CN117574624A - 基于数字孪生技术的变压器状态监测及预警方法 - Google Patents
基于数字孪生技术的变压器状态监测及预警方法 Download PDFInfo
- Publication number
- CN117574624A CN117574624A CN202311489752.4A CN202311489752A CN117574624A CN 117574624 A CN117574624 A CN 117574624A CN 202311489752 A CN202311489752 A CN 202311489752A CN 117574624 A CN117574624 A CN 117574624A
- Authority
- CN
- China
- Prior art keywords
- transformer
- data
- monitoring
- state
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 97
- 238000005516 engineering process Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 14
- 238000013480 data collection Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000009466 transformation Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004867 photoacoustic spectroscopy Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036314 physical performance Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007707 calorimetry Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
- G01R19/16576—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing DC or AC voltage with one threshold
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Power Engineering (AREA)
- Housings And Mounting Of Transformers (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及一种基于数字孪生技术的变压器状态监测及预警方法，构建变压器数字孪生体，即变压器数字三维整体模型，也称虚拟模型；数据收集及预处理，需要收集的数据类型包括状态数据、运行数据、故障数据；仿真设计与分析；状态监测与预警，通过对变压器状态参数进行监控和分析，实现真实设备状态全息感知，最终实现对变压器状态的实时监测，设备运行状态精准把握，并及时发出预警信息。本发明基于数字孪生技术的变压器状态监测及预警方法，精度高，实现可视化展示，具有预警功能，通过数字孪生技术可以对变压器进行数字化建模，从而实现对变压器状态的精准预测和监测；实现自动化监测和远程控制，提高了监测效率和工作效率。
Description
技术领域
本发明涉及变压器状态监测方法，具体的说，是涉及一种基于数字孪生技术的变压器状态监测及预警方法。
背景技术
数字电网的建设目标是构建涵盖输变电设备、输变电系统测试调试等业务的全要素数字模型，实现输变配用电业务的全流程在线管理、远程设备控制及设备的动态监测，数字变电设备状态监测是其中重要一环。
通过对电力变电设备、控制系统等数据的采集处理、数据建模及仿真构建数字孪生变电设备健康状态监测模型，把物理电力系统以数字化方式映射至虚拟空间，可实现对物理变电系统的全面精准监测、状态信息诊断及预测，将分析结果反馈至物理变电系统，可以有效推动物理电力系统的优化调整，满足企业精益生产、智能管理和数字赋能的要求。
