CN104200404A - 一种基于模糊综合评判的配电开关状态评价方法 - Google Patents

Abstract

本发明涉及电气设备状态评价技术，尤其是涉及一种基于模糊综合评判的配电开关状态评价方法，该方法的步骤包括：收集配电开关状态量数据信息，构建配电开关状态评价的状态量体系；采用主成分分析法确立各状态量的权重；依据模糊数学规则，建立状态量的模糊隶属函数；计算各状态量的模糊隶属函数值，确立模糊综合评价矩阵；根据得到的状态量权重和模糊综合评价矩阵确定配电开关的状态等级。采用本发明，可以对配电开关进行状态评价，相比较传统的采用常权重方法确定权重，本发明采用的主客观赋权法相结合的方法能更为准确地反映了配电开关的状态，使评价结果更为客观、准确。

Description

一种基于模糊综合评判的配电开关状态评价方法

技术领域

本发明涉及电气设备状态评价技术，尤其是涉及一种基于模糊综合评判的配电开关状态评价方法。

背景技术

配电网的任务是将电能分配给用户，配电设备的安全稳定运行直接关系到用户供电的可靠性。随着电网规模的不断扩大以及社会对供电可靠性的要求不断提高，电气设备运行状态的好坏成为电力企业经营、决策者的重要依据，尤其是配电网部分。因此，获取配网开关设备关键状态量，对配电开关设备进行合理的状态评价，开展相应的状态检修是配电网健康运行的保障。

目前电气设备的状态评价方法主要有层次分析法、模糊综合评判法、可拓层次评估法等。由于影响配电开关设备运行状态的因素很多，对其进行状态评价涉及到多个因素和多个指标，对配电开关设备进行状态评价是在多个因素相互作用下进行综合评判的结果。模糊综合评价就是以模糊数学的隶属度和隶属函数为基础，将评价因素量化，并根据多个评价因素对于被评价对象的隶属情况，运用模糊运算进行综合评价的方法。因此，可以采用模糊综合评判法对配电开关设备运行状态评价。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种可以对配电开关进行状态评价，相能更为准确地反映了配电开关的状态，使评价结果更为客观、准确的基于模糊综合评判的配电开关状态评价方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于模糊综合评判的配电开关状态评价方法，其特征在于，包括以下步骤：

步骤1：收集配电开关状态量数据信息，构建配电开关状态评价的状态量体系；所述配电开关状态量数据信息，包括：在线监测的配电开关状态量数据，运行巡视的状态量数据，电气试验所得的状态量数据，通过足够的配电开关的数据构建配电开关状态评价的状态量体系；

步骤2：采用主成分分析法确立各状态量的权重；基于以下定义：定义某配电开关有n个影响因素,分别为u₁,u₂,...,u_n,则因素集u＝{u₁,u₂,...,u_n}，因素集对应的因素向量则为u＝{u₁,u₂,...,u_n}。在发明中，因素集由状态量组成，即下图中的因子U_n，如图2所示。在该图中，该配电开关设备的综合状态评价体系总共分为3层，第二层分为3个评价项目A₁,A₂,A₃，该层因素集记为U＝(u₁,u₂,u₃)，其中A₁下又分为3个指标，因素集记为U₁＝(u₁₁,u₁₂,u₁₃)；A₂下分为2个指标，因素集记为U₂＝(u₂₁,u₂₂)；A₃下又分为3个指标，因素集记为U₃＝(u₃₁,u₃₂,u₃₃)；

具体包括以下子步骤：

步骤2.1，数据标准化，定义存在n个配电开关样本，p个评价状态量构成状态参数矩阵X＝(x_ij)_n×p，x_ij为第i个样本关于第j个状态量的值，对状态量数据进行标准化如下：

${x_{\mathrm{ij}}}^{*}=\frac{x_{\mathrm{ij}}-\stackrel{\‾}{x_{\mathrm{ij}}}}{\stackrel{\‾}{s_i}}$

式中分别为第j个状态量的均值和均方差。样本状态量数据经标准化之后，均值为0，方差为1。

步骤2.2，求状态参数矩阵的相关矩阵。状态量x_i ^*和x_j ^*的相关系数可用下式表示：

$r_{\mathrm{ij}}=\frac{\mathrm{cov}({x_i}^{*},{x_j}^{*})}{\sqrt{D\left({x_i}^{*}\right)}\sqrt{D\left({x_j}^{*}\right)}}$

式中cov(x_i ^*,x_j ^*)为状态量x_i ^*和x_j ^*的协方差。

状态参数的相关矩阵R可表示为：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1p}\\ r_{21}& r_{22}& ...& r_{2p}\\ M& M& M& M\\ r_{\mathrm{np}1}& r_{p2}& ...& r_{\mathrm{pp}}\end{array}\right]$

步骤2.3，求相关矩阵R的特征值λ_i{i＝1,2,L,p}，其特征值大小便可以表征各状态量对于状态评估结果的作用大小，即各状态量的权重为：

$w_i=\frac{{\mathrm{\λ}}_i}{\underset{j=1}{\overset{p}{\mathrm{\Σ}}}{w}_j}$

步骤3：依据模糊数学规则，建立状态量的模糊隶属函数；具体包括以下子步骤：

步骤3.1，将配电开关设备状态量进行分类，即分为数据型和描述型的状态量。

步骤3.2，对于数据型的状态量，由于其可以量化，采用半梯形和三角形结合的分布函数。对于数值越小状态越好的状态量数据，首先确定该状态量的最优值(出厂值)y₀和注意值y_a以及y₀和y_a的4个等间距点c₁，c₂，c₃和c₄，从而得到状态量y_i隶属于评估等级v_n(n＝1,2,3,4)的隶属度为：

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}0,& y_i\≥c_2;\\ \frac{c_2-y_i}{r}& c_1\≤y_i\≤c_2\\ 1,& y_i\≤c_1\end{array}\right.$

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}0,& y_i{\≥c}_2;\\ \frac{c_2-y_i}{r}& c_1\≤y_i\≤c_2\\ 1,& y_i\≤c_1\end{array}\right.$

上式中 $r=\frac{y_0-y_a}{5}.$

对于数值越大状态越好的状态量数据，首先确定该状态量的最优值(出厂值)y′₀和注意值y′_a以及y′_a和y′₀的4个等间距点c′₁，c′₂，c′₃和c′₄，从而得到状态量y′_i隶属于评估等级v_n(n＝1,2,3,4)的隶属度为：

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}1,& y_i^{\′}\≥c_4^{\′};\\ \frac{c_4^{\′}-y_i^{\′}}{r}& c_3^{\′}\≤y_i^{\′}\≤c_4^{\′}\\ 0,& y_i^{\′}\≤c_3^{\′}\end{array}\right.$

${\mathrm{\μ}}_i\left(v_4\right)=\left\{\begin{array}{cc}0,& y_i^{\′}\≥c_2^{\′};\\ \frac{c_2^{\′}-y_i^{\′}}{r^{\′}}& c_1^{\′}\≤y_i^{\′}\≤c_2^{\′}\\ 1,& y_i^{\′}\≤c_1^{\′}\end{array}\right.$

上式中 $r^{\′}=\frac{y_0^{\′}-y_a^{\′}}{5}$

同理可求得数值越大，状态越好的状态量的等级隶属度。

步骤3.3，对于描述型状态量，采用模糊统计法确定隶属度，模糊统计法是对论域X上的元素x是否属于一个集合V进行统计试验，在此，集合V就是状态量的四个评估等级：正常、注意、异常、严重状态，这四个状态等级分别用v_i(i＝1,2,3,4)来表示，状态量的等级隶属度可按下式进行计算：

其中隶属频率的值约等于隶属度的值，模糊统计法的试验次数越多，得到的隶属频率越稳定，越接近隶属度。

步骤4：计算各状态量的模糊隶属函数值，确立模糊综合评价矩阵；具体包括以下子步骤：

步骤4.1，将配电开关的状态评价结果划分为四种情况:正常状态，注意状态，异常状态，严重状态。建立配电开关设备的状态评价集V，即V＝{正常，注意，异常，严重}。

步骤4.2，根据计算得到的各状态量的等级隶属度以及划分的四个状态评估等级，建立综合评价矩阵A＝{a_ij}。

步骤5：根据得到的状态量权重和模糊综合评价矩阵确定配电开关的状态等级；即根据得到的权重集W和评价矩阵A，将A与W的模糊运算结果看作对被评价对象的综合评价结果，得到的模糊综合评价的数学模型为：

$T=(t_1,t_2,...,t_m)=\mathrm{WeR}=(w_1,w_2,...,w_m)o\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{n1}& r_{n2}& ...& r_{\mathrm{nm}}\end{array}\right]$

对于单因素的模糊综合评判模型，按上式计算即可得到综合评价矩阵，而对于配电开关设备的状态评价是多层次的模糊综合评价模型，如图2所示的情况，因此，应该先分别计算出3个次层评价项目的单因素综合评价矩阵，然后分别对次层3个评价项目进行运算，最后得到综合评价矩阵。即R＝(R₁,R₂,R₃)，最后计算T＝WR＝(T₁,T₂,T₃,T₄)，其中T₁,T₂,T₃,T₄分别表征了该配电开关设备属于正常，注意，异常，严重这四个状态的可能。因此，T_i(i＝1,2,3,4)中最大的项所对应的状态即为该配电开关设备所处的健康水平。

据此，完成了对配电开关设备的状态评价。

因此，本发明具有如下优点：可以对配电开关进行状态评价，相比较传统的采用常权重方法确定权重，本发明采用的主客观赋权法相结合的方法能更为准确地反映了配电开关的状态，使评价结果更为客观、准确。

附图说明

图1是本发明的方法流程示意图。

图2是本发明中涉及的配电开关设备的状态评价体系结构示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

步骤1：收集配电开关状态量数据信息，构建配电开关状态评价的状态量体系；

收集配电开关状态量数据信息，包括：在线监测的配电开关状态量数据，运行巡视的状态量数据，电气试验所得的状态量数据，以及专家对配电开关的评价结果。通过足够的配电开关的数据构建配电开关状态评价的状态量体系。

设某配电开关有n个影响因素,分别为u₁,u₂,...,u_n,则因素集u＝{u₁,u₂,...,u_n}，因素集对应的因素向量则为u＝{u₁,u₂,...,u_n}。在发明中，因素集由状态量组成，即下图中的因子U_n，如图2所示。在该图中，该配电开关设备的综合状态评价体系总共分为3层，第二层分为3个评价项目A₁,A₂,A₃，该层因素集记为U-(u₁，u₂，u₃)，其中A₁下又分为2个指标，因素集记为U₁＝(u₁₁，u₁₂，u₁₃)；A₂下分为3个指标，因素集记为U₂＝(u₂₁，u₂₂)；A₃下又分为3个指标，因素集记为U₃＝(u₃₁，u₃₂，u₃₃)。则该配电开关设备的状态量评价体系如图2所示。

步骤2：采用主成分分析法确立各状态量的权重；

步骤2.1，数据标准化，假设由n个配电开关样本，p个评价状态量构成状态参数矩阵X＝(x_ij)_n×p，x_ij为第i个样本关于第j个状态量的值，对状态量数据进行标准化如下：

${x_{\mathrm{ij}}}^{*}=\frac{x_{\mathrm{ij}}-\stackrel{\‾}{x_{\mathrm{ij}}}}{\stackrel{\‾}{s_i}}$

式中分别为第j个状态量的均值和均方差。样本状态量数据经标准化之后，均值为0，方差为1。

步骤2.2，求状态参数矩阵的相关矩阵。状态量x_i ^*和x_j ^*的相关系数可用下式表示

$r_{\mathrm{ij}}=\frac{\mathrm{cov}({x_i}^{*},{x_j}^{*})}{\sqrt{D\left({x_i}^{*}\right)}\sqrt{D\left({x_j}^{*}\right)}}$

式中cov(x_i ^*,x_j ^*)为状态量x_i ^*和x_j ^*的协方差。

状态参数的相关矩阵R可表示为

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1p}\\ r_{21}& r_{22}& ...& r_{2p}\\ M& M& M& M\\ r_{\mathrm{np}1}& r_{p2}& ...& r_{\mathrm{pp}}\end{array}\right]$

步骤2.3，求相关矩阵R的特征值λ_i{i＝1,2,L,p}，其特征值大小便可以表征各状态量对于状态评估结果的作用大小，即各状态量的权重为

$w_i=\frac{{\mathrm{\λ}}_i}{\underset{j=1}{\overset{p}{\mathrm{\Σ}}}{w}_j}$

步骤3：依据模糊数学规则，建立状态量的模糊隶属函数；

步骤3.1，将配电开关设备状态量进行分类，即分为数据型和描述型的状态量。

步骤3.2，对于数据型的状态量，由于其可以量化，采用半梯形和三角形结合的分布函数。对于数值越小状态越好的状态量数据，首先确定该状态量的最优值(出厂值)y₀和注意值y_a以及y₀和y_a的4个等间距点c₁，c₂，c₃和c₄，从而得到状态量y_i隶属于评估等级v_n(n＝1,2,3,4)的隶属度为：

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}0,& y_i\≥c_2;\\ \frac{c_2-y_i}{r}& c_1\≤y_i\≤c_2\\ 1,& y_i\≤c_1\end{array}\right.$

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}1,& y_i\≥c_4;\\ \frac{y_i-c_3}{r}& c_3\≤y_i\≤c_4\\ 0,& y_i\≤c_3\end{array}\right.$

上式中 $r=\frac{y_0-y_a}{5}.$

同理可求得数值越大，状态越好的状态量的等级隶属度。

步骤3.3，对于描述型状态量，采用模糊统计法确定隶属度。

模糊统计法是对论域X上的元素x是否属于一个集合V进行统计试验，在此，集合V就是状态量的四个评估等级：正常、注意、异常、严重状态，这四个状态等级分别用v_i(i＝1,2,3,4)来表示，状态量的等级隶属度可按下式进行计算：

其中隶属频率的值约等于隶属度的值，模糊统计法的试验次数越多，得到的隶属频率越稳定，越接近隶属度。

步骤S104：计算各状态量的模糊隶属函数值，确立模糊综合评价矩阵；

步骤4.1，将配电开关的状态评价结果划分为四种情况:正常状态，注意状态，异常状态，严重状态。建立配电开关设备的状态评价集V，即V＝{正常，注意，异常，严重}。

步骤4.2，根据计算得到的各状态量的等级隶属度以及划分的四个状态评估等级，建立综合评价矩阵A＝{a_ij}。

步骤S105：根据得到的状态量权重和模糊综合评价矩阵确定配电开关的状态等级。

根据得到的权重集W和评价矩阵A，将A与W的模糊运算结果看作对被评价对象的综合评价结果，得到的模糊综合评价的数学模型为：

$T=(t_1,t_2,...,t_m)=\mathrm{WeR}=(w_1,w_2,...,w_m)o\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{n1}& r_{n2}& ...& r_{\mathrm{nm}}\end{array}\right]$

对于单因素的模糊综合评判模型，按上式计算即可得到综合评价矩阵，而对于配电开关设备的状态评价是多层次的模糊综合评价模型，如图2所示的情况，因此，应该先分别计算出3个次层评价项目的单因素综合评价矩阵，然后分别对次层3个评价项目进行运算，最后得到综合评价矩阵。即R＝(R₁，R₂，R₃)，最后计算T＝WR＝(T₁,T₂,T₃,T₄)，其中T₁,T₂,T₃,T₄分别表征了该配电开关设备属于正常，注意，异常，严重这四个状态的可能。因此，T_i(i＝1,2,3,4)中最大的项所对应的状态即为该配电开关设备所处的健康水平。

据此，完成了对配电开关设备的状态评价。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种基于模糊综合评判的配电开关状态评价方法，其特征在于，包括以下步骤：

步骤1：收集配电开关状态量数据信息，构建配电开关状态评价的状态量体系；所述配电开关状态量数据信息，包括：在线监测的配电开关状态量数据，运行巡视的状态量数据，电气试验所得的状态量数据，通过足够的配电开关的数据构建配电开关状态评价的状态量体系；

步骤2：采用主成分分析法确立各状态量的权重；基于以下定义：定义某配电开关有n个影响因素,分别为u₁,u₂,...,u_n,则因素集u＝{u₁,u₂,...,u_n}，因素集对应的因素向量则为u＝{u₁,u₂,...,u_n}；因素集由状态量组成，定义为因子U_n，综合状态评价体系总共分为3层，第二层分为3个评价项目A₁,A₂,A₃，该层因素集记为U＝(u₁,u₂,u₃)，其中A₁下又分为3个指标，因素集记为U₁＝(u₁₁,u₁₂,u₁₃)；A₂下分为2个指标，因素集记为U₂＝(u₂₁,u₂₂)；A₃下又分为3个指标，因素集记为U₃＝(u₃₁,u₃₂,u₃₃)；具体包括以下子步骤：

步骤2.1，数据标准化，定义存在n个配电开关样本，p个评价状态量构成状态参数矩阵X＝(x_ij)_n×p，x_ij为第i个样本关于第j个状态量的值，对状态量数据进行标准化如下：

${x_{\mathrm{ij}}}^{*}=\frac{x_{\mathrm{ij}}-{\stackrel{\‾}{x}}_{\mathrm{ij}}}{{\stackrel{\‾}{s}}_j}$

式中分别为第j个状态量的均值和均方差；样本状态量数据经标准化之后，均值为0，方差为1；

步骤2.2，求状态参数矩阵的相关矩阵；状态量x_i ^*和x_j ^*的相关系数可用下式表示：

$r_{\mathrm{ij}}=\frac{\mathrm{cov}(x_i^{*},x_j^{*})}{\sqrt{D\left(x_i^{*}\right)}\sqrt{D\left(x_j^{*}\right)}}$

式中为状态量和的协方差；

状态参数的相关矩阵R表示为：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1p}\\ r_{21}& r_{22}& ...& r_{2p}\\ M& M& M& M\\ r_{\mathrm{np}1}& r_{p2}& ...& r_{\mathrm{pp}}\end{array}\right]$

步骤2.3，求相关矩阵R的特征值λ_i{i＝1,2,L,p}，其特征值大小便可以表征各状态量对于状态评估结果的作用大小，即各状态量的权重为：

$w_i=\frac{{\mathrm{\λ}}_i}{\underset{j=1}{\overset{p}{\mathrm{\Σ}}}{w}_j}$

步骤3：依据模糊数学规则，建立状态量的模糊隶属函数；具体包括以下子步骤：

步骤3.1，将配电开关设备状态量进行分类，即分为数据型和描述型的状态量；

步骤3.2，对于数据型的状态量，由于其可以量化，采用半梯形和三角形结合的分布函数；对于数值越小状态越好的状态量数据，首先确定该状态量的最优值y₀和注意值y_a以及y₀和y_a的4个等间距点c₁，c₂，c₃和c₄，从而得到状态量y_i隶属于评估等级v_n的隶属度为：

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}0,& y_i\≥c_2;\\ \frac{c_2-y_i}{r}& c_1\≤y_i\≤c_2\\ 1,& y_i\≤c_1\end{array}\right.$

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}0,& y_i\≥c_2;\\ \frac{c_2-y_i}{r}& c_1\≤y_i\≤c_2\\ 1,& y_i\≤c_1\end{array}\right.$

上式中 $r=\frac{y_0-y_a}{5};$ n＝1,2,3,4；

对于数值越大状态越好的状态量数据，首先确定该状态量的最优值y′₀和注意值y′_a以及y′_a和y′₀的4个等间距点c′₁，c′₂，c′₃和c′₄，从而得到状态量y′_i隶属于评估等级v_n的隶属度为：

${\mathrm{\μ}}_i\left(v_1\right)=\left\{\begin{array}{cc}1,& y_i^{\′}\≥c_4^{\′};\\ \frac{c_4^{\′}-y_i^{\′}}{r}& c_3^{\′}\≤y_i^{\′}\≤c_4^{\′}\\ 0,& y_i^{\′}\≤c_3^{\′}\end{array}\right.$

${\mathrm{\μ}}_i\left(v_4\right)=\left\{\begin{array}{cc}0,& y_i^{\′}\≥c_2^{\′};\\ \frac{c_2^{\′}-y_i^{\′}}{r^{\′}}& c_1^{\′}\≤y_i^{\′}\≤c_2^{\′}\\ 1,& y_i^{\′}\≤c_1^{\′}\end{array}\right.$

上式中 $r^{\′}=\frac{y_0^{\′}-y_a^{\′}}{5},$ n＝1,2,3,4；

同理获得数值越大，状态越好的状态量的等级隶属度；

步骤3.3，对于描述型状态量，采用模糊统计法确定隶属度，模糊统计法是对论域X上的元素x是否属于一个集合V进行统计试验，在此，集合V就是状态量的四个评估等级：正常、注意、异常、严重状态，这四个状态等级分别用v_i，i＝1,2,3,4来表示，状态量的等级隶属度可按下式进行计算：

其中隶属频率的值约等于隶属度的值，模糊统计法的试验次数越多，得到的隶属频率越稳定，越接近隶属度；

步骤4：计算各状态量的模糊隶属函数值，确立模糊综合评价矩阵；具体包括以下子步骤：

步骤4.1，将配电开关的状态评价结果划分为四种情况:正常状态，注意状态，异常状态，严重状态；建立配电开关设备的状态评价集V，即V＝{正常，注意，异常，严重}；

步骤4.2，根据计算得到的各状态量的等级隶属度以及划分的四个状态评估等级，建立综合评价矩阵A＝{ai_j}；

步骤5：根据得到的状态量权重和模糊综合评价矩阵确定配电开关的状态等级；即根据得到的权重集W和评价矩阵A，将A与W的模糊运算结果看作对被评价对象的综合评价结果，得到的模糊综合评价的数学模型为：

$T=(t_1,t_2,...,t_m)=\mathrm{W\; e\; R}=(w_1,w_2,...,w_m)o\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{n1}& r_{n2}& ...& r_{\mathrm{nm}}\end{array}\right]$

对于单因素的模糊综合评判模型，按上式计算得到综合评价矩阵，而对于配电开关设备的状态评价是多层次的模糊综合评价模型，先分别计算出3个次层评价项目的单因素综合评价矩阵，然后分别对次层3个评价项目进行运算，最后得到综合评价矩阵；即R＝(R₁,R₂,R₃)，最后计算T＝WR＝(T₁,T₂,T₃,T₄)，其中T₁,T₂,T₃,T₄分别表征了该配电开关设备属于正常，注意，异常，严重这四个状态的可能；因此，T_i(i＝1,2,3,4)中最大的项所对应的状态即为该配电开关设备所处的健康水平。