专利名称：填充有流体的电气设备用的智能分析系统和方法
技术领域：
本发明一般而言涉及填充有流体的电气设备，具体来说本发明涉及实时确定电气设备的操作状态、分析状态和预报的设备和方法。
电气设备，特别是中压或高压电气设备，需要在其各部件之间实现高度的电气绝缘和热隔离。因此，众所周知的方法是将电气设备的各个组件，比如变压器线圈，密封在容器中，并且填充该容器以流体。该流体便于这些组件所产生的热的散失，而且可以经热交换器循环，以有效降低组件的工作温度。流体的另一目的是充作部件之间的电绝缘，或者是对组件周围的其它绝缘形式，比如纤维素纸或其它绝缘材料的一种补充。可以采用具有所需电气和热特性的任何流体。通常，电气设备填充有油类，比如蓖麻油，矿物油，或植物油，或合成“油”，比如氯化联苯，硅树脂，或六氟化硫。
通常，电气设备使用在故障代价可能非常昂贵的，或者甚至由于关键系统的断电故障因而代价可能是灾难性的不利环境中。同样，电气设备的故障通常导致对设备自身以及周围设备有很大程度的损害。此外，这种故障可能由于电冲击、火、或者爆炸而导致对人员的伤害。因此，需要的是监视电气设备的状态，以通过对初始故障的检测来预测设备的潜在故障，以及通过修复、更换、或调节设备的操作条件而采取补救行动。但是，填充流体的电气设备的性能和状态会随着时间的流逝而有所降低。应当将初始和可接收的性能降低与故障和初始故障区别开来。
公知的监测填充流体电气设备的状态的方法是监视流体的各种参数。例如，已知流体和流体中总的可燃气体(TCG)的温度对填充有流体的电气设备的操作状态有所指示。因此，监视流体的这些参数可以提供对设备中任何始发故障的指示。例如，已发现随着电气设备中纤维素绝缘的热老化和性能降低，一氧化碳和二氧化碳的浓度会增加。氢和碳氢化合物的浓度也会由于循环电流和诸如电晕和飞弧的介质击穿引起的热点而增加。氧和氮的浓度表明在大型设备、比如变压器中所采用的气体加压系统的质量。因此，溶解气体分析法(DGA)已经成为辨别在填充流体的电设备中始发故障的一种广为接受的方法。
在常规的DGA方法中，一定量的流体经排水阀从设备的容器中排出。然后排出的流体在实验室或由现场的设备进行溶解气体测试。这一测试方法被称为Aoff-line@DGA(离线式DGA)。由于这些气体是由各种已知的故障，比如绝缘材料或设备电部件的其它部分的性能降低，线圈中各圈之间的短路，过载，连接松弛等等造成的，所以产生了各种将流体中的各种气体的量和该流体包含于其中的电气设备内的特定故障关联起来考虑的诊断理论。
但是，由于常规的离线式DGA方法要求将流体从电气设备除去，因此这些方法不能，1)得出和设备中发生的任何故障有关的局部化位置信息，2)考虑设备中气体的空间变化，以及3)提供和故障有关的实时数据。如果分析是非现场进行的，几小时内可能得不出结果。在这段时间内始发故障可能会演变为设备故障。
MICROMONITORS，INCJ和SYPROTECJ公司各自开发了驻留在变压器的排水阀或其它单个地点内的气体传感器，这些传感器克服了离线DGA的某些局限性。但是，利用这样的装置是无法辨别和故障有关的位置数据，这是因为它设置在一个预先定义的地点而不提供气体源(即，故障)位置的任何指示。美国专利4,654,806披露了监视变压器的设备，它包括检测油温、油中气体、和外壳温度。来自传感器的原始数据由微计算机采集，并周期性地下载到远程主机。微计算机可以将各种测得参数和预定阈值相比较，如果超出阈值则启动警报或其它示警手段。远程主机可以基于周期性下载到远程主机的参数控制变压器的冷却系统。类似地，美国专利3,855,503披露了一个远程监控的变压器，其中来自传感器的数据被下载到远程计算机并将其和预定阈值比较。如果超出阈值，则将变压器断电。据美国专利4,654,806披露，单个阈值可以基于其它阈值而改变。但是，美国专利4,654,806和3,855,503不能实时提供广泛而慎密的诊断，这是因为它们没有考虑填充流体的电气设备的各种操作参数之间的复杂关系或填充流体的电气设备随着时间的正常性能退化。题为“Monitoring the Healthof Power Transformer”(监视功率变压器的使用状况)的文章探讨了麻省技术研究所所作的和基于模型的诊断系统有关的研究。
已知方法和设备不能提供对填充流体的电气设备中的始发故障的准确实时诊断，以及对填充流体的电气设备情况的预报，这是因为填充流体的电气设备的各种操作参数之间的复杂关系在现有技术中并未被完全涉及。例如，超出正常范围的温度上升可能是由于负载中的临时升高而不是由于始发故障造成的。其它参数的关联方式更为复杂，现有技术也未有所涉足。此外，上面讨论的装置没有考虑变压器状态随时间的动态变化。
