CN105488270B - 一种变压器结构性故障诊断多属性综合方法 - Google Patents

一种变压器结构性故障诊断多属性综合方法 Download PDF

Info

Publication number
CN105488270B
CN105488270B CN201510849871.5A CN201510849871A CN105488270B CN 105488270 B CN105488270 B CN 105488270B CN 201510849871 A CN201510849871 A CN 201510849871A CN 105488270 B CN105488270 B CN 105488270B
Authority
CN
China
Prior art keywords
factor
transformer
layer
probability
attribute
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510849871.5A
Other languages
English (en)
Other versions
CN105488270A (zh
Inventor
鲁非
史天如
金雷
周凯
刘思维
刘毅
李化
林福昌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Huazhong University of Science and Technology
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN201510849871.5A priority Critical patent/CN105488270B/zh
Publication of CN105488270A publication Critical patent/CN105488270A/zh
Application granted granted Critical
Publication of CN105488270B publication Critical patent/CN105488270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明公开了一种基于多种检测手段的变压器结构性故障诊断多属性综合方法。建立了两级结构的多属性诊断模型，采用多种检测手段：如短路阻抗法、频率响应法、电容量法等进行综合诊断。通过评级等级层描述变压器的可能状态。引入了层次分析法，计算各检测手段及其相应判据的权重系数。基于证据推理理论，将多种检测手段得到的结论进行综合诊断，以概率的形式表征变压器的可能状态。本发明解决了原始数据缺失、多种判断结论有分歧情况下变压器的结构性故障诊断问题，有利于准确地评判电力变压器的真实状态，减小主观因素影响。

