CN109190080B - 一种电力变压器的健康状况确定方法 - Google Patents

一种电力变压器的健康状况确定方法 Download PDF

Info

Publication number
CN109190080B
CN109190080B CN201810838849.4A CN201810838849A CN109190080B CN 109190080 B CN109190080 B CN 109190080B CN 201810838849 A CN201810838849 A CN 201810838849A CN 109190080 B CN109190080 B CN 109190080B
Authority
CN
China
Prior art keywords
index
formula
value
matrix
max
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
CN201810838849.4A
Other languages
English (en)
Other versions
CN109190080A (zh
Inventor
赵延文
王银忠
李萌
张家瑞
秦朋超
李拥军
张聪聪
高俊峰
孙爱梅
徐金辉
陈月东
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.)
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
State Grid Corp of China SGCC
Original Assignee
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
State Grid Corp of China SGCC
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 Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co, State Grid Corp of China SGCC filed Critical Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority to CN201810838849.4A priority Critical patent/CN109190080B/zh
Publication of CN109190080A publication Critical patent/CN109190080A/zh
Application granted granted Critical
Publication of CN109190080B publication Critical patent/CN109190080B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种电力变压器的健康状况确定方法，通过构建了电力变压器健康状况评估指标体系，以主观权重计算方法层次分析法及客观权重计算方法熵权法的权重分配计算为基础，构建了目标函数；并采用布谷鸟算法对主、客观赋权算法融合的目标函数进行了有效的整合，建立了一种电力变压器健康状况确定装置，提高了评估的准确性与全面性，具有较高的社会和经济效益。

