国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種電力設(shè)備載流故障在線診斷預(yù)警方法

      文檔序號:5943466閱讀:194來源:國知局
      專利名稱:一種電力設(shè)備載流故障在線診斷預(yù)警方法
      技術(shù)領(lǐng)域
      本發(fā)明涉及一種電カ設(shè)備載流故障在線診斷預(yù)警方法。
      背景技術(shù)
      電網(wǎng)運(yùn)行過程中需要大量電カ設(shè)備相互協(xié)調(diào)工作才能完成從發(fā)電、輸電、到配電的整個過程。電カ設(shè)備是電網(wǎng)的硬件基礎(chǔ),若其發(fā)生故障,將危及電網(wǎng)的正常運(yùn)行。電カ設(shè)備的故障多種多樣,大致可分為內(nèi)部故障和外部故障兩類。內(nèi)部故障主要是指發(fā)生在電カ 設(shè)備殼體或固體絕緣材料內(nèi)部的電氣回路故障和絕緣介質(zhì)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(shè)備外部觸點(diǎn)等由于壓接不良等原因,導(dǎo)致接觸電阻増大,在大電流作用下,產(chǎn)生更多電阻損耗,導(dǎo)致觸點(diǎn)局部過熱而引發(fā)的故障。這類故障發(fā)生比例高, 局部溫升明顯,情況惡化快,如不及時(shí)處理,容易導(dǎo)致惡性事故。目前電カ設(shè)備載流故障的診斷和預(yù)警已取得ー些成果,通過測量電カ系統(tǒng)現(xiàn)場電氣量、溫度、氣體成分等來判斷設(shè)備的工作狀態(tài)。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(yù)警系統(tǒng),根據(jù)電容器的溫升值和電容值發(fā)證報(bào)警信號,對電容器故障起到預(yù)警作用。 但是,系統(tǒng)只是對溫度做了簡單的閾值判斷,不具備數(shù)據(jù)分析能力,容易出現(xiàn)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于行波電氣量測量的電カ系統(tǒng)故障預(yù)警方法,通過記錄電カ設(shè)備上測量到的行波電氣量和監(jiān)測電カ設(shè)備是否發(fā)生擾動來判斷電カ設(shè)備的工作狀態(tài)。由于很多場合無法或者不便獲得電力設(shè)備觸點(diǎn)的電氣量,此方法的應(yīng)用領(lǐng)域受到限制。

      發(fā)明內(nèi)容
      本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足,提供一種基于主成分分析法的電カ設(shè)備載流故障在線預(yù)警方法。通過分析電カ設(shè)備中觸點(diǎn)溫度的變化情況,監(jiān)測觸點(diǎn)的工作狀況,及時(shí)發(fā)現(xiàn)載流故障隱患,不僅能夠在線監(jiān)測觸點(diǎn)溫度的變化情況,精確定位出現(xiàn)故障或存在隱患的觸點(diǎn),而且能夠分析觸點(diǎn)的長期工作狀況,及時(shí)發(fā)現(xiàn)處于緩慢升溫狀態(tài)的老化觸點(diǎn),以便用戶及時(shí)采取措施,防患于未然。