一种基于极限油温等效的主变压器油位实时监控方法

摘要

本发明提出的一种基于极限油温等效的主变压器油位实时监控方法，属于视频监控和变电站自动化技术领域。该方法首先获取一台主变压器设备最近30天的油温、油位实测数据并进行线性拟合，得到实测数据油温‑油位拟合直线函数及90摄氏度油温下的油位值；随后利用实测数据和90摄氏度油温下油位值，得到30天实测数据油位等效拟合直线，并计算30天在设定温度下的等效油位值；以时间为自变量、等效油位值为因变量进行线性拟合，确定时间与油位的拟合直线函数及斜率；对斜率进行判定，得到主变压器的油位状态，用户收到判定结果，完成实时监控。本发明通过结合实际情况动态分析油温‑油位关系，减小等效后油位值之间的误差，保证结果准确可靠。

权利要求

1.一种基于极限油温等效的主变压器油位实时监控方法，其特征在于，该方法首先获取一台主变压器设备最近30天的油温、油位实测数据并进行线性拟合，得到实测数据油温-油位拟合直线函数及90摄氏度油温下的油位值；随后利用实测数据和90摄氏度油温下油位值，得到30天实测数据油位等效拟合直线，并计算30天在设定温度下的等效油位值；以时间为自变量、等效油位值为因变量进行线性拟合，确定时间与油位的拟合直线函数及斜率；对斜率进行判定，得到主变压器的油位状态，用户收到判定结果，完成实时监控。

2.如权利要求1所述的方法，其特征在于，该方法具体包括以下步骤：

1)在数据采集的当前天，选定变电站中一台主变压器设备的油温、油位仪表，利用多维综合远程巡检系统中观察此部位画面最佳的摄像机，确定所述油温、油位仪表与摄像机之间的映射关系，并在多维综合远程巡检系统中建立图像智能分析模型，利用多维综合远程巡检系统中每日例行巡视进行抓图，将主变压器的油温、油位图片转换为油温、油位实测数据存储到数据库中，数据采集共选取当前天以前最近30天的数据；

2)将步骤1)得到的实测数据通过最小二乘法线性拟合，确定实测数据油温-油位拟合直线函数表达式；通过计算，得出实测数据油温-油位拟合直线在90摄氏度油温时油位值，并将该结果保存到数据库中；

3)从步骤1)中随机选取某一日期的实测数据，结合步骤2)中计算得到的实测数据90摄氏度油温下油位值，得到所选取日期的实测数据油位等效拟合直线函数表达式；并计算出所选取日期实测油位在设定温度下的等效油位值，并将计算得到的该等效油位值保存到数据库中；

4)重复步骤3)，得到全部日期实测数据的油位等效拟合直线共30条，通过计算，将步骤

1)中记录的主变压器30天的油温-油位实测数据都转化为步骤3)所设定温度下的等效油位值，并将计算得到的30个等效油位值保存到数据库中；

5)将步骤4)中计算得到的30个等效油位值按照日期先后顺序进行排列，第30天即为数据采集的当前天；当每天巡视时间不一致时，将时间刻度转化为对应比例，得到时间刻度转化后30天内设定温度下的时间与等效油位值列表；将所述列表中每一行时间数据和对应的等效油位值数据合并为一组数据，共30组数据，以时间为自变量、等效油位值为因变量的进行最小二乘法线性拟合，确定时间与油位的拟合直线函数；

6)记步骤5)得到的时间与油位拟合直线函数的斜率为a，定义一个区间A[-0.01,

0.01],判断a的取值与区间A的归属关系；当a处于区间A以内时，则表明该主变压器设备运行正常；当a不处于区间A以内时，表明该主变压器油位变化异常；

7)用户在多维综合远程巡检系统客户端上查看巡视记录，客户端将步骤6)中的判定结果告知用户，完成对主变压器设备运行情况的实时监控。

说明书

一种基于极限油温等效的主变压器油位实时监控方法

技术领域

[0001] 本发明属于视频监控和变电站自动化技术领域,特别涉及一种基于极限油温等效的主变压器油位实时监控方法。

背景技术

[0002] 电能不仅影响着各行各业的工业生产效率，也影响着人们正常生活的质量水平，是当前社会实现可持续发展的核心能源。机电一体化和机械自动化改革以后,电力系统在电能资源调度过程中的作用更加显著，而变压器在电力系统中担负了升降压等关键作用，而渗漏油故障是变压器装置最为常见的问题。

