一种干式变压器的故障预测方法、装置及系统与流程

本发明涉及能源技术领域，尤其涉及一种干式变压器的故障预测方法、装置及系统。

背景技术：

干式变压器具有维护工作量小、运行效率高、体积小、噪音低等优点，因此，在供配电系统中得到了大量应用。但在运行中，由于误用、振动、过高的操作温度、涌流、过负荷、对控制设备的维护不够、清洁不良等原因，特别当变压器运行在比较恶劣的环境时，会造成变压器产生故障，严重影响生产或引起电气事故。

目前，对于运行中的干式变压器，只能通过简单日常巡检和定期的停运对其进行检查维护，观察各个紧固件有无松动、发热，绕组绝缘表面有无龟裂、爬电和碳化痕迹，声音是否正常等等。

对于变压器内部绝缘缺陷大多数发生在设备内部，从外表上不易观察到，只能在电力设备停产时期进行预防性试验。但是对于微弱的绝缘缺陷，特别是早期性绝缘故障，对电力设备运行状态几乎没有影响，甚至绝缘预防性试验也测试不到。这导致即使定期的预防性试验，也很难及时准确地发现绝缘隐患。因此，仅靠日常巡检和定期的停运检查难以及时发现变压器存在的故障隐患，进而可能引起安全事故。

技术实现要素：

本发明提供一种干式变压器的故障预测方法、装置及系统，可实现对多台变压器的健康状况进行监测，提前发现变压器运行中存在的故障隐患，降低变压器故障带来的经济损失和安全隐患。

第一方面，本发明提供了一种干式变压器的故障预测方法，所述方法包括：获取所述干式变压器的运行数据；对所述运行数据进行滤波处理；将所述滤波后的运行数据输入预先训练的故障预测模型，以预测所述干式变压器的健康状态；当预测所述干式变压器存在故障隐患时，输出预警信息。

优选地，

所述方法还包括：基于所述干式变压器的历史运行数据、故障判断数据、设备出厂参数等，进行训练神经网络，以得到所述故障预测模型，其中，故障判断数据包括干式变压器的运行数据与故障类型的对应关系。

优选地，

所述故障预测模型为三层神经网络模型，包括输入层、隐含层和输出层，其中，所述输入层的节点数为所述历史运行数据的特征量的总数，所述隐含层的节点数为预设故障类型的总数，所述输出层的节点数为预设故障类型的总数。

优选地，

对所述运行数据进行滤波处理包括：对所述运行数据进行频率和幅值分析，以对所述运行数据进行分类；基于所述分类后运行数据，通过预设滤波器去除所述运行数据中的干扰数据；对所述已去除干扰数据的运行数据进行数据重构，可得到所述滤波后的运行数据。

优选地，

所述将所述滤波后的运行数据输入预先训练的故障预测模型，以预测所述干式变压器的运行状态包括：对所述滤波后的运行数据进行特征提取，以得到所述运行数据的特征量；将所述特征量输入预先训练的故障预测模型，以预测所述干式变压器的运行状态。

优选地，

所述方法还包括：

显示所述干式变压器的运行数据和预测的运行状态。

本发明所述的干式变压器故障预测装置，包括：数据获取模块，用于获取所述干式变压器的运行数据；滤波模块，用于对所述运行数据进行滤波处理；预测模块，用于将所述滤波后的运行数据输入预先训练的故障预测模型，以预测所述干式变压器的健康状态；输出模块，用于当预测所述干式变压器存在故障隐患时，输出故障预警信息。

优选地，

所述故障预测装置还包括：模型训练模块，用于基于所述干式变压器的历史运行数据、故障判断数据、和设备出厂参数，进行训练神经网络，以得到所述故障预测模型，其中，故障判断数据包括干式变压器的运行数据与故障类型的对应关系。

优选地，

所述装置还包括：显示模块，用于展示所述干式变压器的运行数据和预测信息。

本发明另一方面还提供一种干式变压器的故障预测系统，所述系统包含：

数据监测终端、数据采集模块、智能网关和前述的干式变压器的故障预测装置；

其中，所述数据监测终端包括局部放电传感器、电压传感器、电流传感器、绕组温度传感器、环境温湿度传感器和振动传感器中的至少一种；

数据采集模块包括a/d转换模块、通讯模块、电源模块和存储模块；

所述智能网关包括rs485通讯模块、以太网模块、协议转换模块、控制器模块、电源模块；

优选地，

每台变压器配置一个数据采集模块；

所述智能网关包括rs485通讯模块、以太网无线模块、协议转换模块、控制器模块、电源模块。

所述的一种干式变压器的故障预测方法、装置及系统工作流程为：所述数据监测终端负责对变压器的运行参数进行持续性感知，所述数据采集模块按固定周期对数据监测终端上传的数据进行采样，并将模拟量转换成数字量，每次采集的数据汇总后，由485总线传输到智能网关；智能网关至少可以同一个数据采集模块进行通信，在获取采集模块传输到的数据后，进行协议转换，按照tcp/ip协议，通过无线以太网传递到监控云平台。监控云平台对采集的数据进行分析，并同故障特征量进行比较，最终对变压器状态进行判断，若发现故障则在平台上进行故障报警提醒，并将预警信息发送到运维人员。

