本發(fā)明涉及電力系統設備的維護和檢修領域，更具體地說，涉及一種面向大數據應用的電力設備狀態(tài)量動態(tài)閾值獲取方法。

背景技術：

隨著智能電網建設和狀態(tài)檢修開展的不斷深入，以及傳感和計算機技術在電網運維的深入應用，國網及各省設備狀態(tài)評價中心開展設備的實時、動態(tài)分析已成為常態(tài)化工作，輸變電設備產生的運檢數據量呈指數級增長，電力公司獲取了設備狀態(tài)量的大數據樣本。如何應用這些大數據樣本為精益化運維服務是當前急需解決的問題。當前廣泛存在著設備狀態(tài)評價系統周期長、對信息的分析利用不足等問題。

國內外目前比較常用的設備狀態(tài)量，大致可分為正常狀態(tài)、基準態(tài)狀態(tài)、異常狀態(tài)三類：正常狀態(tài)表明設備不存在與該狀態(tài)量相關的缺陷；異常狀態(tài)表明設備已存在與該狀態(tài)量相關的缺陷甚至故障；基準態(tài)是指設備可能存在或發(fā)展為與該狀態(tài)量相關的缺陷，介于正常與異常之間。目前對設備的狀態(tài)量分析判斷仍然采用定期檢修常用的定閾值比較方法，該方法存在以下兩種明顯的不足：一是狀態(tài)量超過規(guī)定閾值但設備仍能正常運行，只需加強監(jiān)測；二是狀態(tài)量沒超過規(guī)定閾值，但設備繼續(xù)運行存在較高的故障風險。顯然基于簡單的閾值判斷方法是非常粗放的，不符合狀態(tài)檢修的內在要求。

同時，依照國外對電力設備的差異化管理方法和經驗，對于電力公司管理的變壓器群來說，可能存在問題變壓器是小于10％的，其中比較嚴重而需要進行檢修或更換的可能占2％左右，剩余8％左右只需加強監(jiān)測或視情提前檢修。因此事實上可以挑選出狀態(tài)劣化最為嚴重的一批變壓器進行檢修，以優(yōu)化配置公司檢修資源，提高公司檢修效率。

技術實現要素：

本發(fā)明要解決的技術問題在于，提供一種面向大數據應用的電力設備狀態(tài)量動態(tài)閾值獲取方法。

本發(fā)明解決其技術問題所采用的技術方案是：構造一種面向大數據應用的電力設備狀態(tài)量動態(tài)閾值獲取方法，針對不隨時間年限正常老化的狀態(tài)量分析，采用廣義橫向比較分析法；針對隨時間年限正常老化的狀態(tài)量分析，采用廣義縱向比較分析法；

廣義橫向比較分析法包括以下步驟：收集某一地區(qū)的同一電壓等級變壓器群的同一狀態(tài)量實測值，形成該狀態(tài)量的大數據樣本；計算小于狀態(tài)量值的變壓器占樣本總數量的比重，形成百分數-狀態(tài)量值對，在二維坐標系描繪百分數與狀態(tài)量值的曲線圖并進行擬合，擬合得到的曲線為狀態(tài)量基準分布曲線；將狀態(tài)量基準分布曲線分為正常狀態(tài)區(qū)域、基準狀態(tài)區(qū)域、異常狀態(tài)區(qū)域三個區(qū)域，將實測狀態(tài)量與狀態(tài)量基準分布曲線比較即可對該狀態(tài)量進行評估。

廣義縱向比較分析法包括以下步驟：

收集并形成運行年限、狀態(tài)量值樣本對，在二維坐標系描繪在時間與狀態(tài)量值的散點圖并獲取回歸線l，采用置信區(qū)間理論計算上置信區(qū)間線l1及下置信區(qū)間線l2，通過l1及l(fā)2對當前狀態(tài)量閾值進行動態(tài)修正。

在上述廣義縱向比較分析法的步驟中，采用最小二乘算法獲取回歸線l。

優(yōu)選地，最小二乘算法包括以下步驟：假設給定數據點(xi,yi)(i＝0,1,...,m)，φ為所有次數不超過n(n≤m)的多項式構成的函數類，確定多項式使得取最小值，由多元函數求極值的必要條件，得