[0003] 我国电力变压器多为油浸式变压器，多年来变压器渗漏油现象时有发生，严重的渗漏，不但降低了变压器的使用寿命，影响系统的安全、稳定运行，也对社会和用户的经济效益造成了严重影响。

[0004] 目前电网中对变电站主变压器油位监控主要还依赖于人工监视，运维班定期安排运维人员对主变各部件及仪表状态进行检查并记录，人工的检测手段并不能发现主变设备内部原因造成的渗漏油故障，只能通过观察主变各阀门连接处是否有渗漏油渍去判断油位状态，而且对于渗漏油故障通常发现不及时，造成经济上无法挽回的损失。

[0005] 通过分析主变压器铭牌上油温-油位关系曲线，测定不同环境温度下的油温-油位关系曲线都相交于90摄氏度油温-油位点，归纳得出90摄氏度油温为主变压器油温变化极限点(这里的油温均指主变上层油温)，再利用直线上各点互为等效原理，将不同油温下油位值转化为相同油温下的等效值，此方法称为极限油温等效法。

[0006] 多维综合远程巡检系统采用视频图像组合与遥测信息关联的模式，实现对电力一次设备的全方位监控，可以实现对变电站各类辅助系统的远程实时监控、实现对变电站一次设备的远程自动巡检、与SCADA系统联动、视频智能分析、安全管控及远程报警等功能，为提高变电站运行及维护的安全性和可靠性，实现电网的可视化监控调度，为电力系统的安全稳定运行和提高电网自动化管理水平奠定坚实的基础。

[0007] 最小二乘法(又称最小平方法)是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还用于曲线拟合，《统计学习方法》中提到，回归学习最常用的损失函数是平方损失函数，一大部分优化问题也能通过最小化能量或最大化熵用最小二乘法来表达。

发明内容

[0008] 本发明的目的是为克服现有技术之不足，提供一种基于极限油温等效的主变压器油位的实时监控方法。本发明通过深度分析不同环境温度下主变压器油温-油位曲线之间关系，确定以油温极限点90摄氏度为临界点，将实际注油情况同该极限油温点相结合，采用等效原理转化不同油温值下的油位，分析拟合直线斜率实现主变油位变化趋势预警，增加了结果的可靠性和可用性。

[0009] 本发明提出的一种基于极限油温等效的主变压器油位实时监控方法，其特征在于，该方法首先获取一台主变压器设备最近30天的油温、油位实测数据并进行线性拟合，得到实测数据油温-油位拟合直线函数及90摄氏度油温下的油位值；随后利用实测数据和90摄氏度油温下油位值，得到30天实测数据油位等效拟合直线，并计算30天在设定温度下的等效油位值；以时间为自变量、等效油位值为因变量进行线性拟合，确定时间与油位的拟合直线函数及斜率；对斜率进行判定，得到主变压器的油位状态，用户收到判定结果，完成实时监控。该方法具体步骤如下：

[0010] 1)在数据采集的当前天，选定变电站中一台主变压器设备的油温、油位仪表，利用多维综合远程巡检系统中观察此部位画面最佳的摄像机，确定所述油温、油位仪表与摄像机之间的映射关系，并在多维综合远程巡检系统中建立图像智能分析模型，利用多维综合远程巡检系统中每日例行巡视进行抓图，将主变压器的油温、油位图片转换为油温、油位实测数据存储到数据库中，数据采集共选取当前天以前最近30天的数据；

[0011] 2)将步骤1)得到的实测数据通过最小二乘法线性拟合，确定实测数据油温-油位拟合直线函数表达式；通过计算，得出实测数据油温-油位拟合直线在90摄氏度油温时油位值，并将该结果保存到数据库中；

[0012] 3)从步骤1)中随机选取某一日期的实测数据，结合步骤2)中计算得到的实测数据90摄氏度油温下油位值，得到所选取日期的实测数据油位等效拟合直线函数表达式；并计算出所选取日期实测油位在设定温度下的等效油位值，并将计算得到的该等效油位值保存到数据库中；