美国专利5,845,272披露了一个用于隔离机车或具有多个设备的工序中的故障的系统。系统利用了来自各传感器的输出作为包括因果网络在内的知识库。但是，该专利未涉及对填充流体的电气设备的诊断，因此没有考虑填充流体的电气设备的各参数之间的复杂关系以及填充流体的电气设备状态随时间的动态变化。
总之，公知的方法和设备没有考虑填充流体的电气设备操作的分析模型，包括热、流体流动、电场、压力大小、化学、故障模式、故障根源和气在油中的模型，所有这些之间的关系很复杂，而且随时间变化。因此，公知的方法和设备不能精确鉴别和预测填充流体的电气设备故障模式以及评估填充流体的电气设备的使用期。
本发明涉及电气设备的诊断设备和方法。本发明的第一方面是为其部件被流体围绕的那种填充流体的电气设备所用的智能分析设备。该设备包括多个传感器，这些传感器和填充流体的电气设备耦合并且经配置输出指明电气设备的多个操作参数的信号；还包括一个诊断装置，它和所述传感器相连，并且采用一个处理器基于电气设备的至少一个分析模型和传感器输出信号，通过应用由所述至少一个分析模型所计算的参数值和在因果网络中由传感器信号所指明的参数值，确定电气设备的操作特征。
本发明的第二方面是用于其部件被流体围绕的那种填充流体的电气设备的智能分析方法。该方法包括检测电气设备的多个操作参数的步骤，所述电气设备具有配备用于盛放流体的密闭容器和设置在密闭容器中的至少一个电气部件，产生指明在检测步骤中检测到的所述电气设备的多个操作参数的信号；并且基于电气设备的至少一个分析模型和检测步骤中产生的信号，通过应用由所述至少一个分析模型所计算的参数值和在因果网络中由产生步骤产生的信号所指明的参数值，确定电气设备的操作特征。
结合附图阅读下文对优选实施例的详细说明，将会对本发明有更全面的理解。附图中
图1是本发明优选实施例及相关电气设备的示意图；图2是所述优选实施例的诊断确定例程的流程图；图3是优选实施例的可能的故障模式的表示图；以及图4是图3故障模式的因果网络的表示图。
本发明的实施例利用了将填充流体的电气设备的操作结合因果网络的分析模型，以便确定填充流体的电气设备的操作状态、诊断和预报。分析模型可以包括热特性的模型，电和磁场，温度-压力大小，故障模型，故障模式，故障根源，油中气体，和化学成分。分析模型随时间进行调节，以便考虑填充流体的电气设备的状态变化。采用了一个信任网络来动态调节因果网络的各个参数。
图1是本发明的优选实施例。诊断系统10包括经调整和电气设备20相耦合的诊断装置30，在本优选实施例中该电气设备是一个电气变压器。电气设备20包括电气部件22和部件22周围的密闭容器24，电气部件22含有变压器的一个铁心和线圈/绕组。密闭容器24经调整包含流体F，比如油，用于冷却部件22并使之绝缘。流体F可以由设置在密闭容器24中或附近的泵26抽吸通过密闭容器24和散热器(图中未表示)。散热器的作用是热交换器，用以冷却流体F并由此从部件22带走热量，它可以包括任何公知形式的管道，导管，热交换表面，冷却元件，泵，风扇等等。冷却可以按流体F的热对流，热传导，分子传导，或任何其它方式进行。
多个传感器28a-28f按适当方式操作性耦合到电气设备20。传感器28a-28f只要能够检测所需参数并产生(即，输出)指示所检测参数的数值的信号，可以是任何适当类型。在优选实施例中，传感器28a是伏特计，安培计，或者测量电气设备20上的电气负载的此类装置，并且耦合到电气设备20的负载端29，传感器28b是设置在密闭容器24内流体F中的温度传感器，传感器28c是设置在密闭容器24内流体F中的压力传感器，传感器28d是设置在密闭容器24内流体F中的氢分子传感器，传感器28e是流体循环传感器，传感器28f是液位传感器。
在优选实施例中，传感器28b-28f和流体F接触。但是，本发明仅要求传感器28b-28f能够测量流体F的测量参数。因此，传感器和流体F的关系可以是接触式或非接触式，取决于所使用的传感器类型而定，下文将予以详细讨论。例如，传感器28b-28f可以距流体F远程设置，且将传感元件设置在流体F中。或者，传感器28b-28f可以距流体F远程设置，且在一定距离处(比如通过光学装置或类似装置)监测在流体F中的参数。传感器28a-28f可以设置在任何位置，并且可以在任何位置检测电气设备20的参数，比如电气设备20的类型、尺寸和形状，待评估的诊断和预测实验，以及实际应用的任何其它细节。例如，可能希望检测各参数的数值，包括绕组温度热点温度，铁心温度，加载抽头切换开关(OLTC)温度，环境温度，气体空间压力，液位，流体中的湿度，流体介电强度，声学局部流量，设备中的声压，环境声压，流体中的各种气体，流体流动，风扇/泵速和电流，负载电流，线电压和振动。所有这些参数可以用已知传感器检测。此外，可以采用复数个传感器来同时测量在一个以上的地点的同一参数。当然，可以有任意数量的传感器，这取决于拟测量的参数和所需的测量地点。
