本發(fā)明涉及統(tǒng)計(jì)分析領(lǐng)域，具體涉及一種基于隱馬爾科夫模型的變壓器故障動(dòng)態(tài)預(yù)警的方法。
背景技術(shù)：
：油中溶解氣體是變壓器故障的重要判斷指標(biāo)，研究表明，變壓器設(shè)備發(fā)生故障時(shí)釋放的電和熱會(huì)導(dǎo)致變壓器油分解，產(chǎn)生不同的油中溶解氣體，包括氫氣、甲烷、乙烷、乙烯等，通過計(jì)算、比較變壓器在運(yùn)行過程中產(chǎn)生氣體的濃度和組成成分，能夠分析出設(shè)備存在的潛在風(fēng)險(xiǎn)，對(duì)變壓器設(shè)備的健康狀態(tài)給予初步的判斷。結(jié)合實(shí)踐經(jīng)驗(yàn)，相關(guān)研究人員已總結(jié)出了一些針對(duì)不同故障類型體的規(guī)律和判斷方法，如iec60599(三比值)方法、rogers(四比值)方法和doernenburg(五比值)方法等。這些方法的思路相同，都是利用變壓器絕緣油產(chǎn)生氣體的濃度和比值來(lái)判斷變壓器的故障類型，是一種來(lái)源于實(shí)際經(jīng)驗(yàn)閾值方法，能夠?qū)ψ儔浩髟O(shè)備的故障情況進(jìn)行初步的判斷。然而，從實(shí)際應(yīng)用的角度來(lái)看，這些比值只有在設(shè)備發(fā)生故障后才具有意義，在設(shè)備正常的情況下極易造成誤判，且應(yīng)用當(dāng)中容易產(chǎn)生比值計(jì)算結(jié)果與故障判別表無(wú)法對(duì)應(yīng)的情況，因此上述方法在變壓器故障的實(shí)踐方面仍存在一定的問題。我國(guó)目前推行的《變壓器油中溶解氣體分析和判斷導(dǎo)則(國(guó)家電力行業(yè)標(biāo)準(zhǔn)dl/t722-2014)》在上述比值方法的基礎(chǔ)上設(shè)置了注意值，減少了設(shè)備正常情況下的誤判現(xiàn)象，并對(duì)比值編碼和故障類型進(jìn)行了細(xì)化，排除了比值結(jié)果與故障類型無(wú)法對(duì)應(yīng)的情況，極大地完善了比值方法的實(shí)用原則。但是，該方法仍屬于比值方法，此類方法在故障描述方面存在一定的局限，具體表現(xiàn)在兩個(gè)方面，第一，變壓器設(shè)備故障的實(shí)際情況十分復(fù)雜，僅用簡(jiǎn)單的比值的形式對(duì)其進(jìn)行描述存在一定的欠缺，比值運(yùn)算無(wú)法體現(xiàn)出氣體指標(biāo)之間的復(fù)雜特征。第二，比值方法的本質(zhì)是一種閾值方法，而這些閾值大多來(lái)自研究人員的實(shí)踐經(jīng)驗(yàn)，缺乏一定的嚴(yán)謹(jǐn)性，閾值附近的故障判別往往比較模糊，比值方法在判別的準(zhǔn)確度方面還有進(jìn)一步的提升空間?；诒戎捣椒ù嬖诘膯栴}，相關(guān)研究人員從不同的視角對(duì)變壓器故障的判別問題進(jìn)行了許多探索。sheng-weifei等利用支持向量機(jī)和遺傳算法對(duì)上述比值方法進(jìn)行了優(yōu)化，提升了對(duì)變壓器設(shè)備故障類型的判別精度；chin-paohung等利用cmac神經(jīng)網(wǎng)絡(luò)對(duì)變壓器的故障判別進(jìn)行了探索，在判別精度方面同樣取得了較好的提升效果；shintemirov等利用遺傳規(guī)劃對(duì)氣體指標(biāo)的計(jì)算方式進(jìn)行了大幅度改進(jìn)，得到了較比值方法更為準(zhǔn)確的計(jì)算方法；chia-hunglin等利用灰色聚類方法對(duì)三比值法的閾值邊界進(jìn)行了優(yōu)化，彌補(bǔ)了人工經(jīng)驗(yàn)存在的缺陷。上述前沿研究從不同的角度對(duì)比值方法進(jìn)行了優(yōu)化，提高了設(shè)備故障的判別精度，為變壓器故障判別方面的相關(guān)研究作出了重要貢獻(xiàn)?，F(xiàn)有技術(shù)對(duì)早期的經(jīng)典比值方法進(jìn)行了改進(jìn)，得到了顯著的提升效果。但總體來(lái)看，上述方法仍存在一定的局限性。第一，現(xiàn)有技術(shù)僅對(duì)設(shè)備當(dāng)前時(shí)間節(jié)點(diǎn)的運(yùn)行狀態(tài)進(jìn)行了故障判別，沒有考慮設(shè)備的歷史運(yùn)行情況。事實(shí)上，設(shè)備了歷史運(yùn)行數(shù)據(jù)包含了大量的信息，包括油中溶解氣體含量的總體水平，氣體濃度的增長(zhǎng)趨勢(shì)信息等，僅對(duì)當(dāng)前狀態(tài)進(jìn)行評(píng)估顯然忽略了上述信息。第二，現(xiàn)有技術(shù)無(wú)法實(shí)現(xiàn)對(duì)設(shè)備運(yùn)行狀態(tài)的預(yù)警功能?，F(xiàn)有技術(shù)是一種不考慮時(shí)間因素的靜態(tài)方法，且僅能對(duì)設(shè)備的正常狀態(tài)和故障狀態(tài)進(jìn)行判別，無(wú)法估計(jì)出設(shè)備存在潛在風(fēng)險(xiǎn)。