Description

一种电力变压器的健康状况确定方法
技术领域
本发明涉及变压器技术领域，具体涉及一种电力变压器的健康状况确定方法。
背景技术
电力变压器作为电力系统中最为重要的核心设备之一，其运行健康状况对电力系统的影响巨大。根据《2010年国家电网公司变压器类设备专业总结》中的统计分析，截止到2010年，国家电网公司所辖各电压等级的电力变压器中约10％的投运时间已超过15年；《广东电网公司2013年变压器专业工作总结》中统计也显示，截止到2013年，广东电网所辖各电压等级的电力变压器投运时间超过15年的占总台数的近11％。而我国当前电力变压器的投运时间有很多在20～30年之间，因而有相当大一部分电力变压器已经非常接近设计使用年限，需要及时监控、掌握其运行状况。
我国由于工业化开始较晚，建国后设备维修主要靠引入苏联的定期检修制，即按制订的时间周期对设备进行检查维修。以定期检修为基础，我国后来进行了改进和发展，即加入预防性试验，形成了预防性的定期检修制。预防性的定期检修制一般为在定期维修制的设备停运同时对其进行预防性试验，然后根据试验结果对比国家制订的相关标准决定设备的处理方式。
在电力变压器从定期检修制到状态检修制发展的几十年中，相关领域内的众多专家和学者也对电力变压器健康状况评估这个课题进行了长期深入的研究，并取得了较多的研究成果，我国也于2008年颁布实施了相关的标准导则，在电力变压器运行中进行了推广应用。但实际应用中，权重分配一般是由专家给定的，因而具有较大的主观性；当前普遍应用的权重确定方法大多以层次分析法为基础进行。目前实际应用各种新算法或新理论对健康状况进行的评估又不能够全面反映变压器实际运行状况，实际应用价值有待进一步验证。因而急需一种能够全面准确计算电力变压器健康状况的确定方法。
发明内容
本发明为了克服以上技术的不足，提供了一种对电力变压器健康状况的确定结果准确性较好的电力变压器的健康状况确定方法。
本发明克服其技术问题所采用的技术方案是：
一种电力变压器的健康状况确定方法，包括如下步骤：
a)获取电力变压器的原始运行参数并得到电力变压器的指标体系；
b)将对指标体系进行相对劣化度计算，对于越小越优型的指标通过公式f1(i)＝(Ci-Cmin)/(Cmax-Cmin)计算，对于越大越优型的指标通过公式f2(i)＝(Cmax-Ci)/(Cmax-Cmin)计算，式中f1(i)表示越小越优型指标的相对劣化度计算值，f2(i)表示越大越优型指标的相对劣化度计算值，Ci为指标i当前值，Cmax为指标i规定范围的上限阈值，Cmin为指标i规定范围的下限阈值；
c)建立优先关系矩阵M＝(mij)n×n建立优先关系矩阵，式中mij示优先关系矩阵M中的元素，i、j均为整数，且1≤i≤n、1≤j≤n，优先关系矩阵M中元素满足：mij≥0；mij+mji＝1；mii＝0.5；
d)通过公式
Figure GDA0003851205460000021
计算判定的期望值E(mij)，式中k为确定矩阵中mij的专家的人数，根据公式
Figure GDA0003851205460000022
得到期望值E(mij)的最终判定值aij；
e)通过公式
Figure GDA0003851205460000023
对最终判定值aij求和计算，式中fi表示矩阵中第i行的和，fj表示矩阵中第j行的和，通过公式计算
Figure GDA0003851205460000024
进行行和行的变换值fij，通过公式
Figure GDA0003851205460000031
计算出模糊一致矩阵F；
f)根据公式
Figure GDA0003851205460000032
计算模糊一致矩阵F中每行元素的和hi，根据公式
Figure GDA0003851205460000033
计算模糊一致矩阵F中元素的总和，式中hi表示指标i相对于总指标的重要程度，通过公式
Figure GDA0003851205460000034
对hi进行归一化处理，得到各指标元素对应的权重分配，式中ωi为权重分配中第i个元素的权重值，通过公式W＝(ω1,ω2,...,ωn)T；计算指标的初始权重分配值W；
g)通过公式E＝(eij)n×n将模糊一致矩阵F转化为互反型矩阵E，其中
Figure GDA0003851205460000035