传感器28a-28f可以固定地设置在电气设备20之上或之中的所需位置处，或者可以可拆除地设置在所需位置处，办法是有选择地经传感器端口或贯穿密闭容器24的器壁形成的其它开口或电气设备20的其它部分插入。传感器28b-28f可以是任何合适类型的传感器。例如，每个传感器28a-28f可以是一或多个金属绝缘体-半导体二极管传感器，光纤探针，声学或光学波导，双金属传感器，薄膜传感器，或其它任何适当的传感器或换能器，以便测量这里所提及的参数。传感器28a可以是任何已知类型的电负载传感器件，比如阻性或感性器件。如果传感器28a-28f本质上是电的或电子的并且设置在电气设备20的高EM场区内，那么可以提供适当的电气屏蔽。光学或其它类型的传感器不论位置如何，都不必是电气屏蔽的。传感器28a-28f产生指示由此检测到的电气设备20的操作参数的数据或信号。
诊断装置30耦合到电气设备20，用以确定电气设备20的各种操作特性，它包括处理器40，输入/输出接口(I/O)50，用户接口60，数据总线70和电源72。传感器28a-28f和泵26经合适的引导机制以通信方式耦合到I/O50。例如如果传感器28a-28f是电子的或产生电子信号，那么可以在从传感器28a-28f到I/O50之间延伸有电导体。这些导体可以包括任何适当的接线条，连接器，或此类装置，供连接至I/O50。传感器28a-28f和I/O50之间的耦合(即传导信号)可以用电线，光纤线缆，射频器件，红外线器件，或采用其它公知方式完成。泵26可以按类似方式耦合到I/O50。诊断装置30可以经远程或本地通讯链路，比如电话线，RS232串行链路，通用串行总线(USB)连接，射频链路，红外链路等等和传感器28a-28f以及泵26通讯。电源72在图示中表示为单独的元件。但是，电源可以和其它部件之一或多个集成在一起。
I/O50包括多个信号调节电路52a-52g，这些信号调节电路可以是适合用于调节从传感器28a-28f和泵26输出的信号或数据。例如，信号调节电路52a-52g可以包括以公知方式平滑、采样、限流、扼流、放大、衰减或执行其它功能的电路。注意，泵26可以包括反馈功能，以提供表示其操作状态的信号或数据，比如流速计反馈、振动反馈、或负载反馈之一或多个。类似地，每个信号调节电路52a-52g能够调节被送往传感器28a-28f和泵26的输出信号。这样的信号可以进行阈值的调节，线性化参数，灵敏度调节，速度调节(在泵26的情况下)，等等，下文将对此作进一步描述。信号调节电路52a-52g在图中表示为单独的元件。但是，一或多个信号调节电路可以和传感器、处理器或其它部件集成在一起。
I/O50还包括多通道数字-模拟变换器和模拟-数字变换器(D/A)54和处理器40，该变换器54提供在传感器28a-28f的信号和泵26之间的接口，泵和传感器在优选实施例中是模拟的，而处理器40在本实施例中是数字的。当然，如果传感器28a-28f，泵26和处理器40都是模拟或都是数字的，那么D/A54可以省略。D/A54经数据总线70耦合到处理器40，进行双向通讯。处理器40包括中央处理器单元(CPU)42，和存储器装置44。CPU42执行存储在存储器装置44中的控制程序。存储器装置44可以包含标准磁存储器装置，比如硬盘，用于存储控制程序和其它数据，它还包括工作区(Awork space@)，比如随机存取存储器(RAM)，便于CPU42暂时存储数据。
诊断装置30还可以包括用户接口60，它由显示器62和输入装置64构成。输入装置64可以是任何类型的键盘、鼠标、开关或允许用户向处理器30输入设置参数、指令等等的任何其它装置。显示器62可以是任何足以指示操作状态的显示器，比如LCD或CRT显示器，一个或一系列的指示灯，可听警报等等。电源72向诊断装置30的其它元件供电，可以是任何已知类型的电源，比如电池，燃料电池或从交流输入端提供直流功率的整流器。诊断装置30可以是基于微处理器的装置，比如个人计算机或可编程逻辑控制器，硬布线的逻辑装置，或任何其它的完成下文披露的必要处理的装置。
处理器40包含在存储器装置44中存储的预编程的控制程序，用于按下列方式确定各特性，比如诊断特征，预测特征，性能特性，电气设备20的寿命评估。具体而言，控制程序包括电气设备状态的各种分析模型，因果网络，和信任网络。数据总线70可以利用传输和接收数据或信号的任何合适类型的硬件和/或软件协议。例如，数据总线70可以是标准的ISA总线，DCI总线，GPIB总线等等。数据可以从远程或本地主计算机接收或向其发送，以提供进一步的诊断、预报和控制，以及协调多个填充流体的电气设备的诊断和操作。