数字孪生，英文名叫Digital Twin，也称为数字映射、数字镜像。数字孪生是将物理实体数字化，通过可视化的方式实现对本体全生命周期的动态映射及交互。数字孪生是连接数字与现实的桥梁，通过建模技术将物理参数数字化、可视化，实现对全局模型的掌握；通过网络传输传感器的实时数据，实现对模型的动态数据管理及全生命周期的把控；通过智能算法，对及时信息产生判断作出决策，对未来的场景提供预测和指导，并反馈到物理实体端实现完整闭环链路。
通过数字孪生，现实世界中的物理实体可以被完整复刻在虚拟世界中，形成现实与虚拟之间的映射关系。虚拟世界实时且精确地映射物理世界的整个生命周期，以达到模拟、监测、预测和优化等目的。
数字孪生的发展历经三个主要阶段。第一阶段为技术积累期，在21世纪前，二维绘图工具以及仿真技术的出现成为数字孪生发展的必要条件；第二阶段为概念发展期，2000-2015年，业界以航空及军事领域为代表提出了一系列数字孪生的基本概念；第三阶段为应用爆发期，数字孪生结合航空航天、工业、能源电力等领域拓展更多的应用场景。
电力变压器作为电网的关键组成部分，在电力系统中起着电压变换的作用，其安全性和工作寿命是电力系统安全、可靠、经济运行以及整个电网供、用电的重要保证，对整个电力系统至关重要。通过对国内外电网大面积停电事故原因分析表明，电力变压器自身故障是造成电网故障的主要原因之一，尤其是作为电力系统主要节点的220kV以上高压及超高压油浸变压器，其安全性尤其关键，由于其覆盖范围大且价格昂贵，发生故障所带来的经济损失不可估量。因此，要尽最大可能地避免和减少高压及超高压变压器故障或事故的发生，
变压器检测技术分为离线检测和在线监测两种。离线检测主要采用事后维修和预防维修两种方式，容易造成“亡羊补牢”和“过度维修”，从而造成不必要的人力和物力的耗损。在线监测的主要方法有光声光谱法、气相色谱法、振动分析法以及短路电抗发等多种方法。
光声光谱法作为间接量热法，通过测量声信号的幅度，可以精确的测量气体的浓度，并且可以检测低于ppm量级气体。通过分析和比较不同电压和不同时间下变压器油中溶解气体数据，找出故障气体和故障类型。
振动分析法主要是通过分析固定在变压器油箱表面的振动传感器的信号变化，来监测变压器内部铁心和绕组的压紧状况、位移及变形状态。由于振动分析法简单，不需要电气连接，对电力系统的正常运转无影响而且安全可靠，是当前变压器在线监测系统研究的重要方法之一。
光声光谱法作为一种新型的变压器状态监测技术，对实验设备的精确度要求较高，且需要大规模的数据进行建模及结果测算，技术路线不够成熟，整体处于起步阶段，不能大规模投入实际应用。
基于振动分析法的电力变压器状态监测与故障诊断研究，主要通过对信号的采集、处理和分析来实现，首先需要对变压器进行振动传感器进行安装，通过采集变压器内部的震动信号，进行数据传输和处理，之后通过对数据进行处理，提取故障特征参数，建立故障诊断模型。在实际应用中，在传感器的选择、安装位置、数据质量的稳定性等方面可能存在问题，直接影响模型的准确性及故障模式的准确性。
发明内容
针对上述现有技术中的不足，本发明提供一种精度高，效率高，能够实现可视化展示的基于数字孪生技术的变压器状态监测及预警方法。
本发明所采取的技术方案是：
一种基于数字孪生技术的变压器状态监测及预警方法，包括如下步骤：
步骤s101，构建变压器数字孪生体，即变压器数字三维整体模型，也称虚拟模型；
步骤s102，数据收集及预处理，需要收集的数据类型包括状态数据、运行数据、故障数据；
步骤s103，仿真设计与分析，基于构建的数字孪生模型及采集到的数据信息，设计仿真实验；
步骤s104，状态监测与预警，通过对变压器状态参数进行监控和分析，实现真实设备状态全息感知，最终实现对变压器状态的实时监测，设备运行状态精准把握，并及时发出预警信息。
优选的，所述建立变压器数字模型步骤如下：
步骤s201，对变压器的结构、原理进行分析，收集变压器主体相关数据；
步骤s202，构建变压器数学模型，基于三维建模技术将变压器的几何形态、材质特性和运动状态信息建模到数字孪生平台中，该数学模型将准确刻画变压器的物理形态及电气特性；
步骤s203，对变压器数字模型进行精确模拟和优化。
优选的，所述状态数据、运行数据、故障数据流程包括：
步骤s301，通过传感器对变压器内部各种状态信息进行实时采集，状态数据包括温度、湿度、油位、负荷、气体浓度；
步骤s302，通过电网公司数据中获取变压器历史及实时运行数据，包括电压、电流、有功功率、无功功率、频率电气性能指标；
步骤s303，故障数据包括变压器的故障类型、故障现象、故障时间、故障位置等信息，基于上述信息构建故障数据库，存储变压器发生故障时的处理操作流程，形成故障处理操作合集；
