CN104217104A - 一种基于风险评估的电力变压器寿命分析方法及系统 - Google Patents

Abstract

本发明公开了一种基于风险评估的电力变压器寿命分析方法及系统，该方法包括以下步骤：确定电力变压器的主要故障模式；建立电力变压器的故障树；建立模糊判断矩阵；获得各部件的各故障因素的严重度权重向量；得出电力变压器各部件及整体发生故障的概率及可靠度；建立电力变压器的老化模型；确定电力变压器各个寿命阶段的年限。该系统包括：确定故障模式单元、建立故障树单元、建立矩阵单元、获得权重向量单元、获得可靠度单元、建立老化模型单元以及寿命分析单元。该方法及系统在模糊判断矩阵不一致时，也可以进行变压器的风险评估，提高了实用性；在风险评估的基础上进行寿命分析，提高了寿命分析的可靠性。

Description

一种基于风险评估的电力变压器寿命分析方法及系统

技术领域

本发明涉及变压器技术领域，特别涉及一种基于风险评估的电力变压器寿命分析方法及系统。

背景技术

随着“西电东送、南北互供、全国联网”战略的实施和特高压交直流输电系统的规划建设，我国电网无疑将成为世界上最先进、最复杂的电网。电网的安全运行是保证稳定、可靠的电力供应的基础。电网瓦解和大面积停电事故，不仅会造成巨大的经济损失，影响人民正常生活，还会危及公共安全，造成严重的社会影响。电网的安全主要体现在电力设备安全和系统运行安全两个方面，而电力设备安全是电网安全的第一道防线。国内外的运行经验证明，只有从引发电网事故的主要源头上建立起第一道防御系统，大幅度提高大型互联电网运行可靠性的目标才有可能实现。

电力变压器是电网中能量转换、传输的核心，是国民经济各行各业和千家万户能量来源的必经之路，是电网中最重要和最关键的设备之一。电力变压器和与之配套的电力电容器、电流互感器、电压互感器、金属氧化物避雷器、电力电缆、全封闭组合电器(GIS)等电力设备的安全运行是避免电网重大事故的第一道防御系统，而电力变压器是这第一道防御系统中的最关键设备。因此，提高变压器的运行维护技术和管理水平，预防和降低故障的几率，并采用合理的维修策略降低维修费用，是国内外电力行业急需解决的难题。

随着重大设备可靠性日益受到人们的重视，对设备进行风险评估，求取可靠性的方法随之出现，国内外通用的可靠性分析方法主要包括故障模式及影响分析法、失效严重度分析法、故障树分析法3种。故障模式及影响分析法分析过程简单明了，失效严重度分析法根据故障率数据计算致命度，但两者仅能针对单一故障模式进行分析，不能有效反映多故障模式情况下的系统可靠性。故障树分析法常用于分析复杂系统的多重故障，应用效果良好，但对于变压器，故障树分析法未考虑变压器某些部件的频发性故障及家族性缺陷对其可靠性的影响，因而对变压器的可靠性评估不够全面。

长期以来,大多数研究都集中在变压器的故障诊断和状态评估。国内外研究较多的是通过神经网络、贝叶斯网络、专家系统、模糊理论、粗糙集理论等方法,结合变压器预防性试验数据、运行工况等建立相应的变压器故障诊断或状态评估模型,研究广泛,理论较为成熟。然而,目前对变压器可靠性评估及寿命分析等方面的研究尚处于起步阶段,国内外都鲜见报道。国外部分学者提出了运用概率论的方法,从可能发生故障的方面来分析变压器,对其可靠性提出预测。但其方法单一,模型简单且不够全面,没有考虑变压器各种状态之间相互转换对其可靠性的影响,理论研究尚未成熟。如何更准确地掌握变压器寿命退化规律，提高变压器运行可靠性和经济性，延长其有效寿命已成为电力部门急需解决的热点及难点问题。

发明内容

本发明针对上述现有技术中存在的问题，提出一种基于风险评估的电力变压器寿命分析方法及系统，对电力变压器的寿命退化规律进行了分析，分析方法简单，计算量小，适用性强。

为解决上述技术问题，本发明是通过如下技术方案实现的：

本发明提供一种基于风险评估的电力变压器寿命分析方法，包括以下步骤：

S1：确定电力变压器的主要故障模式；

S2：利用故障树分析法建立电力变压器的故障树；

S3：利用模糊层次分析法对所述故障树进行定量分析，建立模糊判断矩阵；

S4：根据模糊判断矩阵获得各部件的各故障因素的严重度权重向量；

S5：根据各部件的各故障因素的严重度权重得出电力变压器各部件及整体发生故障的概率及可靠度；

S6：基于得出的电力变压器整体的可靠度结果，建立电力变压器的老化模型；

S7：根据电力变压器的老化模型，研究电力变压器可靠度随运行年限的变化规律，确定电力变压器各个寿命阶段的年限。

进一步地，S3具体为：采用0.1～0.9标度法，根据各故障因素的重要度分析，建立各故障因素X₁，X₂，……，X_n相对于对应的故障部件两两比较重要程度的模糊判断矩阵R＝(r_ij)_n×n，r_ij用于表征故障因素Xi比故障因素Xj重要的程度。