(1)式是關于a0,a1,...,an的線性方程組，用矩陣表示為

方程組(1)的系數矩陣是一個對稱正定矩陣，存在唯一解，從(1)式中解出ak(k＝0,1,…，n)，從而可得多項式

優(yōu)選地，廣義縱向比較分析法適用于隨時間年限正常老化的狀態(tài)量值，包括碳氧化物、糠醛、絕緣電阻。

實施本發(fā)明一種面向大數據應用的電力設備狀態(tài)量動態(tài)閾值獲取方法，具有以下有益效果：

本發(fā)明相比于定閾值分析法，提高了狀態(tài)量分析的準確性，得到的結論更加符合精益化運維的實際需求。

附圖說明

下面將結合附圖及實施例對本發(fā)明作進一步說明，附圖中：

圖1為廣義橫向比較分析法的原理圖；

圖2為廣義縱向比較分析法的原理圖；

圖3為實施例1中的h2基準分布曲線；

圖4為實施例1中的c2h2基準分布曲線；

圖5為實施例1中的總烴基準分布曲線；

圖6為實施例1中的co基準老化曲線；

圖7為實施例1中的co2基準老化曲線；

圖8為實施例2中的單臺變壓器30年內的糠醛變化趨勢；

圖9為實施例2中的變壓器油中糠醛含量和運行年限關系示意圖。

具體實施方式

為了對本發(fā)明的技術特征、目的和效果有更加清楚的理解，現對照附圖詳細說明本發(fā)明的具體實施方式。

本發(fā)明提供一種面向大數據應用的電力設備狀態(tài)量動態(tài)閾值獲取方法，包括以下步驟：針對隨時間年限正常老化的狀態(tài)量分析，如同類型設備較多的狀態(tài)量，采用廣義橫向比較分析法；針對不隨時間年限正常老化的狀態(tài)量分析，如碳氧化物、糠醛、絕緣電阻，采用廣義縱向比較分析法。

廣義橫向比較分析法包括以下步驟：收集某一地區(qū)的同一電壓等級變壓器群的同一狀態(tài)量實測值，形成該狀態(tài)量的大數據樣本；計算小于狀態(tài)量值的變壓器占樣本總數量的比重，形成百分數-狀態(tài)量值對，在二維坐標系描繪百分數與狀態(tài)量值的曲線圖并進行擬合，擬合得到的曲線為狀態(tài)量基準分布曲線；如圖1所示，將狀態(tài)量基準分布曲線分為正常狀態(tài)區(qū)域、基準狀態(tài)區(qū)域、異常狀態(tài)區(qū)域三個區(qū)域，將實測狀態(tài)量與狀態(tài)量基準分布曲線比較即可對該狀態(tài)量進行評估。

廣義縱向比較分析法包括以下步驟：

如圖2所示，收集并形成運行年限、狀態(tài)量值樣本對，在二維坐標系描繪在時間與狀態(tài)量值的散點圖并獲取回歸線l，采用置信區(qū)間理論計算上置信區(qū)間線l1及下置信區(qū)間線l2，通過l1及l(fā)2對當前狀態(tài)量閾值進行動態(tài)修正。狀態(tài)量的狀態(tài)評估原理如下表1：

表1廣義縱向比較分析法中狀態(tài)量的狀態(tài)評估原理列表

在上述廣義縱向比較分析法的步驟中，采用最小二乘算法獲取回歸線l。最小二乘算法包括以下步驟：假設給定數據點(xi,yi)(i＝0,1,...,m)，φ為所有次數不超過n(n≤m)的多項式構成的函數類，確定多項式使得取最小值，由多元函數求極值的必要條件，得

(1)式是關于a0,a1,...,an的線性方程組，用矩陣表示為

方程組(1)的系數矩陣是一個對稱正定矩陣，存在唯一解，從(1)式中解出ak(k＝0,1,…，n)，從而可得多項式

本發(fā)明通過廣義橫縱向比較建立了面向大數據應用的電力設備狀態(tài)量動態(tài)閾值獲取方法，實現從設備群體到個體的全面分析，狀態(tài)量所處狀態(tài)的準確定位。最后，通過以下兩個實例的驗證。

實施例1：采用廣義橫向比較原理分析油色譜

(1)通過隨機調查某一網省公司變壓器的油色譜數據，統計分析結論如圖3至圖5。

依據導則dlt-984-2005中有關變壓器油中co的描述，有如下經驗公式：

其中：cn表示運行n年的co年平均含量，n表示運行年限。

考慮到濾油等情形會導致濾油后氣體含量大幅降低，導致在以co含量為縱坐標，n為橫坐標的基準老化曲線在濾油后存在意義不明等問題?，F將將經驗公式(4)變形為：

其中：kn＝cn/cn-1，表示第n年co相對于上年的變化情況，簡稱變化率。

假設第m年的時候對變壓器進行了濾油，則進行分析時，將濾油前第m年的co平均含量記做cma，將濾油后第m年co平均含量記做cmb，可得到km＝cma/cm-1和km+1＝cm+1/cmb，這樣就能有效的避免因濾油造成的氣體含量下降的影響。