[0013] 4)重复步骤3)，得到全部日期实测数据的油位等效拟合直线共30条，通过计算，将步骤1)中记录的主变压器30天的油温-油位实测数据都转化为步骤3)所设定温度下的等效油位值，并将计算得到的30个等效油位值保存到数据库中；

[0014] 5)将步骤4)中计算得到的30个等效油位值按照日期先后顺序进行排列，第30天即为数据采集的当前天；当每天巡视时间不一致时，将时间刻度转化为对应比例，得到时间刻度转化后30天内设定温度下的时间与等效油位值列表；将所述列表中每一行时间数据和对应的等效油位值数据合并为一组数据，共30组数据，以时间为自变量、等效油位值为因变量的进行最小二乘法线性拟合，确定时间与油位的拟合直线函数；

[0015] 6)记步骤5)得到的时间与油位拟合直线函数的斜率为a，定义一个区间A[-0.01,0.01],判断a的取值与区间A的归属关系；当a处于区间A以内时，则表明该主变压器设备运行正常；当a不处于区间A以内时，表明该主变压器油位变化异常；

[0016] 7)用户在多维综合远程巡检系统客户端上查看巡视记录，客户端将步骤6)中的判定结果告知用户，完成对主变压器设备运行情况的实时监控。

[0017] 本发明提出的一种基于极限油温等效的主变压器油位实时监控方法，其特点及有益效果是：

[0018] 本发明方法实现了根据地区环境温度的不同，动态调整油温-油位标准曲线走势，完成不同时间点下实测油位在同一油温下的等效，巧妙地将时间-油温-油位三维数据转变为时间-油位的二维数据进行数据分析，使拟合后分析的结果误差更小、更加准确。

[0019] 1、本发明方法，通过结合现场实际情况动态分析油温-油位关系，减小了等效后油位值之间的误差，保证了结果的准确性和可靠性。

[0020] 2、本发明方法中提供了一种有效的主变压器油位状态判断手段，提高了运维工作效率，减少了运维成本。

[0021] 3、本发明方法在数字变电站提供的大数据基础上，挖掘各数据之间关系，面向用户输出结果，符合国家提出的智能化标准。

[0022] 4、本发明方法，可搭载在符合国网巡视标准的智能巡检平台上进行数据采集和分析，具有良好的兼容性和拓展性。

附图说明

[0023] 图1为本发明方法的流程框图。

[0024] 图2为本发明实施例中实测数据油温-油位拟合直线与标准直线示意图。

[0025] 图3为本发明实施例中变压器厂家提供的主变压器油温与油位关系曲线图。

[0026] 图4为本发明实施例中7月27日实测数据油位等效拟合直线示意图。

[0027] 图5为本发明实施例中30天实测数据油位等效拟合直线示意图。

[0028] 图6为本发明实施例中时间与油位拟合直线示意图。

具体实施方式

[0029] 本发明提出的一种基于极限油温等效的主变压器油位实时监控方法，下面结合附图和具体实施例进一步说明如下。

[0030] 本发明提出的一种基于极限油温等效的主变压器油位实时监控方法，其流程框图如图1所示，该方法首先获取一台主变压器设备最近30天的油温、油位实测数据并进行线性拟合，得到实测数据油温-油位拟合直线函数及90摄氏度油温下的油位值；随后利用实测数据和90摄氏度油温下油位值，得到30天实测数据油位等效拟合直线，并计算30天在设定温度下的等效油位值；以时间为自变量、等效油位值为因变量进行线性拟合，确定时间与油位的拟合直线函数及斜率；对斜率进行判定，得到主变压器的油位状态，用户收到判定结果，完成实时监控。该方法具体步骤如下：

[0031] 1)在数据采集的当前天，选定变电站中一台主变压器设备的油温、油位仪表，利用多维综合远程巡检系统中观察此部位画面最佳的摄像机，确定所述油温、油位仪表与摄像机之间的映射关系，并在多维综合远程巡检系统中建立图像智能分析模型，利用多维综合远程巡检系统中每日例行巡视进行抓图，将主变压器的油温、油位图片转换为油温、油位实测数据存储到数据库中，数据采集共选取当前天以前最近30天的数据；

