一种配电变压器样本抽样方法

摘要

本发明涉及一种配电变压器样本抽样方法，包括：(1)根据配电变压器寿命周期的浴盆曲线特征，划分抽样的时间节点；(2)根据所述时间节点将[0,1]划分为三个区间；(3)确定样本抽样数量；(4)由投样点确定样本；(5)获取与分析所述样本的信息；(6)分析原始样本库状态的信息。本发明的技术方案利于配电变压器健康状态的研究，为状态检修提供依据。

说明书

技术领域

本发明涉及配电设备状态检修领域，更具体涉及一种配电变压器样本 抽样方法。

背景技术

随着信息技术、人工智能技术的蓬勃式发展，人们已经开始运用各种 机器学习技术对海洋数据进行有效信息的提取与处理。然而，由于数据分 析内部的复杂性，使得现有挖掘算法在数据分析的时空代价比较大。通过 抽样技术从数据集中，挑选出具有代表性的部分数据，这样可以大大提高 运算效率。

发明内容

本发明的目的是提供一种针对配电变压器的寿命周期符合浴盆曲线规 律的抽样方法，利于配电变压器健康状态的研究，为状态检修提供依据。

为实现上述目的，本发明采用以下技术方案：一种配电变压器样本抽 样方法，包括：

(1)根据配电变压器寿命周期的浴盆曲线特征，划分抽样的时间节点 ；

(2)根据所述时间节点将[0,1]划分为三个区间；

(3)确定样本抽样数量；

(4)由投样点确定样本；

(5)获取与分析所述样本的信息；

(6)分析原始样本库状态的信息。

所述步骤(1)的抽样的时间节点根据浴盆曲线的时间节点，把全体配 电变压器设备分为早期、中期、后期的三类设备，然后统一编序号，记住 所述早期与中期的分界点序号p和所述中期与所述后期的分界点序号q。

将[0,1]划分为3个区间，[0,ε₁]、[ε₁，ε₂]和[ε₂，1]，每个区间长度根 据所述早期、中期和后期的三类设备的数量和浴盆曲线的时间划分节点, 来共同确定。

通过调整ε₁和ε₂来确定早所述早期、中期和后期的三类设备的比例关系 。

所述ε₁＝0.4，ε₂＝0.6。

利用随机函数在所述[0,1]区间进行随机投点,并将所述投点x_m与符合 所述浴盆曲线每个时间节点的样本容量m相乘得到所确定的样本抽样数量 x。所述由投样点确定样本的过程包括：取m个投样点x_m；当m属于[0,ε₁]， 则通过所确定的样本抽样数量x与浴盆曲线的时间节点p相乘取整值[xp] 找到对应的物理样本；当m属于[ε₁，ε₂]，则用[p+x(q-p)]取整值找到对 应的物理样本；当m属于[ε₂，1]，则用[xq]取整值找到对应的物理样本。

以所抽的样本对应的真实配电变压器设备为所述物理样本，完成物理 样本状态信息的采集与分析。

根据样本信息、抽样误差、抽样估计的概率度、精度和可靠程度的基 础上，完成原始样本库状态信息的推断。

和最接近的现有技术比，本发明提供技术方案具有以下优异效果

1、本发明技术方案能适用于配电变压器健康指数方面的研究；

2、本发明技术方案样本数量可控，通过确定性和随机性两个方面的有 效结合，提高了样本的代表性性，；

3、本发明技术方案进一步提高该抽样方法在健康状态调查方面应用的 有效性；

4、本发明技术方案针对目前配电变压器设备量大面广，有效抽取具有 典型特征的配电变压器。

附图说明

图1为本发明技术方案的浴盆曲线示意图；

图2为本发明技术方案方法流程图。

具体实施方式

下面结合实施例对发明作进一步的详细说明。

实施例1：

本例的发明提供一种配电变压器样本抽样方法，该抽样方法以配电变 压器寿命周期的浴盆曲线为时间节点，在考虑抽样误差、抽样估计的概率 度、精度和可靠程度的基础上，完成原始样本库的具有典型特征的小样本 抽样。包括如图1所示步骤：(1)根据配电变压器寿命周期的浴盆曲线特 征，划分抽样的时间节点；(2)将[0,1]划分为三个区间；(3)确定小样本 抽样数量；(4)由投样点确定样本；(5)样本信息的获取与分析；(6) 原始样本库状态信息的分析。

浴盆曲线是设备典型的故障率分布曲线，对于配电设备如开关、变压 器等，可结合浴盆曲线，区域I为设备的早期失效期，设备开始使用时， 它的故障率很高，但随着设备工作时间的增加，故障率迅速降低。故障率 曲线属于递减型，这个阶段设备故障的原因大多是由于设计、材料、制造 和安装过程中的缺陷造成的。区域II是设备的偶然失效期，这一阶段的特 点是故障率较低，而且比较稳定，故障率曲线属于恒定型，这段时间是设 备的有效寿命期。区域III是设备的耗损失效期，这一阶段的故障率随着 时间的延长而极速增加，故障率曲线属于递增型。

具体实施步骤如下：

(1)根据浴盆曲线的时间节点，把全体设备分为早期、中期、后期三 类设备，然后统一编序号，记住分界点序号p和q(早期1,….p；中期p +1,…,q；后期q+1,…，N)；

根据配电变压器的全寿命周期特点，可以将前3年的变压器设备划分 为早期，3～25年划分为中期，25～30年的划分为后期。

(2)将[0,1]划分为3个区间，[0,ε₁]、[ε₁，ε₂]、[ε₂，1]，每个区间 长度根据早期、中期、后期三类设备的数量和浴盆曲线的时间划分节点, 来共同确定；通过调整ε₁，ε₂来确定早中后期三类设备的比例关系。

根据专家经验和现场操作人员的反馈，这里面我们取ε₁＝0.4，ε₂＝0.6 来划分三个区间。

(3)确定小样本抽样数量。确定好样本的容量后，利用计算机随机函 数在[0,1]区间进行随机投点,并将这投点x_m与符合浴盆曲线每个时间节点 的样本容量m(样本m小于30个)相乘得到x，即为我们所确定的小样本 抽样数量。

(4)由投样点确定样本。由投样点确定样本。取m个投样点x_m，如属 于[0,ε₁]，则结合我们所确定的小样本抽样数量x与浴盆曲线的时间节点p 相乘取整值[xp]找到对应的物理样本；同理，如属于[ε₁，ε₂]，则用[p+ x(q-p)]取整值找到对应的物理样本；类似地，如属于[ε₂，1]，则用[xq] 取整值找到对应的物理样本；

(5)样本信息的获取与分析。以所抽的样本对应的真实设备为物理样 本，完成物理样本状态信息的采集与分析。状态信息的采集主要通过PMS 系统和现场测试报告中获取，当获取到样本的状态信息之后，会得到繁而 杂的关键特征量，关键特征量分析从故障原因、国内外参考文献、专家意 见与预防性试验规程和现场试验报告综合考虑，得出出现频率最高的状态 量作为表征配电变压器健康状态的信息量。

(6)原始样本库状态信息分析。以样本信息为基础，在考虑抽样误差 、抽样估计的概率度、精度和可靠程度的基础上，完成原始样本库状态信 息的推断。具体推断过程如下：

一般表征可靠性函数的有指数分布与威布尔分布。指数分布的故障率 是常数，因此它只能描述图1浴盆曲线的偶然失效期阶段，而威布尔分布 通过调整参数，可以用来模拟整个浴盆曲线，因而可以表征配电变压器整 个寿命周期的健康状态。

首先，威布尔分布的概率密度函数表示如下：

$f\left(t\right)=\frac{n}{\eta }{\left(\frac{t-\alpha }{\gamma }\right)}^{n-1}\exp [-{\left(\frac{t-\alpha }{\eta }\right)}^m]$

上式中,n,α,γ分别为形态参数、位置参数和尺度参数。形态参数n一 般为0，位置参数α的值决定了威布尔分布函数的形状。尺度参数γ不影响 不影响曲线的基本形状，只影响尺度的放大与缩小。

由概率密度函数可以得到故障函数：

$\lambda \left(t\right)=\frac{n}{\eta }{\left(\frac{t}{\eta }\right)}^{n-1}$

从此函数可以看出，0<n<1,λ(_t)随时间t增大而减少；偶然失效期， n＝1,损耗失效期，n>1,随着时间的增大而增大。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对 其限制，所属领域的普通技术人员尽管参照上述实施例应当理解：依然可 以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精 神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保 护范围之内。