本發明專利技術提出了一種用于智能變壓器的檢測方法及系統，涉及電工檢測技術領域。通過獲取當前變壓器油中溶解氣體含量信息；然后將當前變壓器油中溶解氣體含量信息與預置的溶解氣體含量閾值對比；根據多個氣體含量對比結果確定特征氣體；獲取n組新的變壓器油中特征氣體的含量信息；將n組新的變壓器油中特征氣體的含量信息作為特征氣體數據，并根據特征氣體數據采用最大信息系數方法計算n組不同特征氣體間的MIC值；根據n組不同特征氣體間的MIC值計算得到不同特征氣體間的MIC平均值；最后將不同特征氣體間的MIC平均值輸入至預置的故障診斷模型中，生成變壓器故障信息。使得到的變壓器故障信息更加準確，提高了變壓器故障檢測的有效性。有效性。有效性。
【技術實現步驟摘要】
一種用于智能變壓器的檢測方法及系統
[0001]本專利技術涉及電工檢測
，具體而言，涉及一種用于智能變壓器的檢測方法及系統。
技術介紹
[0002]智能變壓器作為高壓變電設備，隨著運行時間的增長，其電氣性能通常會有不同程度的降低，確保其正常運行是保證供電可靠性的基礎，也是電力安全生產的基本保障。
[0003]現有的智能變壓器檢測是通過采集變壓器油中溶解氣體含量，判斷溶解氣體是否超標來判斷變壓器是否出現故障。這種檢測方法檢測到的變壓器故障不夠準確。
技術實現思路
[0004]本專利技術的目的在于提供一種用于智能變壓器的檢測方法及系統，用以改善現有技術中變壓器故障檢測不夠準確的問題。
[0005]第一方面，本申請實施例提供一種用于智能變壓器的檢測方法，包括以下步驟：
[0006]獲取當前變壓器油中溶解氣體含量信息；
[0007]將當前變壓器油中溶解氣體含量信息與預置的溶解氣體含量閾值對比，得到多個氣體含量對比結果；
[0008]根據多個氣體含量對比結果確定特征氣體；
[0009]獲取n組新的變壓器油中特征氣體的含量信息；
[0010]將n組新的變壓器油中特征氣體的含量信息作為特征氣體數據，并根據特征氣體數據采用最大信息系數方法計算n組不同特征氣體間的MIC值；
[0011]根據n組不同特征氣體間的MIC值計算得到不同特征氣體間的MIC平均值；
[0012]將不同特征氣體間的MIC平均值輸入至預置的故障診斷模型中，生成變壓器故障信息。
[0013]上述實現過程中，通過獲取當前變壓器油中溶解氣體含量信息；然后將當前變壓器油中溶解氣體含量信息與預置的溶解氣體含量閾值對比，得到多個氣體含量對比結果；根據多個氣體含量對比結果確定特征氣體，從而得到與故障相關的氣體；然后獲取n組新的變壓器油中特征氣體的含量信息；將n組新的變壓器油中特征氣體的含量信息作為特征氣體數據，并根據特征氣體數據采用最大信息系數方法計算n組不同特征氣體間的MIC值，從而得到不同特征氣體之間的關聯性；再根據n組不同特征氣體間的MIC值計算得到不同特征氣體間的MIC平均值，通過求取均值，使得數據更加準確；最后將不同特征氣體間的MIC平均值輸入至預置的故障診斷模型中，生成變壓器故障信息。利用最大信息系數方法定量表征出現故障時特征氣體間的關聯程度，挖掘出特征氣體之間的關聯性，進一步揭示了變壓器故障的反應機理，并采用故障診斷模型根據不同特征氣體間的MIC值進行變壓器故障診斷，使得到的變壓器故障信息更加準確，提高了變壓器故障檢測的有效性。
[0014]基于第一方面，在本專利技術的一些實施例中，根據多個氣體含量對比結果確定特征
氣體的步驟包括以下步驟：
[0015]分別判斷各個氣體含量對比結果是否為超過，若是，將該氣體含量對應的氣體作為特征氣體；若否，則結束。
[0016]基于第一方面，在本專利技術的一些實施例中，還包括以下步驟：
[0017]采用插值法對n組新的變壓器油中特征氣體的含量信息進行擴展，得到并將m組新的變壓器油中特征氣體的含量信息作為特征氣體數據，m大于n。
[0018]基于第一方面，在本專利技術的一些實施例中，還包括以下步驟：
[0019]獲取多個歷史故障信息，歷史故障信息包括變壓器故障信息和對應的變壓器油中溶解氣體含量信息；
[0020]分別根據變壓器故障信息對應的變壓器油中溶解氣體含量信息計算不同氣體之間的MIC值；
[0021]將多個變壓器故障信息和對應的不同氣體之間的MIC值作為訓練樣本；
[0022]將訓練樣本采用深度學習算法進行訓練，得到故障診斷模型。
[0023]基于第一方面，在本專利技術的一些實施例中，還包括以下步驟：
[0024]獲取當前變壓器鐵芯接地電流及變壓器鐵芯接地電流傳感器位置信息；
[0025]將當前變壓器鐵芯接地電流與預置的變壓器鐵芯接地電流閾值進行比較，得到接地電流結果；
[0026]根據接地電流結果和變壓器鐵芯接地電流傳感器位置信息確定變壓器鐵芯接地電流故障位置。
[0027]第二方面，本申請實施例提供一種用于智能變壓器的檢測系統，包括：
[0028]第一信息獲取模塊，用于獲取當前變壓器油中溶解氣體含量信息；
