一种基于多源遥测数据的变压器运行状态分析方法与流程

1.本发明属于变压器技术领域，具体涉及一种基于多源遥测数据的变压器运行状态分析方法。

背景技术：

2.随着计算机、通信技术的发展，调度自动化系统、能量管理系统、电量采集系统、负荷控制系统的实用化，可以直接从调度自动化系统中获取相关的历史数据和实时数据，从数据采集系统中获取仪表统计数据，实现自动数据采集。这些都为结合变压器运行数据库设计一个具有统计、分析、计算、评估等功能为一体的分析评估系统提供了良好的基础条件。该分析评估系统可以进一步提升当前变压器运行的安全经济水平，促进地区电网的健康发展。
3.为了实现对变压器的运行状态的在线评估，在授权发明专利授权公告号 cn114123510b《一种基于实时数据分析的变压器监控方法和系统》中包括监测数据采集模块、本地分析模块和云分析模块；监测数据采集模块用于采集变压器状态数据，并将采集到的变压器状态数据通过无线传感器网络实时传输到数据本地分析模块；本地分析模块用于汇聚各传感器节点采集的变压器状态数据，并根据接收到的变压器状态数据进行实时运行状态分析处理，得到实时状态分析结果；云分析模块用于对由本地分析模块传输的变压器状态数据和对应的实时状态分析结果进行分类存储管理和大数据分析处理，但是却存在以下技术问题：
4.1、本地分析模块没有基于变压器状态数据的分析的基础上，构建变压器状态变量，从而导致需要传输的数据过多，容易造成数据的传输堵塞以及较多的电能消耗，不利于监控分析系统的安全稳定运行。
5.2、基于实时状态分析结果进行报警时没有同时结合云分析模块以及本地分析模块的分析结果，仅仅依靠本地分析模块的实时状态分析结果有可能会导致由于考虑数据种类不全或者分析方法过于简单导致的判断错误的技术问题，从而导致错误的报警出现，不利于变压器的可靠稳定运行以及进行针对性的检修。
6.基于上述技术问题，需要设计一种基于多源遥测数据的变压器运行状态分析方法。