本發(fā)明所采用的技術(shù)方案是本發(fā)明是一種電カ設(shè)備載流故障在線診斷預(yù)警方法,該方法包括以下步驟(I)采集電力設(shè)備觸點(diǎn)的實(shí)時(shí)溫度,對采集到的電カ設(shè)備觸點(diǎn)實(shí)時(shí)溫度數(shù)據(jù)進(jìn)行預(yù)處理,剔除無效數(shù)據(jù),計(jì)算多個時(shí)間尺度的溫度平均值,并設(shè)定溫度值的主成分特征值的閥值,所述時(shí)間尺度即為某一段時(shí)間;(2)采用主成分分析法對溫度數(shù)據(jù)進(jìn)行分析,對實(shí)時(shí)溫度進(jìn)行實(shí)時(shí)主成分分析,對不同時(shí)間尺度的平均溫度值進(jìn)行變尺度主成分分析,監(jiān)測實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值的主成分特征值的變化;(3)若監(jiān)測到的實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值的主成分特征值和所設(shè)定的主成分特征值的閥值相比過高,則進(jìn)行步驟(4),否則重復(fù)步驟(I)和(2);(4)提取主成分特征值過高的溫度數(shù)據(jù),對溫度數(shù)據(jù)進(jìn)行變化方向的判斷,若溫度變化為下降,則為正常狀態(tài),重復(fù)步驟(I)和(2),若溫度變化為上升,則進(jìn)行步驟(5);(5)利用K-means聚類分析法對溫度數(shù)據(jù)進(jìn)行聚類分析,得到正常觸點(diǎn)和異常觸點(diǎn)兩類集合,異常觸點(diǎn)即為存在故障或存在故障隱患的觸點(diǎn),進(jìn)而進(jìn)行預(yù)警。在步驟(I)中需要剔除的無效數(shù)據(jù)包括低于環(huán)境溫度或者高于溫度采集器的溫度測量上限的溫度數(shù)據(jù)。本發(fā)明的有益效果是由于本發(fā)明采用主成分分析法(PCA)對實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值分別進(jìn)行實(shí)時(shí)主成分分析和變尺度主成分分析,從而去除數(shù)據(jù)中帶有的噪聲,且監(jiān)測出存在故障或可能存在故障的電カ設(shè)備觸點(diǎn),同時(shí)采用K-means聚類算法進(jìn)行聚類分析,從而確定發(fā)生故障或可能存在故障的觸點(diǎn)的位置,另外,主成分分析法監(jiān)測的響應(yīng)速度較快,在觸點(diǎn)溫度上升的初期,特征值快速上升,為診斷系統(tǒng)進(jìn)一歩分析和預(yù)警提供了足夠的時(shí)間。同時(shí),基于主成分分析法的電カ設(shè)備載流故障預(yù)警方法算法簡單,實(shí)時(shí)性強(qiáng),所以,本發(fā)明在很大程度上提高了電カ系統(tǒng)的可靠性。


      圖I是本發(fā)明方法的流程圖;圖2是實(shí)施例中某電站4號電容柜在2010-08-24的在線溫度值記錄示意圖;圖3是實(shí)施例中某電站4號電容柜在2010-08-24的在線溫度值的主成分特征值曲線圖。
      具體實(shí)施例方式本發(fā)明提供了一種電カ設(shè)備載流故障在線診斷預(yù)警方法,該方法包括以下步驟(I)采集電力設(shè)備觸點(diǎn)的實(shí)時(shí)溫度,對采集到的電カ設(shè)備觸點(diǎn)實(shí)時(shí)溫度數(shù)據(jù)進(jìn)行預(yù)處理,剔除無效數(shù)據(jù),計(jì)算多個時(shí)間尺度的溫度平均值,并設(shè)定溫度值的主成分特征值的閥值,這里的時(shí)間尺度即為某一段時(shí)間;(2)采用主成分分析法即PCA對溫度數(shù)據(jù)進(jìn)行分析,對實(shí)時(shí)溫度進(jìn)行實(shí)時(shí)主成分分析,對不同時(shí)間尺度的平均溫度值進(jìn)行變尺度主成分分析,監(jiān)測實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值的主成分特征值的變化;(3)若監(jiān)測到的實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值的主成分特征值和所設(shè)定的主成