本发明属于电力技术领域，特别涉及基于人工智能技术的变压器状态在线评估分析方法。
背景技术：
电力变压器是电力系统的重要枢纽设备，它的运行工况与电力系统是否安全运行直接相关，一旦发生故障必然导致局部甚至整个系统瘫痪，严重影响到日常生活生产的正常供电，从而造成巨大的损失。
目前的变压器状态在线监控系统在运行中反映出如下问题：
1.设备误报率高：变压器在线监测各类设备投运之后，没有进行兼容分析，各个模块相对独立，就会出现很多设备故障误报。
2.变压器在线监测数据的利用和分析不够：数据大量上传后，缺乏对数据的分析处理手段，对于缺陷分析和故障预测依然靠经验，没有有效及时的自动分析功能，实用效果不佳。变压器在线监测设备一旦出现故障结果，只提示给用户出现故障情况，无法准确给运维人员指导意见。
3.变压器的缺陷分析和故障结果不能很好的指导运维人员进行分析和处理：目前设备的检修工作都是按时检修，而不是按需检修，从而导致变压器带病运行，或者变压器运行良好的情况下进行检修，造成很大浪费。
技术实现要素：
本发明的目的是提供基于人工智能技术的变压器状态在线评估分析方法，解决了现有技术中故障误报多、在线监测数据的利用分析不够和不能很好的指导运维人员进行处理的技术问题。
为实现上述目的，本发明采用以下技术方案：
基于人工智能技术的变压器状态在线评估分析方法，包括如下步骤：
步骤1：建立变压器综合在线诊断系统，变压器综合在线诊断系统包括传感器单元、数据通信模块、ied装置和数据中心处理服务器，传感器单元与ied装置连接，ied装置与数据通信模块连接，数据通信模块与数据中心处理服务器连接；
步骤2：传感器单元采集变压器的当前运行数据信息，并将当前运行数据信息传送给ied装置，并由ied装置进行汇总，生成实时数据，ied装置通过数据通信模块将实时数据传送给数据中心处理服务器；
步骤3：在数据中心处理服务器中建立历史故障信息模块、实时数据采集模块、故障感知分析模块、人工智能分析模块、变压器在线评估分析模块和mmi人机界面，实时数据采集模块接收并存储实时数据，并将实时数据传送给故障感知分析模块，故障感知分析模块对实时数据进行感知分析，通过阈值诊断和时域波形诊断来进行判断分析，得到故障数据；
步骤4：历史故障信息模块中存储有变压器故障信息库和解决方案库，历史故障信息模块根据变压器故障信息库和解决方案库建立变压器故障信息模型，故障感知分析模块将故障数据通过api接口传送给人工智能分析模块，人工智能模块依据变压器故障信息模型采用诊断专家分析系统进行分析，得出分析结果和解决方案建议，人工智能模块将分析结果和解决方案建议传送给变压器在线评估分析模块；
步骤5：变压器在线评估分析模块根据分析结果和解决方案建议生成文本信息和图表信息，并通过mmi人机界面展示所述文本信息和所述图表信息。
所述传感器单元包括变压器油中气体采集装置、铁心接地电流采集装置、局部放电采集装置、有载开关信息采集控制装置、冷却器信息采集控制装置、套管信息采集装置、绕组测温装置、负荷数据采集装置、顶部油温采集装置、环境温度采集装置和非电量信息采集装置。
所述故障信息库中存储有各种变压器的型号信息和相关的故障事故记录，所述解决方案库中存储有各种故障事故记录对应的解决方法；所述变压器故障信息模型包括变压器故障事故记录和对应该故障事故记录的解决方法。
在执行步骤3时，故障感知分析模块对实时数据进行感知分析，包括如下步骤：
步骤s1：进行阈值诊断：按照所得特征量是否超过规定阈值来判断变压器的运行状态；
步骤s2：依靠时域波形诊断对变压器进行实时监测：将监测的所有数据按照随时间变化的曲线与样板曲线进行样板对照来判断变压器的运行状态。
所述特征量为传感器单元采集的变压器油中气体数据、铁心接地电流数据、局部放电数据、有载开关信息数据、冷却器信息数据、套管信息数据、绕组测温数据、负荷数据数据、顶部油温数据、环境温度数据和非电量信息数据。
在执行步骤4时，人工智能模块依据变压器故障信息模型采用诊断专家分析系统进行分析，包括如下步骤：
步骤s3：变压器故障信息模型用来建立变压器故障领域知识，将变压器故障信息模型导入诊断专家分析系统；
步骤s4：将实时采集的原始数据和故障感知分析模块通过感知分析得到故障数据的结果存放至历史故障信息模块；
步骤s5：利用诊断专家分析系统中的推理机制进行推理分析，并将结果输出至变压器在线评估分析模块。
