异以及变压器的故障率和缺陷率，而造成的在对变压器进行故障预警时容易出现漏 报警或误报警的技术问题。
【附图说明】
[0024] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0025] 图1是根据本发明实施例的一种可选的变压器预警值的估算方法的流程图；
[0026] 图2是根据本发明实施例的220kV变压器油中溶解氢气的含量的统计直方图及拟 合曲线；
[0027] 图3是根据本发明实施例的220kV变压器油中溶解乙烯的产气率的统计直方图及 拟合曲线；以及
[0028] 图4是根据本发明实施例的一种可选的变压器预警值的估算装置的示意图。
【具体实施方式】
[0029] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的 附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是 本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术 人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范 围。
[0030] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语"第一"、"第 二"等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用 的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或 描述的那些以外的顺序实施。此外，术语"包括"和"具有"以及他们的任何变形，意图在于 覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限 于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产 品或设备固有的其它步骤或单元。
[0031] 实施例1
[0032] 根据本发明实施例，提供了一种可选的变压器预警值的估算方法的方法实施例， 需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系 统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处 的顺序执行所示出或描述的步骤。
[0033] 图1是根据本发明实施例的一种可选变压器预警值的估算方法的流程图，如图1 所示，该方法包括如下步骤：
[0034] 步骤S102,获取变压器的变压器油中所溶解气体的浓度及产气率的累积分布函 数；
[0035] 步骤S104,根据累积分布函数确定相应的逆累积分布函数；
[0036] 步骤S106,获取变压器的缺陷率和/或故障率；
[0037] 步骤S108,在获取到缺陷率之后，根据缺陷率并利用逆累积分布函数估算浓度及 产气率的注意值；
[0038] 步骤S110,在获取到故障率之后，根据故障率并利用逆累积分布函数估算浓度及 产气率的警示值；
[0039] 步骤S112,输出注意值和警示值。
[0040] 通过上述步骤，在利用分布函数估算变压器油中所溶解气体的浓度及产气率的差 异化预警值时，由于充分考虑了不同属性条件下不同变压器分类下变压器之间的差异以及 变压器的缺陷率和故障率等因素，因此可以得到更加准确的预警值阈值（包括：注意值和 警示值等），这样，在使用通过本发明得到的预警值阈值进行预警时，可以防止发生漏报警 或误报警等情况。
[0041] 可选地，确定累积分布函数的步骤包括：
[0042] S2,获取不同变压器分类下变压器油中所溶解气体的浓度及产气率数据；
[0043] S4,根据数据确定不同变压器分类下的累积分布函数。
[0044] 需要说明的是，可以根据变压器的属性特征（如变压器等级等），将某个特定区域 的电网中的所有变压器进行分类处理，从而可以收集不同变压器类别下的变压器油中所溶 解气体的浓度及产气率数据。这样，在利用分布函数估算变压器油中所溶解气体的浓度及 产气率的差异化预警值时，在充分考虑了变压器的缺陷率和故障率等因素的情况下，再补 充考虑不同属性条件下不同变压器分类下变压器之间的差异，可以得到更加准确的预警值 阈值（包括：注意值和警示值等），使得在使用通过本发明得到的预警值阈值进行预警时， 可以防止发生漏报警或误报警等情况。
[0045] 进一步可选地，获取不同变压器分类下变压器油中所溶解气体的浓度及产气率数 据包括：
[0046] S6,获取目标区域内所有变压器的变压器油中所溶解气体的浓度数据；
[0047] S8,根据所有变压器的属性信息对浓度数据进行差异化分类，得到不同变压器分 类下变压器油中所溶解气体的浓度数据；
[0048] S10,根据每一变压器分类下的浓度数据中任意两个相邻数据计算该类浓度数据 对应的气体的产气率，得到不同变压器分类下变压器油中所溶解气体的产气率数据。
[0049] 需要说明的是，可以通过安装在变压器上的传感器进行实时在线监测，采集一段 时间内的变压器的在线监测数据，并从中提取各类变压器的变压器油中所溶解气体的浓度 数据，进而计算相应的产气率，得到产气率数据。例如，本实施例中共获得油色谱监测数据 114326条，数据的格式如表1所示（仅显示了部分信息），在原始油色谱监测数据中，包含 传感器所安装的变压器的信息、传感器的编号、监测地点、监测日期、序数日期、油中溶解的 8种气体（如氢气、一氧化碳、二氧化碳、甲烷、乙烧、乙稀、乙炔、总烃）的信息。其中，序数 日期是相对日期，如设置2013年1月1日对应的序数日期为1，则2013年1月2日对应的 序数日期则为2,2013年12月31日对应的序数日期为365,序数日期的作用是为了方便计 算相对产气率。
[0050] 表 1
[0051]
CN 105117512 A 说明书 8/15 页
[0054] 变压器的属性是指变压器的固有属性。实施例，可以使用变压器的电压等级这 一属性对油色谱监测数据进行差异化分类处理。例如，上述的114326条数据信息来自于 1101^、2201^及5001^三种电压等级的变压器，由此统计每个电压等级下的变压器的台数 及数据量信息，如表2 (根据电压等级分类的结果）所示：
[0055] 表 2
[0057] 实施时，可以以天为单位计算每个分类下的8种气体（包括氢气、一氧化碳、二氧 化碳、甲烷、乙烷、乙烯、乙炔和总烃）的相对产气率。相对产气率的计算公式为： CN 105117512 A 肌 叩 ~Π> 9/15 贞
[0059] 式中γ 1+1表示第i+1天的相对产气速率，单位为％ /天；C 1+1表示第i+1天监测到 的油中溶解气体含量，单位为μ L/L W1表示第i天监测到的油中溶解气体含量单位为μ L/ L0
[0060] 通过本发明实施例，基于大量的变压器油中溶解气体的浓度等历史数据，按照变 压器的自身属性对数据进行差异化分类，将缺陷率和故障率与分布函数相关联，利用逆分 布函数计算不同属性分类下的变压器的8种油中溶解气体（氢气、一氧化碳、二氧化碳、甲 烷、乙烧、乙稀、乙炔和总烃）的含量及其产气率的注意值和警示值。通过将变压器按照其 属性进行分类，达到了克服相关技术中由于没有考虑到变压器属性之间的差异或者按照属 性分类时过于粗狂而导致的阈值不准确的缺陷。
[0061] 可选地，在获取不同变压器分类下变压器油中所溶解气体的浓度及产气率数据之 后，方法还包括：
[0062] S12,根据不同变压器分类下变压器油中所溶解气体的浓度数及产气率数据绘制 相应的统计直方图和拟合曲线；
[0063] S14,根据绘制的统计直方图和拟合曲线确定每个变压器分类下变压器油中所溶 解气体的浓度及产气率的分布模型；
[0064] S16,将分布模型对应的分布函数作为每个变压器分类下变压器油中所溶解气体 的浓度及产气率的累积分布函数。
[0065] 需要说明的是，累积分布函数为威布尔分布函数，逆累积分布函数为威布尔分布 函数的逆函数。
[0066] 实施时，在获取变压器油中溶解气体含量，并根据公式（1)计算出相对产气率后， 可以分别对每个分类下的8组溶解气体含量及8组溶解气体产气率数据进行统计分析，绘 制油中溶解气体的含量和产气率的统计直方图及拟合曲线，如图2和图3所示（以220kV 变压器油中溶解氢气的含量及乙烯的产气率为例），也即，实施时，将大量的现场油色谱数 据根据变压器自身属性进行差异化分类，即将具有某一相同属性的变压器所对应的油色谱 数据作为一类，并以天为单位计算该分类下变压器的绝对产气率。之后，对每个分类下的变 压器的油中溶解气体含量和产气率数据进行统计分析，构建相应的分布模型并估计模型参 数。进而统计每个分类下变压器的缺陷率和故障率，并将其与油中溶解气体含量及其产气 率的分布模型中的累积概率相关联，利用油色谱及其产气率的分布模型的逆累积分布函数 计算相应的注意值和警示值。
[0067]例如，由统计直方图及拟合曲线可以看出，油中溶解气体的含量及其产气率基本 符合威布尔分布，由此构建威布尔分布模型，并计算威布尔分布模型的相关参数。其中，威 布尔分布的概率密度函数及其对应的累积概率分布函数分别为：
CN 105117512 A 肌 叩 ~Π> 10/15 贞
[0070] 其中，β表示威布尔斜率，也称形状参数；η表示特