分特征值的閥值相比過高,則進(jìn)行步驟(4),否則重復(fù)步驟(I)和(2);(4)提取主成分特征值過高的溫度數(shù)據(jù),對溫度數(shù)據(jù)進(jìn)行變化方向的判斷,若溫度變化為下降,則為正常狀態(tài),重復(fù)步驟(I)和(2),若溫度變化為上升,則進(jìn)行步驟(5);(5)利用K-means聚類分析法對溫度數(shù)據(jù)進(jìn)行聚類分析,得到正常觸點(diǎn)和異常觸點(diǎn)兩類集合,異常觸點(diǎn)即為存在故障或存在故障隱患的觸點(diǎn),進(jìn)而進(jìn)行預(yù)警。在步驟(I)中需要剔除的無效數(shù)據(jù)包括低于環(huán)境溫度或者高于溫度采集器的溫度測量上限的溫度數(shù)據(jù)。本發(fā)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(shù)據(jù)并發(fā)現(xiàn)故障觸點(diǎn)。
      主成分分析(Principal Component Analysis,PCA)通過一組新的標(biāo)準(zhǔn)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(shù)據(jù)的大部分信息,因而稱為“主成分”。PCA將原始數(shù)據(jù)用ー個或數(shù)個主要成分描述,忽略次要成分,從而有效地去除噪聲及冗余,降低原有復(fù)雜數(shù)據(jù)的維度,掲示隱藏在復(fù)雜數(shù)據(jù)背后的簡單結(jié)構(gòu)。當(dāng)觸點(diǎn)發(fā)生故障時(shí),其溫度上升速度很快,經(jīng)常在數(shù)十分鐘內(nèi)超過閾值。為了能盡早發(fā)現(xiàn)故障觸點(diǎn),提供足夠的預(yù)警時(shí)間,溫度數(shù)據(jù)必須實(shí)時(shí)分析。采樣到的溫度數(shù)據(jù)由于受環(huán)境溫度及負(fù)載變化等因數(shù)的影響,通常含有一定的噪聲,分析數(shù)據(jù)時(shí),必須過濾掉這些噪聲。用PCA分析溫度數(shù)據(jù)時(shí),能夠有效去除噪聲的影響,并很快找到溫度快速上升的觸點(diǎn), 為進(jìn)ー步處理數(shù)據(jù)及預(yù)警提供足夠的時(shí)間。b、利用變尺度PCA發(fā)掘歷史數(shù)據(jù)監(jiān)測觸點(diǎn)溫度的長期變化趨勢。由于材料老化及金屬氧化等因素,觸點(diǎn)的接觸電阻將會升高。隨著設(shè)備的使用,觸點(diǎn)的工作狀況將會不斷變差。為了能夠監(jiān)測觸點(diǎn)的長期工作狀況,有必要分析觸點(diǎn)溫度的歷史數(shù)據(jù)。所謂變尺度,即把歷史數(shù)據(jù)按某ー個時(shí)間尺度進(jìn)行平均值處理。當(dāng)觸點(diǎn)存在老化或金屬氧化等隱患時(shí),觸點(diǎn)溫度是ー個緩慢上升的過程,觀察短期的溫度值不能發(fā)現(xiàn)問題。 此時(shí),求取一段時(shí)間(例如一天)內(nèi)溫度的平均值,便能發(fā)現(xiàn)觸點(diǎn)長時(shí)間的溫度變化情況。 同時(shí),為了降低負(fù)載變化和環(huán)境溫度對數(shù)據(jù)的影響,應(yīng)將所有觸點(diǎn)的平均溫度值減去其中最小的平均值。測溫系統(tǒng)故障可以造成數(shù)據(jù)缺失或者存在無效數(shù)據(jù),這里將采用線性插值
      的方法將缺失的數(shù)據(jù)補(bǔ)齊。Wtdxii-p)其中,_表示第j號觸點(diǎn)缺失的日平均
      q-p 。 %
