CN108053110B - 一种基于pmu数据的变压器状态在线诊断方法 - Google Patents

Abstract

本发明涉及变压器在线检测技术领域，尤其涉及一种基于PMU数据的变压器状态在线诊断方法。首先利用灰预测系统在贫信息，根据过去及现在已知和非确定的信息，通过对原始数据的累加或累减生成建立灰模型，运用时间序列数据来确定微分方程的参数，逐步使灰量白化，并对系统的未来状态做出科学预测，即通过灰色预测模型预测电气设备在未来时刻的各定量指标参数；其次利用改进证据理论进行变压器故障诊断模型建模，结合灰色模型预测的未来时刻定量指标参数，有效地降低了证据冲突率，使得模型更加准确。并构建了变压器状态评估体系，该评估体系由多项指标构成，并针对变压器自身的特点，给出了变压器状态评估的分级策略。

Description

一种基于PMU数据的变压器状态在线诊断方法

技术领域

本发明涉及变压器在线检测技术领域，尤其涉及一种基于PMU数据的变压 器状态在线诊断方法。

背景技术

基于全球定位系统GPS(Global Positioning System)的同步相量测量技术 PMU(Phase Measurement Unit)的出现，形成了广域测量系统WAMS(Wide Area MeasurementSystem)。

基于GPS技术的应用，PMU量测装置相当于有了一个全球的同步时钟，因此 可以直接采集全网的节点电压幅值和相角。同时还可以量测采集电流的相角和 幅值、频率的变化率，重要开关节点的保护动作情况、发电机的功角等等。基 于PMU的广域测量系统能够实现对电力系统动态过程的检测，其测量的数据能 够反应系统的动态行为特征。广域测量系统为电力系统提供了新的测量和监控 手段，能够将测量值通过通信系统实时传输到数据采集器，对数据进行处理后 对电力系统进行运行的动态监测，同时服务于其他更高级的系统功能。

变压器广泛应用在电力系统中，其安全可靠运行对提高电网可靠供电具有 十分重要的意义。准确的状态评估是变压器实现状态维修的基础。目前对于变 压器故障诊断普遍采用检测变压器的油中溶解气体，这种方法具有成本高，时 间长，难于在线实现，诊断算法复杂等缺点。基于PMU量测的全网电气参量， 为变压器的故障识别和评估提供了理论上的可能。

本发明采用电网中已经安装的PMU设备，直接从PMU设备中采集数据，通 过变压器的电气参数等特征量来进行变压器的状态监测。该方法具有运行速度 好，可行性强，并且可以广泛推广的优点。基于PMU数据的变压器设备在线故 障诊断，可以对现场运行的变压器进行实时监控，及时发现预伏故障，能够对 变压器进行状态评估，给出相应的状态结果及相应的检修策略，为目前电力系 统安全稳定运行提供全新技术手段，为变压器故障诊断提出了新思路，也是未 来电力系统发展的一种趋势。

发明内容

本发明就是针对现有技术存在的缺陷，针对变压器故障诊断模型存在的影 响因素复杂、随机性约束、难以准确建模等问题，提供一种基于PMU数据的变 压器状态在线诊断方法，其是一种采用基于多变量灰色预测模型和改进证据理 论的智能算法融合方法。

首先利用灰预测系统在贫信息，根据过去及现在已知和非确定的信息，通 过对原始数据的累加或累减生成建立灰模型，运用时间序列数据来确定微分方 程的参数，逐步使灰量白化，并对系统的未来状态做出科学预测，即通过灰色 预测模型预测电气设备在未来时刻的各定量指标参数；其次利用改进证据理论 进行变压器故障诊断模型建模，结合灰色模型预测的未来时刻定量指标参数， 有效地降低了证据冲突率，使得模型更加准确。并构建了变压器状态评估体系， 该评估体系由不同指标构成，并针对变压器自身的特点，给出了变压器状态评 估的分级策略。

