CN108009937A - 一种配电主设备健康状态的评估方法 - Google Patents

Abstract

本发明提供了一种配电主设备健康状态的评估方法，其包括建立表征配电主设备状态的指标分层空间模型；并对指标进行归一化处理、分配指标权重值和确定待评估物元；建立经典域和节域模型以及计算指标和设备状态间的关联度值。本发明提供的技术方案采用改进关联度函数的物元可拓综合评估法进行信息融合，评估系统等级划分灵活，单个指标的评估结果更加精细化，设备整体评估结果精确具体，计算过程简单，适用于安装数量多、安装面积广的配电设备状态评估工作。

Description

一种配电主设备健康状态的评估方法

技术领域

本发明涉及电气设备状态评估技术，具体讲涉及一种配电主设备健康状态的评估方法。

背景技术

随着智能电网向配电网的逐步拓展，配电系统越来越受重视，而作为配电系统的支撑器件的变压器、开关柜、电力电缆、架空线等配电主设备状态的好坏直接影响整个配电系统的安全、稳定、经济运行现有技术中，关于配电设备健康状态评估的方法以层次分析法、模糊综合评判法为主，研究对象以变压器居多，而针对开关柜、电力电缆、架空线路的研究较少。影响配电主设备状态的因素众多，各因素之间的关系错综复杂，层次分析法和模糊综合评估法均可以实现各评估指标的有效融合，但层次分析法是一种较初级的融合方法，一般作为其他融合技术的基础，比如模糊综合评判法一般以层次分析法为基础，通过计算隶属度来判断设备的最终状态归属，然而这种方法在隶属度函数的建立、状态等级的划分等方面都没有统一、完善的标准，并且评估结果往往具有一定的模糊性，在实际应用中受到了较大的阻力。

近几年兴起的物元可拓综合评估法是一种新型评估方法，以层次分析法为基础，通过计算关联度值实现设备的状态评估，其状态等级划分较为灵活，以现有导则为依据，并且单个指标的评估结果更加精细化，计算结果更精确。

为使配电主设备健康状态评估结果更精确，划分更完善，对配电主设备各元器件评估更全面，本发明提供一种基于多源信息融合的配电主设备健康状态评估方法，其采用信息融合与物元可拓综合评估方法，完成对变压器、开关柜、电力电缆及架空线路四类配电主设备的状态评估工作。

发明内容

为满足现有技术发展的需要，本发明提出了一种基于多源信息融合的配电主设备健康状态评估方法，实现对变压器、开关柜、电力电缆及架空线路四类配电主设备工作状态的评估，从设备状态量信息、运行信息、检修记录、环境信息、家族缺陷信息五方面选取评估指标，采用基于模糊三角数的层次分析法为各指标进行权重分配，采用改进关联度函数的物元可拓评估法实现对10kV配电主设备最终状态归属的判断。

本发明提供的配电主设备健康状态的评估方法，其改进之处在于，所述方法包括：

(S1)建立表征配电主设备状态的指标分层空间模型；

(S2)建立经典域和节域模型；

(S3)计算指标和设备状态间的关联度值；

(S4)根据关联度值确定配电主设备的健康状态等级。

进一步的，所述步骤(S1)指标分层空间模型的建立：将从设备状态信息、运行信息、检修记录、环境信息及家族缺陷信息中选取的评估指标分为关键指标、次关键指标和辅助指标。

进一步的，用经验值归一化处理所述分层空间模型中的定性指标，并按下式(1)或(2)所示的升半岭或降半岭模型归一化处理定量指标：

升半岭模型如下式所示：

降半岭模型如下式所示：

其中，a和b：分别为评分阈值。

进一步的，所述指标的权重值的分配包括：

(1)构建下式(3)所示的三角模糊判断矩阵：

其中，指标评分的模糊数为(l_r，m_r，u_r)；r：为定性指标评分的专家数量；

(2)按下式(4)确定指标的初始权重值

其中，第k层指标的模糊数矩阵中第i行的所有模糊数之和；j：列数；

n:第k层指标的数量；

(3)按下式(5)去模糊化处理指标的初始权重值：

μ(M_i)＝min v(M_i≥M₁,M₂,…,M_i-1,M_i+1,…,M_n) (5)

