[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112765861A - 高压开关设备过热缺陷的温度特征曲线获取方法及系统 - Google Patents

高压开关设备过热缺陷的温度特征曲线获取方法及系统 Download PDF

Info

Publication number
CN112765861A
CN112765861A CN202110121745.3A CN202110121745A CN112765861A CN 112765861 A CN112765861 A CN 112765861A CN 202110121745 A CN202110121745 A CN 202110121745A CN 112765861 A CN112765861 A CN 112765861A
Authority
CN
China
Prior art keywords
temperature
defect
equipment
heat transfer
voltage
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.)
Granted
Application number
CN202110121745.3A
Other languages
English (en)
Other versions
CN112765861B (zh
Inventor
姚聪伟
王增彬
孙帅
庞小峰
赵晓凤
宋坤宇
李盈
陈祖伟
吕鸿
杨贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Publication of CN112765861A publication Critical patent/CN112765861A/zh
Application granted granted Critical
Publication of CN112765861B publication Critical patent/CN112765861B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本发明提供一种高压开关设备过热缺陷的温度特征曲线获取方法，通过获取高压开关设备关键位置温度与温度梯度特征向量，并通过人工智能算法建立温度及其梯度特征向量与影响因素向量之间的关系，实现开关设备在多影响因素条件下，正常与过热缺陷时的温度及其梯度特征向量的获取，可为有针对性的过热缺陷原因快速定位与准确诊断提供必要数据基础。

