[发明专利]油浸式变压器在线监控数据可用性的评价方法

说明书

技术领域

本发明涉及信号分析领域，具体涉及一种油浸式变压器在线监控数据可用性的评价方法。

背景技术

目前，油浸式变压器设备一般有两种检测手段来监控设备的运转，监控的内容是变压器油内特征气体的含量。一种是在线监控，即使用红外测谱仪远程在线监控设备；一种是带电检测，即专业人员到现场对变压器内部的油进行取样检测。在线监控装置费用低，会产生大量密集的监控数据，但其准确度可能存在一定缺陷；为了安全性考虑，一般电网还会定期派专业人员到现场对设备进行现场检测，从而得到相对于在线监控数据比较稀疏的带电检测数据，并且当在线监控装置显示被检测的变压器出问题时，也会有专业人员去进行现场检测来核实情况，从而得到现场带电检测数据。

由于红外色谱仪自身精确度和受外界环境影响等原因，在线红外色谱仪所测得的数据与现场检测所得到的真实数据有一定的差距。因此，如何通过对在线红外色谱仪监控数据的测量误差进行分析，并根据可靠的带电数据来评价高密度的在线色谱仪监控数据是否可以反应油浸式变压器真实的情况，是一个值得关注的问题。

关于设备测量误差分析，公开号为CN104280526A的中国专利文献中公开了一种水质自动在线监控设备测量误差的分析和估计方法，将在线监控设备产生误差的类型分为系统误差、偶然误差和粗大误差三类，其中粗大误差采用稳健剔除异常数据的方法去除，系统误差分为了周期性系统误差、线性及多项式型系统误差，以及常量系统误差这三类，偶然误差可以在估计系统误差的过程中被消减。包括以下步骤：

步骤一、采用稳健剔除异常数据的方法，剔除在线监控数据中的粗大误差；步骤二、从剔除粗大误差后的在线监控数据提取中位数x_e，判断该中位数x_e是否在水质样本均值置信区间内；如果否，则确定存在系统误差，进入步骤三；否则，确定没有系统误差，结束本流程；

步骤三、将系统误差分为周期性系统误差、线性及多项式型系统误差和常量系统误差；采用基于Burg法的谱分析和回归分析相结合的方法估计周期性系统误差；采用回归分析方法，估计线性及多项式型的系统误差；采用均值滤波方法，估计常量系统误差，再采用卡尔曼滤波方法对常量系统误差进行估计和预测；同时，均值滤波和卡尔曼滤波还将偶然误差消减；将三类系统误差的估计结果相加，得到最终的系统误差估计结果。

但是上述方法没有对偶然(随机)误差进行单独讨论，且判断有没有系统误差的方法太过简单，如果真实数据和测量数据是相反的走向，它仍然会判定为没有系统误差，这显然是不合适的。

黄师娟(黄师娟,张旭斌,董斌,等.雷达测量数据精度评估方法研究[J].测试技术学报,2015(1))等人提出了雷达测量数据精度评估方法，将雷达设备的测量误差分为系统误差和随机误差，随机误差指在多次测量中，其大小、符号可能各不相同，但具有统计规律，所出现的数值大小具有一定的概率分布的误差项；系统误差指具有一定的变化规律，可以用函数和数学模型来表示，数据处理时可以进行修正的误差项。又将系统误差分为轴系误差、数据传递系统误差、动态滞后误差和大气传播误差等。其采用最小二乘拟合逐点划窗的方法统计雷达实时测量精度，用一个时间多项式来描述外测系统跟踪导弹所得观测量是随时间变化的连续曲线.利用最小二乘估计可以拟合出观测数据的时间多项式，然后对拟合后的残差进行统计，得到观测数据的随机误差方差和相关函数(系数)的估计值，具体方法如下：

首先，假设在时间上t₁,t₂,...,t_N进行采样，其输出的观测数据为x₁,x₂,...,x_N(雷达为等间隔采样)，每个观测数据x_i可以用一个m阶多项式来表示，则每个观测数据可以表示为：

其中a_j为多项式系数，ε_i为随机误差。

然后，假设观测数据的随机误差序列{ε_i}具有无偏性和等方差且不相关的性质。当N>m+1时，对N个观测数据{x_i}应用最小二乘估计可估计出多项式的系数序列如下。

其中

最后，观测数据的准确预测值为随机误差的方差估计为