步骤s304，基于状态数据、运行数据、故障数据等信息构建变压器状态数据库，对所有的状态进行编号，并明确对应的指标及参数阈值区间；例如，将变压器过载保护命名为E01，将变压器输入电压异常命名为E02，等等；后续可基于业务需要对状态数据库进行优化及更新。
步骤s305，数据清洗，将采集到的原始数据进行初步处理，去除脏数据、异常值干扰因素；
步骤s306，特征提取，对清洗后的数据进行特征提取，选取关键指标并进行归一化处理，以减少特征间的差异性；
步骤s307，数据降维，为了减少计算量和提高分类效果，基于主成分分析法(PCA)技术对提取出的特征信息进行降维处理；主成分分析法是通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性，具体降维处理的步骤如下：
(1)将已预处理的变压器监测数据以矩阵的形式表示出来，矩阵中的每个元素代表一个监测点的某项指标，如电压、电流、有功功率、无功功率、温度、压力等。
(2)计算监测数据的协方差矩阵，并计算协方差矩阵的特征值和特征向量，并按照特征值的大小进行排序。
(3)选取前k个最大的特征值对应的特征向量，构建新的特征矩阵。
(4)将原始监测数据映射到新的特征矩阵中，实现降维处理。
通过以上步骤，可以将变压器监测数据从高维空间映射到低维空间中，以实现数据的降维处理。这种降维处理方法可以有效地降低数据的维度，同时保留数据中的主要信息，有助于提高数据分析和处理的效率。
步骤s308，建立映射。
优选的，所述仿真设计与分析，基于构建的数字孪生模型及采集到的数据信息，设计仿真实验包括：
步骤s401，将预处理之后的数据输入到数字模型，基于机器学习、深度学习等算法对数据进行处理和分析，基于不同的工作状态，设计不同的仿真实验并进行比较分析；
步骤s402，对仿真实验所得数据进行有效的处理和分析，并与状态数据库中的数据进行比对、分析、转换。例如，通过对不同负载情况下的变压器进行测试，验证数字孪生技术预测结果的准确性；
步骤s403，系统测试，将已经建立好的数字孪生模型应用于实际的变压器状态监测系统中，并进行实验测试；性能评估，根据实验测试得到的数据，对数字孪生技术在变压器状态监测中的性能进行评估；
步骤s404，优化改进，根据评估结果，对数字模型进行优化改进，提高其稳定性和精度；例如，针对数字孪生技术在实际应用中出现的问题进行改进，如优化算法、改进传感器精度、增加数据样本等。
优选的，所述变压器状态监测包括：
(1)温度监测；温度监测对于判断变压器是否正常运行具有重要意义，根据变压器种类、型号、电压等级等因素的不同，建立温度参数阈值表，设置对应的变压器状态，如正常、过热等，当系统检测到油温超过阈值时，将会进行预警。
(2)负荷监测；在变压器运行中，数字模型需要对其运行负荷进行实时监测，一般会将主变压器的负荷监测阈值设置多个，如额定负荷的80％、85％、90％、95％等，以便精准掌握变压器实时负荷状态，当变压器负荷在不同的区间时，展示不同的颜色，进行相应的预警。
(3)电压监测；将电压变动范围阈值设定在额定电压-20％至+5％区间内，当电压变动幅度超出时，将会进行实时预警。
(4)局部放电监测。基于数字模型对变压器局部放电监测和诊断，及时发现潜在故障。
优选的，所述变压器主体相关数据包括物理参数、结构参数、电气参数、运行参数、土建数据信息，对变压器的原理、结构和参数进行分析确认。
本发明相对现有技术的有益效果：
本发明基于数字孪生技术的变压器状态监测及预警方法，精度高，效率高，实现可视化展示，具有预警功能，数据处理能力强，通过数字孪生技术可以对变压器进行数字化建模，并将实时采集到的数据输入到模型中，从而实现对变压器状态的精准预测和监测；数字孪生技术可以实现自动化监测和远程控制，减少了人力成本和时间成本，提高了监测效率和工作效率；数字孪生技术可以将所得数据以图表、曲线等形式进行可视化展示，方便用户进行分析和判断；数字孪生技术可以及时发出预警信息，提前预防意外事故的发生，保障电网的安全运行；数字孪生技术可以通过机器学习、深度学习等算法对采集到的数据进行处理和分析，提取出关键信息，如温度、湿度、气体浓度等变压器状态参数。
附图说明
图1是基于数字孪生技术的变压器状态监测及预警方法的控制流程意图；
图2是基于数字孪生技术的变压器状态监测及预警方法的建立变压器数字模型控制流程图；
图3是基于数字孪生技术的变压器状态监测及预警方法的状态数据、运行数据、故障数据流程图；
图4是基于数字孪生技术的变压器状态监测及预警方法的仿真设计与分析流程图。
具体实施方式
