本發明涉及一種獲得電力設備離散型狀態參數的方法，特別是一種獲得電力變壓器離散型狀態參數的方法，屬于電力系統檢測領域。

背景技術：

電力系統為國民經濟的持續發展提供強大的能源后盾，而電氣設備作為電力系統的構成元件，其可靠性是電網安全運行的保證。隨著用電負荷的變化和發展，原有輸變電設備受到載流量熱穩定限額等技術條件的限制，輸送容量大大降低，己經難以擔負送電任務，更不能滿足電力用戶的需要，尤其在用電高峰期、檢修下或發生故障等情況下，整個輸電系統互通容量不足將會造成壓限負荷，導致電網運行的經濟性和可靠性嚴重下降。

對電力設備開展檢測是目前較為有效的技術手段，其可實時對電力設備絕緣進行檢測，多種類型的檢測數據收集和快速存儲使得設備信息可以積累海量數據。然后，提取有用的設備信息已經成為了巨大的挑戰。國內外不少研究表明，電力設備在線監測信息數據與諸多因素相關，如環境溫度、設備運行條件、設備服役年齡等，易發生錯報、漏報和誤報情況。電力設備在運行過程中受到電、熱、機械及化學等多種應力作用，其不可避免受到破壞和損傷，通過對一種或多種設備的分析可實現對整體設備的壽命進行評估。電力變壓器參數可以為油中溶解氣體、局部放電、振動、聲音等多種電力變壓器參數，依據電力變壓器與其參數之間的映射關系，通過電力設備參數檢測實現對設備一種或者多種的綜合表征與評價。

電力變壓器狀態參數為連續型數據，參數檢測時數據不容易分離，且容易出現顯著誤差，很難利用計算機進行后期參數數據挖掘分析，因此需要對連續性數據離散化。目前尚無成熟的適用于電力設備狀態參數離散化方法，不能滿足電網設備狀態獲取的要求，更無法達到設備安全可靠運行的要求。

技術實現要素：

本發明要解決的技術問題是提供一種電力變壓器離散型狀態參數的方法，解決現有技術中電力變壓器狀態參數識別困難、電力變壓器多源數據挖掘困難的問題。

為了解決上述技術問題，本發明提供了一種獲得電力變壓器離散型狀態參數的方法，包括以下步驟：

通過氣體檢測設備獲得被測電力變壓器油中溶解氣體的種類與含量；判斷每種溶解氣體的含量是否大于預設閾值：若是，記為第一標記，若否，記為第二標記，作為電力變壓器離散型氣體狀態參數；

通過局部放電檢測儀獲得電力變壓器放電量統計參數、放電相位統計參數與放電次數統計參數，計算這三種統計參數的信息增益最大值并生成決策樹；根據決策樹判斷統計參數是否異常：若是，記為第一標記，若否，記為第二標記，作為電力變壓器離散型局部放電狀態參數；

通過繞組變形檢測儀獲得電力變壓器歸一化短路電流與系統最大運行方式下的短路電流，判斷歸一化短路電流與系統最大運行方式下的短路電流的比值是否大于1：若是，記為第一標記，若否，記為第二標記，作為電力變壓器離散型繞組狀態參數；

通過機械狀態檢測設備獲得電力變壓器機械狀態參數，將機械狀態參數的每個不相同數值設為一個區間；計算每對相鄰區間的卡方統計量，判斷每對區間卡方統計量是否大于卡方顯著性值：若是，記為第一標記，若否，記為第二標記，作為電力變壓器離散型機械狀態參數。

所述溶解氣體包括氫氣、甲烷、乙烷、乙烯和乙炔。

所述預設閾值包括氫氣閾值、甲烷閾值、乙烷閾值、乙烯閾值和乙炔閾值；判斷每種溶解氣體的含量是否大于相同氣體的預設閾值。

所述預設閾值設定步驟包括：

收集與所述溶解氣體有關的電力變壓器故障案例，建立故障數據資料集合；

根據故障數據資料集合進行正態分布分析，得到每種溶解氣體的含量曲線；

將每種溶解氣體的含量曲線對應的95％分布的數值，作為相應的預設閾值。

所述放電相位包括最大放電相位與平均放電相位。

所述統計參數包括以下類型：局部放電圖譜中的偏斜度、突出度、互相關因子與對稱性；所述生成決策樹的方法如下：分別計算每種類型統計參數的對應的信息增益最大值，將信息增益最大值對應的統計參數符號作為決策樹的分裂條件，并生成決策樹；