Description

一种变压器结构性故障诊断多属性综合方法
技术领域
本发明属于变压器结构性故障诊断方法，更具体地，涉及一种基于多种检测手段的变压器结构性故障诊断多属性综合方法。
背景技术
结构性故障是导致电力变压器发生损坏事故的主要原因之一。对运输或短路冲击后的变压器进行结构性故障诊断可确保变压器的安全稳定运行。目前常用的变压器结构性故障离线检测方法主要有频率响应法(Frequency Response Analysis,FRA)、短路阻抗法(Short Circuit Impedance Method,SCI)及电容量法(Capacitance Method,C)等。大量现场试验表明，受现场测量精度、原始可对比数据和故障诊断判据的限制，应用单一检测方法难以准确反映变压器的结构性故障，且各种方法可能得到有分歧的诊断结果。
研究表明，综合多种检测方法可以提高变压器结构性故障诊断的可靠性。但在实际诊断过程中，综合多种检测方法获得的决策信息仍具有部分不精确、不完备、模糊等性质，加上决策者的经验不同、对信息处理和故障认识存在局限性，决策者往往只能提供不完全信息。因此，对这些不完全信息进行多属性决策，对提高变压器的结构性故障诊断具有重要实际意义。
发明内容
本发明所要解决的技术问题，就是提供一种基于多种检测手段的变压器结构性故障诊断多属性综合方法以解决单一检测方法难以准确反映变压器的结构性故障的问题，提高变压器结构性故障诊断的可靠性。
本发明采用的技术方案是：通过假设层描述变压器的可能状态，基于层次分析法计算各检测方法及其相应判据的权重系数，依托于证据推理理论将多种检测手段得到的结论进行综合诊断，以概率的形式表征变压器的可能状态。具体包括以下几个主要步骤：
步骤1：建立融合多种检测方法的多属性诊断模型
本发明综合频率响应法、短路阻抗法、电容量法三种常用的结构性故障诊断方法，构建了两级结构的多属性诊断模型，如图1所示。其中每一级模型包括总体属性层y、评级等级层H，因素层E。总体属性层y是对变压器状态的综合评价，是结合多种检测方法得出的综合诊断。
步骤2：确立评级等级层，描述变压器的可能状态
评级等级层中HN对应于变压器的不同状态。根据实际运行经验及变压器典型故障类型，可以定义出需要考虑的变压器的N种可能状态：
H＝{H1，H2，…，Hn，…HN}
步骤3：确立因素层
在两级模型中，上一级的因素层由下一级的属性层构成。因此第一级的因素层eL对应于不同的检测手段，第二级因素层eLL对应于该检测手段所采用的具体检测方式、比较方法、判据等，是进行判断的最基本单元。
常见的L种不同检测手段可以定义为：
E＝{e1，e2，…，ei，…eL}
步骤4：通过层次分析法确定各检测手段的权重
多属性诊断模型中各基本因素的权重反映了该因素的相对重要程度，权重分配的合理与否直接影响到状态决策结果的准确性。采用层次分析法(Analytic HierarchyProcess,AHP)可以获得权重。通过层次分析法可以构造如下矩阵：
式中：aij为因素i对于因素j的相对重要程度。
如表1所示为aij的值对应的因素i对于因素j的相对重要程度。
表1层次分析法参考取值
计算权重矩阵A的最大特征根λmax，代入对应齐次线性方程组：
解出最大特征根λmax，对应的经归一化的特征向量ω1，ω2，…，ωL，即为各因素对应的权重。
步骤5：证据的一致性检验
证据的一致性检验采用以下公式：
CR＝CI/RI
式中，CR为权重矩阵的随机一致性比率；CI为权重矩阵的一般一致性指标，CI＝(λmax-L)/(L-1)；RI为权重矩阵的平均随机一致性指标，对于1～9阶权重矩阵RI的取值如下表2所示。
表2 1～9阶权重矩阵的RI值
当CR<0.1时认为一致性较好，可以认为权重矩阵的构造是合理的；否则需要调整权重矩阵。
步骤6：概率计算
对于两级模型，可以采用逐级计算的方式。求取下一级模型中所有的属性层，构成上一级模型中的因素层，然后进行上一级模型的计算。对于每一级模型，概率计算方法如下：
令模型中的评价等级为：
H＝{H1，H2，…，Hn，…HN}
令模型中的因素为：
E＝{e1，e2，…，ei，…eL}
对因素ei，其对于总体属性层y的相对重要性用权重ωi(0≤ωi≤1)表示。因此得到权重矩阵：
ω＝{ω1，ω2，…，ωi，…ωL}
式中，
(a)因素ei的影响。
定义βn,i为因素ei对于评价等级Hn提供的确定度。易得βn,i≥0且则因素ei的总体影响为：
S(ei)＝{(Hn,βn,i),n＝1,...,N},i＝1,...,L
当时，可以认为因素ei是完整的，其对总体属性层y的影响是明确的；当或对于任意的n总有βn,i＝0，则可以认为因素ei是缺失的，其对总体属性层y的影响是不可知的；当时，认为因素ei是不完整的。
(b)概率值mn,i
mn,i为因素ei的权重(即其对于总体属性层y的相对重要性)与因素ei对于评价等级Hn提供的确定度的乘积，表示因素ei支持总体属性层y为评价等级Hn的概率。
mn,i＝ωiβn,i,n＝1,...,N
由于因素ei存在不完整的可能性，上式并不能完整的表述整个概率空间。相应地，定义未指定的剩余概率为：
式中，
(c)迭代计算
定义mn,I(i)为前i个因素支持总体属性层y为评价等级Hn的基本概率之和，和为对应的剩余概率。通过以下迭代公式可以求出任意i对应的基本概率之和。
迭代初始条件：mn,I(1)＝mn,1；
{Hn}：
n＝1,…,N
{H}：
i＝1,…,L-1
KI(i)为连接第i次迭代与第i-1次迭代的迭代参数；
(d)归一化
定义βn为因素层E对于评价等级Hn提供的确定度。通过对概率值的归一化可以求出βn。
{Hn}：n＝1,...,N
{H}：
则因素层E对总体属性层y的总体评价为：
S(y)＝{(Hn,βn),n＝1,...,N}
