CN103699668A - 基于数据断面一致性的配电网电气设备组合状态评估方法 - Google Patents

Abstract

一种基于数据断面一致性的配电网电气设备组合状态评估方法，它首先对电气设备状态量的历史数据进行纵向评判，对不良数据或错误数据通过平滑处理进行修正；再从中提取距离评估时间最近的四组数据，并使每一组状态量数据都在同一时间断面上，若在其时间断面上没有数据的状态量，则采用趋势外推预测法补齐数据；然后采用模糊层次分析法对四组数据分别进行状态评估；最后通过加权组合算法对各次评估结果进行加权运算，得到最终评估结果。本发明提高了状态量数据的可信度，保证了配网设备状态评估结果的准确性。

Description

基于数据断面一致性的配电网电气设备组合状态评估方法

技术领域

本发明涉及一种可对配电网电气设备的状态进行准确评估的组合方法，属输电技术领域。 

背景技术

配电网是整个电力系统的重要组成部分，配电网供电的中断，不但会造成巨大的经济损失，而且会影响人民的生活和社会的安定。随着经济的发展和人民生活水平的不断提高，配电网的可靠性越来越多地得到人们的关注和重视。提高配电网供电可靠性的有效措施之一是对配电网设备进行状态评估。状态评估是以设备的当前实际工作状况为依据，通过先进的状态监测手段、可靠的评价手段和对寿命的预测手段来判断设备的状态，并对将要发生或已经发生故障的部位、严重程度、发展趋势进行评估，识别故障的早期征兆，根据评估结果在设备性能下降到一定程度或故障将要发生之前进行检修。及时有效地对配电网设备进行评估，并根据评估结果合理安排检修计划，在一定程度上减少了人力物力和资金的投入，缩短了停电时间，延长了设备的使用寿命，提高了供电可靠性。 

配电网电气设备状态量数据的获取对于设备的状态评估工作非常重要。获得的设备状态量数据越完善、准确，设备状态评估的结果就越准确。由于配电网设备的在线监测手段不完善，各种试验及巡检周期比较长，导致状态评估工作中设备状态量数据比较少，因此充分利用现有已获取的配电网电气设备状态量数据开展状态评估就显得尤为重要。目前，配电网电气设备状态的评估都是基于现有的最近一次的状态量数据进行评估，即使配电网设备两次状态评估之间有很多组状态量数据，其它组数据的作用也会被忽略，这种评估方法没有考虑到状态量数据获取的时间与状态评估时间之间存在的时间差问题，而且一旦最近一次的状态量数据出现偶然性错误，如读数错误或记录错误，就会导致设备状态评估结果的错误；此外，仅仅利用一次状态量数据评估得到的结果也具有偶然性或不确定性，从而影响了设备状态评估结果的准确性。 

发明内容

本发明的目的在于针对现有技术之弊端，提供一种基于数据断面一致性的配电网电气设备组合状态评估方法，以提高配电网设备状态评估结果的准确性。 

本发明所述问题是以下述技术方案实现的： 

一种基于数据断面一致性的配电网电气设备组合状态评估方法，所述方法首先对电气设备状态量的历史数据进行纵向评判，对不良数据或错误数据通过平滑处理进行修正；再从中提取距离评估时间最近的四组数据，并使每一组状态量数据都在同一时间断面上（所谓同一时间断面是指进行配电网电气设备状态评估时，取用的状态量数据、包括试验数据、巡检数据和运行数据，处于同一时间节点。对于时间断面的选取原则是：以巡检数据的获取时间作为时间节点，将试验数据预测到该时间节点，运行数据则选择此时间节点的实时值。在此时间断面上没有数据的状态量，采用趋势外推预测法补齐数据）然后采用模糊层次分析法对四组数据分别进行状态评估；最后通过加权组合算法对各次评估结果进行加权运算，得到配电网电气设备状态的最终评估结果。