本发明所述的基于人工智能技术的变压器状态在线评估分析方法，解决了现有技术中故障误报多、在线监测数据的利用分析不够和不能很好的指导运维人员进行处理的技术问题；本发明能够大大提高对变压器在线监测和设备状态评估的可靠性，降低设备的误报率和漏报率，减少运行人员的劳动强度。
附图说明
图1是本发明的流程图；
图2是本发明的数据通信模块的原图方框图；
图3是本发明的系统结构示意图；
图4是本发明的阈值分析判断流程图；
图5是本发明的粗糙集故障诊断流程图。
具体实施方式
如图1-图5所示的基于人工智能技术的变压器状态在线评估分析方法，包括如下步骤：
步骤1：建立变压器综合在线诊断系统，变压器综合在线诊断系统包括传感器单元、数据通信模块、ied装置和数据中心处理服务器，传感器单元与ied装置连接，ied装置与数据通信模块连接，数据通信模块与数据中心处理服务器连接；
所述ied装置为变压器数据集成装置(所述变压器数据集成装置为现有技术，故不详细叙述)。
步骤2：传感器单元采集变压器的当前运行数据信息，并将当前运行数据信息传送给ied装置，并由ied装置进行汇总，生成实时数据，ied装置通过数据通信模块将实时数据传送给数据中心处理服务器；
所述数据通信模块主要与ied装置连接，用于获取传感器获得数据，并将获取的数据存入实时数据采集模块中，同时将分析结果及实时采集的数据上传到上级调度系统。
步骤3：在数据中心处理服务器中建立历史故障信息模块、实时数据采集模块、故障感知分析模块、人工智能分析模块、变压器在线评估分析模块和mmi人机界面，实时数据采集模块接收并存储实时数据，并将实时数据传送给故障感知分析模块，故障感知分析模块对实时数据进行感知分析，通过阈值诊断和时域波形诊断来进行判断分析，得到故障数据；
在实时数据采集模块内建立实时内存库，存放实时监测的一段数据,数据包含：油中7种气体及微水、负荷电流、环境温度、顶部油温、绕组温度、非电量数据(压力释放阀、重瓦斯、轻瓦斯、本体油位、总保护信号等等)、冷却器状态、有载开关监测信息、套管监测信息(末屏电流、介质损耗、等值电容等等)、铁心接地电流、局部放电量和局部放电相位等等实时监测数据，另外还包含当前变压器额定参数、当前变压器额套管额定参数、当前变压器额有载开关额定参数、当前变压器额冷却器额定参数、当前变压器负载特性相关数据及曲线数据。
故障感知分析模块采用的分析方法包括监测量阈值分析法、油中气体三比值分析法、油中气体立方体分析法，油中气体大卫三角分析法、时域波形诊断法；故障感知分析模块主要通过传统变压器状态分析、阈值判断分析判断和时域波形诊断，变压器状态分析主要通过传统的油中气体三比值分析法、油中气体立方体分析法，油中气体大卫三角分析法；阈值分析判断，主要依据各个监测数据的门槛值和监测数据的变化率门槛值来判断，时域波形诊断主要是对变压器在线监测的数据随时间的变化曲线和变压器在出厂测试的曲线对照进行判断设备状态；
如图2所示，故障感知分析模块对实时数据设置阈值，超过阈值则为报警，不超过阈值则为正常。
步骤4：历史故障信息模块中存储有变压器故障信息库和解决方案库，历史故障信息模块根据变压器故障信息库和解决方案库建立变压器故障信息模型，故障感知分析模块将故障数据通过api接口传送给人工智能分析模块，人工智能模块依据变压器故障信息模型采用诊断专家分析系统进行分析，得出分析结果和解决方案建议，人工智能模块将分析结果和解决方案建议传送给变压器在线评估分析模块；
变压器故障信息模型主要保存的数据包括：故障变压器额定参数、故障变压器额套管额定参数、故障变压器额有载开关额定参数、故障变压器额冷却器额定参数、变压器负载特性、故障名称、变压器故障现象、变压器故障原因、维修建议、变压器发生故障前历史数据以及故障数据分析模型方法等等。
数据模型模型的构建过程中利用实时数据采集模块数据预先搭建的网络结构，并对模型参数进行优化，进而提高模型分类的准确率。最后将新采集到的数据输入训练完成的模型中进行检测，检验模型的准确率。
诊断专家系统采用粗糙集故障诊断方式，可以有效利用变压器监测装置采集数据，通过对在线监测所获得的无标签样本进行分析处理，发现数据之间的关系，提取有用特性，得到简明扼要的知识表达式：包括如下步骤：