令V0＝(v01,v02,...,v0n)T＝W＝(ω1,ω2,...,ωn)T，V0作为初始权重分配值W的迭代初始值，通过迭代公式Vk+1＝E*Vk计算迭代值Vk+1，式中Vk为初始权重分配，其与V0相等，Vk+1的绝对值最大分量为max(Vk+1)，Vk的绝对值最大分量为max(Vk)，如max(Vk+1)-max(Vk)＜ε，ε≤0.001，则将max(Vk+1)作为主特征值λmax，通过公式
Figure GDA0003851205460000041
对Vk+1进行归一化处理，得到最终权重向量分配D，如果max(Vk+1)-max(Vk)≥ε则通过公式
Figure GDA0003851205460000042
计算Vk，使新计算的Vk作为新的初始量，再次进行迭代；
h)建立指标体系中评价对象对应的指标值的矩阵R，其中
Figure GDA0003851205460000043
式中rij为指标值矩阵中的元素，对指标的原始数据进行无量纲化处理，记R中每列的最优值为
Figure GDA0003851205460000044
当j指越大越优型指标时
Figure GDA0003851205460000045
取此列中的最大值，即
Figure GDA0003851205460000046
当j指越小越优型指标时
Figure GDA0003851205460000047
取此列中的最小值，即
Figure GDA0003851205460000048
通过S＝(sij)m×n建立原始数据无量纲化后的矩阵S，当j指越大越优型指标时，sij的计算公式为
Figure GDA0003851205460000049
当j指越小越优型指标时，sij的计算公式为
Figure GDA00038512054600000410
通过公式
Figure GDA00038512054600000411
对矩阵S进行归一化处理，得到归一化的sij′，式中，
Figure GDA00038512054600000413
表示矩阵S中所有元素值的和；sij′∈[0,1]；
i)通过公式
Figure GDA0003851205460000051
计算第j个指标的熵Hj，其中
Figure GDA0003851205460000052
通过公式αi＝1-Hj(j＝1,2,...,n)计算第j个指标的差异系数αi，通过公式
Figure GDA0003851205460000053
计算第j个指标的熵权ωj，式中αj为第j个指标的差异系数，通过公式
Figure GDA0003851205460000054
计算各评价对象的评价值X，xi为第i个对象的评价值；
j)通过公式λ＝α*λ1+(1-α)*λ2计算权重融合值λ，其中λ1为层次分析法计算所得权重分配，λ2为熵权法计算所得权重分配，α表示分配系数，0＜α＜1，通过公式
Figure GDA0003851205460000055
构造目标函数minF，
Figure GDA0003851205460000056
式中λ(i)为第i个总体权重分配，λ1(i)为第i个层次分析法计算得到的权重分配，λ2(i)为第i个熵权法计算得到的权重分配；
k)通过公式x＝(x1,...,xd)T构建目标函数x，种群初始化，产生n个巢xi(i＝1,2,...,n)，如果目标函数x未达到最大迭代次数或者终止条件时，通过公式
Figure GDA0003851205460000057
进行局部搜索，得到下一步寻优取值
Figure GDA0003851205460000061
其中xj t和xk t为随机的两个解，
Figure GDA0003851205460000062
表示原始取值，H为赫维赛德函数，ε为随机数，s1为步长，b表示步长缩放因子，Pα表示发现概率，其取值为0.25，
Figure GDA0003851205460000063
表示乘法通过公式xi t+1＝xi t+b*L(s1,λ)运算全局搜索，其中L(s1,λ)＝λ*Γ(λ)*sin(πλ/2)/(π*s1 1+λ)，b表示步长缩放因子，b＞0，如果目标函数x达到最大迭代次数或者终止条件时，输出当前的最优解。
优选的，步骤a)中的指标体系包括铁芯、绕组、有载分接开关、冷却系统、测温装置、绝缘油、储油柜、压力释放阀、气体继电器、套管。