Description

高压开关设备过热缺陷的温度特征曲线获取方法及系统
技术领域
本发明涉及高电压技术领域，特别是涉及一种高压开关设备过热缺陷的温度特征曲线获取方法及系统。
背景技术
高压开关设备是在电力系统中起到保护与控制作用的重要设备。在开关设备的运行阶段，设备可能发生通流回路局部过热，导致导体熔化，进而造成绝缘失效，发生放电故障。因此，实现过热缺陷的预警及原因定位对提高电网运行可靠性，避免非计划停电具有重要意义。
引起设备通流回路过热缺陷的原因可能是触头触指磨损、插接对称性不良、压接面氧化等。不同原因导致的开关设备过热缺陷具有不同的温升特征，利用这一特点可实现缺陷部位和原因的快速定位。目前，通常采取温度在线监测或带电检测的方式获取开关设备不同位置的温度或整体温度分布图像。然而，开关设备种类型号繁多，缺陷原因各不相同，仅获取特定位置温度或整体红外图像，难以实现过热缺陷原因和位置的快速、准确定位。因此，建立同一厂家、同一型号、不同原因的设备过热缺陷所对应的特征温升曲线及温度分布，并实现过热缺陷原因的智能诊断对设备运维检修具有重要意义。
发明内容
本发明提供一种高压开关设备过热缺陷的温度特征曲线获取方法及系统，通过人工智能算法建立温度及其梯度特征向量与影响因素向量之间的关系，实现开关设备在多影响因素条件下，正常与过热缺陷时的温度及其梯度特征向量的获取，可为有针对性的过热缺陷原因快速定位与准确诊断提供必要数据基础。
本发明一个实施例提供一种高压开关设备过热缺陷的温度特征曲线获取方法，包括：
根据高压设备零部件建立开关设备的几何模型；其中，所述高压设备零部件为与导体升温有直接关联的部件；
设置缺陷标识规则并初始化缺陷标识符和影响因素向量；
根据所述高压设备零部件，设置相对介电常数、磁导率、电导率、电源角频率、热导率、热容、辐射系数、对流换热系数；
建立电磁传热流体多物理场耦合仿真模型，并初始化所述电磁传热流体多物理场耦合仿真模型初始环境条件；
对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度；
采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量，并采用神经网络方法建立温度分布特征向量及设备缺陷温升特征向量库。
进一步地，所述设置缺陷标识规则包括：
设置设备状态为正常时，缺陷标识符为0，
设置设备状态为触头插接不良时，缺陷标识符为1，
设置设备状态为触指氧化层磨损时，缺陷标识符为2，
设置设备状态为压接面压力不足时，缺陷标识符为3。
进一步地，所述建立电磁传热流体多物理场耦合仿真模型，包括：
对于电磁场，应用磁场度规修复，即在求解域应用式(1)；
对于热场边界，不同材料之间考虑换热过程，由式(2)控制；
固体材料表面考虑热辐射过程，由式(3)控制，求解域边界设定为环境温度T0；
对于流场，求解域边界设定为自然对流边界；
Figure BDA0002922287270000031
qn1＝h(Text-Tin) (2)
qn2＝γκ(Text 4-Tin 4) (3)
其中，J为电流密度；A为磁矢势；qn1为对流换热过程引起的法向对内热通量；qn2为热辐射引起的法向对内热通量；h为对流换热系数；Text为外部温度；Tin为内部温度；γ为发射系数；κ为斯忒籓玻耳兹曼常数。
进一步地，所述对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度之前，还包括：
根据式(4)计算趋肤深度；
Figure BDA0002922287270000032
其中，ω为电源角频率，μ为磁导率，σ为电导率。
进一步地，所述采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量之前，还包括：
采用有限元法求解偏微分方程组(5)
Figure BDA0002922287270000033
其中，方程组(5)的后三个方程仅对气体区域有效，
Figure BDA0002922287270000034
为磁矢势相量；j为单位虚数；λ为热导率；T为温度；ρ为密度；Cp为恒压热容；u为物质流动速度，对于固体u＝0；Qe为热源；p为气体压力；I为单位矩阵；τ为黏滞应力张量，表达式如式(6)所示，η为粘度系数；F为体积力；S为应变率张量，表达式如式(7)所示；运算τ:S表达式如式(8)所示；
Figure BDA0002922287270000041
Figure BDA0002922287270000042
Figure BDA0002922287270000043
选择不同触头插接、导电臂和母线等位置，选取热源Qe值最大的网格点共90个，获取相应网格点温度Ta，其中a＝1～90为网格点编号，形成温度分布特征向量Tt＝(T1,...Ta,...T90)，记录影响因素变量Iconditions。
选择不同触头插接、导电臂和母线等位置，选取温度梯度
Figure BDA0002922287270000044
值最高的网格点共90个，获取相应网格点温度梯度值
Figure BDA0002922287270000045
