CN109299551A - 一种电力变压器状态评估方法 - Google Patents

Abstract

一种电力变压器状态评估方法，通过以下步骤对变压器进行评估：选取评估参量，建立电力变压器评估参量体系并采集相关参量数据；采用古林法计算各参量间的相对重要度，进而得出各参量的权重；建立评语集；最终通过云模型判断出电力变压器所处的状态等级。本发明应用于电力变压器状态评估技术领域，改善现有变压器状态评估方法计算复杂、无法兼顾模糊性与随机性的不足，提高变压器评估的准确性与客观性，评估计算简便，结论主客观结合，兼顾模糊性与随机性，评估结果更为准确，保障电力变压器的可靠运行。

Description

一种电力变压器状态评估方法

技术领域

本发明涉及电力设备状态评估技术领域，具体涉及一种采用古林法和云模型的电力变压 器状态评估方法。

背景技术

近年来，国内外多次发生大型的电力事故，引起了人们对于电力系统安全运行的重视， 而变压器作为电力系统的关键性设备，对于其状态的准确评估就显得尤为重要。CN106295240A公开了一种基于模糊数学的电力变压器状态评估方法，基于模数数学理论处理变压器的试验数据，在特定条件下获得可靠的状态评估系统，但是没有考虑故障随机性的 情况；CN106908674A公开了一种基于多状态量预测的变压器状态评估方法，选取好变压器 的主要故障状态量，能够对变压器的大量状态信息进行综合分析，发现及预测变压器潜伏性 故障，但是计算复杂。现有变压器状态评估方法计算复杂、无法兼顾模糊性与随机性。因此 极其有必要采取一些新的变压器状态评估方法，改善现有评估方法的某些缺陷和问题。

发明内容

本发明要解决的技术问题是，针对现有变压器状态评估方法计算复杂、无法兼顾模糊性 与随机性的不足，提供一种电力变压器状态评估方法，提高变压器评估的准确性与客观性， 兼顾模糊性与随机性，保障电力变压器的可靠运行。

本发明为解决上述技术问题所采用的技术方案是：

一种电力变压器状态评估方法，包括以下步骤：

(1)选取评估参量，建立电力变压器评估参量体系并采集参量数据；

(2)采用古林法计算各参量间的相对重要度，进而得出各参量的权重；

(3)建立评语集；

(4)通过云模型判断出电力变压器所处的状态等级。

按上述方案，所述步骤(1)中电力变压器评估参量体系包括目标层、因素层和参量层， 目标层为变压器状态；因素层有油色谱分析、电气试验、油化试验3项；参量层有氢气含量、 乙炔含量、总烃含量、甲烷含量、吸收比、极化系数、绕组介损、铁芯泄漏电流、击穿电压、 油中微水、油介损、糠醛含量12项。

按上述方案，所述步骤(2)的具体方法如下：

21)假设有n个评估参量，将某层中的参量{a_i},i＝1,2,…,n依照重要性递减的顺序排 列为{a_i},i＝1,2,…,n；

22)顺序重排之后，再比较参量之间的重要性大小，并量化表示，设参量与的相 对重要性用对应参量的权重w_i与w_i-1表示，则评估参量的重要度R_i如下：

w_i-1＝R_i-1×w_i，i＝2,…,n；

23)基准化处理R_i，处理后得到L_i，设定最末尾的评估参量L_n为基准，且令L_n＝1，由尾至首计算出前面评估参量经过处理后的数值，方法如下：

24)将处理过的L_i，i＝1,2,…,n叠加，然后用L_i除以叠加的总和，算出各评估参量的归 一化权重，归一化的权重计算方法如下：

按上述方案，所述步骤(3)的具体实现方法如下：

31)依据建立的变压器评估参量体系，建立各层次的评估参量：U＝{U₁,U₂,…,U_n}表 示目标层参量，U_i表示目标层参量U的第i个参量：U_i＝{U_i1,U_i2,…,U_in}即因素层参量，U_ij表示因素层参量U_i的第j个参量，其中，i＝1,2,…,n_f，n_f为因素层参量个数， j＝1,2,…,n_p，n_p为参量层参量个数；

32)建立评语集S为{正常，注意，异常，严重}，设定评语集S处于区间[0,1]，定性评语的期望E_xi及熵值E_ni的表达式为：

其中，i＝1,2,…,n，期望E_xi为空间中最能代表这个定性概念的点，熵值E_ni用来衡量定 性概念的模糊度和概率，c_max＝max{E_x1,E_x2,…,E_xn}，c_min＝min{E_x1,E_x2,…,E_xn}。

