法律状态公告日
法律状态信息
法律状态
2020-08-11
授权
授权
2017-12-15
实质审查的生效 IPC(主分类):G06F19/00 申请日:20170616
实质审查的生效
2017-11-21
公开
公开
技术领域
本发明涉及电力设备运行维护技术领域,具体涉及一种基于数据挖掘的电力变压器家族性缺陷辨识方法。
背景技术
电力设备的可靠工作是保证供电可靠性的前提,但电力设备由于设计不合理、制造过程出错、选用材料的质量不过关等原因,会存在缺陷,甚至在同一批次或使用相同设计、材料的电力变压器中会出现家族性缺陷,危害电力系统的可靠运行。从多年的运行经验可知电力设备存在家族性缺陷不是个例,经常会有一批设备在短时间内因相同原因而出现家族性缺陷。
电力变压器作为电力系统中的重要组成部分,有着改变输电线路中的电压等级、输送电能、电气隔离等作用,影响着电力系统的安全运行。电力变压器由油枕、套管、呼吸器、分接开关、本体、瓦斯继电器等多个部分组成,结构复杂,制造工艺要求高,容易出现家族性缺陷。因此,对电力变压器的家族性缺陷的预测至关重要。
发明内容
本发明提出了基于数据挖掘的电力变压器家族性缺陷辨识方法,应用了粗糙集理论,结合统计学的相关理论对筛选出的有关电力变压器的大量缺陷信息进行分析,从中找出存在家族性缺陷的电力变压器。
为了实现上述目的,本发明采取的技术方案是:
一种基于数据挖掘的电力变压器家族性缺陷辨识方法,包括步骤:
步骤一、从历史缺陷信息中筛选出近x年内的电力变压器的缺陷信息,x大于等于5,筛选出的缺陷信息包括电力变压器的电压等级、地点、严重等级、设备生产日期、设备投产日期、生产厂家、设备型号及缺陷部件名称,统计各电力变压器的总缺陷数di及运行年数yi,计算出各电力变压器的平均每年出现的缺陷数
步骤二、对所述步骤一中获得的各组不同电压等级的电力变压器缺陷信息中的各地点的电力变压器缺陷信息进行统计,计算各地点的电力变压器平均每年每台出现的缺陷数μ′,以及各电力变压器每年出现的缺陷数的标准差σ′,以各地点的电力变压器平均每年每台出现的缺陷数与相应的标准差之和作为标准来甄别由于施工或运维问题导致的缺陷,并对由于施工或运维问题导致的缺陷进行剔除,重新执行步骤一,形成电力变压器缺陷信息表;
步骤三、根据所述步骤二重新获得的电力变压器缺陷信表,计算各电力变压器的平均每年出现的缺陷数的标准差σ和各电力变压器平均每年不同严重等级的缺陷数,设各电力变压器平均每年出现的缺陷数中不同严重等级的缺陷为随机变量Y,Y符合正态分布,由所有电力变压器平均每年每台出现的缺陷数和各电力变压器的平均每年出现的缺陷数的标准差获得正态分布曲线N(μ,σ2),作为参考的正态分布曲线,计算各严重等级缺陷数的比例sj(j=1,2,3),由各严重等级缺陷的比例可计算出各严重等级缺陷在正态分布曲线上分布的范围,并作为之后判断家族性缺陷的标准;
步骤四、对所述步骤二中重新获得的各组电力变压器缺陷信息中的各生产厂家、各型号、各批次涉及到的电力变压器缺陷信息分别进行统计,分别计算各生产厂家、各型号、各批次的电力变压器平均每年每台出现的缺陷数μj,每组变压器中各变压器每年缺陷数的标准差σj和每组变压器中各严重等级的比例>j(j=1,2,3),由μj和σj分别形成各组电力变压器的正态分布曲线,并计算各严重等级的缺陷在该正态分布曲线上分布的范围,以此判断该组变压器是否可能存在家族性缺陷;
步骤五、根据步骤四中判断出存在家族性缺陷的各组变压器,进一步对各组变压器各部位不同缺陷等级的缺陷数分别进行统计,分别计算各组变压器同一部位的缺陷的标准差σk和平均数μk,形成正态分布曲线,计算各组变压器不同缺陷等级的缺陷比例tj(j=1,2,3),并计算各严重等级的缺陷在该正态分布曲线上分布的范围,以此判断各组变压器各部位是否存在家族性缺陷;
步骤六、根据步骤五的判断结果,若在步骤四中判断出可能存在家族性缺陷的变压器的各部位均不存在家族性缺陷,则该组变压器不存在家族性缺陷;若在步骤四中判断出可能存在家族性缺陷的变压器的某个部位存在家族性缺陷,则该组变压器存在家族性缺陷。
本发明具有以下有益效果:
(1)对于多年运营积累的大量电力变压器缺陷数据进行利用,从中挖掘有用的信息;
(2)剔除了存在由于施工或运维问题引起缺陷的电力变压器的缺陷信息,提高家族性缺陷辨识结果的可靠性。
(2)尽早发现运行设备中存在家族性缺陷的电力变压器,及时对可能存在家族性缺陷的电力变压器进行检修,若存在缺陷能及时消缺。
附图说明
图1为本发明基于数据挖掘的断路器家族性缺陷辨识方法的流程示意图。
具体实施方式
数据挖掘是指通过对大量数据进行分析,从数据中找出一定的趋势、模式或关系的过程。数据挖掘可以从大量数据中获得多种模式,其中之一是偏差模式,偏差模式是对大量数据中的特异的部分的描述,运用数据挖掘的偏差模式可从大量的缺陷信息中找出存在家族性缺陷的电力变压器,及时消缺。
下面结合附图和实施例对本发明的内容作进一步说明,但本发明的实施方式不限于此。
本发明一种基于数据挖掘的电力变压器家族性缺陷辨识方法,如图1所示,包括以下步骤:
步骤一、从大量的缺陷信息中筛选出10年内的电力变压器的有关信息,包括电力变压器的电压等级、地点、严重等级、设备生产日期、设备投产日期、生产厂家、设备型号及缺陷部件名称,统计各电力变压器的总缺陷数di及运行年数yi,计算出各电力变压器的平均每年出现的缺陷数
步骤二、对所述步骤一中获得的各组不同电压等级的电力变压器缺陷信息中的各地点的电力变压器缺陷信息进行统计,计算各地点的电力变压器平均每年每台出现的缺陷数μ′,以及各电力变压器每年出现的缺陷数的标准差σ′,以各地点的电力变压器平均每年每台出现的缺陷数与相应的标准差之和作为标准来甄别由于施工或运维问题导致的缺陷,并对由于施工或运维问题导致的缺陷进行剔除,重新执行步骤一,形成电力变压器缺陷信息表。
步骤三、根据所述步骤二重新获得的电力变压器缺陷信表,计算各电力变压器的平均每年出现的缺陷数的标准差σ和各电力变压器平均每年不同严重等级的缺陷数,设各电力变压器平均每年出现的缺陷数中不同严重等级的缺陷为随机变量Y,Y符合正态分布,由所有电力变压器平均每年每台出现的缺陷数和各电力变压器的平均每年出现的缺陷数的标准差获得正态分布曲线N(μ,σ2),作为参考的正态分布曲线。计算各严重等级缺陷数的比例sj(j=1,2,3),由各严重等级缺陷的比例可计算出各严重等级缺陷在正态分布曲线上分布的范围,并作为之后判断家族性缺陷的标准。
步骤四、对所述步骤二中重新获得的各组电力变压器缺陷信息中的各生产厂家、各型号、各批次涉及到的电力变压器缺陷信息分别进行统计,分别计算各生产厂家、各型号、各批次的电力变压器平均每年每台出现的缺陷数μj,每组变压器中各变压器每年缺陷数的标准差σj和每组变压器中各严重等级的比例>j(j=1,2,3),由μj和σj分别形成各组电力变压器的正态分布曲线,并计算各严重等级的缺陷在该正态分布曲线上分布的范围,以此判断该组变压器是否可能存在家族性缺陷。
步骤五、根据步骤四中判断出存在家族性缺陷的各组变压器,进一步对各组变压器各部位不同缺陷等级的缺陷数分别进行统计,分别计算各组变压器同一部位的缺陷的标准差σk和平均数μk,形成正态分布曲线,并计算各组变压器不同缺陷等级的缺陷比例tj(j=1,2,3),并计算各严重等级的缺陷在该正态分布曲线上分布的范围,以此判断各组变压器各部位是否存在家族性缺陷。
步骤六、根据步骤五的判断结果,若在步骤四中判断出可能存在家族性缺陷的变压器的各部位均不存在家族性缺陷,则该组变压器不存在家族性缺陷;若在步骤四中判断出可能存在家族性缺陷的变压器的某个部位存在家族性缺陷,则该组变压器存在家族性缺陷。
实施例:对正在运行的A公司的多台某型号500kV电力变压器是否存在家族性缺陷进行判断。
首先,对多年运营积累的大量电力变压器缺陷数据进行筛选,从中查找出 10年内的电力变压器的有关信息,包括电力变压器的电压等级、地点、严重程度、设备生产日期、设备投产日期、生产厂家、设备型号及缺陷部件名称,统计各电力变压器的总缺陷数di及运行年数yi,计算各电力变压器的平均每年出现的缺陷数
分别对不同电压等级的电力变压器缺陷信息表中各地点的变压器缺陷信进行提取,接着计算各地点的电力变压器平均每年每台出现的缺陷数
其中,m为各地点电力变压器的台数,di′为各地点各台电力变压器总的缺陷数,yi′为各地点各电力变压器的运行年数。
之后计算各地点电力变压器每年出现的缺陷数的标准差
各地点的电力变压器平均每年每台出现的缺陷数μ′与相应的标准差σ′之和为α′=μ′+σ′。若
对由于施工或运维问题导致的缺陷进行剔除后,重新统计各电力变压器的总缺陷数di及运行年数yi,计算各电力变压器的平均每年出现的缺陷数
再计算所有电力变压器平均每年每台出现的缺陷数
并形成电力变压器缺陷信息表。
设各电力变压器平均每年出现的缺陷数中不同严重等级的缺陷为随机变量 Y,Y符合正态分布,由所有电力变压器平均每年每台出现的缺陷数和各电力变压器的平均每年出现的缺陷数的标准差获得正态分布曲线N(23.5,6.172),作为参考的正态分布曲线。计算各严重等级缺陷数的比例sj(j=1,2,3),一般缺陷所占比例s1=95.4%,重大缺陷所占比例s2=4.3%,紧急缺陷所占比例s3=0.3%。由各严重等级缺陷的比例可计算出各严重等级缺陷在正态分布曲线上分布的范围,计算过程如下:
由
可求得a1=12.34,a2=22.21。
故一般缺陷在正态分布曲线上分布的范围为(-12.34,12.34),重大缺陷在正态分布曲线上分布的范围为(-22.21,-12.34)∪(12.34,22.21),紧急缺陷在正态分布曲线上分布的范围为(-∞,-22.21)∪(22.21,+∞),以此作为之后判断家族性缺陷的标准。
从电力变压器缺陷信息表中分别统计A公司某型号500kV电力变压器缺陷信息,如下表所示。
经计算,该组电力变压器平均每年每台出现的缺陷数μ1=22.6,该组变压器中各变压器每年缺陷数的标准差σ1=5.55,该组电力变压器中一般缺陷的比例为>1=90.27%,重大缺陷的比例为k2=7.96%,紧急缺陷的比例为k3=1.77%。正常情况下,该组电力变压器各台电力变压器的各严重等级缺陷数应符合正态分布>2)。由各严重等级缺陷的比例可计算出各严重等级缺陷在正态分布曲线上分布的范围,计算过程如下:
由
可求得b1=9.21,b2=13.15。
故该组电力变压器中一般缺陷在正态分布曲线上分布的范围为(-9.21,9.21),重大缺陷在正态分布曲线上分布的范围为(-13.15,-9.21)∪(9.21,13.15),紧急缺陷在正态分布曲线上分布的范围为(-∞,-13.15)∪(13.15,+∞)。
计算出该组电力变压器一般、重大、紧急三种严重等级缺陷在对应正态分布曲线上分布的范围与三种严重等级缺陷在作为参考的正态分布曲线上分布的范围之间的误差,有
因为q1、q2均不属于(-7%,7%),所以该组电力变压器可能存在家族性缺陷。
接着从统计到的A公司某型号500kV电力变压器缺陷信息中,统计该组电力变压器各部位不同缺陷等级的缺陷数。
部位B1缺陷信息如下表所示。
部位B2缺陷信息如下表所示。
部位B3缺陷信息如下表所示。
对于部位B1,该组电力变压器平均每年每台出现的缺陷数μ'1=9.2,该组变压器中各变压器每年缺陷数的标准差σ'1=2.28,部位B1在该组电力变压器中一般缺陷的比例为t1=91.30%,重大缺陷的比例为t2=6.52%,紧急缺陷的比例为>3=2.17%。正常情况下,对于该组电力变压器部位B1各台电力变压器的各严重等级缺陷数应符合正态分布N(9.2,2.282)。由各严重等级缺陷的比例可计算出各严重等级缺陷在正态分布曲线上分布的范围,计算过程如下:
由
可求得c11=3.90,c12=5.22。
故部位B1在该组电力变压器中一般缺陷在正态分布曲线上分布的范围为>
计算出部位B1在该组电力变压器中的一般、重大、紧急三种严重等级缺陷在对应正态分布曲线上分布的范围与三种严重等级缺陷在作为参考的正态分布曲线上分布的范围之间的误差,有
经计算,对于部位B2,q'21=-20.99%,q'22=-18.71%,对于部位B3,q'31=-22.71%,>32=-32.17%。
因为q'11∈X∩E且q'12∈X∩E,所以B1∈R-(X),同理可得,B2∈R-(X),B3∈R-(X)。故该组电力变压器的部位B2,B2均存在家族性缺陷,部位B2可能存在家族性缺陷。
此时0<γ(A,R)<1,0<γ(B,R)<1,无法对原有信息中的条件属性进行约简。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
机译: CER-001家族性原发性脂蛋白减少症的治疗方法
机译: 转基因动物为非天然野生型并在早老蛋白1无效的自然背景下表达蛋白1家族性阿尔茨海默氏病早老蛋白突变
机译: 基于带磁滞正弦注入的限速继电器的系统参数辨识方法