以下参照附图及实施例对本发明进行详细的说明：
数字孪生技术是指将物理系统建模、仿真和可视化的技术，是一种基于数字化的、复合型的工程实体设计和制造方法。其核心原理是通过数字化技术获取现实世界中的数据，对实体进行建模，并以此实现对实体的仿真、优化和控制。
数字孪生技术主要有三个步骤：模型建立、模拟与优化、反馈调整。
模型建立，该步骤通过搜集实体相关的信息数据，如CAD设计图、传感器检测数据等，将其输入到计算机中，建立起实体的数字模型。
模拟与优化，该步骤通过数字模型，进行各种条件下的数值仿真实验，分析不同条件下的实体性能表现，找出制约实体性能的瓶颈，进行相应的优化设计。
反馈调整，该步骤基于机器学习的计算结果，对比不同的条件进行差异分析，汇总差异结果并输入反馈到模型中，持续迭代，不断优化数字模型，逐步提升其效率及准确性。
附图1-4可知，一种基于数字孪生技术的变压器状态监测及预警方法，包括如下步骤：
步骤s101，构建变压器数字孪生体，即变压器数字三维整体模型，也称虚拟模型；
步骤s102，数据收集及预处理，需要收集的数据类型包括状态数据、运行数据、故障数据；
步骤s103，仿真设计与分析，基于构建的数字孪生模型及采集到的数据信息，设计仿真实验；
步骤s104，状态监测与预警，通过对变压器状态参数进行监控和分析，实现真实设备状态全息感知，最终实现对变压器状态的实时监测，设备运行状态精准把握，并及时发出预警信息。
优选的，所述建立变压器数字模型步骤如下：
步骤s201，对变压器的结构、原理进行分析，收集变压器主体相关数据；
步骤s202，构建变压器数学模型，基于三维建模技术将变压器的几何形态、材质特性和运动状态信息建模到数字孪生平台中，该数学模型将准确刻画变压器的物理形态及电气特性；
步骤s203，对变压器数字模型进行精确模拟和优化。
优选的，所述数据收集及预处理，需要收集的数据类型包括状态数据、运行数据、故障数据包括：
步骤s301，通过传感器对变压器内部各种状态信息进行实时采集，状态数据包括温度、湿度、油位、负荷、气体浓度；
步骤s302，通过电网公司数据中获取变压器历史及实时运行数据，包括电压、电流、有功功率、无功功率、频率电气性能指标；
步骤s303，故障数据包括变压器的故障类型、故障现象、故障时间、故障位置等信息，基于上述信息构建故障数据库，存储变压器发生故障时的处理操作流程，形成故障处理操作合集；
步骤s304，基于状态数据、运行数据、故障数据等信息构建变压器状态数据库，对所有的状态进行编号，并明确对应的指标及参数阈值区间；例如，将变压器过载保护命名为E01，将变压器输入电压异常命名为E02，等等；后续可基于业务需要对状态数据库进行优化及更新。
步骤s305，数据清洗，将采集到的原始数据进行初步处理，去除脏数据、异常值干扰因素；
步骤s306，特征提取，对清洗后的数据进行特征提取，选取关键指标并进行归一化处理，以减少特征间的差异性；
步骤s307，数据降维，为了减少计算量和提高分类效果，基于主成分分析法(PCA)技术对提取出的特征信息进行降维处理；主成分分析法是通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性，具体降维处理的步骤如下：
(1)将已预处理的变压器监测数据以矩阵的形式表示出来，矩阵中的每个元素代表一个监测点的某项指标，如电压、电流、有功功率、无功功率、温度、压力等。
(2)计算监测数据的协方差矩阵，并计算协方差矩阵的特征值和特征向量，并按照特征值的大小进行排序。
(3)选取前k个最大的特征值对应的特征向量，构建新的特征矩阵。
(4)将原始监测数据映射到新的特征矩阵中，实现降维处理。
通过以上步骤，可以将变压器监测数据从高维空间映射到低维空间中，以实现数据的降维处理。这种降维处理方法可以有效地降低数据的维度，同时保留数据中的主要信息，有助于提高数据分析和处理的效率。
步骤s308，建立映射。
优选的，所述仿真设计与分析，基于构建的数字孪生模型及采集到的数据信息，设计仿真实验包括：
步骤s401，将预处理之后的数据输入到数字模型，基于机器学习、深度学习等算法对数据进行处理和分析，基于不同的工作状态，设计不同的仿真实验并进行比较分析；
步骤s402，对仿真实验所得数据进行有效的处理和分析，并与状态数据库中的数据进行比对、分析、转换。例如，通过对不同负载情况下的变压器进行测试，验证数字孪生技术预测结果的准确性；
步骤s403，系统测试，将已经建立好的数字孪生模型应用于实际的变压器状态监测系统中，并进行实验测试；性能评估，根据实验测试得到的数据，对数字孪生技术在变压器状态监测中的性能进行评估；