在操作中，密闭容器24完全或部分填充流体F，例如油。在这种状态下，传感器28b、28c、28d、28e和28f和流体F接触，或其它可以检测流体F中的参数的方式设置。在优选实施例中，传感器28b检测流体F的温度，传感器28c检测流体F的压力，传感器28d检测流体F中氢分子的含量，传感器28e检测流体F的循环，传感器28f检测流体F的液位。其它所测得的参数可以包括，但不限于各种气体(比如乙炔，碳一氧化物，乙烯)的含量，绕组温度，热点温度，铁心温度，加载抽头切换开关(OLTC)温度，环境温度，气体空间压力，液位，流体中的湿度，流体介电强度，声学局部流量，声压，环境声压，气体含量，流体流动，抽吸速度，和振动。当然，可以检测任何有助于确定工作状况和/或在电气设备20的分析模型中所考虑的参数。
图2是根据优选实施例的诊断确定例程的流程图。该例程的形式可以是存储在存储器装置44中的软件，该软件以任何可由CPU42读出的适当语言或代码写成。例如软件例程可以用Basic，C++等等写成。来自D/A54的输出信号(即传感器数据)代表设备20的参数，并经总线70输入处理器40。传感器数据首先进入确认步骤100，确定相应传感器是否工作正常。例如，确认步骤100可以包括将传感器数据和与传感器28a-28f所检测到的参数的可能(尽管不必是希望的)值相对应的预定最小和最大阈值进行比较的步骤。例如，如果和传感器28b(温度传感器)对应的传感器数据表明其温度高于或低于可能允许的油温，比如低于环境温度或比部件22的温度额定值，那么可以假定传感器28a并未正常工作。而且，确定步骤100可以包含检查在传感器数据所指明的数值中是否存在表明传感器28a有间隙性问题的不会发生的波动的步骤。确定步骤100按相似的方式对每个传感器28a-28f进行。如果传感器28a-28f中的某一个表明在确定步骤100中未正常工作，那么在显示器62或远程显示器上显示一个适当的错误信息，或者以别的方式记录或告知操作者或传送到远程计算机。来自有缺陷的传感器的数据可以被忽略，直至该传感器被修复或替代。或者，有缺陷传感器所测量到的参数可以由下文叙述的模型之一进行计算。
然后，例程进入运算步骤110，在该步骤根据针对设备20中各种参数设计的模型基于其它所检测的参数来计算该参数。例如，氢模型是基于设备配置信息，即设备20的大小、相对尺寸、部件、流体类型等等，计算氢分子(H2)的理论值。优选实施例包括氢模型112，温度模型114，和压力模型116。对于每个参数可以采用任何各种公知的模型。例如在Massachusetts Institute of Technology研究所开发的AMIT Hydrogen Model@可以用作为氢模型112。该MIT HydrogenModel模型采用下列方程H2[k]＝+XTtopoil[k]+X(Ttopoil[k])2其中k是时间测量指数；H2[k]是氢分子按每个指数间隔计算得到的数值；Ttopoil[k]是按每个指数测得的顶层油温度；氢分子常数；氢分子一阶系数；以及氢分子二阶系数。
类似地，AMIT Temperature Model@可以用作为温度模型114，它采用下列方程Θtop[k]=ToTo+ΔtΘtop[k-1]+ΔtTo+Δt(Θamb[k]+Θu[k])]]>其中k是时间测量指数；Θtop[k]是按每个指数间隔计算得到的顶层油温度；Θamb[k]是按每个指数间隔测量得到的环境温度；Δt是采样频率；Θu[k]是对于每个指数间隔的电流负载L而言的最大顶层油上升；以及To是根据各变压器物理特性计算得到的油时间常数。
可以使用任意各种公知的压力模型。这些模型根据电气设备20的具体物理特性而配置(即，计算常数，和系数)。例如，可以按已知方式考虑标称负载，顶层油上的平均导体温度上升，顶层油上升，负载损耗比，冷却特性，损耗，热容量，部件22的重量，密闭容器24的重量，电气设备20的流体容量，来开发适当的模型。
一旦在步骤110根据这些模型由处理器40计算出每个参数的各个数值，则在异常检测步骤120对每个参数的算得数值和相关参数的测量数值(即传感器数据)相比较。如果测量数值在计算数值的预定公差或范围之内，则对于该参数而言没有检测到异常，不必发出警报。另一方面，如果某个参数的测量值不在计算数值的预定公差或范围之内，那么在显示器62，分立的警报装置，远程显示器等等上发出警报声，或以其它方式记录或传送，由此提供初步的状态指示。
在步骤130，将参数测量值和计算值之间的差作为因果网络的指示符。因果网络是例程的一部分，因此可以存储在存储器装置44。因果网络可以按下文叙述的方式事先开发出来。每个因果网络具有多个节点之间的原因和结果关系，其中一些节点表示和电气设备20中的故障相关的根源，即故障模式，而一些节点表示故障模式的可观察表现形式。因果网络中的每个故障模式有一个先验概率，表明该具体故障发生的可能性。