按上述方案，所述步骤(4)的具体实现方法如下：

41)建立定量参量的云模型

对于定量的评估参量，建立参量在变压器评估参量体系中的云模型，方法如下：

其中，i∈[1,n]；

42)建立定性参量的云模型

对于定性的评估参量，参考历史运行数据，通过专家打分建立云模型，方法如下：

E'_n＝E_n1+E_n2+…+E_nn

43)计算综合云的云重心向量

体系中的每个评估参量对应一个云模型，因此，n个评估参量对应n个云模型，当评估 参量发生变化的时候，综合云也随即发生变化，导致云重心的位置发生变化，n维云模型的 重心通过一个n维的综合云重心向量T来表示：

T＝(T₁,T₂,…,T_n)＝a×b^T

其中，T_i＝a_i×b_i,i＝1,2,…,n，a表示云重心的位置向量，b表示云重心的高度向量(也 表示各参量权重值)，a_i表示第i个评估参量的云模型的位置向量，b_i表示第i个评估参量的 云模型的高度向量，即通过步骤(2)得出的评估参量的归一化权重；当评估参量发生变化时， 综合云的云重心变成了T'：

T'＝(T₁',T₂',…,T_n')

44)求取偏离度

设理想状态下，n维云重心的位置向量a＝(E_x1 ⁰,E_x2 ⁰,…,E_xn ⁰)，高度向量 b＝(b₁,b₂,…,b_n)，因而得到理想状态下的综合云重心向量T⁰＝a×b^T＝(T₁ ⁰,T₂ ⁰,…,T_n ⁰)， 归一化处理云重心向量，得到归一化后的云重心向量T^g：

T^g＝(T₁ ^g,T₂ ^g,…,T_n ^g)

加权偏离度θ通过以下公式得到：

综合偏离度θ'为：

其中，θ'为上级层次(目标层)的偏离度，θ_i为下级层次(因素层)的偏离度；

45)确定评估结果

根据综合偏离度的计算结果对应变压器评估参量体系中评语集的评估等级区间，判断电 力变压器所处的状态等级。

本发明的有益效果是：本发明采用古林法和云计算对电力变压器状态评估，改善现有变 压器状态评估方法计算复杂、无法兼顾事物不确定性中模糊性及随机性的不足，提升了评估 的客观性，降低了主观干扰，计算量较小，准确度高，减少资源浪费；本发明建立了分层评 估参量体系，为电力变压器绝缘状态检修提供了一种新方法。

附图说明

图1是本发明电力变压器状态评估方法流程图。

具体实施方式

根据技术方案，对本发明的具体实施方式进一步详细说明。

参照图1所示，本发明一种电力变压器状态评估方法，包含以下步骤：

(1)选取评估参量，建立电力变压器评估参量体系并采集相关数据，具体步骤如下：

本发明中所述电力变压器评估参量体系如表1所示，它包括目标层、因素层和参量层三 层。目标层为变压器状态；因素层有油色谱分析、电气试验、油化试验3项；参量层有氢气 含量、乙炔含量、总烃含量、甲烷含量、吸收比、极化系数、绕组介损、铁芯泄漏电流、击穿电压、油中微水、油介损、糠醛含量12项。

表1变压器评估参量体系

(2)采用古林法计算各参量间的相对重要度，进而得出各参量的权重，具体方法如下：

21)假设有n个评估参量，将某层中的参量{a_i},i＝1,2,…,n依照重要性递减的顺序排 列为{a_i},i＝1,2,…,n；

22)顺序重排之后，再比较参量之间的重要性大小，并量化表示，若参量与的相对 重要性用其权重w_i与w_i-1表示，则评估参量的重要度R_i如下：

w_i-1＝R_i-1×w_i，i＝2,…,n；

本发明方法是倒序计算权重，所以用i的重要程度计算i-1的重要程度；

23)基准化处理R_i，处理后得到L_i，设定最末尾的评估参量L_n为基准，且令L_n＝1，由尾至首计算出前面评估参量经过处理后的数值，方法如下：

24)将处理过的L_i，i＝1,2,…,n叠加，然后用L_i除以叠加的总和，算出各评估参量的归 一化权重，归一化的权重计算方法如下：

(3)建立评语集，具体实现方法如下：

31)依据建立的变压器评估参量体系，建立各层次的评估参量：U＝{U₁,U₂,…,U_n}表 示目标层参量，U_i表示目标层参量U的第i个参量：U_i＝{U_i1,U_i2,…,U_in}即因素层参量，U_ij表示因素层参量U_i的第j个参量，其中，i＝1,2,…,n_f，n_f为因素层参量个数， j＝1,2,…,n_p，n_p为参量层参量个数；

32)建立评语集S为{正常，注意，异常，严重}，设定评语集S处于区间[0,1]，定性评语的期望E_xi及熵值E_ni的表达式为：

其中，i＝1,2,…,n，期望E_xi为空间中最能代表这个定性概念的点，熵值E_ni用来衡量定 性概念的模糊度和概率，c_max＝max{E_x1,E_x2,…,E_xn}，c_min＝min{E_x1,E_x2,…,E_xn}。

(4)通过云模型判断出电力变压器所处的状态等级，具体实现方法如下：

41)建立定量参量的云模型

对于定量的评估参量(E_x、E_n)，建立参量在变压器评估参量体系中的云模型，方法如 下：

其中，E_xi表示各参量的数值，i∈[1,n]；

42)建立定性参量的云模型

对于定性的评估参量(E'_x、E'_n)，参考历史运行数据，通过专家打分建立云模型，方法 如下：

E'_n＝E_n1+E_n2+…+E_nn

43)计算综合云的云重心向量

体系中的每个评估参量对应一个云模型，因此，n个评估参量对应n个云模型，当评估 参量发生变化的时候，综合云也随即发生变化，导致云重心的位置发生变化，n维云模型的 重心通过一个n维的综合云重心向量T来表示：

T＝(T₁,T₂,…,T_n)＝a×b

其中，T_i＝a_i×b_i,i＝1,2,…,n，a表示云重心的位置向量，b表示云重心的高度向量， 即通过步骤(2)得出的评估参量的归一化权重；当评估参量发生变化时，综合云的云重心变 成了T'：

T'＝(T₁',T₂',…,T_n')

44)求取偏离度

设理想状态下，n维云重心的位置向量a＝(E_x1 ⁰,E_x2 ⁰,…,E_xn)⁰，高度向量 b＝(b₁,b₂,…,b_n)，因而得到理想状态下的综合云重心向量T⁰＝a×b^T＝(T₁ ⁰,T₂ ⁰,…,T_n ⁰)， 归一化处理云重心向量，得到归一化后的云重心向量T^g：

T^g＝(T₁ ^g,T₂ ^g,…,T_n ^g)

加权偏离度θ通过以下公式得到：

综合偏离度θ'为：

其中，θ'为上级层次(目标层)的偏离度，θ_i为下级层次(因素层)的偏离度；

45)确定评估结果

根据综合偏离度的计算结果对应变压器评估参量体系中评语集的评估等级区间，判断电 力变压器所处的状态等级。

实例分析

以某变电站一台220kV主变压器为例进行分析，采集了1个月内共计4组的相关参量， 再进行归一化处理，处理过的参量值如表2所示。

表2归一化的评估参量值

根据表2评估参量数据通过步骤(2)计算得到评估参量的归一化权重，如表3所示；

表3评估参量归一化权重，即云重心的高度向量b(各参量权重)

通过步骤(3)计算得出评估参量期望和熵值结果如表4所示，建立的评语集如表5所示。

表4评估参量期望及熵值，即云重心的位置向量a

表5评语集(定性评语的数值区间)

根据表3、表4可以得到综合云重心向量T为

T＝(1.330,0.090,2.184,0.018,0.094,0.063,0.027,1.223,14.460,0.012,3.674,0.295)^T

理想状态下的综合云重心向量T⁰为

T⁰＝(1.039,0.134,3.360,0.015,0.113,0.079,0.048,0.913,20.957,0.016,4.536,0.404)^T

实施例中θ表达为一个12*1的向量，向量中每个数为每个参量的偏离度，为了方便，将 12个参量的偏离度放在了一个向量中表示，进而可得出各参量的加权偏离度θ为

θ＝(0.28,0.33,0.35,0.21,0.17,0.20,0.44,0.34,0.31,0.25,0.19,0.27)

最终得出综合偏离度θ'为

θ'＝0.188

由此，根据综合偏离度的计算结果对应表5可以判断该220kV主变压器处于正常状态， 并且偏向于注意状态，因此，应加强对该台变压器的监测。

显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方 式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形 式的变化或变动。而这些属于本发明的精神所引伸出的显而易见的变化或变动仍处于本发明 的保护范围之中。

Claims (5)

1.一种电力变压器状态评估方法，其特征在于，包括以下步骤：

(1)选取评估参量，建立电力变压器评估参量体系并采集参量数据；

(2)采用古林法计算各参量间的相对重要度，进而得出各参量的权重；

(3)建立评语集；

(4)通过云模型判断出电力变压器所处的状态等级。

2.根据权利要求1所述的电力变压器状态评估方法，其特征在于，所述步骤(1)中电力变压器评估参量体系包括目标层、因素层和参量层，目标层为变压器状态；因素层有油色谱分析、电气试验、油化试验3项；参量层有氢气含量、乙炔含量、总烃含量、甲烷含量、吸收比、极化系数、绕组介损、铁芯泄漏电流、击穿电压、油中微水、油介损、糠醛含量12项。

3.根据权利要求1所述的电力变压器状态评估方法，其特征在于，所述步骤(2)的具体方法如下：

21)假设有n个评估参量，将某层中的参量{a_i},i＝1,2,…,n依照重要性递减的顺序排列为{a_i},i＝1,2,…,n；

22)顺序重排之后，再比较参量之间的重要性大小，并量化表示，设参量与的相对重要性用对应参量的权重w_i与w_i-1表示，则评估参量的重要度R_i如下：

w_i-1＝R_i-1×w_i，i＝2,…,n；

23)基准化处理R_i，处理后得到L_i，设定最末尾的评估参量L_n为基准，且令L_n＝1，由尾至首计算出前面评估参量经过处理后的数值，方法如下：

24)将处理过的L_i，i＝1,2,…,n叠加，然后用L_i除以叠加的总和，算出各评估参量的归一化权重，归一化的权重计算方法如下：

4.根据权利要求3所述的电力变压器状态评估方法，其特征在于，所述步骤(3)的具体实现方法如下：

31)依据建立的变压器评估参量体系，建立各层次的评估参量：U＝{U₁,U₂,…,U_n}表示目标层参量，U_i表示目标层参量U的第i个参量：U_i＝{U_i1,U_i2,…,U_in}即因素层参量，U_ij表示因素层参量U_i的第j个参量，其中，i＝1,2,…,n_f，n_f为因素层参量个数，j＝1,2,…,n_p，n_p为参量层参量个数；

32)建立评语集S为{正常，注意，异常，严重}，设定评语集S处于区间[0,1]，定性评语的期望E_xi及熵值E_ni的表达式为：

其中，i＝1,2,…,n，期望E_xi为空间中最能代表这个定性概念的点，熵值E_ni用来衡量定性概念的模糊度和概率，c_max＝max{E_x1,E_x2,…,E_xn}，c_min＝min{E_x1,E_x2,…,E_xn}。

5.根据权利要求4所述的电力变压器状态评估方法，其特征在于，所述步骤(4)的具体实现方法如下：

41)建立定量参量的云模型

对于定量的评估参量，建立参量在变压器评估参量体系中的云模型，方法如下：

其中，i∈[1,n]；

42)建立定性参量的云模型

对于定性的评估参量，参考历史运行数据，通过专家打分建立云模型，方法如下：

E'_n＝E_n1+E_n2+…+E_nn

43)计算综合云的云重心向量

体系中的每个评估参量对应一个云模型，因此，n个评估参量对应n个云模型，当评估参量发生变化的时候，综合云也随即发生变化，导致云重心的位置发生变化，n维云模型的重心通过一个n维的综合云重心向量T来表示：

T＝(T₁,T₂,…,T_n)＝a×b^T

其中，T_i＝a_i×b_i,i＝1,2,…,n，a表示云重心的位置向量，b表示云重心的高度向量，a_i表示第i个评估参量的云模型的位置向量，b_i表示第i个评估参量的云模型的高度向量，即通过步骤(2)得出的评估参量的归一化权重；当评估参量发生变化时，综合云的云重心变成了T'：

T'＝(T₁',T₂',…,T_n')

44)求取偏离度

设理想状态下，n维云重心的位置向量a＝(E_x1 ⁰,E_x2 ⁰,…,E_xn ⁰)，高度向量b＝(b₁,b₂,…,b_n)，因而得到理想状态下的综合云重心向量T⁰＝a×b^T＝(T₁ ⁰,T₂ ⁰,…,T_n ⁰)，归一化处理云重心向量，得到归一化后的云重心向量T^g：

T^g＝(T₁ ^g,T₂ ^g,…,T_n ^g)

加权偏离度θ通过以下公式得到：

综合偏离度θ'为：

其中，θ'为上级层次的偏离度，θ_i为下级层次的偏离度；

45)确定评估结果

根据综合偏离度的计算结果对应变压器评估参量体系中评语集的评估等级区间，判断电力变压器所处的状态等级。