技术实现要素：

7.本发明的目的是提供一种基于多源遥测数据的变压器运行状态分析方法。
8.为了解决上述技术问题，本发明第一方面提供了一种基于多源遥测数据的变压器运行状态分析方法，其特征在于，具体包括：
9.s11基于遥测终端对变压器的运行数据进行监测得到变压器状态数据，并将所述变压器状态数据传输至本地分析模块；
10.s12所述本地分析模块对所述变压器状态数据进行分析，确认所述变压器是否处
于异常状态，若是，则将所述变压器状态数据传输至云分析模块，基于所述云分析模块对所述变压器异常状态进行判断，判断是否处于异常状态，当且仅当云分析模块的判断结果同时处于异常状态时，由本地报警模块输出报警信号；若否，则进入步骤s13；
11.s13所述本地分析模块对变压器状态数据进行解析，并基于所述变压器状态数据构建变压器基础状态变量、运行环境状态变量、变压器油状态变量，并将所述变压器基础状态变量、运行环境状态变量、变压器油状态变量传输至所述云分析模块；
12.s14所述云分析模块对变压器的状态进行判断得到变压器运行状态分析结果。
13.通过遥测终端可以实现对变压器的运行数据的监测得到变压器状态数据，并通过本地分析模块进行分析，在此基础上确认变压器是否出与异常状态，若是，则进一步通过云分析模块进行判断，当且仅当云分析模块的判断结果也为异常时，此时再进行报警信号的输出，从而解决了单一依靠本地分析模块进行报警的不够准确的技术问题，当不处于异常状态时，则将变压器状态数据进行解析，形成变压器基础状态变量、运行环境状态变量、变压器油状态变量，并将其传输至云分析模块，从而解决了原有的需要传输的数据过多，容易造成数据的传输堵塞以及较多的电能消耗，不利于监控分析系统的安全稳定运行的技术问题，进一步降低了电能消耗，促进了系统的稳定性。
14.通过采用云分析模块对变压器的异常状态信息进行验证，从而使得报警信号的输出结果变得更加的可信，也防止了错误的判断结果的出现，提升了整体的可靠性和稳定性，促进了变压器的稳定安全运行。
15.通过采用本地分析模块在对基于所述变压器状态数据分析的基础上，构建变压器基础状态变量、运行环境状态变量、变压器油状态变量，从而使得最终传输至云分析模块的数据得到进一步的压缩，减少了数据传输过程中的电能消耗和数据堵塞导致问题的出现，保证了系统的安全稳定。
16.进一步的技术方案在于，所述变压器状态数据包括电压状态数据、电流状态数据、瓦斯状态数据、油谱状态数据、变压器局放状态数据、温度状态数据、环境温度数据、环境风速数据、环境湿度数据。
17.进一步的技术方案在于，确定变压器处于异常状态的具体步骤为：
18.s21读取所述变压器状态数据，确定所述变压器状态数据是否超过国家标准要求，若是，则确定变压器处于异常状态，若否，则进入步骤s22；
19.s22基于第一时间阈值前变压器状态数据与实时的变压器状态数据，确定所述变压器状态数据的差值，当所述变压器状态数据的差值超过国家标准要求时，则确定变压器处于异常状态，若否，则进入步骤s23；
20.s23基于变压器运行状态数据确定变压器不同相之间的差值是否大于国家标准要求，若是，则确定变压器处于异常状态。
21.通过分步骤分别基于变压器状态数据、第一时间阈值内的差值、不同相之间的差值，从而从简单到复杂逐步实现对变压器异常状态的判断，不仅判断考虑的数据的全面性较高，而且具有较高的判断效率。
22.进一步的技术方案在于，所述变压器基础状态变量的构建的具体计算公式为：
23.24.其中k1、k2、k3、k4、k5、k6为常数，i、v、t分别为电流状态数据、电压状态数据、温度状态数据，ie、ve分别为额定电流状态数据和额定电压状态数据。
25.进一步的技术方案在于，基于瓦斯状态数据、油谱状态数据、变压器局放状态数据构建变压器油状态变量，基于环境温度数据、环境风速数据、环境湿度数据构建运行环境状态变量。
26.进一步的技术方案在于，当本地分析模块向所述云分析模块的传输时间大于第二时间阈值且变压器不处于异常状态时，所述本地分析模块将所述变压器状态数据传输至云分析模块。
27.通过第二时间阈值的设定，从而可以使得本地分析模块能够定期将变压器状态数据进行上传，在节省电能的同时，也使得云分析模块能够更加准确的掌握变压器的实际运行状态。
28.进一步的技术方案在于，变压器运行状态分析结果的分析步骤为：
29.s31提取所述变压器的变压器基础状态变量、运行环境状态变量、变压器油状态变量并构成输入集；
30.s32将所述输入集输入至基于gru算法的预测模型之中，得到预测结果；
31.s33基于所述变压器的运行年限、所述变压器的历史故障次数、预测结果输入到基于svm算法的预测模型之中，得到变压器运行状态分析结果。
32.通过首先得到预测结果，在此基础上再根据变压器的运行年限、历史故障次数再进行变压器运行状态分析结果，从而极大的降低了算法运算的难度，提升了效率，同时可以同时兼顾gru算法以及svm算法的优点，保证了较高的精度。
33.进一步的技术方案在于，采用pso算法对所述svm算法的惩罚因子进行寻优，并对所述pso算法的学习因子采用非线性收敛方法，其具体的计算公式为：
[0034][0035][0036]
其中c
11
、c
1min
、c
2max
、c
2min
分别为设置的学习因子1的初始值、学习因子1的最小值，学习因子2的最大值、学习因子2的最小值，t为当前迭代次数，tm为最大迭代次数，c1(t+1)、c2(t+1)为第t+1次迭代时的学习因子1 的值，学习因子2的值。
[0037]
另一方面，本技术实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的基于多源遥测数据的变压器运行状态分析方法。
[0038]
另一方面，本技术实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的基于多源遥测数据的变压器运行状态分析方法。
[0039]
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
[0040]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合
所附附图，作详细说明如下。
附图说明
[0041]
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
[0042]
图1是根据实施例1的一种基于多源遥测数据的变压器运行状态分析方法的流程图。
具体实施方式
[0043]
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
[0044]
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
[0045]
实施例1
[0046]
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于多源遥测数据的变压器运行状态分析方法，其特征在于，具体包括：
[0047]
s11基于遥测终端对变压器的运行数据进行监测得到变压器状态数据，并将所述变压器状态数据传输至本地分析模块；
[0048]
s12所述本地分析模块对所述变压器状态数据进行分析，确认所述变压器是否处于异常状态，若是，则将所述变压器状态数据传输至云分析模块，基于所述云分析模块对所述变压器异常状态进行判断，判断是否处于异常状态，当且仅当云分析模块的判断结果同时处于异常状态时，由本地报警模块输出报警信号；若否，则进入步骤s13；
[0049]
具体举个例子，当变压器的电流超过20ka时，此时本地分析模块确定处于异常状态，则将变压器的电流传输至云分析模块，若确定不处于异常状态，则不输出报警信号。
[0050]
s13所述本地分析模块对变压器状态数据进行解析，并基于所述变压器状态数据构建变压器基础状态变量、运行环境状态变量、变压器油状态变量，并将所述变压器基础状态变量、运行环境状态变量、变压器油状态变量传输至所述云分析模块；
[0051]
s14所述云分析模块对变压器的状态进行判断得到变压器运行状态分析结果。
[0052]
通过遥测终端可以实现对变压器的运行数据的监测得到变压器状态数据，并通过本地分析模块进行分析，在此基础上确认变压器是否出与异常状态，若是，则进一步通过云分析模块进行判断，当且仅当云分析模块的判断结果也为异常时，此时再进行报警信号的输出，从而解决了单一依靠本地分析模块进行报警的不够准确的技术问题，当不处于异常状态时，则将变压器状态数据进行解析，形成变压器基础状态变量、运行环境状态变量、变压器油状态变量，并将其传输至云分析模块，从而解决了原有的需要传输的数据过多，容易造成数据的传输堵塞以及较多的电能消耗，不利于监控分析系统的安全稳定运行的技术问题，进一步降低了电能消耗，促进了系统的稳定性。
[0053]
通过采用云分析模块对变压器的异常状态信息进行验证，从而使得报警信号的输出结果变得更加的可信，也防止了错误的判断结果的出现，提升了整体的可靠性和稳定性，促进了变压器的稳定安全运行。
[0054]
通过采用本地分析模块在对基于所述变压器状态数据分析的基础上，构建变压器基础状态变量、运行环境状态变量、变压器油状态变量，从而使得最终传输至云分析模块的数据得到进一步的压缩，减少了数据传输过程中的电能消耗和数据堵塞导致问题的出现，保证了系统的安全稳定。
[0055]
在另外一种可能的实施例中，所述变压器状态数据包括电压状态数据、电流状态数据、瓦斯状态数据、油谱状态数据、变压器局放状态数据、温度状态数据、环境温度数据、环境风速数据、环境湿度数据。
[0056]
在另外一种可能的实施例中，确定变压器处于异常状态的具体步骤为：
[0057]
s21读取所述变压器状态数据，确定所述变压器状态数据是否超过国家标准要求，若是，则确定变压器处于异常状态，若否，则进入步骤s22；
[0058]
s22基于第一时间阈值前变压器状态数据与实时的变压器状态数据，确定所述变压器状态数据的差值，当所述变压器状态数据的差值超过国家标准要求时，则确定变压器处于异常状态，若否，则进入步骤s23；
[0059]
s23基于变压器运行状态数据确定变压器不同相之间的差值是否大于国家标准要求，若是，则确定变压器处于异常状态。
[0060]
通过分步骤分别基于变压器状态数据、第一时间阈值内的差值、不同相之间的差值，从而从简单到复杂逐步实现对变压器异常状态的判断，不仅判断考虑的数据的全面性较高，而且具有较高的判断效率。
[0061]
在另外一种可能的实施例中，所述变压器基础状态变量的构建的具体计算公式为：
[0062][0063]
其中k1、k2、k3、k4、k5、k6为常数，i、v、t分别为电流状态数据、电压状态数据、温度状态数据，ie、ve分别为额定电流状态数据和额定电压状态数据。
[0064]
在另外一种可能的实施例中，基于瓦斯状态数据、油谱状态数据、变压器局放状态数据构建变压器油状态变量，基于环境温度数据、环境风速数据、环境湿度数据构建运行环境状态变量。
[0065]
在另外一种可能的实施例中，当本地分析模块向所述云分析模块的传输时间大于第二时间阈值且变压器不处于异常状态时，所述本地分析模块将所述变压器状态数据传输至云分析模块。
[0066]
通过第二时间阈值的设定，从而可以使得本地分析模块能够定期将变压器状态数据进行上传，在节省电能的同时，也使得云分析模块能够更加准确的掌握变压器的实际运行状态。
[0067]
在另外一种可能的实施例中，变压器运行状态分析结果的分析步骤为：
[0068]
s31提取所述变压器的变压器基础状态变量、运行环境状态变量、变压器油状态变量并构成输入集；
[0069]
s32将所述输入集输入至基于gru算法的预测模型之中，得到预测结果；
[0070]
s33基于所述变压器的运行年限、所述变压器的历史故障次数、预测结果输入到基于svm算法的预测模型之中，得到变压器运行状态分析结果。
[0071]
通过首先得到预测结果，在此基础上再根据变压器的运行年限、历史故障次数再进行变压器运行状态分析结果，从而极大的降低了算法运算的难度，提升了效率，同时可以同时兼顾gru算法以及svm算法的优点，保证了较高的精度。
[0072]
在另外一种可能的实施例中，采用pso算法对所述svm算法的惩罚因子进行寻优，并对所述pso算法的学习因子采用非线性收敛方法，其具体的计算公式为：
[0073][0074][0075]
其中c
11
、c
1min
、c
2max
、c
2min
分别为设置的学习因子1的初始值、学习因子 1的最小值，学习因子2的最大值、学习因子2的最小值，t为当前迭代次数，tm为最大迭代次数，c1(t+1)、c2(t+1)为第t+1次迭代时的学习因子1的值，学习因子2的值。
[0076]
实施例2
[0077]
本技术实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的基于多源遥测数据的变压器运行状态分析方法。
[0078]
实施例3
[0079]
本技术实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的基于多源遥测数据的变压器运行状态分析方法。
[0080]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0081]
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0082]
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计
算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0083]
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