因果网络的每个节点也有表明表现(manifestation)节点和其故障模式的关联(即，电气设备20的故障和可观察征兆之间的因果关系)强度的条件性概率信息。因此，为了开发因果网络，有必要理解填充流体的电气设备中每个部件是如何工作的，以及理解每个故障模式的可观察征兆。电气设备20可能遭受的一些故障模式包括泵26故障(包括电机故障和对风扇叶片的破坏)，密封容器24的泄漏，部件22的故障，部件22上的绝缘层故障，过载条件，流体F的介质击穿，和散热器泄漏。
在鉴别了电气设备20的所有可能的故障模式之后，电气设备20的因果网络被开发出来。图3是电气设备20的以上鉴别出的故障模式。这些故障模式仅是例示性的，该列表并未完全包容所有情形。每个故障模式被指定为一个故障模式节点，或一个原因，由带圆角的框表示。各原因对电气设备20的影响程度较高。也可能一些原因具有相同的结果。在某些点，某个结果表明其自身是可测量或予以观测的。当单个可观测征兆的状态或几个可观测征兆的状态对单个原因而言是唯一的，那么就有可能很确定地鉴别该问题。
图4是图3所指明每个故障模式的因和果关系的一个例子，即电气设备20的因果网络。这里所使用的短语Acausal network(因果网络)@指代的是一种网络，算法或指明潜在故障和它们与各种表现形式的概率关系的类似手段。每个节点(故障模式和可观察表现形式)之间的因果关系在图中由沿因果关系方向指向的箭头表示。在图4中，泵电机故障和泵叶片故障的故障模式各自所具有的一个结果以低流体循环的可观察表现形式为表征。低循环节点耦合到一个指示节点，低循环，它表明根据传感器28e的测量结果流体循环是否很低。指示节点总是有这样的一个结果，该结果直接表示测得参数值、该参数的计算值，或测量参数和其计算值之间的差，该结果由圆圈表示。
根据图示，泵叶片故障节点和泵电机故障节点各自具有的一个结果以通过密闭容器24的低流体循环为特征，这一点由来自传感器28e的数据和经压力模型116计算的数值(在上文步骤110)的比较结果可以看出来。据图示，由密闭容器24中的液位传感器28f所示可以看出，密闭容器泄漏节点所具有的一个结果是低液位。此外，泵电机故障模式耦合到和来自泵26的反馈装置(例如流速计)对应的指示节点。在较高的层次，低流体循环和低液位的结果对电气设备20产生一定的影响，该影响的特征是冷却容量不足，这是因为流体没有恰当地经散热器循环。这一结果耦合到一个指示符，该指示符核查流体温度是否高于正常值，这由温度模型114所计算的温度值(在步骤110所述)和由温度传感器28b所测量的温度之间的差指示。
对于在因果网络中的每个故障模式，指派一个表示故障发生的可能性的初始条件概率。条件概率是分配给每个故障模式的指示原因存在的相对概率的因素。图4是指定给电气设备20的每个故障模式的条件概率的一个例子。条件概率以十进制数的形式列示在相应的故障模式节点下。注意，在某个部件有多个故障模式的情况下，需要由于每个故障模式导致的故障的条件概率。同样要注意的是，故障模式节点的条件概率幅度规定了某一故障模式就是所发生问题的相对可能性。例如，根据图4的因果网络，如果流体F的循环率低，那么将会预测到泵电机故障(条件概率为0.1)作为低流体循环的原因的可能性是泵叶片故障(条件概率为0.001)的泵叶片故障的10倍。
在给每个故障模式指定了一个条件概率之后，为每个故障模式和下一级表现形式之间的关系指定估算该关系强度的边界(edge)概率。每个边界概率列出在连接故障模式节点和表现节点的线路之旁，它表示在该故障模式已知存在的情况下该表现形式将存在的概率。如果所有故障模式是独立的，并且如果所有的故障模式不存在的话，那么表现形式并不存在。在优选实施例中，0和1之间的单参数被采用为边界概率，以表明关系的强度(1表明是直接关系，或者一种一对一关系)，但是可以采取任何能够表示故障模式节点和表现节点之间关系的指示手段。
例如，在密闭容器24中的泄漏将导致流体F在该段时间的90％呈低液位的检测结果，它的边界概率用0.9表示。该时间段的其余10％中，泄漏将很低，以致于难以对液位有明显影响。需要注意的是，条件概率信息起源于边界概率信息。该信息可以按数学或实验方式确定。
上述的因果网络在图2的步骤130实施，被用于确定电气设备20的操作状态。根据条件概率信息和边界概率信息，对因果网络的指示符，即传感器28a-28f所测量到的参数和这些参数及其由模型112、114和116计算出的值之间的差，进行了评估。处理器40不断根据映射的指示符的状态(如传感器28a-28f和适当模型所指示的那样)，对因果网络的概率重新进行了计算。具体地说，在步骤140利用已知信任网络解决方案算法(比如贝叶斯信任网络)重新计算了这些概率，并反馈到步骤130的因果网络。例如，如果传感器28e检测到低流体循环并且泵26的流速计表明泵电机状态正常，那么调节这些概率，以增加存在泵叶片故障的可能性。然后，处理器40评估在因果网络中的重新计算得到的概率。另外，处理器40可以提供任何异常的最为可能的原因的列表，以及纠正或避免故障拟采取的纠正性动作的列表。这些概率由信任网络利用先前的概率根据从因果网络学习的信息重新计算得到。重新计算可以是基于已知推论技术、感应技术或Bayes定理进行的。
