一种检测变压器内油中各气体含量示警值的方法和系统的制作方法
【专利摘要】本发明提供一种检测变压器内油中各气体含量示警值的方法，其在均包括M个油中气体的N个变压器上实现，该方法包括：提取N个变压器内与油中气体示警值计算相关联的数据；根据提取的数据，训练出N个变压器内每一油中气体含量示警值分别对应的当前计算模型，该计算模型包括统计分布模型和关联分析模型；待训练完成后，根据训练出的当前计算模型，获得当前时间N个变压器内M个油中气体含量分别对应的示警值。实施本发明，综合考虑各变压器负荷及天气等因素，提取各变压器的油色谱数据，并计算出各变压器内油中每一气体含量相应的示警值，可有效提高变压器油色谱在线监测示警的准确性和可靠性，避免了资源浪费，降低了设备风险。
【专利说明】一种检测变压器内油中各气体含量示警值的方法和系统
【技术领域】
[0001]本发明涉及电力系统变压器【技术领域】，尤其涉及一种检测变压器内油中各气体含量示警值的方法和系统。
【背景技术】
[0002]油中溶解气体分析是大型变压器故障诊断的最有效的方法之一。电力行业标准规定，当变压器在运行状态下，其内油中气体含量超过图1的所列值时，应引起示警，而上述所列值也通常称为示警值。
[0003]现有技术中，上述示警值主要基于人工经验根据90%累积百分比法而获取的，采用的方法为:通过从历史数据中找出一批典型的油色谱数据(例如有N个数据)，从大到小排序后将第(N*90%)个的油色谱数据作为示警值。但在实际运行中，由于各变压器的运行工况都不一样，且各变压器的油色谱数据均受其自身负荷及天气等因素的影响很大，因此各变压器都应制定自身的示警值。随着在线监测技术应用的不断拓展，传统基于人工经验获取示警值的方法将会导致误报警和漏报警等现象发生，并且带来了资源浪费和设备风险。
[0004]因此，亟需一种检测方法，可获取变压器内油中各气体含量的示警值。
【发明内容】
[0005]本发明实施例所要解决的技术问题在于，提供一种检测变压器内油中各气体含量示警值的方法和系统，通过综合考虑各变压器负荷及天气等因素，提取油色谱在线监测上各变压器的油色谱数据，并计算出各变压器内油中每一气体含量相应的示警值，可有效提高变压器油色谱在线监测示警的准确性和可靠性，避免了资源浪费，降低了设备风险。
[0006]为了解决上述技术问题，本发明实施例提供了一种检测变压器内油中各气体含量示警值的方法，其在均包括M个油中气体的N个变压器上实现，所述方法包括:
a、提取所述N个变压器内均与所述M个油中气体示警值计算相关联的数据；其中，所述数据包括每一变压器内与所述M个油中气体相关联的第一数据，以及每一变压器内与油温相关联的第二数据；M、N均为正整数；
b、根据所述提取到的数据，训练出N个变压器内每一油中气体含量示警值分别对应的当前计算模型；其中，所述计算模型包括依据所述第一数据训练出的统计分布模型和依据所述第一数据及所述第二数据共同训练出的关联分析模型；
C、待所述N个变压器内所述M个油中气体含量示警值的当前计算模型都训练完成后，并根据所述训练出的N个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述N个变压器内所述M个油中气体含量分别对应的示警值。
[0007]其中，所述步骤b的具体步骤包括:
将所述N个变压器内I至M个油中气体均依据所述第一数据训练出对应的统计分布模型，得到M*N个统计分布模型，以及均依据所述第一数据及所述第二数据共同训练出对应的关联分析模型，得到M*N个关联分析模型； 计算出所述M*N个统计分布模型的拟合度和所述M*N个关联分析模型的拟合度；
根据所述计算出的M*N个统计分布模型的拟合度和M*N个关联分析模型的拟合度，依次在I至N个变压器内检测同一变压器内同一油中气体得到的统计分布模型的拟合度与其得到的关联分析模型的拟合度的大小情况；
当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均小于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为关联分析模型；
当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均大于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为统计分布模型。