其中，按下式(6)所示两两比较初始权重值：

式中，指标的初始权重值表示为：M_n＝(l_n,m_n,u_n)；μ(M_i)：初始权重值M_i的去模糊化权重值；

(4)标准化处理去模糊化权重值，使其变换到(0,1)区间内，得到综合权重。

进一步的，由实测数据得出各指标的归一化值，作为待评估物元指标的对应值确定待评估物元，如下式所示：

其中，p₀代表待评估对象；c₁、c₂、…、c_n代表待评估对象的各项指标；v₁、v₂、…、v_n代表各指标实测值的归一化结果。

进一步的，所述步骤(S2)将指标对应的取值范围划分为与不同的经典域对应的等级，如下式建立所述的经典域模型：

其中，R：各状态等级的经典域；N：表示对象对为经典域；I_n：设备的评估指标；<e,f>：对应指标I_n对应该状态等级的取值范围，<e,f>∈<0,1>。

进一步的，所述步骤(S2)评估系统的节域R_P为如下式所示的设备经典域取值范围的并集：

其中，N_P：表示对象为节域。

进一步的，依据配电网设备状态评价导则，将设备状态划分为第四个等级：

正常状态：85＜x≤100；

注意状态：75＜x≤85；

异常状态：60＜x≤75；

严重状态：x≤60,

其中，x：配电主设备指标的量值。

进一步的，所述步骤(S3)评估指标和设备状态间的关联度值的计算包括：

(S3-1)按下式计算“正常状态”的关联度：

(S3-2)按下式计算“注意状态”的关联度：

(S3-3)按下式计算“异常状态”的关联度：

或

(S3-4)按下式计算“严重状态”的关联度：

进一步的，所述步骤(S4)中计算出的指标关联度值用加权平均方式逐层融合，以指标分层空间模型为基础，得出配电主设备整体状态属于各等级的关联度值，选取最大关联度值确定设备健康状态等级。

与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：

1、本发明提供的基于多源信息融合技术的配电主设备健康状态评估方法，主要采用改进关联度函数的物元可拓综合评估法进行信息融合，评估系统等级划分灵活，单个指标的评估结果更加精细化，设备整体评估结果精确具体，计算过程简单，更加适用于安装数量多、安装面积广的配电设备状态评估工作。

2、本发明提供的技术方案采用改进关联度函数的物元可拓评估方法对设备各指标进行评估，并以指标分层空间为结构基础，通过逐层融合，得出设备整体状态的评估结果，同时对传统的关联度函数进行改进，评估结果更符合实际情况。

3、本发明提供的技术方案从设备状态量信息、运行信息、检修记录、环境信息、家族缺陷信息五方面选取评估指标引入三角模糊数的层次分析法为各评估指标分配权重，使每个进行评分的专家都根据自己的判断给出三个轻重程度不同的相对重要度，减少权重分配的主观性。

附图说明

图1为本发明提供的配电主设备健康状态评估流程图；

图2为本发明提供的设备评估指标分成空间模型示意图；

图3为本发明实施例中的10kv配电变压器关联度逐层计算模型。

具体实施方式

以下将结合说明书附图，以具体实施例的方式详细介绍本发明提供的配电主设备健康状态评估方法。

本发明针对现有配电设备健康状态评估技术的不足，提出了一种基于多源信息融合技术的配电主设备健康状态评估方法，从设备状态量信息、运行信息、检修记录、环境信息、家族缺陷信息五方面选取评估指标，采用基于模糊三角数的层次分析法为各指标进行权重分配，采用改进关联度函数的物元可拓评估法实现对10kV配电主设备最终状态归属的判断。