在本优选实施例中图2所示的例程按基本上连续的方式执行。但是，该过程可以按周期方式自动执行，或基于操作者申请而执行。随着时间的流逝对模型的各种常数和系数进行调节，以补偿电气设备20状态随时间的变化。这些常数和系数可以按已知方式从数学或实验上加以确定。因果网络的输出按任何便于诊断、预测等等的方式进行处理。例如，可以产生和电气设备的操作特征有关的状况报告，可以启动警报，或者对设备的操作进行调节。
本发明可以适用于任何填充流体的电气设备。可以检测任何所需的参数。可以按任何方式处理传感器数据或信号，以根据实验性或数学模型提供对始发故障预兆的指示，寿命评估，维护时间表，故障根源鉴别，或电气设备的其它状况。此外，本发明可以提供性能特征评估，比如利用因素，负载时序安排，效率，能量损耗，功率因子，谐波，和加载抽头切换开关性能。
诊断装置可以是本地的，即紧靠电气设备设置，或者是远程设置，即设置在相对电气设备而言的远地点。可以编辑各参数的测量值和计算值的历史数据，以便于进一步的故障判断。可以定期对各种传感器轮询，而时间间隔可以按设备的负载量的倍数增加，或者在表明设备出现异常状态的时候增加。
本发明借助于一个优选实施例进行了描述。但是，各种修改可以在不偏离由后附权利要求书限定的本发明的范畴的情况下作出。
权利要求
1.用于其部件(22)被流体(F)围绕的那种填充有流体的电气设备的智能分析设备(10)，所述分析设备包括和电气设备(20)耦合的多个传感器(28a-e)，所述电气设备具有经配置包含流体(F)的密闭容器(24)和设置在所述密闭容器(24)内的至少一个电气部件(22)，所述传感器(28a-e)经配置输出指明电气设备(20)的多个操作参数的信号；以及一个诊断装置(30)，它和所述传感器(28a-e)相连，所述诊断装置(30)采用一个处理器(40)基于电气设备(20)的至少一个分析模型(112，114，116)和所述传感器(28a-e)输出的信号，通过应用由所述至少一个分析模型(112，114，116)所计算的参数值和在因果网络中由所述传感器(28a-e)的信号所指明的参数值，确定电气设备(20)的操作特征。
2.如权利要求1所述的设备，其特征在于所述诊断装置(30)将由所述至少一个分析模型(112，114，116)计算所得的参数和相应的测量参数比较，并将比较结果使用作为因果网络中的指示符。
3.如权利要求2所述的设备，其特征在于基于由分析模型(112，114，116)获得的指示符(130)的概率或检测得到的参数，对因果网络的概率更新。
4.如权利要求3所述的设备，其特征在于根据电气设备(20)随时间的可接受状态变化，随时间的流逝对所述至少一个分析模型(112，114，116)的变量进行调节。
5.如权利要求4所述的设备，其特征在于所述传感器(28a-e)包括一个经配置输出表示在电气设备(20)的密闭容器(24)内的流体(F)温度的信号的温度传感器(28b)，一个经配置输出表示在电气设备(20)的密闭容器(24)内的流体(F)气体含量的信号的气体传感器(28d)，一个经配置输出表示在电气设备(20)上的电负载的信号的负载传感器(28a)，一个经配置输出表示在电气设备(20)的密闭容器(24)内的压力的信号的压力传感器(28e)。
6.如权利要求5所述的设备，其特征在于所述气体传感器(28d)经配置输出表示在密闭容器(24)内的流体(F)的氢含量的信号。
7.如权利要求6所述的设备，其特征在于所述至少一个分析模型(112，114，116)包括温度模型(114)和氢模型(112)。
8.如权利要求4所述的设备，其特征在于所述传感器(28a-e)经调整被设置在密闭容器(24)内，所述设备还包括将来自所述传感器(28a-e)的信号引导到所述处理器的装置。
9.如权利要求4所述的设备，其特征在于所述诊断装置(30)还包括一个用户界面模块(60)，该模块具有显示电气设备(20)的操作特性的指示的显示器(62)和允许用户将至少数据和指令之一输入所述诊断装置(30)的输入装置(64)。
10.如权利要求5所述的设备，其特征在于所述气体传感器(28d)经配置输出表示至少下列气体之一的信号氢、一氧化碳、二氧化碳、氧、氮、碳氢化合物，以及碳氢化合物的衍生物。
11.如权利要求4所述的设备，其特征在于所述处理器(40)包括一台含有CPU(42)和存储器装置(44)的计算机。
12.如权利要求4所述的设备，其特征在于所述电气设备(20)是变压器(20)。