以kn為縱坐標，n為橫坐標，做出co基準老化曲線如圖6所示。

圖6中連續(xù)曲線為注意值包絡線，若co變化率超過它，認定此時該臺變壓器co已超標。

圖6中折線為統計同一運行年限的若干變壓器的co變化率所得的統計結果，表明實際運行變壓器的co變化率的普適值。實際運用中，若某臺變壓器的co變化率雖未超注意值，但其變化規(guī)律始終處于折線和連續(xù)曲線之間且規(guī)律和折線不一致，認為co含量存在異常狀態(tài)。

依據導則dlt-984-2005中有關變壓器油中co2的描述，有如下經驗公式：

c≤1000(2+n)(μl/l)(6)

其中：c表示運行n年的co2年平均含量，n表示運行年限。

同co一樣考慮，將經驗公式變形如下：

對于第一年的數據，將lnc1變換為lnk1，選取上限令lnk1＝8，這樣上述等式可以變換為

依據和co同樣的理論，此時以∑lnk為縱坐標，n為橫坐標，做出co2基準老化曲線圖7所示。

圖7中的連續(xù)曲線為注意值包絡線，若co2變化率超過它，認定此時該臺變壓器co2已超標。

圖7中的折線為統計同一運行年限的若干變壓器的co2變化率之和所得的統計結果，表明實際運行變壓器的co2變化率的普適值。實際運用中，若某臺變壓器的co2變化率之和雖未超注意值，但其變化規(guī)律始終處于折線和連續(xù)曲線之間且規(guī)律和折線不一致，認為co2含量存在異常狀態(tài)。

實施例2：采用廣義縱向比較原理分析糠醛

通過收集大量運行中變壓器數據，尤其關注單臺變壓器幾年之間的糠醛變化趨勢，如圖8所示。采用相關分析、偏相關分析驗證糠醛絕對含量(f)、糠醛含量對數值(1gf)以及變壓器運行年數之間的相關性，其結果如表2和表3所示。

表2糠醛含量和變壓器運行年限相關性分析

表3糠醛含量和變壓器運行年限偏相關性分析

由相關分析和偏相關分析表明，變壓器運行年限與糠醛含量的對數值之間存在更強的線性關系。由于糠醛對數值與變壓器運行年限存在較強的相關性，應用最小二乘法進行回歸分析，其結果如式所示。

lgf＝-2.346+0.069t(9)

式中f表示糠醛濃度，單位為mg/l；t表示運行年限，單位為年。

其相關系數r＝0.413，相關系數表示了變壓器運行年限與變壓器油中的糠醛濃度的對數lgf直線相關關系的密切程度，且服從統計分布規(guī)律。對一臺運行時間為t的變壓器來說，其糠醛濃度實測值的對數值分布應在回歸直線以下，且應服從正態(tài)分布。由統計學理論，其測定值必定落在某一個單側置信范圍之內，如下：(-∞,-2.346+0.069t+tas]，其中tas-t分布統計量；s為回歸直線標準差，表征了數據圍繞該直線的分散程度。

變壓器紙絕緣的老化是一個長期、緩慢的過程。因此在一般情況下，沒有必要將檢測周期制定得像檢測放電故障和過熱故障的油中溶解氣體分析那樣短。將隨機抽樣中大約10％糠醛含量超過同期運行設備的平均水平作為需要縮短絕緣老化檢測周期的對象是比較合理的，這里將這類變壓器稱為非正常老化變壓器。對于選定的樣本，經計算得到s＝0.80。選擇顯著性水平a＝0.1，即置信概率為90％，查t分布值表得：ta＝1.282，因此單側置信區(qū)間為(-∞,-1.385+0.069t]，見圖9。

上述兩個實施例驗證表明：本發(fā)明與定閾值分析法相比，提高了狀態(tài)量分析的準確性，得到的結論更加符合精益化運維的實際需求。

上面結合附圖對本發(fā)明的實施例進行了描述，但是本發(fā)明并不局限于上述的具體實施方式，上述的具體實施方式僅僅是示意性的，而不是限制性的，本領域的普通技術人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權利要求所保護的范圍情況下，還可做出很多形式，這些均屬于本發(fā)明的保護之內。