本发明提供的基于多源信息融合技术的10kV配电主设备状态评估方法流程图如图1所示，具体包括：

(一)建立10kV配电主设备状态评估指标体系的分层空间模型。

从设备状态信息、运行信息、检修记录、环境信息、家族缺陷信息五方面选取评估指标，通过分析各指标对设备状态影响的大小，对指标进行分类，建立指标分层空间模型。

(二)：采用半岭模型和经验值对各指标进行归一化处理。

根据指标性质，将其分为定量指标和定性指标。定量指标可以根据数值大小直接判断对应状态的好坏，定性指标则以描述的方式表现状态的好坏。对定量指标采用半岭模型进行归一化处理。半岭模型分为升半岭模型和降半岭模型，分别如下式所示。

其中，a和b分别代表评分阈值；升半岭模型用于数值越大越好的指标以《配网设备状态评价导则》为主要依据，同时参考相关规程、技术规范、实际调研等内容，对各指标的上、下限阈值做出规定。

对于定性指标，依据专家经验进行打分。

(三)：用层次分析法为各指标分配权重。

为了减少权重分配的主观性，将三角模糊数引入层次分析法，使每个进行评分的专家都可以根据自己的判断给出三个轻重程度不同的相对重要度。三角模糊数的定义如下：设论域R上的模糊数M，如果M的隶属度函数u_M:R→[0,1]，如下式所示的形式：

式中，l≤m≤u，l和u分别为M的下、上界值。

m为M的隶属度为1的中值，则一般三角模糊数M可以表示为(l,m,u)。即当x＝m时，x完全属于M。其中，l、m、u分别表示模糊数的最悲观估计、最可能估计和最乐观估计，如当某因素对另一因素的重要程度为3到5倍时，可以表示为(3,4,5)。

采用上述方法建立配电主设备状态指标权重的步骤如下：

(3.1)：构造三角模糊判断矩阵

假设有三个专家参与调研，对两个指标进行比较(如C1对C2的比较)三个人分别得到一个模糊数，为：(l1,m1,u1),(l2,m2,u2),(l3,m3,u3)，取算术平均数，将三个模糊数整合成一个，如下式所示：

(3.2)：计算各个指标的权重

用第k层指标的模糊数矩阵中第i行的所有模糊数之和除以整个k层模糊矩阵中所有模糊数之和，得到指标的初始权重则指标的初始权重值如下式所示：

(3.3)：按下式(6)两两比较所有指标的初始权重，设两个指标的初始权重分别为M1＝(l1,m1,u1)与M2＝(l2,m2,u2)：

且按下式(7)计算初始权重值M_i的去模糊化权重值μ(M_i)：

μ(M_i)＝minv(M_i≥M₁,M₂,…,M_i-1,M_i+1,…,M_n) (7)

(3.4)：认为d＝minv(M≥M_i)为对应于M的去模糊化后的权重，对其进行标准化处理，将所有指标的权重变换到(0,1)区间内，即认为是最终得到的综合权重。

(四)：根据各指标的归一化结果，确定待评估物元；

由实测数据得出各指标的归一化值，作为待评估物元的每个指标对应的取值，如下式所示：

其中，p₀代表待评估对象；c₁、c₂、…、c_n代表待评估对象的各项指标；v₁、v₂、…、v_n代表各指标实测值的归一化结果。

(五)：将评估系统的状态划分为若干等级，对应每个等级建立经典域模型，并建立评估系统的节域模型。

以《配网设备状态评价导则》(Q/GDW-645)为依据，将设备状态划分为4个等级，导则中表60规定分值与状态的关系如下：85分至100分(包含)之间为正常状态；75分至85分(包含)之间为注意状态；60分至75分(包含)之间为异常状态；小于等于60分为严重状态。

各状态描述如下：

正常状态(normal condition)：设备运行数据稳定，所有指标符合标准。

注意状态(attention condition)：设备的几个指标不符合标准，但不影响设备运行。

异常状态(abnormal condition)：设备的几个指标明显异常，已影响设备的性能指标或可能发展成严重状态，仍能继续运行。

严重状态(severe condition)：设备指标严重超出标准或严重异常，设备只能短期运行或立即停役。

物元模型的经典域为：将各个指标对应的取值范围按照一定原则划分成若干等级，各等级对应不同的经典域。如本发明提及的“正常”、“注意”、“异常”、“严重”四个状态等级对应的经典域如下：

其中，R₁、R₂、R₃、R₄分别表示设备状态为“正常”、“注意”、“异常”、“严重”状态评估区间的经典域。其中，I1表示设备的评估指标；<0.85,1>表示对应指标I1属于“正常”状态的取值范围。其他指标及区间代表的含义类似。

在配电主设备状态评估的节域中，各指标的取值范围为4个经典域取值范围的并集，表示为：

(六)：依据上述的经典域和节域模型，建立并改进关联度函数，计算各评估指标与各状态等级之间的关联度值。

关联函数通过计算“距”确定关联度，关联函数能定量地表征设备状态与各种状态等级之间的关系。

传统关联函数的计算，规定实轴上的点x与区间X₀＝<a,b>之间的距如下式所示：

注意，当x属于X₀之内时，距离计算结果为负数(而经典数学认为距离为0)，负数的不同代表在X₀内的不同位置；当x属于X₀之外时，距离计算结果与经典数学相同，均为正值。

设X₀＝(a,b)，X＝(e,d)，且X₀包含于X，则点x关于X₀、X的位置关系如下式所示：

关联函数值的计算公式如下式所示：

也可以写成如下式的形式：

其中，待评估物元i与经典域j之间的距离为：

待评估物元i与节域之间的距离为：

传统关联度函数中，指标与“正常”状态和“异常”状态的关联度值随着得分值的增大先增大后减小，这与实际意义不符，并且与“正常”、“注意”、“异常”、“严重”状态的关联度值域正、负不对称，在后续数据融合过程中会出现正值被淹没的情况。

针对以上两点不足，对传统的关联度函数做出改进，改进的关联度函数如下：

假设某配电主设备的某项指标的量值为x，则与“正常”状态的改进关联度计算公式如下所示：

与“注意”状态的改进关联度计算公式如下所示：

与“异常”状态的改进关联度计算公式如下所示：

与“严重”状态的改进关联度计算公式如下所示：

(七)：以指标分层空间模型为结构基础，将步骤六中计算出的各指标的关联度值采用加权平均的方式逐层进行融合，最终得到设备整体状态属于各等级的关联度值，将关联度值最大的等级作为配电设备最终的评估结果。

据此，完成了对变压器、开关柜、电力电缆及架空线路四类配电主设备的状态评估。

相比传统的层次分析法，本发明用引入三角模糊数的层次分析法为各评估指标分配权重，使每个进行评分的专家都可以根据自己的判断给出三个轻重程度不同的相对重要度，减少权重分配的主观性；采用改进关联度函数的物元可拓评估方法对设备各指标进行评估，并以指标分层空间为结构基础，通过逐层融合，得出设备整体状态的评估结果，同时对传统的关联度函数进行改进，使得评估结果更符合实际情况。

实施例

以某额定电压为10kV、额定容量为315KVA的配电变压器为例，对本发明的技术方案作进一步说明。

步骤1：从多信息来源选取评估指标，建立指标分层空间模型。

从状态量信息、运行信息、检修记录、环境信息、家族缺陷信息几方面选取评估变压器的指标，其中，状态量信息包括：绝缘电阻(I111)、直流电阻(I112)、局放检测值(I113)、红外测温值(I114)和油温(I115)；运行信息包括：电压(I211)和电流(I212)；环境因素包括：环境温度值(I221)、环境湿度值(I222)、污秽度(I223)以及海拔风速等其他方面(I224)、检修记录信息包括同类变压器的检修记录信息(I311)及该变压器的检修记录信息(I312)。

通过对这些指标进行重要性分析，将指标分为：关键指标(I1)、次关键指标(I2)和辅助指标(I3)三类，分类方法如附图2所示，即关键指标包括状态量信息(I11)，次关键指标包括运行信息(I21)和环境信息(I22)，辅助指标包括检修记录(I31)和家族缺陷(I33)。

综上，有：

I1＝{I11}，I2＝{I21,I22}，I3＝{I31,I32}，I11＝{I111,I112,I113,I114,I115}，I21＝{I211,I212}，I22＝{I221,I222,I223,I224}，I31＝{I311,I312}，I32＝{I32}。

步骤2：采用半岭模型和经验值对各指标进行归一化处理。

该变压器的各指标取值及归一化结果分别表1所示：

表1某10kV变压器的指标测量值及归一化结果

步骤3：采用引入三角模糊数的层次分析法为各指标分配权重。

以关键指标、次关键指标、辅助指标的权重分配为例：

步骤3.1：首先构造关键指标(I1)、次关键指标(I2)、辅助指标(I3)的三角模糊判断矩阵，三个专家对他们的三角模糊评估矩阵表2所示：

表2关键指标(I1)、次关键指标(I2)、辅助指标(I3)的初始三角模糊评判矩阵

步骤3.2：将I1对I2的三个比较模糊值整合为一个模糊值：

(3+2+1)/3＝2；(4+3+2)/3＝3；(5+4+3)/3＝4

故，I1比I2值为：(2,3,4)。同理，可得其他几个三角模糊数的合成结果，如表3所示：

表3关键指标(I1)、次关键指标(I2)、辅助指标(I3)的最终三角模糊评判矩阵

	I1	I2	I3
				I1	(1,1,1)	(2,3,4)	(4,5,6)
I2	(0.26,0.36,0.61)	(1,1,1)	(1.67,2.67,5.33)
				I3	(0.17,0.21,0.26)	(0.28,0.36,0.67)	(1,1,1)

步骤3.3：计算关键指标(I1)的初始权重：

同理，计算出次关键指标(I2)、辅助指标(I3)的初始权重：

D_I2＝(0.15,0.28,0.61)

D_I3＝(0.07,0.11,0.17)

步骤3.4：对初始权重去模糊化处理：

对D_I1去模糊化：

v(D_I1≥D_I2)＝1；v(D_I1≥D_I3)＝1；d(I1)＝minv(D_I1≥D_I2,D_I3)＝1

同理，对D_I2和D_I3去模糊化：

d(I2)＝minv(D_I2≥D_I1,D_I3)＝0.43

d(I3)＝minv(D_I3≥D_I1,D_I2)＝0.0012

步骤3.5：将以上权重标准化，得到关键指标(I1)、次关键指标(I2)、辅助指标(I3)的常权重分配结果为：A_l＝(w_I1,w_I2,w_I3)＝(0.699,0.300,0.001)

同理，其他指标的权重分配与步骤3.1至步骤3.5一致，得出该变压器所有指标的权重分配结果如下表4所示：

表4某10kV配电变压器各指标权重分配结果

步骤4：根据各指标的归一化结果，确定待评估物元。

此变压器对应的待评估物元表达式如下：

步骤5：以《配网设备状态评价导则》(Q/GDW-645)为依据，将评估系统的状态划分为“正常”、“注意”、“异常”、“严重”四个等级，对应每个等级建立经典域模型，并建立评估系统的节域模型。

对应四个状态的经典域模型分别如下：

评估系统的节域模型如下：

步骤6：依据步骤5的经典域和节域模型，建立并改进关联度函数，计算各评估指标与各状态等级之间的关联度值。

将该配电变压器各指标的归一化值代入“正常(A)”、“注意(B)”、“异常(C)”、“严重(D)”状态的改进关联度计算公式，得到各指标与各等级的关联度计算结果如下表5所示：

表5某10kV变压器各指标关联度计算结果

步骤7：以指标分层空间模型为基础，将步骤6中计算出的各指标的关联度值采用加权平均的方式逐层进行融合，最终得到设备整体状态属于各等级的关联度值。

融合过程如附图3所示，得到该10kV变压器整体属于各个状态等级的关联度结果如下：

B_l＝(0.544/A,0.343/B,0.111/C,0.002/D)

