[发明专利]一种配电变压器高压侧缺相故障抢修方法有效

专利信息
申请号: 201910286431.1 申请日: 2019-04-10
公开(公告)号: CN110095661B 公开(公告)日: 2021-12-10
发明(设计)人: 韩翊;钱忠敏;陈琳;葛晓军;聂峥;魏明林;张国成;蒋立志;毛亚明;邵丹璐;林秋佳;马凌;何琴琴;刘玉俊;吕骁男;裘枭敏 申请(专利权)人: 浙江华云信息科技有限公司;国网浙江温岭市供电有限公司
主分类号: G01R29/16 分类号: G01R29/16
代理公司: 浙江翔隆专利事务所(普通合伙) 33206 代理人: 王晓燕
地址: 310012 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种配电变压器高压侧缺相故障抢修方法,涉及缺相判断方法。目前,缺相判断存在缺乏实时性和智能化程度不够深入的问题。本发明包括步骤获取数据、数据矩阵化、高维特征提取、多特征融合、故障溯源、高压缺相故障诊断;基于MP‑Law的谱分析和基于Ring‑Law的平均谱半径指标,进一步建立LES统计指标体系及其可视化,进而构建缺相判据指标;融合配电网运行和环境信息,分析故障影响因素,通过时间序列对设备状态演变过程建模,用随机矩阵形成相关指标对电网线路的状态进行评估,为配电网检修安排提供指导。本技术方案合理对各类型分配相应资源,实现检修资源的合理配置;优化配电网检修资源配置,使得应急抢修更精准。
搜索关键词: 一种 配电 变压器 高压 侧缺相 故障 抢修 方法
【主权项】:
1.一种配电变压器高压侧缺相故障抢修方法,其特征在于包括以下步骤:1)获取数据:利用现有的通信机制获取高维数据集,把故障检测相关的传感器的数据收集在智能配变终端,从云下放到边缘;2)数据矩阵化:采样数据通过随机矩阵模型形成随机矩阵;随机矩阵模型基于时间序列对设备状态演变过程建模,通过随机矩阵模型将电网状态认知转化为随机矩阵分析问题;以拆分仅需处理的局部区域数据;3)高维特征提取基于Ring‑Law与MP‑Law对预处理后的随机矩阵提取高维特征,获得平均谱半径MSR、线性统计特征值LES,并进行可视化处理,通过谱分析图直观体现故障数据集的高维统计量;4)多特征融合以高维统计量为主参考量,以电气特理量及一般统计量为次参考量进行多特征融合,构建缺相判据,一般统计量包括均值、方差、低维变换指标;5)故障溯源通过拼接矩阵处理,对故障进行溯源,定位故障相;经数据拼接重新计算指标并通过新指标的变化情况判断所拼接数据对事件的影响,对判据的统计性质进行分析,根据设定的判据阈值进行高压缺相故障判断;统计性质包括收敛性、置信度;设立的判据阈值包括漏检率阈值、虚警率阈值;由于电网系统状态取决于多个影响因素,假设某电网的状态是一个N维参数的变量而有K个潜在的影响因素,通过在某一时间段ti(i=1,2,…,T)的测量,电网的状态的N维向量可自然地组成基本状态矩阵而各个影响因素亦可得到该时段的值,构成因素向量具有相同长度的两个矩阵通过拼接操作形成一个新的矩阵;将基本状态矩阵B和因素向量cj拼接成合成矩阵Aj;为了便于分析其影响因子对基本状态的影响力,放大影响因子的影响力;选定因素向量cj,复制该因素向量K次形成一个与状态矩阵规模匹配的矩阵Dj,如下式所示:在Dj中引入白噪声以消除内部相关性,如下式所示:Cj=DjjR(j=1,2,…,m)                     (5)式中,R为标准高斯随机矩阵,ηj与信噪比(SNR,signal‑to‑noise ratio)ρ相关:并行地对每个因素向量cj通过矩阵拼接形成合成矩阵Aj对比各Aj的统计指标LES即可找出不同的数据,即影响状态的敏感因素;6)高压缺相故障诊断获取故障溯源结果,得到高压缺相故障诊断结果,按诊断结果安排对应的检修任务。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江华云信息科技有限公司;国网浙江温岭市供电有限公司,未经浙江华云信息科技有限公司;国网浙江温岭市供电有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910286431.1/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top