作者：路永玲, 胡成博, 陶风波, 秦剑华, 王真
作者单位：国网江苏省电力有限公司电力科学研究院（国家电网电力系统人工智能联合实验室），江苏 南京 211103
关键词：无源测温;变压器接线端子;温度;异常检测;孤立森林
摘要：
以变压器接线端子温度异常检测的高精准性、高抗噪性为目标，研究基于无源测温的变压器接线端子温度异常检测方法。采用声表面波传感器依据其谐振频率会随着声表面波反射栅的间距与前进速度变化出现的改变，采集变压器接线端子温度数据，实现变压器接线端子无源测温；依据卷积神经网络提取所采集温度数据的特征，为温度异常检测提供更精准的数据基础；依据提取的特征数据构建孤立森林模型，以异常分数值的大小判断变压器接线端子温度是否异常，实现温度异常检测。实验证明：所研究方法采集的温度数据误差小，特征数据提取的准确性高，温度异常数量检测准确率为99%，且具备优秀的抗噪性能。
Research on temperature anomaly detection method of transformer terminal based on passive temperature measurement
LU Yongling, HU Chengbo, TAO Fengbo, QIN Jianhua, WANG Zhen
State Grid Jiangsu Electric Power Co., Ltd., Research Institute(Electric Power System Artificial Intelligence State Grid Corporation Joint Laboratory), Nanjing 211103, China
Abstract: Aiming at the high accuracy and high noise resistance of transformer terminal temperature anomaly detection, this paper studies the transformer terminal temperature anomaly detection method based on passive temperature measurement. The surface acoustic wave sensor is used to collect the temperature data of transformer terminal according to the change of resonance frequency with the change of the distance and forward speed of the saw reflection grating; extract the characteristics of the collected temperature data according to the convolution neural network to provide a more accurate data basis for temperature anomaly detection; according to the extracted features, the temperature data of the transformer terminal can be collected. The isolated forest model is constructed based on the data to judge whether the temperature of the transformer terminal is abnormal by the value of the abnormal score, so as to realize the temperature anomaly detection. The experimental results show that the temperature data collected by the research method has small error, the accuracy of feature data extraction is high, the detection accuracy of temperature anomaly number is 99%, and has excellent anti noise performance.
Keywords: passive temperature measurement;transformer terminal;temperature;abnormal detection;isolated forests
2021, 47(10):46-51 收稿日期: 2021-04-08;收到修改稿日期: 2021-05-19
基金项目: 国家电网公司指南项目（5500-202018068A-0-0-00）
作者简介: 路永玲（1988-），女，甘肃白银市人，高级工程师，硕士，研究方向为输变电设备物联网技术、电力设备运行状态评估等技术
参考文献
[1] 关志远, 张周胜. 基于RFID传感器的配网设备温度监测系统研究[J]. 电子技术应用, 2017, 43(3): 88-91
[2] 朱小强, 张飞, 戴岳, 等. 一种基于TVDI模型的煤田温度异常区面积提取方法研究[J]. 干旱区地理(汉文版), 2017, 40(3): 622-632
[3] 王瑜, 刘铟, 王玉鑫. 基于点对称图像的变压器局部放电信号故障诊断[J]. 中国测试, 2020, 46(11): 120-125
[4] 全妤, 阮江军, 龚若涵, 等. 基于流线和SVR的变压器热点温度反演方法[J]. 电工电能新技术, 2018, 37(11): 26-34
[5] 孟安波, 杨跞, 王伟, 等. 一种基于卷积神经网络和纵横交叉优化算法的电缆隧道温度异常识别方法[J]. 现代信息科技, 2019, 3(2): 46-49,52
[6] 张重远, 贺鹏, 刘云鹏, 等. 基于ROTDR的变压器绕组温度测量方法研究[J]. 高压电器, 2018, 54(11): 200-205
[7] 廖才波, 阮江军, 蔚超, 等. 基于改进支持向量机的变压器实时热点温度预测方法研究[J]. 高压电器, 2018, 54(12): 186-191
[8] 徐永明, 刘飞, 齐玉麟. 基于流体网络的电力变压器绕组温度预测[J]. 高电压技术, 2017, 43(5): 1509-1517
[9] 张玉存, 崔妍, 付献斌, 等. 搅拌摩擦焊核心区温度在线检测方法[J]. 中国机械工程, 2019, 30(14): 1653-1657
[10] 张涛, 宋建涛. 基于马尔科夫模型和卷积神经网络的异常数据检测方法[J]. 物联网技术, 2018, 8(8): 80-82
[11] 张艳升, 李喜旺, 李丹, 等. 基于卷积神经网络的工控网络异常流量检测[J]. 计算机应用, 2019, 39(5): 1512-1517
[12] 黄志豪, 郑盼龙, 许新宇, 等. 基于轻卷积神经网络的电力电缆绝缘损伤图像检测方法[J]. 电子设计工程, 2019, 27(13): 171-175
[13] 王威, 李青, 孙叶青, 等. 基于卷积神经网络的红外热成像罐车内壁裂纹识别[J]. 红外技术, 2018, 40(12): 1198-1205
[14] 何尧, 梁宏池, 连鸿松, 等. 基于滑动窗口和多元高斯分布的变压器油色谱异常值检测[J]. 高压电器, 2020, 56(1): 203-209
[15] 漆灿, 李庆武, 郑云海, 等. 基于智能视觉物联网的变电站红外监测系统[J]. 电力系统保护与控制, 2018, 46(15): 135-141