而現(xiàn)實(shí)中，對(duì)變壓器設(shè)備未來(lái)短期內(nèi)的運(yùn)行情況進(jìn)行估計(jì)、診斷和預(yù)警同樣是設(shè)備維護(hù)的重要內(nèi)容，利用變壓器油中溶解氣體數(shù)據(jù)對(duì)設(shè)備進(jìn)行動(dòng)態(tài)預(yù)警的方法具有廣泛的應(yīng)用前景。技術(shù)實(shí)現(xiàn)要素：基于現(xiàn)有技術(shù)存在的不足，本發(fā)明提出了一種基于隱馬爾科夫模型的變壓器故障動(dòng)態(tài)預(yù)警方法，該方法通過隱馬爾科夫模型提取變壓器油中溶解氣體的動(dòng)態(tài)特征，并結(jié)合歷史運(yùn)行信息對(duì)設(shè)備的健康狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估。同時(shí)，該方法能夠利用提取出動(dòng)態(tài)特征對(duì)變壓器未來(lái)的運(yùn)行狀況進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)了變壓器設(shè)備的動(dòng)態(tài)預(yù)警功能，在設(shè)備的維護(hù)和保養(yǎng)方面具有廣泛的應(yīng)用前景。一種基于隱馬爾科夫模型的變壓器故障動(dòng)態(tài)預(yù)警方法，包括以下步驟：(1)利用故障變壓器設(shè)備從正常狀態(tài)至故障狀態(tài)過程中的油中溶解氣體濃度數(shù)據(jù)以及正常變壓器設(shè)備的油中溶解氣體濃度數(shù)據(jù)對(duì)隱馬爾科夫模型進(jìn)行訓(xùn)練，得到針對(duì)每種故障類型的變壓器故障模型mm與變壓器正常模型m，其中，m代表變壓器設(shè)備的故障類型；(2)利用變壓器故障模型mm與變壓器正常模型m，找到與經(jīng)過預(yù)處理后的待測(cè)變壓器的油中溶解氣體濃度數(shù)據(jù)相匹配的模型m′，并根據(jù)模型m′、待測(cè)變壓器的當(dāng)前健康狀態(tài)以及數(shù)據(jù)預(yù)測(cè)待測(cè)變壓器下一時(shí)刻的健康狀態(tài)。所述的步驟(1)的具體步驟為：(1-1)收集故障變壓器設(shè)備及此些故障變壓器設(shè)備從正常狀態(tài)至故障狀態(tài)過程中的油中溶解氣體濃度數(shù)據(jù)，并將收集的數(shù)據(jù)按其所屬變壓器設(shè)備的故障類型分類，構(gòu)建針對(duì)不同故障類型的設(shè)備案例庫(kù)cm；(1-2)收集正常變壓器設(shè)備及此些正常變壓器設(shè)備的油中溶解氣體濃度數(shù)據(jù)，利用收集數(shù)據(jù)構(gòu)建針對(duì)正常變壓器的設(shè)備案例庫(kù)c；(1-3)對(duì)設(shè)備案例庫(kù)cm與c中的溶解氣體濃度數(shù)據(jù)進(jìn)行預(yù)處理，得到處理后的設(shè)備案例庫(kù)c′m與c′，使得所有設(shè)備案例庫(kù)中的溶解氣體濃度數(shù)據(jù)擁有相同的時(shí)間間隔；(1-4)將設(shè)備案例庫(kù)c′m與c′作為隱馬爾科夫模型輸入數(shù)據(jù)，以最大似然函數(shù)l收斂為目標(biāo)，對(duì)隱馬爾科夫模型進(jìn)行訓(xùn)練，得到契合每種故障類型的變壓器故障模型mm與變壓器正常模型m。所述變壓器設(shè)備的油中溶解氣體包括氫氣、甲烷、乙烷、乙烯、乙炔和總烴，其中，總烴是指甲烷、乙烷、乙烯、乙炔四種烴類氣體含量總和；所述氣體濃度數(shù)據(jù)為氣體的體積濃度，單位為μl/l；所述故障變壓器從正常狀態(tài)至故障狀態(tài)的過程是指設(shè)備從運(yùn)行良好的狀態(tài)開始，逐漸向故障狀態(tài)發(fā)展，直到設(shè)備出現(xiàn)持續(xù)的故障狀態(tài)為止的過程，相應(yīng)的氣體濃度數(shù)據(jù)是一個(gè)時(shí)間序列，時(shí)間跨度設(shè)為定值；所述正常變壓器設(shè)備油中溶解氣體濃度數(shù)據(jù)指從投運(yùn)開始至今未出現(xiàn)任何異常的變壓器設(shè)備，其在正常運(yùn)行情況下產(chǎn)生的油中溶解氣體數(shù)據(jù)，該數(shù)據(jù)同樣為時(shí)間序列，時(shí)間跨度與故障設(shè)備氣體數(shù)據(jù)的時(shí)間跨度相同。所述變壓器設(shè)備的故障類型為《變壓器油中溶解氣體分析和判斷導(dǎo)則(國(guó)家電力行業(yè)標(biāo)準(zhǔn)dl/t722-2014)》中氣體比值法運(yùn)用的故障類型，包括：低溫過熱、中溫過熱、高溫過熱、局部放電、低能放電、低能放電兼過熱、電弧放電以及電弧放電兼過熱，共8種故障類型。所述待測(cè)設(shè)備油中溶解氣體數(shù)據(jù)的預(yù)處理方法為線性插值法。線性插值方法是指一種補(bǔ)全缺失數(shù)據(jù)的方法，具體是一種利用兩個(gè)時(shí)間點(diǎn)上對(duì)應(yīng)數(shù)據(jù)的連線來(lái)代替兩個(gè)時(shí)間點(diǎn)之間缺失數(shù)據(jù)的插值方法，設(shè)某臺(tái)變壓器油中溶解氣體數(shù)據(jù)在t1時(shí)刻為a，t2時(shí)刻為b，t1與t2之間存在某一缺失數(shù)據(jù)點(diǎn)，對(duì)應(yīng)時(shí)間點(diǎn)為t3，根據(jù)線性插值法，t3時(shí)刻的數(shù)據(jù)可以由a+(a-b)*(t3-t1)/(t1-t2)補(bǔ)全。