[发明专利]一种氧化锌避雷器绝缘劣化趋势分析方法

说明书

本发明涉及一种氧化锌避雷器绝缘劣化趋势分析方法，获取避雷器在线监测数据、基础台账数据、温湿度数据，将获取的数据进行数据清洗，然后通过数学形态学消噪处理清洗后数据，有效消除信号噪声的同时保留原信号的全局和局部特征，提高在线监测数据可靠性，接着通过EMD分析，提取数据信号中各个模态分量及表征数据原始信号中心趋势分量，再从中心趋势分量，获取曲线各个拐点，进一步根据数据变化率告警上下限及各个相邻外点间数据变化率，确定相邻拐点间数据变化趋势，最后组合相邻拐点的变化趋势，得出避雷器监测数据变化趋势，并根据避雷器绝缘劣化告警因子，发出绝缘劣化趋势告警,实现避雷器绝缘故障的高效感知，保障电网安全可靠运行。

技术领域

本发明涉及电力安全技术领域，特别是一种氧化锌避雷器绝缘劣化趋势分析方法。

背景技术

氧化锌避雷器是电网中限制过电压的重要保护装置，可以为重要的电气设备提供一定的保护裕度，其运行的可靠性关系到电网的稳定运行，但是避雷器长期承受系统电压、过电压、污秽、内部受潮等因素，绝缘性能逐渐劣化，可能导致设备故障，影响电力系统安全稳定和供电可靠性，为了全面监控避雷器的运行状态，电网公司对220kV 及以上避雷器开展在线监测，但是在线监测数据受运行环境等因素影响，数据波动性较大，难以判断监测数据变化趋势，当前，针对在线监测数据处理分析相对成熟，可充分利用积累的海量，应用大数据处理框架、数学形态学滤波、EMD算法，有效开展避雷器绝缘劣化趋势分析，实现避雷器绝缘变化趋势的快速感知，以及在此基础上电网设备供电可靠性已变得十分迫切。

通过数学形态学消噪处理电力系统避雷器在线监测现场采集的数据，有效消除信号噪声的同时保留原信号的全局和局部特征，提高在线监测数据可靠性，但是在线监测设备的监测数据由于受工况等因素的影响，数据信号中含有若干种模态分量，通过应用形态学滤波及 EMD分析，可以从数据信号中分离各个模态分量及表征数据原始信号中心趋势分量。再根据中心趋势分量及数据变化率告警上下限，就可准确分析设备一段时间内的绝缘劣化趋势。

发明内容

有鉴于此，本发明的目的是提供一种氧化锌避雷器绝缘劣化趋势分析方法，实现避雷器绝缘故障的高效感知，故障实时跟踪处理，提高避雷器设备运行可靠性，保障电网安全可靠运行。

本发明采用以下方案实现：一种氧化锌避雷器绝缘劣化趋势分析方法，包括以下步骤：

步骤S1：获取避雷器在线监测数据、基础台账数据和温湿度数据；

步骤S2：将步骤S1中获取的数据进行数据清洗；然后利用数学形态学进行消噪处理，用以消除信号噪声并保留原信号的全局和局部特征，提高在线监测数据可靠性；

步骤S3：通过EMD(经验模态)分析，提取步骤S2中消噪处理后的数据信号中各个模态分量及表征数据原始信号中心趋势分量，再从中心趋势分量，获取曲线各个拐点；根据数据变化率告警上下限及各个相邻外点间数据变化率，确定相邻拐点间数据变化趋势，组合相邻拐点间的变化趋势，得出一段区间内避雷器监测数据变化趋势，并根据避雷器绝缘劣化告警因子，发出绝缘劣化趋势告警。

进一步地，所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。

进一步地，所述避雷器在线监测数据包括泄漏 电流、阻性电流、容性电流。

进一步地，步骤S2中所述数据清洗的具体内容为：首先剔除无效数据，然后对于缺失的数据采用关联缺失点前后数据的线性插值法对数据进行补缺处理。

进一步地，步骤S2中所述利用数学形态学消噪处理的具体内容为：首先设定圆形序列结构元素；然后根据输入信号f(s)和序列结构元素b(s)的定义域分别为D_f和D_b，则f(s)关于b(s)的膨胀和腐蚀分别为：