CN108170645A - 基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法 - Google Patents

Abstract

本发明公开了一种基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，包括：确定故障诊断层次结构，构建故障状态集B，构建特征参量集C，提取待检测交流无间隙金属氧化物避雷器的特征参量，获得特征参量的灵敏系数；构建特征参量隶属度矩阵R；确定对所有状态各参量所占的权重，构建权重矩阵W；占比w_i计算，判断矩阵B_ij能够定量描述各故障状态的严重程度，然后选取矩阵每一行的最大值B_imax，即为每一种故障状态的最大可能性，其中故障状态评价程度最严重的即为交流无间隙金属氧化物避雷器的故障状态评价结果。该方法解决常规方法无法有效甄别出故障类型，容易产生误判的问题，更加直观的反应特征参量与典型状态的变化规律。

Description

基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法

技术领域

本发明涉及电气工程领域，特别是一种基于数学分析的基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法。

背景技术

金属氧化物避雷器(Metal Oxide Arrester，简称MOA)是一种利用自身阻抗的极度非线性通过吸收过电压能量、抑制两端电压升高从而保护电力设备免受瞬时过电压危害，又能及时截断续流，恢复高阻状态的电器装置。与传统的碳化硅阀式避雷器相比，MOA除有优良的非线性V-A特性外，还具有残压低、通流能力大、无续流等优点；在工作电压下，具有持久的抗老化能力；且动作无延迟，结构简单，体积小，重量轻，具有防潮、防爆、防污自洁、运行可靠等特点。

尽管MOA具有很多优点，但投入运行后，由于所处环境、承受的运行负荷不同、生产配方工艺和参数选择不同，其运行特性会出现各种各样的变化。长期的现场运行经验表明：对于无间隙避雷器，由于长期承受工频运行电压和随机的暂态冲击负荷、大气环境等因素的作用，会引起MOA的阻性泄漏电流增加和功耗加剧，导致电阻片温度升高直至热崩溃，或由于性能劣化导致损坏而引发电网事故

目前随着特高压工程的推进，MOA制造技术不断提高，特性明显改善，这使得MOA状态检测得到的特征参量变化规律有所不同。而且特征参量在各状态下的灵敏度不一致，目前的判定方法仍缺乏系统的状态对应判据，导致状态判定方法的有效性和正确性较差，易引起误判。

发明内容

本发明旨在通过试验研究提取MOA在各外部因素和典型状态下特征参量的变化规律，以期提出各状态的有效判定方法，这对于维持电力系统的安全稳定运行具有重大意义。

本发明是通过下述技术方案来实现的。

基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，按如下步骤进行：

步骤1、确定故障诊断层次结构，构建故障状态集B，包括温度、表面状态、内部受潮状态及劣化状态四种状态的相关描述；

构建特征参量集C，包括直流1mA参考电压U_DC、直流泄漏电流I_0.75、持续运行电压下的阻性基波电流I_R1以及阻性三次谐波电流I_R3四种参数的相关描述；

步骤2、提取待检测交流无间隙金属氧化物避雷器的特征参量，获得特征参量的灵敏系数

步骤2.1提取主要特征参量为步骤1中特征参量集C包括的直流1mA参考电压U_DC、直流泄漏电流I_0.75、持续运行电压下的阻性基波电流I_R1以及阻性三次谐波电流I_R3四种特征参量；