上述基于数据断面一致性的配电网电气设备组合状态评估方法，所述趋势外推预测法为二次指数平滑法，其具体方法如下： 

首先计算一次指数平滑值，

假定t时刻的数据为x _t ，其中t=1, 2,…,N，取定平滑系数α，0<α<1，初值 

，便可计算一次指数平滑序列：

式中：

为t期的一次指数平滑值

然后计算二次指数平滑值，

式中：

，

分别为t期和t-1期的二次指数平滑值；

在

和

已知的条件下二次指数平滑法的预测模型为：

其中

为缺失数据的预测值，T为预测超前期数。

上述基于数据断面一致性的配电网电气设备组合状态评估方法，运用模糊层次分析法进行状态评估的步骤如下： 

①建立评判因素集

把选定的状态参量作为评判因素，建立配电设备运行状态评判因素集，用U _j 来表示，U _j =（u ₁, u ₂, u ₃,…u _n）；

②建立评判等级集

将配网设备的运行状态划分为“良好”、“正常”、 “可疑”、“异常”、“危险”5种情况，即评判等级集为：V={良好，一般，可疑，异常、危险}={v ₁, v ₂, v ₃, v ₄, v ₅}；

③建立评判因素权重集

对各个评判因素u _i 赋予相应的权重系数w _i (i=1, 2, 3,…,n)，则评判因素权重集为W=(w ₁, w ₂,…,w _n)，权重系数必须满足归一化条件：

 ；

④构造模糊评判矩阵

对评判对象按评判因素集中第i个因素u _i 进评判，对应评价等级集中第j个元素v _j 的隶属程度为r _ij ，则按第i个元素u _i 的评判结果可用模糊集合R _i =(r _i1，r _i2，r _i3…，r _in )表示，以各因素评价集的隶属度为行组成模糊评判矩阵R；

⑤模糊综合评判

评判结果B=AR=(b ₁，b ₂,，…，b _n )，其中“·”是模糊算子，B _j 称为一级模糊综合评判结果，表示按U中因素的所有等级进行综合评价时，评价对象对评价等级中第j个等级的隶属度，根据最大隶属度原则，确定被评价对象所属评判等级。

上述基于数据断面一致性的配电网电气设备组合状态评估方法，对各次评估结果进行加权运算的具体方法如下： 

设X₁，X₂，X _j  … X_N（j∈N）为某配电网设备的状态量，N是状态量的个数，x₁，x₂，x₃… x_n为状态量的原始数据，其中x₁，x₂，x₃ … x _t  (t∈n)为实际测量数据，将之定义为非预测状态量，剩余数据x _t ，x _t+1 …x_n为预测值，所述非预测状态量在本次评估中的累计贡献率计算公式如下：

，

其中，Δx _i 代表本次评估中第i个非预测状态量的变化量，Δv代表本次评估结果分值的变化量，变化均是相对于上一次评估时的对应量而言的，

设R₁，R₂，R₃，R₄分别为四次状态评估的结果；w ₁，w ₂，w ₃，w ₄分别是四次评估结果的权重；CR ₁，CR ₂，CR ₃，CR ₄分别是四次评估中非预测状态量的贡献率，将四个贡献率数值归一化后可得到四次评估结果的权重，从而得到最终状态评估的结果R=w ₁R₁+w ₂R₂+w ₃R₃+w ₄R₄。

上述基于数据断面一致性的配电网电气设备组合状态评估方法，对电气设备状态量的历史数据进行纵向评判时，判断是否存在不良或错误数据的具体方法如下： 

设某状态量x _j （j∈M），M是某配电网设备状态量的个数，x _j1, x _j2, x _ji …x _jn为该状态量的历史数据，

为该状态量数据变化最大值；

若

，则判断存在不良或错误数据。

本发明根据状态量历史数据的发展趋势预测形成一致的数据断面，保证该数据能有效地反映当前设备的状态，提高了状态量数据的可信度。所述方法对多次评估结果进行加权运算处理，在一定程度上消除了一次评估结果的偶然性，从而保证了配网设备状态评估结果的准确性。 

附图说明

下面结合附图对本发明作进一步详述。 

图1是基于数据断面一致性的配电网电气设备组合状态评估方法流程图； 

图2是油浸式变压器状态评估信息结构图。

文中各符号表示为：x _j 为状态量，α为平滑系数，A为待定参数，U _j 为评判因素集，W为评判因素权重集，

为t期的一次指数平滑值，

为t-1期的二次指数平滑值，

为缺失数据的预测值，T为预测超前期数，V为评判等级集，W为评判因素权重集。 

具体实施方式

配电网设备状态数据一般包括试验数据，巡检数据，运行数据，假设配电网某设备试验数据1次/年，巡检数据1次/季度，运行数据可认为是实时的。在此条件下，每季度评估1次该设备的状态。它主要包括三个关键技术：一是数据断面一致技术，利用数据预测形成一致的数据断面，如表1所示形成了4组数据断面；二是组合评估方法，利用多次评估的结果，采用加权运算，形成最终结果，即R=w ₁R₁+w ₂R₂+w ₃R₃+w ₄R₄。三是组合权重的确定，根据各次评估结果中非预测状态量对本次评估的贡献率比重确定w ₁、w ₂、w ₃和w ₄。 

本发明的流程参看图1，它主要包括四个步骤，一是历史数据预处理；二是数据断面一致性的形成；三是模糊层次分析评估；四是加权组合评估。本发明首先通过电气设备状态量历史数据的预处理保证了历史数据的准确性，然后根据电气设备状态量历史数据预测各数据断面所缺失的状态量数据，形成数据断面一致性，其次，对各数据断面的状态量运用模糊层次分析法，得到初始评估结果，最后，确定各次评估结果的权重，对初始评估结果进行加权运算得到配电网设备最终的评估结果。 

本发明以配电变压器（油浸式）为例具体说明所述方法的实施过程，图2表示的是变压器进行状态评估所需要的指标，即状态评估的状态量，各指标的历史数据存放在数据库里，所述方法按照以下步骤进行： 

a.从数据库里分别读取配电变压器的各状态量历史数据，对每个状态量的历史数据做以下处理：

设某状态量x _j （j∈M），M是变压器状态量的个数，x _j1, x _j2, x _ji …x _jn为该状态量的历史数据，

为该状态量数据变化最大值。

若，则判断存在不良或错误数据，报警并得到确认后，进行平滑处理。 

b.取各项状态量最近的4组数据，采用趋势外推的二次指数平滑法保证每一组数据都处于同一时间断面上，形成一致的数据断面。趋势外推的二次指数平滑法模型建立的步骤如下： 

取变压器直流电阻的原始数据序列数据为x ₁，x ₂，x ₃…x _N 。

（1）求取该状态量的一次指数平滑值

。 

其中，x _t 表示t时刻的数据，其中t=1, 2,…,N；α为参数，0<α<1；初值

；用t期的

预测t+1期的数值，即，

。 

（2）根据一次指数平滑值，求取该状态量的二次指数平滑值

。 

式中：，分别为t期和t-1期的二次指数平滑值；α为平滑系数；

为t期的一次指数平滑值。 

（3）建立二次指数平滑法的预测模型。 

在

和

已知的条件下，二次指数平滑法的预测模型为： 

其中，T为预测超前期数。

（4）求解预测值。 

（5）误差分析。 

c.运用模糊层次分析法分别对4组数据进行状态评估，得到4个初始状态评估的结果，所述模糊层次分析法的步骤如下： 

（1）建立评判因素集。因素集是影响评估对象的各因素所组成的一个集合。把选定的状态参量作为评判因素，建立配电设备运行状态因素集，用U _j 来表示，U _j =（u ₁, u ₂, u ₃,…u _n），然后各个指标再分解。

（2）建立评判等级集。等级集合是评估者对评估对象可能做出的各种总的评估结果所组成的集合，用V表示，即V=(v ₁, v ₂ …,v _n )。将配网设备的运行状态划分为“良好”、“正常”、 “可疑”、“异常”、“危险”5种情况，即评语集为：V={良好，一般，可疑，异常、危险}={v ₁, v ₂, v ₃, v ₄, v ₅}。 

（3）建立权重集。权重是各因素评估目标的重要程度，对各个因素应赋予相应权重w _i (i=1, 2, 3,…,n)，各权重所组成的集合W=(w ₁, w ₂,…, w _n)称为因素权重集。权重系数必须满足归一化条件：

（4）模糊评判矩阵。对评判对象按因素集中第i个因素u _i 进评判，对应评价等级集中第j个元素v _j 的隶属程度为r _ij ，则按第i个元素u _i 的评判结果可用模糊集合R _i =(r _i1, r _i2, r _i3,…, r _in )表示，R _i 称为单因素评价集。以各因素评价集的隶属度为行组成的矩阵R称为模糊评判矩阵。

（5）模糊综合评判。评判结果B=AR=(b ₁，b ₂，…，b _n )，其中“·”是模糊算子。B _j 称为一级模糊综合评判结果，表示按U中因素的所有等级进行综合评价时，评价对象对评价等级中第j个等级的隶属度。根据最大隶属度原则，确定被评价对象所属评判等级。 

d.根据各次评估结果中非预测状态量在本次评估中的贡献率确定权重，对各次评估结果进行加权运算得到变压器最终的评估结果。权重确定的步骤如下： 

设X₁, X₂, X _j  … X_N（j∈N）为变压器的状态量，N是状态量的个数。x₁, x₂, x₃ … x_n为状态量的原始数据，其中x₁, x₂, x₃ … x _t  (t∈n)为实际测量数据，剩余数据x _t , x _t+1 …x_n为预测值。那么非预测状态量在本次评估中的累计贡献率计算公式如下：

其中，Δx _i 代表本次评估中第i个非预测状态量的变化量，Δv代表本次评估结果分值的变化量，变化均是相对于上一次评估时的对应量而言的。

设CR₁，CR₂，CR₃，CR₄分别是4次评估中非预测状态量的贡献率，该数值归一化后，即可得到4次评估结果的权重w ₁，w ₂，w ₃，w ₄。 

由上可见，基于数据断面一致性的配电网电气设备组合状态评估方法创造性地利用了状态量的历史数据。根据评估指标历史数据的变化规律，预测状态量的数据，形成一致的数据断面；利用多组数据进行状态评估，在得到初始状态评估的结果基础上，根据各次评估结果中非预测状态量在本次评估中的贡献率确定权重；对各次评估结果进行加权运算得到最终的评估结果。有利于解决各次评估结果非一致性的问题，有利于消除数据不完善，不精确造成的评估误差，有效地提高了状态评估结果的准确性。具有实用价值。 

实例分析 

以某市某10kV油浸式配电变压器为例说明，变压器容量315kVA，电压10/0.4 kV，型号S11-M-315，接线组别Yy_n0。表格中分别是配电变压器的试验及巡检数据，其中，配电变压器试验数据1次/年，巡检数据1次/季度，运行数据是实时的。

表1  10kV油浸式配电变压器试验数据 

表3  10kV油浸式配电变压器运行数据

上述配电变压器的试验数据是历史数据，各次评估结果的巡检数据都是已知的，运行数据是实时的可以随时获取。利用这些数据对该变压器进行评估。

采用该发明的方法，首先对试验数据进行预测，形成一致的数据断面，根据本发明中提到的二次指数平滑法对试验数据进行预测，以绕组套管的线间直流电阻为例进行说明。取上述线间直流电阻的四次试验数据，代入到二次指数平滑法的程序中，得到相应时间断面的数据。依次类推其它状态量的预测试验数据，如表4所示。其中表4中第一行数据为实际的试验数据。 

  

表4  二次指数平滑模型预测的试验数据结果

然后，根据本发明中提到的方法计算各次评估的权重。以第一次评估为例，第一次评估中，试验数据，巡检数据，运行数据均采用的是实际测量值，即在求解贡献率时，要考虑全部的状态量。经编程计算可得各状态量的贡献率，累加可得第一次评估的贡献率，依次类推，第二次，第三次，第四次评估中只需考虑巡检，运行状态量的贡献率。将四次评估的贡献率归一化即得各次评估结果的权重集，如表5所示。

表5  各次评估结果的权重表 

评估次数	1	2	3	4
					权重	0.33	0.14	0.23	0.30

最后，采用模糊层次分析法针对各次状态量数据进行设备的状态评估，并对各次评估结果加权组合后可以得到最终结果。

为了证明所述方法的有效性，将本专利所述方法与传统方法进行对比。第一步按照传统方法，将各状态量数据代入程序，经计算可得采用传统方法的评估结果如表6所示。 

表6  采用传统方法状态评估的结果 

第二步，采用本发明所述的方法，将各次评估的数据分别代入到程序中，得到各次评估的结果如表7所示。

表7  采用发明方法各次状态评估的结果 

（第一次）

（第二次）

（第三次）

（第四次）

按照本发明的方法，对上述四次评估的结果采用加权求和的方法得到最终的评估结果如表8所示，其中，权值如表5所示。

表8  采用本发明方法的最终评估结果 

由上述实例可以看到，在仅仅利用最近一次试验结果进行评估时，该变压器的接地装置部件评估结果为正常状态，但在使用所发明方法评估后，该变压器的接地装置部件的状态在趋于恶化，接近可疑状态。这主要是由于接地装置的接地电阻增大造成的结果。为了验证结果的正确性，对该变压器试验测量了其接地装置接地电阻，验证了该发明方法的有效性。 

Claims (5)

1.一种基于数据断面一致性的配电网电气设备组合状态评估方法，其特征是，所述方法首先对电气设备状态量的历史数据进行纵向评判，对不良数据或错误数据通过平滑处理进行修正；再从中提取距离评估时间最近的四组数据，并使每一组状态量数据都在同一时间断面，在此时间断面上没有数据的状态量，采用趋势外推预测法补齐数据；然后采用模糊层次分析法对四组数据分别进行状态评估；最后通过加权组合算法对各次评估结果进行加权运算，得到配电网电气设备组合状态的最终评估结果。

2.根据权利要求1所述基于数据断面一致性的配电网电气设备组合状态评估方法，其特征是，所述趋势外推预测法为二次指数平滑法，其具体方法如下：

首先计算一次指数平滑值

假定t时刻的数据为x _t ，其中t=1, 2,…,N，取定平滑系数α，0<α<1，初值                                                

，便可计算一次指数平滑序列：

式中：

为t期的一次指数平滑值

然后计算二次指数平滑值

式中：，

分别为t期和t-1期的二次指数平滑值；

在

和

已知的条件下二次指数平滑法的预测模型为：

其中

为缺失数据的预测值，T为预测超前期数。

3.根据权利要求1或2所述基于数据断面一致性的配电网电气设备组合状态评估方法，其特征是，运用模糊层次分析法进行状态评估的步骤如下：

①建立评判因素集

把选定的状态参量作为评判因素，建立配电设备运行状态评判因素集，用U _j 来表示，U _j =（u ₁, u ₂, u ₃,…u _n）；

②建立评判等级集

将配网设备的运行状态划分为“良好”、“正常”、 “可疑”、“异常”、“危险”5种情况，即评判等级集为：V={良好，一般，可疑，异常、危险}={v ₁, v ₂, v ₃, v ₄, v ₅}；

③建立评判因素权重集

对各个评判因素u _i 赋予相应的权重系数w _i (i=1, 2, 3,…,n)，则评判因素权重集为W=(w ₁, w ₂,…,w _n)，权重系数必须满足归一化条件：

 ；

④构造模糊评判矩阵

对评判对象按评判因素集中第i个因素u _i 进评判，对应评价等级集中第j个元素v _j 的隶属程度为r _ij ，则按第i个元素u _i 的评判结果可用模糊集合R _i =(r _i1，,r _i2,，r _i3,…,，r _in )表示，以各因素评价集的隶属度为行组成模糊评判矩阵R；

⑤模糊综合评判

评判结果B=A·R=(b ₁, ，b ₂,，…, ，b _n )，其中“·”是模糊算子，B _j 称为一级模糊综合评判结果，表示按U中因素的所有等级进行综合评价时，评价对象对评价等级中第j个等级的隶属度，根据最大隶属度原则，确定被评价对象所属评判等级。

4.根据权利要求3所述基于数据断面一致性的配电网电气设备组合状态评估方法，其特征是，对各次评估结果进行加权运算的具体方法如下：

设X₁, X₂, X _j  … X_N（j∈N）为某配电网设备的状态量，N是状态量的个数，x₁, x₂, x₃ … x_n为状态量的原始数据，其中x₁，x₂，x₃ … x _t  (t∈n)为实际测量数据，将之定义为非预测状态量，剩余数据x _t ，x _t+1 …x_n为预测值，那么非预测状态量在本次评估中的累计贡献率计算公式如下：

其中，Δx _i 代表本次评估中第i个非预测状态量的变化量，Δv代表本次评估结果分值的变化量，变化均是相对于上一次评估时的对应量而言的，

设R₁，R₂，R₃，R₄分别为四次状态评估的结果；w ₁，w ₂，w ₃，w ₄分别是四次评估结果的权重；CR₁，CR₂，CR₃，CR₄分别是四次评估中非预测状态量的贡献率，将四个贡献率数值归一化后可得到四次评估结果的权重，从而得到最终状态评估的结果R=w ₁R₁+w ₂R₂+w ₃R₃+w ₄R₄。

5.根据权利要求4所述基于数据断面一致性的配电网电气设备组合状态评估方法，其特征是，对电气设备状态量的历史数据进行纵向评判时，判断是否存在不良或错误数据的具体方法如下：

设某状态量x _j （j∈M），M是某配电网设备状态量的个数，x _j1, x _j2, x _ji …x _jn为该状态量的历史数据，为该状态量数据变化最大值；

若

，则判断存在不良或错误数据。

Images