[发明专利]一种配电变压器故障风险监测方法及系统

权利要求书

1.一种配电变压器故障风险监测方法，其特征在于，该方法包括以下步骤：

步骤一：开始程序启动；

步骤二：获取当前在线变压器运行状态；

步骤三：数据输入，已发生故障的设备信息进行收集汇总；

步骤四：分解各类型设备的不同故障关键影响因素，构建设备故障根因库；

步骤五：依据不同设备的各种故障特征选取合适的算法建立预测分析模型；

步骤六：进入分析及监测模块：进行模型结果输出、模型优化及反馈验证、模型优化、输出结果反馈验证；

步骤七：检测变压器设备是否正常，如果正常，检测结束；如果不正常，返回步骤四，查找分析故障原因，进行配电变压器的风险预测、检修计划的制定、检修结果的反馈，检修完毕后返回步骤七；

步骤三所述的故障设备信息步骤，构建6大类数据输入数据源：设备基础数据、设备试验报告数据、设备在线监测数据、设备运行数据、故障分析报告、设备状态评价导则；

步骤四故障根因库构建方法包括：

首先，输入同一批次设备每一天的油色谱数据，并计算出每一天的三比值。其次，剔除可以依据设备状态评价导则直接判断出已经发生故障的那些日期的三比值，最后用聚类算法对剩余的三比值数据进行聚类分析；

再次，根据聚类分析的结果确定出能够判断配电变压器将要发生故障的三比值的阈值，而这一问题等同于找出每一类中三比值的最大值和最小值；

步骤五建立预测分析模型，通过在输入层输入设备的实验数据和缺陷记录的当前值，实时监测记录以及运行工况的预测值，调取知识库层对应设备的知识块及故障预测层人工神经网络模型，进行遍历的故障预测；

步骤六分析结果输出与验证层包括模型结果输出、模型优化及反馈验证、模型优化、输出结果反馈验证；

模型结果输出；通过输入层、知识库层和状态/故障预测层的建模分析输出模型计算结果，以及计算结果的理论解释；模型结果是针对要预测的设备，通过调用知识库层中设备相关数据作为输入，并在状态/故障预测层中经过数据挖掘算法计算得出；最后输出的模型结果描述设备是否发生故障，且针对不同故障类型，得出设备可能发生的概率；

模型优化及反馈验证是根据输出结果对建模的输入层、知识库层和状态/故障预测层进行反馈验证，反复验证并优化建立的模型；

输出结果反馈验证方面，通过结果反馈，更新和完善输入层、知识库和状态/故障预测层；

神经网络是一组连接的输入/输出单元，其中每个连接都与一个权重相关联，在学习阶段，通过调整这些权重，使得它能够预测输入元组的正确类标号来学习。训练前需确定网络拓扑，说明输入层的单元数、隐藏层数、每个隐藏层的单元数和输出层的单元数。属性规范化有助于加快学习过程， 通过使用准确率估计的交叉验证技术，帮助确定可接受的网络；

利用知识库中的关联规则，简单统计所有含一个类型故障出现的频率，并找出那些不小于最小支持度的故障事件，从第二步开始循环处理直到再没有最大项集生成，然后对知识库进行搜索，得到侯选项集的项集支持度，与最小支持度比较，从而找到k维最大项集，即根据设备基础信息、外部环境数据及历史三比值情况分别计算发生各类故障的概率，得出设备最有可能发生的故障的类型。

2.如权利要求1所述的一种配电变压器故障风险监测方法，其特征在于，步骤三所述的故障设备信息步骤，采用三比值法，将输变电在线监测系统中某一台当前的油色谱数据输入模型，并通过油色谱数据计算三比值。

3.如权利要求1所述的一种配电变压器故障风险监测方法，其特征在于，步骤四故障根因库构建方法，通过分析每一类中三比值的最大值和最小值，推断出设备发生故障前t(t≥1)天之内的三比值的阈值范围是：乙炔/乙烯为MIN11≤Ratio≤MAX11；甲烷/氢气为MIN12≤Ratio≤MAX12；乙烯/乙烷为MIN13≤Ratio≤MAX13。

4.如权利要求1所述的一种配电变压器故障风险监测方法，其特征在于，步骤五分析预测模型：在数据输入及知识库建立的基础上，针对各类型设备，分别按照其对应知识层归集的规则创建故障预测模型，对各类型故障的发生概率进行预估，从而实现对配电变压器未来发生故障可能性的预测。