一種電力設備載流故障在線診斷預警方法
2023-05-21 21:48:06
專利名稱：一種電力設備載流故障在線診斷預警方法
技術領域：
本發明涉及一種電カ設備載流故障在線診斷預警方法。
背景技術：
電網運行過程中需要大量電カ設備相互協調工作才能完成從發電、輸電、到配電的整個過程。電カ設備是電網的硬體基礎，若其發生故障，將危及電網的正常運行。電カ設備的故障多種多樣，大致可分為內部故障和外部故障兩類。內部故障主要是指發生在電カ 設備殼體或固體絕緣材料內部的電氣迴路故障和絕緣介質劣化引起的各種故障。外部故障主要是指電路中的連接件、設備外部觸點等由於壓接不良等原因，導致接觸電阻増大，在大電流作用下，產生更多電阻損耗，導致觸點局部過熱而引發的故障。這類故障發生比例高， 局部溫升明顯，情況惡化快，如不及時處理，容易導致惡性事故。目前電カ設備載流故障的診斷和預警已取得ー些成果，通過測量電カ系統現場電氣量、溫度、氣體成分等來判斷設備的工作狀態。在公開號為CN201607492U的專利申請文件說明書中描述了ー種IOKV電カ電容器故障預警系統，根據電容器的溫升值和電容值發證報警信號，對電容器故障起到預警作用。 但是，系統只是對溫度做了簡單的閾值判斷，不具備數據分析能力，容易出現誤判和漏判。在公開號為CN101533060的專利申請文件說明書中描述了ー種基於行波電氣量測量的電カ系統故障預警方法，通過記錄電カ設備上測量到的行波電氣量和監測電カ設備是否發生擾動來判斷電カ設備的工作狀態。由於很多場合無法或者不便獲得電力設備觸點的電氣量，此方法的應用領域受到限制。
發明內容
本發明所要解決的技術問題是克服現有技術的不足，提供一種基於主成分分析法的電カ設備載流故障在線預警方法。通過分析電カ設備中觸點溫度的變化情況，監測觸點的工作狀況，及時發現載流故障隱患，不僅能夠在線監測觸點溫度的變化情況，精確定位出現故障或存在隱患的觸點，而且能夠分析觸點的長期工作狀況，及時發現處於緩慢升溫狀態的老化觸點，以便用戶及時採取措施，防患於未然。本發明所採用的技術方案是本發明是一種電カ設備載流故障在線診斷預警方法，該方法包括以下步驟(I)採集電力設備觸點的實時溫度，對採集到的電カ設備觸點實時溫度數據進行預處理，剔除無效數據，計算多個時間尺度的溫度平均值，並設定溫度值的主成分特徵值的閥值，所述時間尺度即為某一段時間；(2)採用主成分分析法對溫度數據進行分析，對實時溫度進行實時主成分分析，對不同時間尺度的平均溫度值進行變尺度主成分分析，監測實時溫度和不同時間尺度的平均溫度值的主成分特徵值的變化；(3)若監測到的實時溫度和不同時間尺度的平均溫度值的主成分特徵值和所設定的主成分特徵值的閥值相比過高，則進行步驟(4)，否則重複步驟(I)和(2);(4)提取主成分特徵值過高的溫度數據，對溫度數據進行變化方向的判斷，若溫度變化為下降，則為正常狀態，重複步驟(I)和(2)，若溫度變化為上升，則進行步驟(5)；(5)利用K-means聚類分析法對溫度數據進行聚類分析，得到正常觸點和異常觸點兩類集合，異常觸點即為存在故障或存在故障隱患的觸點，進而進行預警。在步驟(I)中需要剔除的無效數據包括低於環境溫度或者高於溫度採集器的溫度測量上限的溫度數據。本發明的有益效果是由於本發明採用主成分分析法(PCA)對實時溫度和不同時間尺度的平均溫度值分別進行實時主成分分析和變尺度主成分分析，從而去除數據中帶有的噪聲，且監測出存在故障或可能存在故障的電カ設備觸點，同時採用K-means聚類算法進行聚類分析，從而確定發生故障或可能存在故障的觸點的位置，另外，主成分分析法監測的響應速度較快，在觸點溫度上升的初期，特徵值快速上升，為診斷系統進一歩分析和預警提供了足夠的時間。同時，基於主成分分析法的電カ設備載流故障預警方法算法簡單，實時性強，所以，本發明在很大程度上提高了電カ系統的可靠性。
圖I是本發明方法的流程圖；圖2是實施例中某電站4號電容櫃在2010-08-24的在線溫度值記錄示意圖；圖3是實施例中某電站4號電容櫃在2010-08-24的在線溫度值的主成分特徵值曲線圖。