本发明提供的一种干式变压器的故障预测方法、装置和系统，可实时获取多台干式变压器的运行数据，并通过预先训练的故障预测模型对设备健康状态进行判断，从而及早发现变压器存在的故障隐患，实现对干式变压器的提前检修，将隐患消灭在故障初期，降低故障对变压器的更大损伤，从而降低变压器故障带来的经济损失和安全隐患。

附图说明

为了更清楚地说明本说明书实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种干式变压器的故障预测方法的流程示意图；

图2为本发明一实施例提供的一种干式变压器的故障预测装置的结构示意图；

图3为本发明一实施例提供的一种干式变压器的故障预测系统结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本说明书的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

随着传感测量、通信、计算机及人工智能等技术的发展，对干式变压器进行实时监测，并通过对故障特征量的分析、比较，为干式变压器的故障预测奠定了基础。现阶段，干式变压器在运行过程中，很难对其进行检修，从而导致其中的故障隐患难以发现，而等到故障发生后再进行停运检修，将会严重影响生产，造成较大的经济损失。基于此，本发明拟提供一种干式变压器的在线故障预测方法及系统，可实现对多台干式变压器的运行状态实时监测，及时发现干式变压器存在的故障隐患，通过将隐患消灭在故障初期，降低故障对变压器的损伤，从而降低变压器故障带来的经济损失和安全隐患。

下面将结合附图对本发明提供的一种干式变压器的故障预测方法及系统进行详细描述，以使本领域技术人员能够清、准确地理解本发明的技术方案。

图1为本发明一实施例提供的一种干式变压器的故障预测方法的流程示意图。

如图1所示，本发明实施例提供了一种干式变压器的故障预测方法，该方法可以包括如下步骤：

步骤110，获取干式变压器的运行数据。

在本发明实施例中，可以通过例如电压传感器、电流传感器、绕组温度传感器、环境温湿度传感器和振动传感器等采集干式变压器的运行数据。通过数据传输接口获取来自上述传感器采集的运行数据。

在本发明一示例性实施例中，运行数据包括但不限于干式变压器运行过程中的电压数据、电流数据、局部放电数据、绕组温度数据、环境温度数据等等。在本发明中不对此进行限制，可以根据实际预测需求增设相应的传感器以获取期望的运行数据。

步骤120，对运行数据进行滤波处理。

在本步骤中，可以实现为：对所述运行数据进行频率和幅值分析，以对所述运行数据进行分类；基于所述分类后运行数据，通过预设滤波器去除所述运行数据中的干扰数据；对所述已去除干扰数据的运行数据进行数据重构，已得到所述滤波后的运行数据。示例性地，在步骤110获取到干式变压器的运行数据后，可以将不同种类的运行数据进行分类，分别经过预设的信号滤波器去除其中干扰数据，得到期望的运行数据。

示例性地，低频采样数据(例如电压数据、电流数据、温度数据等)可以采用平滑滤波和带宽滤波进行滤波；高频采样数据(例如，局部放电数据)可以采用小波滤波方式进行滤波处理。进一步举例来讲，可以分析干式变压器的运行数据，例如分析其频段及其幅值范围；将采集的局部放电信号按照频段分解，然后去除干扰信号所在频段及幅值阈值内的信号数据；经小波重构还原信号，从而得到真实的局部放电信号。

步骤130，将滤波后的运行数据输入预先训练的故障预测模型，以预测干式变压器的健康状态。

根据本发明一示例性实施例，预先训练的故障预测模型以滤波后的运行数据为输入，以干式变压器的健康状态的预测结果作为输出。该步骤可以实现为：对所述滤波后的运行数据进行特征提取，以得到所述运行数据的特征量；将所述特征量输入预先训练的故障预测模型，以预测所述干式变压器的健康状态。对所述各运行参数的特征量，例如，针对交流监测量(例如电流数据和电压数据)提取工频周期有效值作为特征量，针对直流量(例如温度、湿度)提取采集周期平均值作为有效值；针对高速采样信号(例如局部放电数据)提取的特征量为偏斜度、陡峭度、互相关系数、放电量因数、相位不对称度和修正的互相关系数二维谱图统计参量等。

示例性地，可以基于所述干式变压器的历史运行数据、故障判断数据、出厂参数等，训练神经网络，以得到所述故障预测模型，其中，故障判断数据包括干式变压器的运行数据与故障类型的对应关系。运行数据和故障类型的对应关系，可以来自于干式变压器的出厂参数或资深的行业技术人员等对故障判断的经验数据。

在一些实施例中，故障预测模型为三层神经网络模型，包括输入层、隐含层和输出层，其中，所述输入层的节点数为所述历史运行数据的特征量的总数，所述隐含层的节点数为预设故障类型的总数，所述输出层的节点数为预设故障类型的总数。

