CN103163064A - 一种变电站接地网腐蚀速率的模糊预测方法 - Google Patents

Abstract

本发明公开了一种变电站接地网腐蚀速率的模糊预测方法，包括依据土壤理化指标与变电站接地网腐蚀相关关系对隶属度的确定、对不同土壤理化指标对接地网腐蚀贡献度的确定以及不同地域变电站接地网间贴近度的计算。本发明采用模糊预测模型以解决接地网腐蚀速率预测中存在的涉及因素较多，关系错综复杂，以及所涉及因素中的不确定性和模糊性，同时避免了因小样本引起的模型预测精度差，对地域上邻近或土壤理化指标相近的接地网站点，在工程上能够快速而有效的预测其变电站接地网腐蚀速率。

Description

一种变电站接地网腐蚀速率的模糊预测方法

技术领域

本发明涉及一种腐蚀速率预测方法，具体地说，涉及一种变电站接地网腐蚀速率的模糊预测方法。

背景技术

变电站的接地系统是维护电力系统安全可靠运行、保障运行人员和电气设备安全的根本保证和重要措施，接地网导体的腐蚀或者断裂将会引发严重事故并带来巨大的经济损失。在不停电和不对地网进行开挖的情况下实现对接地网腐蚀状况进行诊断，指导相关工作人员有的放矢地对腐蚀地网采取一定的补救措施，对电力系统的安全运行可靠运行具有重要意义。目前，现有的接地网诊断的方法主要有3大类：一类是：基于电磁场理论，激励地网，探测地表面的磁感应强度，根据磁感应强度分布特征诊断腐蚀或断裂状况的方法；另一类是基于电路理论为基础建立故障诊断方程并结合相应的优化算法实现诊断的方法。这两类方法在一定程度上可以得到接地网断裂情况，但是难以获得具体的接地网腐蚀速率；还有一类方法是通过电化学检测得到接地网的瞬时腐蚀速率和局部腐蚀，难以对预测腐蚀速率提供有效根据。

发明内容

本发明所要解决的问题在于针对上述现有方法中的不足，提供一种小样本，计算方便快捷，建模迅速简单的变电站接地网腐蚀速率的模糊预测方法。

为解决上述问题，本发明采用的方法是：

一种变电站接地网腐蚀速率的模糊预测方法，包括以下步骤：

步骤一、获取m个不同地域变电站接地网腐蚀速率及其附近n种土壤理化指标；

步骤二、确定各土壤理化指标与腐蚀速率相关系数；

步骤三、根据相关系数确定隶属度和贡献度；

步骤四、计算m个变电站接地网土壤与待预测变电站接地网土壤之间贴近度；

步骤五、对计算贴近度结果进行由大到小排序；

步骤六、选择贴近度最大的前三变电站接地网腐蚀数据作为参考，对待预测变电站接地网腐蚀速率进行预测。

本发明进一步的改进在于：步骤一中m个不同地域变电站接地网附近土壤理化指标包括Ca²⁺含量，Mg²⁺含量，K⁺和Na⁺含量，SO₄ ^2-含量，Cl^-含量，CO₃ ^2-含量，pH值，含盐量，有机质含量，电阻率平均值中一种或多种。

本发明进一步的改进在于：步骤二具体包括：

通过公式2计算n个土壤理化指标与腐蚀速率之间的相关系数R；

R=[r_1n+1,r_2n+1,…，r_nn+1]

其中r_yn+1表示第y种土壤理化指标与腐蚀速率之间的相关系数；y=1…n；

$r_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}(x_{\mathrm{ik}}-{\stackrel{\‾}{x}}_i)(x_{\mathrm{jk}}-{\stackrel{\‾}{x}}_j)}{\sqrt{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\mathrm{ik}}-{\stackrel{\‾}{x}}_i)}^2}\sqrt{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\mathrm{jk}}-{\stackrel{\‾}{x}}_j)}^2}}---\left(2\right)$

其中：r_ij表示第i种特征因素与第j种特征因素的相关系数；x_ik为第k个地域的第i种特征因素；i≤n时的特征因素为土壤理化指标，i=n+1时的特征因素为接地网腐蚀速率；x_jk为第k个地域的第j种特征因素；j≤n时的特征因素为土壤理化指标，j=n+1时的特征因素为接地网腐蚀速率；

