[發明專利]變壓器電氣故障識別方法、系統、終端以及可讀存儲介質

有效

• 申請號: 202110316613.6
• 申請日: 2021-03-25
• 公開（公告）號: CN113092899B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 李婷;彭平;劉赟;樂健;鐘永恒;謝耀恒;廖小兵;肖京;毛濤;陳明;劉浩粱
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G01R31/62;G06N3/04;G06N3/08
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 顏勇

本發明公開了一種基于多源信息融合的變壓器電氣故障識別方法、系統、終端以及可讀存儲介質，該方法包括：步驟1：采集變壓器工況下的電氣量，電氣量至少包括差動電流、短路電流、零序電流；步驟2：從電氣量中提取故障特征量以及對變壓器工況進行故障編碼；步驟3：訓練BP神經網絡構建出變壓器電氣故障識別模型；將樣本的模型輸入結果輸入BP神經網絡，并將BP神經網絡的輸出結果與樣本的期望結果進行誤差計算以調節網絡參數得到變壓器電氣故障識別模型；步驟4：利用變壓器電氣故障識別模型對變壓器進行實時故障識別。本發明所述方法中電氣量獲取方便簡單，且故障特征組合更加全面的反應變壓器故障信息，有效提高識別結果的準確性。

技術領域

本發明屬于變壓器技術領域，具體涉及一種基于多源信息融合的變壓器電氣故障識別方法、系統、終端以及可讀存儲介質。

背景技術

電力變壓器在電能傳輸和分配過程中具有舉足輕重的作用，其故障將對電力系統的正常運行及供電可靠性帶來嚴重影響。若能在故障發生后準確判斷故障性質乃至定位，則便于迅速排除故障，避免變壓器帶故障運行導致變壓器損壞甚至更嚴重的后果。因此自主準確識別變壓器的各類故障對電力系統的安全經濟運行具有重要意義。

變壓器內部結構復雜且故障種類繁多，一旦發生內部故障對變壓器的危害巨大，因此，一種準確實用的變壓器內部故障監測和類型識別方法至關重要。目前現有方法主要是在變壓器油中溶解氣體分析(dissolved gas analysis,DGA)的基礎上，應用多源信息融合技術或人工智能算法進行變壓器內部故障診斷。常用的算法有支持向量機(supportvector machine,SVM)、深度學習理論、多證據體理論、和DS證據理論等。

但是，基于DGA的變壓器故障識別方法能夠診斷變壓器內部各種故障類型或位置，且能夠對不正常運行狀態做出預警，然而DGA數據不易獲取，且溶解氣體的提取、檢測分析過程繁瑣，方法實時性差。從而導致基于DGA的變壓器故障識別方法難以有效實施。

發明內容

本發明的目的是針對基于變壓器油中溶解氣體數據的變壓器內部故障識別方法具有數據難以獲取，實時性差的缺點，提供一種基于多源信息融合的變壓器電氣故障識別方法、系統、終端以及可讀存儲介質，所述方法僅以變壓器故障后的短路電流、差動電流和零序電流的電氣量作為故障信息源，故障信息源采集容易并具有實時性，同時通過各類電氣量的組合從而全方面的反應故障特征，提高了故障診斷的結果的可靠性。

一方面，本發明提供的一種基于多源信息融合的變壓器電氣故障識別方法，包括如下步驟：

步驟1：采集變壓器工況下的電氣量，其中，至少包含了變壓器故障工況下的電氣量；所述電氣量至少包括：差動電流、短路電流、零序電流；

步驟2：從所述電氣量中提取故障特征量，以及對變壓器工況進行故障編碼，其中，將每個變壓器工況下的故障編碼、對應電氣量的故障特征量作為一個樣本的期望結果和模型輸入數據；

步驟3：利用樣本數據訓練BP神經網絡構建出變壓器電氣故障識別模型；

其中，將樣本的模型輸入數據輸入BP神經網絡的輸入層，并將BP神經網絡的輸出層結果與樣本的期望結果進行誤差計算以調節所述BP神經網絡的參數得到變壓器電氣故障識別模型；

步驟4：利用步驟3構建的所述變壓器電氣故障識別模型對變壓器進行實時故障識別；

其中，將變壓器的電氣量對應的故障特征量輸入所述變壓器電氣故障識別模型得到故障識別結果。

可選地，所述方法用于識別故障類型時，步驟1采集的變壓器工況下的電氣量為變壓器各類故障工況下的電氣量；步驟2中對所述變壓器工況進行故障編碼時，依據變壓器故障類型進行編碼；