优选的，指标体系中的铁芯包括：铁芯接地电流、铁芯松动程度；绕组包括：绝缘电阻、极化指数、泄漏电流、介质损耗角正切、绕组直流电阻、绕组变形度；绝缘油包括：微水含量、油介损、氢气含量、乙炔含量、总烃含量；套管包括：套管对地末屏介损、套管电容量变化率、套管末屏对地绝缘电阻、套管油中气体(C2H2、H2)含量。
本发明的有益效果是：通过构建了电力变压器健康状况评估指标体系，以主观权重计算方法层次分析法及客观权重计算方法熵权法的权重分配计算为基础，构建了目标函数；并采用布谷鸟算法对主、客观赋权算法融合的目标函数进行了有效的整合，建立了一种电力变压器健康状况确定装置，提高了评估的准确性与全面性，具有较高的社会和经济效益。
附图说明
图1为本发明的变压器健康状况评估流程图；
图2为本发明的层次分析法计算流程图；
图3为本发明的熵权法计算流程图；
图4为本发明的布谷鸟算法整合权重分配流程图；
具体实施方式
下面结合附图1对本发明做进一步说明。
一种电力变压器的健康状况确定方法，包括如下步骤：
a)获取电力变压器的原始运行参数并得到电力变压器的指标体系。
b)将对指标体系进行相对劣化度计算，对于越小越优型的指标通过公式f1(i)＝(Ci-Cmin)/(Cmax-Cmin)计算，对于越大越优型的指标通过公式f2(i)＝(Cmax-Ci)/(Cmax-Cmin)计算，式中f1(i)表示越小越优型指标的相对劣化度计算值，f2(i)表示越大越优型指标的相对劣化度计算值，Ci为指标i当前值，Cmax为指标i规定范围的上限阈值，Cmin为指标i规定范围的下限阈值。
c)建立优先关系矩阵M＝(mij)n×n建立优先关系矩阵，式中mij示优先关系矩阵M中的元素，i、j均为整数，且1≤i≤n、1≤j≤n，优先关系矩阵M中元素满足：mij≥0；mij+mji＝1；mii＝0.5；三标度法量化表如下表所示：
Figure GDA0003851205460000071
d)通过公式
Figure GDA0003851205460000072
计算判定的期望值E(mij)，式中k为确定矩阵中mij的专家的人数，假设有k(k≥2)位专家基于三标度法对mij进行判定为：mij 1，mij 2，...，mij k，根据公式
Figure GDA0003851205460000073
得到期望值E(mij)的最终判定值aij。
e)通过公式
Figure GDA0003851205460000074
对最终判定值aij求和计算，式中fi表示矩阵中第i行的和，fj表示矩阵中第j行的和，通过公式计算
Figure GDA0003851205460000081
进行行和行的变换值fij，通过公式
Figure GDA0003851205460000082
计算出模糊一致矩阵F。
f)根据公式
Figure GDA0003851205460000083
计算模糊一致矩阵F中每行元素的和hi，根据公式
Figure GDA0003851205460000084
计算模糊一致矩阵F中元素的总和，式中hi表示指标i相对于总指标的重要程度，通过公式
Figure GDA0003851205460000085
对hi进行归一化处理，得到各指标元素对应的权重分配，式中ωi为权重分配中第i个元素的权重值，通过公式W＝(ω1,ω2,...,ωn)T；计算指标的初始权重分配值W。
g)通过公式E＝(eij)n×n将模糊一致矩阵F转化为互反型矩阵E，其中
Figure GDA0003851205460000086
令V0＝(v01,v02,...,v0n)T＝W＝(ω1,ω2,...,ωn)T，V0作为初始权重分配值W的迭代初始值，通过迭代公式Vk+1＝E*Vk计算迭代值Vk+1，式中Vk为初始权重分配，其与V0相等，Vk+1的绝对值最大分量为max(Vk+1)，Vk的绝对值最大分量为max(Vk)，如max(Vk+1)-max(Vk)＜ε，ε≤0.001，则将max(Vk+1)作为主特征值λmax，通过公式
Figure GDA0003851205460000091
对Vk+1进行归一化处理，得到最终权重向量分配D，如果max(Vk+1)-max(Vk)≥ε则通过公式
Figure GDA0003851205460000092
计算Vk，使新计算的Vk作为新的初始量，再次进行迭代。
