发电站变压器健康状态监测方法及系统
摘要文本
本发明涉及电力工程技术领域,具体为发电站变压器健康状态监测方法及系统,包括以下步骤:基于现场传感器数据,采用数据预处理技术,进行数据清洗、归一化,并转换为时间序列,生成处理后的运行数据。本发明中,通过结合卷积神经网络和循环神经网络对运行数据进行特征提取,深度挖掘关键信息,增强数据表达,应用长短期记忆网络技术,提高异常模式识别准确性,预防故障,深度学习技术提升故障预测准确率与效率,降低停机风险,自适应学习结合历史维护记录,优化维护方案,提高针对性与有效性,卡尔曼滤波和神经网络技术生成变压器健康评分,为运维提供科学依据,运用遗传算法和蚁群算法调整运维策略,提高运行效率和变压器寿命。
申请人信息
- 申请人:国能大渡河检修安装有限公司
- 申请人地址:610000 四川省成都市中国(四川)自由贸易试验区成都高新区天韵路7号
- 发明人: 国能大渡河检修安装有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 发电站变压器健康状态监测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410098537.X |
| 申请日 | 2024/1/24 |
| 公告号 | CN117630758A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G01R31/62 |
| 权利人 | 国能大渡河检修安装有限公司 |
| 发明人 | 王勇飞; 李昂; 李晓飞; 唐云武; 张羽; 廖波 |
| 地址 | 四川省成都市中国(四川)自由贸易试验区成都高新区天韵路7号 |
专利主权项内容
1.发电站变压器健康状态监测方法,其特征在于,包括以下步骤:基于现场传感器数据,采用数据预处理技术,进行数据清洗、归一化,并转换为时间序列,生成处理后的运行数据;基于所述处理后的运行数据,采用卷积神经网络技术和循环神经网络技术,生成特征数据;基于所述特征数据,采用长短期记忆网络技术,进行异常模式识别,生成异常模式报告;基于所述异常模式报告,采用深度学习技术,并生成故障预测报告;基于所述故障预测报告,采用自适应学习技术,结合历史维护记录,生成维护方案;基于所述维护方案,结合实时监测数据,采用卡尔曼滤波和神经网络技术,生成变压器健康评分;基于所述变压器健康评分,采用遗传算法和蚁群算法进行策略调整,生成优化运行维护策略;所述处理后的运行数据具体为经过清洗、归一化的温度、电压、电流和湿度时间序列数据,所述特征数据包括时间序列的特征点、趋势模式和周期性信息,所述异常模式报告具体为包括温度升高和电流不稳定的异常行为,所述故障预测报告包括故障的类型、发生时间和影响范围,所述维护方案具体为检修时间表、替换部件列表和操作指南,所述变压器健康评分具体指以数值形式表现的整体健康状态,包括运行效率、可靠性和预期寿命,所述优化运行维护策略具体为调整后的运行参数设置、维护间隔和预防性维护措施。