      值,^表示缺失數(shù)據(jù)段的前ー個日平均值,&表示缺失數(shù)據(jù)段的后ー個日平均值,q-p ^ 2, p < i < q。若G或G無法獲得(如某觸點(diǎn)當(dāng)天未獲得有效溫度數(shù)據(jù)),則只好將對應(yīng)觸點(diǎn)的數(shù)據(jù)列全部刪除以保證剩余日平均值數(shù)據(jù)能構(gòu)成完整的矩陣。分析數(shù)據(jù)的方法同樣采用主成分分析方法(PCA)。由于觸點(diǎn)老化越嚴(yán)重,溫度的上升趨勢越明顯,因此PCA同樣能夠發(fā)現(xiàn)平均溫度值上升較快的老化觸點(diǎn)。C、利用Kneans進(jìn)行故障定位。利用在線PCA和變尺度PCA分析觸點(diǎn)溫度值后,若主成分特征值較大,則表明觸點(diǎn)溫度值出現(xiàn)了較大幅度的波動,對應(yīng)的觸點(diǎn)可能存在故障的隱患。但是,PCA無法準(zhǔn)確、全面地定位出現(xiàn)載流故障或存在故障隱患的觸點(diǎn)。通過利用K means聚類算法分析觸點(diǎn)溫度值或日平均值,合理設(shè)置初始聚類中心和聚類個數(shù)進(jìn)行故障聚類定位。本發(fā)明設(shè)計(jì)的電力設(shè)備載流故障預(yù)警方法是基于設(shè)備觸點(diǎn)溫度信息。在實(shí)際運(yùn)行過程中,由于測溫傳感器損壞、無線傳輸故障、外力破壞等原因,測溫系統(tǒng)在某個觸點(diǎn)上測得的溫度數(shù)據(jù)可能會出現(xiàn)錯誤。在故障診斷和預(yù)警時(shí)要將這些無效溫度數(shù)據(jù)剔除,否則會產(chǎn)生錯誤的分析結(jié)果。因此,首先需要對現(xiàn)場采集的數(shù)據(jù)進(jìn)行預(yù)處理測得的觸點(diǎn)的工作溫度如果低于環(huán)境溫度或者高于測溫模塊的測量上限,都需要將其剔除。在預(yù)處理后的基礎(chǔ)上,將對溫度數(shù)據(jù)進(jìn)行實(shí)時(shí)PCA分析,提取溫度數(shù)據(jù)的主成分。 當(dāng)觸點(diǎn)溫度值發(fā)生明顯變化時(shí),其PCA處理后的主成分特征值將超過一定的閾值,此時(shí)即可認(rèn)為觸點(diǎn)溫度發(fā)生了明顯波動。然而,實(shí)時(shí)PCA很難獲得觸點(diǎn)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(shí)時(shí)PCA的主要區(qū)別在于分析的數(shù)據(jù)對象不同,需要對 溫度數(shù)據(jù)進(jìn)行平均值處理。無論是實(shí)時(shí)PCA還是變尺度PCA,只要對應(yīng)的溫度數(shù)據(jù)發(fā)生較大幅度的波動,主成 分特征值會大大增加,出現(xiàn)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,特征值均會增加。因此,當(dāng)PCA特征值超過閾值,且溫度處于上升狀態(tài)時(shí),即 可認(rèn)為溫度存在故障隱患,進(jìn)而進(jìn)行下一步處理。利用PCA分析觸點(diǎn)溫度值可以發(fā)現(xiàn)是否存在故障隱患,但不能準(zhǔn)確、全面定位故 障隱患的觸點(diǎn)。本發(fā)明利用K-means聚類算法即可獲得存在故障隱患的觸點(diǎn)。至此電力設(shè) 備載流故障預(yù)警方法流程結(jié)束。如圖1所示,實(shí)時(shí)PCA與其他時(shí)間尺度的PCA算法流程相同,區(qū)別在于溫度數(shù)據(jù)是 否進(jìn)行平均值處理。以下將以實(shí)時(shí)PCA為例,對本發(fā)明所提供的預(yù)警方法的具體流程進(jìn)行 闡述。在利用PCA挖掘溫度數(shù)據(jù)特征時(shí),一個觸點(diǎn)集合(如一個電容柜)作為一個整體。 該集合內(nèi)的每個觸點(diǎn)溫度作為一個變量(如電容柜中共有n個觸點(diǎn),因此共有n個變量), 每m次采樣數(shù)據(jù)為一組,即n個觸點(diǎn)在m個觀測時(shí)刻內(nèi)的所有數(shù)據(jù)組成處理樣本。一組原 始數(shù)據(jù)集可表示如下