[0008]其中，所述步骤c中的“根据所述训练出的N个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述N个变压器内所述M个油中气体含量分别对应的示警值”的具体步骤包括:
当所述训练出的N个变压器内一个或多个油中气体含量示警值的当前计算模型均为统计分布模型时，通过三西格玛原则获得当前时间所述N个变压器内一个或多个油中气体含量分别对应的示警值；
当所述训练出的N个变压器内一个或多个油中气体含量示警值的当前计算模型均为关联分析模型时，将每一变压器预设的油温阈值分别代入所述一个或多个油中气体对应的关联分析模型内，获得当前时间所述N个变压器内一个或多个油中气体含量分别对应的示警值。
[0009]其中，在所述步骤a之前，所述方法还包括:
通过变压器油色谱在线监测系统，得到所述N个变压器分别对应的第一数据，并通过变压器温度监测系统，得到所述N个变压器分别对应的第二数据。
[0010]其中，所述第一数据包括所述N个变压器内每一油中气体的气体含量及所述每一油中气体对应的产气速率；所述第二数据包括所述N个变压器内的油温及每一油温与持续时间关联的累积值。
[0011]其中，所述统计分布模型为通过对当前气体的气体含量进行正态分布拟合获得；所述关联分析模型为通过对所述当前气体的气体含量与所述当前气体所在变压器的油温进行线性回归拟合获得。
[0012]本发明实施例还提供了一种检测变压器内油中各气体含量示警值的系统，其在均包括M个油中气体的N个变压器上实现，所述系统包括:
数据提取单元，用于提取所述N个变压器内均与所述M个油中气体示警值计算相关联的数据；其中，所述数据包括每一变压器内与所述M个油中气体相关联的第一数据，以及每一变压器内与油温相关联的第二数据；M、N均为正整数；
模型训练及确定单元，用于根据所述提取到的数据，训练出N个变压器内每一油中气体含量示警值分别对应的当前计算模型；其中，所述计算模型包括依据所述第一数据训练出的统计分布模型和依据所述第一数据及所述第二数据共同训练出的关联分析模型；
示警值获取单元，用于待所述N个变压器内所述M个油中气体含量示警值的当前计算模型都训练完成后，根据所述训练出的N个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述N个变压器内所述M个油中气体含量分别对应的示警值。
[0013]其中，所述模型训练及确定单元包括:
模型训练模块，用于将所述N个变压器内I至M个油中气体均依据所述第一数据训练出对应的统计分布模型，得到M*N个统计分布模型，以及均依据所述第一数据及所述第二数据共同训练出对应的关联分析模型，得到M*N个关联分析模型；
拟合度计算模块，用于计算出所述M*N个统计分布模型的拟合度和所述M*N个关联分析模型的拟合度；
比较模块，用于根据所述计算出的M*N个统计分布模型的拟合度和M*N个关联分析模型的拟合度，依次在I至N个变压器内检测同一变压器内同一油中气体得到的统计分布模型的拟合度与其得到的关联分析模型的拟合度的大小情况；
第一模型确定模块，用于当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均小于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为关联分析模型；
第二模型确定模块，用于当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均大于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为统计分布模型。
[0014]其中，所述系统还包括:
预设单元，用于通过变压器油色谱在线监测系统，得到所述N个变压器分别对应的第一数据，并通过变压器温度监测系统，得到所述N个变压器分别对应的第二数据。
[0015]其中，所述第一数据包括所述N个变压器内每一油中气体的气体含量及所述每一油中气体对应的产气速率；所述第二数据包括所述N个变压器内的油温及每一油温与持续时间关联的累积值。
[0016]实施本发明实施例，具有如下有益效果:
在本发明实施例中，由于通过提取油色谱在线监测上各变压器的油色谱数据(如提取各变压器每一油中气体的气体含量及每一油中气体对应的产气速率)，以及综合考虑各变压器负荷及天气等因素(如提取变压器温度监测系统采集的各变压器内的油温及每一油温与持续时间关联的累积值)，训练出拟合度最佳的计算模型，并根据该最佳计算模型，得到当前时间各变压器内每一油中气体含量分别对应的示警值，可有效提高变压器油色谱在线监测示警的准确性和可靠性，避免了资源浪费，降低了设备风险。
【专利附图】
【附图说明】
[0017]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，根据这些附图获得其他的附图仍属于本发明的范畴。
[0018]图1为现有技术中变压器的油中气体含量示警值的示意图；
图2为本发明实施例提供的检测变压器内油中各气体含量示警值的方法的流程图；
图3为本发明实施例提供的检测变压器内油中各气体含量示警值的系统的结构示意图。
【具体实施方式】
[0019]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
[0020]发明人发现，变压器内部的油纸绝缘材料正常运行时，在热和电的作用下会逐渐老化和分解，从而产生少量的H2、低分子烃类气体、CO、CO2等气体，而同样在热和电故障的情况下，变压器内部的油纸绝缘材料也会产生上述气体，使得上述气体的来源在技术上无法进行区分，其对应的数值也没有严格的界限，而且上述气体的来源与变压器的负荷及温度、油中的O2含量及水含量、油的保护系统及循环系统等许多可变因素有关。
[0021]由于变压器的负荷及温度等因素一直随时间在不断变化，因此变压器的油中气体含量示警值也相应的随时间而变化的，但目前油中气体含量与变压器的负荷、温度等因素的关系在业界尚未有统一的定性认识，更无法通过定量的模型来指导实际的生产运行。
[0022]因此，发明人基于知识发现原理，提出一种检测变压器内油中各气体含量示警值的方法，用以确定各变压器随时间变化的油中气体含量示警值。如图2所示，为本发明人提供的一种检测变压器内油中各气体含量示警值的方法，其在均包括M个油中气体的N个变压器上实现，所述方法包括:
步骤S101、提取所述N个变压器内均与所述M个油中气体示警值计算相关联的数据；其中，所述数据包括每一变压器内与所述M个油中气体相关联的第一数据，以及每一变压器内与油温相关联的第二数据；M、N均为正整数；
具体过程为，在步骤SlOl之前，所述方法还包括:通过变压器油色谱在线监测系统，得到N个变压器分别对应的第一数据，并通过变压器温度监测系统，得到N个变压器分别对应的第二数据。
[0023]本发明实施例中，为了能够精度的获得变压器内油中各气体含量示警值，在分析算法的过程中，提取的数据即考虑了油色谱在线监测上各变压器的油色谱数据(如每一变压器内与M个油中气体相关联的第一数据)，也考虑了各变压器负荷及天气等因素而产生的油温变化数据(如每一变压器内与油温相关联的第二数据)。其中，第一数据包括从变压器油色谱在线监测系统直接获取到的数据，如氢气、乙炔、总烃的气体含量数据等，以及对油色谱在线监测数据进行加工的数据，如氢气、乙炔、总烃的产气速率等，故将第一数据定义为包括N个变压器内每一油中气体的气体含量及每一油中气体对应的产气速率等的数据；第二数据包括从变压器温度监测系统直接获取的变压器油温以及对变压器油温进行加工的数据，如油温与持续时间的累积值等，故将第二数据定义为包括N个变压器内的油温及每一油温与持续时间关联的累积值等的数据。
[0024]应当说明的是，获取的油色谱数据和油温等数据，都为通过与各类在线监测系统已建立的数据接口而获取到的在线监测数据。
[0025]步骤S102、根据所述提取到的数据，训练出N个变压器内每一油中气体含量示警值分别对应的当前计算模型；其中，所述计算模型包括依据所述第一数据训练出的统计分布模型和依据所述第一数据及所述第二数据共同训练出的关联分析模型；
具体过程为，将N个变压器内I至M个油中气体均依据第一数据训练出对应的统计分布模型，得到M*N个统计分布模型，以及均依据第一数据及第二数据共同训练出对应的关联分析模型，得到M*N个关联分析模型；
计算出M*N个统计分布模型的拟合度和M*N个关联分析模型的拟合度；
根据计算出的M*N个统计分布模型的拟合度和M*N个关联分析模型的拟合度，依次在I至N个变压器内检测同一变压器内同一油中气体得到的统计分布模型的拟合度与其得到的关联分析模型的拟合度的大小情况；