其中b＝1～90为网格点编号，形成温度梯度特征向量
Figure BDA0002922287270000046
记录影响因素变量Iconditions。
选取T0,u0,Ir各10个，形成包含不少于1000个Icondition向量的输入向量样本，重复步骤S02至S07，获取温度特征向量Tt和温度梯度特征向量Td。
修改标识符k＝k+1，根据表1修改方式，重复步骤S02至S08，获取不同影响因素向量Icondition下的温度特征向量Tt和温度梯度特征向量Td，建立设备缺陷温升特征向量库，Tt和Td各不少于5000组。
以Icondition为输入向量，Tt和Td分别为输出向量，对于每个标识符k值，抽取700组Icondition、Tt和Td作为训练数据，200组Icondition、Tt和Td作为测试数据，100组Icondition、Tt和Td作为验证数据，采用BP神经网络算法，分别拟合因变量Tt和Td与自变量Icondition之间关系。
本发明一实施例提供一种高压开关设备过热缺陷的温度特征曲线获取系统，包括：
几何模型建立模块，用于根据高压设备零部件建立开关设备的几何模型；其中，所述高压设备零部件为与导体升温有直接关联的部件；
缺陷标识规则设置模块，用于设置缺陷标识规则并初始化缺陷标识符和影响因素向量；
参数设置模块，用于根据所述高压设备零部件，设置相对介电常数、磁导率、电导率、电源角频率、热导率、热容、辐射系数、对流换热系数；
电磁传热流体多物理场耦合仿真模型建立模块，用于建立电磁传热流体多物理场耦合仿真模型，并初始化所述电磁传热流体多物理场耦合仿真模型初始环境条件；
网格剖分几何模型模块，用于对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度；
温度和温度梯度特征向量获取模块，用于采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量，并采用神经网络方法建立温度分布特征向量及设备缺陷温升特征向量库。
进一步地，所述设置缺陷标识规则包括：
设置设备状态为正常时，缺陷标识符为0，
设置设备状态为触头插接不良时，缺陷标识符为1，
设置设备状态为触指氧化层磨损时，缺陷标识符为2，
设置设备状态为压接面压力不足时，缺陷标识符为3。
进一步地，所述电磁传热流体多物理场耦合仿真模型建立模块，还用于：
对于电磁场，应用磁场度规修复，即在求解域应用式(1)；
对于热场边界，不同材料之间考虑换热过程，由式(2)控制；
固体材料表面考虑热辐射过程，由式(3)控制，求解域边界设定为环境温度T0；
对于流场，求解域边界设定为自然对流边界；
Figure BDA0002922287270000061
qn1＝h(Text-Tin) (2)
qn2＝γκ(Text 4-Tin 4) (3)
其中，J为电流密度；A为磁矢势；qn1为对流换热过程引起的法向对内热通量；qn2为热辐射引起的法向对内热通量；h为对流换热系数；Text为外部温度；Tin为内部温度；γ为发射系数；κ为斯忒籓玻耳兹曼常数。
进一步地，所述的一种高压开关设备过热缺陷的温度特征曲线获取系统，还包括：趋肤深度计算模块，用于根据式(4)计算趋肤深度；
Figure BDA0002922287270000062
其中，ω为电源角频率，μ为磁导率，σ为电导率。
进一步地，所述的一种高压开关设备过热缺陷的温度特征曲线获取系统，还包括：计算模块，用于采用有限元法求解偏微分方程组(5)：
Figure BDA0002922287270000071
其中，方程组(5)的后三个方程仅对气体区域有效，
Figure BDA0002922287270000075
为磁矢势相量；j为单位虚数；λ为热导率；T为温度；ρ为密度；Cp为恒压热容；u为物质流动速度，对于固体u＝0；Qe为热源；p为气体压力；I为单位矩阵；τ为黏滞应力张量，表达式如式(6)所示，η为粘度系数；F为体积力；S为应变率张量，表达式如式(7)所示；运算τ:S表达式如式(8)所示；
Figure BDA0002922287270000072
Figure BDA0002922287270000073
Figure BDA0002922287270000074
与现有技术相比，本发明实施例的有益效果在于：
本发明通过获取高压开关设备关键位置温度与温度梯度特征向量，并通过人工智能算法建立温度及其梯度特征向量与影响因素向量之间的关系，实现开关设备在多影响因素条件下，正常与过热缺陷时的温度及其梯度特征向量的获取，可为有针对性的过热缺陷原因快速定位与准确诊断提供必要数据基础。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的一种高压开关设备过热缺陷的温度特征曲线获取方法的流程图；
图2是本发明另一实施例提供的一种高压开关设备过热缺陷的温度特征曲线获取方法的流程图；
图3是本发明又一实施例提供的一种高压开关设备过热缺陷的温度特征曲线获取方法的流程图；
图4是本发明某一实施例提供的一种高压设备的过热诊断系统的装置图；
图5是本发明另一实施例提供的一种高压设备的过热诊断系统的装置图；