因此，对于多种检测方法构成的因素层E，最终得到变压器的可能状态是：β1的概率为H1状态，β2的概率为H2状态……βn的概率为Hn状态。
附图说明
图1为两级结构多属性诊断模型图。
图2为短路阻抗法对应的模型图。
图3为频率响应法对应的模型图。
图4为电容量法对应的模型图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下对本发明的具体实施方法进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
选取一组典型试验数据作为算例，分别采用短路阻抗法(记为SCI)、频率响应法(记为FRA)及电容量法(记为C)。定义变压器的7种可能状态为：
H＝{H1，H2，H3，H4，H5，H6，H7}＝{正常，匝间短路，夹件失压，轴向位移，外壳不良接地，剩磁，绕组翘曲}
(1)通过短路阻抗法进行判断。通过与历史试验数据的纵向比较，判断变压器有0.60的概率为正常，0.20的概率为绕组翘曲，另外有0.20的不确定度；通过横向比较判断0.75的概率为正常，0.25为不确定。
(2)通过频率响应法进行判断。由于缺乏历史试验数据及出厂数据，无法进行基于时间的比较；通过基于结构的比较判断变压器有0.75的概率为正常，0.15的概率为绕组翘曲，0.1为不确定；通过基于型式的比较判断0.95的概率为正常，0.05为不确定。
(3)通过电容量法进行判断。通过高压绕组电容判断0.50的概率为正常，0.20的概率为轴向位移，0.3为不确定；通过中压绕组电容判断0.20的概率为正常，0.70的概率为轴向位移，0.1为不确定；通过低压电容判断0.70的概率为正常，0.15的概率为绕组翘曲，0.15为不确定。
(1)单一检测手段
首先由短路阻抗法的数据来推断变压器的可能状态。列出各因素的影响为：
S(e11)＝S(纵向比较)＝{(正常,0.60)，(绕组翘曲,0.20)}
S(e12)＝S(横向比较)＝{(正常,0.75)}
则基本因素ei对于假设Hn提供的确定度为：
β1,11＝0.6，β2,11＝0，β3,11＝0，β4,11＝0，β5,11＝0，β6,11＝0，β7,11＝0.2
β1,12＝0.75，β2,12＝0，β3,12＝0，β4,12＝0，β5,12＝0，β6,12＝0，β7,12＝0
采用层次分析法假设权重矩阵为：
求取矩阵A1的最大特征值λ1max＝2，可以确定e11、e12的对应权重为ω11＝0.6667、ω12＝0.3333。
分别计算出因素ei支持总体属性层y为假设Hn的基本概率值及剩余概率值如表3所示。
表3基本因素的基本概率值及剩余概率值
计算求得前i个基本因素支持总体属性层y为假设Hn的基本概率之和：
求得归一化基本概率值为：
β1＝0.6942；β2＝0；β3＝0；β4＝0；
β5＝0；β6＝0；β7＝0.1791；βH＝0.1716
通过计算可以判定有短路阻抗法确定变压器的可能状态为：
S(SCI)＝{(正常,0.6942)，(绕组翘曲,0.1791)}
即变压器有69.42％的概率为正常，17.91％的概率为绕组翘曲，同时存在12.67％的不确定度。
矩阵A2、A3分别为采用层次分析法确定的频率响应法及电容量法的权重。考虑到考虑频率响应曲线法历史数据缺失的情况，设置频率响应法对应的矩阵为仅考虑结构比较和型式比较的二阶矩阵。
求取矩阵A2的最大特征值λ2max＝2，可以确定e21、e22的对应权重为ω21＝0.3333、ω22＝0.6667。
求取矩阵A3的最大特征值λ3max＝3.0246，可以确定e31、e32、e33的对应权重为ω31＝0.6833、ω32＝0.1169、ω33＝0.1998。
将上述结果进行一致性检验性检验计算为：
CR2＝CI2/RI2＝0.0158
CR3＝CI3/RI3＝0.0212
CR2和CR3均小于0.1，因此认为权重矩阵的构造是合理的。
同理，按照前述算法分别求出由频率响应法及电容量法得到的变压器的可能状态为：
S(FRA)＝{(正常,0.9293)，(绕组翘曲,0.0670)}
S(C)＝{(正常,0.5221)，(轴向位移,0.1911)，(绕组翘曲,0.0192)}
(2)综合诊断
三种方法得出的结论并不完全一致，为得到变压器状态的综合诊断，采用层次分析法求解三种检测方法的权重。假设权重矩阵为：
求出矩阵A的最大特征值λmax＝3.0940，及其对应的归一化特征向量ω1＝0.1865、ω2＝0.6870、ω3＝0.1265。将λmax代入一致性检验，求得CR＝0.081<0.1，认为权重矩阵的构造是合理的。
表4不同检测手段诊断变压器的可能状态
由短路阻抗法、频率响应法、电容量法所得结果求出变压器的可能状态为：
S(y)＝{(正常,0.9019)，(轴向位移,0.0087)，(绕组翘曲,0.0886)}
即变压器绕组有90.19％的概率为正常，0.87％的概率为轴向位移，8.86％的概率为绕组翘曲，存在0.08％的不确定度。
以上所述仅为本发明的具体实施方案的详细描述，并不以此限制本发明，凡在本发明的设计思路上所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种变压器结构性故障诊断多属性综合方法，其特征在于：包括如下步骤：
步骤1：建立融合多种检测方法的多属性诊断模型
选取综合频率响应法、短路阻抗法、电容量法三种常用的结构性故障检测手段，构建两级结构的多属性诊断模型，其中每一级模型包括总体属性层y、评级等级层H，因素层E；总体属性层y是对变压器状态的综合评价；
步骤2：确立评级等级层H，描述变压器的可能状态
评级等级层中HN对应于变压器的不同状态，根据实际运行经验及变压器典型故障类型，定义出需要考虑的变压器的N种可能状态：