当检测到N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均小于其得到的关联分析模型的拟合度时，则确定检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为关联分析模型；其中，关联分析模型可通过对所述当前气体的气体含量与所述当前气体所在变压器的油温进行线性回归拟合获得；
当检测到N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均大于其得到的关联分析模型的拟合度时，则确定检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为统计分布模型；其中，统计分布模型可通过对当前气体的气体含量进行正态分布拟合获得。
[0026]作为一个例子，对步骤S102的应用场景进一步说明:
(O开始对第i台变压器的第j个油中气体(如总烃)示警值的计算模型进行训练；
(2)依据第一数据训练出对应的统计分布模型，如对总烃的气体含量数据进行正态分布拟合；依据第一数据及第二数据共同训练出对应的关联分析模型，如对总烃含量与油温数据进行线性回归拟合；
(3)分别计算出第j个油中气体对应的统计分布模型的拟合度及其对应的关联分析模型拟合度，选择拟合度较好的模型作为优选模型；
(4)当第j个油中气体对应的统计分布模型的拟合度大于及其对应的关联分析模型拟合度时，该第i台变压器的第j个油中气体示警值的计算模型为第j个油中气体对应的统计分布模型；
(5)当第j个油中气体对应的统计分布模型的拟合度小于及其对应的关联分析模型拟合度时，该第i台变压器的第j个油中气体示警值的计算模型为第j个油中气体对应的关联分析模型模型。
[0027]步骤S103、待所述N个变压器内所述M个油中气体含量示警值的当前计算模型都训练完成后，并根据所述训练出的N个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述N个变压器内所述M个油中气体含量分别对应的示警值。
[0028]具体过程为，待所有的计算模型训练完成后，当训练出的N个变压器内一个或多个油中气体含量示警值的当前计算模型均为统计分布模型时，通过三西格玛原则获得当前时间N个变压器内一个或多个油中气体含量分别对应的示警值；
当训练出的N个变压器内一个或多个油中气体含量示警值的当前计算模型均为关联分析模型时，将每一变压器预设的油温阈值分别代入一个或多个油中气体对应的关联分析模型内，获得当前时间N个变压器内一个或多个油中气体含量分别对应的示警值。
[0029]应当说明的是，当前一个或多个油中气体的关联分析模型所代入的油温阈值是与其所在变压器中所预设的油温阈值相对应的。
[0030]如图3所示，本发明实施例还提供了一种检测变压器内油中各气体含量示警值的系统，其在均包括M个油中气体的N个变压器上实现，所述系统包括: 数据提取单元110，用于提取所述N个变压器内均与所述M个油中气体示警值计算相关联的数据；其中，所述数据包括每一变压器内与所述M个油中气体相关联的第一数据，以及每一变压器内与油温相关联的第二数据；M、N均为正整数；
模型训练及确定单元120，用于根据所述提取到的数据，训练出N个变压器内每一油中气体含量示警值分别对应的当前计算模型；其中，所述计算模型包括依据所述第一数据训练出的统计分布模型和依据所述第一数据及所述第二数据共同训练出的关联分析模型；
示警值获取单元130，用于待所述N个变压器内所述M个油中气体含量示警值的当前计算模型都训练完成后，根据所述训练出的N个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述N个变压器内所述M个油中气体含量分别对应的示警值。
[0031]其中，所述模型训练及确定单元120包括:
模型训练模块1201，用于将所述N个变压器内I至M个油中气体均依据所述第一数据训练出对应的统计分布模型，得到M*N个统计分布模型，以及均依据所述第一数据及所述第二数据共同训练出对应的关联分析模型，得到M*N个关联分析模型；
拟合度计算模块1202，用于计算出所述M*N个统计分布模型的拟合度和所述M*N个关联分析模型的拟合度；
比较模块1203，用于根据所述计算出的M*N个统计分布模型的拟合度和M*N个关联分析模型的拟合度，依次在I至N个变压器内检测同一变压器内同一油中气体得到的统计分布模型的拟合度与其得到的关联分析模型的拟合度的大小情况；
