[发明专利]一种基于趋势分析的变压器潜伏性故障预警方法

说明书

本发明公开了一种基于趋势分析的变压器潜伏性故障预警方法。基于非参数回归方法对历史数据进行平滑处理，通过准确率、召回率和带宽等异常值检测评价指标，得到最优的平滑因子及与之对应的上下限时间序列数据。以该上下限序列数据为历史数据，建立气体浓度自适应预测模型，预测未来时间段内的上下限气体浓度数据。通过实际检测数据与预测上下限数据的对比，确定预警策略。本发明提出的方法，避免了固定阈值存在的漏报和误报等问题，能够满足现场应用的要求，有利于提高变压器潜伏性故障的预警可靠性，为变压器的维修工作提供了更可靠的参考，保证了变压器和电力系统的安全稳定运行。

技术领域

本发明属于变压器状态评估领域，具体是一种基于趋势分析的变压器潜伏性故障预警方法。

背景技术

电力变压器的工作状态对电力系统的安全稳定运行起着重要的作用。为了准确地判断变压器的健康状态，开发了多种监测技术，其中基于油中溶解气体分析的变压器故障诊断技术被认为是发现潜伏性故障的最为有效的手段。鉴于变压器在电力系统中的重要作用，尽快的发现变压器的潜伏性故障，对故障进行预警，就显得格外重要。

根据现有标准《DL/T 722-2014变压器油中溶解气体分析和判断导则》，当变压器油中溶解气体浓度绝对值或产气率超过注意值时，便会判断变压器进入故障状态。但这种办法一方面会降低故障判断的灵敏度，有时在气体含量或产气率未达注意值时，变压器便可能已经发生潜伏性故障，另一方面也可能发生误判，有时气体含量或产气率达到注意值时，变压器并非一定发生故障。油色谱在线监测装置在电力系统内的广泛应用，为及时准确地把握变压器状态及其发展趋势提供了数据基础，而已有方法鲜有利用油中溶解气体时间序列数据挖掘设备状态，并对潜伏性故障进行预警。固定的气体含量阈值和产气率阈值也很难考虑设备个体差异。

发明内容

本发明为了解决上述问题，综合利用非参数回归以及区间预测技术，对气体浓度边界进行预测，提出了一种基于趋势分析的变压器潜伏性故障预警方法，以提高预警可靠性。

为了实现上述目的，本发明采用如下技术方案：

一种基于趋势分析的变压器潜伏性故障预警方法，包括以下步骤：

步骤1：对变压器正常运行状态的气体浓度历史数据，取最近一段时间(如30天)数据，通过非参数回归方法(如kernel-smoothing)对历史数据进行平滑处理并检测异常值，通过异常值检测评价指标，得到最优的非参数回归方法中平滑因子的取值，及与之对应的上下限时间序列数据；

步骤2：以该历史气体浓度数据上下限为历史数据，建立变压器油中溶解气体浓度自适应预测模型，并通过智能优化方法优化模型参数；

步骤3：确定好预测模型参数后，对未来7天的上下限气体浓度(预警边界)进行预测；

步骤4：通过气体浓度测量数据与预测边界的比较，确定预警策略。

本发明的有益效果为：

本发明提出一种基于趋势分析的变压器潜伏性故障预警方法，基于非参数回归方法对历史数据进行异常值检测，并确立历史数据上下限时间序列数据；以历史上下限时间序列数据为基础，建立气体浓度自适应预测模型，并对未来时刻气体浓度边界进行预测；通过检测值与预测边界的比较确定预警策略。与气体浓度阈值以及产气率阈值等固定阈值预警方法比较，本发明所提方法避免了固定阈值存在的漏报和误报等问题，能够满足现场应用的要求，有利于提高变压器潜伏性故障的预警可靠性。本发明提出的变压器潜伏性故障预警方法对变压器的维修工作提供了更可靠的参考，保证了变压器和电力系统的安全稳定运行。

附图说明

图1为基于趋势分析的变压器潜伏性故障预警方法流程图；

图2为异常值检测平滑因子h₂对应检测效果图；