本發(fā)明涉及電力變壓器內(nèi)部故障診斷領(lǐng)域，具體來(lái)說(shuō)涉及一種改良油中溶解氣體的診斷算法模型。

背景技術(shù)：

電力變壓器內(nèi)部故障點(diǎn)周?chē)挠徒^緣和固體絕緣都會(huì)因?yàn)殡娦曰驘嵝怨收弦鸾^緣材料分解從而產(chǎn)生不同類(lèi)型的特征氣體，這些氣體包括：h2、ch4、c2h4、c2h2、c2h6、co、co2等，這些氣體大部分可以溶解于絕緣油中。在我國(guó)使用的dl/t722-2000《變壓器油中溶解氣體分析和判斷導(dǎo)則》歸納了多種類(lèi)型的故障所產(chǎn)生的特征氣體。油中溶解氣體分析法(dga)的數(shù)據(jù)采樣可以做到無(wú)需停電、成本低廉、受電磁環(huán)境的干擾影響小、技術(shù)相對(duì)成熟和數(shù)據(jù)精度高等優(yōu)點(diǎn)，同時(shí)又符合國(guó)家電網(wǎng)當(dāng)下倡導(dǎo)推行的狀態(tài)檢修，并且又可以實(shí)現(xiàn)在線監(jiān)測(cè)電力變壓器到的狀態(tài)，目前被普遍的應(yīng)用于油浸式電力變壓器的定期試驗(yàn)檢查、在線監(jiān)測(cè)與故障診斷中?，F(xiàn)有的改良三比值診斷算法存在故障編碼缺失和在故障編碼邊界存在模糊性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種改良油中溶解氣體的診斷算法模型，能有效避免改良三比值法中存在故障編碼缺失和在故障編碼邊界存在模糊性的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供以下的技術(shù)方案：該改良油中溶解氣體的診斷算法模型包括如下三部分：

(1)第一部分：通過(guò)在線監(jiān)測(cè)傳感器采集特征氣體進(jìn)行篩選，選出符合故障診斷要求的參數(shù)；

(2)第二部分：通過(guò)兩個(gè)互補(bǔ)的數(shù)學(xué)診斷模型(模糊綜合評(píng)判法和rbf神經(jīng)網(wǎng)絡(luò)法)計(jì)算出一組初步診斷的結(jié)果參數(shù)；

(3)第三部分：將先前初步診斷的結(jié)果參數(shù)歸一化后乘以可靠系數(shù)再配上不確定因素形成一組故障概率分配(mass函數(shù))，再將兩組故障概率分配通過(guò)d-s證據(jù)理論融合形成全新的故障概率分配，通過(guò)最大隸屬度法確認(rèn)故障種類(lèi)。

采用以上技術(shù)方案的有益效果是：該改良油中溶解氣體的診斷算法模型可以提高故障診斷的正確率，減少變壓器停電的次數(shù)，減輕人力勞動(dòng)量。該改良油中溶解氣體的診斷算法模型有效避免改良三比值法中存在故障編碼缺失和在故障編碼邊界存在模糊性的問(wèn)題。

附圖說(shuō)明

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的描述。

圖1是本發(fā)明改良油中溶解氣體的診斷算法模型的結(jié)構(gòu)圖。

圖2是診斷算法模型中的數(shù)據(jù)篩選模塊的結(jié)構(gòu)圖。

圖3是rbf神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)判組成初步診斷模塊的結(jié)構(gòu)圖。

圖4是mass函數(shù)計(jì)算與證據(jù)合成診斷模塊的結(jié)構(gòu)圖。

圖5是故障診斷模型診斷結(jié)果的故障類(lèi)型圖。

具體實(shí)施方式

下面結(jié)合附圖詳細(xì)說(shuō)明本發(fā)明改良油中溶解氣體的診斷算法模型的優(yōu)選實(shí)施方式。

圖1出示本發(fā)明改良油中溶解氣體的診斷算法模型的具體實(shí)施方式：

該改良油中溶解氣體的診斷算法模型包括如下三部分：

(1)第一部分：通過(guò)在線監(jiān)測(cè)傳感器采集特征氣體進(jìn)行篩選，選出符合故障診斷要求的參數(shù)；

(2)第二部分：通過(guò)兩個(gè)互補(bǔ)的數(shù)學(xué)診斷模型(模糊綜合評(píng)判法和rbf神經(jīng)網(wǎng)絡(luò)法)計(jì)算出一組初步診斷的結(jié)果參數(shù)；