步骤a：根据获取的实时数据，依据粗糙集理论表达式，s＝(u，a)，其中u是s中由对象组成的集合，而a＝(cud)，诊断专家系统生成条件属性集(c)和决策属性集(d)，c表示变压器故障特征集，d表示变压器故障类型集；
步骤b：诊断专家系统根据变压器故障特征集(轻瓦斯、重瓦斯、压力释放阀、油中微水、铁心接地电流等)和变压器故障类型集(匝间短路、火花放电、开关故障、围屏放电等等)生成决策表(形成一张二维表格)老描述变压器专家分析信息系统s；
步骤c：对决策表中的所有条件属性进行约简，约简方式主要依据变压器故障类型对应采集数据的特征，约简的结果将二维表格中的0和1，模糊处理成为0，0.5，1或者其他数据值；
步骤d：对每一个约简形成决策表，根据变压器故障特征集和变压器故障类型集的数据特性计算粗糙隶属度u；
步骤e：给定置信度u0，按照u>u0的规则计入变压器故障规则集；
步骤f：根据变压器故障规则集做出最终诊断。
步骤5：变压器在线评估分析模块根据分析结果和解决方案建议生成文本信息和图表信息，并通过mmi人机界面展示所述文本信息和所述图表信息。
变压器在线评估分析模块对变压器的状态量设定不同的扣分值，即分配不同的权重，保证变压器状态量的评价分值能真实反映设备的状态；根据变压器特性，以变压器参数、变压器运行状态等获取变压器评价量测量，依据变压器状态量的选取要求，从量测量选取与设备性能直接相关状态量，依据状态量性质确定量化模型，结合实时状态分析结果，利用评价方法实现设备部件、整体设备的评价，变压器在线评估分析模块对监测数据中出现不良数据、变压器出现故障等情况，对变压器进行在线评估分析，每种情况对应相应的评价分值，根据分值对应五种状态等级：良好、正常、注意、异常和“重大异常”。
所述传感器单元包括变压器油中气体采集装置(变压器油中气体采集装置为现有技术，故不详细叙述)、铁心接地电流采集装置(铁心接地电流采集装置为现有技术，故不详细叙述)、局部放电采集装置(局部放电采集装置为现有技术，故不详细叙述)、有载开关信息采集控制装置(有载开关信息采集控制装置为现有技术，故不详细叙述)、冷却器信息采集控制装置(冷却器信息采集控制装置为现有技术，故不详细叙述)、套管信息采集装置(套管信息采集装置为现有技术，故不详细叙述)、绕组测温装置(绕组测温装置为现有技术，故不详细叙述)、负荷数据采集装置(负荷数据采集装置为现有技术，故不详细叙述)、顶部油温采集装置(顶部油温采集装置为现有技术，故不详细叙述)、环境温度采集装置(环境温度采集装置为现有技术，故不详细叙述)和非电量信息采集装置(非电量信息采集装置为现有技术，故不详细叙述)。
所述故障信息库中存储有各种变压器的型号信息和相关的故障事故记录，所述解决方案库中存储有各种故障事故记录对应的解决方法；所述变压器故障信息模型包括变压器故障事故记录和对应该故障事故记录的解决方法。
在执行步骤3时，故障感知分析模块对实时数据进行感知分析，包括如下步骤：
步骤s1：进行阈值诊断：按照所得特征量是否超过规定阈值来判断变压器的运行状态；
步骤s2：依靠时域波形诊断对变压器进行实时监测：将监测的所有数据按照随时间变化的曲线与样板曲线进行样板对照来判断变压器的运行状态。
所述特征量为传感器单元采集的变压器油中气体数据、铁心接地电流数据、局部放电数据、有载开关信息数据、冷却器信息数据、套管信息数据、绕组测温数据、负荷数据数据、顶部油温数据、环境温度数据和非电量信息数据。
在执行步骤4时，人工智能模块依据变压器故障信息模型采用诊断专家分析系统进行分析，包括如下步骤：
步骤s3：变压器故障信息模型用来建立变压器故障领域知识，将变压器故障信息模型导入诊断专家分析系统；
步骤s4：将实时采集的原始数据和故障感知分析模块通过感知分析得到故障数据的结果存放至历史故障信息模块；
步骤s5：利用诊断专家分析系统中的推理机制进行推理分析，并将结果输出至变压器在线评估分析模块。
诊断专家系统利用人工智能领域里的专家系统(所述人工智能领域里的专家系统为现有技术，故不详细叙述)对变压器实时数据进行分析判断。
本发明所述的基于人工智能技术的变压器状态在线评估分析方法，解决了现有技术中故障误报多、在线监测数据的利用分析不够和不能很好的指导运维人员进行处理的技术问题；本发明能够大大提高对变压器在线监测和设备状态评估的可靠性，降低设备的误报率和漏报率，减少运行人员的劳动强度。