一种换流阀关键组件的健康裕度的监测方法、介质及系统与流程

1.本发明涉及换流阀技术领域，尤其涉及一种换流阀关键组件的健康裕度的监测方法、介质及系统。


背景技术：

2.特高压直流输电换流阀是直流输电中最重要的核心设备之一，对其进行运行状态监测对电力系统的安全稳定有重要意义。对特高压直流输电换流阀及其关键组件的运行状态参量进行在线监测，进而建立特高压直流输电换流阀信息状态健康指标，可以及时发现设备潜在安全隐患，能够有效提高换流阀运行的可靠性，节约运行、维护成本，具有重大的研究和工程应用价值。
3.特高压直流输电工程中换流阀及其关键组件的数据监测一般难以实现全面的监测，部分区域完成了多类型的在线数据监测，但是由于数据量庞大，数据特征复杂，一般难以准确进行分析和特征提取。因此，传统的方式一方面存在面对大量的数据特征难以及时准确分析的问题，另一方面也无法给出有效的换流阀健康状态指标。


技术实现要素：

4.本发明实施例提供了一种换流阀关键组件的健康裕度的监测方法、介质及系统，以解决现有技术难以及时准确分析换流阀关键组件是否健康并给出有效的健康状态指标的问题。
5.本发明实施例公开了如下的技术方案：
6.第一方面，提供了一种换流阀关键组件的健康裕度的监测方法，包括：
7.在预设时长内每隔预设时间采集换流阀关键组件的监测数据；
8.按照所述监测数据的属性种类对所述监测数据分类；
9.采用主成分分析方式对所述监测数据进行特征提取，得到特征数据；
10.判断每一属性种类的所述特征数据是否达到波动极限；
11.若某一属性种类的所述特征数据达到波动极限，则将该属性种类确定为异常属性种类；
12.计算每一所述异常属性种类的所述监测数据中的当前值与每一所述异常属性种类对应的保护定值的差值的百分数，得到每一所述异常属性种类的当前健康裕度。
13.第二方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如第一方面实施例所述的换流阀关键组件的健康裕度的监测方法。
14.第三方面，提供了一种换流阀关键组件的健康裕度的监测系统，包括：如第二方面实施例所述的计算机可读存储介质。
15.这样，本发明实施例，通过主成分分析方式压缩获取的监测数据，解决了数据量大难以获取特征数据的问题，并且通过计算异常属性种类的当前健康裕度和所有属性种类的
整体健康裕度，从多个维度对换流阀关键组件的健康程度进行了分析，并给出全局的整体健康状态，量化了换流阀健康程度，提升了特高压直流输电换流阀监测效率和特高压直流输电的可靠性。
附图说明
16.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
17.图1是本发明实施例1的换流阀关键组件的健康裕度的监测方法的流程图；
18.图2是本发明实施例2的换流阀关键组件的健康裕度的监测方法的流程图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。
20.实施例1
21.本发明实施例1公开了一种换流阀关键组件的健康裕度的监测方法。如图1所示，该方法包括如下的流程：
22.步骤s101：在预设时长内每隔预设时间采集换流阀关键组件的监测数据。
23.其中，该监测数据为实时采集的数据，按照时间先后顺序排序。预设时长和预设时间均可根据经验和实际情况选择。应当理解的是，预设时长内采集的多个监测数据中的最后一个监测数据为监测数据的当前值。
24.步骤s102：按照监测数据的属性种类对监测数据分类。
25.其中，采集的监测数据的属性种类可根据实际是否需要监测异常的种类来选择。
26.例如，在本发明一具体的实施例中，监测数据的属性种类包括：换流阀组件电流、换流阀组件电压、换流阀组件电流变化率、换流阀组件电压变化率、换流阀设备组件的压力、换流阀阀冷系统流量、换流阀温度、换流阀异常放电数据、晶闸管级运行状态数据和换流阀传输功率。
