本发明涉及电气设备,具体为一种基于多源异构数据的变压器机械平稳性分析方法。
背景技术:
1、电气设备是在电力系统中对发电机、变压器、电力线路、断路器等设备的统称。电力在我们的生活和生产中所发挥的重要作用不容忽视,其带给我们极大的便利,成为我们生产生活中的重要能源。电厂中能够让电力正常运行和输送的最为关键的因素便是电气设备。
2、在电力系统运行中,电气设备稳定性、安全性、可靠性直接影响电力系统运行,电气设备的检修和检测是作为保障电气设备正常运行的根据,它不仅能及时发现设备问题,还能对相关问题进行有效处理,从而最大限度减小设备故障发生率,将电力系统损失降到最低。因此,在实际工作中,必须正确认识电气设备在线监测以及状态检修工作,确保电力系统正常运行。
3、但是目前在对电气设备检测后,通常是由人工根据所检测的数据来对电气设备的状态及故障进行诊断,在这过程中进而会存在效率低的现象,而且在该工作人员经验不足时,则会存在诊断错误的现象。因此,发明一种基于多源异构数据的变压器机械平稳性分析方法。
技术实现思路
1、鉴于上述和/或现有一种基于多源异构数据的变压器机械平稳性分析方法中存在的问题,提出了本发明。
2、因此,本发明的目的是提供一种基于多源异构数据的变压器机械平稳性分析方法,能够解决上述提出现有的问题。
3、为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:
4、一种基于多源异构数据的变压器机械平稳性分析方法,其包括具体步骤如下:
5、步骤一,多源异构数据格式规整:针对油色谱、电压、电流、功率、声音、温度、接地电流、局放的时序数据和电磁振荡的高密度采样数据以及视觉图像的高维度数据,分别研究其特征提取和数据规整算法,以将不同方式获取的多源异构数据规整到统一模式下;
6、步骤二,多源数据特征融合:根据不同特征的差异性、冗余性、相关性进行聚类分析,筛选故障敏感度高、故障信息差异大的特征进行融合,实现特征降维和故障信息融合;
7、步骤三,早期隐患自适应预警:建立连续跳变触发预警的早期故障预警机制,根据不同电气设备的噪声水平、采样间隔,结合对设备历史数据学习建立深度学习模型,自适应调整预警关键参数,实现对早期隐患的及时预警;
8、步骤四,复合故障的智能诊断:利用前期积累的故障案例大数据资源,结合神经网络的深度学习模型,构建并训练智能诊断模型,通过迁移学习的智能算法实现模型泛化,派发到不同区域实现对设备故障的在线智能诊断;
9、步骤五,多模型诊断结果的融合决策:集成不同模型的智能诊断结果,基于模糊理论和组合权重结合的策略,实现模型诊断结果决策层的融合,提高诊断结果的准确性和鲁棒性。
10、作为本发明所述的一种基于多源异构数据的变压器机械平稳性分析方法的一种优选方案,其中:所述步骤一中的多源异构数据是通过在线监测系统所得到的。
11、作为本发明所述的一种基于多源异构数据的变压器机械平稳性分析方法的一种优选方案,其中:所述在线监测系统包括:
12、用于对油色谱进行监测的油色谱在线监测模块;
13、用于对电磁振荡进行监测的电磁振荡监测模块;
14、用于对电压、电流、功率、声音和视觉图像进行监测的综合自动化监测模块;
15、用于对温度进行监测的温度在线监测模块;
16、用于对接地电流进行监测的铁芯铁夹接地监测模块;
17、用于对局放进行监测的局放在线监测模块。
18、作为本发明所述的一种基于多源异构数据的变压器机械平稳性分析方法的一种优选方案,其中:所述综合自动化监测模块包括:
19、用于对电流进行检测的电流检测模块;
20、用于对电压进行检测的电压检测模块;
21、用于对功率进行检测的功率检测模块;
22、用于对图像进行采集检测的图像采集模块;
23、用于对声音进行采集检测的声音检测模块。
24、作为本发明所述的一种基于多源异构数据的变压器机械平稳性分析方法的一种优选方案,其中:所述电磁振荡监测模块由采集模块和分析诊断模块组成。
25、作为本发明所述的一种基于多源异构数据的变压器机械平稳性分析方法的一种优选方案,其中:所述采集模块包括16个振动加速度传感器,且分别设置于变压器的四周,以实现对变压器振动信号的同步数据采集。
26、作为本发明所述的一种基于多源异构数据的变压器机械平稳性分析方法的一种优选方案,其中:所述分析诊断模块通过对变压器铁芯和绕组的数据类进行监护预判及逻辑设备的合理建模,实现对变压器运行中潜伏故障的诊断与预警。
27、与现有技术相比:
28、通过将多源异构数据格式规整、多源数据特征融合、早期隐患自适应预警、复合故障的智能诊断和多模型诊断结果的融合决策形成电厂变压器等关键设备的诊断模型库、专家知识库,具有能够实现变压器等高压电气设备的早期隐患预警和复合故障的智能诊断,进而会在一定程度上为行业同类电气设备的早期隐患预警和故障智能故障诊断树立标杆,引领电气设备的精准、有效、智能管理。
1.一种基于多源异构数据的变压器机械平稳性分析方法,其特征在于,包括具体步骤如下:
2.根据权利要求1所述的一种基于多源异构数据的变压器机械平稳性分析方法,其特征在于,所述步骤一中的多源异构数据是通过在线监测系统所得到的。
3.根据权利要求2所述的一种基于多源异构数据的变压器机械平稳性分析方法,其特征在于,所述在线监测系统包括:
4.根据权利要求3所述的一种基于多源异构数据的变压器机械平稳性分析方法,其特征在于,所述综合自动化监测模块包括:
5.根据权利要求3所述的一种基于多源异构数据的变压器机械平稳性分析方法,其特征在于,所述电磁振荡监测模块由采集模块和分析诊断模块组成。
6.根据权利要求5所述的一种基于多源异构数据的变压器机械平稳性分析方法,其特征在于,所述采集模块包括16个振动加速度传感器,且分别设置于变压器的四周,以实现对变压器振动信号的同步数据采集。
7.根据权利要求5所述的一种基于多源异构数据的变压器机械平稳性分析方法,其特征在于,所述分析诊断模块通过对变压器铁芯和绕组的数据类进行监护预判及逻辑设备的合理建模,实现对变压器运行中潜伏故障的诊断与预警。