潘曉明，張永生

(國網(wǎng)蘇州供電公司，江蘇 蘇州 215004)

?

基于相關(guān)分析法的變壓器信息聚合技術(shù)研究

潘曉明，張永生

(國網(wǎng)蘇州供電公司，江蘇 蘇州 215004)

針對變壓器監(jiān)測數(shù)據(jù)指數(shù)級增長，卻缺乏有效數(shù)據(jù)挖掘手段的現(xiàn)狀，提出了變壓器信息聚合架構(gòu)。通過基于相關(guān)分析法的信息聚合技術(shù)，建立了變壓器信息聚合與評估模型，并以變壓器油中氫氣與微水相關(guān)性分析為例，驗證了方法的有效性。

信息聚合；在線監(jiān)測；相關(guān)系數(shù)

隨著電網(wǎng)向智能化方向發(fā)展，設(shè)備在線監(jiān)測技術(shù)得到廣泛應(yīng)用，可以獲得種類更多、內(nèi)容更詳細的海量數(shù)據(jù)，構(gòu)成了電力大數(shù)據(jù)[1]。但是，目前還缺乏有效的數(shù)據(jù)挖掘手段，將數(shù)據(jù)轉(zhuǎn)換為有用信息。信息聚合技術(shù)就是通過對電力大數(shù)據(jù)的分析和挖掘[2]，快速有效地提煉出電網(wǎng)運行所需的有用信息，并把各個信息孤島匯集到全景信息模型，構(gòu)成決策輔助信息系統(tǒng)，為電力系統(tǒng)安全穩(wěn)定運行提供技術(shù)支持，使電力系統(tǒng)運行更高效、更智能化。

目前常用的信息聚合方法有：模糊綜合評判、層次分析法、證據(jù)理論等，這些信息聚合方法各有優(yōu)劣。相關(guān)分析法可以挖掘數(shù)據(jù)間的潛在關(guān)聯(lián)性，從而打破各信息孤島，綜合評判系統(tǒng)運行狀態(tài)。因此，將相關(guān)分析法應(yīng)用于信息聚合技術(shù)具有重要意義。

1 變壓器信息聚合架構(gòu)

變壓器信息聚合是將各類信息源的信息按照某種規(guī)則在多個層面重新組合，多角度綜合分析，從中提取有用信息，通過決策輔助信息系統(tǒng)對有用信息進行處理，以評估監(jiān)測目標的運行狀態(tài)并提出應(yīng)對策略。其基本結(jié)構(gòu)體系如圖1所示。

圖1 變壓器信息聚合基本結(jié)構(gòu)體系

根據(jù)變壓器數(shù)據(jù)信息流向，變壓器信息聚合流程包含以下3個層次：

(1)數(shù)據(jù)層聚合

這一層是最基本、最簡單的聚合。一般方法是將被監(jiān)測對象的所有數(shù)據(jù)源，采樣某種聚合方法進行計算，并從中提取特征量。例如，通過電壓和電流信息，就可以直接計算出負載信息。由于在數(shù)據(jù)層聚合過程中，數(shù)據(jù)并未經(jīng)過復雜的篩選和變換，計算過程也比較明確，所以數(shù)據(jù)層的聚合結(jié)果最接近實際，且信息量最大。但是，受限于模型和計算方法，在數(shù)據(jù)層中能綜合分析的數(shù)據(jù)種類必須是同類型數(shù)據(jù)，或是具有相似物理概念或現(xiàn)象的，因此，數(shù)據(jù)層很難發(fā)現(xiàn)潛在的、未知的規(guī)律。對于不同類型、不同結(jié)構(gòu)數(shù)據(jù)的信息聚合需要在特征層或決策層完成。

(2)特征層聚合

一般方法是先提取原始數(shù)據(jù)源的特征向量，再結(jié)合數(shù)據(jù)層中提取的初級聚合的特征量，進行關(guān)聯(lián)分析和特征融合，得到可用于狀態(tài)判斷或模式識別的若干較大的特征向量。例如，變壓器鐵芯接地電流信息與變壓器振動信息聚合能夠得到變壓器鐵芯的健康狀態(tài)信息。特征層的信息聚合可以實現(xiàn)多維度、多類型數(shù)據(jù)間的聚合，能夠挖掘某些潛在規(guī)律，但由于計算方式的單一性，會一定程度上影響聚合結(jié)果的準確性[3]。

(3)決策層聚合

一般方法是將特征層提取的信息，結(jié)合歷史信息、專家系統(tǒng)、運行經(jīng)驗等，按照決策目標，進行深入的聚合，生成決策向量，做出設(shè)備運行狀態(tài)的評判并提出應(yīng)對策略。

2 變壓器信息聚合與評估模型

變壓器運行狀態(tài)評估所需要的數(shù)據(jù)具有多源、異構(gòu)的特征，不但包括對變壓器本體的在線監(jiān)測數(shù)據(jù)，還包括變壓器所處的環(huán)境氣象信息、歷史運行數(shù)據(jù)等[4]，這些多源數(shù)據(jù)分散在不同系統(tǒng)之中，未被有效整合。變壓器信息可建立在由時間維度t、信息維度X1和應(yīng)用維度X2形成的三維相關(guān)空間中，各信息相關(guān)性如圖2所示。

圖2 變壓器多維信息時空相關(guān)性示意圖

根據(jù)變壓器信息關(guān)聯(lián)性，將變壓器在線監(jiān)測信息、運行信息及環(huán)境信息等多源數(shù)據(jù)建立變壓器信息聚合與評估模型，如圖3所示。變壓器信息聚合與評估模型將絕緣油中溶解氣體、套管絕緣介損、局放、鐵芯接地電流、環(huán)境溫濕度、風冷系統(tǒng)、主變運行數(shù)據(jù)、故障錄波數(shù)據(jù)等進行關(guān)聯(lián)。當某一個狀態(tài)量異常時，同時調(diào)用其它關(guān)聯(lián)信息進行綜合分析，為變壓器狀態(tài)評估提供多信息源診斷支持，提升診斷可信度，最終將變壓器運行狀態(tài)評估為正常運行、異常運行、預(yù)警、告警4個狀態(tài)，并通過數(shù)據(jù)分析及歷史數(shù)據(jù)比對得出解決方案。

3 相關(guān)分析法

相關(guān)分析法是通過計算相關(guān)系數(shù)來判斷數(shù)據(jù)間關(guān)系的密切程度[5]。相關(guān)系數(shù)最常用的計算方法為積差法，即兩個變量的協(xié)方差與兩變量標準差的乘積之比，其計算公式為

(1)

圖3 變壓器信息聚合與評估模型

相關(guān)系數(shù)的取值范圍是：-1≤r≤+1，正值表示正相關(guān)，負值表示負相關(guān)。相關(guān)系數(shù)與相關(guān)程度的關(guān)系如表1所示。

表1 相關(guān)系數(shù)與相關(guān)程度關(guān)系

4 基于相關(guān)分析法的變壓器信息聚合實例

變壓器絕緣油中H2含量是變壓器受潮、過熱故障、局部放電等事件表征量，選取H2含量進行研究具有一定的代表性。本文選取110 kV變壓器某次受潮及過熱故障前后，油中微水與H2的數(shù)據(jù)做相關(guān)性分析。

(1)變壓器受潮前后一個月內(nèi)，油中H2O與H2含量變化如圖4所示。為了更清晰的顯示它們之間的變化規(guī)律，把H2O與H2含量以雙坐標軸表示，如圖5所示。從圖5中可以看出，在480個采樣點(20天左右)附近，H2O與H2含量都有較大幅度的增長，隨后，H2含量超過了規(guī)程規(guī)定的告警值150 μL/L。

圖4 受潮前后油中H2O與H2含量的變化

圖5 受潮前后油中H2O與H2含量的變化

(2)對以上原始數(shù)據(jù)每8個數(shù)據(jù)分為一組，進行H2O與H2相關(guān)性分析，得到H2O與H2之間的相關(guān)性變化情況，如圖6所示。從圖6中可以看出，從第58個數(shù)據(jù)點，H2O與H2之間的相關(guān)系數(shù)從0.1躍升到0.9左右，相關(guān)性從弱相關(guān)變?yōu)楦叨认嚓P(guān)。結(jié)合實際情況分析，變壓器受潮后，絕緣水平大幅下降，局部放電連續(xù)發(fā)生，生成大量的H2，從而使H2O與H2之間的相關(guān)系數(shù)增大?？梢?，H2含量劇增，同時H2O與H2之間相關(guān)系數(shù)由弱變強，則可能是變壓器受潮造成的。

圖6 H2O與H2之間的相關(guān)性變化情況

(3)該變壓器經(jīng)過除濕密封后，重新投運7個月左右時，發(fā)生一次過熱故障。變壓器過熱前后油中H2O與H2含量的變化情況如圖7所示。

圖7 過熱故障前后油中H2O與H2含量的變化

從圖7可以看出，經(jīng)過除濕處理后，H2O與H2都較之前有了明顯的下降。在490個采樣點(15天左右)，H2含量開始有了明顯的增加，而H2O出現(xiàn)了少量的減少。

對H2O與H2含量做相關(guān)性分析，H2O與H2相關(guān)性變化情況如圖8所示。

圖8 H2O與H2之間的相關(guān)性變化情況

由圖8可以看出，在發(fā)生過熱故障之前，H2O與H2含量的相關(guān)系數(shù)穩(wěn)定在0.3左右，屬于微弱相關(guān)到弱相關(guān)的范圍內(nèi)。但當發(fā)生過熱故障后，相關(guān)系數(shù)幾乎為0，屬于不相關(guān)或微弱相關(guān)范圍。從變壓器過熱故障實際情況分析，在發(fā)生過熱故障后，絕緣材料，尤其是固體絕緣材料中的纖維素，會受熱劣化，釋放一定量的小分子烴類和H2，而此時水含量基本不會變化。因此，H2含量增加，同時H2O與H2之間相關(guān)系數(shù)不變或變小，則可能是變壓器過熱造成的。

通過以上兩個案例可知，單純研究變壓器油中H2含量，雖然能發(fā)現(xiàn)問題，但無法準確判斷具體原因。通過相關(guān)分析法，將油中H2O與H2含量信息進行聚合，不僅可以發(fā)現(xiàn)問題，而且能夠確定問題的原因，為消除異?；蚬收咸峁┛煽考夹g(shù)支持。

5 結(jié)語

本文針對變壓器運行特點，建立了變壓器信息聚合架構(gòu)及評估模型，通過實例證明了基于相關(guān)分析法的變壓器信息聚合評估模型的可行性和有效性。將相關(guān)分析法應(yīng)用到變壓器其他參數(shù)，即可實現(xiàn)變壓器的在線監(jiān)測與預(yù)警并提出可信的診斷結(jié)果。將該信息聚合技術(shù)進一步應(yīng)用到其他電力設(shè)備，可實現(xiàn)全部變電設(shè)備的運行狀態(tài)評估及故障診斷，使電力系統(tǒng)運行更加智能化。

[1] 劉振亞.智能電網(wǎng)技術(shù)[M].北京: 中國電力出版社，2010.

[2] 李 娜，陳 晰，吳 帆，等. 面向智能電網(wǎng)的物聯(lián)網(wǎng)信息聚合技術(shù)[J]．信息通信技術(shù)，2010,4(2):21-28.

LI Na, Chen Xi, Wu Fan, et al. Study of information aggregation technology on the internet of things for smart grid[J]. Information and Communications Technologies,2010,4(2):21-28.

[3] 張金江，郭創(chuàng)新，曹一家，等. 變電站設(shè)備狀態(tài)監(jiān)測系統(tǒng)及其IEC模型協(xié)調(diào)[J]. 電力系統(tǒng)自動化，2009，33(20)： 67-72.

ZHANG Jin-jiang, GUO Chuang-xin, CAO Yi-ji, et al. Substation equipment condition monitoring system and IEC model coordination[J]. Automation of Electric Power Systems,2009,33(20):67-72.

[4] 廖瑞金，黃飛龍，楊麗君，等. 多信息量融合的電力變壓器狀態(tài)評估模型[J]. 高電壓技術(shù)，2010，36(6)：1455-1460.

LIAO Rui-jin, HUANG Fei-long, YANG Li-jun, et al. Condition assessment of power transformer using information fusion[J]. High Voltage Engineering,2010,36(6):1455-1460.

[5] HARDOON D R, SZEDMAK S·TAYLOR S J . Canonical correlation analysis I An overview with application to learning methods[J] . Neuralomputation , 2004 , 16(12) : 2639-2664.

(本文編輯：嚴 加)

Transformer Information Aggregation Technology Based on Correlation Analysis

PAN Xiao-ming, ZHANG Yong-sheng

(Suzhou Power Supply Company, Suzhou 215004, China)

Considering the exponential growth of monitoring data of the transformer, but the lack of efficient data mining methods, this paper presents the transformer information aggregation architecture, establishes the information aggregation and assessment model based on correlation analysis. The method is proved effective through the correlation analysis of the hydrogen and water dissolved in transformer oil.

information aggregation; online monitoring; correlation coefficient

10.11973/dlyny201605003

潘曉明(1977)，男，高級工程師，從事變電檢修管理工作。

TM74

B

2095-1256(2016)05-0544-04

2016-08-13