CN103778575A - 变压器状态评估方法及系统 - Google Patents

Abstract

本发明实施例公开了一种变压器状态评估方法及系统，对状态量指标进行归一化，获得状态量指标的健康度，运用模糊综合评价理论中的层次分析法确定各个状态量指标的主观权重，再利用熵权法得到与各个状态量相对应的用于修正主观权重的客观权重，应用客观权重对主观权重进行修正得到各个状态量指标的综合权重参数，然后运用集对分析理论中的联系度，得到各个状态量指标与状态分级的联系度，最后利用D-S证据理论融合规则对各个部件分层指标集的评估结果进行数据融合，得到各分部件的状态评估结果。根据状态评估结果就可以确定变压器是否需要检修，从而避免计划检修存在的盲目性，降低了对变压器进行检修所需要的人力、物力需求。

Description

变压器状态评估方法及系统

技术领域

本发明涉及电力系统技术领域，更具体地说，涉及一种变压器状态监测方法及系统。

背景技术

变压器在电力系统中的地位举足轻重，是电力系统中最重要和最关键的电器设备之一，其运行的安全可靠性直接关系到电力系统的安全性与稳定性。随着电网的迅速发展，单台高电压、大容量的变压器越来越多地投入电网运行，与此同时，由于制造、运输、安装和维修质量等因素造成的变压器故障严重地威胁着整个电力系统的安全运行，因此如何提高变压器运行的可靠性，一直都是变压器运行检测中的重要课题。

要使变压器安全运行，提高供电可靠性，除了选用技术过硬、产品质量好的变压器以外，关键是要不断提高变压器的维护、检修水平。然而，传统的对变压器的检修是计划检修方式，即按预定的检修周期对变压器进行检修，而由于变压器的初始状态有好有坏，工作条件互有差别，有的变压器到期并不需要检修，而有的变压器虽未到期，却很有可能需要检修，导致对变压器的过修或欠修，因此，计划检修方式存在很大的盲目性，造成人力、物力的浪费。

发明内容

本发明的目的是提供一种变压器状态评估方法及系统，以降低对变压器进行检修所需要的人力、物力需求。

为实现上述目的，本发明提供了如下技术方案：

一种变压器状态评估方法，将变压器划分为六个分部件，所述方法包括：

分别获取各个分部件的至少一个评价指标集，其中，每个评价指标集包括至少一个状态量指标；

将各个状态量指标进行归一化，获得各个状态量指标的健康度；其中，将状态量指标中的定量指标按照第一方式归一化，所述第一方式为：按照第一公式对极大型状态量指标进行归一化，按照第二公式对极小型状态量指标进行归一化；将状态量指标中的定性状态量指标按照第二方式归一化，所述第二方式为：按照预设的状态量指标与健康度的对应关系对状态量中的定性状态量进行归一化；

所述第一公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&GreaterEqual;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{worst}}<x_0<x_{\mathrm{best}}\\ 0& x_0\&le;x_{\mathrm{worst}}\end{array}\right.$

所述第二公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&le;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{best}}<x_0<x_{\mathrm{worst}}\\ 0& x_0\&GreaterEqual;x_{\mathrm{worst}}\end{array}\right.$

其中，x₀为状态量指标的实际数值，x_best为状态量指标的状态最优值；x_worst为状态量指标的警戒值；k为劣化速度；

按照层次分析法获取各个状态量指标的第一权重参数；按照熵权法获取各个状态量指标的第二权重参数；

依据所述第一权重参数和所述第二权重参数应用第三公式获取各个状态量指标的综合权重参数，所述第三公式为：

w_j ^*=η·a_j+ξ·b_j

其中，w_j ^*为第j个状态量指标的综合权重参数；a_j为第一权重参数；b_j为第二权重参数；η=ξ=0.5；

依据预先设定的健康度与变压器的状态分级的对应关系，确定各个状态量指标所属的状态分级；

对于每一个评价指标集，依据该评价指标集中各个状态量指标的健康度和综合权重参数，利用第四公式获取评价指标集与状态分级的联系度，所述第四公式为：

${\mathrm{\&mu;}}_{(U,V)}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{H}_i^u{u}_i+\underset{k=1}{\overset{F}{\mathrm{\&Sigma;}}}{H}_k^t{t}_k{i}_k+\underset{l=1}{\overset{P}{\mathrm{\&Sigma;}}}{H}_l^v{v}_{l}j$

其中，S表示评价指标集U中状态分级与状态分级V相同的状态量指标的个数；F表示评价指标集U中状态分级与状态分级V相异的状态量指标的个数；P表示评价指标集U中状态分级与状态分级V相反的状态量指标的个数；u_i表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；

表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；i_k为与第k个状态量指标相对应的差异不确定系数，取值范围为（-1,1），j=-1为对立系数；

依据D-S证据理论融合规则对变压器各个分部件的指标集与状态分级的联系度进行融合，包括：依据第五公式获取基本概率，所述第五公式为：

$\left\{\begin{array}{c}{m^{*}}_i\left(j\right)=\frac{m_i\left(j\right)+1}{2},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\\ M_i^{*}\left(j\right)=\frac{m_i^{*}\left(j\right)}{\underset{j=1}{\overset{q}{\mathrm{\&Sigma;}}}{m^{*}}_i\left(j\right)},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\end{array}\right.$

其中，m_i(j)为第i个指标集与第j个状态分级所对应的联系度；

为第i的指标集在第j个状态分级下的基本概率；

依据第六公式对各个分部件的指标集进行融合，得到每一个分部件的与各个状态分级相对应的融合结果，所述第六公式为：

$\left\{\begin{array}{c}M\left(\mathrm{\&Phi;}\right)=0\\ M\left(A\right)=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=A}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)+\frac{k}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_i\left(A\right)\\ k=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)\end{array}\right.$

其中，M(A)为变压器的分部件的指标集与状态分级A的联系度在状态分级A下的融合结果；m_n(A_n)表示第n个指标集在状态分级A下基本概率；

依据融合结果确定各个分部件的状态，包括：当融合结果大于第一阈值时，将融合结果所对应的状态分级作为相对应的分部件的状态评估结果；否则，从预定的状态分级开始依次累加融合结果，当首次出现累加结果大于第二阈值时，停止累加过程，并将首次出现累加结果大于第二阈值时所对应的状态分级与相邻的前一状态分级作为状态评估结果的状态区间。

上述方法，优选的，所述按照层次分析法获取各个状态量指标的第一权重参数包括：

构建在同一层次下指标元素的第一判断矩阵，其中，同一层次的指标元素为同一评价指标集中包括的状态量指标；

对所述第一判决矩阵进行修正，具体为：依据第七公式获取第二判断矩阵，所述第七公式为：B=lgA，其中，A为第一判决矩阵，B为第二判决矩阵；获取第二判决矩阵的最优传递矩阵；依据第八公式获取修正后的第一判决矩阵，所述第八公式为：A^*=10^c，其中，A^*为修正后的第一判决矩阵，C为第二判决矩阵的最优传递矩阵；

依据所述修正后的第一判决矩阵获取各个状态量指标的第一权重参数。

上述方法，优选的，所述差异不确定系数通过第九公式获取，所述第九公式为：

i_k=a_k+b_ki+c_kj

其中，i_k为所述与第k个状态量指标相对应的差异不确定系数， $a_k=\frac{S_1\&CenterDot;S_2}{(S_1+S_2)\&CenterDot;x},b_k=\frac{(S_2-x)(x-S_1)}{(S_1+S_2)x},c_k=\frac{x}{S_1+S_2};$ S₁为与评价指标集U中状态量指标x的状态分级相邻的状态分级所对应的健康度的下限；S₂为评价指标集U中状态量指标x的状态分级所对应的健康度的下限；i为通用不确定系数。

一种变压器状态评估系统，将变压器划分为六个分部件，所系统包括：

指标获取模块，用于分别获取各个分部件的至少一个评价指标集，其中，每个评价指标集包括至少一个状态量指标；

归一化模块，用于将各个状态量指标进行归一化，获得各个状态量指标的健康度；其中，将状态量指标中的定量指标按照第一方式归一化，所述第一方式为：按照第一公式对极大型状态量指标进行归一化，按照第二公式对极小型状态量指标进行归一化；将状态量指标中的定性状态量指标按照第二方式归一化，所述第二方式为：按照预设的状态量与健康度的对应关系对状态量中的定性状态量进行归一化；

