[發明專利]變壓器故障預測方法及變壓器故障預測裝置

在審

• 申請號: 202011010149.X
• 申請日: 2020-09-23
• 公開（公告）號: CN112183610A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 甄巖;賀金紅;白暉峰;霍超;王立城;張港紅;尹志斌;侯瑩瑩;羅安琴
• 申請（專利權）人: 北京智芯微電子科技有限公司;國網信息通信產業集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G06Q50/06
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;王曉曉

1.一種變壓器故障預測方法，其特征在于，所述方法包括：

獲取目標變壓器的當前DGA數據、所述目標變壓器的當前運行數據，以及所述目標變壓器所在電網的當前電網潮流數據；

將所述當前DGA數據、所述當前運行數據和所述當前電網潮流數據輸入已訓練的故障預測模型，以獲得所述已訓練的故障預測模型輸出的預設故障類型集中各故障類型的發生概率；

根據所述各故障類型的發生概率判斷所述目標變壓器是否會發生相應類型的故障。

2.根據權利要求1所述的變壓器故障預測方法，其特征在于，所述已訓練的故障預測模型采用如下方式獲得：

采集在預設歷史時間段內的以下數據，獲得歷史故障數據：所述目標變壓器發生故障的故障類型集、所述目標變壓器的DGA數據、所述目標變壓器的運行數據，以及所述目標變壓器所在電網的電網潮流數據；其中，所述故障類型集屬于所述預設故障類型集的子集；

采用深度強化學習技術對所述歷史故障數據進行學習，以建立所述故障預測模型；

根據所述歷史故障數據，采用深度強化學習技術計算所述預設歷史時間段內每一時刻對應的所述預設故障類型集中各故障類型的發生概率；

將所述預設歷史時間段內每一時刻對應的所述預設故障類型集中各故障類型的發生概率和所述歷史故障數據作為訓練樣本，對所述故障預測模型進行訓練，獲得所述已訓練的故障預測模型。

3.根據權利要求2所述的變壓器故障預測方法，其特征在于，所述故障預測模型的訓練框架包括DQN網絡模型。

4.根據權利要求1所述的變壓器故障預測方法，其特征在于，所述方法還包括：

當判斷出所述目標變壓器會發生相應類型的故障時，進行故障預警。

5.根據權利要求1所述的變壓器故障預測方法，其特征在于，所述方法還包括：

當判斷出所述目標變壓器不會發生相應類型的故障時，判斷所述當前DGA數據是否位于預設的邊界警戒值內；

當判斷出所述當前DGA數據位于預設的邊界警戒值內時，進行故障預警。

6.根據權利要求5所述的變壓器故障預測方法，其特征在于，在判斷出所述當前DGA數據位于預設的邊界警戒值內之后，所述方法還包括：

預測所述目標變壓器所在電網的當前電網潮流數據在預設未來時間段內的走勢，獲得電網潮流走勢數據；

當所述電網潮流走勢數據偏離預設正常值時，進行故障預警。

7.根據權利要求1所述的變壓器故障預測方法，其特征在于，所述目標變壓器的DGA數據包括：變壓器油中溶解的氣體成分、各氣體成分占總烴的百分比和各氣體成分占總氫烴的百分比。

8.根據權利要求1所述的變壓器故障預測方法，其特征在于，所述目標變壓器的運行數據包括：變壓器容量、運行方式和運行年限。

9.一種變壓器故障預測裝置，其特征在于，所述裝置包括：

數據獲取單元，用于獲取目標變壓器的當前DGA數據、所述目標變壓器的當前運行數據，以及所述目標變壓器所在電網的當前電網潮流數據；

故障類型發生概率獲取單元，用于將所述當前DGA數據、所述當前運行數據和所述當前電網潮流數據輸入已訓練的故障預測模型，以獲得所述已訓練的故障預測模型輸出的預設故障類型集中各故障類型的發生概率；

第一判斷單元，用于根據所述各故障類型的發生概率判斷所述目標變壓器是否會發生相應類型的故障。

10.一種計算機存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至8中任意一項所述的變壓器故障預測方法。