第一模型确定模块1204，用于当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均小于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为关联分析模型；
第二模型确定模块1205，用于当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均大于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为统计分布模型。
[0032]其中，所述系统还包括:
预设单元140，用于通过变压器油色谱在线监测系统，得到所述N个变压器分别对应的第一数据，并通过变压器温度监测系统，得到所述N个变压器分别对应的第二数据。
[0033]其中，所述第一数据包括所述N个变压器内每一油中气体的气体含量及所述每一油中气体对应的产气速率；所述第二数据包括所述N个变压器内的油温及每一油温与持续时间关联的累积值。
[0034]实施本发明实施例，具有如下有益效果:
在本发明实施例中，由于通过提取油色谱在线监测上各变压器的油色谱数据(如提取各变压器每一油中气体的气体含量及每一油中气体对应的产气速率)，以及综合考虑各变压器负荷及天气等因素(如提取变压器温度监测系统采集的各变压器内的油温及每一油温与持续时间关联的累积值)，训练出拟合度最佳的计算模型，并根据该最佳计算模型，得到当前时间各变压器内每一油中气体含量分别对应的示警值，可有效提高变压器油色谱在线监测示警的准确性和可靠性，避免了资源浪费，降低了设备风险。
[0035]值得注意的是，上述系统实施例中，所包括的各个系统单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0036]本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如R0M/RAM、磁盘、光盘等。
[0037]以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
【权利要求】
1.一种检测变压器内油中各气体含量示警值的方法，其特征在于，其在均包括1个油中气体的~个变压器上实现，所述方法包括: ^提取所述^个变压器内均与所述1个油中气体示警值计算相关联的数据；其中，所述数据包括每一变压器内与所述1个油中气体相关联的第一数据，以及每一变压器内与油温相关联的第二数据均为正整数； I根据所述提取到的数据，训练出~个变压器内每一油中气体含量示警值分别对应的当前计算模型；其中，所述计算模型包括依据所述第一数据训练出的统计分布模型和依据所述第一数据及所述第二数据共同训练出的关联分析模型； 0、待所述~个变压器内所述1个油中气体含量示警值的当前计算模型都训练完成后，并根据所述训练出的~个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述~个变压器内所述1个油中气体含量分别对应的示警值。
2.如权利要求1所述的方法，其特征在于，所述步骤6的具体步骤包括: 将所述~个变压器内1至1个油中气体均依据所述第一数据训练出对应的统计分布模型，得到1柳个统计分布模型，以及均依据所述第一数据及所述第二数据共同训练出对应的关联分析模型，得到个关联分析模型； 计算出所述1柳个统计分布模型的拟合度和所述1柳个关联分析模型的拟合度； 根据所述计算出的1柳个统计分布模型的拟合度和1柳个关联分析模型的拟合度，依次在1至~个变压器内检测同一变压器内同一油中气体得到的统计分布模型的拟合度与其得到的关联分析模型的拟合度的大小情况； 当检测到所述~个变压器内一个或多个油中气体得到的统计分布模型的拟合度均小于其得到的关联分析模型的拟合度时，则确定所述检测到的~个变压器内一个或多个油中气体含量示警值的当前计算模型为关联分析模型； 当检测到所述~个变压器内一个或多个油中气体得到的统计分布模型的拟合度均大于其得到的关联分析模型的拟合度时，则确定所述检测到的~个变压器内一个或多个油中气体含量示警值的当前计算模型为统计分布模型。