进一步地，S4具体包括以下步骤：

S41：根据模糊判断矩阵，建立约束规划方程组：

$\left\{\begin{array}{cc}\min & f({\mathrm{\ω}}_i,{\mathrm{\ω}}_j)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{[0.5+a({\mathrm{\ω}}_i-{\mathrm{\ω}}_j)-r_{\mathrm{ij}}]}^2\\ s.t.& \underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ω}}_i=1\end{array}\right.$

其中，i＝1,2,…n，ω_i≥0，ω_i表示故障因素i造成故障的严重度，n表示故障因素个数；

S42：根据建立的约束规划方程组，利用遗传算法获得各故障因素的最佳权重ω_i，从而获得各部件故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]。

进一步地，S42具体包括以下步骤:

S421：使用二进制进行编码，获得严重度权重向量W＝[ω₁,ω₂,…ω_n]；

S422：随机产生初始群体T＝0，群体的大小为N；

S423：对严重度权重向量W＝[ω₁,ω₂,…ω_n]进行适应度评价，如果满足终止要求，则求解过程结束，否则转入步骤S424；

S424：选择操作，采用轮盘赌选择法；

S425：交叉操作，采用单点交叉法；

S426：变异操作，采用基本位变异法；

S427：产生新一代群体，T＝T+1，转入步骤S423；

最终获得电力变压器的各故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]。

进一步地，S4还可以为：

S41：根据模糊判断矩阵，建立约束规划方程组：

$\left\{\begin{array}{cc}\min & f({\mathrm{\ω}}_i,{\mathrm{\ω}}_j)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{[0.5+a({\mathrm{\ω}}_i-{\mathrm{\ω}}_j)-r_{\mathrm{ij}}]}^2\\ s.t.& \underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ω}}_i=1\end{array}\right.$

其中，i＝1,2,…n，ω_i≥0，ω_i表示故障因素i造成故障的严重度，n表示故障因素个数；

S43：根据建立的约束规划方程组，利用粒子群算法获得各部件故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]，其使适应度Z＝f(ω_i,ω_j)最小。

进一步地，步骤S43具体包括以下步骤：

S431：初始化N个飞行粒子，将n个严重度权重ω_i用飞行粒子的位置X_id表示，设N个飞行粒子的初始位置为初始速度为

S432：将飞行粒子的初始位置作为严重度权重，计算获得N个粒子对应的Z值，将其中最小Z值对应的飞行粒子的位置作为全局最优值gBest_id，每个飞行粒子的初始位置作为各自的个体最优值

S433：由下列两式获得下一时刻飞行粒子的位置和速度获得飞行粒子当前时刻对应的Z值；

$V_{\mathrm{id}}^{k+1}=\mathrm{\λ}{V}_{\mathrm{id}}^k+C_1\mathrm{rand}\left(\right)(p{\mathrm{Best}}_{\mathrm{id}}^k-X_{\mathrm{id}}^k)+C_2\mathrm{rand}\left(\right)(g{\mathrm{Best}}_{\mathrm{id}}-X_{\mathrm{id}}^k)$

$X_{\mathrm{id}}^{k+1}=X_{\mathrm{id}}^k+V_{\mathrm{id}}^{k+1}$

其中：λ为惯性因子；C₁、C₂为加速系数；rand()是[0,1]之间的随机数； 分别为当前时刻位置、速度；分别为下一时刻位置、速度；为当前时刻个体最优值；gBest_id为全局最优值；

将每个飞行粒子当前对应的Z值与上一时刻该飞行粒子对应的Z值比较，若当前时刻的Z值小于上一时刻的Z值，则该飞行粒子的个体最优值更新为否则保持不变；并将当前时刻N个Z值中的最小Z值与上一时刻全局最优值gBest_id对应的Z值进行比较，将全局最优值gBest_id更新为其中最小Z值对应的飞行粒子的位置；

S434：按照步骤S433进行多次迭代，当满足预定迭代次数或本次获得的gBest_id对应的Z值与上一次gBest_id对应的Z值的差值小于一预定阈值(万分之一)时迭代终止。最终获得gBest_id对应的严重度权重向量W＝[ω₁,ω₂,…ω_n]最优解。

