一种海上平台干式变压器状态监测与故障预警方法与流程

本发明涉及一种变压器在线监测领域，特别是关于一种海上平台干式变压器状态监测与故障预警方法。

背景技术：

海上平台电力系统是海上油气开采、处理及输运的唯一动力源。目前我国海上平台形成了复杂的电力组网，系统的可靠性与稳定运行问题尤为突出。

变压器能够实现电压变换、电能分配以及电能传输，是电力系统中最为关键的电气设备之一，由于海上平台环境特殊，对变压器的安全等级要求较高，因此配置的变压器类型为干式变压器。

干式变压器的运行可靠性会直接影响整个海上电力系统能否安全、高效、经济地运行。因此，如何提高海上多平台互联电力系统的可靠性，从而提高海上平台的油气产量，缩小我国化石能源供需缺口，促进经济可持续发展成为目前亟需解决的技术问题。

技术实现要素：

针对上述问题，本发明的目的是提供一种海上平台干式变压器状态监测与故障预警方法，其能实现对变压器内部瞬变的突发性故障和缓慢发展的潜伏性故障的综合监测，为变压器的检修提供参考依据，及时预防和阻止严重事故的发生。

为实现上述目的，本发明采取以下技术方案：一种海上平台干式变压器状态监测与故障预警方法，其包括：对干式变压器绕组状态的在线监测及故障诊断，以及对干式变压器局部放电的在线监测及模式识别。

进一步，所述对干式变压器绕组状态的在线监测及故障诊断包括以下步骤：s11、计算求得干式变压器正常运行时的短路阻抗值；s12、根据实时监测的干式变压器运行电压电流，计算求得变压器的实时短路电抗值；s13、以正常运行时的短路阻抗为报警阈值，当干式变压器的实时短路阻抗超过报警阈值，则诊断为出现绕组变形故障，存储故障信息并发出告警信号。

进一步，采用分别布置于所述干式变压器一次侧、二次侧配电盘中的四个采集卡，使用同步采集方式，实时获取干式变压器的运行电压电流信号。

进一步，所述对干式变压器局部放电的在线监测及模式识别包括以下步骤：s21、综合利用超声波、特高频和高频三种检测手段，对超声波、特高频和高频三类信号分别使用优化小波阈值方法进行去燥处理；s22、交叉对比三种局部放电信号，当某一种局部放电监测信号超过预设阈值，使用prpd和prps两类谱图作为输入，采用基于mobilenetv3的卷积神经网络作为分类器，实现局部放电模式识别并显示放电类型。

进一步，所述步骤s21中，以prpd和prps的统计谱图形式展示局部放电信息，实时确定被监测干式变压器局部放电的瞬时变化、放电幅值变化趋势。

进一步，所述步骤s22中，基于mobilenetv3的卷积神经网络采用深度可分离卷积结构和反向残差结构；并在网络瓶颈层中加入squeeze-and-excitation模块。

进一步，所述基于mobilenetv3的卷积神经网络训练过程为：首先，构建局部放电缺陷模型，搭建实验平台，获取不同局部放电类型的prpd、prps谱图；然后对获取的局部放电数据进行预处理及归一化，使用处理好的数据作为输入训练mcnn模型。

进一步，所述局部放电缺陷模型包括针板放电模型、柱板放电模型以及球板放电模型。

进一步，对所述干式变压器局部放电特高频信号采用4通道局部放电特高频传感器进行实时监测，对所述局部放电超声波信号采用8通道局部放电超声波传感器进行实时监测，对所述局部放电高频信号采用3通道局部放电高频传感器进行实时监测。

进一步，所述4通道局部放电特高频传感器分别安装于干式变压器防护罩四壁中上部；所述8通道局部放电超声波传感器分别安装于干式变压器防护罩四壁中上部；所述3通道局部放电高频传感器分别安装于干式变压器高压电缆屏蔽接地线一个，低压电缆屏蔽接地线一个，铁芯接地线一个。