图6是本发明某一实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
第一方面。
请参阅图1-3，本发明一实施例提供一种高压开关设备过热缺陷的温度特征曲线获取方法，包括：
S10、根据高压设备零部件建立开关设备的几何模型；其中，所述高压设备零部件为与导体升温有直接关联的部件。
S20、设置缺陷标识规则并初始化缺陷标识符和影响因素向量。
在某一具体实施方式中，所述设置缺陷标识规则包括：
设置设备状态为正常时，缺陷标识符为0，
设置设备状态为触头插接不良时，缺陷标识符为1，
设置设备状态为触指氧化层磨损时，缺陷标识符为2，
设置设备状态为压接面压力不足时，缺陷标识符为3。
S30、根据所述高压设备零部件，设置相对介电常数、磁导率、电导率、电源角频率、热导率、热容、辐射系数、对流换热系数。
S40、建立电磁传热流体多物理场耦合仿真模型，并初始化所述电磁传热流体多物理场耦合仿真模型初始环境条件。
在某一具体实施方式中，所述建立电磁传热流体多物理场耦合仿真模型，包括：
对于电磁场，应用磁场度规修复，即在求解域应用式(1)；
对于热场边界，不同材料之间考虑换热过程，由式(2)控制；
固体材料表面考虑热辐射过程，由式(3)控制，求解域边界设定为环境温度T0；
对于流场，求解域边界设定为自然对流边界；
Figure BDA0002922287270000101
qn1＝h(Text-Tin) (2)
qn2＝γκ(Text 4-Tin 4) (3)
其中，J为电流密度；A为磁矢势；qn1为对流换热过程引起的法向对内热通量；qn2为热辐射引起的法向对内热通量；h为对流换热系数；Text为外部温度；Tin为内部温度；γ为发射系数；κ为斯忒籓玻耳兹曼常数。
在某一具体实施方式中，还包括：
S41、计算趋肤深度。
根据式(4)计算趋肤深度；
Figure BDA0002922287270000102
其中，ω为电源角频率，μ为磁导率，σ为电导率。
S50、对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度。
在某一具体实施方式中，还包括：
S51、采用有限元法求解偏微分方程组。
采用有限元法求解偏微分方程组(5)
Figure BDA0002922287270000103
其中，方程组(5)的后三个方程仅对气体区域有效，
Figure BDA0002922287270000111
为磁矢势相量；j为单位虚数；λ为热导率；T为温度；ρ为密度；Cp为恒压热容；u为物质流动速度，对于固体u＝0；Qe为热源；p为气体压力；I为单位矩阵；τ为黏滞应力张量，表达式如式(6)所示，η为粘度系数；F为体积力；S为应变率张量，表达式如式(7)所示；运算τ:S表达式如式(8)所示；
Figure BDA0002922287270000112
Figure BDA0002922287270000113
Figure BDA0002922287270000114
S60、采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量，并采用神经网络方法建立温度分布特征向量及设备缺陷温升特征向量库。
选择不同触头插接、导电臂和母线等位置，选取热源Qe值最大的网格点共90个，获取相应网格点温度Ta，其中a＝1～90为网格点编号，形成温度分布特征向量Tt＝(T1,...Ta,...T90)，记录影响因素变量Iconditions。
选择不同触头插接、导电臂和母线等位置，选取温度梯度
Figure BDA0002922287270000115
值最高的网格点共90个，获取相应网格点温度梯度值
Figure BDA0002922287270000116
其中b＝1～90为网格点编号，形成温度梯度特征向量
Figure BDA0002922287270000117
记录影响因素变量Iconditions。
选取T0,u0,Ir各10个，形成包含不少于1000个Icondition向量的输入向量样本，重复步骤S02至S07，获取温度特征向量Tt和温度梯度特征向量Td。
修改标识符k＝k+1，根据表1修改方式，重复步骤S02至S08，获取不同影响因素向量Icondition下的温度特征向量Tt和温度梯度特征向量Td，建立设备缺陷温升特征向量库，Tt和Td各不少于5000组。
以Icondition为输入向量，Tt和Td分别为输出向量，对于每个标识符k值，抽取700组Icondition、Tt和Td作为训练数据，200组Icondition、Tt和Td作为测试数据，100组Icondition、Tt和Td作为验证数据，采用BP神经网络算法，分别拟合因变量Tt和Td与自变量Icondition之间关系。
在某一具体实施例中，本发明目的在于提供一种高压开关设备过热缺陷的温度特征曲线获取方法，针对特定厂家、特定型号开关设备建立简化几何模型，构建电磁-传热-流体多物理场耦合模型，获取不同缺陷条件下的设备温度和温度梯度特征曲线，并采用神经网络等人工智能算法拟合影响因素与温度特征曲线之间的关系。