进一步地，S5具体为：根据下式得到各故障因素的风险系数，

P_i＝p_i×ω_i

其中：p_i表示故障因素i的发生率；

将得到的各部件的各故障因素的风险系数，代入下两式分别得到各部件发生故障的概率，以及各部件的可靠度：

$P\left(T\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}p\left(X_i\right)\×{\mathrm{\ω}}_i$

R(T)＝1-P(T)

其中：X_i表示部件X的第i个故障因素，P(T)表示部件X发生故障的概率，R(T)表示部件X的可靠度。

进一步地，S6具体包括以下步骤：

S61：建立可靠度与电力变压器状态的对应关系，根据变压器状态评价标准及细则，电力变压器状态分为：正常状态、注意状态、异常状态以及严重状态；

当r₁<R<1时，电力变压器状态为正常状态；

当r₂<R<r₁时，电力变压器状态为注意状态；

当r₃<R<r₂时，电力变压器状态为异常状态；

当0<R<r₃时，电压力变压器状态为严重状态；

其中：r₁,r₂,r₃为电力变压器可靠度的分界点。

S62：建立电力变压器老化模型，得出可靠度随运行年限的变化关系：

$R=1-{\mathrm{Ke}}^{{\mathrm{Ce}}^{\mathrm{BN}}}$

其中：B为老化系数，N为电力变压器运行年限，K为比例系数，C为曲率系数。

本发明还提供一种基于风险评估的电力变压器寿命分析系统，该系统包括：

确定故障模式单元：用于确定电力变压器的主要故障模式；

建立故障树单元：用于利用故障树分析法建立电力变压器的故障树；

建立矩阵单元：用于利用模糊层次分析法对所述故障树进行定量分析，建立模糊判断矩阵；

获得权重向量单元：用于根据模糊判断矩阵获得各部件的各故障因素的严重度权重向量；

获得可靠度单元：用于根据各部件的各故障因素的严重度权重向量得出电力变压器的各部件及整体发生故障的概率及可靠度；

建立老化模型单元：用于基于得出的电力变压器各部件的可靠度结果，建立电力变压器的老化模型；

寿命分析单元：用于根据电力变压器的老化模型，研究电力变压器可靠度随运行年限的变化规律，确定电力变压器各个寿命阶段的年限。

相较于现有技术，本发明提供的基于风险评估的电力变压器寿命分析方法及系统具有以下优点：

(1)本发明更准确全面地确定影响变压器寿命的各种因素，建立完整的变压器故障树。

(2)进行变压器风险评估时，已有的权重求取方法必须建立在模糊一致判断矩阵的基础上，而本发明引入了遗传算法，将各权重看作染色体，通过染色体地不断进化更新，快速寻求最优解，即当模糊判断矩阵不一致的时候也可以进行变压器风险评估，大大提高了该方法的实用性。

(3)本发明在变压器风险评估的基础上进行寿命分析，提高了寿命分析结果的可靠性。

附图说明

下面结合附图对本发明的实施方式作进一步说明：

图1为本发明的基于风险评估的电力变压器寿命分析方法的操作步骤图；

图2为本发明的基于风险评估的电力变压器寿命分析方法的步骤S2的流程图；

图3为本发明的基于风险评估的电力变压器寿命分析方法的步骤S4的流程图；

图4为本发明的基于风险评估的电力变压器寿命分析方法的步骤S42的流程图；

图5为本发明的基于风险评估的电力变压器寿命分析方法的步骤S6的流程图；

图6为本发明的实施例1的利用故障树分析法建立的电力变压器的故障树；

图7为本发明的实施例1的可靠度随运行年限的变化关系图；

图8为本发明的基于风险评估的电力变压器寿命分析方法的步骤S43的流程图；

图9为本发明的实施例3的可靠度随运行年限的变化关系图；

图10为本发明的实施例3的可靠度随运行年限变化的拟合曲线图；

图11为本发明的基于风险评估的电力变压器寿命分析系统的结构图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1：

