本技术涉及故障检测,尤其涉及一种变压器运行状态确定方法、装置及电子设备。
背景技术:
1、电力变压器作为一种常见的电气器设备,常用于将某一数值的电压变成另一种或者另外几种数值不同的电压,其能够安全、稳定地运行是保证电力系统稳定运行的重要基础。但是,电力变压器在运行过程中常受到众多外界因素的共同作用,突发性的故障是很难避免的。
2、为了提高电力变压器的运行稳定性,相关技术提出通过变压器油色谱含量分析,来对电力变压器的运行状态进行检测或者预测。然而,现有的通过变压器油色谱含量分析的方法通常只能预测单一的指标参数,由于单一的指标参数无法精准表征电力变压器的状态,因此,现有的电力变压器运行状态的预测方法很难得到精准的电力变压器运行状态的预测结果。
技术实现思路
1、有鉴于此,本技术实施例提供了一种变压器运行状态确定方法、装置及电子设备,以提高电力变压器运行状态的预测精度。
2、第一方面,本技术实施例提供了一种变压器运行状态确定方法,该方法包括:
3、获取目标变压器的变压器油中的溶解气体数据,其中,所述溶解气体数据包括不同类型的目标溶解气体数据;
4、基于所述不同类型的目标溶解气体数据,确定不同类型的目标溶解气体数据之间的关联特征,其中,所述关联特征是基于不同类型目标溶解气体数据之间的支持度与置信度确定得到的;
5、基于所述关联特征,利用预设故障诊断模型,确定所述目标变压器的目标运行状态。
6、结合第一方面,在第二种可能的实施例中,所述基于所述不同类型的目标溶解气体数据,确定不同类型的目标溶解气体数据之间的关联特征,包括:
7、针对所述不同类型的目标溶解气体数据,构建不同的候选数据项集;
8、利用预设关联规则挖掘算法,从所述不同的候选数据项集中确定出满足最小支持度要求的各目标频繁项集;
9、基于各所述目标频繁项集,确定所述不同类型的目标溶解气体数据之间的关联特征。
10、结合第一方面,在第三种可能的实施例中,所述方法还包括:
11、对所述目标变压器的变压器油中的溶解气体数据进行数据预处理,获取所述不同类型的目标溶解气体数据。
12、结合第一方面的第三种可能的实施例,在第四种可能的实施例中,所述对所述目标变压器的变压器油中的溶解气体数据进行数据预处理包括:
13、对所述目标变压器的变压器油中的溶解气体数据进行数据清洗,获取第一目标数据;
14、针对所述第一目标数据,基于k均值聚类进行离散化处理,得到第二目标数据;
15、基于所述第二目标数据进行数据符号化处理,以得到所述不同类型的目标溶解气体数据。
16、结合第一方面,在第五种可能的实施例中,所述方法还包括:
17、利用预设数据变换算法,对目标类型的溶解气体数据进行数据分解,获取所述目标类型的溶解气体数据序列的各个子序列,其中,所述目标类型的溶解气体数据为所述支持度与所述置信度满足预设筛选条件溶解气体数据;
18、基于各所述子序列,利用预先训练得到的长短期记忆网络模型,确定各所述子序列各自对应的目标类型的溶解气体数据的预测结果;
19、对各所述预测结果进行叠加重构处理,以得到所述目标类型的溶解气体数据的最终预测结果。
20、结合第一方面的第五种可能的实施例,在第六种可能的实施例中,基于所述关联特征,利用预设故障诊断模型,确定所述目标变压器的目标运行状态,包括:
21、基于所述目标类型的溶解气体数据的最终预测结果,利用所述预设故障诊断模型,确定所述目标变压器的目标运行状态。
22、第二方面,本技术实施例提供了一种变压器运行状态确定装置,其中,该装置包括:
23、获取模块,用于获取目标变压器的变压器油中的溶解气体数据,其中,所述溶解气体数据包括不同类型的目标溶解气体数据;
24、关联特征确定模块,用于基于所述不同类型的目标溶解气体数据,确定不同类型的目标溶解气体数据之间的关联特征,其中,所述关联特征是基于不同类型目标溶解气体数据之间的支持度与置信度确定得到的;
25、变压器运行状态确定模块,用于基于所述关联特征,利用预设故障诊断模型,确定所述目标变压器的目标运行状态。
26、结合第二方面,在第二种可能的实施例中,所述关联特征确定模块,具体用于针对所述不同类型的目标溶解气体数据,构建不同的候选数据项集;利用预设关联规则挖掘算法,从所述不同的候选数据项集中确定出满足最小支持度要求的各目标频繁项集;基于各所述目标频繁项集,确定所述不同类型的目标溶解气体数据之间的关联特征。
27、结合第二方面,在第三种可能的实施例中,所述装置还包括:
28、数据预处理模块,用于对所述目标变压器的变压器油中的溶解气体数据进行数据预处理,获取所述不同类型的目标溶解气体数据。
29、结合第二方面的第三种可能的实施例,在第四种可能的实施例中,所述数据预处理模块,具体用于对所述目标变压器的变压器油中的溶解气体数据进行数据清洗,获取第一目标数据;针对所述第一目标数据,基于k均值聚类进行离散化处理,得到第二目标数据;基于所述第二目标数据进行数据符号化处理,以得到所述不同类型的目标溶解气体数据。
30、结合第二方面,在第五种可能的实施例中,所述装置还包括:
31、数据变换模块,用于利用预设数据变换算法,对目标类型的溶解气体数据进行数据分解,获取所述目标类型的溶解气体数据序列的各个子序列,其中,所述目标类型的溶解气体数据为所述支持度与所述置信度满足预设筛选条件溶解气体数据;
32、初期预测结果确定模块,用于基于各所述子序列,利用预先训练得到的长短期记忆网络模型,确定各所述子序列各自对应的目标类型的溶解气体数据的预测结果;
33、最终预测结果确定模块,对各所述预测结果进行叠加重构处理,以得到所述目标类型的溶解气体数据的最终预测结果。
34、结合第二方面的第五种可能的实施例,在第六种可能的实施例中,所述运行状态确定模块,还用于基于所述目标类型的溶解气体数据的最终预测结果,利用所述预设故障诊断模型,确定所述目标变压器的目标运行状态。
35、第三方面,本技术实施例提供了一种电子设备,其中,该电子设备包括:
36、处理器;以及
37、存储程序的存储器,
38、其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行第一方面所述的变压器运行状态确定方法。
39、第四方面,本技术实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行第一方面所述的变压器运行状态确定方法。
40、本技术的有益效果:
41、本技术实施例提供了一种变压器运行状态确定方法、装置及电子设备,其中,该方法通过获取目标变压器的变压器油中的溶解气体数据,确定不同目标溶解气体数据之间的关联特征,基于该不同目标溶解气体数据之间的关联特征,利用预设故障诊断模型,确定目标变压器的目标运行状态。
42、由于不同目标溶解气体数据之间的关联特征是基于不同类型目目标溶解气体数据之间的支持度与置信度确定得到的,该关联特征能够更为精准地表征不同溶解气体之间的关联关系,能够更为综合地反映变压器油中的各气体成分之间的关系。因此,选用本技术实施例,可借助不同指标参数对变压器的状态进行综合诊断,进一步得到更为精准的电力变压器运行状态的预测结果。
43、本技术实施例中提供的一个或多个技术方案,可以实现提高变压器运行状态的预测精度的技术效果。