一种具有自学习功能的电力变压器综合诊断方法
【专利摘要】一种具有自学习功能的电力变压器综合诊断方法，所述综合诊断方法以电力变压器的在线监测实时数据为基础，同时自动对知识库中的离线历史数据和运行维护数据进行挖掘、分析、学习，该方法利用多源配置管理功能可以对各个监测数据源进行增加、删除、更新等管理操作，利用自学习功能可以识别各个监测数据源对诊断结果的影响程度，调整各个监测数据源诊断算法的权重值，该方法通过自学习功能的统计、分析，可以剔除误差较大的数据甚至数据源，从而降低了故障状态的误报率。本发明的电力变压器综合诊断方法可伸缩性强、适应性强、诊断准确度高、误报率低，具有极其重要的实际意义。
【专利说明】—种具有自学习功能的电力变压器综合诊断方法
【技术领域】
[0001]本发明涉及一种电力变压器综合诊断方法，适用于各类电力变压器的故障诊断、健康状态评估。
【背景技术】
[0002]电力变压器是电力系统中最重要的设备之一，它的可靠性直接关系到电网能否正常、高效、经济的运行。对电力变压器进行有效、快速、准确地监测诊断，可以减少电力变压器故障，避免设备损失扩大，提高电网的经济效益。
[0003]目前，对电力变压器故障诊断方法众多。根据监测方式的不同，主要有油中气体含量在线检测、局部放电在线监测、变压器温度在线监测等。根据所采用的监测数据加工方式不同，主要有人工神经网络、模糊集理论、粗糙集理论、不确定推理理论，以及多源信息融合的推理等。其不足在于:无法自适应调整监测数据通道的可信度，无法自动识别监测数据通道的有效性，不能自管理各个数据处理过程，即在诊断方式上虽然在数据处理算法上有一定的智能化，但是在整个综合诊断过程还不够智能化、自适应、自学习。
【发明内容】
[0004]本发明的目的在于提供一种具有自学习功能的电力变压器综合诊断方法，它能够自学习知识库、自动调整监测数据通道的可信度，自动识别监测数据通道的有效性；同时能够管理诊断方法，可以增加或者删除，并根据历史经验调整诊断方法的权重值。
[0005]本发明所采用的技术方案如下:
[0006]一种具有自学习功能的电力变压器综合诊断方法，其特征在于:所述综合诊断方法以电力变压器的实时监测数据为基础，同时对历史数据和运行维护数据进行分析，利用自学习功能识别各个不同数据源对诊断结果的影响程度，调整不同数据源在诊断算法的权重值，实现对变压器状态的综合诊断。
[0007]—种具有自学习功能的电力变压器综合诊断方法，其特征在于，所述综合诊断方法包括以下步骤:
[0008](I)将电力变压器的多源数据分为3个子类数据:实时监测数据，历史数据，运维数据；
[0009]其中，实时监测数据是指通过N种测量、监测装置实时监测到的电力变压器的电气量和非电气量参数，其中N为不小于零的整数；
[0010]历史数据是指存储过的实时监测数据；
[0011]运维数据是指电力变压器的日常运维信息，包括巡检记录、制造信息、产品家族信息、历史故障信息等；
[0012]( 2 )对步骤(I)中的每个子类数据，采用预先配置在多源配置管理管理模块中的对应诊断方法对变压器运行状态进行诊断，所述诊断方法包括阈值法、人工神经网络法，模糊证据推理法等；[0013](3)确定步骤(2)中诊断方法的权重值，该权重值也是基于某一子类数据得出的诊断结果的权重值，权重值的初始值能够从多源配置管理管理模块中读取默认配置，或者人为设定；
[0014](4)根据步骤(3)中的基于某一子类数据得到的诊断结果的权重值和步骤(2)中的基于某一子类数据得到的诊断结果利用预先配置在多源配置管理管理模块中的综合诊断方法对变压器进行综合诊断；
[0015](5)将步骤(I)中的电力变压器数据、步骤(3)中的权重值、步骤(4)中的综合诊断结果，以及电力变压器的真实状态信息，都存储到知识库系统中；其中，电力变压器的真实状态信息是指变压器的实际状态；
[0016](6)自学习模块根据知识库系统中的数据进行统计、分析、学习，重新生成各子类数据对应的诊断方法的权重值，供下次诊断过程使用；自学习模块获取知识库系统中的数据，统计、分析数据中的诊断结果与诊断方法的相关性，根据自学习算法按照相关性的强度大小调整诊断方法的权重值成新的权重值；
[0017](7)通过多源配置管理模块将步骤(6)重新生成的权重值配置给各子类数据对应的诊断方法，对监测源和对应的诊断方法进行管理，返回步骤(2)- (4)得到最终的变压器综合诊断结果。
[0018]本发明所提供的解决方法，可以自学习历史经验数据更新各个诊断方法的权重值，可以根据实际需要对诊断方法进行灵活配置，可以识别各个监测数据通道的有效性，大大提高了故障诊断的有效性、准确性。
【专利附图】
【附图说明】