判斷統計參數是否異常過程如下：

從決策樹的根結點出發，若統計參數符號小于分裂條件，則記為第二標記，表示正常；若統計參數符號大于分裂條件，則進入當前結點對應的子樹根結點，進行子樹根結點對應的分裂條件判斷，直至進入表示異常的終端結點，記為第一標記。

通過檢測并計算繞組短路電流與電力變壓器額定電流的比值，獲得所述歸一化短路電流。

所述機械狀態參數包括變壓器溫度、變壓器振動與變壓器噪聲；所述變壓器溫度對應的機械檢測設備為紅外溫度成像儀，變壓器振動對應的機械檢測設備為機械振動檢測儀，變壓器噪聲對應的機械檢測設備為變壓器噪聲檢測儀。

所述卡方顯著性值取0.05。

所述第一標記取1，第二標記取0。

本發明通過檢測通過將電力變壓器狀態的連續數值型參數轉化為離散型參數，大幅降低了計算周期，提高對海量數據的處理能力。

本發明將離散型狀態參數分為變壓器油中溶解氣體狀態、局部放電狀態、繞組狀態與機械狀態參數，具有故障多樣性、全面性，提高了電力系統檢測效率。

本發明通過信息熵決策樹的方法對局部放電狀態統計參數進行離散，提高了數據源的準確性。

本發明根據繞組變形原理，通過檢測電力變壓器歸一化短路電流與系統最大運行方式下的短路電流的比值的方法離散繞組狀態參數，操作簡單，數據直觀可靠。

本發明通過卡方檢驗的方法獲得離散型機械狀態參數，不受數據總體分布的限制，適用范圍廣。

本發明通過狀態檢測分類，獲得電力變壓器的連續型狀態參數，采用對應的方法離散為第一標記與第二標記形式的數值。具有數據獲取容易、操作簡單、故障覆蓋面廣與檢測效率高等特點，顯著加快了數據挖掘識別速度，具備廣闊的市場應用前景。

附圖說明

圖1是本發明方法示意圖；

圖2是電力變壓器油中溶解氣體種類與預設閾值示意圖；

圖3是局部放電狀態信息熵決策樹示意圖；

圖4是繞組狀態判斷示意圖。

具體實施方式

下面結合附圖和具體實施例對本發明作進一步說明，以使本領域的技術人員可以更好地理解本發明并能予以實施，但所舉實施例不作為對本發明的限定。

繞組為電力變壓器的主要組成部件，其利用電磁感應原理實現能量變換。繞組變形是指在繞組短路的情況下，會有很大的短路電應力產生，將作用在繞組上，引起繞組發生一定的形變。繞組變形檢測設備通過繞組振動特性獲知繞組電路狀態。因為變壓器繞組結構不同，不同的短路電流直接比較困難，因此通過短路電流與其設備額定電流進行比較，獲得歸一化的短路電流后再進行數據離散化操作。

電力變壓器狀態參數離散化是電力變壓器數據挖掘的重要準備工作。數據挖掘步驟主要包括：理解數據和數據的來源、獲取相關知識與技術、整合與檢查數據、去除錯誤或不一致的數據、建立模型和假設、實際數據挖掘工作、測試和驗證挖掘結果、解釋和應用。一般而言，數據挖掘牽涉了大量的準備工作與規劃工作，有80％的時間和精力是花費在數據預處理階段。本發明就是將多種結構和性質各異的變壓器狀態參數數據，經過離散化步驟，統一為1或0這樣的離散化數據，達到了數據的凈化、數據格式轉換、變量轉換以及數據表的鏈接等工作。

實施例1：

參見附圖1，本實施例涉及設備包括被測電力變壓器系統、氣體檢測設備、局部放電檢測儀、繞組變形檢測儀、紅外溫度成像儀、機械振動檢測儀與變壓器噪聲檢測儀，以及一臺計算機。