(3)第三部分：將先前初步診斷的結(jié)果參數(shù)歸一化后乘以可靠系數(shù)再配上不確定因素形成一組故障概率分配(mass函數(shù))，再將兩組故障概率分配通過(guò)d-s證據(jù)理論融合形成全新的故障概率分配，通過(guò)最大隸屬度法確認(rèn)故障種類(lèi)。

如圖1所示，多種理論融合系統(tǒng)主要有3大模塊組成：參數(shù)篩選模塊，rbf神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)判組成初步診斷模塊，mass函數(shù)計(jì)算與證據(jù)合成診斷模塊。

首先由數(shù)據(jù)篩選模塊篩選出不合格的氣體參數(shù)，然后將這些氣體參數(shù)送入rbf神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)判初步診斷模塊進(jìn)行初步診斷，其輸出的結(jié)果經(jīng)過(guò)mass函數(shù)計(jì)算模塊計(jì)算出mass函數(shù)值，最后經(jīng)過(guò)證據(jù)合成診斷模塊將初步診斷的結(jié)果經(jīng)過(guò)d-s合成法則進(jìn)行數(shù)據(jù)整合得到電力變壓器故障診斷結(jié)論。具體各個(gè)模塊處理細(xì)節(jié)如下：

1、據(jù)篩選模塊

如圖2所示基于改良三比值法和特征氣體法，變壓器在線監(jiān)測(cè)裝置需要采集五組氣體濃度，分別為h2、ch4、c2h4、c2h2、c2h6。當(dāng)被測(cè)氣體濃度或者產(chǎn)氣速率(相對(duì)或者絕對(duì)的產(chǎn)氣速率)達(dá)到注意值后，此時(shí)這一組五種氣體的濃度將作為輸入量傳入rbf神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)判初步診斷模塊。特別注意的是變壓器在線監(jiān)測(cè)裝置實(shí)時(shí)監(jiān)測(cè)變壓器油中的數(shù)據(jù)，其數(shù)值會(huì)根據(jù)變壓器運(yùn)行狀態(tài)的變化而改變。當(dāng)數(shù)據(jù)波動(dòng)在正常范圍內(nèi)不上報(bào)數(shù)據(jù)，只有數(shù)據(jù)波動(dòng)超過(guò)正常值(特征氣體注意值)時(shí)或者某個(gè)氣體產(chǎn)氣速率超過(guò)正常值時(shí)上報(bào)數(shù)據(jù)。

2、初步診斷模塊

如圖3所示一組超過(guò)注意值的五種氣體的濃度將作為輸入量傳入rbf神經(jīng)網(wǎng)絡(luò)與模糊綜合評(píng)判初步診斷模塊。其中模糊綜合評(píng)判法是將五個(gè)氣體按照改良三比值法算出三組比值后將其模糊化，計(jì)算得出權(quán)重向量后帶入公式b＝aοr計(jì)算出結(jié)果。rbf神經(jīng)網(wǎng)絡(luò)將五組氣體分別占五組總氣體含量百分比作為輸入，使得五組輸入都在區(qū)間(0，1)中，并通過(guò)神經(jīng)網(wǎng)絡(luò)計(jì)算得出結(jié)果。兩個(gè)數(shù)學(xué)模型計(jì)算得結(jié)果都是一組5個(gè)數(shù)字，故障定性如圖5。

3、mass函數(shù)計(jì)算與證據(jù)合成診斷模塊

如圖4將先前初步診斷的結(jié)果參數(shù)歸一化后乘以可靠系數(shù)(模糊綜合評(píng)判0.85，rbf神經(jīng)網(wǎng)絡(luò)0.87)，再配上不確定度(模糊綜合評(píng)判0.15，rbf神經(jīng)網(wǎng)絡(luò)0.13)形成兩個(gè)故障概率分配(mass函數(shù))，再將mass(1)函數(shù)與mass(2)函數(shù)通過(guò)d-s證據(jù)理論合成規(guī)則融合成全新的故障概率分配(mass函數(shù))，最后通過(guò)最大隸屬度法確認(rèn)故障種類(lèi)，故障定性見(jiàn)圖5.。

以上的僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明創(chuàng)造構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種改良油中溶解氣體的診斷算法模型，涉及電力變壓器內(nèi)部故障診斷領(lǐng)域，該改良油中溶解氣體的診斷算法模型可以提高故障診斷的正確率，減少變壓器停電的次數(shù)，減輕人力勞動(dòng)量。該改良油中溶解氣體的診斷算法模型有效避免改良三比值法中存在故障編碼缺失和在故障編碼邊界存在模糊性的問(wèn)題。

技術(shù)研發(fā)人員：許寅卿
受保護(hù)的技術(shù)使用者：許寅卿
技術(shù)研發(fā)日：2017.07.07
技術(shù)公布日：2017.10.20