为实现上述目的，本发明采用如下技术方案，包括以下步骤：

步骤1、从电力系统PMU中获得PMU数据，并对所得PMU数据进行处理；

步骤2、对PMU数据进行滤波去噪处理；

步骤3、针对PMU数据对变压器运行特征参数进行提取，建立变压器运行状 态评价指标体系；

步骤4、运用层次-熵权组合权重法计算各个评价指标对于最终评估结果的 影响权重；

步骤5、运用多变量灰色预测模型和改进证据理论的智能算法融合方法建立 变压器在线运行状态评估模型；

步骤6、建立变压器在线状态分级策略并根据评估结果给出电力系统中变压 器的检修策略。

进一步地，所述步骤1中，基于GPS技术的应用，PMU量测装置相当于有了 一个全球的同步时钟，可以直接采集全网的节点电压幅值和相角；同时，相量 量测装置还量测采集电流的相角和幅值、频率的变化率，重要开关节点的保护 动作情况、发电机的功角，将测量值通过通信系统实时传输到数据采集器；在 调度中心可以得到整个电网的同步相量。

进一步地，所述步骤2的对PMU数据进行滤波去噪处理中，(实现PMU数据 的准确性；针对电气设备运行过程中传感器所获得的信息常常具有海量、多源、 高维、非线性和干扰强烈等特点。)。

首先采用小波包分解与EMD结合的信号处理方式；利用小波包分解“数据 显微镜”与降噪的双重功能，将信号重构为高频信号和低频信号两个部分，再 分别对两个划分在窄带内的信号进行EMD分解。(这种新的小波包分解与EMD结 合方式，一方面通过降噪处理提高了EMD分解的精度，另一方面将原信号一分 为二，可以更好地观察信号的细节信息，挖掘并提取更加有效的特征。)

进一步地，所述步骤3中，根据步骤2中PMU所得数据，对变压器运行特 征参量进行在线提取，所述运行特征参量包括：电流、电压、频率、相角、谐 波分量、电阻、温度及湿度八项评估指标。

进一步地，所述步骤4中，根据步骤3得到的电流、电压、频率、相角、 谐波分量、电阻、温度及湿度八项运行特征参量(评估指标)，运用层次-熵权 组合权重法计算各个评价指标对于最终评估结果的影响权重。

进一步地，所述步骤5中，根据步骤4中所得到的八项评估指标，运用多 变量灰色预测模型和改进证据理论的智能算法融合方法建立变压器在线运行状 态评估模型。

进一步地，所述步骤6中，根据步骤5中所得到的变压器运行状态评估结 果，结合实际电网运行要求及变压器自身特点，制定变压器在线状态分级策略； 同时根据变压器在线状态分级策略，给出电力系统中变压器的检修策略。

与现有技术相比本发明有益效果。

1.本发明采用电网中已经安装的PMU设备，直接从PMU设备中采集数据， 无需对目前电网进行任何改造，即可对大量样本数据进行分析计算，大幅度提 高了该方法的实际可操作性，无需对变压器本体安装传感器，大大降低变压器 诊断成本。与传统方法相比更加省时省力，更加有利于在线实现。

2.目前对于PMU数据的利用还不够完善，对于电力设备状态评估和故障诊 断研究处于刚刚开始的阶段，如果能够提出相应的基于PMU设备故障诊断模型， 能够对PMU的后续升级及配置方案进行优化，能够提高电网运行的智能化，符 合建设坚强智能电网重要发展战略，让电网具有“坚强、自愈、互动、兼容、 经济、集成、优化”等特点。

2.本方法更加易于推广应用，可以先针对东北电网目前安装的PMU进行研 究，研究成功之后进行全国范围内推广，满足国家智能电网规划建设要求，具 有十分光明的发展前景。