h)建立指标体系中评价对象对应的指标值的矩阵R，其中
Figure GDA0003851205460000093
式中rij为指标值矩阵中的元素，对指标的原始数据进行无量纲化处理，记R中每列的最优值为
Figure GDA0003851205460000094
当j指越大越优型指标时
Figure GDA0003851205460000095
取此列中的最大值，即
Figure GDA0003851205460000096
当j指越小越优型指标时
Figure GDA0003851205460000097
取此列中的最小值，即
Figure GDA0003851205460000098
通过S＝(sij)m×n建立原始数据无量纲化后的矩阵S，当j指越大越优型指标时，sij的计算公式为
Figure GDA0003851205460000099
当j指越小越优型指标时，sij的计算公式为
Figure GDA00038512054600000910
通过公式
Figure GDA00038512054600000911
对矩阵S进行归一化处理，得到归一化的sij′，式中，
Figure GDA0003851205460000101
表示矩阵S中所有元素值的和；sij′∈[0,1]，不破坏数据间的比例关系。
i)通过公式
Figure GDA0003851205460000102
计算第j个指标的熵Hj，其中
Figure GDA0003851205460000103
通过公式αi＝1-Hj(j＝1,2,...,n)计算第j个指标的差异系数αi，通过公式
Figure GDA0003851205460000104
计算第j个指标的熵权ωj，式中αj为第j个指标的差异系数，通过公式
Figure GDA0003851205460000105
计算各评价对象的评价值X，xi为第i个对象的评价值，xi越大，表明第i个对象越优。
j)通过公式λ＝α*λ1+(1-α)*λ2计算权重融合值λ，其中λ1为层次分析法计算所得权重分配，λ2为熵权法计算所得权重分配，α表示分配系数，0＜α＜1，通过公式
Figure GDA0003851205460000106
构造目标函数minF，
Figure GDA0003851205460000107
式中λ(i)为第i个总体权重分配，λ1(i)为第i个层次分析法计算得到的权重分配，λ2(i)为第i个熵权法计算得到的权重分配。
k)利用布谷鸟算法寻优，具体如下：通过公式x＝(x1,...,xd)T构建目标函数x，种群初始化，产生n个巢xi(i＝1,2,...,n)，如果目标函数x未达到最大迭代次数或者终止条件时，通过公式
Figure GDA0003851205460000111
进行局部搜索，得到下一步寻优取值
Figure GDA0003851205460000112
其中xj t和xk t为随机的两个解，
Figure GDA0003851205460000113
表示原始取值，H为赫维赛德函数，ε为随机数，s1为步长，b表示步长缩放因子，Pα表示发现概率，其取值为0.25，
Figure GDA0003851205460000114
表示乘法通过公式xi t+1＝xi t+b*L(s1,λ)运算全局搜索，其中L(s1,λ)＝λ*Γ(λ)*sin(πλ/2)/(π*s1 1+λ)，b表示步长缩放因子，b＞0，如果目标函数x达到最大迭代次数或者终止条件时，输出当前的最优解。通过构建了电力变压器健康状况评估指标体系，以主观权重计算方法层次分析法及客观权重计算方法熵权法的权重分配计算为基础，构建了目标函数；并采用布谷鸟算法对主、客观赋权算法融合的目标函数进行了有效的整合，建立了一种电力变压器健康状况确定装置，提高了评估的准确性与全面性，具有较高的社会和经济效益。
优选的，步骤a)中的指标体系包括铁芯、绕组、有载分接开关、冷却系统、测温装置、绝缘油、储油柜、压力释放阀、气体继电器、套管。
优选的，指标体系中的铁芯包括：铁芯接地电流、铁芯松动程度；绕组包括：绝缘电阻、极化指数、泄漏电流、介质损耗角正切、绕组直流电阻、绕组变形度；绝缘油包括：微水含量、油介损、氢气含量、乙炔含量、总烃含量；套管包括：套管对地末屏介损、套管电容量变化率、套管末屏对地绝缘电阻、套管油中气体(C2H2、H2)含量。