本實施例工作過程如下：

通過氣體檢測設備獲得被測電力變壓器油中溶解氣體的種類與含量，并將檢測結果發送至計算機。溶解氣體包括氫氣H₂、甲烷CH₄、乙烷C₂H₆、乙烯C₂H₄和乙炔C₂H₂，其中甲烷、乙烷、乙烯和乙炔一并稱為總烴。在計算機中設置預設閾值：將電氣工程技術中電力變壓器氣體的安全極限值作為預設閾值。參見附圖2，預設閾值包括每種氣體的預設閾值和總烴的預設閾值，單位為百萬分比濃度ppm，在數值上等于μL/L。其中H₂的預設閾值為150ppm，CH₄的預設閾值為45ppm，C₂H₆的預設閾值為35ppm，C₂H₄的預設閾值為65ppm，C₂H₂的預設閾值為5ppm，總烴的預設閾值為150ppm。通過計算機判斷每種溶解氣體的含量是否大于相同氣體預設閾值：若是，記為1，若否，記為0；判斷總烴的含量是否大于總烴預設閾值：若是，記為1，若否，記為0；將上述布爾數值作為電力變壓器離散型氣體狀態參數。

通過局部放電檢測儀獲得電力變壓器放電量統計參數、放電相位統計參數與放電次數統計參數，并發送至計算機。統計參數包括局部放電圖譜中的突出度Ku、互相關因子cc與對稱性Asym。通過計算機計算每類統計參數的信息熵，求得信息熵的最大平均值E(A)，即信息增益最大值，A為信息增益最大值對應的統計參數符號，并將A作為決策樹的分裂條件。參見附圖3，“Hqmax_cc”為互相關因子cc對應的分裂條件，“Hqn_asym”為對稱性Asym對應的分裂條件，“Ku+，Ku-”為突出度Ku對應的分裂條件，其中“+”表示突出度的正半周期，“-”表示突出度的負半周期。從決策樹的根結點出發，若統計參數符號小于分裂條件，則記為0，表示正常；若統計參數符號大于分裂條件，則進入當前結點對應的子樹根結點(右子樹)，進行子樹根結點對應的分裂條件判斷，直至進入表示異常的終端結點，記為1；將上述布爾數值作為電力變壓器離散型局部放電狀態參數，此方法可稱為“信息熵決策樹法”。

通過繞組變形檢測儀獲得電力變壓器的繞組短路電流與電力變壓器額定電流的比值，獲得歸一化短路電流I_d；測量系統最大運行方式下的短路電流I_s，并發送至計算機。參見附圖4，通過計算機判斷I_d與I_s的比值是否大于1：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型繞組狀態參數，此方法可稱為“分箱法”。

通過紅外溫度成像儀獲得變壓器溫度、通過機械振動檢測儀獲得變壓器振動、通過變壓器噪聲檢測儀獲得變壓器噪聲，并發送至計算機。計算機將變壓器溫度、變壓器振動、變壓器噪聲的每個不相同數值設為一個區間；計算每對相鄰區間的卡方統計量，判斷每對區間卡方統計量是否大于卡方顯著性值α(根據統計規律，取α＝0.05)：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型機械狀態參數，此方法可稱為“卡方檢驗法”。

綜合電力變壓器離散型氣體、局部放電、繞組與機械狀態參數，得到電力變壓器離散型狀態參數。

本實施例將電氣工程技術中電力變壓器氣體的安全極限值作為預設閾值，操作簡單，易于方法移植。

本實施例同時對總烴含量進行判斷，提高了狀態參數的精確性。

本實施例通過信息熵決策樹(二叉樹)的方法進行數據離散化，結合計算機數據結構進行判斷，提高了數據離散效率。

本實施例通過變壓器溫度、振動與噪聲等機械狀態參數，綜合使用卡方檢驗法將數值離散，具有較寬的機械故障覆蓋率。

實施例2：

參見附圖1，本實施例涉及設備包括被測電力變壓器系統、氣體檢測設備、局部放電檢測儀、繞組變形檢測儀、紅外溫度成像儀、機械振動檢測儀與變壓器噪聲檢測儀，以及一臺計算機。

本實施例工作過程如下：

通過氣體檢測設備獲得被測電力變壓器油中溶解氣體的種類與含量，并將檢測結果發送至計算機。溶解氣體包括氫氣H₂、甲烷CH₄、乙烷C₂H₆、乙烯C₂H₄和乙炔C₂H₂，其中甲烷、乙烷、乙烯和乙炔一并稱為總烴。預設閾值的設置步驟如下：

