一种电力变压器内部故障的状态检修方法
【技术领域】
[0001] 本发明属于计算机软件技术领域，特别涉及一种电力系统核心设备内部故障识别 的软件应用技术，具体是指一种电力变压器内部故障的状态检修方法。
【背景技术】
[0002] 变压器作为电力系统的变送和分配电能的核心设备，其安全性和稳定性至关重 要。因此，对变压器进行检修是必不可少的。传统的检修方式是定期检修，作为变压器检 修的常用方式，预防性试验和定期检修有很大的盲目性和强制性，造成"过修、欠修、盲目维 修、资源浪费"等一系列问题，这也就突出了状态检修的必要性。状态检修是对变压器的 运行情况进行实时的评估得出状态指标，并根据状态指标对变压器进行检修的一种检修方 式；现有技术中状态指标指的是用各种方法检测变压器的运行参数，例如：变压器温度、油 中气体比例、放电程度等等。电力变压器内部故障模型的建立是通过对变压器内部磁链关 系的研究，利用MATLA软件搭建出电力变压器的仿真模型，目前已基本实现。
【发明内容】
[0003] 本发明的目的在于，针对区分序列化信号的方法进行研究以判断信号故障是否存 在以及故障的程度，用以克服现有技术的不足。
[0004] 本发明通过以下技术方案实现，通过建立的电力变压器内部故障模型，以仿真内 部电流为主要研究对象，运用符号动力学对电流与正常工作电流进行对比，建立起信号差 异机制，在线对变压器进行监测并诊断出变压器此时的运行状态，具体分为健康状态、错误 状态、故障状态；从而研究一种新型的基于状态的电力变压器状态检修模型。
[0005] 包括建立电力变压器内部故障模型，然后获取故障下运行的电流或电压数据。该 变压器数学模型并非传统的等效工作电路模型，而是要针对变压器的非正常工作状态建立 暂态的故障模型，该模型可以针对不同程度的故障状态进行仿真，以便于获取较高的仿真 模型的效率。
[0006] 将符号动力学方法应用于信号处理，用符号化后的序列描述非线性系统的状态的 思想被运用到对信号的描述上，符号动力学作为一种对动力系统粗粒化的描述，对连续时 间信号进行相空间划分，将相空间用有限符号进行表示。
[0007] 所述的信号相空间划分，研究信号波形的相空间划分及参考最大熵划分法使得到 的序列化信号保有原始数据信号最大的信息量。
[0008] 所述的基于符号动力学的原理，利用符号动力学在信号处理方面的优势，进一步 对序列进行分析，并由符号序列建立相应的马尔科夫状态转移矩阵，然后用矩阵欧式距离 表征信号差异，从而快速有效地判断故障的存在。
[0009] 本发明提供的这种电力变压器内部故障的状态检修方法，能够快速有效的识别变 压器内部故障的存在，以便检修人员可以更加快速准确地找出故障薄弱部件，同时减少了 引入相关传感器等设备安装维护保养的额外成本。
【附图说明】
[0010] 图1为原理流程图。
[0011] 图2为最大熵划分法示意图。
[0012] 图3为改进最大熵算法流程图。
[0013] 图4为马尔科夫过程示意图。
[0014] 图5为马尔科夫矩阵示意图。
【具体实施方式】
[0015] 下面结合附图1至5对本发明实施例作进一步说明，电力变压器内部故障模型的 建立是通过对变压器内部磁链关系的研究，利用MATLA软件搭建出电力变压器的仿真模 型。仿真模型中的状态检修是对变压器的运行情况进行实时的评估得出状态指标，指的是 电流信号处理之后的得到的矩阵距离大小；对建立起的电力变压器故障模型进行一系列的 仿真试验，获得与变压器相关的故障性试验指标和数据，该指标和数据指的是故障程度大 小以及电流数据；再通过这些指标建立起一个评估模型，评估模型指的是本发明所用的方 法以及范围值，进而在线判断变压器的运行状况。
[0016] 本发明人引入符号动力学方法，监测的目标参数可以仅是变压器的内部工作电流 或者电压，不需要额外的设置传感器，同时还有着丰富的历史数据可供试验以及使用。采用 符号动力学方法可以快速有效判断变压器内部故障的存在，因此可以探索出一种较现有方 法更准确效率更高的变压器状态检修机制。