技术特征：

1.一种基于多源遥测数据的变压器运行状态分析方法，其特征在于，具体包括：s11基于遥测终端对变压器的运行数据进行监测得到变压器状态数据，并将所述变压器状态数据传输至本地分析模块；s12所述本地分析模块对所述变压器状态数据进行分析，确认所述变压器是否处于异常状态，若是，则将所述变压器状态数据传输至云分析模块，基于所述云分析模块对所述变压器异常状态进行判断，判断是否处于异常状态，当且仅当云分析模块的判断结果同时处于异常状态时，由本地报警模块输出报警信号；若否，则进入步骤s13；s13所述本地分析模块对变压器状态数据进行解析，并基于所述变压器状态数据构建变压器基础状态变量、运行环境状态变量、变压器油状态变量，并将所述变压器基础状态变量、运行环境状态变量、变压器油状态变量传输至所述云分析模块；s14所述云分析模块对变压器的状态进行判断得到变压器运行状态分析结果。2.如权利要求1所述的变压器运行状态分析方法，其特征在于，所述变压器状态数据包括电压状态数据、电流状态数据、瓦斯状态数据、油谱状态数据、变压器局放状态数据、温度状态数据、环境温度数据、环境风速数据、环境湿度数据。3.如权利要求1所述的变压器运行状态分析方法，其特征在于，确定变压器处于异常状态的具体步骤为：s21读取所述变压器状态数据，确定所述变压器状态数据是否超过国家标准要求，若是，则确定变压器处于异常状态，若否，则进入步骤s22；s22基于第一时间阈值前变压器状态数据与实时的变压器状态数据，确定所述变压器状态数据的差值，当所述变压器状态数据的差值超过国家标准要求时，则确定变压器处于异常状态，若否，则进入步骤s23；s23基于变压器运行状态数据确定变压器不同相之间的差值是否大于国家标准要求，若是，则确定变压器处于异常状态。4.如权利要求1所述的变压器运行状态分析方法，其特征在于，所述变压器基础状态变量的构建的具体计算公式为：其中k1、k2、k3、k4、k5、k6为常数，i、v、t分别为电流状态数据、电压状态数据、温度状态数据，i
e
、v
e
分别为额定电流状态数据和额定电压状态数据。5.如权利要求1所述的变压器运行状态分析方法，其特征在于，基于瓦斯状态数据、油谱状态数据、变压器局放状态数据构建变压器油状态变量，基于环境温度数据、环境风速数据、环境湿度数据构建运行环境状态变量。6.如权利要求1所述的变压器运行状态分析方法，其特征在于，当本地分析模块向所述云分析模块的传输时间大于第二时间阈值且变压器不处于异常状态时，所述本地分析模块将所述变压器状态数据传输至云分析模块。7.如权利要求1所述的变压器运行状态分析方法，其特征在于，变压器运行状态分析结果的分析步骤为：s31提取所述变压器的变压器基础状态变量、运行环境状态变量、变压器油状态变量并
构成输入集；s32将所述输入集输入至基于gru算法的预测模型之中，得到预测结果；s33基于所述变压器的运行年限、所述变压器的历史故障次数、预测结果输入到基于svm算法的预测模型之中，得到变压器运行状态分析结果。8.如权利要求1所述的变压器运行状态分析方法，其特征在于，采用pso算法对所述svm算法的惩罚因子进行寻优，并对所述pso算法的学习因子采用非线性收敛方法，其具体的计算公式为：算公式为：其中c
11
、c
1min
、c
2max
、c
2min
分别为设置的学习因子1的初始值、学习因子1的最小值，学习因子2的最大值、学习因子2的最小值，t为当前迭代次数，tm为最大迭代次数，c1(t+1)、c2(t+1)为第t+1次迭代时的学习因子1的值，学习因子2的值。9.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-8任意一项所述的基于多源遥测数据的变压器运行状态分析方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施权利要求1-8任意一项所述的基于多源遥测数据的变压器运行状态分析方法。

技术总结

本发明提供一种基于多源遥测数据的变压器运行状态分析方法，属于变压器技术领域，具体包括：基于遥测终端对变压器的运行数据进行监测得到变压器状态数据，并传输至本地分析模块；本地分析模块对变压器状态数据进行分析，确认变压器是否处于异常状态，若是，则将变压器状态数据传输至云分析模块对变压器异常状态进行判断，当且仅当云分析模块的判断结果同时处于异常状态时，由本地报警模块输出报警信号；若否，则本地分析模块对变压器状态数据进行解析，并构建变压器基础状态变量、运行环境状态变量、变压器油状态变量，并传输至云分析模块；云分析模块对变压器的状态进行判断得到变压器运行状态分析结果，从而保证了识别的准确性和传输的可靠性。确性和传输的可靠性。确性和传输的可靠性。