所述第一公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&GreaterEqual;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{worst}}<x_0<x_{\mathrm{best}}\\ 0& x_0\&le;x_{\mathrm{worst}}\end{array}\right.$

所述第二公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&le;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{best}}<x_0<x_{\mathrm{worst}}\\ 0& x_0\&GreaterEqual;x_{\mathrm{worst}}\end{array}\right.$

其中，x₀为状态量指标的实际数值，x_best为状态量指标的状态最优值；x_worst为状态量指标的警戒值；k为劣化速度；

初始权重获取模块，用于按照层次分析法获取各个状态量指标的第一权重参数；按照熵权法获取各个状态量指标的第二权重参数；

综合权重获取模块，用于依据所述第一权重参数和所述第二权重参数应用第三公式获取各个状态量指标的综合权重参数，所述第三公式为：

w_j ^*=η·a_j+ξ·b_j

其中，w_j ^*为第j个状态量指标的综合权重参数；a_j为第一权重参数；b_j为第二权重参数；η=ξ=0.5；

状态分级确定模块，用于依据预先设定的健康度与变压器的状态分级的对应关系，确定各个状态量指标所属的状态分级；

联系度确定模块，用于对于每一个评价指标集，依据该评价指标集中各个状态量指标的健康度和综合权重参数，依据第三公式获取评价指标集与状态分级的联系度，所述第三公式为：

${\mathrm{\&mu;}}_{(U,V)}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{H}_i^u{u}_i+\underset{k=1}{\overset{F}{\mathrm{\&Sigma;}}}{H}_k^t{t}_k{i}_k+\underset{l=1}{\overset{P}{\mathrm{\&Sigma;}}}{H}_l^v{v}_{l}j$

其中，S表示评价指标集U中状态分级与状态分级V相同的状态量指标的个数；F表示评价指标集U中状态分级与状态分级V相异的状态量指标的个数；P表示评价指标集U中状态分级与状态分级V相反的状态量指标的个数；u_i表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；

表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；i_k为与第k个状态量指标相对应的差异不确定系数，取值范围为（-1,1），j=-1为对立系数；

融合模块，包括基本概率获取单元，用于依据D-S证据理论融合规则对变压器各个分部件的指标集与状态分级的联系度进行融合，包括：依据第四公式获取基本概率，所述第四公式为：

$\left\{\begin{array}{c}{m^{*}}_i\left(j\right)=\frac{m_i\left(j\right)+1}{2},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\\ M_i^{*}\left(j\right)=\frac{m_i^{*}\left(j\right)}{\underset{j=1}{\overset{q}{\mathrm{\&Sigma;}}}{m^{*}}_i\left(j\right)},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\end{array}\right.$

其中，m_i(j)为第i个指标集与第j个状态分级所对应的联系度；

为第i的指标集在第j个状态分级下的基本概率；

融合单元，用于依据第五公式对各个分部件的指标集进行融合，得到每一个分部件的与各个状态分级相对应的融合结果，所述第五公式为：

$\left\{\begin{array}{c}M\left(\mathrm{\&Phi;}\right)=0\\ M\left(A\right)=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=A}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)+\frac{k}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_i\left(A\right)\\ k=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)\end{array}\right.$

其中，M(A)为变压器的分部件的指标集与状态分级A的联系度在状态分级A下的融合结果；m_n(A_n)表示第n个指标集与状态分级A的基本概率；

变压器状态评估模块，用于依据融合结果确定各个分部件的状态，包括：当融合结果大于第一阈值时，将融合结果所对应的状态分级作为相对应的分部件的状态评估结果；否则，从预定的状态分级开始依次累加融合结果，当首次出现累加结果大于第二阈值时，停止累加过程，并将首次出现累加结果大于第二阈值时所对应的状态分级与相邻的前一状态分级作为状态评估结果的状态区间。

上述系统，优选的，述初始权重获取模块包括：

按照层次分析法获取各个状态量指标的第一权重参数的第一子模块；

按照熵权法获取各个状态量指标的第二权重参数的第二子模块；其中，所述第一子模块包括：

第一判断矩阵获取单元，用于构建在同一层次下指标元素的第一判断矩阵，其中，同一层次的指标元素为同一评价指标集中包括的状态量指标；

第一判断矩阵修正单元，用于对所述第一判决矩阵进行修正，具体为：依据第六公式获取第二判断矩阵，所述第六公式为：B=lgA，其中，A为第一判决矩阵，B为第二判决矩阵；获取第二判决矩阵的最优传递矩阵；依据第七公式获取修正后的第一判决矩阵，所述第七公式为：A^*=10^c，其中，A^*为修正后的第一判决矩阵，C为第二判决矩阵的最优传递矩阵；

第一权重参数获取单元，用于依据所述修正后的第一判决矩阵获取各个状态量指标的第一权重参数。

上述系统，优选的，所述联系度确定模块通过第八公式获取所述差异度不确定系数，所述第八公式为：

i_k=a_k+b_ki+c_kj

其中，i_k为所述与第k个状态量指标相对应的差异不确定系数， $a_k=\frac{S_1\&CenterDot;S_2}{(S_1+S_2)\&CenterDot;x},b_k=\frac{(S_2-x)(x-S_1)}{(S_1+S_2)x},c_k=\frac{x}{S_1+S_2};$ S₁为与评价指标集U中状态量指标x的状态分级相邻的状态分级所对应的健康度的下限；S₂为评价指标集U中状态量指标x的状态分级所对应的健康度的下限；i为通用不确定系数。

通过以上方案可知，本申请提供的一种变压器状态评估方法及系统，对状态量指标进行归一化，获得状态量指标的健康度，运用模糊综合评价理论中的层次分析法确定各个状态量指标的主观权重（即第一权重参数），再利用熵权法得到与各个状态量相对应的用于修正主观权重的客观权重（即第二权重参数），应用客观权重对主观权重进行修正得到各个状态量指标的综合权重参数，然后运用集对分析理论中的联系度，针对联系度的不确定性从同、异、反三个方面分析，得到各个状态量指标与状态分级的联系度，最后利用D-S证据理论融合规则对变压器各个部件分层指标集的评估结果进行数据融合，得到变压器各分部件的与各个状态分级相对应的状态评估结果。根据状态评估结果就可以确定变压器是否需要检修，从而避免计划检修存在的盲目性，降低了对变压器进行检修所需要的人力、物力需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的变压器状态评估方法的一种实现流程图；

图2为本申请实施例提供的变压器状态屏系统的一种结构示意图；

图3为本申请实施例提供的初始权重获取模块的一种结构示意图。

说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的部分，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在实际的电力运行管理维护中，对于枢纽型的大型变压器状态信息，除了来自日常巡检的项目之外，还来自定期的实验数据，即预防性试验数据。本申请实施例中，将变换器划分为六个分部件，对各个分部件进行归类，选取状态量指标。

具体的，将变压器划分为本体、套管、分接开关、冷却系统、油箱和非电量保护系统六个分部件。

请参阅图1，图1为本申请实施例提供的变压器状态评估方法的一种实现流程图，可以包括：

步骤S11：分别获取各个分部件的至少一个评价指标集，其中，每个评价指标集包括至少一个状态量指标；

本体是变压器最为核心的部分，包括绕组、绝缘油及铁芯磁回路；本申请实施例中，从绝缘性能、油性能和老化状况三个方面对本体的性能进行评价。其中，选取绕组电阻、绕组介质损耗因数、铁芯接地电流、绕组直流泄露电流、吸收比五种电气试验项目做完绝缘性能的状态量指标；选取总烃含量、氢气含量、乙炔含量、绝缘油介质损耗因数、油击穿电压、油微水六种油色谱分析和绝缘油试验项目作为油性能的状态量指标；选取油中糠醛含量、纸绝缘聚合度两种试验指标作为老化状况的状态量指标。具体如表1所示。

表1

变压器套管用于将变压器内部高、低引线引到油箱的外部，主要起到引线对地绝缘的作用，同时固定引线。因此，套管需具备符合规程的电气强度和机械强度，在投入运行后，还需要良好的载流能力和热稳定性以便满足正常电流发热和承受短路瞬时过热。本申请实施例中，从绝缘性能、油性能和运行工况三个方面对套管的性能进行评价。其中选取套管介质损耗因数、套管电容量、套管末屏绝缘电阻三种电气试验项目作为绝缘性能的状态量指标；选取总烃含量、氢气含量、乙炔含量三种油色谱分析试验项目作为油性能的状态量指标；选取套管外绝缘抗污水平、接头温度、油位、密封四种运行状态巡视项目作为运行工况的状态量指标。具体如表2所示。

表2

分接开关是变压器的调压装置，起到稳定负荷中心电压、调节无功潮流和联络电网的作用。调压的方法是利用调压装置调整变压器一侧的绕组分接头，即改变绕组匝数从而改变匝数比，相应改变电压比，已达到调整电压的目的。调压装置按是否带负荷操作分为无载分接开关和有载调压分接开关两种。由于无载分接开关只能在停电时对变压器分接头位置进行调整，适用范围小，操作灵活度低，难以满足不间断电力供应的需求，绝大部分大容量变压器已经用有载调压分解开关取代无载分接开关。因此，本申请实施例中，只针对有载调压分接开关进行状态评估，可以从绝缘性能、机械性能、油性能、运行工况四个方面对分接开关的性能进行评价。其中，选取过渡电阻作为绝缘性能的状态量指标；选取有载分接开关性能、分解开关操作次数作为机械性能的状态量指标；选取油击穿电压、油微水这两种绝缘油试验项目作为油性能的状态量指标；选取油漆、油位、密封三种运行状态巡视项目作为运行工况的状态量指标。具体如表3所示。

表3

变压器正常运行时由于存在一定损耗而会产生热量，为了保证其安全运行需要冷却系统将热量散发出去。冷却系统有两种，散热器与冷却器，区别在于散热器不带强油循环而冷却器带强油循环。冷却系统的状态量指标以运行状态巡视项目为主，可以从温度性能、机械性能和运行工况三个方面对冷却系统的性能进行评价。其中，选取油泵温度作为温度性能的状态量指标；选取冷却系统潜油泵、指示器和风扇的运行情况作为机械性能的状态量指标；选取冷却器电源定期自动切换情况、密封状况、油漆和冷却器污秽状况作为运行工况的状态量指标。具体如表4所示。

表4

变压器邮箱，即变压器器身的外壳，用于容纳绕组、铁芯等器身，其内部充注了变压器油用于绝缘，也便于散热冷却。本申请实施例中，从温度性能和运行工况两个方面对油箱的性能进行评价。油箱的状态量指标也以运行状态巡视项目为主。其中，选取顶层油温和油箱温度两个方面作为温度想能的状态量指标；选取密封和油漆作为运行工况的状态量指标。具体见表5.

表5

变压器的非电量保护系统是指保证变换器本体、套管、分接开关等主要部件安全可靠运行的一些附件，包括气体继电器、压力释放阀、压力温度计等。本申请实施例中，从绝缘系能和运行工况两个方面对非电量保护系统的性能进行评价。其中，选取压力释放阀信号回路绝缘电阻、重瓦斯信号回路绝缘电阻、温度计信号回路绝缘电阻和轻瓦斯信号回路绝缘电阻作为绝缘性能的状态量指标；选取密封和油漆作为运行工况的状态量指标。具体如表6所示。

表6

步骤S12：将各个状态量指标进行归一化，获得各个状态量指标的健康度；

从定期的试验中选取的变压器的状态量指标，以定量指标为主，且这些定量指标种类众多，不同的指标的量纲也各不相同，若直接使用不同量纲的数据用于状态评估，就无法得到同一标准下的合理结果。因此，在变压器的状态评估之前，需要将不同量纲的定量指标数据转化为无量纲的量化数据。

本申请以健康度表征变压器由良好状态向故障状态转化的程度，健康度的无量纲数值在[0,1]范围内，健康度的取值大小反应变压器状态健康的不同程度。健康度越趋近于1，表示变压器的状态越良好；健康度越趋近于0，表示变压器状态越恶化。

对于极大型状态量指标，状态量指标的取值越大，表征的状态越好；同理，对于极小型状态量指标，状态量指标的取值越小，表征的状态越好

本申请实施例中，将状态量指标中的定量指标按照第一方式归一化，所述第一方式为：按照第一公式对极大型状态量指标进行归一化，按照第二公式对极小型状态量指标进行归一化；

所述第一公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&GreaterEqual;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{worst}}<x_0<x_{\mathrm{best}}\\ 0& x_0\&le;x_{\mathrm{worst}}\end{array}\right.---\left(1\right)$

所述第二公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&le;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{best}}<x_0<x_{\mathrm{worst}}\\ 0& x_0\&GreaterEqual;x_{\mathrm{worst}}\end{array}\right.---\left(2\right)$

其中，x₀为状态量指标的实际数值，x_best为状态量指标的状态最优值；x_worst为状态量指标的警戒值；k为劣化速度；k的取值可以为1，也可以为0.5，其中，k的优选值为1。

状态量指标的状态最优值和状态量指标的警戒值可以参考DL/T596-1996《电力设备预防性试验规程》、Q/GDW168-2008《输变电设备状态检修试验规程》、Q/GDW169-2008《油浸式变压器（电抗器）状态评价导则》、Q/GDW11-106-2010《油浸式变压器（电抗器）状态评价导则》中规定的各状态量的最优值与警戒值。电压器部分定量状态量指标的最优值与警戒值参考值如表7所示。

表7

变压器部分定量状态量的最优值与警戒值

变压器除本体之外的其他部件都包含较多的日常巡检项目类和少部分的试验类的定性指标，定性指标的量化难度大。

本申请实施例中，按照预设的状态量指标与健康度的对应关系对状态量中的定性状态量进行归一化，即对定性指标采用专家健康度打分的方式进行量化，专家健康度打分的原则依据表8进行。

表8

步骤S13：按照层次分析法获取各个状态量指标的第一权重参数；按照熵权法获取各个状态量指标的第二权重参数；

运筹学模型中的层次分析法旨在分解复杂系统要素，理清其相互关系层次，解决非定量系统的量化问题，通过指标元素间两两比较、综合比较，进而自下而上地将主观判断客观化，得到权重参数，因而在各领域得到了广泛应用。由于较为合理的结合了专家经验，降低了传统定性方法误判段引入错误的可能，定量过程的倾向性更为客观，可以应对较复杂系统的分析。

本申请实施例中，按照传统的层次分析法获取各个状态量指标的第一权重参数，传统的层次分析法具体可以包括：

构建在同一层次下指标元素的判断矩阵，其中，同一层次的指标元素是指同一评价指标集中包括的状态量指标。例如，在本体的状态量指标中，绕组电阻、绕组介质损耗因数、铁芯接地电流、绕组直流泄露电流和吸收比属于同一层次下的指标元素；总烃含量、氢气含量、乙炔含量、绝缘油介质损耗因数、油击穿电压、油微水也属于同一层次的指标元素；油中糠醛含量和纸绝缘聚合度也属于同一层次下的指标元素。

其中，假设同一层次下指标元素的个数为n，那么，判断矩阵中的元素u_ij表示同一层次下，第i个指标元素比第j个指标元素的重要程度；u_ji=1u_ij；而，第i个指标元素比第j个指标元素的重要程度依据表9进行取值。

表9

重要程度取值	含义
		1	ui与uj同等重要
3	ui比uj稍微重要
		5	ui比uj明显重要
7	ui比uj强烈重要
		9	ui比uj极端重要
2、4、6、8	上述相邻判断中止

计算判断矩阵的特征根，并确定最大特征根所对应的特征向量；

对最大特征向量进行归一化得到的归一化后的向量；

根据归一化后的向量即可得到各个指标元素的权重参数。具体如何对最大特征向量进行归一化，以及如何根据归一化后的向量即可得到各个指标元素的权重参数属于本领域的公知常识，这里不再赘述。

传统的层次分析法求得的权重参数，由于系统本身复杂，加之人为判断不可排除的偏差，需要检验判断矩阵能否客观反映各个指标元素的重要程度排序，即需要进行一致性检验，方法如下：

CR=CI/RI    （3）

其中，CI为一般一致性指标，其计算公式如下：

$\mathrm{CI}=\frac{{\mathrm{\&lambda;}}_{\max }-n}{n-1}---\left(4\right)$

RI为平均随机一致性指标，其取值一般可参照表10.

表10

n	1	2	3	4	5	6	7	8	9
										RI	0.00	0.00	0.58	0.90	1.12	1.24	1.32	1.41	1.45

n为判断矩阵的阶数；

CR越小，判断矩阵一致性越好。当CR<0.10时，认为所求的权重参数可以较合理地反映指标集中各元素的重要程度，符合一致性检验的期望；反之，需要对判断矩阵进行修正，再次计算权重值，然后再进行一致性检验，直至通过一致性检验。

熵的概念起源于热力学范畴，用于表征系统的混乱程度。通过技术手段获取系统的相关信息，相应的信息熵越小，则这些信息的确定性越大，可靠性越高，其重要程度越高，在评价体系中其对应的权重参数也越大。熵权法就是根据所获取的指标集中各指标元素的对应信息量的多少来确定权重参数，不同于层次分析法，完全根据客观数据信息，是一种客观赋权法。

本申请实施例中，获取不同时间的各个状态量指标，构造数据信息矩阵X，

$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ x_{m1}& x_{m2}& ...& x_{\mathrm{mn}}\end{array}\right]$

其中，x_ij表示第i（i=1,2,3……m）个时间点获取的第j（j=1,2,3……n）个状态量指标的值。个状态量指标n表示同一时间点获取的状态量指标的个数，即同一时刻获取n个状态量指标的值；m表示在m个不同的时刻获取所述n个状态量指标的值，即在所述m个时刻的每个时刻，都获取所述n个状态量指标的值。也就是说，数据信息矩阵X是由n个状态量指标的m组数据组成的矩阵。

熵权法的基本计算过程如下：1）计算状态量指标值x_ij在该状态量指标所有参数下出现的概率p(x_ij)值

$p\left(x_{\mathrm{ij}}\right)=\frac{x_{\mathrm{ij}}}{\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}}---\left(5\right)$

2）计算各个状态量指标的信息熵值

k=1/ln(m)    （6）

且规定，当p(x_ij)=0时，p(x_ij)lnp(x_ij)=0

3）计算状态量指标的权重值w_j

$w_j=\frac{1-e_j}{n-\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{e}_j}---\left(7\right)$

由此可见，针对每列的指标值，其变化程度越大，其在评价中起的作用就越大，反之则作用越小。当某一指标值完全一样时，该指标的熵取值w_j为零。

所以，熵权大小所反映的是客观数据所隐含的信息。

步骤S14：依据所述第一权重参数和所述第二权重参数应用第三公式获取各个状态量指标的综合权重参数，所述第三公式为：

$w_j^{*}=\mathrm{\&eta;}\&CenterDot;a_j+\mathrm{\&xi;}\&CenterDot;b_j---\left(8\right)$

其中，a_j为层次分析法获取的状态量指标的第一权重参数；b_j为熵权法获取的状态量指标的第二权重参数；η和ξ均为分配系数，η+ξ=1。

优选的，本申请实施例中，η=ξ=0.5。

本申请对通过层次分析法获取的状态量指标的第一权重参数和通过熵权法获取的状态量指标的第二权重参数进行结合，得到综合权重参数wj?，

步骤S15：依据预先设定的健康度与变压器的状态分级的对应关系，确定各个状态量指标所属的状态分级；

本申请实施例中，采用上述健康度打分原则，将变压器健康状态分为良好状态、正常状态、一般状态、注意状态和严重状态五个状态等级，其基本定义如下：

良好状态：设备运行数据稳定，所有状态量指标的取值远远优于各自的试验规程的警戒值或注意值；

正常状态：设备运行数据稳定，所有状态量指标的取值优于各自的试验规程的警戒值或注意值。

一般状态：设备运行数据稳定，部分状态量指标的取值优于各自的试验规程的警戒值或注意值，但也有部分状态量指标的取值接近各自的试验规程的警戒值或注意值，但对设备运行影响不大；

注意状态：设备少部分状态量指标的取值超过各自的试验规程的警戒值或注意值，设备仍能继续运行。

严重状态：设备多项重要状态量指标的取值严重超过各自的试验规程的警戒值或注意值，设备只能短期运行或需要立即停役。

参照相应规程，将上述五种状态对应到统一量化后的变压器健康度等级分类，即建立健康度与变压器的状态分级的对应关系，如表11所示。

表11

状态分级	良好	正常	一般	注意	严重
						健康度	（0.8，1.0）	（0.6，0.8）	（0.4，0.6）	（0.2，0.4）	（0.0，0.2）

步骤S16：对于每一个评价指标集，依据该评价指标集中各个状态量指标的健康度和综合权重参数，利用第四公式获取评价指标集与状态分级的联系度，所述第四公式为：

${\mathrm{\&mu;}}_{(U,V_n)}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{H}_i^u{u}_i+\underset{k=1}{\overset{F}{\mathrm{\&Sigma;}}}{H}_k^t{t}_k{i}_k+\underset{l=1}{\overset{P}{\mathrm{\&Sigma;}}}{H}_l^v{v}_{l}j---\left(9\right)$

其中，

表示评价指标集与状态分级的联系度；S表示评价指标集U中状态分级与状态分级V_n相同的状态量指标的个数；F表示评价指标集U中状态分级与状态分级V_n相异的状态量指标的个数；P表示评价指标集U中状态分级与状态分级V_n相反的状态量指标的个数；u_i表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；

表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；i_k为与第k个状态量指标相对应的差异不确定系数，取值范围为（-1,1）；j=-1为对立系数。

其中，i_k常用的取值方法有经验取值法、均匀取值法、统计试验法等等。

本申请实施例中，将变压器的状态评估的各个评价指标集U和评价的状态集V（状态集V包括如表11所示的五个状态分级，即，V_n，n=1,2,3,4,5）组成评价集对H(U,V)，表明两者含有对应关系，但这样的对应关系具有不确定性，本申请实施例通过联系度表征评价指标集U和评价的状态集V的对应关系。

本申请实施例中，将评价指标集U中的状态量指标U_m所属的状态分级与状态集V中的状态分级V_n相同时，定义U_m的状态分级与状态分级V_n相同；将评价指标集U中的状态量指标U_m所属的状态分级与状态集V中的状态分级V_n相邻时，定义U_m的状态分级与状态分级V_n相异；将评价指标集U中的状态量指标U_m所属的状态分级与状态集V中的状态分级V_n相隔时，定义U_m的状态分级与状态分级V_n相反。例如，评价指标集U中某一指标的健康度计算结果根据表11判定为良好，则与状态集V中的良好为同一类，与状态集V中的正常为分类相邻，而与状态集V中的一般、注意、严重为分类相隔。

步骤S17：依据D-S证据理论融合规则对变压器各个分部件的指标集与状态分级的联系度进行融合；具体包括：

依据第五公式获取基本概率，所述第五公式为：

$\left\{\begin{array}{c}{m^{*}}_i\left(j\right)=\frac{m_i\left(j\right)+1}{2},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\\ M_i^{*}\left(j\right)=\frac{m_i^{*}\left(j\right)}{\underset{j=1}{\overset{q}{\mathrm{\&Sigma;}}}{m^{*}}_i\left(j\right)},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\end{array}\right.---\left(10\right)$

其中，m_i(j)为第i个指标集与第j个状态分级所对应的联系度；为第i个指标集在第j个状态分级下的基本概率；

依据第六公式对各个分部件的指标集进行融合，得到每一个分部件的与各个状态分级相对应的融合结果，所述第六公式为：

$\left\{\begin{array}{c}M\left(\mathrm{\&Phi;}\right)=0\\ M\left(A\right)=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=A}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)+\frac{k}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_i\left(A\right)\\ k=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)\end{array}\right.---\left(11\right)$

其中，M(A)为变压器的分部件的指标集与状态分级A的联系度在状态分级A下的融合结果；m_n(A_n)表示第n个指标集在状态分级A下的基本概率；

步骤S18：依据融合结果确定各个分部件的状态，包括：当融合结果大于第一阈值时，将融合结果所对应的状态分级作为相对应的分部件的状态评估结果；否则，从预定的状态分级开始依次累加融合结果，当首次出现累加结果大于第二阈值时，停止累加过程，并将首次出现累加结果大于第二阈值时所对应的状态分级与相邻的前一状态分级作为状态评估结果的状态区间。

优选的，所述第一阈值可以是0.5，所述第二阈值可以是0.65.

本申请实施例提供的变压器状态评估方法，对状态量指标进行归一化，获得状态量指标的健康度，运用模糊综合评价理论中的层次分析法确定各个状态量指标的主观权重（即第一权重参数），再利用熵权法得到与各个状态量相对应的用于修正主观权重的客观权重（即第二权重参数），应用客观权重对主观权重进行修正得到各个状态量指标的综合权重参数，然后运用集对分析理论中的联系度，针对联系度的不确定性从同、异、反三个方面分析，得到各个状态量指标与状态分级的联系度，最后利用D-S证据理论融合规则对变压器各个部件分层指标集的评估结果进行数据融合，得到变压器各分部件的与各个状态分级相对应的状态评估结果。根据状态评估结果就可以确定变压器是否需要检修，从而避免计划检修存在的盲目性，降低了对变压器进行检修所需要的人力、物力需求。

也就是说，本申请根据建立的评价体系采集相应变压器指标的信息，这些信息从不同的方面反映了变压器当前的运行状态。将这些指标信息按变压器分部件独立进行评估。各部件内，划分成两个或两个以上的分状态性能，应用模糊集对分析模型进行状态评估，然后利用D-S证据理论方法对各部件内分状态性能的分析结果进行数据融合，从而得到更准确的变压器当前状态。避免了计划检修存在的盲目性，降低了对变压器进行检修所需要的人力、物力需求。

上述实施例中，判断矩阵的一致性检验在一般层次分析法具有决定性的作用，但在实际问题中，判断矩阵的构建带有评价者的随意性，传统的层次分析法往往需要对判断矩阵修正、检验、再修正、再检验若干次才能满足一致性检验，因而在实际应用中存在较大的不便。

本申请实施例中，提出了一种改进的层次分析法，利用最优传递矩阵，构建修正的判断矩阵，从而略去一致性检验，更便捷的生成指标元素的权重参数。具体的，本申请实施例提供改进的层次分析法的实现步骤可以包括：

构建在同一层次下指标元素的第一判断矩阵，其中，同一层次的指标元素为同一评价指标集中包括的状态量指标；

构建第一判断矩阵的过程可参见传统层次分析法构建判断矩阵的过程，这里不再赘述。

对第一判断矩阵进行修正，包括：依据第七公式获取第二判断矩阵，所述第七公式为：B=lgA，其中，A为第一判决矩阵，B为第二判决矩阵；

获取第二判决矩阵的最优传递矩阵；

具体如何获得最优传递矩阵属于本领域的公知常识，这里不再赘述。

依据第八公式获取修正后的第一判决矩阵，所述第八公式为：A^*=10^c，其中，A^*为修正后的第一判决矩阵，C为第二判决矩阵的最优传递矩阵；

依据所述修正后的第一判决矩阵获取各个状态量指标的第一权重参数。

本申请实施例中，利用最优传递矩阵构建修正判断矩阵，从而略去一致性检验环节，更便捷的生成评价集内元素的权重参数。

通常判断矩阵应有相关领域的多名专家共同确定，但由于不同专家的经验差异，存在意见相左的可能。为了尽可能多的考虑专家的经验，需要分析专家们的判断的差异性，通常以专家判断矩阵的总体标准差δ_ij为依据，

${\mathrm{\&delta;}}_{\mathrm{ij}}=\sqrt{\frac{1}{r-1}\underset{t=1}{\overset{r}{\mathrm{\&Sigma;}}}{[b_{\mathrm{ij}}^{\left(t\right)}-\frac{1}{r}\underset{t=1}{\overset{r}{\mathrm{\&Sigma;}}}{b}_{\mathrm{ij}}^{\left(t\right)}]}^2}---\left(12\right)$

其中，为与第t个第一判断矩阵对应的第二判断矩阵的元素；r为专拣确定的第一判断矩阵的个数。

当δ_ij<1则表明专家们意见一致性较高，可以取专家确定的第一判断矩阵的算术平均值，构建反对称矩阵B，然后继续按改进的层次分析法求解权重参数。

当δ_ij≥1则说明专家的意见分歧较大，通常需要专家修改其判断矩阵，以便满足总体标准差的条件；或者从最优传递矩阵的定义出发，通过最优化算法直接求解最优传递矩阵C，使修正判断矩阵A^*满足一致性条件，直接求解出相应权重参数。

上述实施例，优选的，本申请进一步对不确定系数i_k进行分解，具体可以按第九公式进行分解，所述第九公式为：

i_k=a_k+b_ki+c_kj    （13）

其中，

$a_k=\frac{S_1\&CenterDot;S_2}{(S_1+S_2)\&CenterDot;x};$

$b_k=\frac{(S_2-x)(x-S_1)}{(S_1+S_2)x};$

$c_k=\frac{x}{S_1+S_2};$

其中，i_k为所述与第k个状态量指标相对应的差异不确定系数，S₁为与评价指标集U中状态量指标x的状态分级相邻的状态分级所对应的健康度的下限；S₂为评价指标集U中状态量指标x的状态分级所对应的健康度的下限；i为通用不确定系数。

本申请实施例中，通过对不确定系数i_k进行进一步分解，深层次发掘了评价对象所含信息，可以只考虑评价问题起决定性作用的同一度和对立度，从而，本申请实施例中，i的取值可以为0，j的取值可以为-1。

与方法实施例相对应，本申请实施例还提供一种变压器状态评估系统，其中，本申请实施例中，将变压器划分为六个分部件，本申请实施例提供的变压器评估系统的一种结构示意图如图2所示，可以包括：

指标获取模块21，归一化模块22，初始权重获取模块23，综合权重获取模块24，状态分级确定模块25，联系度确定模块26，融合模块27和状态评估模块28；其中，

指标获取模块21用于分别获取各个分部件的至少一个评价指标集，其中，每个评价指标集包括至少一个状态量指标；

归一化模块22用于将各个状态量指标进行归一化，获得各个状态量指标的健康度；其中，将状态量指标中的定量指标按照第一方式归一化，所述第一方式为：按照第一公式对极大型状态量指标进行归一化，按照第二公式对极小型状态量指标进行归一化；将状态量指标中的定性状态量指标按照第二方式归一化，所述第二方式为：按照预设的状态量与健康度的对应关系对状态量中的定性状态量进行归一化；

所述第一公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&GreaterEqual;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{worst}}<x_0<x_{\mathrm{best}}\\ 0& x_0\&le;x_{\mathrm{worst}}\end{array}\right.$

所述第二公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&le;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{best}}<x_0<x_{\mathrm{worst}}\\ 0& x_0\&GreaterEqual;x_{\mathrm{worst}}\end{array}\right.$

其中，x₀为状态量指标的实际数值，x_best为状态量指标的状态最优值；x_worst为状态量指标的警戒值；k为劣化速度；

初始权重获取模块23用于按照层次分析法获取各个状态量指标的第一权重参数；按照熵权法获取各个状态量指标的第二权重参数；

综合权重获取模块24用于依据所述第一权重参数和所述第二权重参数应用第三公式获取各个状态量指标的综合权重参数，所述第三公式为：

w_j ^*=η·a_j+ξ·b_j

其中，w_j ^*为第j个状态量指标的综合权重参数；a_j为第一权重参数；b_j为第二权重参数；η=ξ=0.5；

状态分级确定模块25用于依据预先设定的健康度与变压器的状态分级的对应关系，确定各个状态量指标所属的状态分级；

联系度确定模块26用于对于每一个评价指标集，依据该评价指标集中各个状态量指标的健康度和综合权重参数，依据第三公式获取评价指标集与状态分级的联系度，所述第三公式为：

${\mathrm{\&mu;}}_{(U,V)}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{H}_i^u{u}_i+\underset{k=1}{\overset{F}{\mathrm{\&Sigma;}}}{H}_k^t{t}_k{i}_k+\underset{l=1}{\overset{P}{\mathrm{\&Sigma;}}}{H}_l^v{v}_{l}j$

其中，S表示评价指标集U中状态分级与状态分级V相同的状态量指标的个数；F表示评价指标集U中状态分级与状态分级V相异的状态量指标的个数；P表示评价指标集U中状态分级与状态分级V相反的状态量指标的个数；u_i表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；

表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；i_k为与第k个状态量指标相对应的差异不确定系数，取值范围为（-1,1），j=-1为对立系数；

融合模块27包括基本概率获取单元和融合单元；其中，

基本概率获取单元用于依据D-S证据理论融合规则对变压器各个分部件的指标集与状态分级的联系度进行融合，包括：依据第四公式获取基本概率，所述第四公式为：

$\left\{\begin{array}{c}{m^{*}}_i\left(j\right)=\frac{m_i\left(j\right)+1}{2},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\\ M_i^{*}\left(j\right)=\frac{m_i^{*}\left(j\right)}{\underset{j=1}{\overset{q}{\mathrm{\&Sigma;}}}{m^{*}}_i\left(j\right)},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\end{array}\right.$

其中，m_i(j)为第i个指标集与第j个状态分级所对应的联系度；

为第i的指标集在第j个状态分级下的基本概率；

融合单元用于依据第五公式对各个分部件的指标集进行融合，得到每一个分部件的与各个状态分级相对应的融合结果，所述第五公式为：

$\left\{\begin{array}{c}M\left(\mathrm{\&Phi;}\right)=0\\ M\left(A\right)=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=A}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)+\frac{k}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_i\left(A\right)\\ k=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)\end{array}\right.$

其中，M(A)为变压器的分部件的指标集与状态分级A的联系度在状态分级A下的融合结果；m_n(A_n)表示第n个指标集与状态分级A的基本概率；

状态评估模块28用于依据融合结果确定各个分部件的状态，包括：当融合结果大于第一阈值时，将融合结果所对应的状态分级作为相对应的分部件的状态评估结果；否则，从预定的状态分级开始依次累加融合结果，当首次出现累加结果大于第二阈值时，停止累加过程，并将首次出现累加结果大于第二阈值时所对应的状态分级与相邻的前一状态分级作为状态评估结果的状态区间。

本申请实施例提供的一种变压器状态评估系统，对状态量指标进行归一化，获得状态量指标的健康度，运用模糊综合评价理论中的层次分析法确定各个状态量指标的主观权重（即第一权重参数），再利用熵权法得到与各个状态量相对应的用于修正主观权重的客观权重（即第二权重参数），应用客观权重对主观权重进行修正得到各个状态量指标的综合权重参数，然后运用集对分析理论中的联系度，针对联系度的不确定性从同、异、反三个方面分析，得到各个状态量指标与状态分级的联系度，最后利用D-S证据理论融合规则对变压器各个部件分层指标集的评估结果进行数据融合，得到变压器各分部件的与各个状态分级相对应的状态评估结果。根据状态评估结果就可以确定变压器是否需要检修，从而避免计划检修存在的盲目性，降低了对变压器进行检修所需要的人力、物力需求。

上述实施例，优选的，所述初始权重获取模块23的一种结构示意图如图3所示，可以包括：

第一子模块31，用于按照层次分析法获取各个状态量指标的第一权重参数；

第二子模块32，用于按照熵权法获取各个状态量指标的第二权重参数；

所述第一子模块31可以包括：

第一判断矩阵获取单元311，用于构建在同一层次下指标元素的第一判断矩阵，其中，同一层次的指标元素为同一评价指标集中包括的状态量指标；

第一判断矩阵修正单元312，用于对所述第一判决矩阵进行修正，具体为：依据第六公式获取第二判断矩阵，所述第六公式为：B=lgA，其中，A为第一判决矩阵，B为第二判决矩阵；获取第二判决矩阵的最优传递矩阵；依据第七公式获取修正后的第一判决矩阵，所述第七公式为：A^*=10^c，其中，A^*为修正后的第一判决矩阵，C为第二判决矩阵的最优传递矩阵；

第一权重参数获取单元313，用于依据所述修正后的第一判决矩阵获取各个状态量指标的第一权重参数。

本申请实施例中，利用最优传递矩阵构建修正判断矩阵，从而略去一致性检验环节，更便捷的生成评价集内元素的权重参数。

上述实施例，优选的，所述联系度确定模块通过第八公式获取所述差异度不确定系数，所述第八公式为：

i_k=a_k+b_ki+c_kj，

$a_k=\frac{S_1\&CenterDot;S_2}{(S_1+S_2)\&CenterDot;x},$

$b_k=\frac{(S_2-x)(x-S_1)}{(S_1+S_2)x},$

$c_k=\frac{x}{S_1+S_2},$

其中，i_k为所述与第k个状态量指标相对应的差异不确定系数;S₁为与评价指标集U中状态量指标x的状态分级相邻的状态分级所对应的健康度的下限；S₂为评价指标集U中状态量指标x的状态分级所对应的健康度的下限；i为通用不确定系数。

本申请实施例中，通过对不确定系数i_k进行进一步分解，深层次发掘了评价对象所含信息，可以只考虑评价问题起决定性作用的同一度和对立度，从而，本申请实施例中，i的取值可以为0，j的取值可以为-1。

下面结合具体实例对本申请实施例进行说明。

某地区变电所某变压器铭牌资料如下：

表12

收集到的电压器本体的部分试验数据如下：

表13

时间	2003.11.10	2004.11.12
			总烃含量（uL/L）	53.30	63.00
氢气含量（uL/L）	140.40	139.10
			乙炔含量（uL/L）	0.00	0.00
油介损（%）	0.09	0.18
			油击穿电压（kV）	60.00	60.00
油微水（mg/L)	12.60	17.00

表14

为方便叙述，本申请实施例中，将绕组介质损耗因数简称为绕组介损；将绝缘油介质损耗因数简称为油介损；将绕组介质损耗因数简称为绕组介损；将绕组直流泄露电流简称为泄露电流。

由于本体运行数据不完善，此处只根据这些数据构建评估体系，完成变压器本体的状态评估。按照本文确定的评估模型流程，本体的状态评判过程如下：

1）确定状态评估指标

电气绝缘性能：{绕组介损、绕组直流电阻、铁芯接地电流、吸收比、绕组直流泄漏电流}

油性能：{总烃含量、氢气含量、乙炔含量、绝缘油介损、油击穿电压、油微水}

2）确定相应状态量指标的综合权重其中，电气绝缘性能绕组介损、绕组直流电阻、吸收比和泄漏电流的取值为高、中、低侧绕组指标数据取算数平均值。

借鉴专家经验，利用改进的层次分析法确定本体状态量指标的主观权重参数：

电气绝缘性能a1=[0.38806 0.25116 0.15454 0.10312 0.10312]

油性能a2=[0.17728 0.31639 0.2722 0.070146 0.043009 0.12097]

根据两次（时间分别为2003.11.10和2004.11.12）试验各指标状态量的变化，得到熵权法下的客观权重参数；

电气绝缘性能b1=[0.093116 0.48206 0.23841 0.0081112 0.1783]

油性能b2=[0.048897 0.00015189 0,0.79524 0,0.15571]

根据第三公式获取综合权重参数：

电气绝缘性能w1=[0.24059 0.36661 0.19648 0.055616 0.14071]

油性能w2=[0.11309 0.15827 0.1361 0.43269 0.021504 0.13834]

3）对各个状态量指标进行归一化

具体的，鉴于此例评价的状态量指标均为定量指标，参照表7，可以确定各个状态量指标的最优值和警戒值；其中，油击穿电压和吸收比属于极大型状态量指标，因此，对于油击穿电压和吸收比应用第一公式进行归一化，对于其它状态量指标则应用第二公式进行归一化，得到电气绝缘性能的各个状态量指标的健康度集合H1，以及油性能的各个状态量指标的健康度集合H2.

电气绝缘性能H1={0.725 0.9115 0.7 0.175 0.82429}

油性能H2={0.58 0.072667 1 1 0.625 0.32}

4）确定联系度

根据表11可知，电气绝缘性能的状态量指标中，绕组直流电阻、绕组直流泄漏电流的健康度处于良好状态等级，绕组介损、铁芯接地电流的健康度处于正常状态等级，而吸收比的健康度则处于严重状态等级。按照第四公式生成电气绝缘性能指标与健康度良好等级V₁的模糊联系度为：

$\begin{array}{c}{\mathrm{\&mu;}}_{(U,V_1)}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{H}_i^u{u}_i+\underset{k=1}{\overset{F}{\mathrm{\&Sigma;}}}{H}_k^t{t}_k{i}_k+\underset{l=1}{\overset{P}{\mathrm{\&Sigma;}}}{H}_l^v{v}_{l}j\\ =(0.9115\&times;0.36661+0.82429\&times;0.14071)+\\ (0.725\&times;0.24059i_1+0.7\&times;{0.19648i}_2)+0.175\&times;0.055616j\\ =0.4502+{0.1744i}_1+{0.1375i}_2+0.0097j\end{array}---\left(14\right)$

其中，i₁表征的是绕阻介损这一状态量指标与变压器良好状态等级的差异度。利用模糊联系度的思想确定i₁，即确定绕阻介损这一状态量指标与变压器良好状态等级限值的距离，根据第九公式计算可得：

$\begin{array}{c}{i}_1(U,V_1)=a_1+b_{1}i+c_{1}j\\ =\frac{0.8\&times;0.6}{(0.8+0.6)\&times;0.725}+\frac{(0.6-0.725)(0.725-0.8)}{(0.8+0.6)\&times;0.725}i+\frac{0.725}{0.8+0.6}j\\ =0.4729+0.0092i+0.5179j\end{array}---\left(15\right)$

i₂表征的是铁芯接地电流这一状态量指标与变压器健康良好状态等级的差异度，同理可得：

$\begin{array}{c}{i}_2(U,V_1)=a_2+b_{2}i+c_{2}j\\ =\frac{0.8\&times;0.6}{(0.8+0.6)\&times;0.7}+\frac{(0.6-0.7)(0.7-0.8)}{(0.8+0.6)\&times;0.7}i+\frac{0.7}{0.8+0.6}j\\ =0.4898+0.0102i+0.5000j\end{array}---\left(16\right)$

将i₁(U,V₁)和i₂(U,V₁)代入公式14，并且取值i=0，j=-1，可得：

$\begin{array}{c}{\mathrm{\&mu;}}_{(U,V_1)}=0.4502+0.1744\&times;(0.4729+0.0092i+0.5179j)\\ +0.1375\&times;(0.4898+0.0102i+0.5000j)+.0097j\\ =0.4312\end{array}$

同理，可以得到电气绝缘性能指标与健康度正常等级V₂，一般等级V₃，注意等级V₄和严重等级V₅的基于模糊联系度的联系度取值为：

μ(U,V₂)=0.3120+0.3342i₁+0.1160i₂+0.0097j=0.2991

μ(U,V₃)=0.4502+0.1744i₁+0.1375i₂+0.4599j=-0.4506

μ(U,V₄)=0+0.0097i₁+0.7621j=-0.7536

μ(U,V₅)=0.0097+0.7621j=-0.7524

同理，可以得到油性能指标与健康度良好等级V₁，正常等级V₂，一般等级V₃，注意等级V₄和严重等级V₅的基于模糊联系度的联系度取值，具体见表15：

表15

5）数据融合

依据第五公式，获取表15中的各个状态量指标的基本概率分配，首先进行归一化，归一化结果如表16所示；具体的，以电气绝缘性能指标良好状态下的0.4312数值为例，归一化后的结果为（0.4312+1）/2=0.7156，

表16

状态集	良好	正常	一般	注意	严重
						电气绝缘性	0.7156	0.6496	0.2747	0.1232	0.1238

能指标
						油性能指标	0.7146	0.4944	0.2543	0.2374	0.1942

依据第五公式对于表16中的数据进行数据融合，融合结果如表17所示。

表17

状态集	良好	正常	一般	注意	严重
						电气绝缘性能指标	0.3793	0.3443	0.1456	0.0653	0.0656
油性能指标	0.3772	0.2609	0.1342	0.1253	0.1025
						融合结果	0.4202	0.3115	0.1220	0.0780	0.0683

融合的具体过程如下：

k=0.3793×(0.2609+0.1342+0.1253+0.1025)+0.3443×(0.3772+0.1342+0.1253+0.1025)+0.1456×(0.3772+0.2609+0.1253+0.1025)+0.0653×(0.3772+0.2609+0.1342+0.1025)+0.0656×(0.3772+0.2609+0.1342+0.1253)=0.7327

以电气绝缘性能指标和油性能指标在良好状态等级下的融合为例说明数据融合的过程：

m(V₁)=0.3793×0.3772+0.7327×(0.3793+0.3772)/2=0.4202

6）状态评估

从表17可以看出，融合之前电气绝缘性能指标和油新能指标对良好状态的支持度分别为0.3793和0.3772，融合之后对良好状态的支持度上升到0.4202，这一融合结果强化了电气绝缘性能指标和油性能指标对良好状态的支持度；而电气绝缘性能指标和油性能指标对正常状态融合后的支持度则取了相应的折中值。由表17可知，良好状态与正常状态的融合结果的和值大于第二阈值0.65，可以判断该变压器的本体处于良好状态向正常状态过渡的阶段。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种变压器状态评估方法，其特征在于，将变压器划分为六个分部件，所述方法包括：

分别获取各个分部件的至少一个评价指标集，其中，每个评价指标集包括至少一个状态量指标；

将各个状态量指标进行归一化，获得各个状态量指标的健康度；其中，将状态量指标中的定量指标按照第一方式归一化，所述第一方式为：按照第一公式对极大型状态量指标进行归一化，按照第二公式对极小型状态量指标进行归一化；将状态量指标中的定性状态量指标按照第二方式归一化，所述第二方式为：按照预设的状态量指标与健康度的对应关系对状态量中的定性状态量进行归一化；

所述第一公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&GreaterEqual;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{worst}}<x_0<x_{\mathrm{best}}\\ 0& x_0\&le;x_{\mathrm{worst}}\end{array}\right.$

所述第二公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&le;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{best}}<x_0<x_{\mathrm{worst}}\\ 0& x_0\&GreaterEqual;x_{\mathrm{worst}}\end{array}\right.$

其中，x₀为状态量指标的实际数值，x_best为状态量指标的状态最优值；x_worst为状态量指标的警戒值；k为劣化速度；

按照层次分析法获取各个状态量指标的第一权重参数；按照熵权法获取各个状态量指标的第二权重参数；

依据所述第一权重参数和所述第二权重参数应用第三公式获取各个状态量指标的综合权重参数，所述第三公式为：

w_j ^*=η·a_j+ξ·b_j

其中，w_j ^*为第j个状态量指标的综合权重参数；a_j为第一权重参数；b_j为第二权重参数；η=ξ=0.5；

依据预先设定的健康度与变压器的状态分级的对应关系，确定各个状态量指标所属的状态分级；

对于每一个评价指标集，依据该评价指标集中各个状态量指标的健康度和综合权重参数，利用第四公式获取评价指标集与状态分级的联系度，所述第四公式为：

${\mathrm{\&mu;}}_{(U,V)}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{H}_i^u{u}_i+\underset{k=1}{\overset{F}{\mathrm{\&Sigma;}}}{H}_k^t{t}_k{i}_k+\underset{l=1}{\overset{P}{\mathrm{\&Sigma;}}}{H}_l^v{v}_{l}j$

其中，S表示评价指标集U中状态分级与状态分级V相同的状态量指标的个数；F表示评价指标集U中状态分级与状态分级V相异的状态量指标的个数；P表示评价指标集U中状态分级与状态分级V相反的状态量指标的个数；u_i表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；

表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；i_k为与第k个状态量指标相对应的差异不确定系数，取值范围为（-1,1），j=-1为对立系数；

依据D-S证据理论融合规则对变压器各个分部件的指标集与状态分级的联系度进行融合，包括：依据第五公式获取基本概率，所述第五公式为：

$\left\{\begin{array}{c}{m^{*}}_i\left(j\right)=\frac{m_i\left(j\right)+1}{2},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\\ M_i^{*}\left(j\right)=\frac{m_i^{*}\left(j\right)}{\underset{j=1}{\overset{q}{\mathrm{\&Sigma;}}}{m^{*}}_i\left(j\right)},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\end{array}\right.$

其中，m_i(j)为第i个指标集与第j个状态分级所对应的联系度；

为第i的指标集在第j个状态分级下的基本概率；

依据第六公式对各个分部件的指标集进行融合，得到每一个分部件的与各个状态分级相对应的融合结果，所述第六公式为：

$\left\{\begin{array}{c}M\left(\mathrm{\&Phi;}\right)=0\\ M\left(A\right)=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=A}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)+\frac{k}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_i\left(A\right)\\ k=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)\end{array}\right.$

其中，M(A)为变压器的分部件的指标集与状态分级A的联系度在状态分级A下的融合结果；m_n(A_n)表示第n个指标集在状态分级A下基本概率；

依据融合结果确定各个分部件的状态，包括：当融合结果大于第一阈值时，将融合结果所对应的状态分级作为相对应的分部件的状态评估结果；否则，从预定的状态分级开始依次累加融合结果，当首次出现累加结果大于第二阈值时，停止累加过程，并将首次出现累加结果大于第二阈值时所对应的状态分级与相邻的前一状态分级作为状态评估结果的状态区间。

2.根据权利要求1所述的方法，其特征在于，所述按照层次分析法获取各个状态量指标的第一权重参数包括：

构建在同一层次下指标元素的第一判断矩阵，其中，同一层次的指标元素为同一评价指标集中包括的状态量指标；

对所述第一判决矩阵进行修正，具体为：依据第七公式获取第二判断矩阵，所述第七公式为：B=lgA，其中，A为第一判决矩阵，B为第二判决矩阵；获取第二判决矩阵的最优传递矩阵；依据第八公式获取修正后的第一判决矩阵，所述第八公式为：A^*=10^c，其中，A^*为修正后的第一判决矩阵，C为第二判决矩阵的最优传递矩阵；

依据所述修正后的第一判决矩阵获取各个状态量指标的第一权重参数。

3.根据权利要求1所述的方法，其特征在于，所述差异不确定系数通过第九公式获取，所述第九公式为：

i_k=a_k+b_ki+c_kj

其中，i_k为所述与第k个状态量指标相对应的差异不确定系数， $a_k=\frac{S_1\&CenterDot;S_2}{(S_1+S_2)\&CenterDot;x},b_k=\frac{(S_2-x)(x-S_1)}{(S_1+S_2)x},c_k=\frac{x}{S_1+S_2};$ S₁为与评价指标集U中状态量指标x的状态分级相邻的状态分级所对应的健康度的下限；S₂为评价指标集U中状态量指标x的状态分级所对应的健康度的下限；i为通用不确定系数。

4.一种变压器状态评估系统，其特征在于，将变压器划分为六个分部件，所系统包括：

指标获取模块，用于分别获取各个分部件的至少一个评价指标集，其中，每个评价指标集包括至少一个状态量指标；

归一化模块，用于将各个状态量指标进行归一化，获得各个状态量指标的健康度；其中，将状态量指标中的定量指标按照第一方式归一化，所述第一方式为：按照第一公式对极大型状态量指标进行归一化，按照第二公式对极小型状态量指标进行归一化；将状态量指标中的定性状态量指标按照第二方式归一化，所述第二方式为：按照预设的状态量与健康度的对应关系对状态量中的定性状态量进行归一化；

所述第一公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&GreaterEqual;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{worst}}<x_0<x_{\mathrm{best}}\\ 0& x_0\&le;x_{\mathrm{worst}}\end{array}\right.$

所述第二公式为：

$H_0=\left\{\begin{array}{cc}1& x_0\&le;x_{\mathrm{best}}\\ 1-{\left(\frac{x_{\mathrm{best}}-x_0}{x_{\mathrm{best}}-x_{\mathrm{worst}}}\right)}^k& x_{\mathrm{best}}<x_0<x_{\mathrm{worst}}\\ 0& x_0\&GreaterEqual;x_{\mathrm{worst}}\end{array}\right.$

其中，x₀为状态量指标的实际数值，x_best为状态量指标的状态最优值；x_worst为状态量指标的警戒值；k为劣化速度；

初始权重获取模块，用于按照层次分析法获取各个状态量指标的第一权重参数；按照熵权法获取各个状态量指标的第二权重参数；

综合权重获取模块，用于依据所述第一权重参数和所述第二权重参数应用第三公式获取各个状态量指标的综合权重参数，所述第三公式为：

w_j ^*=η·a_j+ξ·b_j

其中，w_j ^*为第j个状态量指标的综合权重参数；a_j为第一权重参数；b_j为第二权重参数；η=ξ=0.5；

状态分级确定模块，用于依据预先设定的健康度与变压器的状态分级的对应关系，确定各个状态量指标所属的状态分级；

联系度确定模块，用于对于每一个评价指标集，依据该评价指标集中各个状态量指标的健康度和综合权重参数，依据第三公式获取评价指标集与状态分级的联系度，所述第三公式为：

${\mathrm{\&mu;}}_{(U,V)}=\underset{i=1}{\overset{s}{\mathrm{\&Sigma;}}}{H}_i^u{u}_i+\underset{k=1}{\overset{F}{\mathrm{\&Sigma;}}}{H}_k^t{t}_k{i}_k+\underset{l=1}{\overset{P}{\mathrm{\&Sigma;}}}{H}_l^v{v}_{l}j$

其中，S表示评价指标集U中状态分级与状态分级V相同的状态量指标的个数；F表示评价指标集U中状态分级与状态分级V相异的状态量指标的个数；P表示评价指标集U中状态分级与状态分级V相反的状态量指标的个数；u_i表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；表示相同概念下，状态量指标的综合权重参数；t_k表示相异概念下，状态量指标的综合权重参数；v_l表示相异概念下，状态量指标的综合权重参数；i_k为与第k个状态量指标相对应的差异不确定系数，取值范围为（-1,1），j=-1为对立系数；

融合模块，包括基本概率获取单元，用于依据D-S证据理论融合规则对变压器各个分部件的指标集与状态分级的联系度进行融合，包括：依据第四公式获取基本概率，所述第四公式为：

$\left\{\begin{array}{c}{m^{*}}_i\left(j\right)=\frac{m_i\left(j\right)+1}{2},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\\ M_i^{*}\left(j\right)=\frac{m_i^{*}\left(j\right)}{\underset{j=1}{\overset{q}{\mathrm{\&Sigma;}}}{m^{*}}_i\left(j\right)},(i=\mathrm{1,2},...;j=\mathrm{1,2},...q)\end{array}\right.$

其中，m_i(j)为第i个指标集与第j个状态分级所对应的联系度；

为第i的指标集在第j个状态分级下的基本概率；

融合单元，用于依据第五公式对各个分部件的指标集进行融合，得到每一个分部件的与各个状态分级相对应的融合结果，所述第五公式为：

$\left\{\begin{array}{c}M\left(\mathrm{\&Phi;}\right)=0\\ M\left(A\right)=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=A}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)+\frac{k}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_i\left(A\right)\\ k=\underset{A_1\&cap;A_2\&cap;...\&cap;A_n=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_1\right)\&CenterDot;m_2\left(A_2\right)\&CenterDot;...m_n\left(A_n\right)\end{array}\right.$

其中，M(A)为变压器的分部件的指标集与状态分级A的联系度在状态分级A下的融合结果；m_n(A_n)表示第n个指标集与状态分级A的基本概率；

变压器状态评估模块，用于依据融合结果确定各个分部件的状态，包括：当融合结果大于第一阈值时，将融合结果所对应的状态分级作为相对应的分部件的状态评估结果；否则，从预定的状态分级开始依次累加融合结果，当首次出现累加结果大于第二阈值时，停止累加过程，并将首次出现累加结果大于第二阈值时所对应的状态分级与相邻的前一状态分级作为状态评估结果的状态区间。

5.根据权利要求4所述的系统，其特征在于，所述初始权重获取模块包括：

按照层次分析法获取各个状态量指标的第一权重参数的第一子模块；

按照熵权法获取各个状态量指标的第二权重参数的第二子模块；其中，所述第一子模块包括：

第一判断矩阵获取单元，用于构建在同一层次下指标元素的第一判断矩阵，其中，同一层次的指标元素为同一评价指标集中包括的状态量指标；

第一判断矩阵修正单元，用于对所述第一判决矩阵进行修正，具体为：依据第六公式获取第二判断矩阵，所述第六公式为：B=lgA，其中，A为第一判决矩阵，B为第二判决矩阵；获取第二判决矩阵的最优传递矩阵；依据第七公式获取修正后的第一判决矩阵，所述第七公式为：A^*=10^c，其中，A^*为修正后的第一判决矩阵，C为第二判决矩阵的最优传递矩阵；

第一权重参数获取单元，用于依据所述修正后的第一判决矩阵获取各个状态量指标的第一权重参数。

6.根据权利要求4所述的系统，其特征在于，所述联系度确定模块通过第八公式获取所述差异度不确定系数，所述第八公式为：

i_k=a_k+b_ki+c_kj

其中，ik为所述与第k个状态量指标相对应的差异不确定系数， $a_k=\frac{S_1\&CenterDot;S_2}{(S_1+S_2)\&CenterDot;x},b_k=\frac{(S_2-x)(x-S_1)}{(S_1+S_2)x},c_k=\frac{x}{S_1+S_2};$ S₁为与评价指标集U中状态量指标x的状态分级相邻的状态分级所对应的健康度的下限；S₂为评价指标集U中状态量指标x的状态分级所对应的健康度的下限；i为通用不确定系数。

Images