3.如权利要求1所述的方法，其特征在于，所述步骤^中的“根据所述训练出的~个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述~个变压器内所述1个油中气体含量分别对应的示警值”的具体步骤包括: 当所述训练出的~个变压器内一个或多个油中气体含量示警值的当前计算模型均为统计分布模型时，通过三西格玛原则获得当前时间所述~个变压器内一个或多个油中气体含量分别对应的示警值； 当所述训练出的~个变压器内一个或多个油中气体含量示警值的当前计算模型均为关联分析模型时，将每一变压器预设的油温阈值分别代入所述一个或多个油中气体对应的关联分析模型内，获得当前时间所述~个变压器内一个或多个油中气体含量分别对应的示警值。
4.如权利要求1所述的方法，其特征在于，在所述步骤3之前，所述方法还包括: 通过变压器油色谱在线监测系统，得到所述~个变压器分别对应的第一数据，并通过变压器温度监测系统，得到所述~个变压器分别对应的第二数据。
5.如权利要求1至4中任一项所述的方法，其特征在于，所述第一数据包括所述~个变压器内每一油中气体的气体含量及所述每一油中气体对应的产气速率；所述第二数据包括所述N个变压器内的油温及每一油温与持续时间关联的累积值。
6.如权利要求5所述的方法，其特征在于，所述统计分布模型为通过对当前气体的气体含量进行正态分布拟合获得；所述关联分析模型为通过对所述当前气体的气体含量与所述当前气体所在变压器的油温进行线性回归拟合获得。
7.—种检测变压器内油中各气体含量示警值的系统，其特征在于，其在均包括M个油中气体的N个变压器上实现，所述系统包括: 数据提取单元，用于提取所述N个变压器内均与所述M个油中气体示警值计算相关联的数据；其中，所述数据包括每一变压器内与所述M个油中气体相关联的第一数据，以及每一变压器内与油温相关联的第二数据；M、N均为正整数； 模型训练及确定单元，用于根据所述提取到的数据，训练出N个变压器内每一油中气体含量示警值分别对应的当前计算模型；其中，所述计算模型包括依据所述第一数据训练出的统计分布模型和依据所述第一数据及所述第二数据共同训练出的关联分析模型； 示警值获取单元，用于待所述N个变压器内所述M个油中气体含量示警值的当前计算模型都训练完成后，根据所述训练出的N个变压器内每一油中气体含量示警值的当前计算模型，获得当前时间所述N个变压器内所述M个油中气体含量分别对应的示警值。
8.如权利要求7所述的系统，其特征在于，所述模型训练及确定单元包括: 模型训练模块，用于将所述N个变压器内I至M个油中气体均依据所述第一数据训练出对应的统计分布模型，得到M*N个统计分布模型，以及均依据所述第一数据及所述第二数据共同训练出对应的关联分析模型，得到M*N个关联分析模型； 拟合度计算模块，用于计算出所述M*N个统计分布模型的拟合度和所述M*N个关联分析模型的拟合度； 比较模块，用于根据所述计算出的M*N个统计分布模型的拟合度和M*N个关联分析模型的拟合度，依次在I至N个变压器内检测同一变压器内同一油中气体得到的统计分布模型的拟合度与其得到的关联分析模型的拟合度的大小情况； 第一模型确定模块，用于当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均小于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为关联分析模型； 第二模型确定模块，用于当检测到所述N个变压器内一个或多个油中气体得到的统计分布模型的拟合度均大于其得到的关联分析模型的拟合度时，则确定所述检测到的N个变压器内一个或多个油中气体含量示警值的当前计算模型为统计分布模型。
9.如权利要求7所述的系统，其特征在于，所述系统还包括: 预设单元，用于通过变压器油色谱在线监测系统，得到所述N个变压器分别对应的第一数据，并通过变压器温度监测系统，得到所述N个变压器分别对应的第二数据。
10.如权利要求7至9中任一项所述的系统，其特征在于，所述第一数据包括所述N个变压器内每一油中气体的气体含量及所述每一油中气体对应的产气速率；所述第二数据包括所述N个变压器内的油温及每一油温与持续时间关联的累积值。
【文档编号】G06F19/00GK104458923SQ201410789015
【公开日】2015年3月25日 申请日期:2014年12月19日 优先权日:2014年12月19日
【发明者】胡子珩, 吕启深, 黄荣辉, 姚森敬, 林火华, 李林发, 伍国兴, 邓世聪, 黄炜昭, 张 林, 章彬, 邓琨, 刘典安, 赵国杰 申请人:深圳供电局有限公司, 深圳市康拓普信息技术有限公司