为实现上述目的，本方案采取如下技术方案予以实现：
一种高压开关设备过热缺陷的温度特征曲线获取方法，包括如下步骤：
S01：获取特定厂家、特定型号开关设备几何模型，删除二次元器件、螺栓螺纹、操动机构等与导体温升无直接关联部件，简化触头插接部位细节，建立简化的开关设备几何模型，设置缺陷标识符k，标识符赋值表如表1所示。初始化标识符k＝0。
表1标识符k赋值表
Figure BDA0002922287270000121
Figure BDA0002922287270000131
S02：依据开关设备各构成部分材料类型，设置相对介电常数、相对磁导率、电导率、热导率、热容、辐射系数、对流换热系数等材料属性。其中，与材料温度相关的材料属性应考虑温度的影响。
S03：设置通流路径、运行电流大小和相位；设置初始气流场速度为0，初始温度为273.15K。对于电磁场，应用磁场度规修复，即在求解域应用式(1)；对于热场边界，不同材料之间考虑换热过程，由式(2)控制，固体材料表面考虑热辐射过程，由式(3)控制，求解域边界设定为环境温度T0。对于流场，求解域边界设定为自然对流边界。
Figure BDA0002922287270000132
qn1＝h(Text-Tin) (2)
qn2＝γκ(Text 4-Tin 4) (3)
其中，J为电流密度；A为磁矢势；qn1为对流换热过程引起的法向对内热通量；qn2为热辐射引起的法向对内热通量；h为对流换热系数；Text为外部温度；Tin为内部温度；γ为发射系数；κ为斯忒籓-玻耳兹曼常数。
S04：对几何模型进行网格剖分，编号每个网格点为i。其中，导体内表面网格尺寸应不大于趋肤深度δ，根据式(4)计算趋肤深度δ。
Figure BDA0002922287270000133
其中，ω为电源角频率，μ为磁导率，σ为电导率。
S05：采用有限元法求解偏微分方程组(5)，并获取高压开关设备的温升分布向量T＝(T1,T2...Ti)。设Icondition＝(T0,u0,Ir,k)为影响因素向量，包括环境温度T0、外部气体流速u0、运行电流Ir、缺陷类型标识符k。标识符k赋值表如表1所示。正常状态时，k＝0，此时，影响因素向量可记为Icondition＝(T0,u0,Ir,0)。
Figure BDA0002922287270000141
其中，方程组(5)的后三个方程仅对气体区域有效，
Figure BDA0002922287270000145
为磁矢势相量；j为单位虚数；λ为热导率；T为温度；ρ为密度；Cp为恒压热容；u为物质流动速度，对于固体u＝0；Qe为热源；p为气体压力；I为单位矩阵；τ为黏滞应力张量，表达式如式(6)所示，η为粘度系数；F为体积力；S为应变率张量，表达式如式(7)所示。运算τ:S表达式如式(8)所示。
Figure BDA0002922287270000142
Figure BDA0002922287270000143
Figure BDA0002922287270000144
S06：选择不同触头插接、导电臂和母线等位置，选取热源Qe值最大的网格点共90个，获取相应网格点温度Ta，其中a＝1～90为网格点编号，形成温度分布特征向量Tt＝(T1,...Ta,...T90)，记录影响因素变量Iconditions。
S07：选择不同触头插接、导电臂和母线等位置，选取温度梯度
Figure BDA0002922287270000151
值最高的网格点共90个，获取相应网格点温度梯度值
Figure BDA0002922287270000152
其中b＝1～90为网格点编号，形成温度梯度特征向量
Figure BDA0002922287270000153
记录影响因素变量Iconditions。
S08：选取T0,u0,Ir各10个，形成包含不少于1000个Icondition向量的输入向量样本，重复步骤S02至S07，获取温度特征向量Tt和温度梯度特征向量Td。
S09：修改标识符k＝k+1，根据表1修改方式，重复步骤S02至S08，获取不同影响因素向量Icondition下的温度特征向量Tt和温度梯度特征向量Td，建立设备缺陷温升特征向量库，Tt和Td各不少于5000组。
S10：以Icondition为输入向量，Tt和Td分别为输出向量，对于每个标识符k值，抽取700组Icondition、Tt和Td作为训练数据，200组Icondition、Tt和Td作为测试数据，100组Icondition、Tt和Td作为验证数据，采用BP神经网络算法，分别拟合因变量Tt和Td与自变量Icondition之间关系。
与现有技术相比，本发明具有如下优势：
(1)本发明提出了不同环境温度、外部气流、运行电流条件下，正常和不同缺陷状态下的开关设备温度特征向量Tt和温度梯度特征向量Td获取方法与位置选取原则。
(2)以本发明建立的温度特征向量Tt和温度梯度特征向量Td数据库为基础，将Icondition作为输入变量，Tt和Td分别为输出变量，采用BP神经网络等人工智能算法，构建了正常与缺陷状态下，不同环境温度、外部气流和运行电流条件下Tt和Td特征向量的快速计算方法，可克服有限元方法耗时较长的问题。