13.用于填充有流体的电气变压器的智能分析设备(10)，所述分析设备包括和一个变压器(20)耦合的多个传感器(28a-e)，所述变压器具有经配置包含流体(F)的密闭容器(24)和设置在所述密闭容器(24)内的一个铁心和线圈(22)，所述传感器(28a-e)经配置输出指明变压器(20)的多个操作参数的信号；以及一个诊断装置(30)，它和所述传感器(28a-e)相连，所述诊断装置(30)采用一个处理器(40)基于变压器(20)的至少一个分析模型(112，114，116)和所述传感器(28a-e)输出的信号，通过应用由所述至少一个分析模型(112，114，116)所计算的参数值和在因果网络中由所述传感器(28a-e)的信号所指明的参数值，确定电气设备(20)的操作特征。
14.如权利要求13所述的设备，其特征在于所述诊断装置(30)将由所述至少一个分析模型(112，114，116)计算所得的参数和相应的测量参数比较，并将比较结果使用作为因果网络中的指示符。
15.如权利要求14所述的设备，其特征在于基于由分析模型(112，114，116)获得的指示符(130)的概率或检测得到的参数，对因果网络的概率更新。
16.如权利要求15所述的设备，其特征在于根据变压器(20)随时间的可接受状态变化，随时间的流逝对所述至少一个分析模型(112，114，116)进行调节。
17.如权利要求16所述的设备，其特征在于所述传感器(28a-e)包括一个经配置输出表示在密闭容器(24)内的流体(F)温度的信号的温度传感器(28b)，一个经配置输出表示在密闭容器(24)内的流体(F)气体含量的信号的气体传感器(28d)，一个经配置输出表示在变压器(20)上的电负载的信号的负载传感器(28a)，一个经配置输出表示在密闭容器(24)内的压力的信号的压力传感器(28e)。
18.如权利要求17所述的设备，其特征在于所述气体传感器(28d)经配置输出表示在密闭容器(24)内的流体(F)的氢含量的信号。
19.如权利要求18所述的设备，其特征在于所述至少一个分析模型(112，114，116)包括温度模型(114)和氢模型(112)。
20.如权利要求16所述的设备，其特征在于所述处理器(40)被设置在所述密闭容器(24)外，而所述传感器(28a-e)设置在密闭容器(24)内，所述设备还包括将来自所述传感器(28a-e)的信号引导到所述处理器的装置。
21.如权利要求16所述的设备，其特征在于所述诊断装置(30)还包括一个用户界面模块(60)，该模块具有显示有关变压器(20)的操作特性的指示的显示器(62)和允许用户将至少数据和指令之一输入所述诊断装置(30)的输入装置(64)。
22.如权利要求17所述的设备，其特征在于所述气体传感器(28d)经配置输出指明至少下列气体之一的信号氢、一氧化碳、二氧化碳、氧、氮、碳氢化合物，以及碳氢化合物的衍生物。
23.如权利要求16所述的设备，其特征在于所述处理器(40)包括一台含有CPU(42)和存储器装置(44)的计算机。
24.用于其部件(22)被流体(F)围绕的那种填充有流体的电气设备(20)的智能分析设备(10)，所述分析设备包括用于检测电气设备(20)的多个操作参数的传感装置(28a-e)，所述电气设备具有经配置包含流体(F)的密闭容器(24)和设置在所述密闭容器(24)内的至少一个电气部件(22)，所述传感装置(28a-e)用于输出指明电气设备(20)的多个操作参数的信号；以及一个诊断装置(30)，它基于电气设备(20)的至少一个分析模型(112，114，116)和所述传感装置(28a-e)输出的信号，通过应用由所述至少一个分析模型(112，114，116)所计算的参数值和在因果网络中由所述传感装置(28a-e)的信号所指明的参数值，确定电气设备(20)的操作特征。
25.如权利要求24所述的设备，其特征在于所述诊断装置(30)包括将由所述至少一个分析模型(112，114，116)计算所得的参数和相应的测量参数比较的装置，以及将比较结果使用作为因果网络中的指示符的装置。
26.如权利要求25所述的设备，其特征在于所述诊断装置(30)包括基于由分析模型(112，114，116)获得的指示符(130)的概率或检测得到的参数，对因果网络的概率进行调节的装置。
27.如权利要求26所述的设备，其特征在于所述诊断装置(30)包括根据电气设备(20)随时间的可接受状态变化，随时间的流逝对所述至少一个分析模型(112，114，116)的变量进行调节的装置。
28.如权利要求27所述的设备，其特征在于所述传感装置(28a-e)包括一个用于输出表示在密闭容器(24)内的流体(F)温度的信号的温度传感装置(28b)，一个用于输出表示在密闭容器(24)内的流体(F)气体含量的信号的气体传感装置(28d)，一个用于输出表示在电气设备(20)上的电负载的信号的负载传感装置(28a)，一个用于输出表示在密闭容器(24)内的压力的信号的压力传感(28e)。