3.本方法充分考虑了变压器电参数和环境参数对于其运行状态结果的影 响，通过各指标权重的计算，实现评估模型建立的准确性。

附图说明

下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不 仅局限于以下内容的表述。

图1基于PMU数据的变压器智能在线数据采集原理图。

图2是对PMU数据去噪流程图。

图3是本发明变压器运行状态评价指标体系图。

图4是本发明基于PMU数据的变压器智能在线状态评判方法总体流程图。

具体实施方式

如图1-4所示，本发明包括以下步骤：

步骤1、从电力系统PMU中获得PMU数据，并对所得PMU数据进行处理；

步骤2、对PMU数据进行滤波去噪处理；

步骤3、针对PMU数据对变压器运行特征参数进行提取，建立变压器运行状 态评价指标体系；

步骤4、运用层次-熵权组合权重法计算各个评价指标对于最终评估结果的 影响权重；

步骤5、运用多变量灰色预测模型和改进证据理论的智能算法融合方法建立 变压器在线运行状态评估模型；

证据理论状态评估模型；

设Θ为辨识框架，2^Θ为Θ的幂集。如果函数m：2^Θ→[0,1],并满足m(Φ)＝0，

则称m为辨识框架Θ上的基本可信度分配函数，m(A)为证据对A 的基本可信度。若

且m(A)>0则称A为证据的焦元。所有焦元的集合称为 核。设m₁，m₂为两个证据的基本可信度分配函数，则Dempster合成规则为

式中

表示证据之间的冲突程度，其值越大表明证据间的 冲突越强烈。

步骤6、建立变压器在线状态分级策略，分级策略表如下：

表1为变压器分级策略表。

等级	分级策略	靶心度值
			第一级	严重	r5
第二级	异常	r4
			第三级	一般	r3
第四级	正常	r2
			第五级	优秀	r1

并根据评估结果给出电力系统中变压器的检修策略，检修策略表如下：

表2为变压器检修策略表。

分级策略	检修策略
		严重	立即停用检修
异常	有加重趋势，尽快安排检修
		一般	制定检修计划
正常	变压器运行正常
		优秀	无需维修

进一步地，所述步骤1中，基于GPS技术的应用，PMU量测装置相当于有了 一个全球的同步时钟，可以直接采集全网的节点电压幅值和相角；同时，相量 量测装置还可以量测采集电流的相角和幅值、频率的变化率，重要开关节点的 保护动作情况、发电机的功角等等，将测量值通过通信系统实时传输到数据采 集器。在调度中心可以得到整个电网的同步相量。借助PMU优良的动态特性， WAMS系统能够对全网电气量实行高速的动态量测及通讯，原理如图1所示。当 电网中变压器由良好状态过渡到发生故障阶段，其在PMU上测量的数据也会发 生变化，继而对电气量进行处理，能够对变压器状态进行评估，及时给出操作 指令切除故障，并结合系统保护将故障的危害减至最小，以保证电力系统的安 全及可靠运行。

进一步地，所述步骤2的对PMU数据进行滤波去噪处理中，对所获取的PMU 数据的初步处理如图2所示。针对电气设备运行过程中传感器所获得的信息常 常具有海量、多源、高维、非线性和干扰强烈等特点。首先采用小波包分解与 EMD结合的信号处理方式。利用小波包分解“数据显微镜”与降噪的双重功能， 将信号重构为高频信号和低频信号两个部分，再分别对两个划分在窄带内的信 号进行EMD分解。这种新的小波包分解与EMD结合方式，一方面通过降噪处理 提高了EMD分解的精度，另一方面将原信号一分为二，可以更好地观察信号的 细节信息，挖掘并提取更加有效的特征。

进一步地，所述步骤3中，根据步骤2中PMU所得数据，对变压器运行特 征参量进行在线提取，所述运行特征参量包括：电流、电压、频率、相角、谐 波分量、电阻、温度及湿度八项评估指标。根据得到的八项特征参量，建立变 压器在线状态评估指标体系，如图3所示。

进一步地，所述步骤4中，根据步骤3得到的电流、电压、频率、相角、 谐波分量、电阻、温度及湿度八项运行特征参量(评估指标)，运用层次-熵权 组合权重法计算各个评价指标对于最终评估结果的影响权重。

其中，熵权法计算权重；

熵权法是在综合考虑各种因素所提供信息量的基础上，根据各特征量所包 含信息量的大小来进行计算指标权重的数学方法。

熵权法的模型和计算步骤如下：

(1)形成决策矩阵；

设参与评价对象集为M＝(M₁,M₂,…,M_m)，指标集为D＝(D₁,D₂,…,D_m)，评价 对象M_i对指标D_j的值记为x_ij(i＝1,2,…,m；j＝1,2,…,n)，则形成的决策矩阵X为式 (2)所示：