即与“正常”、“注意”、“异常”、“严重”四个状态等级的关联度分别为0.544、0.343、0.111、0.002，可见，与“正常”状态的关联度最大，故认为该10kV变压器的整体状态为“正常”。

据此，完成了对该10kV配电变压器的状态评估工作。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (10)

1.一种配电主设备健康状态的评估方法，其特征在于，所述方法包括：

(S1)建立表征配电主设备状态的指标分层空间模型；

(S2)建立经典域和节域模型；

(S3)计算指标和设备状态间的关联度值；

(S4)根据关联度值确定配电主设备的健康状态等级。

2.如权利要求1所述的评估方法，其特征在于，所述步骤(S1)指标分层空间模型的建立：将从设备状态信息、运行信息、检修记录、环境信息及家族缺陷信息中选取的评估指标分为关键指标、次关键指标和辅助指标。

3.如权利要求2所述的评估方法，其特征在于，用经验值归一化处理所述分层空间模型中的定性指标，并按下式(1)或(2)所示的升半岭或降半岭模型归一化处理定量指标：

升半岭模型如下式所示：

降半岭模型如下式所示：

其中，a和b：分别为评分阈值。

4.如权利要求3所述的评估方法，其特征在于，所述指标的权重值的分配包括：

(1)构建下式(3)所示的三角模糊判断矩阵：

其中，指标评分的模糊数为(l_r，m_r，u_r)；r：为定性指标评分的专家数量；

(2)按下式(4)确定指标的初始权重值

其中，第k层指标的模糊数矩阵中第i行的所有模糊数之和；j：列数；n：第k层指标的数量；

(3)按下式(5)去模糊化处理指标的初始权重值：

μ(M_i)＝min v(M_i≥M₁,M₂,…,M_i-1,M_i+1,…,M_n) (5)

其中，按下式(6)所示两两比较初始权重值：

式中，指标的初始权重值表示为：M_n＝(l_n,m_n,u_n)；μ(M_i)：初始权重值M_i的去模糊化权重值；

(4)标准化处理去模糊化权重值，使其变换到(0,1)区间内，得到综合权重。

5.如权利要求4所述的评估方法，其特征在于，由实测数据得出各指标的归一化值，作为待评估物元指标的对应值确定待评估物元，如下式所示：

其中，p₀代表待评估对象；c₁、c₂、…、c_n代表待评估对象的各项指标；v₁、v₂、…、v_n代表各指标实测值的归一化结果。

6.如权利要求1所述的评估方法，其特征在于，所述步骤(S2)将指标对应的取值范围划分为与不同的经典域对应的等级，如下式建立所述的经典域模型：

其中，R：各状态等级的经典域；N：表示对象对为经典域；I_n：设备的评估指标；<e,f>：对应指标I_n对应该状态等级的取值范围，<e,f>∈<0,1>。

7.如权利要求1所述的评估方法，其特征在于，所述步骤(S2)评估系统的节域R_P为如下式所示的设备经典域取值范围的并集：

其中，N_P：表示对象为节域；I_n：设备的评估指标。

8.如权利要求6或7所述的评估方法，其特征在于，依据配电网设备状态评价导则，将设备状态划分为第四个等级：

正常状态：85<x≤100；

注意状态：75<x≤85；

异常状态：60<x≤75；

严重状态：x≤60,

其中，x：配电主设备指标的量值。

9.如权利要求1所述的评估方法，其特征在于，所述步骤(S3)评估指标和设备状态间的关联度值的计算包括：

(S3-1)按下式计算“正常状态”的关联度：

(S3-2)按下式计算“注意状态”的关联度：

(S3-3)按下式计算“异常状态”的关联度：

或

(S3-4)按下式计算“严重状态”的关联度：

。

10.如权利要求1所述的评估方法，其特征在于，所述步骤(S4)中计算出的指标关联度值用加权平均方式逐层融合，以指标分层空间模型为基础，得出配电主设备整体状态属于各等级的关联度值，选取最大关联度值确定设备健康状态等级。