具體實施例方式本發明提供了一種電カ設備載流故障在線診斷預警方法，該方法包括以下步驟(I)採集電力設備觸點的實時溫度，對採集到的電カ設備觸點實時溫度數據進行預處理，剔除無效數據，計算多個時間尺度的溫度平均值，並設定溫度值的主成分特徵值的閥值，這裡的時間尺度即為某一段時間；(2)採用主成分分析法即PCA對溫度數據進行分析，對實時溫度進行實時主成分分析，對不同時間尺度的平均溫度值進行變尺度主成分分析，監測實時溫度和不同時間尺度的平均溫度值的主成分特徵值的變化；(3)若監測到的實時溫度和不同時間尺度的平均溫度值的主成分特徵值和所設定的主成分特徵值的閥值相比過高，則進行步驟(4)，否則重複步驟(I)和(2);(4)提取主成分特徵值過高的溫度數據，對溫度數據進行變化方向的判斷，若溫度變化為下降，則為正常狀態，重複步驟(I)和(2)，若溫度變化為上升，則進行步驟(5)；(5)利用K-means聚類分析法對溫度數據進行聚類分析，得到正常觸點和異常觸點兩類集合，異常觸點即為存在故障或存在故障隱患的觸點，進而進行預警。在步驟(I)中需要剔除的無效數據包括低於環境溫度或者高於溫度採集器的溫度測量上限的溫度數據。本發明主要包括以下幾個方面a、利用主成分分析方法(PCA)在線分析溫度數據並發現故障觸點。
主成分分析(Principal Component Analysis,PCA)通過一組新的標準正交基,將原始變量線性變換為一組新變量。新變量中的ー個或幾個「重要」成分包含了原始數據的大部分信息，因而稱為「主成分」。PCA將原始數據用ー個或數個主要成分描述，忽略次要成分，從而有效地去除噪聲及冗餘，降低原有複雜數據的維度，掲示隱藏在複雜數據背後的簡單結構。當觸點發生故障時，其溫度上升速度很快，經常在數十分鐘內超過閾值。為了能儘早發現故障觸點，提供足夠的預警時間，溫度數據必須實時分析。採樣到的溫度數據由於受環境溫度及負載變化等因數的影響，通常含有一定的噪聲，分析數據時，必須過濾掉這些噪聲。用PCA分析溫度數據時，能夠有效去除噪聲的影響，並很快找到溫度快速上升的觸點， 為進ー步處理數據及預警提供足夠的時間。b、利用變尺度PCA發掘歷史數據監測觸點溫度的長期變化趨勢。由於材料老化及金屬氧化等因素，觸點的接觸電阻將會升高。隨著設備的使用，觸點的工作狀況將會不斷變差。為了能夠監測觸點的長期工作狀況，有必要分析觸點溫度的歷史數據。所謂變尺度，即把歷史數據按某ー個時間尺度進行平均值處理。當觸點存在老化或金屬氧化等隱患時，觸點溫度是ー個緩慢上升的過程，觀察短期的溫度值不能發現問題。 此時，求取一段時間(例如一天)內溫度的平均值，便能發現觸點長時間的溫度變化情況。 同時，為了降低負載變化和環境溫度對數據的影響，應將所有觸點的平均溫度值減去其中最小的平均值。測溫系統故障可以造成數據缺失或者存在無效數據，這裡將採用線性插值
的方法將缺失的數據補齊。Wtdxii-p)其中，_表示第j號觸點缺失的日平均
q-p 。 %
值，^表示缺失數據段的前ー個日平均值，&表示缺失數據段的後ー個日平均值，q-p ^ 2， p < i < q。若G或G無法獲得(如某觸點當天未獲得有效溫度數據)，則只好將對應觸點的數據列全部刪除以保證剩餘日平均值數據能構成完整的矩陣。分析數據的方法同樣採用主成分分析方法(PCA)。由於觸點老化越嚴重，溫度的上升趨勢越明顯，因此PCA同樣能夠發現平均溫度值上升較快的老化觸點。C、利用Kneans進行故障定位。利用在線PCA和變尺度PCA分析觸點溫度值後，若主成分特徵值較大，則表明觸點溫度值出現了較大幅度的波動，對應的觸點可能存在故障的隱患。但是，PCA無法準確、全面地定位出現載流故障或存在故障隱患的觸點。通過利用K means聚類算法分析觸點溫度值或日平均值，合理設置初始聚類中心和聚類個數進行故障聚類定位。本發明設計的電力設備載流故障預警方法是基於設備觸點溫度信息。在實際運行過程中，由於測溫傳感器損壞、無線傳輸故障、外力破壞等原因，測溫系統在某個觸點上測得的溫度數據可能會出現錯誤。在故障診斷和預警時要將這些無效溫度數據剔除，否則會產生錯誤的分析結果。因此，首先需要對現場採集的數據進行預處理測得的觸點的工作溫度如果低於環境溫度或者高於測溫模塊的測量上限，都需要將其剔除。在預處理後的基礎上，將對溫度數據進行實時PCA分析，提取溫度數據的主成分。 當觸點溫度值發生明顯變化時，其PCA處理後的主成分特徵值將超過一定的閾值，此時即可認為觸點溫度發生了明顯波動。然而，實時PCA很難獲得觸點溫度的緩慢上升趨勢，因此需要利用變尺度PCA。變尺度PCA與實時PCA的主要區別在於分析的數據對象不同，需要對 溫度數據進行平均值處理。無論是實時PCA還是變尺度PCA，只要對應的溫度數據發生較大幅度的波動，主成 分特徵值會大大增加，出現峰值。但是PCA分析無法有效判斷溫度的變化方向，無論是溫度 上升還是下降，特徵值均會增加。因此，當PCA特徵值超過閾值，且溫度處於上升狀態時，即 可認為溫度存在故障隱患，進而進行下一步處理。利用PCA分析觸點溫度值可以發現是否存在故障隱患，但不能準確、全面定位故 障隱患的觸點。本發明利用K-means聚類算法即可獲得存在故障隱患的觸點。至此電力設 備載流故障預警方法流程結束。如圖1所示，實時PCA與其他時間尺度的PCA算法流程相同，區別在於溫度數據是 否進行平均值處理。以下將以實時PCA為例，對本發明所提供的預警方法的具體流程進行 闡述。在利用PCA挖掘溫度數據特徵時，一個觸點集合(如一個電容櫃)作為一個整體。 該集合內的每個觸點溫度作為一個變量(如電容櫃中共有n個觸點，因此共有n個變量)， 每m次採樣數據為一組，即n個觸點在m個觀測時刻內的所有數據組成處理樣本。一組原 始數據集可表示如下
權利要求
1.一種電力設備載流故障在線診斷預警方法，其特徵在於，該方法包括以下步驟(1)採集電力設備觸點的實時溫度，對採集到的電力設備觸點實時溫度數據進行預處理，剔除無效數據，計算多個時間尺度的溫度平均值，並設定溫度值的主成分特徵值的閥值，所述時間尺度即為某一段時間；(2)採用主成分分析法對溫度數據進行分析，對實時溫度進行實時主成分分析，對不同時間尺度的平均溫度值進行變尺度主成分分析，監測實時溫度和不同時間尺度的平均溫度值的主成分特徵值的變化；(3)若監測到的實時溫度和不同時間尺度的平均溫度值的主成分特徵值和所設定的主成分特徵值的閥值相比過高，則進行步驟(4)，否則重複步驟(I)和(2);(4)提取主成分特徵值過高的溫度數據，對溫度數據進行變化方向的判斷，若溫度變化為下降，則為正常狀態，重複步驟(I)和(2)，若溫度變化為上升，則進行步驟(5)；(5)利用K-means聚類分析法對溫度數據進行聚類分析，得到正常觸點和異常觸點兩類集合，異常觸點即為存在故障或存在故障隱患的觸點，進而進行預警。
2.根據權利要求I所述的一種電力設備載流故障在線診斷預警方法，其特徵在於在步驟(I)中需要剔除的無效數據包括低於環境溫度或者高於溫度採集器的溫度測量上限的溫度數據。
全文摘要
本發明公開了一種電力設備載流故障在線診斷預警方法，採用主成分分析法(PCA)對實時溫度和不同時間尺度的平均溫度值進行實時PCA和變尺度PCA分析，從而去除數據中帶有的噪聲，且監測出存在故障或可能存在故障的電力設備觸點，同時採用K-means聚類算法進行聚類分析，從而確定發生故障或可能存在故障的觸點的位置，另外，PCA監測的響應速度較快，在觸點溫度上升的初期，特徵值快速上升，為診斷系統進一步分析和預警提供了足夠的時間。同時，基於PCA的電力設備載流故障預警方法算法簡單，實時性強，本發明在很大程度上提高了電力系統的可靠性。本發明可廣泛應用於電力設備保護領域。
文檔編號G01K3/04GK102590683SQ20121005779
公開日2012年7月18日 申請日期2012年2月27日 優先權日2012年2月27日
發明者張慧源, 李學紅, 許力, 許文才, 顧宏傑 申請人:浙江大學, 珠海賽迪生電氣設備有限公司