参阅图1-图7，本发明提供的基于风险评估的电力变压器寿命分析方法，包括以下步骤：

S1：确定电力变压器的主要故障模式；

S2：利用故障树分析法建立电力变压器的故障树；

S3：利用模糊层次分析法对所述故障树进行定量分析，建立模糊判断矩阵；

S4：根据模糊判断矩阵获得各部件的各故障因素的严重度权重向量；

S5：根据各部件的各故障因素的严重度权重得出电力变压器的各部件及整体发生故障的概率及可靠度；

S6：基于得出的电力变压器整体的可靠度结果，建立电力变压器的老化模型；

S7：根据电力变压器的老化模型，研究电力变压器可靠度随运行年限的变化规律，确定电力变压器各个寿命阶段的年限。

其中，S2具体包括：

S21：确定顶事件，即电力变压器整体故障；

S22：确定中间事件，即电力变压器的各部件故障；

S23：确定底事件，即导致各中间事件的故障因素。

S3具体为：采用0.1～0.9标度法，根据各故障因素的重要度分析，建立各部件的各故障因素X₁，X₂，……，X_n相对于该部件发生故障的模糊判断矩阵R＝(r_ij)_n×n，在矩阵R中，r_ij用于表征故障因素X_i比故障因素X_j相对于该部件发生故障的重要的程度，r_ij越大,X_i相对于该部件发生故障的重要程度就越大。

S4具体为：

S41：根据模糊判断矩阵，建立约束规划方程组，由于要根据模糊互补矩阵R求解各故障因素的严重度权重，因此我们应当想办法建立起矩阵元素r_ij和严重度权重w_i之间的关系。从两者的定义来看，r_ij用于表征故障因素Xi比故障因素Xj相对于该部件发生故障的重要的程度；而w_i也是用于衡量故障因素Xi相对于该部件发生故障的重要程度，也就是说，w_i-w_j也可以表示故障因素Xi比故障因素Xj重要的程度，在含义上和r_ij具有一致性。因此，我们可以建立r_ij和w_i-w_j的方程；

当矩阵R为模糊一致矩阵时

r_ij＝0.5+b(ω_i-ω_j),(i,j＝1,2,…n)       (1)

其中b是一个用于衡量严重度权中向量中权重值差距的数值，b越大，严重度权重向量W中权重值的极大值与极小值之间的差距就越大；反之，b越小，严重度权重向量W中权重值的极大值与极小值之间的差距就越小，b的大小可以根据实际情况的不同具体制定。

由于式(1)是建立在矩阵R为模糊一致矩阵的情况下推导而来，因此，当R不满足一致性要求时，式(1)的左右两边并不完全相等，即等号不严格成立，如果需要求解权重向量ω＝[ω₁,ω₂,…ω_n]，也就等同于求解下式的约束规划问题:

$\left\{\begin{array}{cc}\min & f({\mathrm{\&omega;}}_i,{\mathrm{\&omega;}}_j)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{[0.5+a({\mathrm{\&omega;}}_i-{\mathrm{\&omega;}}_j)-r_{\mathrm{ij}}]}^2\\ s.t.& \underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i=1\end{array}\right.---\left(2\right)$

其中，ω_i≥0，1≤i≤n，为求解最小值问题。

S42：根据建立的约束规划方程组即式(2)，利用遗传算法获得各故障因素的最佳权重ω_i，从而获得各部件故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]。

S42具体包括以下步骤:

S421：使用二进制进行编码，获得严重度权重向量W＝[ω₁,ω₂,…ω_n]；

S422：随机产生初始群体T＝0，群体的大小为N；

S423：对严重度权重向量W＝[ω₁,ω₂,…ω_n]进行适应度评价，如果满足终止要求，则求解过程结束，否则转入步骤S424；

S424：选择操作，采用轮盘赌选择法；

S425：交叉操作，采用单点交叉法；

S426：变异操作，采用基本位变异法；

S427：产生新一代群体，T＝T+1，转入步骤S423；

最终获得电力变压器的各故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]。其中，目标函数为：该约束规划问题为求最小值问题，因此，适应度评价函数为：

一般来说遗传算法的终止要求有以下几种：

1)达到最大的进化代数；

2)所求的解达到可接受的范围；

3)连续几代最佳解无变化或变化非常小；

4)达到最大的运算时间。

本实施例中，终止要求采用第一种，即达到最大的进化代数。

S5具体为：将S42中得到的严重度权重ω_i的最优解代入下式得到各故障因素的风险系数，某故障因素造成故障的风险不仅跟其发生率有关，而且跟其造成故障的严重度有关，因此，某故障因素的风险系数表示为：

P_i＝p_i×ω_i            (3)

其中：p_i表示故障因素i的发生率；

将得到的各部件的各故障因素的风险系数，代入下面两式分别得到各部件发生故障的概率，以及各部件的可靠度：

$P\left(T\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}p\left(X_i\right)\&times;{\mathrm{\&omega;}}_i---\left(4\right)$

R(T)＝1-P(T)             (5)