(2)标准化决策矩阵；

对决策矩阵X进行标准化处理，形成标准化矩阵V＝(v_ij)_m×n，将指标分为两类： 效益性指标和成本型指标。

效益型指标：

成本型指标：

式中v_ij为x_ij归一化后的值，max(x_j)和min(x_j)分别为第j个指标的最大值 和最小值。

(3)计算特征比重p_ij；

因为0≤v_ij≤1，所以0≤p_ij≤1。

(4)计算第j项指标的熵值e_j；

当p_ij＝0或者p_ij＝1时，认为p_ijln(p_ij)＝0。

(5)计算第j项指标的差异性系数d_j；

d_j＝1-e_j (7)

(6)确定各指标的熵权

通过上述步骤的推导，即可求出各特征量对应的权重。

(三)层次分析法计算权重；

层次分析法的原理是：针对一个复杂的多准则决策问题，将问题分解为一 些组成因素，按照因素之间的隶属关系形成一个反映因素之间联系的递阶层次 结构，把决策问题转化为最底层(待评价对象或带评价方案)相对于最高层(评 价目标)的相对重要性权重的确定或相对优劣顺序的排序问题。层次分析法能 够很好的将复杂问题中各因素划分成相关联的有序层次，从而变为条理化的多 准则、多目标的决策方法，是一种定性和定量分析相结合的有效方法。层次分 析法的模型和计算步骤如下：

(1)构造专家判断矩阵。

设有n个因素W＝{w₁ w₂ … w_n}对因素Z影响大小，通过采取对因子进行两 两比较建立成比较矩阵B，B＝(w_ij)_m×n，其状态量的标度值为1-9标度法。矩阵B 具有下述三个性质：

1)w_ij>0(i,j＝1,2,…,m)，判断矩阵中每个元素都为正数；

2)wi_j＝1(i,j＝1,2,…,m),判断矩阵中对角线元素为1；

3)w_ij＝1/B_ij(i≠j)，判断矩阵中非对角线元素互为倒数。

通过两两比较的矩阵B：

(2)求解判断矩阵的特征向量和特征值。

接下来的步骤就是，求出判断矩阵B对应于最大特征值λ_max的特征向量W， 正互反矩阵B的最大特征根λ_max必为正实数，其对应特征向量的所有分量均为正 实数。B的其余特征值的模均严格小于λ_max。

(3)一致性检验。

由λ_max是否等于n来检验判断矩阵B是否为一致矩阵。由于特征根连续地依 赖于w_ij，故λ_max比n大得越多，B的非一致性程度也就越严重，λ_max对应的标准 化特征向量也就越不能真实地反映出W＝{w₁ w₂ … w_n}在对因素Z的影响中 所占的比重。因此，对决策者提供的判断矩阵有必要作一次一致性检验，以决 定是否能接受它。

组合权重法通常采用乘法合成的归一化方法，其乘法合成归一化方法计算 公式为式(10)：

式中，q_i为计算后的组合权重，w_i为采用层次分析法确定的权重序列，v_i为 通过熵权法确定的权重序列。但是这种方法存在着使大者更大，小者更小的“倍 增效应”，使得采用该种方法确定权数存在着不合理性。

本发明采用主观权重和客观权重并重的方法，设w_i为第i个指标的主观权重， v_i为第i个指标的客观权重，那么第i个指标的最终权重可以由式(11)确定：

q_i＝α·v_i+(1-α)w_i (11)

α系数的选取十分重要，根据式(11)可得：

1)当α＝1时，组合权重的大小即为熵权法权重的大小，即权重的选取选用 客观权重，这样使得权重选取消除了主观因素的影响。

2)当α＝0时，组合权重的大小为层次分析法权重的大小，即权重的选取选 用主观权重，以专家经验和历史数据为参考，权重的选取消除了客观因素的影 响。

3)对于变压器状态评估的权重选取，主观权重和客观权重的作用都是十分 重要的，那么客观权重和主观权重是并重的，即选用α＝0.5为组合权重系数的 选择，是比较合理的。

进一步地，所述步骤5中，根据步骤4中所得到的八项评估指标，运用多 变量灰色预测模型和改进证据理论的智能算法融合方法建立变压器在线运行状 态评估模型。具体方法如下：