29.如权利要求28所述的设备，其特征在于所述气体传感装置(28d)包括用于输出表示在密闭容器(24)内的流体(F)的氢含量的信号的装置。
30.如权利要求29所述的设备，其特征在于所述至少一个分析模型(112，114，116)包括温度模型(114)和氢模型(112)。
31.如权利要求27所述的设备，其特征在于还包括将来自所述传感装置的信号引导到所述处理器的装置。
32.如权利要求27所述的设备，其特征在于所述诊断装置(30)还包括一个显示有关电气设备(20)的操作特性的指示的用户接口装置(60)和允许用户将至少数据和指令之一输入所述诊断装置(30)的输入装置。
33.如权利要求28所述的设备，其特征在于所述气体传感装置(28d)包括用于输出表示至少下列气体之一的含量的信号氢、一氧化碳、二氧化碳、氧、氮、碳氢化合物，以及碳氢化合物的衍生物。
34.如权利要求27所述的设备，其特征在于所述诊断装置(30)包括一台含有CPU(42)和存储器装置(44)的计算机。
35.如权利要求27所述的设备，其特征在于所述电气设备(20)包括变压器(20)。
36.用于其部件(22)被流体(F)围绕的那种填充有流体(F)的电气设备(20)的智能分析方法，所述方法包括下列步骤耦合多个传感器(28a-e)到电气设备(20)，所述电气设备具有配备用于盛放流体(F)的密闭容器(24)和设置在密闭容器(24)中的至少一个电气部件(22)；用所述传感器(28a-e)检测电气设备(20)的多个操作参数；产生指明在检测步骤中检测到的所述电气设备(20)的多个操作参数的信号；并且基于电气设备(20)的至少一个分析模型(112，114，116)和在所述产生步骤中产生的信号，通过应用由所述至少一个分析模型(112，114，116)所计算的参数值和在因果网络中由产生步骤产生的信号所指明的参数值，确定电气设备(20)的操作特征。
37.如权利要求36所述的方法，其特征在于所述确定步骤包括将由所述至少一个分析模型(112，114，116)计算所得的参数和由所述产生步骤中的信号所指明的相应测量参数比较，并将比较步骤的结果使用作为因果网络中的指示符。
38.如权利要求37所述的方法，其特征在于所述确定步骤包括基于由分析模型(112，114，116)获得的指示符(130)的概率或检测得到的参数，对因果网络的概率进行调节。
39.如权利要求38所述的方法，其特征在于所述确定步骤包括根据电气设备(20)随时间的可接受状态变化，随时间的流逝对所述至少一个分析模型(112，114，116)的变量进行调节。
40.如权利要求39所述的方法，其特征在于所述检测步骤包括检测在密闭容器(24)内的温度，检测在密闭容器(24)内的流体(F)气体含量，检测在电气设备(20)上的电负载，以及检测在密闭容器(24)内的压力。
41.如权利要求40所述的方法，其特征在于所述检测气体含量的步骤包括检测在密闭容器(24)内的流体(F)的氢含量。
42.如权利要求41所述的方法，其特征在于在所述确定步骤所使用的所述至少一个分析模型(112，114，116)包括温度模型(114)和氢模型(112)。
43.如权利要求39所述的方法，其特征在于还包括步骤显示有关电气设备(20)的操作特性的指示以及将至少数据和指令之一输入。
44.如权利要求40所述的方法，其特征在于所述检测气体含量的步骤包括检测至少下列气体之一的含量氢、一氧化碳、二氧化碳、氧、氮、碳氢化合物，以及碳氢化合物的衍生物。
45.如权利要求7所述的设备，其特征在于所述至少一个分析模型(112，114，116)包括压力模型(116)。
46.如权利要求19所述的设备，其特征在于所述至少一个分析模型(112，114，116)包括压力模型(116)。
47.如权利要求30所述的设备，其特征在于所述至少一个分析模型(112，114，116)包括压力模型(116)。
48.如权利要求42所述的设备，其特征在于所述至少一个分析模型(112，114，116)包括压力模型(116)。
全文摘要
用于填充流体的电气设备的智能分析设备(10)和方法包括测量电气设备(20)的各个参数的传感器(28a－e)。分析模型(112,114,116)基于其它参数的测量结果计算参数。对参数的测量结果和计算值比较,并将比较结果使用作为因果网络中的指示符。因果网络的概率由信任网络重新计算。根据设备状态在时间上的可接受变化,随时间的流逝对分析模型进行调节。因果网络的输出可用于诊断和预测指示。
文档编号G05B23/02GK1289038SQ0012875
公开日2001年3月28日 申请日期2000年9月15日 优先权日1999年9月17日
发明者T·G·奥克菲, G·D·库尔特, S·H·阿扎罗, V·B·雅穆, E·B·斯托克斯, J·C·克洛斯, A·M·德尔加多, 克鲁兹, E·贝坦库尔特 申请人:通用电气公司