[0019]图1是本发明具有自学习功能的电力变压器综合诊断方法的流程示意图；
[0020]图2是自学习模块的流程图；
[0021]图3是多源配置管理模块的流程图。
【具体实施方式】
[0022]下面根据说明书附图并结合具体实例对本发明的技术方案作进一步详细说明。
[0023]如图1所示为本发明的诊断方法示意图，具有自学习功能的电力变压器综合诊断方法具体包括如下步骤:
[0024](I)将电力变压器的多源数据分为3个子类数据:实时监测数据，历史数据，运维数据；
[0025]实时监测数据是指通过N种测量、监测装置实时监测到的电力变压器的电气量和非电气量参数，其中N为不小于零的整数；
[0026]历史数据是指存储过的实时监测数据；
[0027]运维数据是指电力变压器的巡检记录、制造信息、产品家族信息、历史故障信息等日常运维信息；
[0028]( 2 )对步骤(I)中的每个子类数据，采用相对应的诊断方法对变压器运行状态进行诊断。如果子类数据不能直接量化，如制造信息、历史故障信息等，则先将子类数据进行量化。子类数据量化的方式采用模糊数学的方法，以制造信息为例，如下表所示:[0029]
【权利要求】
1.一种具有自学习功能的电力变压器综合诊断方法，其特征在于:所述综合诊断方法以电力变压器的实时监测数据为基础，同时对历史数据和运行维护数据进行分析，利用自学习功能识别各个不同数据源对诊断结果的影响程度，调整不同数据源在诊断算法的权重值，实现对变压器状态的综合诊断。
2.一种具有自学习功能的电力变压器综合诊断方法，其特征在于，所述综合诊断方法包括以下步骤: (1)将电力变压器的多源数据分为3个子类数据:实时监测数据，历史数据，运维数据； 其中，实时监测数据是指通过N种测量、监测装置实时监测到的电力变压器的电气量和非电气量参数，其中N为不小于零的整数； 历史数据是指存储过的实时 监测数据； 运维数据是指电力变压器的日常运维信息，包括巡检记录、制造信息、产品家族信息、历史故障信息等； (2)对步骤(1)中的每个子类数据，采用预先配置在多源配置管理管理模块中的对应诊断方法对变压器运行状态进行诊断，所述诊断方法包括阈值法、人工神经网络法，模糊证据推理法等； (3)确定步骤(2)中诊断方法的权重值，该权重值也是基于某一子类数据得出的诊断结果的权重值，权重值的初始值能够从多源配置管理管理模块中读取默认配置，或者人为设定; (4)根据步骤(3)中的基于某一子类数据得到的诊断结果的权重值和步骤(2)中的基于某一子类数据得到的诊断结果利用预先配置在多源配置管理管理模块中的综合诊断方法对变压器进行综合诊断； (5)将步骤(1)中的电力变压器数据、步骤(3)中的权重值、步骤(4)中的综合诊断结果，以及电力变压器的真实状态信息，都存储到知识库系统中；其中，电力变压器的真实状态信息是指变压器的实际状态； (6)自学习模块根据知识库系统中的数据进行统计、分析、学习，重新生成各子类数据对应的诊断方法的权重值，供下次诊断过程使用；自学习模块获取知识库系统中的数据，统计、分析数据中的诊断结果与诊断方法的相关性，根据自学习算法按照相关性的强度大小调整诊断方法的权重值成新的权重值； (7)通过多源配置管理模块将步骤(6)重新生成的权重值配置给各子类数据对应的诊断方法，对监测源和对应的诊断方法进行管理，返回步骤(2)- (4)得到最终的变压器综合诊断结果。
3.根据权利要求2所述的电力变压器综合诊断方法，其特征在于: 在步骤(5)中，所述知识库系统能够使用数据库，也能够使用文件系统，或者采用其他存储方式。
4.根据权利要求2所述的电力变压器综合诊断方法，其特征在于: 在步骤(6)中，所述自学习算法为排序法或模糊数学方法或人工神经网络方法。
5.根据权利要求4所述的电力变压器综合诊断方法，其特征在于: 当采用排序法时，将诊断结果与诊断方法的相关性强度按照从大到小排序，并赋给权重值，再将权重值做归一化处理，形成新的权重值，归一化处理的方式为，新的权重值等于旧的权重值除以所有旧的权重值之和，公式如下:
6.根据权利要求2所述的电力变压器综合诊断方法，其特征在于: 在步骤(7)中，多源配置管理模块可以增加或者删除监测源，可以修改监测源对应的诊断方法，可以对诊断方法的权重值进行修改，并提供对诊断方法诊断结果的修改接口。
【文档编号】G01R31/00GK103926490SQ201410160020
【公开日】2014年7月16日 申请日期:2014年4月21日 优先权日:2014年4月21日
【发明者】周健, 王申强, 陈宏辉, 曹彦朝, 魏雷远, 房萍, 周井生, 杨永, 李颖, 姜闿笈, 刘银, 周俊涛, 都海坤, 石磊 申请人:广东电网公司茂名供电局