其中：X_i表示部件X的第i个故障因素，P(T)表示部件X发生故障的概率，R(T)表示部件X的可靠度。

S6具体包括以下步骤：

S61：建立可靠度与电力变压器状态的对应关系，根据变压器状态评价标准及细则，电力变压器状态分为：正常状态、注意状态、异常状态以及严重状态；

当r₁<R<1时，电力变压器状态为正常状态，此时电力变压器的各部件均处于稳定且在规定的警示值及注意值(即标准限值)以内，可以正常运行；

当r₂<R<r₁时，电力变压器状态为注意状态，此时电力变压器单个或多个部件变化趋势向接近标准限值方向发展，但未超过标准限值，仍可以继续运行，但应对其加强监视；

当r₃<R<r₂时，电力变压器状态为异常状态，此时电力变压器单个部件变化较大，已接近或略微超过标准限值，应监视其运行状态并适时安排停电检修；

当0<R<r₃时，电压力变压器状态为严重状态，此时电力变压器单个部件严重超过标准限值，需要尽快安排停电检修；

其中：r₁,r₂,r₃为电力变压器可靠度的分界点，根据不同区域电力变压器的整体可靠度确定。

S62：建立电力变压器老化模型，大量实验数据表明，电力设备的的老化过程是其设备材料的电气及机械性能随运行时间呈指数关系变化的过程。现引入状态劣化值D_VC对变压器状态进行量化，1<D_VC<100。根据设备老化原理及实践经验，变压器状态劣化值D_VC满足以下关系：

D_VC＝e^BN                 (6)

式中：B为老化系数；N为变压器运行年限。

变压器各部件的发生故障的概率满足以下关系：

$P={\mathrm{Ke}}^{{\mathrm{CD}}^{\mathrm{VC}}}---\left(7\right)$

式中：K为比例系数；C为曲率系数。

式(7)表明电力变压器发生故障的概率P随时间变化过程主要间接体现在变压器自身状态随时间变化的过程，P随着D_VC的增加而增加，且具有指数关系。

由式(6)、(7)可得变压器的各部件的可靠度为

$R=1-{\mathrm{Ke}}^{{\mathrm{Ce}}^{\mathrm{BN}}}---\left(8\right)$

可得出可靠度随运行年限的变化如图7所示。

式(8)反映了变压器可靠度随运行年限的变化规律，即变压器老化模型。式(8)表明，变压器尚未进入明显老化期之前，其设备材料的总体状态性能变化不会很大，老化过程非常缓慢，可靠度变化不大；若设备材料开始出现明显老化，其老化过程会明显加快，电气及机械性能迅速降低，可靠性随之降低。与现有负指数模型相比，该模型更加符合电力变压器的实际老化情况。

在变压器老化模型基础上，通过最小二乘法对可靠度随运行年限的变化进行拟合，可直接求取K、C、B，从而得到可靠度随运行年限变化的拟合曲线。求得拟合曲线后，根据r₁,r₂,r₃的值，可求得某区域同一电压等级变压器进入注意状态、异常状态、严重状态对应的年限，假设各年限分别为N1、N2、N3，则从第N1年开始，变压器老化迹象逐渐显现，但老化迹象不明显，各状态量变化趋势朝接近标准限值方向发展，此时变压器可靠度虽然还处于一个较高水平，但已经进入下降阶段，故障发生率小幅上升。从第N2年开始，变压器有了明显的老化迹象，变压器进入快速老化期，各状态量变化较大，已接近或略微超过标准限值，可靠度有一定程度下降，故障发生率明显上升，相应的老化速率也开始呈急剧上升趋势。从第N3年开始，变压器已经出现严重的老化迹象，可靠度降至一定水平，故障发生率很高，变压器已无法满足实际运行要求。

实施例2：

本实施例与实施例1不同的地方在于步骤S42中的求解各故障因素的严重度权重向量采用的方法不同，其余步骤一样，在此不再赘述。

本实施例是利用粒子群算法来获得各故障因素的最佳权重ω_i，从而获得各故障因素的严重度权重向量W＝[ω₁,ω₂,…ω_n]。具体为：

S43：根据建立的约束规划方程组即式(2)，运用粒子群算法，求使适应度函数Z＝f(ω_i,ω_j)最小的严重度权重向量W＝[ω₁,ω₂,…ω_n]的最优解，具体包括以下步骤：

S431：初始化N个飞行粒子，将n个严重度权重ω_i用飞行粒子的位置X_id表示，设N个飞行粒子的初始位置为初始速度为

S432：将飞行粒子的初始位置作为严重度权重，计算获得N个粒子对应的Z值，将其中最小Z值对应的飞行粒子的位置作为全局最优值gBest_id，每个飞行粒子的初始位置作为各自的个体最优值

S433：将飞行粒子的初始位置为初始速度为个体最优值和全局最优值gBest_id代入公式(9)和(10)，,获得下一时刻飞行粒子的位置和速度获得飞行粒子当前时刻对应的Z值；