步骤2.2通过公式计算各特征参量的灵敏系数；

步骤2.3将每一种状态下的特征参量变化率进行归一化处理，即将变化最明显的主要表征参量灵敏度定为1.00，其余参量根据此系数比例进行归一化；

步骤3、构建特征参量隶属度矩阵R

步骤3.1确定三种模糊隶属函数的函数形式，得到隶属度矩阵R

步骤3.2将步骤2中归一化的特征参量的灵敏系数分别作为x₁、x₂、x₃、x₄带入步骤3.1中的隶属函数，得到检测交流无间隙金属氧化物避雷器的隶属度矩阵R；

步骤4、确定对所有状态各参量所占的权重，构建权重矩阵W；将每个特征参量在每一故障状态下的占比w_i进行计算，并使得

步骤5、通过故障状态的判断矩阵B＝WR，得到故障状态评价

在得到参量隶属度矩阵R和权重矩阵W后，可得到故障判断矩阵B＝WR；判断矩阵B_ij＝{b_i1,b_i2,b_i3,b_i4,b_i5}能够定量描述各故障状态的严重程度，然后选取矩阵每一行的最大值B_imax＝max{b_i1,b_i2,b_i3,b_i4,b_i5}，即为每一种故障状态的最大可能性，其中故障状态评价程度最严重的即为交流无间隙金属氧化物避雷器的故障状态评价结果。

进一步，所述步骤1按如下过程进行：

步骤1.1定义故障状态的评价

构建故障状态集B＝{b_i1,b_i2,b_i3,b_i4,b_i5}

其中，温度状态的评价定义为{b₁₁,b₁₂,b₁₃,b₁₄,b₁₅}，b₁₁表示常温，b₁₂表示为轻度高温，b₁₃表示中度高温，b₁₄表示严重高温，b₁₅表示温度极高；

表面状态的评价定义为{b₂₁,b₂₂,b₂₃,b₂₄,b₂₅}，b₂₁为表面洁净，b₂₂为轻度污秽，b₂₃为中度污秽，b₂₄为严重污秽，b₂₅为污秽极其严重；

内部受潮状态的评价定义为{b₃₁,b₃₂,b₃₃,b₃₄,b₃₅}，b₃₁为未受潮，b₃₂为轻度受潮，b₃₃为中度受潮，b₃₄为严重受潮，b₃₅为受潮极其严重；

劣化状态的评价定义为{b₄₁,b₄₂,b₄₃,b₄₄,b₄₅}，b₄₁为未劣化，b₄₂为轻度劣化，b₄₃为中度劣化，b₄₄为严重劣化，b₄₅为劣化极其严重；

步骤1.2定义状态参量的特征参量集：

构建状态参量的特征参量集C＝{c₁,c₂,c ₃,c₄},

其中c₁表示直流1mA参考电压U_DC，c₂表示直流泄漏电流I_0.75，c₃表示阻性基波电流I_R1，c₄表示三次谐波电流I_R3。

进一步，所述步骤2中，计算各特征参量的灵敏系数如下：

式中：A为状态特征参量的变化率或幅值，S为DL/T 596中规定的相应参数的判据阈值(变化率或幅值)。

进一步于，所述步骤3中，确定三种形式模糊隶属函数，分别为偏小型、中间型及偏大

型；

式中，a、b、c为隶属函数参数。

进一步，所述交流无间隙金属氧化物避雷器的隶属度矩阵R如下：

其中，γ₁(x)为偏小型模糊隶属函数，γ₂(x)、γ₃(x)、γ₄(x)分别为三种不同变化中间型模糊隶属函数，γ₅(x)为偏大型模糊隶属函数。

进一步，所述步骤4中，特征参量集C对故障状态集B的权重矩阵为：

其中，w₁₁、w₁₂、w₁₃、w₁₄分别表示温度状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比；

w₂₁、w₂₂、w₂₃、w₂₄分别表示表面污秽状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比；

w₃₁、w₃₂、w₃₃、w₃₄分别表示受潮状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比；

w₄₁、w₄₂、w₄₃、w₄₄分别表示裂化状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比。

与已有技术相比，本发明有益效果体现在：

1.本发明通过采用模糊矩阵描述特征参量和状态的发生类型，用隶属函数表示意义的数量化，描述差异的过渡特性，更为有效准确的定量判断故障类型与故障程度。解决常规方法在外界因素影响较大时，部分情况下检测得出的参量变化波动较大，无法有效甄别出故障类型，容易产生误判的问题。

2.本发明通过灵敏系数反映特征参量对于某一状态的灵敏度，更加直观的反应特征参量与典型状态的变化规律。

附图说明

图1为本发明的法流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明，但并不作为对本发明做任何限制的依据。