收集與所述溶解氣體有關的電力變壓器故障案例，通過計算機建立故障數據資料集合；

根據故障數據資料集合進行正態分布分析，得到每種溶解氣體的含量曲線；

將每種溶解氣體的含量曲線對應的95％分布的數值，作為相應的預設閾值(電氣工程領域內一般認為設備故障概率為5％)。

預設閾值包括每種氣體的預設閾值和總烴的預設閾值，單位為百萬分比濃度ppm，在數值上等于μL/L。通過計算機判斷每種溶解氣體的含量是否大于相同氣體預設閾值：若是，記為1，若否，記為0；判斷總烴的含量是否大于總烴預設閾值：若是，記為1，若否，記為0；將上述布爾數值作為電力變壓器離散型氣體狀態參數，此方法可稱為“改進等寬法”。

通過局部放電檢測儀獲得電力變壓器放電量統計參數、最大放電相位統計參數、平均放電相位統計參數與放電次數統計參數，并發送至計算機。統計參數包括局部放電圖譜中的偏斜度Sk、突出度Ku、互相關因子cc與對稱性Asym。通過計算機計算每類統計參數的信息熵，求得信息熵的最大平均值E(A)，即信息增益最大值，A為信息增益最大值對應的統計參數符號，并將A作為決策樹的分裂條件。從決策樹的根結點出發，若統計參數符號小于分裂條件，則記為0，表示正常；若統計參數符號大于分裂條件，則進入當前結點對應的子樹根結點，進行子樹根結點對應的分裂條件判斷，直至進入表示異常的終端結點，記為1；將上述布爾數值作為電力變壓器離散型局部放電狀態參數，此方法可稱為“信息熵決策樹法”。

通過繞組變形檢測儀獲得電力變壓器的繞組短路電流與電力變壓器額定電流的比值，獲得歸一化短路電流I_d；測量系統最大運行方式下的短路電流I_s，并發送至計算機。參見附圖4，通過計算機判斷I_d與I_s的比值是否大于1：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型繞組狀態參數，此方法可稱為“分箱法”。

通過紅外溫度成像儀獲得變壓器溫度、通過機械振動檢測儀獲得變壓器振動、通過變壓器噪聲檢測儀獲得變壓器噪聲，并發送至計算機。計算機將變壓器溫度、變壓器振動、變壓器噪聲的每個不相同數值設為一個區間；計算每對相鄰區間的卡方統計量，判斷每對區間卡方統計量是否大于卡方顯著性值α(根據統計規律，取α＝0.05)：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型機械狀態參數，此方法可稱為“卡方檢驗法”。

綜合電力變壓器離散型氣體、局部放電、繞組與機械狀態參數，得到電力變壓器離散型狀態參數。

本實施例根據變壓器故障案例結合正態分布方法確定預設閾值，使得狀態參數數據具有更高的可信度。

本實施例綜合局部放電圖譜中的偏斜度Sk、突出度Ku、互相關因子cc與對稱性Asym作為統計參數，提高了數據的精確性。

實施例3：

參見附圖1，本實施例涉及設備包括被測電力變壓器系統、氣體檢測設備、局部放電檢測儀、繞組變形檢測儀、紅外溫度成像儀、機械振動檢測儀與變壓器噪聲檢測儀，以及一臺計算機。

本實施例工作過程如下：

通過氣體檢測設備獲得被測電力變壓器油中溶解氣體的種類與含量，并將檢測結果發送至計算機。溶解氣體的確定步驟如下：

收集與所述溶解氣體有關的電力變壓器故障案例，通過計算機建立故障數據資料集合；

針對每一故障類型，依據人為經驗設定最小支持閾值，分別對不同特征氣體進行頻率統計，獲得所有高頻特征氣體，作為溶解氣體。

預設閾值的設置步驟如下：

根據篩選出的高頻特征氣體(溶解氣體)與最小信賴度，分別對不同類型故障進行可信度計算，利用Apriori算法對所建立的數據資料集合進行遍歷，確定關聯規則；

通過關聯規則對溶解氣體數值型字段進行處理，將其進行動態分割，作為相應的預設閾值。

預設閾值單位為百萬分比濃度ppm，在數值上等于μL/L。通過計算機判斷每種溶解氣體的含量是否大于相同氣體預設閾值：若是，記為1，若否，記為0；將上述布爾數值作為電力變壓器離散型氣體狀態參數。