H＝{H1，H2，…，Hn，…HN}
步骤3：确立因素层E
第一级的因素层eL对应于不同的检测手段，第二级因素层eLL对应于该检测手段所采用的具体检测方式、比较方法、判据，
常见的L种不同检测手段可以定义为：
E＝{e1，e2，…，ei，…eL}
步骤4：通过层次分析法确定各检测手段的权重
通过层次分析法构造如下矩阵：
<mrow> <mi>A</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>a</mi> <mn>11</mn> </msub> </mtd> <mtd> <msub> <mi>a</mi> <mn>12</mn> </msub> </mtd> <mtd> <mo>...</mo> </mtd> <mtd> <msub> <mi>a</mi> <mrow> <mn>1</mn> <mi>L</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>a</mi> <mn>21</mn> </msub> </mtd> <mtd> <msub> <mi>a</mi> <mn>22</mn> </msub> </mtd> <mtd> <mo>...</mo> </mtd> <mtd> <msub> <mi>a</mi> <mrow> <mn>2</mn> <mi>L</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mo>...</mo> </mtd> <mtd> <mo>...</mo> </mtd> <mtd> <mo>...</mo> </mtd> <mtd> <mo>...</mo> </mtd> </mtr> <mtr> <mtd> <msub> <mi>a</mi> <mrow> <mi>L</mi> <mn>1</mn> </mrow> </msub> </mtd> <mtd> <msub> <mi>a</mi> <mrow> <mi>L</mi> <mn>2</mn> </mrow> </msub> </mtd> <mtd> <mo>...</mo> </mtd> <mtd> <msub> <mi>a</mi> <mrow> <mi>L</mi> <mi>L</mi> </mrow> </msub> </mtd> </mtr> </mtable> </mfenced> </mrow>
式中：aij为因素i对于因素j的相对重要程度；
计算权重矩阵A的最大特征根λmax，代入对应齐次线性方程组：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mn>11</mn> </msub> <mo>-</mo> <mi>&amp;lambda;</mi> <mo>)</mo> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mn>12</mn> </msub> <msub> <mi>&amp;omega;</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msub> <mi>a</mi> <mrow> <mn>1</mn> <mi>L</mi> </mrow> </msub> <msub> <mi>&amp;omega;</mi> <mi>L</mi> </msub> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mn>21</mn> </msub> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <mo>+</mo> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mn>22</mn> </msub> <mo>-</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>&amp;omega;</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msub> <mi>a</mi> <mrow> <mn>2</mn> <mi>L</mi> </mrow> </msub> <msub> <mi>&amp;omega;</mi> <mi>L</mi> </msub> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>...</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mrow> <mi>L</mi> <mn>1</mn> </mrow> </msub> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>a</mi> <mrow> <mi>L</mi> <mn>2</mn> </mrow> </msub> <msub> <mi>&amp;omega;</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mrow> <mi>L</mi> <mi>L</mi> </mrow> </msub> <mo>-</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mi>&amp;omega;</mi> <mi>L</mi> </msub> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced>