27.上述的属性种类可以归类为三大类：换流阀监测数据、晶闸管监测数据和阀冷系统监测数据。这样，换流阀监测数据包括：换流阀组件电流、换流阀组件电压、换流阀组件电流变化率、换流阀组件电压变化率、换流阀温度换流阀异常放电数据和换流阀传输功率；晶闸管监测数据包括：晶闸管级运行状态数据；阀冷系统监测数据包括：换流阀设备组件的压力和换流阀阀冷系统流量。
28.步骤s103：采用主成分分析方式对监测数据进行特征提取，得到特征数据。
29.具体的，该步骤包括如下的过程：
30.(1)获取监测数据组成的第一矩阵。
31.其中，第一矩阵的元素为监测数据，第一矩阵的行向量按照采集时间的先后排序。
第一矩阵的列向量按照预设的监测数据的种类的顺序排序，该排序可根据经验和实际情况确定，例如，本发明一实施例中按照如下的排序：换流阀组件电流、换流阀组件电压、换流阀组件电流变化率、换流阀组件电压变化率、换流阀设备组件的压力、换流阀阀冷系统流量、换流阀温度、换流阀异常放电数据、晶闸管级运行状态数据和换流阀传输功率。第一矩阵x可表示为[x
1 x2ꢀ…ꢀ
xiꢀ…
xd]，m表示监测数据的属性种类的数量，x表示顺序为i的属性种类的监测数据的数据向量。
[0032]
(2)计算第一矩阵的转置矩阵与第一矩阵的乘积，得到第二矩阵。
[0033]
第二矩阵为：x
t
x＝[x
1 x2ꢀ…ꢀ
xm]
t
[x
1 x2ꢀ…ꢀ
xm]。因此，第二矩阵为m
×
m的方阵。
[0034]
(3)计算第二矩阵的特征值，按照特征值从大到小的顺序将特征值对应的特征向量排序，得到第三矩阵。
[0035]
采用现有的矩阵特征值的计算方法计算，在此不再赘述，由于第二矩阵是方阵，因此，特征值的数量为m个。
[0036]
(4)计算按照特征值从大到小的顺序排序后的特征值的数据保真度。
[0037]
数据保真度的计算公式为：
[0038][0039]
其中，fid表示数据保真度，λi表示按降序排序的顺序为i的特征值，λ
total
表示所有特征值的和，即d为数据维度，即矩阵的列的数量。
[0040]
(5)判断数据保真度是否不小于数据保真度阈值。
[0041]
用γ表示数据保真度阈值，比较fid和γ的大小关系。
[0042]
(6)若数据保真度小于数据保真度阈值，则将数据维度加一，并返回计算数据保真度的步骤，重复计算数据保真度和判断的步骤，直到数据保真度不小于数据保真度阈值。
[0043]
其中，数据保真度和数据维度的初始值均为0。若fid＜γ，则d+1。通过逐渐扩大维度确定关键种类。
[0044]
(7)若数据保真度不小于数据保真度阈值，则按照当前数据维度从第三矩阵截取得到第四矩阵。
[0045]
即，第四矩阵为d列的矩阵。p表示第四矩阵，p＝[e
1 e2ꢀ…ꢀei
ꢀ…
ed]，ei表示特征值λi对应的特征向量。
[0046]
(8)计算第四矩阵的转置矩阵与第一矩阵的乘积后转置，得到特征数据。
[0047]
具体的，特征数据的计算公式为：
[0048]
y＝[p
t
x]
t
＝[[e
1 e2ꢀ…ꢀei
ꢀ…ꢀ
ed]
t
x]
t
。
[0049]
其中，y表示特征数据，特征数据为输出矩阵[y
1 y2ꢀ…ꢀ
yiꢀ…ꢀ
yd]，yi表示顺序为i的属性种类的监测数据的数据向量。
[0050]
应当理解的是，由于采集监测数据是随时间变化的，因此，步骤s4也是不断分析新的监测数据，即输入的监测数据会根据时间而变化。
[0051]
步骤s104：判断每一属性种类的特征数据是否达到波动极限。
[0052]
具体的，该步骤包括如下的过程：
[0053]
(1)在预设时间范围内，计算某一属性种类的特征数据的标准差。
[0054]
该计算方法为现有技术，在此不再赘述。该预设时间范围可根据检验和实际情况选择，例如从监测数据的当前值往前的100ms。一般的，预设时间范围可以与前述的预设时长相同，以便结果更加准确。
[0055]
(2)当某一属性种类的特征数据的标准差超过波动阈值，则确定该属性种类的特征数据达到波动极限。
[0056]
该波动阈值也可以根据经验和实际情况选择，例如30％。如果超过波动阈值，则认为超过波动极限。
[0057]
步骤s105：若某一属性种类的特征数据达到波动极限，则将该属性种类确定为异常属性种类。