[0017] 本发明包括对建立的电力变压器内部故障模型进行状态检修，所述故障模型中的 状态检修是对变压器的运行情况进行实时的评估得出状态指标，所述状态指标是指电流信 号处理之后的得到的矩阵距离大小；
[0018] 对建立起的电力变压器内部故障模型进行仿真试验，获得与变压器相关的故障性 试验指标和数据，所述指标和数据指的是故障程度大小以及电流数据；
[0019] 再通过指标和数据建立起评估模型，所述评估模型指的是以模型内部电流为主要 研究对象，通过改进的最大熵算法形成信号，并将符号动力学应用于信号处理，通过符号序 列建立相应的马尔科夫状态转移矩阵，然后用矩阵欧式距离表征信号差异，通过信号差异 比较，并结合电力变压器运行状况的评估模型进行状态拟定的范围值；进而在线判断变压 器的运行状况，从而快速有效地判断故障的存在。
[0020] 本发明包括以下步骤：
[0021] 步骤1，根据电力变压器内部故障模型，模拟出变压器在暂态情况下的内部故障电 流，获取到不同程度故障下的电流数据信号；
[0022] 步骤2,以模型内部电流为主要研究对象，通过改进的最大熵算法形成信号，
[0023] 所述改进的最大熵算法包括最大熵划分法和一阶差分划分法；
[0024] 步骤3,将符号动力学应用于信号处理，由改进的最大熵算法得到的序列实现电流 与正常工作的电流进行对比；
[0025] 步骤4,通过符号序列建立相应的马尔科夫状态转移矩阵，然后用矩阵欧式距离表 征信号差异，通过信号差异比较，并结合电力变压器运行状况的评估模型进行状态拟定的 范围值，进而在线判断变压器的运行状况，从而快速有效地判断故障的存在。
[0026] 所述步骤2的最大熵算法为，设用字母表的大小为|A|，信号长度为N，则基于最大 熵的划分法的算法过程如下，
[0027] i.初始化参数，设K= 2,并选取一个门限参数ε，0〈ε< 1，门限参数决定了算 法的结束条件；
[0028] ?.按升序排列长度为Ν的信号；
[0029] iii.将信号中每一个连续长度的[Ν/'K」个信号构成该次划分的一个独立字母元 素。其中LX」代表不大于X的最大整数；
[0030] iv.根据第iii步中得到的划分和字母表初步符号化原始信号，根据信号的取值落 在第三步中的区间，或者等于该区间的最小值，并将信号的值用区间对应的字母代表；
[0031] ν.计算符号出现的概率ρ;，i= 1，2···Κ;
[0032] vi.计算此时对应的H(k)和h(k) =H(k)-H(k-1);
[0033] ν?.如果计算得到的h(k)小于设定的门限ε，则结束算法，否则为K递增1，并跳 转到第iii步。
[0034] 从上文对最大熵划分原理的叙述可以看到，通过最大熵划分，信号的变化激烈的 区域使用了更多的符号表达，但是仍然没有反映出信号前后变化的关系。因此，本文在此基 础上，结合一阶差分法，利用差分法能够反应信号前后变化关系的优势，进一步改进了该划 分法。
[0035] 所述步骤2的改进的最大熵算法，即包括最大熵划分法和一阶差分划分法的划分 规则如下：
[0036；
[0037；
[0038] 通过上述两组公式的组合，利用最大熵划分对大致区间做出划分，再在区间内部 使用一阶差分法进一步根据信号前后关系进行划分，这样就可以得到符号为〇至7的基于 最大熵和一阶差分的信号符号化方法。
[0039] 所述通过符号序列建立相应的马尔科夫状态转移矩阵包括：
[0040] 设符号序列{SJ，符号字母表大小为k，滑动窗口长为D，从逐个符号序列第一个 符号字母开始，以每窗口长为D向右平移，每滑过一个符号字母，依此保留前一个状态的后 (D-1)个符号字母并添加一个新的符号字母产生一个新的状态；
[0041] i.设符号序列，下一个出现的符号与之前D个时刻符号相关，则称这个过程为D 阶马尔科夫过程；
[0042] 即：P 氏 I S^l. · · S「D· · · ) = P 氏 I S^l. · · S「D)，
[0043] 设置字母表为A，其大小为|A|，则此序列得到的马尔科夫过程所有可能出现的状 态数量应该为：|A|D;
[0044] ii.定义pjpPj分别为系统中的等价状态，状态集Q中的第i个状态转移到第j