解出最大特征根λmax，对应的经归一化的特征向量ω1，ω2，…，ωL，即为各因素对应的权重；
步骤5：对各因素对应的权重进行一致性检验
对步骤4中求解的各因素对应的权重ω1，ω2，…，ωL采用以下一致性检验公式验证权重选取的合理性：
CR＝CI/RI
式中，CR为权重矩阵的随机一致性比率；CI为权重矩阵的一般一致性指标，CI＝(λmax-L)/(L-1)；RI为权重矩阵的平均随机一致性指标；当CR<0.1时认为一致性较好，认为权重矩阵的构造是合理的；
步骤6：变压器的可能状态的概率计算
对于两级模型，采用逐级计算的方式，求取下一级模型中所有的属性层，构成上一级模型中的因素层，然后进行上一级模型的计算，对于每一级模型，概率计算方法如下：
令模型中的评价等级为：
H＝{H1，H2，…，Hn，…HN}
令模型中的因素为：
E＝{e1，e2，…，ei，…eL}
对因素ei，其对于总体属性层y的相对重要性用权重ωi(0≤ωi≤1)表示；因此得到权重矩阵：
ω＝{ω1，ω2，…，ωi，…ωL}
式中，
(a)因素ei的影响
定义βn,i为因素ei对于评价等级Hn提供的确定度；易得βn,i≥0且则因素ei的总体影响S(ei)为：
S(ei)＝{(Hn,βn,i),n＝1,...,N},i＝1,...,L
当时，可以认为因素ei是完整的，其对总体属性层y的影响是明确的；当或对于任意的n总有βn,i＝0，则可以认为因素ei是缺失的，其对总体属性层y的影响是不可知的；当时，认为因素ei是不完整的；
(b)概率值mn,i
mn,i为因素ei的权重与因素ei对于评价等级Hn提供的确定度的乘积，表示因素ei支持总体属性层y为评价等级Hn的概率；
mn,i＝ωiβn,i,n＝1,...,N
定义未指定的剩余概率为：
<mrow> <msub> <mi>m</mi> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>=</mo> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> </mrow>
式中，
(c)迭代计算
定义mn,I(i)为前i个因素支持总体属性层y为评价等级Hn的基本概率之和，和为对应的剩余概率；通过以下迭代公式可以求出任意i对应的基本概率之和；
迭代初始条件：mn,I(1)＝mn,1；
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mrow> <mo>{</mo> <msub> <mi>H</mi> <mi>n</mi> </msub> <mo>}</mo> </mrow> <mo>:</mo> </mrow> </mtd> <mtd> <mtable> <mtr> <mtd> <mrow> <msub> <mi>m</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <msub> <mi>K</mi> <mrow> <mi>I</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </msub> <mrow> <mo>&amp;lsqb;</mo> <mrow> <msub> <mi>m</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mi>m</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>m</mi> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mi>m</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>m</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mi>m</mi> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>m</mi> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>+</mo> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mtd> <mtd> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>N</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mtable> <mtr> <mtd> <mrow> <mrow> <mo>{</mo> <mi>H</mi> <mo>}</mo> </mrow> <mo>:</mo> </mrow> </mtd> <mtd> <mtable> <mtr> <mtd> <mrow> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <msub> <mi>K</mi> <mrow> <mi>I</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </msub> <mrow> <mo>&amp;lsqb;</mo> <mrow> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <msub> <mi>K</mi> <mrow> <mi>I</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> </msub> <mrow> <mo>&