本发明由于采取以上技术方案，其具有以下优点：1、本发明适用于海上平台中的干式变压器的在线监测及综合监护。能够实时获取干式变压器运行状态下的几种关键参量，包括变压器运行电压、运行电流、局部放电特高频信号、局部放电超声波信号、局部放电高频信号以及环境温湿度，实现了对运行在海上平台的干式变压器进行有效监测及多种故障的诊断、预警，能够为运行人员提供丰富的变压器信息，可以及时发现威胁变压器安全稳定运行的各类问题，为干式变压器的检修提供参考依据，帮助预防和阻止严重事故的发生。2、本发明实时获取并分析干式变压器各类监测信号、对干式变压器进行故障诊断与预警。设计一种基于mobilenetv3模型的轻量化卷积神经网络模型(mcnn)来实现对变压器局部放电的模式识别，更适用于空间资源十分宝贵的海上平台，且有利于降低干式变压器的故障概率，提高海上多平台互联电力系统的可靠性，从而提高海上平台的油气产量，缩小我国化石能源供需缺口，促进经济可持续发展。

附图说明

图1是本发明系统的整体结构示意图；

图2是干式局部放电监测识别框架。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1所示，本发明提供一种海上平台干式变压器状态监测与故障预警方法，其包括对干式变压器绕组状态的在线监测及故障诊断，以及对干式变压器局部放电的在线监测及模式识别，其中：

对干式变压器绕组状态的在线监测及故障诊断包括以下步骤：

s11、当干式变压器工作在过载情况或承受短路冲击时的巨大电动力，会使绕组产生变形，而绕组的几何结构的变化会引起变压器短路电抗值的变化，故计算求得干式变压器正常运行时的短路阻抗值；

s12、根据实时监测的干式变压器运行电压电流，计算求得变压器的实时短路电抗值；

s13、以正常运行时的短路阻抗为报警阈值，当干式变压器的实时短路阻抗超过报警阈值，则诊断为出现绕组变形故障，存储故障信息并发出告警信号。

如图2所示，对干式变压器局部放电的在线监测及模式识别包括以下步骤：

s21、综合利用超声波、特高频和高频三种检测手段，对超声波、特高频和高频三类信号分别使用优化小波阈值方法进行去燥处理；

以prpd和prps的统计谱图形式展示局部放电信息，实时确定被监测干式变压器局部放电的瞬时变化、放电幅值变化趋势，提高监测结果的准确度；

s22、交叉对比三种局部放电信号，当某一种局部放电监测信号超过预设阈值，使用prpd和prps两类谱图作为输入，采用基于mobilenetv3的卷积神经网络(mcnn)作为分类器，实现局部放电模式识别并显示放电类型；

其中，mcnn采用深度可分离卷积结构，并采用反向残差结构代替传统残差结构，可以减少网络模型中的参数数量及内存占用，使网络具有更好的计算时效性。在网络瓶颈层中加入squeeze-and-excitation模块，可以进一步提高网络的识别准确度，能够嵌入到存储资源有限、计算能力较差的小型设备中，更适合应用于空间资源有限的海上平台中。

mcnn模型的训练过程为：

首先，构建局部放电缺陷模型，搭建实验平台，获取不同局部放电类型的prpd、prps谱图；然后对获取的局部放电数据进行预处理及归一化，使用处理好的数据作为输入，训练mcnn模型。

其中，局部放电缺陷模型包括三种：针板放电模型、柱板放电模型以及球板放电模型；对获取的局部放电数据进行预处理即对样本扩充，包括随机翻转、裁剪以及尺度缩放等。

上述实施例中，对干式变压器局部放电特高频信号采用4通道局部放电特高频传感器进行实时监测，对局部放电超声波信号采用8通道局部放电超声波传感器进行实时监测，对局部放电高频信号采用3通道局部放电高频传感器进行实时监测。其中，4通道局部放电特高频传感器分别安装于干式变压器防护罩四壁中上部；8通道局部放电超声波传感器分别安装于干式变压器防护罩四壁中上部；3通道局部放电高频传感器分别安装于干式变压器高压电缆屏蔽接地线一个，低压电缆屏蔽接地线一个，铁芯接地线一个。

上述各实施例中，采用分别布置于干式变压器一次侧、二次侧配电盘中的四个采集卡，使用同步采集方式，实时获取干式变压器的运行电压电流信号，保证数据的同时性；根据实时监测的干式变压器运行电压电流，计算求得变压器的实时短路电抗值，实现对变压器绕组状态的在线监测及故障诊断。

上述各实施例仅用于说明本发明，各个部件的结构、尺寸、设置位置及各个步骤的设置都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件及步骤进行的改进和等同变换，均不应排除在本发明的保护范围之外。