      權(quán)利要求
      1.一種電力設(shè)備載流故障在線診斷預(yù)警方法,其特征在于,該方法包括以下步驟(1)采集電力設(shè)備觸點(diǎn)的實(shí)時(shí)溫度,對采集到的電力設(shè)備觸點(diǎn)實(shí)時(shí)溫度數(shù)據(jù)進(jìn)行預(yù)處理,剔除無效數(shù)據(jù),計(jì)算多個時(shí)間尺度的溫度平均值,并設(shè)定溫度值的主成分特征值的閥值,所述時(shí)間尺度即為某一段時(shí)間;(2)采用主成分分析法對溫度數(shù)據(jù)進(jìn)行分析,對實(shí)時(shí)溫度進(jìn)行實(shí)時(shí)主成分分析,對不同時(shí)間尺度的平均溫度值進(jìn)行變尺度主成分分析,監(jiān)測實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值的主成分特征值的變化;(3)若監(jiān)測到的實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值的主成分特征值和所設(shè)定的主成分特征值的閥值相比過高,則進(jìn)行步驟(4),否則重復(fù)步驟(I)和(2);(4)提取主成分特征值過高的溫度數(shù)據(jù),對溫度數(shù)據(jù)進(jìn)行變化方向的判斷,若溫度變化為下降,則為正常狀態(tài),重復(fù)步驟(I)和(2),若溫度變化為上升,則進(jìn)行步驟(5);(5)利用K-means聚類分析法對溫度數(shù)據(jù)進(jìn)行聚類分析,得到正常觸點(diǎn)和異常觸點(diǎn)兩類集合,異常觸點(diǎn)即為存在故障或存在故障隱患的觸點(diǎn),進(jìn)而進(jìn)行預(yù)警。
      2.根據(jù)權(quán)利要求I所述的一種電力設(shè)備載流故障在線診斷預(yù)警方法,其特征在于在步驟(I)中需要剔除的無效數(shù)據(jù)包括低于環(huán)境溫度或者高于溫度采集器的溫度測量上限的溫度數(shù)據(jù)。
      全文摘要
      本發(fā)明公開了一種電力設(shè)備載流故障在線診斷預(yù)警方法,采用主成分分析法(PCA)對實(shí)時(shí)溫度和不同時(shí)間尺度的平均溫度值進(jìn)行實(shí)時(shí)PCA和變尺度PCA分析,從而去除數(shù)據(jù)中帶有的噪聲,且監(jiān)測出存在故障或可能存在故障的電力設(shè)備觸點(diǎn),同時(shí)采用K-means聚類算法進(jìn)行聚類分析,從而確定發(fā)生故障或可能存在故障的觸點(diǎn)的位置,另外,PCA監(jiān)測的響應(yīng)速度較快,在觸點(diǎn)溫度上升的初期,特征值快速上升,為診斷系統(tǒng)進(jìn)一步分析和預(yù)警提供了足夠的時(shí)間。同時(shí),基于PCA的電力設(shè)備載流故障預(yù)警方法算法簡單,實(shí)時(shí)性強(qiáng),本發(fā)明在很大程度上提高了電力系統(tǒng)的可靠性。本發(fā)明可廣泛應(yīng)用于電力設(shè)備保護(hù)領(lǐng)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(yōu)先權(quán)日2012年2月27日
      發(fā)明者張慧源, 李學(xué)紅, 許力, 許文才, 顧宏杰 申請人:浙江大學(xué), 珠海賽迪生電氣設(shè)備有限公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1