amp;lsqb;</mo> <mrow> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mtd> </mtr> </mtable> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>L</mi> <mo>-</mo> <mn>1</mn> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mrow> <msub> <mi>K</mi> <mrow> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <munder> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> </munder> <mrow> <mi>j</mi> <mo>&amp;NotEqual;</mo> <mi>t</mi> </mrow> <mi>N</mi> </munderover> <msub> <mi>m</mi> <mrow> <mi>t</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msub> <msub> <mi>m</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </mrow> </mfrac> </mrow>
KI(i)为连接第i次迭代与第i-1次迭代的迭代参数；
(d)归一化
定义βn为因素层E对于评价等级Hn提供的确定度；对概率值的归一化求出βn；
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>{</mo> <msub> <mi>H</mi> <mi>n</mi> </msub> <mo>}</mo> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>&amp;beta;</mi> <mi>n</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>m</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo> </mrow> </mrow> </msub> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo> </mrow> </mrow> </msub> </mrow> </mfrac> </mrow> </mtd> <mtd> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>N</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>{</mo> <mi>H</mi> <mo>}</mo> <mo>:</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>&amp;beta;</mi> <mi>H</mi> </msub> <mo>=</mo> <mfrac> <msub> <mover> <mi>m</mi> <mo>~</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo> </mrow> </mrow> </msub> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mover> <mi>m</mi> <mo>&amp;OverBar;</mo> </mover> <mrow> <mi>H</mi> <mo>,</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo> </mrow> </mrow> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
则因素层E对总体属性层y的总体评价S(y)为：
S(y)＝{(Hn,βn),n＝1,...,N}
因此，对于多种检测方法构成的因素层E，最终得到变压器的可能状态是：β1的概率为H1状态，β2的概率为H2状态……βn的概率为Hn状态。
2.根据权利要求1所述的一种变压器结构性故障诊断多属性综合方法，其特征在于：步骤4中因素i对于因素j的相对重要程度aij的值为1表示同等重要性或优先级；aij的值为3表示稍高重要性或优先级；aij的值为5表示较高重要性或优先级；aij的值为7表示高重要性或优先级；aij的值为9表示极高重要性或优先级；aij的值为2、4、6或8表示中间值。
3.根据权利要求1所述的一种变压器结构性故障诊断多属性综合方法，其特征在于：所述方法通过假设层描述变压器的可能状态。
CN201510849871.5A 2015-11-27 2015-11-27 一种变压器结构性故障诊断多属性综合方法 Active CN105488270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510849871.5A CN105488270B (zh) 2015-11-27 2015-11-27 一种变压器结构性故障诊断多属性综合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510849871.5A CN105488270B (zh) 2015-11-27 2015-11-27 一种变压器结构性故障诊断多属性综合方法