本發(fā)明中線性插值處理的具體過程為：以1天為單位，對(duì)所有設(shè)備案例庫(kù)中每臺(tái)變壓器的溶解氣體濃度數(shù)據(jù)進(jìn)行線性插值處理，補(bǔ)全數(shù)據(jù)中的缺失值，得到時(shí)間間隔為1天的氣體濃度數(shù)據(jù)插值序列。再按照事先設(shè)定的時(shí)間間隔(如1周)對(duì)氣體濃度數(shù)據(jù)插值序列進(jìn)行等間隔取樣，使得所有設(shè)備案例庫(kù)中的變壓器的溶解氣體濃度數(shù)據(jù)的時(shí)間間隔相同。所述隱馬爾科夫模型(hiddenmarkovmodel,hmm)是一種隨機(jī)過程模型，通常用于描述多個(gè)潛在狀態(tài)之間的動(dòng)態(tài)演化過程。在變壓器故障動(dòng)態(tài)預(yù)警問題的情景中，隱馬爾科夫模型將變壓器的運(yùn)行狀態(tài)分為隱性和顯性兩個(gè)部分，隱性部分對(duì)應(yīng)變壓器的真實(shí)健康狀態(tài)(正常、亞健康、故障)，無(wú)法直接觀測(cè)；顯性部分對(duì)應(yīng)變壓器油中溶解氣體數(shù)據(jù)的分布情況，可以直接觀測(cè)。同時(shí)，該模型通過計(jì)算隱性狀態(tài)之間的轉(zhuǎn)移概率，對(duì)變壓器的氣體的動(dòng)態(tài)演化過程進(jìn)行描述。本發(fā)明中對(duì)已有的隱馬爾科夫模型進(jìn)行了改進(jìn)，具體本發(fā)明所述隱馬爾科夫模型為：當(dāng)設(shè)備案例庫(kù)c′m作為訓(xùn)練樣本時(shí)，在隱馬爾科夫模型中，構(gòu)建三種分別對(duì)應(yīng)變壓器設(shè)備正常、亞健康以及故障異常三種健康狀態(tài)i的隱性節(jié)點(diǎn)，在訓(xùn)練的過程中，以最大似然函數(shù)l收斂為目標(biāo)，利用設(shè)備案例庫(kù)c′m中的數(shù)據(jù)迭代確定隱馬爾科夫模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)；當(dāng)設(shè)備案例庫(kù)c′作為訓(xùn)練樣本時(shí)，在隱馬爾科夫模型中，構(gòu)建對(duì)應(yīng)變壓器設(shè)備正常狀態(tài)的隱性節(jié)點(diǎn)，在訓(xùn)練的過程中，以最大似然函數(shù)l收斂為目標(biāo)，利用設(shè)備案例庫(kù)c′中的數(shù)據(jù)迭代確定隱馬爾科夫模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)；其中，π*表示初始時(shí)間點(diǎn)變壓器處于不同健康狀態(tài)下概率，記為為狀態(tài)轉(zhuǎn)移矩陣，表示變壓器設(shè)備在t時(shí)刻健康狀態(tài)qt為i時(shí)，且t+1時(shí)刻健康狀態(tài)q(t+1)為j的轉(zhuǎn)移概率p(q(t+1)＝j(luò)|qt＝i)的具體數(shù)值；溶解氣體數(shù)據(jù)在設(shè)備各種運(yùn)行狀態(tài)下的概率分布b*＝{bi(ot|μi,∑i)}，μi表示溶解氣體數(shù)據(jù)分布的均值，∑i表示溶解氣體數(shù)據(jù)分布的協(xié)方差矩陣，ot為t時(shí)刻的溶解氣體數(shù)據(jù)，bi(ot|μi,σi)表示溶解氣體數(shù)據(jù)分布的概率密度函數(shù)，i＝1,2…k，j＝1,2…k，k為變壓器設(shè)備的健康狀態(tài)的數(shù)目。在設(shè)備的健康狀態(tài)包括正常、亞健康、故障異常3種健康狀態(tài)的情況下k＝3，模型將對(duì)訓(xùn)練所得的參數(shù)集按μi的均值進(jìn)行排序，μi最大的參數(shù)集對(duì)應(yīng)設(shè)備的故障狀態(tài)，μi最小的參數(shù)集對(duì)應(yīng)設(shè)備的健康狀態(tài)，介于二者之間的參數(shù)集對(duì)應(yīng)設(shè)備的亞健康狀態(tài)。對(duì)于設(shè)備案例庫(kù)c′m，隱馬爾科夫模型對(duì)訓(xùn)練所得的參數(shù)集按μi的均值進(jìn)行排序，μi最大的參數(shù)集對(duì)應(yīng)設(shè)備的故障狀態(tài)，μi最小的參數(shù)集對(duì)應(yīng)設(shè)備的健康狀態(tài)，介于二者之間的參數(shù)集對(duì)應(yīng)設(shè)備的亞健康狀態(tài)。對(duì)于設(shè)備案例庫(kù)c′，隱馬爾科夫模型將所有油中溶解氣體數(shù)據(jù)視為一類，對(duì)應(yīng)設(shè)備的正常狀態(tài)。經(jīng)過訓(xùn)練確定的模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)實(shí)際上對(duì)應(yīng)的是訓(xùn)練樣本的動(dòng)態(tài)特征，對(duì)模型訓(xùn)練的過程實(shí)際上是設(shè)備案例庫(kù)提取的過程。