如图1所示，本实例中，利用模糊矩阵模型作状态判定，通过描述特征参量变化程度的模糊隶属关系以及对不同故障状态的权重进行矩阵计算，得到相应的模糊判断矩阵，从而定量获得各个故障状态的评价结果，具体包括以下步骤

步骤1、确定故障诊断层次结构，构建故障状态集B与特征参量集C；

将判定模型分成两层，第一层的为故障状态集B，包括温度、表面状态、内部受潮及劣化状态四种状态；

第二层的因素集为特征参量集C，包括直流1mA参考电压U_DC、0.75倍直流参考电压下的直流泄漏电流I_0.75、持续运行电压下的阻性基波电流I_R1以及三次谐波电流I_R3四种参数。

步骤1.1定义故障状态的评价

构建故障状态集B＝{b_i1,b_i2,b_i3,b_i4,b_i5}

其中，温度状态的评价定义为{b₁₁,b₁₂,b₁₃,b₁₄,b₁₅}，b₁₁表示常温，b₁₂表示为轻度高温，b₁₃表示中度高温，b₁₄表示严重高温，b₁₅表示温度极高；

表面状态的评价定义为{b₂₁,b₂₂,b₂₃,b₂₄,b₂₅}，b₂₁为表面洁净，b₂₂为轻度污秽，b₂₃为中度污秽，b₂₄为严重污秽，b₂₅为污秽极其严重；

内部受潮状态的评价定义为{b₃₁,b₃₂,b₃₃,b₃₄,b₃₅}，b₃₁为未受潮，b₃₂为轻度受潮，b₃₃为中度受潮，b₃₄为严重受潮，b₃₅为受潮极其严重；

劣化状态的评价定义为{b₄₁,b₄₂,b₄₃,b₄₄,b₄₅}，b₄₁为未劣化，b₄₂为轻度劣化，b₄₃为中度劣化，b₄₄为严重劣化，b₄₅为劣化极其严重；

步骤1.2定义状态参量的隶属度：

构建状态参量的特征参量集C＝{c₁,c₂,c ₃,c₄},

其中c₁表示直流1mA参考电压U_DC，c₂表示直流泄漏电流I_0.75，c₃表示阻性基波电流I_R1，c₄表示三次谐波电流I_R3。

步骤2、提取待检测MOA的特征参量，获得特征参量的灵敏系数

步骤2.1提取主要参量为步骤1中特征参量集C包括的直流参考电压、直流泄漏电流、交流阻性基波电流及阻性三次谐波电流四种特征参量。

其中，直流1mA参考电压U_DC和0.75倍直流参考电压下的直流泄漏电流I_0.75可在直流试验平台获得，持续运行电压下的阻性基波电流I_R1以及三次谐波电流I_R3在工频试验平台获得。

步骤2.2通过公式(1)计算各特征参量的灵敏系数

式中：A为状态特征参量的变化率或幅值，S为DL/T 596中规定的相应参数的判据阈值(变化率或幅值)。

步骤2.3将每一种状态下的特征参量变化率进行归一化处理即将变化最明显的主要表征参量灵敏度定为1.00，其余参量根据此系数比例进行归一化。

步骤3、构建参量隶属度矩阵R；

步骤3.1确定隶属函数。

随着环境变化较大、受潮或者劣化时，参数特性呈明显的非线性变化，因此根据这些变化特征确定了的模糊隶属函数三种形式，分别为偏小型、中间型及偏大型。

偏小型隶属函数

中间型隶属函数

偏大型隶属函数

式中，a、b、c为隶属函数参数。

将正常、变化较小、变化一般、变化较大和变化极大五种变化程度分别对应隶属函数γ₁(x)、γ₂(x)、γ₃(x)、γ₄(x)和γ₅(x)，通过进行不同程度的故障状态实验，对实验数据进行模糊聚类分析，最终确定a、b、c三个参数,得到隶属度矩阵R。相应的隶属函数参数如表1所示。