Claims (3)

1.一种电力变压器的健康状况确定方法，其特征在于，包括如下步骤：
a)获取电力变压器的原始运行参数并得到电力变压器的指标体系；
b)将对指标体系进行相对劣化度计算，对于越小越优型的指标通过公式f1(i)＝(Ci-Cmin)/(Cmax-Cmin)计算，对于越大越优型的指标通过公式f2(i)＝(Cmax-Ci)/(Cmax-Cmin)计算，式中f1(i)表示越小越优型指标的相对劣化度计算值，f2(i)表示越大越优型指标的相对劣化度计算值，Ci为指标i当前值，Cmax为指标i规定范围的上限阈值，Cmin为指标i规定范围的下限阈值；
c)建立优先关系矩阵M＝(mij)n×n建立优先关系矩阵，式中mij示优先关系矩阵M中的元素，i、j均为整数，且1≤i≤n、1≤j≤n，优先关系矩阵M中元素满足：mij≥0；mij+mji＝1；mii＝0.5；
d)通过公式
Figure FDA0003851205450000011
计算判定的期望值E(mij)，式中k为确定矩阵中mij的专家的人数，根据公式
Figure FDA0003851205450000012
得到期望值E(mij)的最终判定值aij；
e)通过公式
Figure FDA0003851205450000013
对最终判定值aij求和计算，式中fi表示矩阵中第i行的和，fj表示矩阵中第j行的和，通过公式计算
Figure FDA0003851205450000014
进行行和行的变换值fij，通过公式
Figure FDA0003851205450000021
计算出模糊一致矩阵F；
f)根据公式
Figure FDA0003851205450000022
计算模糊一致矩阵F中每行元素的和hi，根据公式
Figure FDA0003851205450000023
计算模糊一致矩阵F中元素的总和，式中hi表示指标i相对于总指标的重要程度，通过公式
Figure FDA0003851205450000024
对hi进行归一化处理，得到各指标元素对应的权重分配，式中ωi为权重分配中第i个元素的权重值，通过公式W＝(ω1,ω2,...,ωn)T；计算指标的初始权重分配值W；
g)通过公式E＝(eij)n×n将模糊一致矩阵F转化为互反型矩阵E，其中
Figure FDA0003851205450000025
令V0＝(v01,v02,...,v0n)T＝W＝(ω1,ω2,...,ωn)T，V0作为初始权重分配值W的迭代初始值，通过迭代公式Vk+1＝E*Vk计算迭代值Vk+1，式中Vk为初始权重分配，其与V0相等，Vk+1的绝对值最大分量为max(Vk+1)，Vk的绝对值最大分量为max(Vk)，如max(Vk+1)-max(Vk)＜ε，ε≤0.001，则将max(Vk+1)作为主特征值λmax，通过公式
Figure FDA0003851205450000031
对Vk+1进行归一化处理，得到最终权重向量分配D，如果max(Vk+1)-max(Vk)≥ε则通过公式
Figure FDA0003851205450000032
计算Vk，使新计算的Vk作为新的初始量，再次进行迭代；
h)建立指标体系中评价对象对应的指标值的矩阵R，其中
Figure FDA0003851205450000033
式中rij为指标值矩阵中的元素，对指标的原始数据进行无量纲化处理，记R中每列的最优值为
Figure FDA0003851205450000034
当j指越大越优型指标时
Figure FDA0003851205450000035
取此列中的最大值，即
Figure FDA0003851205450000036
当j指越小越优型指标时
Figure FDA0003851205450000037
取此列中的最小值，即
Figure FDA0003851205450000038
通过S＝(sij)m×n建立原始数据无量纲化后的矩阵S，当j指越大越优型指标时，sij的计算公式为
Figure FDA0003851205450000039
当j指越小越优型指标时，sij的计算公式为
Figure FDA00038512054500000310
通过公式
Figure FDA00038512054500000311
对矩阵S进行归一化处理，得到归一化的sij'，式中，
Figure FDA00038512054500000312
表示矩阵S中所有元素值的和；sij'∈[0,1]；
i)通过公式
Figure FDA0003851205450000041
计算第j个指标的熵Hj，其中
Figure FDA0003851205450000042
通过公式αi＝1-Hj(j＝1,2,...,n)计算第j个指标的差异系数αi，通过公式
Figure FDA0003851205450000043
计算第j个指标的熵权ωj，式中αj为第j个指标的差异系数，通过公式
Figure FDA0003851205450000044
计算各评价对象的评价值X，xi为第i个对象的评价值；
j)通过公式λ＝α*λ1+(1-α)*λ2计算权重融合值λ，其中λ1为层次分析法计算所得权重分配，λ2为熵权法计算所得权重分配，α表示分配系数，0＜α＜1，通过公式
Figure FDA0003851205450000045
构造目标函数minF，
Figure FDA0003851205450000046
式中λ(i)为第i个总体权重分配，λ1(i)为第i个层次分析法计算得到的权重分配，λ2(i)为第i个熵权法计算得到的权重分配；
k)通过公式x＝(x1,...,xd)T构建目标函数x，种群初始化，产生n个巢xi(i＝1,2,...,n)，如果目标函数x未达到最大迭代次数或者终止条件时，通过公式
Figure FDA0003851205450000047
进行局部搜索，得到下一步寻优取值
Figure FDA0003851205450000051
其中xj t和xk t为随机的两个解，
Figure FDA0003851205450000052
表示原始取值，H为赫维赛德函数，ε为随机数，s1为步长，b表示步长缩放因子，Pα表示发现概率，其取值为0.25，
Figure FDA0003851205450000053
表示乘法通过公式xi t+1＝xi t+b*L(s1,λ)运算全局搜索，其中L(s1,λ)＝λ*Γ(λ)*sin(πλ/2)/(π*s1 1+λ)，b表示步长缩放因子，b＞0，如果目标函数x达到最大迭代次数或者终止条件时，输出当前的最优解。
2.根据权利要求1所述的电力变压器的健康状况确定方法，其特征在于：步骤a)中的指标体系包括铁芯、绕组、有载分接开关、冷却系统、测温装置、绝缘油、储油柜、压力释放阀、气体继电器、套管。
3.根据权利要求2所述的电力变压器的健康状况确定方法，其特征在于：指标体系中的铁芯包括：铁芯接地电流、铁芯松动程度；绕组包括：绝缘电阻、极化指数、泄漏电流、介质损耗角正切、绕组直流电阻、绕组变形度；绝缘油包括：微水含量、油介损、氢气含量、乙炔含量、总烃含量；套管包括：套管对地末屏介损、套管电容量变化率、套管末屏对地绝缘电阻、套管油中气体C2H2、H2含量。
CN201810838849.4A 2018-07-27 2018-07-27 一种电力变压器的健康状况确定方法 Active CN109190080B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810838849.4A CN109190080B (zh) 2018-07-27 2018-07-27 一种电力变压器的健康状况确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810838849.4A CN109190080B (zh) 2018-07-27 2018-07-27 一种电力变压器的健康状况确定方法