$V_{\mathrm{id}}^{k+1}=\mathrm{\&lambda;}{V}_{\mathrm{id}}^k+C_1\mathrm{rand}\left(\right)(p{\mathrm{Best}}_{\mathrm{id}}^k-X_{\mathrm{id}}^k)+C_2\mathrm{rand}\left(\right)(g{\mathrm{Best}}_{\mathrm{id}}-X_{\mathrm{id}}^k)---\left(9\right)$

$X_{\mathrm{id}}^{k+1}=X_{\mathrm{id}}^k+V_{\mathrm{id}}^{k+1}---\left(10\right)$

其中：λ为惯性因子；C₁、C₂为加速系数；rand()是[0,1]之间的随机数； 分别为当前时刻位置、速度；分别为下一时刻位置、速度；为当前时刻个体最优值；gBest_id为全局最优值；

将每个飞行粒子当前对应的Z值与上一时刻该飞行粒子对应的Z值比较，若当前时刻的Z值小于上一时刻的Z值，则该飞行粒子的个体最优值更新为否则保持不变；并将当前时刻N个Z值中的最小Z值与上一时刻全局最优值gBest_id对应的Z值进行比较，将全局最优值gBest_id更新为其中最小Z值对应的飞行粒子的位置；

S434：按照步骤S433进行多次迭代，当满足预定迭代次数或本次获得的gBest_id对应的Z值与上一次gBest_id对应的Z值的差值小于一预定阈值(万分之一)时迭代终止。

最终获得gBest_id对应的严重度权重向量W＝[ω₁,ω₂,…ω_n]最优解。

实施例3：

本实施例以某地区数据较全的67台变压器为对象，利用本发明的方法对其进行寿命分析，调研自2000年以来这些变压器故障情况，得到了由各故障因素导致的变压器线圈短路损坏故障发生次数的具体数据，如表1所示：

表1

一般来说，各种故障因素对变压器造成损害程度的大小，不仅跟各自发生的概率有关，而且与此原因造成故障的严重程度有关。根据本发明提出的基于风险评估的电力变压器寿命分析方法，可以获得短路损坏各故障因素严重度和风险系数分别为：

ω＝[0.1816 0 0.0004 0.0001 0 0.1694 0.1415 0.0652 0 0.0083 0.2835 0.1500]

P＝[0.0444 0 0 0 0 0.0013 0.0178 0.0043 0 0 0.0126 0.0044]

根据近几年来造成线圈短路损坏的各故障因素的发生率，结合由模糊判断矩阵求得的各故障因素的严重度权重向量，可以得出线圈短路损坏故障的发生率以及线圈整体状态的可靠度，计算结果如下：

(1)线圈短路损坏故障的发生率：

$P\left(T\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{p}_i\&times;{\mathrm{\&omega;}}_i=0.0444+0.0178+0.0126+0.0044+0.0043+0.0013=0.0848$

(2)线圈整体状态的可靠度：

R(T)＝1-P(T)＝1-0.0848＝0.9152＝91.52％

采用同样的方法，可以获得变压器各部件故障发生的概率及其可靠度。

重复步骤S3-S5，将电力变压器整体视为一个部件，可以获得电力变压器整体发生故障的概率及电力变压器的可靠度。

根据变压器可靠度，同时统计各台变压器的运行年限，绘出变压器运行年限—可靠度实例折线图，如图8所示。

根据67台变压器风险评估及可靠度计算结果，以及该地区的可靠度分界点r₁,r₂,r₃分别为0.97,0.93,0.85，得出处于正常状态、注意状态、异常状态、严重状态的变压器数量分别为：45台、15台、6台和1台，则该地区可靠度与变压器状态对应关系如表2所示。

表2

可靠度范围	变压器状态
		0.97<R<1	正常状态
0.93<R<0.97	注意状态
		0.85<R<0.93	异常状态
0<R<0.85	严重状态

借助老化模型，通过最小二乘法拟合运行年限与可靠度对应关系，拟合曲线如图9所示。

由图9可知：

(1)可靠度为0.97时，变压器进入注意状态，通过计算可得对应运行年限为11.5a，说明该地区变压器运行11.5年后老化迹象逐渐显现，故障发生率小幅上升。因此，从第11.5年以后应加强对变压器的运行监视，检修周期不大于正常基础周期。

2)可靠度为0.93时，变压器进入异常状态，通过计算可得对应的年限为19.8a，说明该地区变压器运行19.8年后开始进入快速老化期，已经出现明显的老化迹象，故障发生率明显上升。因此，从第19.8年以后应加强对变压器的维护工作，适时安排停电检修，以免其状态快速恶化。