步骤140，当预测干式变压器存在故障隐患时，输出预警信息。

在本步骤中，当预测出干式变压器存在故障隐患时进行告警提醒，以提醒运维人员及时对隐患进行处理。

在另一些实施例中，可以显示所述干式变压器的运行数据和预测的健康信息。

本发明提供一种干式变压器的故障预测方法，实时获取多台干式变压器的运行数据，并通过预先训练的故障预测模型对运行数据进行判断，从而预测出干式变压器的故障隐患，实现对干式变压器的健康状态实时监测，这样可以及时发现干式变压器运行中存在的故障隐患，通过将隐患消灭在故障初期，可降低故障对干式变压器的损伤扩大，从而降低变压器故障带来的经济损失和安全隐患。

前述实施例对本发明提供的一种干式变压器的故障预测方法进行了详细描述，下面将结合附图对相应的系统进行详细描述。其实现原理及技术效果与前述方法实施例相同。

图2为本发明一实施例提供的一种干式变压器的故障预测系统平台软件的流程示意图。

如图2所示，本发明的一种干式变压器的故障预测系统软件200包括：数据获取模块210、滤波模块220、预测模块230和输出模块240。

数据获取模块210可以用于获取所述干式变压器的运行数据。

滤波模块220可以用于对所述运行数据进行滤波处理。

在一些实施例中，滤波模块220进一步可以用于对所述运行数据进行频率和幅值分析，以对所述运行数据进行分类；基于所述分类后运行数据，通过预设滤波器去除所述运行数据中的干扰数据；对所述已去除干扰数据的运行数据进行数据重构，可得到所述滤波后的运行数据。

预测模块230可以用于将所述滤波后的运行数据输入预先训练的故障预测模型，以预测所述干式变压器的运行状态。

在一些实施例中，预测模块230进一步可以用于对所述滤波后的运行数据进行特征提取，以得到所述运行数据的特征量；将所述特征量输入预先训练的故障预测模型，以预测所述干式变压器的健康状态。

输出模块240可以用于当预测所述干式变压器存在故障隐患时，输出预警信息。

进一步地，根据本发明一示例性实施例，所述平台系统软件还可以包括模型训练模块(图中未示出)，可以用于基于所述干式变压器的历史运行数据、故障判断数据，训练神经网络，以得到所述故障预测模型，其中，故障判断数据包括干式变压器的运行数据与故障类型的对应关系。在一些实施例中，所述输入层的节点数为所述历史运行数据的特征量的总数，所述隐含层的节点数为预设故障类型的总数，所述输出层的节点数为预设故障类型的总数。

本发明提供一种干式变压器的故障预测系统及方法，实时获取多台干式变压器的运行数据，并通过预先训练的故障预测模型对数据进行判断，从而预警变压器存在的故障隐患，实现对干式变压器的健康状态实时监测，能够及时发现干式变压器运行中存在的故障隐患，将隐患消灭在故障初期，降低故障对干式变压器的损伤扩大，从而降低变压器故障带来的经济损失和安全隐患。

图3为本发明一实施例提供的一种干式变压器的故障预测系统的结构示意图。

如图3所示，一种干式变压器的故障预测系统可以包括数据监测终端、数据采集模块1至数据采集模块n，、485总线、智能网关、无线网络(例如，以太网)、监控平台(如图2所示的装置)。

所述数据监测终端可以包括局部放电传感器、电压传感器、电流传感器、绕组温度传感器、环境温湿度传感器和振动传感器中的至少一种。

其中，局部放电传感器可以用于检测干式变压器是否存在局部放电现象，优选地，局部放电传感器可以采用空气式超声波传感器，空气式超声波传感器封装成旋转探头形式，定位精度为20cm，可以将多个局部放电传感器分别布置在干式变压器箱体的顶部和周围壳体上。

电压传感器和电流传感器分别可以用于测量干式变压器的电压和电流，优选地，选择干式变压器的低压侧的电压和电流进行测量。

绕组温度传感器可以用于测量干式变压器绕组内部的温度，通常干式变压器内部绕组会嵌入传感器，可以直接利用绕组温度传感器测量。

环境温湿度传感器可以用于测量干式变压器运行环境中的温度和湿度。

振动传感器可以用于监测干式变压器在运行中振动幅度和加速度，优选地，振动传感器安装于干式变压器本体的下部。

进一步地，数据采集模块可以包括a/d转换模块、通讯模块、电源模块和存储模块。优选地，每个干式变压器至少配置一个数据采集模块。

智能网关可以包括rs485通讯模块、以太网模块、协议转换模块333、控制器模块和电源模块。

优选地，智能网关同监控平台间的通信可以采取gprs方式。

监控平台(如图2所示的装置)由数据服务器、应用服务器、web服务器、通讯服务器、工作站组成，变压器故障预测系统软件装载在应用服务器中，各个服务器通过网线连接。

为了描述的方便，描述以上系统时以功能分为各种单元或模块分别描述。当然，在实施本说明书时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。