步驟(1-4)中，所述的最大似然函數(shù)l具體為：其中，ont為第n臺(tái)變壓器設(shè)備t時(shí)刻的溶解氣體數(shù)據(jù)，n表示變壓器設(shè)備的總個(gè)數(shù)，t表示時(shí)刻，時(shí)間長(zhǎng)度為t，π′i,a′ij,μ′i,∑′i為算法迭代后的更新參數(shù)，γnt(i)表示變壓器設(shè)備在t時(shí)刻處于健康狀態(tài)i的概率，由初始參數(shù)計(jì)算得出，ξnt(i,j)為設(shè)備從第i種健康狀態(tài)變化至第j種健康狀態(tài)的轉(zhuǎn)移概率，由γnt(i)計(jì)算得出。(2-1)采集待測(cè)變壓器設(shè)備的油中溶解氣體濃度數(shù)據(jù)，對(duì)其進(jìn)行線性插值處理，得到待檢測(cè)數(shù)據(jù)o′，利用變壓器故障模型mm、變壓器正常模型m以及待檢測(cè)數(shù)據(jù)o′，得到與待檢測(cè)數(shù)據(jù)o′匹配的模型m′；(2-2)根據(jù)待測(cè)變壓器設(shè)備當(dāng)前時(shí)刻的健康狀態(tài)qt、待檢測(cè)數(shù)據(jù)o′、以及與待檢測(cè)數(shù)據(jù)匹配的模型m′的參數(shù)數(shù)λ*＝(π*,a*,b*)、前向變量αt(i)預(yù)測(cè)待測(cè)變壓器設(shè)備下一時(shí)刻的健康狀態(tài)。步驟(2-1)的具體步驟為：將待檢測(cè)數(shù)據(jù)方法o′輸入到變壓器故障模型mm與變壓器正常模型m，并計(jì)算模型mm與模型m中前向變量αt(i)，然后將前向變量αt(i)代入到似然函數(shù)f中，計(jì)算得似然函數(shù)值序列f1,f2,…,fd,fd+1，max(f1,f2,…,fd,fd+1)所對(duì)應(yīng)的模型為待檢測(cè)數(shù)據(jù)o′匹配的模型m′，其中，d為變壓器設(shè)備故障類型的總個(gè)數(shù)，所述的似然函數(shù)f為：其中，前向變量αt(i)為：式中，πi,aji,bi(ot)為隱馬爾科夫模型的參數(shù)，πi表示初始時(shí)間點(diǎn)變壓器處于第i種健康狀態(tài)下概率，aji表示設(shè)備從第j種健康狀態(tài)變化至第i種健康狀態(tài)的轉(zhuǎn)移概率，bi(ot)表示設(shè)備在第i種健康狀態(tài)時(shí)氣體數(shù)據(jù)為ot的概率。步驟(2-2)的具體步驟為：(2-2-1)根據(jù)待測(cè)變壓器設(shè)備的待檢測(cè)數(shù)據(jù)o′計(jì)算待測(cè)變壓器設(shè)備當(dāng)前時(shí)刻的健康狀態(tài)qt：設(shè)δt(i)＝maxp(q1,q2…qt＝i|o’,λ)，計(jì)算t＝1時(shí)刻δ1(i)的值，δ1(i)＝πibi(o1)，并按照如下公式進(jìn)行遞歸計(jì)算，得到t時(shí)刻設(shè)備的健康狀態(tài)qt；根據(jù)μi＝qt值的大小確定qt所對(duì)應(yīng)的健康狀態(tài)；(2-2-2)根據(jù)待測(cè)變壓器設(shè)備當(dāng)前時(shí)刻的健康狀態(tài)qt、待檢測(cè)數(shù)據(jù)o′、以及與待檢測(cè)數(shù)據(jù)匹配的模型m′的參數(shù)λ*＝(π*,a*,b*)、前向變量αt(i)預(yù)測(cè)待測(cè)變壓器設(shè)備下一時(shí)刻的健康狀態(tài)，具體為：利用計(jì)算得出下一時(shí)刻每一種健康狀態(tài)的概率，選取概率最大的健康狀態(tài)作為下一時(shí)刻變壓器設(shè)備的健康狀態(tài)。本發(fā)明方法考慮了時(shí)間因素，通過隱馬爾科夫模型提取變壓器油中溶解氣體的動(dòng)態(tài)特征，并結(jié)合歷史運(yùn)行信息對(duì)設(shè)備的健康狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估，較現(xiàn)有靜態(tài)方法相比更具優(yōu)勢(shì)。同時(shí)，該方法能夠利用提取出的動(dòng)態(tài)特征對(duì)變壓器設(shè)備的潛在風(fēng)險(xiǎn)進(jìn)行評(píng)估，實(shí)現(xiàn)了變壓器設(shè)備的動(dòng)態(tài)預(yù)警功能，為設(shè)備的保養(yǎng)和實(shí)時(shí)維護(hù)創(chuàng)造了條件。