(3)通过对比在线监测或带电检测获取的特定位置温度分布向量Ttc与本发明所取得的温度分布特征向量Tt，可快速诊断开关设备过热缺陷原因。
第二方面。
请参阅图2，本发明一实施例提供一种高压设备的过热诊断系统，包括：
几何模型建立模块10，用于根据高压设备零部件建立开关设备的几何模型；其中，所述高压设备零部件为与导体升温有直接关联的部件。
缺陷标识规则设置模块20，用于设置缺陷标识规则并初始化缺陷标识符和影响因素向量。
在某一具体实施方式中，所述设置缺陷标识规则包括：
设置设备状态为正常时，缺陷标识符为0，
设置设备状态为触头插接不良时，缺陷标识符为1，
设置设备状态为触指氧化层磨损时，缺陷标识符为2，
设置设备状态为压接面压力不足时，缺陷标识符为3。
参数设置模块30，用于根据所述高压设备零部件，设置相对介电常数、磁导率、电导率、电源角频率、热导率、热容、辐射系数、对流换热系数。
电磁传热流体多物理场耦合仿真模型建立模块40，用于建立电磁传热流体多物理场耦合仿真模型，并初始化所述电磁传热流体多物理场耦合仿真模型初始环境条件。
在某一具体实施方式中，所述电磁传热流体多物理场耦合仿真模型建立模块，还用于：
对于电磁场，应用磁场度规修复，即在求解域应用式(1)；
对于热场边界，不同材料之间考虑换热过程，由式(2)控制；
固体材料表面考虑热辐射过程，由式(3)控制，求解域边界设定为环境温度T0；
对于流场，求解域边界设定为自然对流边界；
Figure BDA0002922287270000171
qn1＝h(Text-Tin) (2)
qn2＝γκ(Text 4-Tin 4) (3)
其中，J为电流密度；A为磁矢势；qn1为对流换热过程引起的法向对内热通量；qn2为热辐射引起的法向对内热通量；h为对流换热系数；Text为外部温度；Tin为内部温度；γ为发射系数；κ为斯忒籓玻耳兹曼常数。
网格剖分几何模型模块50，用于对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度。
温度和温度梯度特征向量获取模块60，用于采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量，并采用神经网络方法建立温度分布特征向量及设备缺陷温升特征向量库。
在某一具体实施方式中，还包括：
趋肤深度计算模块70，用于根据式(4)计算趋肤深度；
Figure BDA0002922287270000172
其中，ω为电源角频率，μ为磁导率，σ为电导率。
在某一具体实施方式中，还包括：
计算模块80，用于采用有限元法求解偏微分方程组(5)：
Figure BDA0002922287270000181
其中，方程组(5)的后三个方程仅对气体区域有效，
Figure BDA0002922287270000185
为磁矢势相量；j为单位虚数；λ为热导率；T为温度；ρ为密度；Cp为恒压热容；u为物质流动速度，对于固体u＝0；Qe为热源；p为气体压力；I为单位矩阵；τ为黏滞应力张量，表达式如式(6)所示，η为粘度系数；F为体积力；S为应变率张量，表达式如式(7)所示；运算τ:S表达式如式(8)所示；
Figure BDA0002922287270000182
Figure BDA0002922287270000183
Figure BDA0002922287270000184
第三方面。
本发明提供了一种电子设备，该电子设备包括：
处理器、存储器和总线；
所述总线，用于连接所述处理器和所述存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，可执行指令使处理器执行如本申请的第一方面所示的一种高压开关设备过热缺陷的温度特征曲线获取方法对应的操作。
在一个可选实施例中提供了一种电子设备，如图6所示，图6所示的电子设备5000包括：处理器5001和存储器5003。其中，处理器5001和存储器5003相连，如通过总线5002相连。可选地，电子设备5000还可以包括收发器5004。需要说明的是，实际应用中收发器5004不限于一个，该电子设备5000的结构并不构成对本申请实施例的限定。
处理器5001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器5001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线5002可包括一通路，在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器5003用于存储执行本申请方案的应用程序代码，并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
第四方面。
本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所示的一种高压开关设备过热缺陷的温度特征曲线获取方法。
本申请的又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。

