[发明专利]变压器故障预测方法及变压器故障预测装置

说明书

本发明涉及变压器技术领域，提供一种变压器故障预测方法及装置，所述方法包括：获取目标变压器的当前DGA数据、目标变压器的当前运行数据，以及目标变压器所在电网的当前电网潮流数据；将所述当前DGA数据、所述当前运行数据和所述电网潮流数据输入已训练的故障预测模型，以获得所述已训练的故障预测模型输出的预设故障类型集中各故障类型的发生概率；根据所述各故障类型的发生概率判断所述目标变压器是否会发生相应类型的故障。本发明提供的技术方案，能够对变压器故障类型进行快速、准确地预测。

技术领域

本发明涉及变压器技术领域，特别涉及一种变压器故障预测方法及一种变压器故障预测装置。

背景技术

变压器作为输配电系统的关键设备，其性能的优良将直接影响电力用户，因此最大程度的减少电力变压器发生故障具有重要意义。

变压器故障类型可分为低能放电、高能放电、局部放电、低温过热(温度小于300℃时)、中温过热(温度在300℃和700℃之间时)、高温过热(温度大于700℃时)、低能放电兼过热和高能放电兼过热8种故障类型。

目前对于变压器故障类型的智能诊断和预测，主要基于变压器油中溶解的气体成分来进行，即将变压器油中溶解的气体成分作为特征向量，建立该特征向量与变压器故障类型之间的非线性映射关系，通过实时检测分析变压器油中溶解的气体成分(DissolvedGasses Analysis，DGA)来预测或诊断变压器故障。但在目前的实际应用中，充电桩、分布式电源等新型能源的利用，使得电力系统网络环境越来越复杂，上述这种单一的只考虑变压器油中气体成分的方式，使得对变压器故障类型的预测并不准确。

发明内容

有鉴于此，本发明旨在提出一种变压器故障预测方法及装置，能够对变压器故障类型进行快速、准确地预测。

为达到上述目的，本发明的技术方案是这样实现的：

一种变压器故障预测方法，所述方法包括：

获取目标变压器的当前DGA数据、所述目标变压器的当前运行数据，以及所述目标变压器所在电网的当前电网潮流数据；

将所述当前DGA数据、所述当前运行数据和所述当前电网潮流数据输入已训练的故障预测模型，以获得所述已训练的故障预测模型输出的预设故障类型集中各故障类型的发生概率；

根据所述各故障类型的发生概率判断所述目标变压器是否会发生相应类型的故障。

优选地，所述已训练的故障预测模型采用如下方式获得：

采集在预设历史时间段内的以下数据，获得历史故障数据：所述目标变压器发生故障的故障类型集、所述目标变压器的DGA数据、所述目标变压器的运行数据，以及所述目标变压器所在电网的电网潮流数据；其中，所述故障类型集属于所述预设故障类型集的子集；

采用深度强化学习技术对所述历史故障数据进行学习，以建立所述故障预测模型；

根据所述历史故障数据，采用深度强化学习技术计算所述预设历史时间段内每一时刻对应的所述预设故障类型集中各故障类型的发生概率；

将所述预设历史时间段内每一时刻对应的所述预设故障类型集中各故障类型的发生概率和所述历史故障数据作为训练样本，对所述故障预测模型进行训练，获得所述已训练的故障预测模型。

优选地，所述故障预测模型的训练框架包括DQN网络模型。

进一步地，所述方法还包括：

当判断出所述目标变压器会发生相应类型的故障时，进行故障预警。

进一步地，所述方法还包括：

当判断出所述目标变压器不会发生相应类型的故障时，判断所述当前DGA数据是否位于预设的边界警戒值内；