(一)多变量灰预测模型

(1)一次数据累加；

设原始数据有n个变量m组数据{x_i(k)}(k＝1,2,…,m；i＝1,2,…,n)，则其一次累加 生成序列为：

(2)n元一阶微分方程组的建立；

式中，x₁ ⁽¹⁾,x₂ ⁽¹⁾,…,x_n ⁽¹⁾为一阶累加生成数列。式(12)写成矩阵形式，为

其中，

(3)参数向量的计算；

A和B为辨识参数，将式(13)离散化得到

记a_i＝(a_i1,a_i2,…,a_in,b_i)^T,i＝1,2,…,n，通过最小二乘法求向量L辨识值

为：

这里，有

Y_i＝(x_i ⁽⁰⁾(2),x_i ⁽⁰⁾(3),…,x_i ⁽⁰⁾(m))^T,I＝1，2，…,n通过计算即可得

(4)时间响应函数建立；

对式(13)两边左乘积分因子e^-At，得：

对该式积分 得：X⁽¹⁾(t)＝e^At(X⁽¹⁾(0)+A^-1B⁺C)-A^-1B，为求解常数C，假设边界条件为

(X⁽¹⁾(0)＝X⁽¹⁾(1))，显然等式成立条件为t＝0，由此解得常数C＝0, 故灰色MGM(1,n)模型的时间响应函数为：

(5)预测模型的建立；

第一个数据X⁽¹⁾(0)要经过k-1个间隔才到达X⁽⁰⁾(k)，MGM(1,n)的解有

式中，I为单位矩阵，k＝1,2,…,n，

累减还原，得相应量的预测值；

如图4所示，设原始变压器参数为x₁…x₈，经过上述多变量灰色预测模型 预测未来某时段的指标参数为y₁…y₈,将这八个指标参数作为改进证据理论中 的证据。

对这八个变压器参数用前面介绍的层次-熵权组合权重法计算各个评价指 标对于最终评估结果的影响权重，结果设为α₁…α₈，此组合权重将用于对证据 理论进行改正。

将劣化程度划分为优秀、正常、一般、异常和严重5个等级。电气设备的5 个状态等级构成改进证据理论(IET)的识别框架Θ，即Θ＝{r1,r2,r3,r4,r5}。

为了解决冲突证据间信息融合的问题，引入置信度系数以及指标参数的权 重值对原始证据进行修正，以减少冲突性证据为证据合成提供的信息量。设量 化证据y_i'、y_j'之间的相似度y_i′j′，令证据y_i'与其他证据的综合相似度为

式中l为证据的个数，本文中l＝8；构建证据y_i'的冲突因子c₀(i′)，用来量化 证据y_i′与其他证据的冲突程度；

式中：Y_max＝max{Y(i′)|i′＝1,2,…,l}；Y_min＝min{Y(i′)|i′＝1,2,…,l}。令证据y_i'的置信度 系数B(i′)为

通过B(i′)得到的证据y_i'对应等级r_j的改进信度分配值为

m′_i′(r_j)＝m_i′(r_j)B(i′)α_i' (27)

式中m_i'(r_j)为证据y_i'对应等级r_j的原始信度分配值。这里乘以指标参数的权重值，也是为了解决冲突证据间信息融合的问题，以减少冲突性证据为证据合成 提供的信息量。

利用证据合成规则对修正后的证据进行合成，得到修正后的证据对应状态等 级r_j的信度分配值m′⊕(r_j)为：

进一步地，所述步骤6中，根据步骤5中所得到的变压器运行状态评估结 果，结合实际电网运行要求及变压器自身特点，制定变压器在线状态分级策略； 同时根据变压器在线状态分级策略，给出电力系统中变压器的检修策略。参见 表1及表2。

本发明通过电力系统PMU在线提取数据实现变压器运行状态在线评估，基 于PMU数据无需对电力系统进行任何改造。本发明首先采用小波包分解与EMD 结合的信号处理方式。采用基于多变量灰色预测模型和改进证据理论的智能算 法融合方法。通过灰色预测模型预测电气设备在未来时刻的各定量指标参数， 用层次-熵权组合权重法计算各个评价指标对于最终评估结果的影响权重，利用 改进证据理论进行电气设备故障诊断模型建模，结合灰色模型预测的未来时刻 定量指标参数，有效地降低了证据冲突率，使得模型更加准确。并构建了变压 器状态评估体系，给出了状态评估的分级策略和检修策略。