Claims (10)

1.一种高压开关设备过热缺陷的温度特征曲线获取方法，其特征在于，包括：
根据高压设备零部件建立开关设备的几何模型；其中，所述高压设备零部件为与导体升温有直接关联的部件；
设置缺陷标识规则并初始化缺陷标识符和影响因素向量；
根据所述高压设备零部件，设置相对介电常数、磁导率、电导率、电源角频率、热导率、热容、辐射系数、对流换热系数；
建立电磁传热流体多物理场耦合仿真模型，并初始化所述电磁传热流体多物理场耦合仿真模型初始环境条件；
对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度；
采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量，并采用神经网络方法建立温度分布特征向量及设备缺陷温升特征向量库。
2.如权利要求1所述的一种高压开关设备过热缺陷的温度特征曲线获取方法，其特征在于，所述设置缺陷标识规则包括：
设置设备状态为正常时，缺陷标识符为0，
设置设备状态为触头插接不良时，缺陷标识符为1，
设置设备状态为触指氧化层磨损时，缺陷标识符为2，
设置设备状态为压接面压力不足时，缺陷标识符为3。
3.如权利要求1所述的一种高压开关设备过热缺陷的温度特征曲线获取方法，其特征在于，所述建立电磁传热流体多物理场耦合仿真模型，包括：
对于电磁场，应用磁场度规修复，即在求解域应用式(1)；
对于热场边界，不同材料之间考虑换热过程，由式(2)控制；
固体材料表面考虑热辐射过程，由式(3)控制，求解域边界设定为环境温度T0；
对于流场，求解域边界设定为自然对流边界；
Figure FDA0002922287260000021
qn1＝h(Text-Tin) (2)
qn2＝γκ(Text 4-Tin 4) (3)
其中，J为电流密度；A为磁矢势；qn1为对流换热过程引起的法向对内热通量；qn2为热辐射引起的法向对内热通量；h为对流换热系数；Text为外部温度；Tin为内部温度；γ为发射系数；κ为斯忒籓玻耳兹曼常数。
4.如权利要求1所述的一种高压开关设备过热缺陷的温度特征曲线获取方法，其特征在于，所述对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度之前，还包括：
根据式(4)计算趋肤深度；
Figure FDA0002922287260000022
其中，ω为电源角频率，μ为磁导率，σ为电导率。
5.如权利要求1所述的一种高压开关设备过热缺陷的温度特征曲线获取方法，其特征在于，所述采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量之前，还包括：
采用有限元法求解偏微分方程组(5)
Figure FDA0002922287260000031
其中，方程组(5)的后三个方程仅对气体区域有效，
Figure FDA0002922287260000035
为磁矢势相量；j为单位虚数；λ为热导率；T为温度；ρ为密度；Cp为恒压热容；u为物质流动速度，对于固体u＝0；Qe为热源；p为气体压力；I为单位矩阵；τ为黏滞应力张量，表达式如式(6)所示，η为粘度系数；F为体积力；S为应变率张量，表达式如式(7)所示；运算τ:S表达式如式(8)所示；
Figure FDA0002922287260000032
Figure FDA0002922287260000033
Figure FDA0002922287260000034
6.一种高压开关设备过热缺陷的温度特征曲线获取系统，其特征在于，包括：
几何模型建立模块，用于根据高压设备零部件建立开关设备的几何模型；其中，所述高压设备零部件为与导体升温有直接关联的部件；
缺陷标识规则设置模块，用于设置缺陷标识规则并初始化缺陷标识符和影响因素向量；
参数设置模块，用于根据所述高压设备零部件，设置相对介电常数、磁导率、电导率、电源角频率、热导率、热容、辐射系数、对流换热系数；
电磁传热流体多物理场耦合仿真模型建立模块，用于建立电磁传热流体多物理场耦合仿真模型，并初始化所述电磁传热流体多物理场耦合仿真模型初始环境条件；
网格剖分几何模型模块，用于对所述几何模型进行网格剖分，使得所述导体的内表面网格尺寸应小于等于趋肤深度；
温度和温度梯度特征向量获取模块，用于采用有限元方法获取不同影响因素向量下的高压设备的温度和温度梯度特征向量，并采用神经网络方法建立温度分布特征向量及设备缺陷温升特征向量库。
7.如权利要求6所述的一种高压开关设备过热缺陷的温度特征曲线获取系统，其特征在于，所述设置缺陷标识规则包括：
设置设备状态为正常时，缺陷标识符为0，
设置设备状态为触头插接不良时，缺陷标识符为1，
设置设备状态为触指氧化层磨损时，缺陷标识符为2，
设置设备状态为压接面压力不足时，缺陷标识符为3。
8.如权利要求6所述的一种高压开关设备过热缺陷的温度特征曲线获取系统，其特征在于，所述电磁传热流体多物理场耦合仿真模型建立模块，还用于：
对于电磁场，应用磁场度规修复，即在求解域应用式(1)；
对于热场边界，不同材料之间考虑换热过程，由式(2)控制；
固体材料表面考虑热辐射过程，由式(3)控制，求解域边界设定为环境温度T0；
对于流场，求解域边界设定为自然对流边界；
Figure FDA0002922287260000051
qn1＝h(Text-Tin) (2)
qn2＝γκ(Text 4-Tin 4) (3)
其中，J为电流密度；A为磁矢势；qn1为对流换热过程引起的法向对内热通量；qn2为热辐射引起的法向对内热通量；h为对流换热系数；Text为外部温度；Tin为内部温度；γ为发射系数；κ为斯忒籓玻耳兹曼常数。
9.如权利要求6所述的一种高压开关设备过热缺陷的温度特征曲线获取系统，其特征在于，还包括：趋肤深度计算模块，用于根据式(4)计算趋肤深度；
Figure FDA0002922287260000052
其中，ω为电源角频率，μ为磁导率，σ为电导率。
10.如权利要求6所述的一种高压开关设备过热缺陷的温度特征曲线获取系统，其特征在于，还包括：计算模块，用于采用有限元法求解偏微分方程组(5)：
Figure FDA0002922287260000053
其中，方程组(5)的后三个方程仅对气体区域有效，
Figure FDA0002922287260000054
为磁矢势相量；j为单位虚数；λ为热导率；T为温度；ρ为密度；Cp为恒压热容；u为物质流动速度，对于固体u＝0；Qe为热源；p为气体压力；I为单位矩阵；τ为黏滞应力张量，表达式如式(6)所示，η为粘度系数；F为体积力；S为应变率张量，表达式如式(7)所示；运算τ:S表达式如式(8)所示；
Figure FDA0002922287260000061
Figure FDA0002922287260000062
Figure FDA0002922287260000063
CN202110121745.3A 2020-12-30 2021-01-28 高压开关设备过热缺陷的温度特征曲线获取方法及系统 Active CN112765861B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011629170 2020-12-30
CN2020116291708 2020-12-30