步骤s404，优化改进，根据评估结果，对数字模型进行优化改进，提高其稳定性和精度；例如，针对数字孪生技术在实际应用中出现的问题进行改进，如优化算法、改进传感器精度、增加数据样本等。
优选的，所述变压器状态监测包括：
(1)温度监测；温度监测对于判断变压器是否正常运行具有重要意义，根据变压器种类、型号、电压等级等因素的不同，建立温度参数阈值表，设置对应的变压器状态，如正常、过热等，当系统检测到油温超过阈值时，将会进行预警。
(2)负荷监测；在变压器运行中，数字模型需要对其运行负荷进行实时监测，一般会将主变压器的负荷监测阈值设置多个，如额定负荷的80％、85％、90％、95％等，以便精准掌握变压器实时负荷状态，当变压器负荷在不同的区间时，展示不同的颜色，进行相应的预警。
(3)电压监测；将电压变动范围阈值设定在额定电压-20％至+5％区间内，当电压变动幅度超出时，将会进行实时预警。
(4)局部放电监测。基于数字模型对变压器局部放电监测和诊断，及时发现潜在故障。
优选的，所述变压器主体相关数据包括物理参数、结构参数、电气参数、运行参数、土建数据信息，对变压器的原理、结构和参数进行分析确认。
本发明基于数字孪生技术的变压器状态监测及预警方法，精度高，效率高，实现可视化展示，具有预警功能，数据处理能力强，通过数字孪生技术可以对变压器进行数字化建模，并将实时采集到的数据输入到模型中，从而实现对变压器状态的精准预测和监测；数字孪生技术可以实现自动化监测和远程控制，减少了人力成本和时间成本，提高了监测效率和工作效率；数字孪生技术可以将所得数据以图表、曲线等形式进行可视化展示，方便用户进行分析和判断；数字孪生技术可以及时发出预警信息，提前预防意外事故的发生，保障电网的安全运行；数字孪生技术可以通过机器学习、深度学习等算法对采集到的数据进行处理和分析，提取出关键信息，如温度、湿度、气体浓度等变压器状态参数。
以上所述，仅是本发明的较佳实施例而已，并非对本发明的结构作任何形式上的限制。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明的技术方案范围内。
Claims (7)
1.一种基于数字孪生技术的变压器状态监测及预警方法，其特征在于，包括如下步骤：
步骤s101，构建变压器数字孪生体，即变压器数字三维整体模型；
步骤s102，数据收集及预处理，收集的数据类型包括状态数据、运行数据、故障数据；
步骤s103，仿真设计与分析，基于构建的数字孪生模型及采集到的数据信息，设计仿真实验；
步骤s104，状态监测与预警，通过对变压器状态参数进行监控和分析，实现真实设备状态全息感知，最终实现对变压器状态的实时监测，设备运行状态精准把握，并及时发出预警信息。
2.根据权利要求1所述基于数字孪生技术的变压器状态监测及预警方法，其特征在于：
所述建立变压器数字模型步骤如下：
步骤s201，对变压器的结构、原理进行分析，收集变压器主体相关数据；
步骤s202，构建变压器数学模型，基于三维建模技术将变压器的几何形态、材质特性和运动状态信息建模到数字孪生平台中，该数学模型将准确刻画变压器的物理形态及电气特性；
步骤s203，对变压器数字模型进行精确模拟和优化。
3.根据权利要求1所述基于数字孪生技术的变压器状态监测及预警方法，其特征在于：
所述状态数据、运行数据、故障数据流程包括：
步骤s301，通过传感器对变压器内部状态信息进行实时采集，状态数据包括温度、湿度、油位、负荷、气体浓度；
步骤s302，通过电网公司数据中获取变压器历史及实时运行数据，包括电压、电流、有功功率、无功功率、频率电气性能指标；
步骤s303，故障数据包括变压器的故障类型、故障现象、故障时间、故障位置等信息，基于上述信息构建故障数据库，存储变压器发生故障时的处理操作流程，形成故障处理操作合集；
步骤s304，基于状态数据、运行数据、故障数据等信息构建变压器状态数据库，对所有的状态进行编号，并明确对应的指标及参数阈值区间；例如，将变压器过载保护命名为E01，将变压器输入电压异常命名为E02，等等；后续可基于业务需要对状态数据库进行优化及更新；
步骤s305，数据清洗，将采集到的原始数据进行初步处理，去除脏数据、异常值干扰因素；
步骤s306，特征提取，对清洗后的数据进行特征提取，选取关键指标并进行归一化处理，以减少特征间的差异性；
步骤s307，数据降维，基于主成分分析法技术对提取出的特征信息进行降维处理；主成分分析法是通过线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住原数据点的特性；