附圖說明圖1是本發(fā)明基于隱馬爾科夫模型的變壓器故障動(dòng)態(tài)預(yù)警方法方法的流程圖；圖2是測(cè)試設(shè)備1的變壓器油中溶解氣體數(shù)據(jù)隨時(shí)間的變化情況，單位為μl/l；圖3是測(cè)試設(shè)備2的變壓器油中溶解氣體數(shù)據(jù)隨時(shí)間的變化情況，單位為μl/l；圖4是測(cè)試設(shè)備3的變壓器油中溶解氣體數(shù)據(jù)隨時(shí)間的變化情況，單位為μl/l；圖5是測(cè)試設(shè)備4的變壓器油中溶解氣體數(shù)據(jù)隨時(shí)間的變化情況，單位為μl/l；圖6是測(cè)試設(shè)備5的變壓器油中溶解氣體數(shù)據(jù)隨時(shí)間的變化情況，單位為μl/l；圖7是測(cè)試設(shè)備1的健康狀態(tài)判別結(jié)果，單位為μl/l；圖8是測(cè)試設(shè)備2的健康狀態(tài)判別結(jié)果，單位為μl/l；圖9是測(cè)試設(shè)備3的健康狀態(tài)判別結(jié)果，單位為μl/l；圖10是測(cè)試設(shè)備4的健康狀態(tài)判別結(jié)果，單位為μl/l；圖11是測(cè)試設(shè)備5的健康狀態(tài)判別結(jié)果，單位為μl/l。具體實(shí)施方式為了更為具體地描述本發(fā)明，下面結(jié)合附圖及具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明。如圖1所示，本發(fā)明基于隱馬爾科夫模型的變壓器故障動(dòng)態(tài)預(yù)警方法，包括以下步驟：s01，收集故障變壓器設(shè)備及此些故障變壓器設(shè)備從正常狀態(tài)至故障狀態(tài)過程中的油中溶解氣體濃度數(shù)據(jù)，并將收集的數(shù)據(jù)按其所屬變壓器設(shè)備的故障類型分類，構(gòu)建針對(duì)不同故障類型的設(shè)備案例庫(kù)cm；s02，收集正常變壓器設(shè)備及此些正常變壓器設(shè)備的油中溶解氣體濃度數(shù)據(jù)，利用收集數(shù)據(jù)構(gòu)建針對(duì)正常變壓器的設(shè)備案例庫(kù)c；s01與s02中，變壓器油中溶解氣體包括氫氣、甲烷、乙烷、乙烯、乙炔和總烴，其中，總烴是指甲烷、乙烷、乙烯、乙炔四種烴類氣體含量總和；氣體濃度數(shù)據(jù)為氣體的體積濃度，單位為μl/l；故障變壓器從正常狀態(tài)至故障狀態(tài)的過程是指設(shè)備從運(yùn)行良好的狀態(tài)開始，逐漸向故障狀態(tài)發(fā)展，直到設(shè)備出現(xiàn)持續(xù)的故障狀態(tài)為止的過程，相應(yīng)的氣體濃度數(shù)據(jù)是一個(gè)時(shí)間序列，時(shí)間跨度設(shè)為定值；正常變壓器設(shè)備油中溶解氣體濃度數(shù)據(jù)指從投運(yùn)開始至今未出現(xiàn)任何異常的變壓器設(shè)備，其在正常運(yùn)行情況下產(chǎn)生的油中溶解氣體數(shù)據(jù)，該數(shù)據(jù)同樣為時(shí)間序列，時(shí)間跨度與故障設(shè)備氣體數(shù)據(jù)的時(shí)間跨度相同。變壓器設(shè)備故障類型為《變壓器油中溶解氣體分析和判斷導(dǎo)則(國(guó)家電力行業(yè)標(biāo)準(zhǔn)dl/t722-2014)》中氣體比值法運(yùn)用的故障類型，包括低溫過熱、中溫過熱、高溫過熱、局部放電、低能放電、低能放電兼過熱、電弧放電和電弧放電兼過熱。s03，對(duì)設(shè)備案例庫(kù)cm與c中的溶解氣體濃度數(shù)據(jù)進(jìn)行線性插值處理，得到處理后的設(shè)備案例庫(kù)c′m與c′，使得所有設(shè)備案例庫(kù)中的溶解氣體濃度數(shù)據(jù)擁有相同的時(shí)間間隔；s03中，線性插值處理的具體過程為：以1天為單位，對(duì)所有設(shè)備案例庫(kù)中每臺(tái)變壓器的溶解氣體濃度數(shù)據(jù)進(jìn)行線性插值處理，補(bǔ)全數(shù)據(jù)中的缺失值，得到時(shí)間間隔為1天的氣體濃度數(shù)據(jù)插值序列。再按照事先設(shè)定的時(shí)間間隔對(duì)氣體濃度數(shù)據(jù)插值序列進(jìn)行等間隔取樣，使得所有設(shè)備案例庫(kù)中的變壓器的溶解氣體濃度數(shù)據(jù)的時(shí)間間隔相同。s04，將設(shè)備案例庫(kù)c′m與c′作為隱馬爾科夫模型輸入數(shù)據(jù)，以最大似然函數(shù)l收斂為目標(biāo)，對(duì)隱馬爾科夫模型進(jìn)行訓(xùn)練，得到契合每種故障類型的變壓器故障模型mm與變壓器正常模型m。隱馬爾科夫模型是一種隨機(jī)過程模型，通常用于描述多個(gè)潛在狀態(tài)之間的動(dòng)態(tài)演化過程。在變壓器故障動(dòng)態(tài)預(yù)警問題的情景中，隱馬爾科夫模型將變壓器的運(yùn)行狀態(tài)分為隱性和顯性兩個(gè)部分，隱性部分對(duì)應(yīng)變壓器的真實(shí)健康狀態(tài)(正常、亞健康、故障)，無(wú)法直接觀測(cè)，顯性部分對(duì)應(yīng)變壓器油中溶解氣體數(shù)據(jù)的分布情況，可以直接觀測(cè)。同時(shí)，該模型通過計(jì)算隱性狀態(tài)之間的轉(zhuǎn)移概率，對(duì)變壓器的氣體的動(dòng)態(tài)演化過程進(jìn)行描述。設(shè)某種類型的案例庫(kù)中共有n臺(tái)變壓器，每臺(tái)變壓器的油中溶解氣體數(shù)據(jù)擁有t個(gè)時(shí)刻，則第n臺(tái)變壓器油中溶解氣體數(shù)據(jù)的時(shí)間序列記為on＝on1,on2…ont,n＝1,2…n，每時(shí)刻的觀測(cè)數(shù)據(jù)對(duì)應(yīng)氫氣、甲烷、乙烷、乙烯、乙炔和總烴六種氣體指標(biāo)的具體數(shù)值。