Publications (2)

Publication Number Publication Date
CN112765861A true CN112765861A (zh) 2021-05-07
CN112765861B CN112765861B (zh) 2023-06-20

Family

ID=75706528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110121745.3A Active CN112765861B (zh) 2020-12-30 2021-01-28 高压开关设备过热缺陷的温度特征曲线获取方法及系统

Country Status (1)

Country Link
CN (1) CN112765861B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107122538A (zh) * 2017-04-24 2017-09-01 中国电力科学研究院 一种特高压直流换流站接头端子的温升优化方法及系统
CN108197396A (zh) * 2018-01-09 2018-06-22 国网福建省电力有限公司 一种基于pso-svm的高压隔离开关过热状态预测方法
US20190114385A1 (en) * 2016-09-08 2019-04-18 Southeast University Motor thermoanalysis method with temperature field directly coupled with heat circuit
CN110069804A (zh) * 2019-01-10 2019-07-30 国网电力科学研究院武汉南瑞有限责任公司 一种局部过热性故障物理缺陷检测装置
CN110197000A (zh) * 2019-04-30 2019-09-03 南方电网科学研究院有限责任公司 隔离开关动态增容运行预测方法、装置、设备及存储介质
CN110287629A (zh) * 2019-07-01 2019-09-27 国网重庆市电力公司电力科学研究院 确定高压盆式绝缘子结构参数的计算机装置、设备及方法
CN111460706A (zh) * 2020-03-19 2020-07-28 国网江苏省电力有限公司电力科学研究院 高压交流gil管廊在线监测及温度状态判别方法、系统及其存储介质
CN111753449A (zh) * 2020-06-16 2020-10-09 国网山东省电力公司威海供电公司 一种获取电力变压器不同工作情况下热点温度的仿真方法
CN112036067A (zh) * 2020-09-03 2020-12-04 国网上海市电力公司 一种沟槽电缆稳态温升预测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190114385A1 (en) * 2016-09-08 2019-04-18 Southeast University Motor thermoanalysis method with temperature field directly coupled with heat circuit
CN107122538A (zh) * 2017-04-24 2017-09-01 中国电力科学研究院 一种特高压直流换流站接头端子的温升优化方法及系统
CN108197396A (zh) * 2018-01-09 2018-06-22 国网福建省电力有限公司 一种基于pso-svm的高压隔离开关过热状态预测方法
CN110069804A (zh) * 2019-01-10 2019-07-30 国网电力科学研究院武汉南瑞有限责任公司 一种局部过热性故障物理缺陷检测装置
CN110197000A (zh) * 2019-04-30 2019-09-03 南方电网科学研究院有限责任公司 隔离开关动态增容运行预测方法、装置、设备及存储介质
CN110287629A (zh) * 2019-07-01 2019-09-27 国网重庆市电力公司电力科学研究院 确定高压盆式绝缘子结构参数的计算机装置、设备及方法
CN111460706A (zh) * 2020-03-19 2020-07-28 国网江苏省电力有限公司电力科学研究院 高压交流gil管廊在线监测及温度状态判别方法、系统及其存储介质
CN111753449A (zh) * 2020-06-16 2020-10-09 国网山东省电力公司威海供电公司 一种获取电力变压器不同工作情况下热点温度的仿真方法
CN112036067A (zh) * 2020-09-03 2020-12-04 国网上海市电力公司 一种沟槽电缆稳态温升预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
孙凌涛等: "高压隔离开关热缺陷仿真试验分析及处理措施", 《内蒙古电力技术》 *
戴伟伟等: "基于多物理场耦合的GIS温升异常状态评估研究", 《机电工程》 *
李勇等: "基于RBF神经网络的高压隔离开关过热状态预警方法", 《自动化与仪器仪表》 *
许高俊等: "基于信息融合技术的高压开关柜温度预警研究", 《电工技术》 *

Also Published As

Publication number Publication date
CN112765861B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
Xu et al. Online identification of battery model parameters and joint state of charge and state of health estimation using dual particle filter algorithms
Zhao et al. Modeling the effects of thermal gradients induced by tab and surface cooling on lithium ion cell performance
CN109073710B (zh) 用于电热电池模型的生成与使用的系统及方法
CN110794706B (zh) 开关柜的测温方法、装置、计算机设备和存储介质
CN112710690A (zh) 一种确定加速寿命试验中加速因子的方法及应用
TW201725397A (zh) 用於判定電路故障率之方法及系統
CN113177336A (zh) 一种测温传感器的芯片结温测试方法、装置及存储介质
CN109143094A (zh) 一种动力电池的异常数据检测方法和装置
Zhou et al. Fast modeling of battery thermal dynamics based on spatio-temporal adaptation
Lombardi et al. Electrothermal formulation of the partial element equivalent circuit method
Helmzadeh et al. Calibration of erroneous branch parameters utilising learning automata theory
CN112926259A (zh) 一种基于rbf神经网络模型预测半导体器件结温的方法
JP7303665B2 (ja) 物理システムのハイブリッドモデル生成
CN112765861A (zh) 高压开关设备过热缺陷的温度特征曲线获取方法及系统
Codecasa et al. Thermal resistance and impedance calculator (TRIC)
Yin et al. An Integrated Flow–Electric–Thermal Model for a Cylindrical Li‐Ion Battery Module with a Direct Liquid Cooling Strategy
Krishnaswamy et al. Fast and accurate thermal analysis of smartphone with dynamic power management using reduced order modeling
US20230195094A1 (en) Detecting or predicting system faults in cooling systems in a non-intrusive manner using deep learning
Yen et al. Application of CAEBAT full field approach for a liquid-cooled automotive battery pack
CN113945740B (zh) 接触电阻的确定方法、装置、设备及存储介质
Zhou et al. Optimal-sensing-based recursive estimation for temperature distribution of pouch-type batteries
Imane et al. Discrete linear functional observer for the thermal estimation in power modules
Lee et al. Phone‐nomenon 2.0: A compact thermal model for smartphones
CN113779929A (zh) 电子元器件检查方法、装置、计算机设备和可读存储介质
Cao et al. 3D Compact Thermal Model and its Application on Fast Chip Level Thermal Simulation

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
GR01 Patent grant
GR01 Patent grant