優良的絕緣性能及優異的滅弧性能，在高壓電器設 備中被廣泛使用。隨著電網的發展，電力系統大量採用sf 6氣體作為絕緣介質的電氣設備。 隨著社會的進步，經濟的發展，人們對供電可靠率的要求不斷提高，變電設備長年運行於 野外，受氣象條件、密封設備的老化等的影響，sf 6氣體可能發生洩漏造成潛在設備故障。因 此，保證以sf6為絕緣氣體設備的安全運行顯得日益重要。
[0003] 針對SF6氣體洩漏，目前多採用紅外技術檢測變電設備SF6氣體洩漏情況。SF 6紅外 成像檢漏技術是利用sf6氣體對特定波長紅外光的吸收特性比空氣而言極強的物理特性， 使兩者反映的紅外影像不同，在其高性能的紅外探測器及先進的紅外探測技術的幫助下使 洩漏的sf 6氣體變得可見。與傳統方法相比，不受設備帶電情況下檢測部位有限的限制，可 以安全的在遠距離對設備帶電部位洩漏點進行檢測，大大提高了設備漏點的查找效率。然 而單純採用紅外成像檢漏，無法對洩漏數據進行在線匯總分析，不能發揮數據的價值。
【發明內容】
[0004] 本發明為了解決上述問題，提出了一種基於大數據分析的sf6氣體洩漏在線預警 平臺，本裝置將檢測數據在主站進行匯總分析比對，能夠發現洩漏發生規律和設備家族缺 陷，能夠預警高風險設備、部位和時間，使檢測有的放矢，加強對高風險設備的檢測，提高故 障發現率，減少因檢查sf 6氣體洩漏而發生的大量人力和機具成本。
[0005] 為了實現上述目的，本發明採用如下技術方案：
[0006] -種基於大數據分析的5^氣體洩漏在線預警平臺，包括數據存儲模塊、數據處理 模塊及監測預警模塊，其中：
[0007] 所述數據存儲模塊，用於存儲變電設備歷史故障記錄、設備和電網監測、檢測數據 以及環境、氣象監測數據；
[0008] 所述數據處理模塊，連接多個傳感器，採集傳感器和信息源的數據和信息，進行DS 信息融合故障診斷；
[0009] 所述監測預警模塊，用於監測sf6氣體狀態，進行在線預警。
[0010] 所述數據處理模塊，包括信度函數模塊、DS組合模塊、融合信度函數模塊和故障判 定模塊，其中，信度函數模塊有多個，分別一一連接傳感器，計算傳感器採集的信息可信度 分配值，發送給DS組合模塊，DS組合模塊根據合成規則計算所有信息聯合作用下的基本可 信度分配值，故障判定模塊根據計算結果進行故障判定。
[0011] 一種基於上述系統的工作方法，包括以下步驟：
[0012] (1)數據處理模塊DS信息融合故障診斷技術多個傳感器和信息源的數據和信息， 即證據進行預處理；然後計算各個證據的基本可信度分配值；再根據合成規則計算所有證 據聯合作用下的基本可信度分配值；最後按照一定的判決規則選擇可信度最大的假設作為 融合結果；
[0013] (2)監測預警模塊根據變電設備多元數據的融合診斷結果，識別出變電設備5^氣 體狀態，輸出識別結果，在線進行預警；數據存儲模塊存儲記錄數據。
[0014] 所述步驟（1)中，其具體方法包括：
[0015] (1-1)通過隸屬函數確定各傳感器信度函數，分別對變電設備檢測和監測數據的 越小越優型和越大越優型指標，採用三角與半梯形分布相結合的模糊隸屬度方式，將規程 規定的初值與注意值間通過等距離點，劃分各評估級別的隸屬度函數範圍；
[0016] (1-2)將設備樣本數據按照隸屬度函數進行評估，計算指標對評語集各評估級別 的隸屬度向量，計算指標關注度；
[0017] (1-3)採用有序方式進行證據融合，即按劣化變權由小到大順序融合，得到融合結 果。
[0018] 所述步驟（1-1)中，通過隸屬函數確定各傳感器信度函數的方法為：各傳感器信 度函數有隸屬函數來確定，受限將變電設備SF 6氣體狀態定義為4個等級，確定辨識框架， 定義Lm = m(m = 1，2, 3,4)為劣化關注權，分別與4個評估級別相對應，即L = {Lp L2, L3, LJ 對應{優，良，注意，洩漏}。
[0019] 所述步驟（1-1)中，越小越優型指標計算：
【權利要求】
1. 一種基於大數據分析的3^氣體洩漏在線預警平臺，其特徵是：包括數據存儲模塊、 數據處理模塊及監測預警模塊，其中： 所述數據存儲模塊，用於存儲變電設備歷史故障記錄、設備和電網監測、檢測數據以及 環境、氣象監測數據； 所述數據處理模塊，連接多個傳感器，採集傳感器和信息源的數據和信息，進行DS信 息融合故障診斷； 所述監測預警模塊，用於監測SF6氣體狀態，進行在線預警。
2. 如權利要求1所述的基於大數據分析的SF6氣體洩漏在線預警平臺，其特徵是：所述 數據處理模塊，包括信度函數模塊、DS組合模塊、融合信度函數模塊和故障判定模塊，其中， 信度函數模塊有多個，分別一一連接傳感器，計算傳感器採集的信息可信度分配值，發送給 DS組合模塊，DS組合模塊根據合成規則計算所有信息聯合作用下的基本可信度分配值，故 障判定模塊根據計算結果進行故障判定。
3. -種基於如權利要求1-2中任一項所述的系統的工作方法，其特徵是：包括以下步 驟： (1) 數據處理模塊DS信息融合故障診斷技術多個傳感器和信息源的數據和信息，即證 據進行預處理；然後計算各個證據的基本可信度分配值；再根據合成規則計算所有證據聯 合作用下的基本可信度分配值；最後按照一定的判決規則選擇可信度最大的假設作為融合 結果； (2) 監測預警模塊根據變電設備多元數據的融合診斷結果，識別出變電設備SF6氣體狀 態，輸出識別結果，在線進行預警；數據存儲模塊存儲記錄數據。
4. 如權利要求3所述的工作方法，其特徵是：所述步驟（1)中，其具體方法包括： (1-1)通過隸屬函數確定各傳感器信度函數，分別對變電設備檢測和監測數據的越小 越優型和越大越優型指標，採用三角與半梯形分布相結合的模糊隸屬度方式，將規程規定 的初值與注意值間通過等距離點，劃分各評估級別的隸屬度函數範圍； (1-2)將設備樣本數據按照隸屬度函數進行評估，計算指標對評語集各評估級別的隸 屬度向量，計算指標關注度； (1-3)採用有序方式進行證據融合，即按劣化變權由小到大順序融合，得到融合結果。
5. 如權利要求4所述的工作方法，其特徵是：所述步驟（1-1)中，通過隸屬函數確定各 傳感器信度函數的方法為：各傳感器信度函數有隸屬函數來確定，受限將變電設備3匕氣體 狀態定義為4個等級，確定辨識框架，定義Lm = m(m= 1，2, 3,4)為劣化關注權，分別與4個 評估級別相對應，即L = {Li, L2, L3, L4}對應{優，良，注意，洩漏}。
6. 如權利要求4所述的工作方法，其特徵是：所述步驟（1-1)中，越小越優型指標計
式中，li是第i個狀態指標的相對劣化度，Q為該指標的允許值，（：_和C_為指標極 限值，q為指標實測值，k為參數變化對設備狀態的影響程度； 分別對變電設備檢測和監測數據的越小越優型和越大越優型指標，採用三角與半梯形 分布相結合的模糊隸屬度方式，將規程規定的初值與注意值或警示值間通過等距離點，劃 分各評估級別的隸屬度函數範圍。
7. 如權利要求4所述的工作方法，其特徵是：所述步驟（1-2)中，將設備樣本數據按照 隸屬度函數進行評估，則指標對評語集各評估級別的隸屬度向量為： Ed) = {ii (X^) |m = 1，2, 3, 4}，式中，ii (X^)為指標Xi對評語集評估級別Lm的隸 屬度函數值； 將指標對評語集各評估級別的隸屬度向量E%)，結合劣化關注權Lm，定義指標關注 度：
所述步驟（1-2)中，將隸屬於同一父指標的各子指標相對關注度與靜態相對權重相結 合，求得變權：
劣化變權體現了考慮劣化情況的指標間相對重要程度，將其作為修正係數，對識別框 架評估級別隸屬度向量E (XJ進行修正，剩餘可信度分配給未知情況m(? )，得到指標的基 本可信度分配值，即證據m(Xi):
劣化變權越大，修正後得到的證據未知情況的可信度越小，從而在改進合成規則的證 據融合中能夠更有利於突出對劣化嚴重程度的關注。
8. 如權利要求3所述的工作方法，其特徵是：所述步驟（1-3)中，為使融合結果 更加突出對劣化嚴重的關注，提出證據融合採用有序方式進行，即按劣化變權由小到 大順序融合，在幾個證據衝突嚴重情況下，保留劣化程度嚴重的證據對最終結果的 影響：對於同一辨識框〇下的兩個信度函數ml和m2,焦元分別為Al, A2,…，An，則
其中 K = 2 nii (A!) m2 (A2)。
【文檔編號】G06K9/62GK104346627SQ201410601681
【公開日】2015年2月11日 申請日期:2014年10月30日 優先權日:2014年10月30日
【發明者】黃金鑫, 牛林, 戰傑, 姜楊, 馬夢朝, 崔金濤, 何登森, 魯國濤 申請人:國家電網公司, 國網技術學院