[0032] 2)将步骤1)得到的实测数据通过最小二乘法线性拟合，确定实测数据油温-油位拟合直线函数表达式；通过计算，得出实测数据油温-油位拟合直线在90摄氏度油温时油位值，并将该结果保存到数据库中；

[0033] 3)从步骤1)中随机选取某一日期的实测数据，结合步骤2)中计算得到的实测数据90摄氏度油温下油位值，得到所选取日期的实测数据油位等效拟合直线函数表达式；并计算出所选取日期实测油位在设定温度下的等效油位值，并将计算得到的该等效油位值保存到数据库中；

[0034] 4)重复步骤3)，得到全部日期实测数据的油位等效拟合直线共30条，通过计算，将步骤1)中记录的主变压器30天的油温-油位实测数据都转化为步骤3)所设定温度下的等效油位值，并将计算得到的30个等效油位值保存到数据库中；

[0035] 5)将步骤4)中计算得到的30个等效油位值按照日期先后顺序进行排列，第30天即为数据采集的当前天；当每天巡视时间不一致时，将时间刻度转化为对应比例，得到时间刻度转化后30天内设定温度下的时间与等效油位值列表；将所述列表中每一行时间数据和对应的等效油位值数据合并为一组数据，共30组数据，以时间为自变量、等效油位值为因变量的进行最小二乘法线性拟合，确定时间与油位的拟合直线函数；

[0036] 6)记步骤5)得到的时间与油位拟合直线函数的斜率为a，定义一个区间A[-0.01,0.01],判断a的取值与区间A的归属关系；当a处于区间A以内时，则表明该主变压器设备运行正常；当a不处于区间A以内时，表明该主变压器油位变化异常；

[0037] 7)用户在多维综合远程巡检系统客户端上查看巡视记录，客户端将步骤6)中的判定结果告知用户，完成对主变压器设备运行情况的实时监控。

[0038] 下面结合一个具体实施例对本发明进一步说明如下：

[0039] 本实施例选取国家电网公司重庆分公司110kV变电站#3主变压器7-9月份油温、油位巡视数据(共30天)。

[0040] 1)选定变电站中一台主变压器(以下简称主变)设备的油温、油位仪表，利用现有多维综合远程巡检系统中观察此部位画面最佳的摄像机(多维综合远程巡检系统指目前数字变电站使用的高清数字视频监控系统，带有自动巡检功能)，确定所述油温、油位仪表与摄像机之间的映射关系，并在多维综合远程巡检系统中建立图像智能分析模型，利用多维综合远程巡检系统中每日例行巡视进行抓图，将主变油温、油位图片转换为油温、油位实测数据存储到数据库中，如表1所示：

[0041]

[0042]

[0043] 表1主变油温、油位实时图片转化实测数据表

[0044] 表1中，巡视日期和巡视时间分别为多维综合远程巡检系统中每日例行巡视抓图的日期和时间；主变油温和本体油位分别为每日例行巡视抓图经过图像智能分析模型转换后的油温和油位数据，单位分别用摄氏度和百分比表示。

[0045] 2)将步骤1)得到的实测数据通过最小二乘法线性拟合，确定实测数据油温-油位拟合直线函数表达式如式(1)所示：

[0046] Y＝0.7471X+30.57   (1)

[0047] 式中，Y为因变量，表示油位，X为自变量，表示油温，0.7471和30.57为常数，分别表示该直线的斜率和截距，拟合结果如图2所示(图2为30天实测数据在油温-油位坐标系中拟合的结果，包括标准直线和实际拟合直线；标准直线表达式为Y＝0.9X+9，实际拟合直线如式(1)所示；图2将拟合直线与标准直线进行比较，体现90摄氏度油温下现场注油不规范在不同油温下造成的油位值差异)。