通過局部放電檢測儀獲得電力變壓器放電量統計參數、最大放電相位統計參數、平均放電相位統計參數與放電次數統計參數，并發送至計算機。統計參數包括局部放電圖譜中的偏斜度Sk、突出度Ku、互相關因子cc與對稱性Asym。通過計算機計算每類統計參數的信息熵，求得信息熵的最大平均值E(A)，即信息增益最大值，A為信息增益最大值對應的統計參數符號，并將A作為決策樹的分裂條件。從決策樹的根結點出發，若統計參數符號小于分裂條件，則記為0，表示正常；若統計參數符號大于分裂條件，則進入當前結點對應的子樹根結點，進行子樹根結點對應的分裂條件判斷，直至進入表示異常的終端結點，記為1；將上述布爾數值作為電力變壓器離散型局部放電狀態參數，此方法可稱為“信息熵決策樹法”。

通過繞組變形檢測儀獲得電力變壓器的繞組短路電流與電力變壓器額定電流的比值，獲得歸一化短路電流I_d；測量系統最大運行方式下的短路電流I_s，并發送至計算機。參見附圖4，通過計算機判斷I_d與I_s的比值是否大于1：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型繞組狀態參數，此方法可稱為“分箱法”。

通過紅外溫度成像儀獲得變壓器溫度、通過機械振動檢測儀獲得變壓器振動、通過變壓器噪聲檢測儀獲得變壓器噪聲，并發送至計算機。計算機將變壓器溫度的每個不相同數值設為一個區間；計算每對相鄰區間的卡方統計量，判斷每對區間卡方統計量是否大于卡方顯著性值α(根據統計規律，取α＝0.05)：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型溫度狀態參數。計算機將變壓器振動的每個不相同數值設為一個區間；計算每對相鄰區間的卡方統計量，判斷每對區間卡方統計量是否大于卡方顯著性值α(根據統計規律，取α＝0.05)：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型振動狀態參數。計算機將變壓器噪聲的每個不相同數值設為一個區間；計算每對相鄰區間的卡方統計量，判斷每對區間卡方統計量是否大于卡方顯著性值α(根據統計規律，取α＝0.05)：若是，記為1，表示異常；若否，記為0，表示正常；將上述布爾數值作為電力變壓器離散型噪聲狀態參數。

綜合電力變壓器離散型氣體、局部放電、繞組、溫度、振動與噪聲狀態參數，得到電力變壓器離散型狀態參數。

本實施例根據電力變壓器故障案例與關聯規則確定數據分析需要的溶解氣體與預設閾值，實現不同類型溶解氣體狀態的動態分割。

本發明通過對電力變壓器狀態參數的離散化分析，實現對電力設備的整體評估，簡化電力變壓器狀態參數數據挖掘過程。本發明通過檢測通過將電力變壓器狀態的連續數值型參數轉化為1與0的離散布爾型參數，大幅降低了計算周期，提高對海量數據的處理能力。將離散型狀態參數分為變壓器油中溶解氣體狀態、局部放電狀態、繞組狀態與機械狀態參數，具有故障多樣性、全面性，提高了電力系統檢測效率。根據繞組變形原理，通過檢測電力變壓器歸一化短路電流與系統最大運行方式下的短路電流的比值的方法離散繞組狀態參數，操作簡單，數據直觀可靠。通過卡方檢驗的方法獲得離散型機械狀態參數，不受數據總體分布的限制，適用范圍廣。本發明適用于電力變壓器狀態檢測與數據挖掘處理，具備數據準確、工作效率高、故障覆蓋面廣、易于計算機處理等特點，有著較高的經濟價值與廣闊的市場應用前景。

本領域內的技術人員應明白，本申請的實施例可提供為方法、系統、或計算機程序產品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產品的形式。

以上所述實施例僅是為充分說明本發明而所舉的較佳的實施例，本發明的保護范圍不限于此。本技術領域的技術人員在本發明基礎上所作的等同替代或變換，均在本發明的保護范圍之內。本發明的保護范圍以權利要求書為準。