表1特征参量集的隶属度参数

得到隶属度矩阵R

步骤3.2将步骤2中归一化的特征参量的灵敏系数分别作为x₁、x₂、x₃、x₄带入步骤3.1中的隶属函数，得到检测MOA的隶属度矩阵R。

步骤4、确定对所有状态各参量所占的权重，构建权重矩阵W；

构建特征参量集C对故障状态集B的权重矩阵W，需要首先构建各参量的模糊一致判断矩阵，这是各特征参量C_i对于每一个故障状态B_i的的相对重要性的判断。根据各特征参量灵敏系数的大小比例，将每个特征参量在每一故障状态下的占比w_i进行计算，并使得

不同状态下各特征参量灵敏系数的占比如表2所示。

表2不同状态下特征参量的灵敏系数占比

由表2可直接得到特征参量集C对故障状态集B的权重矩阵为

步骤5、通过故障状态的判断矩阵B＝WR，得到故障状态评价。

在得到参量隶属度矩阵R和权重矩阵W后，可得到故障判断矩阵B＝WR。判断矩阵B_ij＝{b_i1,b_i2,b_i3,b_i4,b_i5}能够定量描述各故障状态的严重程度，然后选取矩阵每一行的最大值B_imax＝max{b_i1,b_i2,b_i3,b_i4,b_i5}，即为每一种故障状态的最大可能性，其中故障状态评价程度最严重的即为MOA的故障状态评价结果。

为验证模糊矩阵综合判断模型的有效性，选取两组特征参量的检测数据进行验证，分别为表3中高温80℃环境下和MOA局部严重劣化时的特征参量的灵敏系数。

表3不同状态下特征参量的灵敏系数

首先确定这两组参量变化的隶属度矩阵。根据表3得到温度80℃时隶属度矩阵为：

MOA局部严重劣化时隶属度矩阵为：

则通过权重矩阵与隶属度矩阵相乘，即B＝WR

计算得到故障判断矩阵分别为：

因此故障状态评价结果为：

(1)第一组数据为MOA在高温80℃环境下的特征参量，B_1max为b₁₅隶属于温度极高状态，B_2max为b₂₄隶属于外表面严重污秽，B_3max为b₃₄隶属于MOA严重受潮故障，B_4max为b₄₄隶属于MOA严重劣化。对比可知，B_1max故障评价程度最高，为温度极高状态。因此确定故障状态评价结果为MOA处于温度极高状态，符合实际情况，验证了模糊矩阵判断模型的有效性。

(2)第二组数据为MOA部分劣化时的特征参量，B_1max为b₁₂隶属于温度稍高，B_2max为b₂₂隶属于外表面轻度污秽，B_3max为b₃₂隶属于MOA轻度受潮故障，B_4max为b₄₄隶属于MOA严重劣化。对比可知，B_4max故障评价程度最高，为MOA严重劣化故障。因此确定故障状态评价结果为MOA严重劣化故障，符合实际情况，验证了模糊矩阵判断模型的有效性。

本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims (6)

1.基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，其特征在于，按如下步骤进行：

步骤1、确定故障诊断层次结构，构建故障状态集B，包括温度、表面状态、内部受潮状态及劣化状态四种状态的相关描述；

构建特征参量集C，包括直流1mA参考电压U_DC、直流泄漏电流I_0.75、持续运行电压下的阻性基波电流I_R1以及阻性三次谐波电流I_R3四种参数的相关描述；

步骤2、提取待检测交流无间隙金属氧化物避雷器的特征参量，获得特征参量的灵敏系数

步骤2.1提取主要特征参量为步骤1中特征参量集C包括的直流1mA参考电压U_DC、直流泄漏电流I_0.75、持续运行电压下的阻性基波电流I_R1以及阻性三次谐波电流I_R3四种特征参量；