Publications (2)

Publication Number Publication Date
CN105488270A CN105488270A (zh) 2016-04-13
CN105488270B true CN105488270B (zh) 2018-06-01

Family

ID=55675244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510849871.5A Active CN105488270B (zh) 2015-11-27 2015-11-27 一种变压器结构性故障诊断多属性综合方法

Country Status (1)

Country Link
CN (1) CN105488270B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301296B (zh) * 2017-06-27 2020-09-04 西安电子科技大学 基于数据的断路器故障影响因素定性分析方法
CN107729830B (zh) * 2017-10-09 2021-04-06 西安工业大学 基于背景特征的迷彩伪装效果检测计算方法
CN107567150B (zh) * 2017-10-10 2019-06-14 矽力杰半导体技术(杭州)有限公司 输入源检测电路及检测方法、以及包含其的led驱动电路
CN110308339B (zh) * 2019-04-11 2021-05-25 武汉理工大学 基于证据推理规则的变频器直流母线电容故障诊断法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930299A (zh) * 2012-11-20 2013-02-13 山东电力集团公司莱芜供电公司 基于优化方法的多特征选择多层次变压器故障诊断方法
CN103164775A (zh) * 2013-03-16 2013-06-19 云南电网公司 一种电网设备状态自动评价平台及方法
CN103218752A (zh) * 2013-03-13 2013-07-24 云南电力试验研究院（集团）有限公司电力研究院 一种高压变压器当前和短期可靠度评估方法
CN103778575A (zh) * 2014-03-04 2014-05-07 国网浙江宁波市鄞州区供电公司 变压器状态评估方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930299A (zh) * 2012-11-20 2013-02-13 山东电力集团公司莱芜供电公司 基于优化方法的多特征选择多层次变压器故障诊断方法
CN103218752A (zh) * 2013-03-13 2013-07-24 云南电力试验研究院（集团）有限公司电力研究院 一种高压变压器当前和短期可靠度评估方法
CN103164775A (zh) * 2013-03-16 2013-06-19 云南电网公司 一种电网设备状态自动评价平台及方法
CN103778575A (zh) * 2014-03-04 2014-05-07 国网浙江宁波市鄞州区供电公司 变压器状态评估方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于3层贝叶斯网络的变压器综合故障诊断;白翠粉等;《高电压技术》;20130228;第39卷(第2期);第330-335页 *
基于关联规则与变权重的变压器状态评估方法;谢荣斌等;《高压电器》;20140131;第50卷(第1期);第133-138页 *

Also Published As

Publication number Publication date
CN105488270A (zh) 2016-04-13

Similar Documents

Publication Publication Date Title
CN105488270B (zh) 一种变压器结构性故障诊断多属性综合方法
CN110542819B (zh) 一种基于半监督dbnc的变压器故障类型诊断方法
CN105930976B (zh) 基于加权理想点法的节点电压暂降严重程度综合评估方法
CN105893757B (zh) 一种用于电压暂降严重程度的综合评估方法
WO2017016021A1 (zh) 一种基于影响增量的状态枚举可靠性评估方法及其装置
CN113887846B (zh) 一种电容式电压互感器的超差风险预警方法
CN109189028A (zh) 基于多块信息提取的pca故障诊断方法
JP7408843B2 (ja) 電池の容量測定装置及び方法、並びに該装置を含む電池制御システム
CN110879373B (zh) 一种神经网络和决策融合的油浸式变压器故障诊断方法
CN113379238A (zh) 风险评估方法、装置及电子设备
CN112180204A (zh) 一种基于电气量信息的电网线路故障诊断方法
JP2016091312A (ja) 異常診断装置及び異常診断方法
CN110879377A (zh) 基于深度信念网络的计量装置故障溯源方法
CN111881124A (zh) 一种基于改进算法的状态估计的数据处理方法及系统
CN112287556A (zh) 电缆绝缘状态的确定方法及装置
US11042134B2 (en) Power system status estimation device and status estimation method
CN110688809A (zh) 一种基于vprs-rbf神经网络的箱变故障诊断方法
CN116643091A (zh) 基于多维时序特征的换流变阀侧套管在线绝缘监测方法
CN115015683A (zh) 电缆生产的性能测试方法、装置、设备及存储介质
CN114997566A (zh) 考虑节点连通度损失的电网阻塞风险评估方法及系统
CN114784793A (zh) 基于机器学习的新能源电网连锁故障预测方法及存储介质
JP7461596B2 (ja) 電圧レベル３１５ｋＶ以下の配電変圧器に対する自動容量校正方法
CN117332330A (zh) 基于多源数据图融合模型的变压器故障评估方法及系统
CN117347916A (zh) 一种基于参数辨识的绕组结构故障定位方法及装置
Tang et al. An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant