基于实时监测信息的变压器故障检修预测方法
【技术领域】
[0001] 本发明涉及电网技术领域，具体而言，涉及基于实时监测信息的变压器故障检修 预测方法。
【背景技术】
[0002] 电网的智能化实现需要电网高度信息化、数字化和自动化，涉及到系统状况实时 准确全面量测、信息传输和交互、事故预警、分析决策及自适应恢复等关键技术和方法，以 及相应的功能实现。
[0003] 其中，故障预测及诊断、系统分析和决策是智能电网智能化实现的关键。故障预测 与健康管理（PHM)的定义是预测未来一段时间内系统失效可能性以及采取适当维护措施 的能力。对于智能电网来说，在智能传感器、数据传输、数据处理及监测装置等技术的有效 综合利用基础上，以导线温度与弧垂、覆冰厚度、微风振动、导线舞动、杆塔倾斜、绝缘子污 秽、微气象等监测信息，以及其与线路安全运行关系或水平上的微小变化作为故障先兆，评 估线路当前运行（健康）状态，并预计未来故障发生的可能性。
[0004] 同理，电网中的其他关键设备（变压器、保护控制装置等）也可以通过监测信息进 行故障预测和安全评估。进而，可对整个电网进行安全评估和系统未来事故的预测，从而实 现事故预警。然后，根据系统运行状态的分析，结合未来发展和预计事故发生情况，给出维 护和提高系统安全运行的管理方案，并可在故障下快速做出有效控制措施等。
[0005] 在智能电网中，一般的厂站端配备了功能强大的监控系统，能够自动检测厂站设 备的运行状态。但是对于分布范围较广的输电线路却缺乏有效的自动检测手段，目前主要 是依靠人工巡线方式来发现线路运行中的问题，由此给定的容量趋于保守，不能充分发挥 输电线路的输送能力。高压输电线路具有电压等级高、传输容量大、传输距离远等特点，输 电线路在线实时监测对于保证特高压电网的安全、稳定、可靠运行具有十分重要的意义。
[0006] 现有的变压器故障检修预测方法研宄多是基于油中溶解气体分析的，用到的数据 类型少，且样本数据时间间隔较长，序列长度较短，数据序列变化规律不清楚时还需要先通 过人为分析先发现故障的趋势，才能进行较好的故障预测。
[0007] 现有的变压器的维修、状态评估等研宄方法主要都是针对特定的故障单独进行分 析的，比如在正常运行情况下，利用风险评估、剩余寿命分析等方法进行状态评估，而潜伏 性故障则是利用特征量特征诊断等分析方法等进行维修指导等。
【发明内容】
[0008] 本发明的目的在于提供一种基于实时监测信息的变压器故障检修预测方法，以解 决智能电网自动化故障预测及确定检修策略的问题。
[0009] 本发明一个方面提供了一种基于实时监测信息的变压器故障检修预测方法，其特 征在于，包括：
[0010] 步骤1，获取关于变压器的监测数据；
[0011] 步骤2,基于所述监测数据，利用最热点温度及电-热老化模型获取所述变压器的 健康指数TH ;
[0012] 步骤3,基于所述监测数据，利用灰度线性回归组合模型以及模糊算法得到变压器 故障预测结果；
[0013] 步骤4,根据所述健康指数，利用风险评估法得到变压器故障概率，并结合检修成 本得到变压器正常状况下检修的风险成本Vl ;
[0014] 步骤5,根据所述变压器故障预测结果，判断变压器潜伏性故障，结合故障部件类 型得到变压器潜伏性故障的检修的风险成本V2 ;
[0015] 步骤6,对所述变压器正常状况下检修的风险成本Vl和所述变压器潜伏性故障的 检修的风险成本V2进行加权处理，得到变压器检修成本V3。
[0016] 本发明提供的基于实时监测信息的变压器故障检修预测方法，与现有技术相比， 根据对变压器的多种监测数据，利用最热点温度及电-热老化模型获取变压器的健康指 数，并根据健康指数得到变压器故障概率，进而结合检修成本得到变压器正常状况下检修 的风险成本。另一方面，当序列数据属于高指数增长情况时，灰色预测模型会产生较大的滞 后误差，变压器潜伏性故障发展到显性故障的过程中，油中溶解气体含量的变化通常属于 高指数增长，而灰色线性回归组合模型适用于既有线性趋势又有指数增长趋势的序列，即 能改善线性回归模型中没有指数增长趋势的不足，又改善灰色预测模型中没有线性因素的 不足，并运用模糊理论并基于三比值法的判断逻辑，预测故障类型，并最终得到潜在性故障 的检修成本。结果较为准确，相对误差低。
[0017] 所以本专利从智能电网PHM的特点出发，需要考虑监测数据类型多、样本数据长 度可变、数据变化情况未知等问题，对不同数据长度和变化趋势的数据实现预测时间可调 的故障预测，并兼顾可获得的多种监测信息来进行故障判断和分析。
[0018] 而专利综合利用电网的监测数据和设备的故障预测情况，拟提出针对电网不同的 运行状况的健康管理策略的探讨和分析，即需要处理正常运行、潜伏性故障和突发故障等 不同情况的系统健康状况的评估，并以此给出对应的维护、检修、应急处理等措施，同时也 可以指导性给出设备某个故障发生的部分等信息。
【附图说明】
[0019] 图1为本发明一个实施例中不同模型的预测对比图；
[0020] 图2为本发明一个实施例中变压器主要故障及其影响关系；
[0021] 图3为本发明一个实施例中变压器的综合故障预测结果；
[0022] 图4为本发明一个实施例中模糊算法的变压器故障预测流程示意图。
【具体实施方式】
[0023] 下面通过具体的实施例结合附图对本发明做进一步的详细描述。
[0024] 考虑到现有现有变压器故障检修预测方法单一，预测过程没有完全考虑监测数据 多变性特征，获取的结果准确性低的问题，本发明提供了一种基于实时监测信息的变压器 故障检修预测方法。
[0025] 该基于实时监测信息的变压器故障检修预测方法，包括：
[0026] 步骤101，获取关于变压器的监测数据；
[0027] 这些监测数据包括：变压器油中溶解气体的含量，及其他故障特征量的监测数据， 比如：顶层油温、环境温度、历年健康指数、投运年限、投运年份、老化系数，设计寿命，绝缘 电场强度，变压器的局部放电量、绕组短路阻抗、管套对地末屏、铁芯接地电流、顶层油温、 负荷电流、冷却系统功能、环境温度；还包括各类历史信息，比如：变压器的铭牌值、维修记 录、近年内的历史检测信息、投运年限、设计寿命。其中老化系数可以根据获取的特征值进 行计算，本领域技术人员可以根据现有技术知识执行该操作。
[0028] 步骤102,基于监测数据，利用最热点温度及电-热老化模型获取变压器的健康指 数TH;
[0029] 监测数据中很多的故障特征量是由变压器现有故障引起的，通过这些故障特征量 可以获取变压器的健康指数TH。
[0030] 步骤103,基于监测数据，利用灰度线性回归组合模型以及模糊算法得到变压器故 障预测结果；
[0031] 对传统灰色预测模型GM(1，1)的改进，灰色线性回归组合模型的引入，以及综 合油中溶解气体预测信息和当前故障因素信息的综合故障检修预测方法。通过改进 GM(1，1)，提高了预测模型的精度，并使预测模型对智能电网中的变长度样本数据具有适应 能力。通过引入灰色线性回组合模型，使得预测模型能够适应智能电网样本数据变化趋势 未知的特点。之后对故障影响因素和关系进行了归纳总结，提出了综合考虑油中溶解气体 的预测信息和智能电网中实时监测的故障因素信息的综合故障检修预测方法。
[0032] 步骤104,根据健康指数，利用风险评估法得到变压器故障概率，并结合检修成本 得到变压器正常状况下检修的风险成本Vl ;
[0033] 健康指数与故障概率间的关系式为类指数函数，即λ = kXeex?, λ为变压器故 障概率，k为指数系数。
[0034] 利用故障概率及故障时的损失（包括系统风险、故障修复成本、人员安全风险、环 境风险四个方面），获得风险成本VI，Vl= XXL。
[0035] 步骤105,根据变压器故障预测结果，判断变压器潜伏性故障，结合故障部件类型 得到变压器潜伏性故障的检修的风险成本V2 ;
[0036] 步骤106,对变压器正常状况下检修的风险成本Vl和变压器潜伏性故障的检修的 风险成本V2进行加权处理，得到变压器检修成本V3。
[0037] 根据健康指数TH所体现的健康状况和可靠性程度，可获得变压器正常状况的风 险成本，按健康指数划分的设备状况和检修策略评语集（来源于变压器实际运行经验），从 而确定状态检修的检修顺序策略。通过估算各检修方式的风险成本以及检修成本，以二者 之和确定最佳检修方式。以检修成本与风险成本之和最小为目标函数。
[0038] 风险成本的计算过程包括：①将由等效回退年限的经验公式计算对应不同检修方 式（继续运行、小修、大修和更换四种）的回退年限；②按照第一级评估中健康指数与投运 时间的函数关系和第三级评估中的修正公式计算检修后设备的健康指数；③按风险成本 公式计算检修后设备的小修、大修、更换之后的新风险成本设为及继续运行情况下风险成 本。检修成本的计算为检修过程产生的检修成本（包括继续运行、小修、大修、更换分别设 为 COj? Cox，Cod，Cog) 〇
[0039] 基于综合故障检修预测方法进行变压器的故障预测求出的变压器故障预测结果 (包括故障类型和可信度）。然后根据变压器故障预测结果，基于模糊理论推断当前故障因 素的隶属度，同时，根据当前的故障特征量的监测信息计算当前故障因素的隶属度，再用模 糊合成的方法（如加权求和）求出综合的故障因素隶属度。然后，由故障因素隶属度和故 障因素分析判断潜伏性故障的故障成因和故障部件，潜伏性故障的成本，据此给出具体到 故障部件和故障种类的维修指令，得到潜伏性故障情况下的预防性维修策略。
[0040] 预设正常状态下的检修成本和潜伏性故障的检修成本，对二者进行加权处理，综 合获取检修的风险成本。
[0041] 根据对变压器的多种监测数据，利用最热点温度及电-热老化模型获取变压器的 健康指数，并根据健康指数得到变压器故障概率，进而结合检修成本得到变压器正常状况 下检修的风险成本。另一方面，当序列数据属于高指数增长情况时，灰色预测模型会产生较 大的滞后误差，变压器潜伏性故障发展到显性故障的过程中，油中溶解气体含量的变化通 常属于高指数增长，而灰色线性回归组合模型适用于既有线性趋势又有指数增长趋势的序 列，即能改善线性回归模型中没有指数增长趋势的不足，又改善灰色预测模型中没有线性 因素的不足，并运用模糊理论并基于三比值法的判断逻辑，预测故障类型，并最终得到潜在 性故障的检修成本。结果较为准确，