Publications (2)

Publication Number Publication Date
CN109190080A CN109190080A (zh) 2019-01-11
CN109190080B true CN109190080B (zh) 2022-10-25

Family

ID=64937147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810838849.4A Active CN109190080B (zh) 2018-07-27 2018-07-27 一种电力变压器的健康状况确定方法

Country Status (1)

Country Link
CN (1) CN109190080B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257265A (zh) * 2020-10-22 2021-01-22 国网河北省电力有限公司石家庄供电分公司 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104936186A (zh) * 2015-07-21 2015-09-23 桂林电子科技大学 基于布谷鸟搜索算法的认知无线电网络频谱分配方法
CN105353255A (zh) * 2015-11-27 2016-02-24 南京邮电大学 一种基于神经网络的变压器故障诊断方法
CN106295880A (zh) * 2016-08-10 2017-01-04 广东工业大学 一种电力系统多目标无功优化的方法及系统
CN106549826A (zh) * 2016-10-20 2017-03-29 国网安徽省电力公司电力科学研究院 智能变电站交换机网络性能测试评估方法
CN107070704A (zh) * 2017-03-22 2017-08-18 东南大学 一种基于QoS的可信Web服务组合优化方法
CN107153869A (zh) * 2017-03-29 2017-09-12 南昌大学 一种基于布谷鸟搜索优化神经网络的变压器故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104936186A (zh) * 2015-07-21 2015-09-23 桂林电子科技大学 基于布谷鸟搜索算法的认知无线电网络频谱分配方法
CN105353255A (zh) * 2015-11-27 2016-02-24 南京邮电大学 一种基于神经网络的变压器故障诊断方法
CN106295880A (zh) * 2016-08-10 2017-01-04 广东工业大学 一种电力系统多目标无功优化的方法及系统
CN106549826A (zh) * 2016-10-20 2017-03-29 国网安徽省电力公司电力科学研究院 智能变电站交换机网络性能测试评估方法
CN107070704A (zh) * 2017-03-22 2017-08-18 东南大学 一种基于QoS的可信Web服务组合优化方法
CN107153869A (zh) * 2017-03-29 2017-09-12 南昌大学 一种基于布谷鸟搜索优化神经网络的变压器故障诊断方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
750kV变压器的健康状态评估;何曦;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20180215;全文 *
Attribute weighted Naive Bayes for remote sensing image classification based on cuckoo search algorithm;Juan Yang;《2017 International Conference on Security, Pattern Analysis, and Cybernetics (SPAC)》;20180301;全文 *
Entropy method for determination of weight of evaluating indicators in fuzzy synthetic;ZOU Zhi-hong;《Journal of Environmental Sciences》;20060930;全文 *
Transformer fault diagnosis based on back-propagation neural network optimized by cuckoo search algorithm;Yan Wang;《2017 3rd IEEE International Conference on Control Science and Systems Engineering (ICCSSE)》;20171030;全文 *
基于信息融合的预装式变电站健康状态评估;苗红霞;《电力系统保护与控制》;20170716;全文 *
基于布谷鸟算法和支持向量机的变压器故障诊断;薛浩然;《电力系统保护与控制》;20150416;全文 *
基于模糊层次分析法的变压器状态评估;张晶晶;《电力系统保护与控制》;20170201;全文 *
基于组合赋权的变压器状态模糊综合评估模型及其专家系统;贾卫军;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20110515;全文 *

Also Published As

Publication number Publication date
CN109190080A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN108090556B (zh) 一种配电变压器热评估方法
CN109299551A (zh) 一种电力变压器状态评估方法
CN104914327A (zh) 基于实时监测信息的变压器故障检修预测方法
Jin-qiang Fault prediction of a transformer bushing based on entropy weight TOPSIS and gray theory
CN103617371A (zh) 一种基于灰色理论的电能质量综合评估方法
CN106126944B (zh) 一种电力变压器顶层油温区间预测方法及系统
CN107463993A (zh) 基于互信息‑核主成分分析‑Elman网络的中长期径流预报方法
CN112163371A (zh) 一种变压器套管状态评估方法
CN115271238A (zh) 一种变压器的寿命预测方法及装置
CN112257265A (zh) 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法
CN111401657A (zh) 一种基于数据挖掘算法的变压器热点温度时序预测方法
CN104376207A (zh) 一种配电网交流输电损耗计算与参数估计方法
CN111062500A (zh) 一种基于离散模糊数和层次分析法的电力设备评价方法
CN109190080B (zh) 一种电力变压器的健康状况确定方法
CN110705908A (zh) 一种基于组合赋权法的县域配电网评价方法
CN109711687B (zh) 一种基于改进熵值法的绝缘子状态模糊评估方法
CN114862229A (zh) 电能质量评估方法、装置、计算机设备和存储介质
CN104732107B (zh) 以介质参数为评估参量的变压器套管剩余寿命预测方法
Luo et al. Prediction for dissolved gas in power transformer oil based on TCN and GCN
CN111275292A (zh) 一种基于模糊层次分析法的接地网状态评估方法
CN109918612B (zh) 一种基于稀疏学习的台区拓扑结构校验方法
CN115221731A (zh) 基于数据融合和Wiener模型的变压器寿命评估方法
CN113011103B (zh) 一种多维信息融合的电力变压器寿命预测模型
CN113077124B (zh) 一种电网逾龄设备技改后剩余可使用年限的评估方法
Peerzada et al. On estimation of equipment failures in electric distribution systems using bayesian inference

Legal Events

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