[0058]
例如，换流阀组件电流的特征数据超过波动极限，则换流阀组件电流为异常属性种类。
[0059]
步骤s106：计算每一异常属性种类的监测数据中的当前值与每一异常属性种类对应的保护定值的差值的百分数，得到每一异常属性种类的当前健康裕度。
[0060]
具体的，保护定值可根据经验和实际情况预设。该当前值为如前所述的预设时长内采集的多个监测数据中的最后一个监测数据。每一异常属性种类的当前健康裕度可按照前述划分的换流阀、晶闸管和阀冷系统三大类归类后分类输出。
[0061]
本发明实施例1通过上述的步骤，可以确定异常属性种类的当前健康裕度以输出给用户。
[0062]
实施例2
[0063]
本发明实施例2公开了一种换流阀关键组件的健康裕度的监测方法。如图2所示，该方法包括如下的流程：
[0064]
步骤s201：在预设时长内每隔预设时间采集换流阀关键组件的监测数据。
[0065]
步骤s202：按照监测数据的属性种类对监测数据分类。
[0066]
步骤s201～s202与前述的步骤s101～s102相同，在此不再赘述。
[0067]
步骤s203：计算每一属性种类的当前健康裕度。
[0068]
具体的，该步骤具体包括：
[0069]
计算每一属性种类的监测数据的当前值与每一属性种类对应的保护定值的差值的百分数，得到每一属性种类的当前健康裕度。
[0070]
同样的，该保护定值可根据经验和实际情况确定。
[0071]
步骤s204：计算每一属性种类的当前健康裕度与对应的健康系数的乘积的和，得到换流阀关键组件的整体健康裕度。
[0072]
该计算式可表示为：
[0073]msafe
＝k
safe1
×
s1+k
safe2
×
s2+
…
+k
safei
×
si+
…ksafen
×
sm[0074]
其中，m
safe
为整体健康裕度，si表示属性种类i对应的当前健康裕度，k
safei
表示属性种类的健康系数。
[0075]
例如，当属性种类包括：换流阀组件电流、换流阀组件电压、换流阀组件电流变化率、换流阀组件电压变化率、换流阀设备组件的压力、换流阀阀冷系统流量、换流阀温度、换
流阀异常放电数据、晶闸管级运行状态数据和换流阀传输功率时，则s1到sm分别对应换流阀组件电流当前健康裕度、换流阀组件电压当前健康裕、换流阀组件电流变化率当前健康裕、换流阀组件电压变化率当前健康裕、换流阀设备组件的压力当前健康裕、换流阀阀冷系统流量当前健康裕、换流阀温度当前健康裕、换流阀异常放电数据当前健康裕、晶闸管级运行状态数据当前健康裕和换流阀传输功率当前健康裕；k
safe1
到k
safen
分别对应换流阀组件电流健康系数、换流阀组件电压健康系数、换流阀组件电流变化率健康系数、换流阀组件电压变化率健康系数、换流阀设备组件的压力健康系数、换流阀阀冷系统流量健康系数、换流阀温度健康系数、换流阀异常放电数据健康系数、晶闸管级运行状态数据健康系数和换流阀传输功率健康系数。
[0076]
本发明实施例2通过上述的步骤，可以确定换流阀关键组件的整体健康裕度以输出给用户。
[0077]
实施例3
[0078]
本发明实施例3公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现上述实施例1和2任一所述的换流阀关键组件的健康裕度的监测方法。
[0079]
实施例4
[0080]
本发明实施例4公开了一种换流阀关键组件的健康裕度的监测系统，包括：如上述实施例3所述的计算机可读存储介质。该监测系统可以在电脑、服务器、微处理器等各类设备上执行。
[0081]
综上，本发明实施例，通过主成分分析方式压缩获取的监测数据，解决了数据量大难以获取特征数据的问题，并且通过计算异常属性种类的当前健康裕度和所有属性种类的整体健康裕度，从多个维度对换流阀关键组件的健康程度进行了分析，并给出全局的整体健康状态，量化了换流阀健康程度，提升了特高压直流输电换流阀监测效率和特高压直流输电的可靠性。
[0082]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。