基于物联网的多变压器绕组抗短路能力的实时评估系统

摘要

本发明涉及基于物联网的变压器多状态量实时评估绕组抗短路能力系统，将多个传感器得到的变压器参量，分别上传至现场控制台和云平台；在现场控制台和远程集总控制台构建上位机，实时的反应异地远距离多变压器的运行参数，并分别构建本地数据库和云数据库对历史数据进行保存；利用渐消记忆的递推最小二乘法，辨识变压器绕组漏感；对振动信号进行集合经验模态分解，利用云相似性度量法获取敏感本征模函数，计算敏感本征模函数峭度因子。对振动信号进行小波包分析，获取其高频分量能量占比，并集合上述数据构建全局特征变量；搭建极限学习机模型，将变压器不同工况下的全局特征变量作为输入数据对其训练，得到变压器绕组抗短路能力智能诊断模型。

说明书

技术领域

本发明涉及电力设备监测技术领域，具体为一种基于物联网的变压器多状态量实时评估绕组抗短路能力系统。

背景技术

电力变压器在电力系统中承载着变送电的重要任务。其运行环境及工作状态十分复杂，时常会发生不可抗力的短路故障导致的短路电流冲击，短路电流会使其绕组受到巨大的电磁力而发生变形。绕组形变具有一定的累积效应。当其形变不大时，对变压器正常运行影响甚微；当其形变累积到一定阈值时，即使不大的过电流也会使得变压器机械失效或绝缘击穿，造成的停电故障将会带来巨大的经济损失。这对变压器绕组的抗短路能力检测提出了更高的要求。现有的主流检测方法主要有：短路阻抗法、低压脉冲法、频率响应法。其中短路阻抗法主要表述为：绕组变形反应在参量上为变压器短路阻抗的变化，尤其和变压器漏感相关，通过对比额定值和测量值可以判定变压器状态。问题之一：上述方法均为离线检测手段，不能实时的反应变压器状态，无法实现多个变压器集总监控，且耗费大量人力物力。问题之二：短路阻抗难以直接测得，无法直观监测变压器阻抗状态，从而无法准确反应变压器绕组状态。问题之三：对变压器绕组的抗短路能力没有准确的判断模型，使得维护成本加大，绕组检修位置及维护时间难以确定。

发明内容

本发明的目的是为了解决以上现有技术的不足，提供一种连接方便的基于物联网的多变压器绕组抗短路能力的实时评估系统。

基于物联网的多变压器绕组抗短路能力的实时评估系统，包括以下步骤：

①通过集成电压互感器和集成电流互感器测得变压器一二次侧的电压离散值和电流离散值；

②将电压离散值和电流离散值及绕组电阻作为初值，应用渐消记忆的递推最小二乘法，辨识出绕组一二次侧漏感；

③将一二次测漏感参数显示在上位机上，根据偏差标准判断绕组健康状态；

④通过振动传感器及信号调理模块测得变压器的振动信号，并将振动信号进行集合经验模态分解得到多个本征模函数；

⑤将得到的本征模函数利用云相似性度量法进行辨别，得到一组关于振动信号的特征向量；

⑥对获取的振动信号进行小波变换并利用db4小波进行小波包分析，从而获取各个频段下信号的能量占比；

⑦将得到的能量占比以图表的方式实时显示在上位机上，通过与历史数据的对比及变化趋势判断绕组的抗短路能力；

⑧在现场控制台构建本地SQL数据库，将振动信号的特征向量增广为全局特征向量，并将全局特征向量作为一组输入数据保存在数据库中；

⑨将振动信号的特征向量增广为全局特征向量，并将全局特征向量作为一组输入数据保存在数据库中；

⑩建立极限学习机模型，对极限学习机模型进行训练测试，使其具备针对该型号变压器的绕组故障检测及绕组抗短路能力评估能力，并在后续投产后不断完善模型，实现对该型号变压器绕组抗短路能力的监测。

作为进一步改进，所述的云相似性度量法通过判断样本点特征云相量余弦值与阈值的关系，片选出敏感IMF，分别计算敏感IMF分量的峭度因子，从而得到一组关于振动信号的特征向量。

作为进一步改进，所述的全局特征向量包括振动信号特征向量、高频小波能量占比、一二次测绕组漏感值、电流有效值。

作为进一步改进，极限学习机模型的输入数据来自于全局特征向量组，所述的全局特征向量数据组由变压器出现匝间短路冲击、区外短路、绕组紧固件松动等一系列故障情况时以及正常运行时得到的全局特征向量组成。

有益效果：

变压器绕组漏感值与绕组变形程度息息相关但实时性及轻微变形反应不足，振动信号能及时的反映绕组受到短路冲击、紧固件松动、轻微变形等故障，绕组受到的电磁力与电流的有效值平方成正比，将采集到的变压器参量经过变换分析，构建关于上述数值集合的特征向量，得到变压器在该时段下的特征向量，可以很好的对绕组抗短路能力进行评估。