可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受 限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然 可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需 要，都在本发明的保护范围之内。

Claims (1)

1.一种基于PMU数据的变压器状态在线诊断方法，其特征在于，包括以下步骤：

步骤1、从电力系统PMU中获得PMU数据，并对所得PMU数据进行处理；

步骤2、对PMU数据进行滤波去噪处理；

步骤3、针对PMU数据对变压器运行特征参数进行提取，建立变压器运行状态评价指标体系；

步骤4、运用层次-熵权组合权重法计算各个评价指标对于最终评估结果的影响权重；

步骤5、运用多变量灰色预测模型和改进证据理论的智能融合方法建立变压器在线运行状态评估模型；

步骤6、建立变压器在线状态分级策略并根据评估结果给出电力系统中变压器的检修策略；

所述步骤1中，基于GPS技术的应用，PMU量测装置直接采集全网的节点电压幅值和相角、电流的相角和幅值、频率的变化率、重要开关节点的保护动作情况、发电机的功角，将测量值通过通信系统实时传输到数据采集器；在调度中心得到整个电网的同步相量；

所述步骤2的对PMU数据进行滤波去噪处理中，首先采用小波包分解与EMD结合的信号处理方式，将信号重构为高频信号和低频信号两个部分，再分别对两个信号进行EMD分解；

所述步骤3中，根据步骤2中PMU所得数据，对变压器运行特征参数进行在线提取，所述运行特征参数包括：电流、电压、频率、相角、谐波分量、电阻、温度及湿度八项评估指标；

所述步骤4中，根据步骤3得到的电流、电压、频率、相角、谐波分量、电阻、温度及湿度八项运行特征参数，运用层次-熵权组合权重法计算各个评价指标对于最终评估结果的影响权重；即：设w_i为第i个指标的主观权重，v_i为第i个指标的客观权重，那么第i个指标的最终权重q_i由计算式q_i＝α·v_i+(1-α)w_i确定；其中，α为组合权重系数；

1)当α＝1时，组合权重的大小即为熵权法权重的大小，即权重的选取选用客观权重；使得权重选取消除了主观因素的影响；

2)当α＝0时，组合权重的大小为层次分析法权重的大小，即权重的选取选用主观权重；以专家经验和历史数据为参考，权重的选取消除了客观因素的影响；

3)对于变压器状态评估的权重选取，客观权重和主观权重是并重的，即选用α＝0.5为组合权重系数的选择；

所述步骤5中，根据步骤4中所得到的八项评估指标，运用多变量灰色预测模型和改进证据理论的智能融合方法建立变压器在线运行状态评估模型；

对八个变压器参数用层次-熵权组合权重法计算各个评价指标对于最终评估结果的影响权重，结果设为α₁...α₈，此组合权重将用于对证据理论进行改正；

将劣化程度划分为优秀、正常、一般、异常和严重5个等级；电气设备的5个状态等级构成改进证据理论的识别框架Θ，即Θ＝{r1,r2,r3,r4,r5}；

为了解决冲突证据间信息融合的问题，引入置信度系数以及指标参数的权重值对原始证据进行修正，以减少冲突性证据为证据合成提供的信息量；设量化证据y_i'、y_j'之间的相似度y_i′j′，令量化证据y_i'与其他证据的综合相似度为

式中l为证据的个数，l＝8；构建量化证据y_i'的冲突因子c₀(i′)，用来量化证据y_i'与其他证据的冲突程度；

式中：Y_max＝max{Y(i′)|i′＝1,2,…,l}；Y_min＝min{Y(i′)|i′＝1,2,…,l}；令量化证据y_i'的置信度系数B(i′)为

通过B(i′)得到的量化证据y_i'对应等级r_j的改进信度分配值为

m′_i′(r_j)＝m_i′(r_j)B(i′)α_i' (27)

式中m_i'(r_j)为量化证据y_i'对应等级r_j的原始信度分配值；

利用证据合成规则对修正后的证据进行合成，得到修正后的证据对应状态等级r_j的信度分配值

为：

所述步骤6中，根据步骤5中所得到的变压器运行状态评估结果，结合实际电网运行要求及变压器自身特点，制定变压器在线状态分级策略；同时根据变压器在线状态分级策略，给出电力系统中变压器的检修策略。

Images