为第i种土壤理化指标的平均值，

为第j种土壤理化指标的平均值，k=1…m,i=1…n+1,j=1…n+1。

本发明进一步的改进在于：步骤三具体包括：

当第y种土壤理化指标与腐蚀速率相关系数r_yn+1＞0时，通过公式3，当r_yn+1＜0时通过公式4将土壤理化指标特征因素转换成[0,1]区间上的数值s_yo，即为隶属度,m个不同地域的n个土壤理化指标特征因素得到隶属度矩阵S：

$S=\left[\begin{array}{cccc}{T}_1& T_2& \·\·\·& T_o\end{array}\right]=\left[\begin{array}{cccc}{s}_{11}& s_{12}& \·\·\·& s_{1O}\\ s_{21}& s_{22}& \·\·\·& s_{2O}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ s_{y1}& s_{y2}& \·\·\·& s_{\mathrm{yO}}\end{array}\right]---\left(5\right)$

公式3、公式4分别为：

$s_{\mathrm{yo}}=u(x_{\mathrm{yo}},a,b)=\left\{\begin{array}{ccc}0& x\&le;a& \\ \frac{1}{1+e^{-g\left[(\frac{a+b}{2}-x_{\mathrm{yo}})\frac{1}{(a-x_{\mathrm{yo}})(b-x_{\mathrm{yo}})}\right]}}& a<x<b& r_{\mathrm{yn}+1}>0\\ 1& x\&GreaterEqual;b& \end{array}\right.---\left(3\right)$

$s_{\mathrm{yo}}=u(x_{\mathrm{yo}},a,b)=\left\{\begin{array}{ccc}1& x\&le;a& \\ \frac{1}{1+e^{g\left[(\frac{a+b}{2}-x_{\mathrm{yo}})\frac{1}{(a-x_{\mathrm{yo}})(b-x_{\mathrm{yo}})}\right]}}& a<x<b& r_{\mathrm{yn}+1}<0\\ 0& x\&GreaterEqual;b& \end{array}\right.---\left(4\right)$

其中x_yo为第o个地域土壤样品的第y个土壤理化指标，y=1…n，o=1…m，g为1-20之间的正整数，a为第y个土壤理化指标的最小值，b为第y个土壤理化指标的最大值，s_yo为第o个地域的第y个土壤理化指标的隶属度；

根据第y种土壤理化指标与腐蚀速率之间的相关系数r_yn+1的绝对值的大小，对土壤理化指标特征因素对接地网腐蚀速率的贡献度划分；令|r_yn+1|≥0.5贡献度为1，0.4≤|r_yn+1|≤0.49贡献度为0.9，0.3≤|r_yn+1|≤0.39贡献度为0.7.0.2≤|r_yn+1|≤0.29贡献度为0.5，0≤|r_yn+1|≤0.19贡献度为0.3；得到n个贡献度大小为：w₁，w₂，…，w_n。

本发明进一步的改进在于：步骤四具体包括：

对待预测变电站接地网附近土壤理化指标检测，并确定其各个指标隶属度s_h测；检测的待预测变电站接地网附近土壤理化指标的种类与步骤一中检测的每个变电站接地网附近土壤理化指标的种类相同；

通过公式6计算待预测变电站接地网处土壤与步骤一中m个不同地域变电站接地网附近土壤的贴进度：

其中

p=1…m，h=1…n。

本发明进一步的改进在于：步骤六具体包括：

将选出的三个与待预测变电站接地网处土壤贴进度最高的变电站接地网处土壤与待预测变电站接地网处土壤的贴进度，以及三个选出的变电站接地网腐蚀速率带入公式7中，计算出待预测变电站接地网的腐蚀速率；

其中，λ为系数，取值范围为0.8-1.6。

本发明与现有方法相比具有以下优点：

1、本发明采用模糊预测模型运用于接地网腐蚀速率预测，克服了土壤与其他腐蚀介质相比，具有多相性、不流动性、不均匀性、时间季节性和地域性等特点，致使小样本，样本孤立等不确定性特点。

2、本发明根据样本属性与腐蚀速率之间的相关系数对不同土壤理化指标的贡献度划分等级，使得贴近度的计算更为合理，对地域上邻近或土壤理化指标相近的接地网站点，该模型可以有效的预测该站点接地网腐蚀速率。

综上所述，本发明方法新颖，工程预测便捷，样本数目小，使用范围广，实现成本低，实用性强，预测精度高，便于推广使用。

附图说明

图1a为改进S型函数偏大型的示意图（a=0、b=100、g=10）；图1b为改进S型函数偏小型的示意图（a=0、b=100、g=10）。

图2为模糊预测方法流程图。

具体实施方式

现有预测方法都是从接地网本身出发，鲜有考虑土壤环境因素对接地网腐蚀速率的影响，而腐蚀是材料和环境共同作用下产生的复杂随机现象，影响土壤腐蚀的多种因素之间相互影响，构成一个复杂的，随机变化的腐蚀体系，难以建立明确的函数关系表达式，对土壤腐蚀利用人工神经网络建模时，要获得较高的精确度，就需大容量样本，而土壤腐蚀理化因素测量本身就存在不确定性和模糊性，因此，采用经典方法难以对接地网腐蚀速率进行预测。

本方法分为土壤理化指标的确定、土壤理化指标与接地网腐蚀相关关系计算并且依据相关关系确定各个不同接地网的土壤理化指标隶属度以及贡献度、计算各接地网间贴近度进行预测。

本发明对接地网腐蚀的土壤理化指标的确定主要是为了对各个土壤腐蚀性质确定提供依据，避免人为综合评价指标对腐蚀性的确定引起的模型误差。为此，本发明在已有的土壤评价指标基础之上适当选取个别因素对接地网腐蚀影响作用较大的因素作为建立模型的输入因素，采用模糊模型对接地网腐蚀速率进行预测。请参阅图1至图2所示，本发明一种变电站接地网腐蚀速率的模糊预测方法，包括以下步骤：

步骤一、对m个不同地域接地网及其附近地域土壤采样，测得每个土壤样品的n个土壤理化指标和接地网的腐蚀速率；获得预测模型输入的典型样本数据。

其中土壤理化指标特征因素主要包含：

T=[Ca²⁺,Mg²⁺,K⁺,Na⁺,SO₄ ^2-,Cl^-,CO₃ ^2-,PH,含盐量,有机质含量,电阻率平均值]。

m个不同地域接地网腐蚀数据和土壤理化指标组成样本矩阵X

$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \&CenterDot;\&CenterDot;\&CenterDot;& x_{1m}\\ x_{21}& x_{22}& \&CenterDot;\&CenterDot;\&CenterDot;& x_{2m}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ x_{n1}& x_{n2}& \&CenterDot;\&CenterDot;\&CenterDot;& x_{\mathrm{nm}}\\ x_{(n+1)1}& x_{(n+1)2}& \&CenterDot;\&CenterDot;\&CenterDot;& x_{(n+1)m}\end{array}\right]---\left(1\right)$

其中x_ij为第j个地域的对应的第i个土壤理化指标（i≤n时），x_（n+1）j为第j个地域的变电站接地网腐蚀速率（i=n+1时），i=1…n+1,，j=1…m;

步骤二、隶属度的确定是整个模糊预测的核心，一般情况下，确定隶属度的大小基本原则是依据样本所在类中的相对重要性，或对所在类贡献的大小，以相关关系来考察多个因素与腐蚀速率之间关系，而相关关系问题可以通过“相关度”或“相异度”来表示，常用度量相关度的参数是相关系数;

相关系数计算公式:

$r_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}(x_{\mathrm{ik}}-{\stackrel{\&OverBar;}{x}}_i)(x_{\mathrm{jk}}-{\stackrel{\&OverBar;}{x}}_j)}{\sqrt{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ik}}-{\stackrel{\&OverBar;}{x}}_i)}^2}\sqrt{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{(x_{\mathrm{jk}}-{\stackrel{\&OverBar;}{x}}_j)}^2}}---\left(2\right)$

其中：r_ij表示第i种特征因素与第j种特征因素的相关系数；x_ik为第k个地域的第i种特征因素（i≤n时的特征因素为土壤理化指标，i=n+1时的特征因素为接地网腐蚀速率），x_jk为第k个地域的第j种特征因素（j≤n时的特征因素为土壤理化指标，j=n+1时的特征因素为接地网腐蚀速率）；

为第i种土壤理化指标的平均值，

为第j种土壤理化指标的平均值，k=1…m,i=1…n+1,j=1…n+1。对样本矩阵X根据式(2)求相关系数得到n个土壤理化指标与腐蚀速率之间的相关系数为：

R=[r_1n+1,r_2n+1,…，r_nn+1]

其中r_yn+1表示第y种土壤理化指标与腐蚀速率之间的相关系数（y=1…n）；相关系数为正则表示该特征因素与腐蚀速率呈现正相关关系，相关系数为负则表示该特征因素与腐蚀速率呈现负相关关系。

步骤三、目前而言，构造隶属函数的方法很多，但是没有一个可遵循的一般性准则，而实际样本隶属度与腐蚀速率之间不是简单的线性关系，通过对S型函数进行适当改进，使之使用于求取样本的隶属度。由S型函数改造而成的隶属度函数形式分为偏大型和偏小型，其中偏大型、偏小型分别为(3)式、(4)式；

$s_{\mathrm{yo}}=u(x_{\mathrm{yo}},a,b)=\left\{\begin{array}{ccc}0& x\&le;a& \\ \frac{1}{1+e^{-g\left[(\frac{a+b}{2}-x_{\mathrm{yo}})\frac{1}{(a-x_{\mathrm{yo}})(b-x_{\mathrm{yo}})}\right]}}& a<x<b& r_{\mathrm{yn}+1}>0\\ 1& x\&GreaterEqual;b& \end{array}\right.---\left(3\right)$

$s_{\mathrm{yo}}=u(x_{\mathrm{yo}},a,b)=\left\{\begin{array}{ccc}1& x\&le;a& \\ \frac{1}{1+e^{g\left[(\frac{a+b}{2}-x_{\mathrm{yo}})\frac{1}{(a-x_{\mathrm{yo}})(b-x_{\mathrm{yo}})}\right]}}& a<x<b& r_{\mathrm{yn}+1}<0\\ 0& x\&GreaterEqual;b& \end{array}\right.---\left(4\right)$

其中x_yo为第o个地域土壤样品的第个土壤理化指标，y=1…n，o=1…m，g为系数，g为1-20之间的正整数，a为典型输入样本对应第y个土壤理化指标的最小值，b为典型输入样本对应第y个土壤理化指标的最大值，s_yo为第o个地域的第y个土壤理化指标的隶属度，r_yn+1为表示第y种土壤理化指标与腐蚀速率之间的相关系数；

根据模糊集合理论，当r_yn+1>0时，通过式(3)，当r_yn+1<0时通过式(4)将土壤理化指标特征因素转换成[0,1]区间上的数值s_yo，即为所求隶属度,样本矩阵X中m个不同地域接地网的n个土壤理化指标特征因素得到隶属度矩阵S

$S=\left[\begin{array}{cccc}{T}_1& T_2& \&CenterDot;\&CenterDot;\&CenterDot;& T_o\end{array}\right]=\left[\begin{array}{cccc}{s}_{11}& s_{12}& \&CenterDot;\&CenterDot;\&CenterDot;& s_{1O}\\ s_{21}& s_{22}& \&CenterDot;\&CenterDot;\&CenterDot;& s_{2O}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ s_{y1}& s_{y2}& \&CenterDot;\&CenterDot;\&CenterDot;& s_{\mathrm{yO}}\end{array}\right]---\left(5\right)$

将特征因素对接地网腐蚀速率的贡献度分等级，对腐蚀速率贡献度较小的特征因素可以适当降低其权值，以减小贡献度较小的土壤理化特征因素对预测模型的影响，相对放大贡献度较大的土壤理化指标特征因素对最终预测结果的影响，以提高模型精度。因此，根据第y种土壤理化指标与腐蚀速率之间的相关系数r_yn+1的绝对值的大小，对土壤理化指标特征因素对接地网腐蚀速率的贡献度划分等级。令|r_yn+1|≥0.5贡献度等级为1，对|r_yn+1|<0.5按照4个梯度等级划分贡献度大小：0.4≤|r_yn+1|≤0.49贡献度为0.9，0.3≤|r_yn+1|≤0.39贡献度为0.7.0.2≤|r_yn+1|≤0.29贡献度为0.5，0≤|r_yn+1|≤0.19贡献度为0.3。因此得到n个土壤理化指标特征因素的贡献度大小为：w₁，w₂，…，w_n；

步骤四、对待预测变电站接地网进行土壤理化指标检测，根据矩阵R中各理化指标的数值，对应套用公式3、4确定待预测变电站接地网附近土壤各理化指标检隶属度s_h测；将每个不同地域接地网实验数据作为一个模糊集合，根据模糊数学理论，两个模糊集合之间的相近程度可以用贴近度来度量。而在接地网腐蚀速率预测时，计算两个接地网腐蚀的贴近度，其关键问题就是根据两个接地网地域之间的土壤理化指标，最大限度地反映它们接地网腐蚀的相似性，第P个土壤与待预测变电站接地网处土壤的贴近度计算公式：

其中

p=1…m，h=1…n；

步骤五、计算得到m个不同地域接地网附近地域土壤与待预测变电站接地网处土壤的m个贴近度γ，将其由大到小排序，其对应腐蚀速率随之排序为y₁y₁、y₂…y_m。

步骤六、取贴近度最大的前三个样本，利用该三个样本对应腐蚀速率y₁、y₂、y₃和其与待预测接地网之间的贴进度γ₁、γ₂、γ₃对待测变电站接地网腐蚀速率进行预测，计算公式为：

其中，λ为系数，取值范围为0.8-1.6。

以陕西省变电站为例，本发明一种变电站接地网腐蚀速率的模糊预测方法，包括以下步骤：

步骤一、对m个变电站接地网附近11项土壤理化指标进行检测，并采集对应m个接地网样品，测得每个接地网腐蚀速率，得到典型输入样本矩阵，如表1所示：

表1变电站接地网腐蚀速率典型实验数据表

步骤二、计算n个土壤理化指标因素与腐蚀速率间相关系数，见表2；

表2各土壤理化指标特征因素与接地网腐蚀间相关系数表

步骤三、模糊预测模型中，基于相关关系并结合改进S型隶属度函数为核心确定隶属度，由样本矩阵X中m个不同地域接地网的n个土壤理化指标特征因素得到隶属度矩阵；隶属度矩阵如表3所示；

表3变电站接地网腐蚀典型样本隶属度矩阵

依据样本属性对接地网腐蚀速率的贡献度进行等级划分，见表4；

表4相关系数与贡献度对照表

步骤四、对待预测变电站接地网（本实施例以汉中阳春桥、榆林锦开、宝鸡段家为例）进行土壤理化指标检测，并确定其各个指标隶属度；

结合改进后贴近度计算公式6，计算各个变电站接地网与待预测变电站接地网之间贴近度，见表5；

表5待预测变电站接地网的土壤理化指标与各样本土壤的理化指标的贴进度表

步骤五、对计算所得贴近度结果进行由大到小排序；

步骤六、取贴进度排前3作为参考，如表6所示：

表6待测试变电站接地网站点贴近度排序表

对计算结果进行由大到小排序并选择前三变电站接地网腐蚀数据作为参考，采用公式7对待预测变电站接地网腐蚀速率进行预测，见表7。

表7预测结果与测试

从表7可以看出，采用本发明一种变电站接地网腐蚀速率的模糊预测方法，能够准确预测出变电站接地网的腐蚀速率，实际验证误差极小。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到技术方法的简单变化或等效替换均落入本发明的保护范围内。

Claims (6)

1.一种变电站接地网腐蚀速率的模糊预测方法，其特征在于，包括以下步骤：

步骤一、获取m个不同地域变电站接地网腐蚀速率及其附近n种土壤理化指标；

步骤二、确定各土壤理化指标与腐蚀速率相关系数；

步骤三、根据相关系数确定隶属度和贡献度；

步骤四、计算m个变电站接地网土壤与待预测变电站接地网土壤之间贴近度；

步骤五、对计算贴近度结果进行由大到小排序；

步骤六、选择贴近度最大的前三变电站接地网腐蚀数据作为参考，对待预测变电站接地网腐蚀速率进行预测。

2.根据权利要求1所述的一种变电站接地网腐蚀速率的模糊预测方法，其特征在于，步骤一中m个不同地域变电站接地网附近土壤理化指标包括Ca²⁺含量，Mg²⁺含量，K⁺和Na⁺含量，SO₄ ^2-含量，Cl^-含量，CO₃ ^2-含量，pH值，含盐量，有机质含量，电阻率平均值中一种或多种。

3.根据权利要求1所述的一种变电站接地网腐蚀速率的模糊预测方法，其特征在于，步骤二具体包括：

通过公式2计算n个土壤理化指标与腐蚀速率之间的相关系数R；

R=[r_1n+1,r_2n+1,…，r_nn+1]

其中r_yn+1表示第y种土壤理化指标与腐蚀速率之间的相关系数；y=1…n；

$r_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}(x_{\mathrm{ik}}-{\stackrel{\&OverBar;}{x}}_i)(x_{\mathrm{jk}}-{\stackrel{\&OverBar;}{x}}_j)}{\sqrt{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ik}}-{\stackrel{\&OverBar;}{x}}_i)}^2}\sqrt{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{(x_{\mathrm{jk}}-{\stackrel{\&OverBar;}{x}}_j)}^2}}---\left(2\right)$

其中：r_ij表示第i种特征因素与第j种特征因素的相关系数；x_ik为第k个地域的第i种特征因素；i≤n时的特征因素为土壤理化指标，i=n+1时的特征因素为接地网腐蚀速率；x_jk为第k个地域的第j种特征因素；j≤n时的特征因素为土壤理化指标，j=n+1时的特征因素为接地网腐蚀速率；

为第i种土壤理化指标的平均值，

为第j种土壤理化指标的平均值，k=1…m,i=1…n+1,j=1…n+1。

4.根据权利要求3所述的一种变电站接地网腐蚀速率的模糊预测方法，其特征在于，步骤三具体包括：

当第y种土壤理化指标与腐蚀速率相关系数r_yn+1＞0时，通过公式3，当r_yn+1＜0时通过公式4将土壤理化指标特征因素转换成[0,1]区间上的数值s_yo，即为隶属度,m个不同地域的n个土壤理化指标特征因素得到隶属度矩阵S：

$S=\left[\begin{array}{cccc}{T}_1& T_2& \&CenterDot;\&CenterDot;\&CenterDot;& T_o\end{array}\right]=\left[\begin{array}{cccc}{s}_{11}& s_{12}& \&CenterDot;\&CenterDot;\&CenterDot;& s_{1O}\\ s_{21}& s_{22}& \&CenterDot;\&CenterDot;\&CenterDot;& s_{2O}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ s_{y1}& s_{y2}& \&CenterDot;\&CenterDot;\&CenterDot;& s_{\mathrm{yO}}\end{array}\right]---\left(5\right)$

公式3、公式4分别为：

$s_{\mathrm{yo}}=u(x_{\mathrm{yo}},a,b)=\left\{\begin{array}{ccc}0& x\&le;a& \\ \frac{1}{1+e^{-g\left[(\frac{a+b}{2}-x_{\mathrm{yo}})\frac{1}{(a-x_{\mathrm{yo}})(b-x_{\mathrm{yo}})}\right]}}& a<x<b& r_{\mathrm{yn}+1}>0\\ 1& x\&GreaterEqual;b& \end{array}\right.---\left(3\right)$

$s_{\mathrm{yo}}=u(x_{\mathrm{yo}},a,b)=\left\{\begin{array}{ccc}1& x\&le;a& \\ \frac{1}{1+e^{g\left[(\frac{a+b}{2}-x_{\mathrm{yo}})\frac{1}{(a-x_{\mathrm{yo}})(b-x_{\mathrm{yo}})}\right]}}& a<x<b& r_{\mathrm{yn}+1}<0\\ 0& x\&GreaterEqual;b& \end{array}\right.---\left(4\right)$

其中x_yo为第o个地域土壤样品的第y个土壤理化指标，y=1…n，o=1…m，g为1-20之间的正整数，a为第y个土壤理化指标的最小值，b为第y个土壤理化指标的最大值，s_yo为第o个地域的第y个土壤理化指标的隶属度；

根据第y种土壤理化指标与腐蚀速率之间的相关系数r_yn+1的绝对值的大小，对土壤理化指标特征因素对接地网腐蚀速率的贡献度划分；令|r_yn+1|≥0.5贡献度为1，0.4≤|r_yn+1|≤0.49贡献度为0.9，0.3≤|r_yn+1|≤0.39贡献度为0.7.0.2≤|r_yn+1|≤0.29贡献度为0.5，0≤|r_yn+1|≤0.19贡献度为0.3；得到n个贡献度大小为：w₁，w₂，…，w_n。

5.根据权利要求4所述的一种变电站接地网腐蚀速率的模糊预测方法，其特征在于，步骤四具体包括：

对待预测变电站接地网附近土壤理化指标检测，并确定其各个指标隶属度s_h测；检测的待预测变电站接地网附近土壤理化指标的种类与步骤一中检测的每个变电站接地网附近土壤理化指标的种类相同；

通过公式6计算待预测变电站接地网处土壤与步骤一中m个不同地域变电站接地网附近土壤的贴进度：

其中

p=1…m，h=1…n。

6.根据权利要求5所述的一种变电站接地网腐蚀速率的模糊预测方法，其特征在于，步骤六具体包括：

将选出的三个与待预测变电站接地网处土壤贴进度最高的变电站接地网处土壤与待预测变电站接地网处土壤的贴进度，以及三个选出的变电站接地网腐蚀速率带入公式7中，计算出待预测变电站接地网的腐蚀速率；

其中，λ为系数，取值范围为0.8-1.6。

Images