同時(shí)，設(shè)第n臺(tái)變壓器運(yùn)行情況的狀態(tài)序列qn＝qn1,qn2…qnt，每一期狀態(tài)變量qt對(duì)應(yīng)不同的設(shè)備健康狀態(tài)，記為qt＝i,i＝1,2…k。式中k表示變壓器設(shè)備運(yùn)行狀態(tài)類型的數(shù)目，在設(shè)備的健康狀態(tài)包括正常、亞健康、故障異常3種健康狀態(tài)的情況下k＝3，模型將對(duì)訓(xùn)練所得的參數(shù)集按μi的均值進(jìn)行排序，μi最大的參數(shù)集對(duì)應(yīng)設(shè)備的故障狀態(tài)，μi最小的參數(shù)集對(duì)應(yīng)設(shè)備的健康狀態(tài)，介于二者之間的參數(shù)集對(duì)應(yīng)設(shè)備的亞健康狀態(tài)。參數(shù)π：變壓器設(shè)備在初始時(shí)刻(t＝1)處于不同健康狀態(tài)下的概率p(qn1＝i)的具體數(shù)值，記為π＝{πi},i＝1,2…k。參數(shù)a：變壓器設(shè)備在t時(shí)刻健康狀態(tài)為i時(shí)，t+1時(shí)刻健康狀態(tài)為j的轉(zhuǎn)移概率p(qn(t+1)＝j(luò)|qnt＝i)的具體數(shù)值，記為a＝{aij},i,j＝1,2…k。參數(shù)b：變壓器設(shè)備的健康狀態(tài)為i時(shí)，油中溶解氣體數(shù)據(jù)的概率分布情況p(ont|qnt＝i)，該概率分布情況以正態(tài)分布的形式來(lái)表示，記為b＝{bi(ont|μi,σi)},i＝1,2…k。式中μi表示氣體數(shù)據(jù)分布的均值，∑i表示氣體數(shù)據(jù)分布的協(xié)方差矩陣，bi(ont|μi,∑i)表示氣體數(shù)據(jù)分布的概率密度函數(shù)，具體形式如下：另外，為了簡(jiǎn)便計(jì)算，該模型還設(shè)置了兩種輔助變量，前向概率αnt(i)與后向概率βnt(i)。αnt(i)與βnt(i)均可以由上述參數(shù)集λ＝(π,a,b)計(jì)算得到，具體計(jì)算方式如下：綜上所述，隱馬爾科夫模型的參數(shù)包括初始狀態(tài)概率π、狀態(tài)轉(zhuǎn)移矩陣a以及氣體數(shù)據(jù)在設(shè)備各種運(yùn)行狀態(tài)下的概率分布b，記為λ＝(π,a,b)。設(shè)備案例庫(kù)c′m中的數(shù)據(jù)和baum-welch算法迭代對(duì)隱馬爾科夫模型進(jìn)行參數(shù)估計(jì)，得到最優(yōu)參數(shù)λ*＝(π*,a*,b*)的過程。利用baum-welch算法對(duì)隱馬爾科夫模型進(jìn)行估計(jì)得到參數(shù)λ*＝(π*,a*,b*)的具體步驟如下：第一步：隨機(jī)賦予隱馬爾科夫模型中的參數(shù)λ＝(π,a,b)一個(gè)的初始值λ0＝(π0,a0,b0),i＝1,2…k。第二步：根據(jù)案例庫(kù)中變壓器油中溶解數(shù)據(jù)on＝on1,on2…ont,n＝1,2…n和參數(shù)λ0＝(π0,a0,b0)計(jì)算第n設(shè)備在t時(shí)刻健康狀態(tài)為i時(shí)，t+1時(shí)刻健康狀態(tài)為j的概率ξnt(i,j)以及第t時(shí)刻處于狀態(tài)i的概率γnt(i)，相應(yīng)計(jì)算公式如下所示：第三步：對(duì)模型的參數(shù)進(jìn)行更新，得到參數(shù)的更新值λ′＝(π′,a′,b′)，π′＝{π′i},a′＝{a′ij},b′＝{bi(ont|μ′i,∑′i)},i＝1,2…k。具體計(jì)算方式如下：第四步：利用第三步中所得的參數(shù)更新值λ′＝(π′,a′,b′)，計(jì)算最大似然函數(shù)值l，具體計(jì)算方式如下：第五步：將第三步中得到的參數(shù)更新值λ′＝(π′,a′,b′)代替第二步中的參數(shù)值λ0＝(π0,a0,b0)，不斷重復(fù)第二步至第四步，直至第四步中所得的似然函數(shù)值l收斂，此時(shí)的參數(shù)值λ′＝(π′,a′,b′)為模型的最優(yōu)參數(shù)結(jié)果，記λ*＝(π*,a*,b*),i＝1,2…k。對(duì)于故障案例庫(kù)，隱馬爾科夫模型根據(jù)油中溶解氣體數(shù)據(jù)的均值對(duì)設(shè)備的健康狀態(tài)進(jìn)行劃分，均值最低的一類對(duì)應(yīng)設(shè)備的正常狀態(tài)，均值最高的一類對(duì)應(yīng)設(shè)備的故障狀態(tài)，介于二者之間的一類對(duì)應(yīng)設(shè)備的亞健康狀態(tài)。對(duì)于正常案例庫(kù)，隱馬爾科夫模型將所有油中溶解氣體數(shù)據(jù)視為一類，對(duì)應(yīng)設(shè)備的正常狀態(tài)。s05，將待檢測(cè)數(shù)據(jù)方法o′＝o1′,o2′…ot′輸入到變壓器故障模型mm與變壓器正常模型m，并計(jì)算模型mm與模型m中前向變量αt(i)，然后將前向變量αt(i)代入到似然函數(shù)f中，計(jì)算得似然函數(shù)值序列f1,f2,…,fd,fd+1，max(f1,f2,…,fd,fd+1)所對(duì)應(yīng)的模型為待檢測(cè)數(shù)據(jù)o′匹配的模型m′，其中，d為變壓器設(shè)備故障類型的總個(gè)數(shù)，所述的似然函數(shù)f為：根據(jù)隱馬爾科夫模型及相關(guān)理論，似然函數(shù)值f越大說明待檢測(cè)數(shù)據(jù)與模型越匹配，通過計(jì)算每種模型的似然函數(shù)值l，可以篩選出與待測(cè)設(shè)備實(shí)際情況最為相似的模型。s06，根據(jù)待測(cè)變壓器設(shè)備的待檢測(cè)數(shù)據(jù)o′計(jì)算待測(cè)變壓器設(shè)備當(dāng)前時(shí)刻的健康狀態(tài)qt：設(shè)δt(i)＝maxp(q1,q2…qt＝i|o’,λ)，計(jì)算t＝1時(shí)刻δ1(i)的值，δ1(i)＝πibi(o1)，并按照公式：進(jìn)行遞歸計(jì)算，得到t時(shí)刻設(shè)備的健康狀態(tài)qt；s07，根據(jù)待測(cè)變壓器設(shè)備當(dāng)前時(shí)刻的健康狀態(tài)qt、待檢測(cè)數(shù)據(jù)o′、以及與待檢測(cè)數(shù)據(jù)匹配的模型m′的參數(shù)λ*＝(π*,a*,b*)、前向變量αt(i)預(yù)測(cè)待測(cè)變壓器設(shè)備下一時(shí)刻的健康狀態(tài)，其概率的數(shù)值由計(jì)算得出。實(shí)施例1首先，本實(shí)施例收集了8臺(tái)故障變壓器設(shè)備，故障類型為高溫過熱，并得到了這些設(shè)備從正常狀態(tài)至故障狀態(tài)過程中的油中溶解氣體濃度數(shù)據(jù)，氣體類型包括氫氣、甲烷、乙烷、乙烯、乙炔和總烴，時(shí)間跨度為1600天，組成了針對(duì)電壓等級(jí)為220kv、故障類型為高溫過熱的故障設(shè)備案例庫(kù)。同時(shí)，本文收集32臺(tái)220kv正常變壓設(shè)備，并得到了這些設(shè)備的油中溶解氣體濃度數(shù)據(jù)，氣體類型包括氫氣、甲烷、乙烷、乙烯、乙炔和總烴，時(shí)間跨度同樣為1600天，組成了針對(duì)電壓等級(jí)為220kv的正常設(shè)備案例庫(kù)。其次，在數(shù)據(jù)預(yù)處理的過程中，線性插值法以1天為單位對(duì)所有案例庫(kù)中每臺(tái)變壓器氣體濃度數(shù)據(jù)進(jìn)行線性插值處理，補(bǔ)全數(shù)據(jù)中的缺失值，得到時(shí)間間隔為1天的氣體濃度數(shù)據(jù)插值序列。再以20天為時(shí)間間隔等間隔取樣，使得所有案例庫(kù)中的變壓器氣體濃度數(shù)據(jù)時(shí)間間隔均為20天。再次，采用以上得到的8臺(tái)故障變壓器設(shè)備的油中溶解氣體數(shù)據(jù)，并利用baum-welch算法對(duì)隱馬爾科夫模型進(jìn)行訓(xùn)練，即對(duì)隱馬爾科夫模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)進(jìn)行估計(jì)，相應(yīng)參數(shù)估計(jì)結(jié)果如下所示：(1)故障案例庫(kù)(2)正常案例庫(kù)確定兩組最優(yōu)參數(shù)后，即獲得了變壓器故障模型和變壓器正常模型。接下來(lái)，選取5臺(tái)高溫過熱故障變壓器，并利用上述模型計(jì)算得到的最優(yōu)參數(shù)λ*＝(π*,a*,b*)對(duì)其進(jìn)行健康狀態(tài)判別及故障風(fēng)險(xiǎn)評(píng)估，5臺(tái)用于測(cè)試的變壓器油中溶解氣體數(shù)據(jù)的變化情況分別如圖2～6所示。對(duì)于變壓器設(shè)備健康狀態(tài)判別，隱馬爾科夫模型的計(jì)算過程共分為兩個(gè)部分，第一部分是模型匹配，即利用不同模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)與待測(cè)數(shù)據(jù)，計(jì)算隱馬爾科夫模型中的輔助變量αt(i)以及相應(yīng)的似然函數(shù)值5臺(tái)變壓器的油中溶解氣體數(shù)據(jù)在不同模型之間的似然函數(shù)值如表1所示。根據(jù)隱馬爾科夫模型及相關(guān)理論，似然函數(shù)值l越大說明待測(cè)數(shù)據(jù)與模型越匹配，從5臺(tái)變壓器似然函數(shù)的計(jì)算結(jié)果中可以看出，這5臺(tái)變壓器的油中溶解氣體變化情況與變壓器故障模型更為相似，特征匹配結(jié)果準(zhǔn)確。表1測(cè)試變壓器似然函數(shù)值計(jì)算結(jié)果變壓器故障模型變壓器正常模型測(cè)試設(shè)備1-1849.0-9059.9測(cè)試設(shè)備2-1282.7-2910.3測(cè)試設(shè)備3-3456.3-inf測(cè)試設(shè)備4-4435.9-28905.6測(cè)試設(shè)備5-2553.4-inf第二部分是設(shè)備健康狀態(tài)判別，即利用本發(fā)明所述的viterbi算法、待測(cè)設(shè)備的油中溶解氣體數(shù)據(jù)和隱馬爾科夫模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)對(duì)設(shè)備的健康狀態(tài)進(jìn)行估計(jì)，5臺(tái)變壓器設(shè)備的健康狀態(tài)判別結(jié)果分別如圖7～11所示，圖中對(duì)三臺(tái)待測(cè)變壓器的發(fā)生故障的真實(shí)時(shí)間進(jìn)行了標(biāo)記。從圖7～11中可以看出，上述模型判別出的測(cè)試設(shè)備故障狀態(tài)的時(shí)間點(diǎn)與測(cè)試設(shè)備發(fā)生故障的真實(shí)時(shí)間點(diǎn)基本重合，模型的判別精度較高。同時(shí)，從亞健康狀態(tài)的判別結(jié)果來(lái)看，該模型判別出的亞健康狀態(tài)均對(duì)應(yīng)設(shè)備油中溶解氣體發(fā)生故障前的快速增長(zhǎng)階段，與設(shè)備的現(xiàn)實(shí)情況較為符合。亞健康狀態(tài)的判別結(jié)果可以幫助變壓器的維護(hù)人員提早發(fā)現(xiàn)設(shè)備的異常情況，起到一定的警示作用。為了進(jìn)一步說明模型的判別精度，本發(fā)明對(duì)模型的判別結(jié)果進(jìn)行了統(tǒng)計(jì)，并進(jìn)行了相應(yīng)的交叉驗(yàn)證(交叉驗(yàn)證是指將訓(xùn)練樣本和測(cè)試樣本分為多個(gè)子樣本，將這些子樣本按照不同比例分割，并利用多數(shù)子樣本驗(yàn)證少數(shù)子樣本的方法)，結(jié)果如表2、3所示。從表2、3中的結(jié)果可以看出，本發(fā)明提出的變壓器設(shè)備健康狀態(tài)判別方法具有較高的判別精度，能夠?qū)υO(shè)備的健康狀態(tài)進(jìn)行準(zhǔn)確的判斷。表2設(shè)備健康狀態(tài)判別的統(tǒng)計(jì)結(jié)果5臺(tái)測(cè)試設(shè)備模型判斷為故障模型判斷為正?，F(xiàn)實(shí)情況為故障99.84％0.16％現(xiàn)實(shí)情況為正常1.12％98.88％表3設(shè)備健康狀態(tài)的判別交叉驗(yàn)證結(jié)果交叉驗(yàn)證結(jié)果模型判斷為故障模型判斷為正?，F(xiàn)實(shí)情況為故障99.44％0.56％現(xiàn)實(shí)情況為正常2.48％97.52％對(duì)于設(shè)備發(fā)生故障的風(fēng)險(xiǎn)，本實(shí)施例通過兩個(gè)具體示例來(lái)說明隱馬爾科夫模型在設(shè)備未來(lái)健康狀態(tài)估計(jì)及動(dòng)態(tài)預(yù)警方面的作用。示例1使用了測(cè)試設(shè)備1在處于亞健康狀態(tài)之前的油中溶解氣體數(shù)據(jù)，利用隱馬爾科夫模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)，可以計(jì)算出該數(shù)據(jù)在當(dāng)前健康狀態(tài)下出現(xiàn)的概率αt(i)：αt("正常")＝0.4977,αt("亞健康")＝0.4966,αt("故障")＝0.0057則該示例在下一時(shí)刻處于不同健康狀態(tài)的概率由計(jì)算得出：pt+1("正常")＝0.4869,pt+1("亞健康")＝0.4900,pt+1("故障")＝0.0231從上述計(jì)算結(jié)果可以看出，下一時(shí)間測(cè)試設(shè)備1將處于亞健康狀態(tài)，與設(shè)備的健康狀態(tài)判別結(jié)果相符，預(yù)測(cè)結(jié)果準(zhǔn)確。示例2使用了測(cè)試設(shè)備3在處于故障狀態(tài)之前的油中溶解氣體數(shù)據(jù)，利用隱馬爾科夫模型的最優(yōu)參數(shù)λ*＝(π*,a*,b*)，可以計(jì)算出該數(shù)據(jù)在當(dāng)前健康狀態(tài)下出現(xiàn)的概率αt(i)(前向變量)：αt("正常")＝0.0212,αt("亞健康")＝0.4967,αt("故障")＝0.4816則該示例在下一時(shí)刻處于不同健康狀態(tài)的概率由計(jì)算得出：pt+1("正常")＝0.0212,pt+1("亞健康")＝0.4798pt+1("故障")＝0.4990從上述計(jì)算結(jié)果可以看出，下一時(shí)間測(cè)試設(shè)備1將處于故障狀態(tài)，與設(shè)備的真實(shí)健康狀態(tài)相符，預(yù)測(cè)結(jié)果準(zhǔn)確。本發(fā)明提供的方法能夠量化設(shè)備在未來(lái)時(shí)刻發(fā)生故障的風(fēng)險(xiǎn)，對(duì)設(shè)備的運(yùn)行狀況起到動(dòng)態(tài)預(yù)警的作用。以上所述的具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案和有益效果進(jìn)行了詳細(xì)說明，應(yīng)理解的是以上所述僅為本發(fā)明的最優(yōu)選實(shí)施例，并不用于限制本發(fā)明，凡在本發(fā)明的原則范圍內(nèi)所做的任何修改、補(bǔ)充和等同替換等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)12