步骤s308，建立映射。
4.根据权利要求1所述基于数字孪生技术的变压器状态监测及预警方法，其特征在于：
所述仿真设计与分析，基于构建的数字孪生模型及采集到的数据信息，设计仿真实验包括：
步骤s401，将预处理之后的数据输入到数字模型，基于机器学习、深度学习等算法对数据进行处理和分析，基于不同的工作状态，设计不同的仿真实验并进行比较分析；
步骤s402，对仿真实验所得数据进行处理和分析，并与状态数据库中的数据进行比对、分析、转换；
步骤s403，系统测试，将已经建立好的数字孪生模型应用于实际的变压器状态监测系统中，并进行实验测试；性能评估，根据实验测试得到的数据，对数字孪生技术在变压器状态监测中的性能进行评估；
步骤s404，优化改进，根据评估结果，对数字模型进行优化改进，提高其稳定性和精度；
5.根据权利要求1所述基于数字孪生技术的变压器状态监测及预警方法，其特征在于：
所述变压器状态监测包括：
(1)温度监测；根据变压器种类、型号、电压等级等因素的不同，建立温度参数阈值表，设置对应的变压器状态，当系统检测到油温超过阈值时，将会进行预警；
(2)负荷监测；在变压器运行中，数字模型需要对其运行负荷进行实时监测，将主变压器的负荷监测阈值设置为额定负荷的80％、85％、90％或95％，当变压器负荷在不同的区间时，展示不同的颜色，进行相应的预警；
(3)电压监测；将电压变动范围阈值设定在额定电压-20％至+5％区间内，当电压变动幅度超出时，将会进行实时预警；
(4)局部放电监测；基于数字模型对变压器局部放电监测和诊断，发现潜在故障；
6.根据权利要求1所述基于数字孪生技术的变压器状态监测及预警方法，其特征在于：
所述变压器主体相关数据包括物理参数、结构参数、电气参数、运行参数、土建数据信息，对变压器的原理、结构和参数进行分析确认。
7.根据权利要求3所述基于数字孪生技术的变压器状态监测及预警方法，其特征在于，降维处理的步骤如下：
(1)将已预处理的变压器监测数据以矩阵的形式表示出来，矩阵中的每个元素代表一个监测点的某项指标；
(2)计算监测数据的协方差矩阵，并计算协方差矩阵的特征值和特征向量，并按照特征值的大小进行排序；
(3)选取前k个最大的特征值对应的特征向量，构建新的特征矩阵；
(4)将原始监测数据映射到新的特征矩阵中，实现降维处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311489752.4A CN117574624A (zh) | 2023-11-09 | 2023-11-09 | 基于数字孪生技术的变压器状态监测及预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311489752.4A CN117574624A (zh) | 2023-11-09 | 2023-11-09 | 基于数字孪生技术的变压器状态监测及预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117574624A true CN117574624A (zh) | 2024-02-20 |
Family
ID=89861676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311489752.4A Pending CN117574624A (zh) | 2023-11-09 | 2023-11-09 | 基于数字孪生技术的变压器状态监测及预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117574624A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117977586A (zh) * | 2024-04-02 | 2024-05-03 | 深圳供电局有限公司 | 基于三维数字孪生模型的停电预警方法、装置和电子设备 |
| CN118395362A (zh) * | 2024-06-28 | 2024-07-26 | 上海凌至物联网有限公司 | 基于数字孪生的变压器套管内部故障诊断方法 |
| CN118566796A (zh) * | 2024-05-24 | 2024-08-30 | 国网青海省电力公司黄化供电公司 | 一种换流变压器绕组故障状态检测方法 |