3)可靠度为0.85时，变压器进入严重状态，通过计算可得对应的年限为28.8a，所以运行超过28.8年的变压器老化已经非常严重，应尽快进行停电检修，适时进行更换。

实施例4：

如图10所示，本发明提供的基于风险评估的电力变压器寿命分析系统，可用于实施实施例1所提供的基于风险评估的电力变压器寿命分析方法，该系统包括：

确定故障模式单元：用于确定电力变压器的主要故障模式；

建立故障树单元：用于利用故障树分析法建立电力变压器的故障树；

建立矩阵单元：用于利用模糊层次分析法对所述故障树进行定量分析，建立模糊判断矩阵；

获得权重向量单元：用于根据模糊判断矩阵获得各部件的各故障因素的严重度权重向量；

获得可靠度单元：用于根据各部件的各故障因素的严重度权重向量得出电力变压器的各部件发生故障的概率及各部件的可靠度；

建立老化模型单元：用于基于得出的电力变压器各部件的可靠度结果，建立电力变压器的老化模型；

寿命分析单元：用于根据电力变压器的老化模型，研究电力变压器可靠度随运行年限的变化规律，确定电力变压器各个寿命阶段的年限。

此处公开的仅为本发明的优选实施例，本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，并不是对本发明的限定。任何本领域技术人员在说明书范围内所做的修改和变化，均应落在本发明所保护的范围内。

Claims (10)

1.一种基于风险评估的电力变压器寿命分析方法，其特征在于，包括以下步骤：

S1：确定电力变压器的主要故障模式；

S2：利用故障树分析法建立电力变压器的故障树；

S3：利用模糊层次分析法对所述故障树进行定量分析，建立模糊判断矩阵；

S4：根据模糊判断矩阵获得各部件的各故障因素的严重度权重向量；

S5：根据各部件的各故障因素的严重度权重得出电力变压器的各部件及整体发生故障的概率及可靠度；

S6：基于得出的电力变压器整体的可靠度结果，建立电力变压器的老化模型；

S7：根据电力变压器的老化模型，研究电力变压器可靠度随运行年限的变化规律，确定电力变压器各个寿命阶段的年限。

2.根据权利要求1所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S2具体包括：

S21：确定顶事件，即电力变压器整体故障；

S22：确定中间事件，即电力变压器的各部件故障；

S23：确定底事件，即导致各中间事件的故障因素。

3.根据权利要求1所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S3具体为：

采用0.1～0.9标度法，根据各故障因素的重要度分析，建立各故障因素X₁，X₂，……，X_n相对于对应的故障部件两两比较重要程度的模糊判断矩阵R＝(r_ij)_n×n，r_ij用于表征故障因素Xi比故障因素Xj重要的程度。

4.根据权利要求1所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S4具体为：

S41：根据模糊判断矩阵，建立约束规划方程组：

$\left\{\begin{array}{cc}\min & f({\mathrm{\&omega;}}_i,{\mathrm{\&omega;}}_j)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{[0.5+a({\mathrm{\&omega;}}_i-{\mathrm{\&omega;}}_j)-r_{\mathrm{ij}}]}^2\\ s.t.& \underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i=1\end{array}\right.$

其中，i＝1,2,…n，ω_i≥0，ω_i表示故障因素i造成故障的严重度，n表示故障因素个数；

S42：根据建立的约束规划方程组，利用遗传算法获得各故障因素的最佳权重ω_i，从而获得各部件故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]。

5.根据权利要求4所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S42具体包括以下步骤:

S421：使用二进制进行编码，获得严重度权重向量W＝[ω₁,ω₂,…ω_n]；

S422：随机产生初始群体T＝0，群体的大小为N；

S423：对严重度权重向量W＝[ω₁,ω₂,…ω_n]进行适应度评价，如果满足终止要求，则求解过程结束，否则转入步骤S424；

S424：选择操作，采用轮盘赌选择法；

S425：交叉操作，采用单点交叉法；

S426：变异操作，采用基本位变异法；

S427：产生新一代群体，T＝T+1，转入步骤S423；

最终获得电力变压器的各故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]。

6.根据权利要求1所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S4具体为：

S41：根据模糊判断矩阵，建立约束规划方程组：

$\left\{\begin{array}{cc}\min & f({\mathrm{\&omega;}}_i,{\mathrm{\&omega;}}_j)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{[0.5+a({\mathrm{\&omega;}}_i-{\mathrm{\&omega;}}_j)-r_{\mathrm{ij}}]}^2\\ s.t.& \underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i=1\end{array}\right.$

其中，i＝1,2,…n，ω_i≥0，ω_i表示故障因素i造成故障的严重度，n表示故障因素个数；

S43：根据建立的约束规划方程组，利用粒子群算法获得各部件故障因素的最佳严重度权重向量W＝[ω₁,ω₂,…ω_n]，其使适应度Z＝f(ω_i,ω_j)最小。

7.根据权利要求6所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S43具体包括以下步骤：

S431：初始化N个飞行粒子，将n个严重度权重ω_i用飞行粒子的位置X_id表示，设N个飞行粒子的初始位置为初始速度为

S432：将飞行粒子的初始位置作为严重度权重，计算获得N个粒子对应的Z值，将其中最小Z值对应的飞行粒子的位置作为全局最优值gBest_id，每个飞行粒子的初始位置作为各自的个体最优值

S433：由下列两式获得下一时刻飞行粒子的位置和速度获得飞行粒子当前时刻对应的Z值；

$V_{\mathrm{id}}^{k+1}=\mathrm{\&lambda;}{V}_{\mathrm{id}}^k+C_1\mathrm{rand}\left(\right)(p{\mathrm{Best}}_{\mathrm{id}}^k-X_{\mathrm{id}}^k)+C_2\mathrm{rand}\left(\right)(g{\mathrm{Best}}_{\mathrm{id}}-X_{\mathrm{id}}^k)$

$X_{\mathrm{id}}^{k+1}=X_{\mathrm{id}}^k+V_{\mathrm{id}}^{k+1}$

其中：λ为惯性因子；C₁、C₂为加速系数；rand()是[0,1]之间的随机数； 分别为当前时刻位置、速度；分别为下一时刻位置、速度；为当前时刻个体最优值；gBest_id为全局最优值；

将每个飞行粒子当前对应的Z值与上一时刻该飞行粒子对应的Z值比较，若当前时刻的Z值小于上一时刻的Z值，则该飞行粒子的个体最优值更新为否则保持不变；并将当前时刻N个Z值中的最小Z值与上一时刻全局最优值gBest_id对应的Z值进行比较，将全局最优值gBest_id更新为其中最小Z值对应的飞行粒子的位置；

S434：按照步骤S433进行多次迭代，当满足预定迭代次数或本次获得的gBest_id对应的Z值与上一次gBest_id对应的Z值的差值小于一预定阈值时迭代终止。

最终获得gBest_id对应的严重度权重向量W＝[ω₁,ω₂,…ω_n]最优解。

8.根据权利要求1所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S5具体为：

根据下式得到各故障因素的风险系数：

P_i＝p_i×ω_i

其中：p_i表示故障因素i的发生率；

将得到的各部件的各故障因素的风险系数，代入下两式分别得到各部件发生故障的概率，以及各部件的可靠度：

$P\left(T\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}p\left(X_i\right)\&times;{\mathrm{\&omega;}}_i$

R(T)＝1-P(T)

其中：X_i表示部件X的第i个故障因素，P(T)表示部件X发生故障的概率，R(T)表示部件X的可靠度。

9.根据权利要求1所述的基于风险评估的电力变压器寿命分析方法，其特征在于，S6具体为：

S61：建立可靠度与电力变压器状态的对应关系，将电力变压器状态分为：正常状态、注意状态、异常状态以及严重状态；

当r₁<R<1时，电力变压器状态为正常状态；

当r₂<R<r₁时，电力变压器状态为注意状态；

当r₃<R<r₂时，电力变压器状态为异常状态；

当0<R<r₃时，电压力变压器状态为严重状态；

其中：r₁,r₂,r₃为电力变压器可靠度的分界点；

S62：建立电力变压器老化模型，得出可靠度随运行年限的变化关系：

$R=1-{\mathrm{Ke}}^{{\mathrm{Ce}}^{\mathrm{BN}}}$

其中：B为老化系数，N为电力变压器运行年限，K为比例系数，C为曲率系数。

10.一种基于风险评估的电力变压器寿命分析系统，其特征在于，包括：

确定故障模式单元：用于确定电力变压器的主要故障模式；

建立故障树单元：用于利用故障树分析法建立电力变压器的故障树；

建立矩阵单元：用于利用模糊层次分析法对所述故障树进行定量分析，建立模糊判断矩阵；

获得权重向量单元：用于根据模糊判断矩阵获得各部件的各故障因素的严重度权重向量；

获得可靠度单元：用于根据各部件的各故障因素的严重度权重向量得出电力变压器的各部件及整体发生故障的概率及可靠度；

建立老化模型单元：用于基于得出的电力变压器各部件的可靠度结果，建立电力变压器的老化模型；

寿命分析单元：用于根据电力变压器的老化模型，研究电力变压器可靠度随运行年限的变化规律，确定电力变压器各个寿命阶段的年限。