[0029]氣體含量對比模塊，用于將當前變壓器油中溶解氣體含量信息與預置的溶解氣體含量閾值對比，得到多個氣體含量對比結果；
[0030]特征氣體確定模塊，用于根據多個氣體含量對比結果確定特征氣體；
[0031]第二信息獲取模塊，獲取n組新的變壓器油中特征氣體的含量信息；
[0032]MIC值計算模塊，用于將n組新的變壓器油中特征氣體的含量信息作為特征氣體數據，并根據特征氣體數據采用最大信息系數方法計算n組不同特征氣體間的MIC值；
[0033]均值計算模塊，用于根據n組不同特征氣體間的MIC值計算得到不同特征氣體間的MIC平均值；
[0034]故障檢測模塊，用于將不同特征氣體間的MIC平均值輸入至預置的故障診斷模型中，生成變壓器故障信息。
[0035]上述實現過程中，通過第一信息獲取模塊獲取當前變壓器油中溶解氣體含量信息；氣體含量對比模塊將當前變壓器油中溶解氣體含量信息與預置的溶解氣體含量閾值對比，得到多個氣體含量對比結果；特征氣體確定模塊根據多個氣體含量對比結果確定特征氣體，從而得到與故障相關的氣體；第二信息獲取模塊獲取n組新的變壓器油中特征氣體的含量信息；MIC值計算模塊將n組新的變壓器油中特征氣體的含量信息作為特征氣體數據，并根據特征氣體數據采用最大信息系數方法計算n組不同特征氣體間的MIC值，從而得到不同特征氣體之間的關聯性；均值計算模塊根據n組不同特征氣體間的MIC值計算得到不同特征氣體間的MIC平均值，通過求取均值，使得數據更加準確；故障檢測模塊將不同特征氣體
間的MIC平均值輸入至預置的故障診斷模型中，生成變壓器故障信息。利用最大信息系數方法定量表征出現故障時特征氣體間的關聯程度，挖掘出特征氣體之間的關聯性，進一步揭示了變壓器故障的反應機理，并采用故障診斷模型根據不同特征氣體間的MIC值進行變壓器故障診斷，使得到的變壓器故障信息更加準確，提高了變壓器故障檢測的有效性。
[0036]基于第二方面，在本專利技術的一些實施例中，特征氣體確定模塊包括：
[0037]氣體判斷單元，用于分別判斷各個氣體含量對比結果是否為超過，若是，將該氣體含量對應的氣體作為特征氣體；若否，則結束。
[0038]基于第二方面，在本專利技術的一些實施例中，還包括：
[0039]數據擴展模塊，用于采用插值法對n組新的變壓器油中特征氣體的含量信息進行擴展，得到并將m組新的變壓器油中特征氣體的含量信息作為特征氣體數據，m大于n。
[0040]第三方面，本申請實施例提供一種電子設備，其包括存儲器，用于存儲一個或多個程序；處理器。當一個或多個程序被處理器執行時，實現如上述第一方面中任本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種用于智能變壓器的檢測方法，其特征在于，包括以下步驟：獲取當前變壓器油中溶解氣體含量信息；將當前變壓器油中溶解氣體含量信息與預置的溶解氣體含量閾值對比，得到多個氣體含量對比結果；根據多個氣體含量對比結果確定特征氣體；獲取n組新的變壓器油中特征氣體的含量信息；將n組新的變壓器油中特征氣體的含量信息作為特征氣體數據，并根據特征氣體數據采用最大信息系數方法計算n組不同特征氣體間的MIC值；根據n組不同特征氣體間的MIC值計算得到不同特征氣體間的MIC平均值；將不同特征氣體間的MIC平均值輸入至預置的故障診斷模型中，生成變壓器故障信息。2.根據權利要求1所述的用于智能變壓器的檢測方法，其特征在于，所述根據多個氣體含量對比結果確定特征氣體的步驟包括以下步驟：分別判斷各個氣體含量對比結果是否為超過，若是，將該氣體含量對應的氣體作為特征氣體；若否，則結束。3.根據權利要求1所述的用于智能變壓器的檢測方法，其特征在于，還包括以下步驟：采用插值法對n組新的變壓器油中特征氣體的含量信息進行擴展，得到并將m組新的變壓器油中特征氣體的含量信息作為特征氣體數據，m大于n。4.根據權利要求1所述的用于智能變壓器的檢測方法，其特征在于，還包括以下步驟：獲取多個歷史故障信息，所述歷史故障信息包括變壓器故障信息和對應的變壓器油中溶解氣體含量信息；分別根據變壓器故障信息對應的變壓器油中溶解氣體含量信息計算不同氣體之間的MIC值；將多個變壓器故障信息和對應的不同氣體之間的MIC值作為訓練樣本；將訓練樣本采用深度學習算法進行訓練，得到故障診斷模型。5.根據權利要求1所述的用于智能變壓器的檢測方法，其特征在于，還包括以下步驟：獲取當前變壓器鐵芯接地電流及變壓器鐵芯接地電流傳感器位置信息；將當前變壓器鐵芯接地電流與預置的變壓器鐵芯接地電流閾值進行比較，得到接地電流...
【專利技術屬性】
技術研發人員：徐峰，鄧永杰，李巨鴻，
申請(專利權)人：匯網電氣有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。