[0048] 通过计算，得出实测数据油温-油位拟合直线在90摄氏度油温时油位值为97.81，并将该结果保存到数据库中。这里取90摄氏度油温来自主变设备铭牌上给出的油温-油位关系曲线图，如图3所示(图3为本实施例中变压器生产厂家提供的主变压器油温与油位关系曲线图，横坐标T代表主变压器油温，纵坐标H代表主变压器油位，曲线1代表地区常年最低温度-30℃时主变压器注油曲线；曲线2代表地区常年最低温度-20℃时主变压器注油曲线；曲线3代表地区常年最低温度-10℃时主变压器注油曲线；通过曲线可以精确估算不同油温下油位值，能够准确反应油温油位的变化关系，考虑到主变设备实际生产中注油不规范，90摄氏度油温下的实际油位与标准油位有偏差，故本方法中取实测数据拟合直线得到的90摄氏度油温时油位值97.81进行计算，而没有采用标准直线下的油位值90)。

[0049] 3)从步骤1)中随机选取某一日的实测数据，本实施例选取了7月27日13点12分的数据(视频监控系统中例行巡视频率一般设定为一天一次，故一天只包含一组数据)，结合步骤2)中计算得到的实测数据90摄氏度油温下油位值点97.81，通过两点确定一条直线的原理，得到7月27日实测数据油位等效拟合直线函数表达式如式(2)所示：

[0050] Y＝0.7615X+29.2785   (2)

[0051] 式中，Y为因变量，代表7月27日实测数据油位等效直线函数，X为自变量，表示油温，0.7615和29.2785为常数，分别表示7月27日实测数据油位等效拟合直线的斜率和截距；7月27日实测数据油位等效拟合直线示意图如图4所示。

[0052] 图4中，根据直线上各点互为等效的原理，计算出7月27日实测油位在20摄氏度油温下等效油位值为44.51(此处取20摄氏度为地区年平均日气温)，并将计算得到的该等效油位值保存到数据库中。

[0053] 4)重复步骤3)，得到30天实测数据的油位等效拟合直线共30条，通过计算，将步骤1)中记录的主变压器30天的油温-油位实测数据都转化为20摄氏度下的等效油位值(实际操作时，时间取当前天以前最近30天的数据，从而保证拟合精度，数据量少会造成拟合误差，数据量大会造成计算复杂；本发明实施例中数据采集的当前天为9月3日)，并将计算得到的所有等效值保存到数据库中；30天实测数据的油位等效拟合直线示意图如图5所示(图
5为通过90度油温点与各实测点所作等效直线的示意图，图中只体现了30天中斜率最大的直线Y1和斜率最小的直线Y2共两条直线，组成上下包络，其他直线均在Y1和Y2所包含的范围之内)。

[0054] 5)将步骤4)中计算得到的30天中20摄氏度下的等效油位值按照1-30天的先后顺序进行排列，第30天是数据采集当前天(本实施例中为9月3日)，当每天巡视时间不一致时，需要将时间刻度转化为对应比例，首先确定每天定时巡视时间，设第一天自动巡视时间为刻度0，将1天以24小时均分，当巡视时间小于x时30分时，取x时，大于等于x时31分时，取x+1时，例如表1中7月26日巡视时间为19时19分，而自动巡视时间为13点12分，可以计算出转化后的时间为

[0055]

[0056]

[0057] 表2 20摄氏度油温下的等效油位值表

[0058] 表2为时间刻度转化后30天内20摄氏度油温下的等效油位值表，通过上述时间刻度转换方法将表1中巡视时间进行转换，并修改主变油温为统一的20摄氏度，将主变本体油位以计算得到20摄氏度油温下的等效油位值进行替代。

[0059] 将表2中每一行时间数据和等效油位值数据合并为一组数据，共30组数据，以时间为自变量T、等效油位值为因变量H的进行最小二乘法线性拟合，确定时间与油位的拟合直线函数，如式(3)所示:

[0060] H＝0.008162T+45.39   (3)

[0061] 式中，H为因变量，表示等效油位值，T为自变量，表示时间，0.008162和45.39为常数，分别表示时间与油位拟合直线的斜率和截距；时间与油位拟合拟合直线的示意图如图6所示(图6为表2中的数据采用最小二乘法线性拟合后的结果，图6中的各数据点即为将表2中每一行时间数据和等效油位值数据合并成一组数据后所代表的数据点，共30组；图6显示了各组数据点与拟合直线分布情况，正常情况下各组数据点应对称分布在拟合直线两侧)。