步骤2.2通过公式计算各特征参量的灵敏系数；

步骤2.3将每一种状态下的特征参量变化率进行归一化处理，即将变化最明显的主要表征参量灵敏度定为1.00，其余参量根据此系数比例进行归一化；

步骤3、构建特征参量隶属度矩阵R

步骤3.1确定三种模糊隶属函数的函数形式，得到隶属度矩阵R

步骤3.2将步骤2中归一化的特征参量的灵敏系数分别作为x₁、x₂、x₃、x₄带入步骤3.1中的隶属函数，得到检测交流无间隙金属氧化物避雷器的隶属度矩阵R；

步骤4、确定对所有状态各参量所占的权重，构建权重矩阵W；将每个特征参量在每一故障状态下的占比w_i进行计算，并使得

步骤5、通过故障状态的判断矩阵B＝WR，得到故障状态评价

在得到参量隶属度矩阵R和权重矩阵W后，可得到故障判断矩阵B＝WR；判断矩阵B_ij＝{b_i1,b_i2,b_i3,b_i4,b_i5}能够定量描述各故障状态的严重程度，然后选取矩阵每一行的最大值B_imax＝max{b_i1,b_i2,b_i3,b_i4,b_i5}，即为每一种故障状态的最大可能性，其中故障状态评价程度最严重的即为交流无间隙金属氧化物避雷器的故障状态评价结果。

2.根据权利要求1所述的基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，其特征在于，所述步骤1按如下过程进行：

步骤1.1定义故障状态的评价

构建故障状态集B＝{b_i1,b_i2,b_i3,b_i4,b_i5}

其中，温度状态的评价定义为{b₁₁,b₁₂,b₁₃,b₁₄,b₁₅}，b₁₁表示常温，b₁₂表示为轻度高温，b₁₃表示中度高温，b₁₄表示严重高温，b₁₅表示温度极高；

表面状态的评价定义为{b₂₁,b₂₂,b₂₃,b₂₄,b₂₅}，b₂₁为表面洁净，b₂₂为轻度污秽，b₂₃为中度污秽，b₂₄为严重污秽，b₂₅为污秽极其严重；

内部受潮状态的评价定义为{b₃₁,b₃₂,b₃₃,b₃₄,b₃₅}，b₃₁为未受潮，b₃₂为轻度受潮，b₃₃为中度受潮，b₃₄为严重受潮，b₃₅为受潮极其严重；

劣化状态的评价定义为{b₄₁,b₄₂,b₄₃,b₄₄,b₄₅}，b₄₁为未劣化，b₄₂为轻度劣化，b₄₃为中度劣化，b₄₄为严重劣化，b₄₅为劣化极其严重；

步骤1.2定义状态参量的特征参量集：

构建状态参量的特征参量集C＝{c₁,c₂,c₃,c₄},

其中c₁表示直流1mA参考电压U_DC，c₂表示直流泄漏电流I_0.75，c₃表示阻性基波电流I_R1，c₄表示三次谐波电流I_R3。

3.根据权利要求1所述的基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，其特征在于，所述步骤2中，计算各特征参量的灵敏系数如下：

式中：A为状态特征参量的变化率或幅值，S为DL/T 596中规定的相应参数的判据阈值，即变化率或幅值。

4.根据权利要求1所述的基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，其特征在于，所述步骤3中，确定三种形式模糊隶属函数，分别为偏小型、中间型及偏大型；

式中，a、b、c为隶属函数参数。

5.根据权利要求1所述的基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，其特征在于，所述交流无间隙金属氧化物避雷器的隶属度矩阵R如下：

其中，γ₁(x)为偏小型模糊隶属函数，γ₂(x)、γ₃(x)、γ₄(x)分别为三种不同变化中间型模糊隶属函数，γ₅(x)为偏大型模糊隶属函数。

6.根据权利要求1所述的基于模糊矩阵的交流无间隙金属氧化物避雷器状态判定方法，其特征在于，所述步骤4中，特征参量集C对故障状态集B的权重矩阵为：

其中，w₁₁、w₁₂、w₁₃、w₁₄分别表示温度状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比；

w₂₁、w₂₂、w₂₃、w₂₄分别表示表面污秽状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比；

w₃₁、w₃₂、w₃₃、w₃₄分别表示受潮状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比；

w₄₁、w₄₂、w₄₃、w₄₄分别表示裂化状态下直流1mA参考电压U_DC、直流泄漏电流I_0.75、阻性基波电流I_R1、三次谐波电流I_R3的灵敏系数的占比。