附图说明

图1是基于物联网的多变压器绕组抗短路能力的实时评估系统的总体架构图；

图2是基于物联网的多变压器绕组抗短路能力的实时评估系统的感知层及传输层图；

图3是基于物联网的多变压器绕组抗短路能力的实时评估系统的现场应用层图；

图4是基于物联网的多变压器绕组抗短路能力的实时评估系统的远方集总终端应用层图；

具体实施方式

为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。

下面将结合附图，对本发明的技术方案进行清晰完整地描述。

图1为系统的整体架构，不同位置距离的变压器将相关参数分别上传至现场控制台和云平台的不同标号接口。现场控制台对现场变压器进行指定操作控制。远程集总控制台按照云平台标号接口，对标号不同的变压器数据进行下载，将数据标签后再进行显示分析控制调度等操作，从而实现异地远距离多变压器的物联监测。

图2为感知层及传输层的构建，感知层方面采用集成电压互感器、集成电流互感器、集成温湿度传感器、现场数显模块、以及振动传感器及调理模块进行变压器运行相关参数的测量。其中集成电压电流以及温湿度传感器分别将一二次侧电压、一二次测电流、变压器运行温湿度转换为微控制器电压阈值下的合理电压，即得到该参数的瞬时模拟信号。现场数显模块将电压有效值、电流有效值、有功功率数值保存在内部RAM中。振动传感器及调理模块将变压器运行时的信号转换为可监测量进行上传。

传输层方面将电压电流互感器、温湿度传感器获得的模拟信号进行模数转换并进行真值转换，以DMA的方式保存在微控制器内部RAM中，以减少CPU的占有率，提高转换速度。此时保存在微控制器内部RAM中的数据为离散的电压、电流、温度、湿度数据。数显模块中的数据通过RS485接口与微控制器进行连接，双方遵循ModBus传输协议进行数据传输，同样将数据保存在微控制器内部RAM中。

微控制器将数据进行分类，以串行通信总线的方式上传至现场控制台

微控制器将遵循MQTT通信协议对数据进行分类及打包，通过SIM模块，将数据连接GPRS网络上传至云平台。

远程控制台连接云平台后，同样遵循MQTT通信协议对数据进行下载分包，从而获得变压器实时的多状态量，当远程控制台监测多个变压器状态时，将从云平台获取不同标号的变压器数据进行分类处理。

图3为现场应用层的构建，现场应用层主要为现场控制台上位机的构建以及本地数据库的构建。上位机主要包括的内容有电压电流真值实时显示、温湿度及振动信号实时显示、漏感参数辨识值、振动信号各频段高频信号和低频信号占比、绕组抗短路能力评估情况显示、报警、风扇、开合闸等现场人机交互控制。

漏感参数辨识值采用渐消记忆的递推最小二乘算法得出，实现在线检测变压器的绕组漏感，来判断变压器绕组变形程度。

单相双绕组变压器的数学模型如下：

其中等式左侧为观测值，R

实现渐消记忆的递推最小二乘算法如下：

θ(k)＝θ(k-1)+K(k-1)[y(k)-x

其中θ(k)为参数值，y(k)为观测值，x(k-1)为输入系数矩阵，λ为遗忘因子。

对振动信号进行EEMD分解后，得到多个IMF，只有部分IMF包含了真正的故障信息，故需要片选出特征IMF云相似性片选敏感IMF的过程如下：

对于样本点x

其中E

两个样本点的相似度由向量夹角余弦表示，当其超过设定阈值时认为IMFj为敏感IMF，并予以保留。

求取敏感IMF的峭度因子并构建振动信号特征向量，峭度因子表达式如下：

其中x

对振动信号进行小波变换，并利用db4小波对信号进行小波包分析，变压器在出现短路冲击、绕组振动异常时，其高频信号能量占比显著增多，小波包分析得到的各频段信号能量实时的显示在上位机上，计算差值百分比并保存数据。

在现场控制台及云平台构建SQL数据库用来保存一定历史时间内变压器各参量的数值，构建极限学习机模型，并对模型进行训练测试，训练及测试的数据来自于对指定型号变压器在绕组轻微故障、中度故障和严重故障以及正常状态下的全局特征向量提取，全局特征向量包括振动信号特征向量、高频小波能量占比、一二次测绕组漏感值、电流有效值。在变压器投产后，不断记录数据，提高模型性能，实现对绕组抗短路能力的监测与评估。

图4为远程集总控制台应用层的构建，远程集总控制台上位机的构建主要包括物联信息接收、多变压器参量实时显示、远方多台变压器标号显示以及远程调度控制。通过远程物联终端的构建可以实时的对异地多位置远距离的不同变压器进行集中监控和调度，在物联平台上构建云数据库来保存一定时间内的变压器参数数据。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。