| CN118657000A (zh) * | 2024-08-20 | 2024-09-17 | 安徽继远软件有限公司 | 基于变电设备部件的可视化重构标准建模方法 |
-
2023
- 2023-11-09 CN CN202311489752.4A patent/CN117574624A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117977586A (zh) * | 2024-04-02 | 2024-05-03 | 深圳供电局有限公司 | 基于三维数字孪生模型的停电预警方法、装置和电子设备 |
| CN118566796A (zh) * | 2024-05-24 | 2024-08-30 | 国网青海省电力公司黄化供电公司 | 一种换流变压器绕组故障状态检测方法 |
| CN118395362A (zh) * | 2024-06-28 | 2024-07-26 | 上海凌至物联网有限公司 | 基于数字孪生的变压器套管内部故障诊断方法 |
| CN118657000A (zh) * | 2024-08-20 | 2024-09-17 | 安徽继远软件有限公司 | 基于变电设备部件的可视化重构标准建模方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117574624A (zh) | 基于数字孪生技术的变压器状态监测及预警方法 | |
| CN111784175A (zh) | 一种基于多源信息的配电变压器风险评估方法及系统 | |
| CN106054104A (zh) | 一种基于决策树的智能电表故障实时预测方法 | |
| CN102539325B (zh) | 基于应变监测的焦碳塔结构损伤监测方法 | |
| CN113420162B (zh) | 一种基于知识图谱的设备运行链状态监测方法 | |
| CN113466597A (zh) | 一种轨道交通供电系统设备状态智能检测方法 | |
| CN104933477A (zh) | 一种利用输变电设备风险评估优化检修策略的方法 | |
| CN112884089A (zh) | 一种基于数据挖掘的电力变压器故障预警系统 | |
| CN113902241A (zh) | 一种基于综合状态评价的电网设备检修的策略系统及方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN112966990A (zh) | 一种变电设备综合状态评价方法 | |
| CN116975566A (zh) | 基于多源参量分析诊断的变压器智能监护系统及其方法 | |
| CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
| CN117807659A (zh) | 一种建筑结构缺陷检测和纠正方法及系统 | |
| CN110262460B (zh) | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 | |
| CN112085233A (zh) | 基于站域bim数据融合多源信息的电力数字信息模型 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN116258467A (zh) | 一种电力施工管控系统 | |
| CN116298659A (zh) | 一种基于分布式电流监测数据挖掘的配电网故障辨识方法 | |
| CN114332515A (zh) | 一种基于直觉模糊聚类磨煤机运行安全性在线评判方法 | |
| CN111986469A (zh) | 一种现场终端故障智能化诊断的方法 | |
| CN114066163A (zh) | 一种基于三层架构模式的电力设备状态分析方法及装置 | |
| CN114878942A (zh) | 一种高压电缆智能监测中枢系统设计方法 | |
| Jiafeng et al. | Research and Application of State Identification Technology for Live Operation of Distribution Lines | |
| CN114583833B (zh) | 一种基于集中监控遥信、遥测的融合分析方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |