CN109636110A - 一种获取继电保护装置运行状态的方法及装置 - Google Patents

Abstract

本发明提供一种获取继电保护装置运行状态的方法，包括：获取待评价继电保护装置的指定运行时段，确定所述待评价继电保护装置在所述指定运行时段内的状态量数据和统计量数据；确定状态量数据对应的状态量评分和统计量数据对应的统计量评分；综合状态量评分和统计量评分，得到所述指定运行时段内待评价继电保护装置的综合评分；利用预先确定的区间云隶属度模型，确定所述待评价继电保护装置的综合评分对应的多区间隶属度进行多区间隶属度描述，以确定待评价继电保护装置的运行状态。本发明提供的方法可以全面、客观地确定待评价继电保护装置的运行状态，准确性更高。

Description

一种获取继电保护装置运行状态的方法及装置

技术领域

本发明涉及继电保护技术领域，并且更具体地，涉及一种获取继电保护装置运行状态的方法及装置。

背景技术

我国于1992左右在电力领域提出状态检修的概念，到2005年左右发展为状态评估技术并开始大规模推广，其核心就是状态评价技术。

目前对保护系统进行状态评估的研究集中于评价指标、评价方法、指标权重计算和隶属度模型中的某一块来展开存在以下问题：评价指标未考虑继电保护装置的内部结构和功能差别、未考虑指标数据获取与应用；指标的评分方法混乱；指标的权重存在主观性过强或不考虑主观性等问题；隶属度模型的选取缺少公认的准则等。

基于上述原因，目前的电力系统继电保护状态评价工作存在评价结果不准确和可用性差的问题。

发明内容

为克服上述问题，本发明提供一种获取电力系统继电保护装置运行状态的方法，能够在一定程度上解决电力系统继电保护状态评价工作存在的评价结果不准确和可用性差的问题。

第一方面，如图1所示，本发明提供了一种获取继电保护装置运行状态的方法，包括：

步骤S10：获取待评价继电保护装置的指定运行时段，确定待评价继电保护装置在指定运行时段内的状态量数据和统计量数据，状态量数据和统计量数据分别对应于待评价继电保护装置的评价指标体系；

步骤S20：确定状态量数据对应的状态量评分和统计量数据对应的统计量评分；

综合状态量评分和统计量评分，得到指定运行时段内待评价继电保护装置的综合评分；

步骤S30：利用预先确定的区间云隶属度模型，确定待评价继电保护装置的综合评分对应的多区间隶属度进行多区间隶属度描述，以确定待评价继电保护装置的运行状态。

进一步地，

在步骤S10之前，还包括确定待评价继电保护装置的评价指标体系的步骤：

根据待评价继电保护装置的组成结构，确定用于评价继电保护装置运行状态的评价指标体系，评价指标体系中包括状态量评价指标和统计量评价指标；

状态量评价指标包括：电源电压波动幅度、电源电压绝对值偏差、电源温度、SFP工作电压、SFP工作温度、偏置电流、光功率、光通道情况和平均动作时间；

统计量评价指标包括：平均动作时间、正确动作率、装置缺陷次数、装置无故障运行时长、检修情况和反措与精益化评价情况。

进一步地，在步骤S20中，确定状态量数据对应的状态量评分包括：

确定状态量数据对应的常数权重和变权权重；

根据变权权重，确定状态量数据相对于正负理想序列的欧氏距离D‘_k；

利用灰度关联法，确定状态量数据对应的综合灰关联度G_i；

根据下式，确定状态量数据对应的状态量评分δ_i，其中，1＜i＜n，

进一步地，由下式确定状态量数据对应于第j个指标的熵权w_j，1＜j＜m：

其中，为第j个指标的信息熵；为样本观测值Z_ij对应于第j个指标的特征权重，并当f_ij＝0时，有lnf_ij＝0；

熵权适于形成常数权重。

进一步地，根据常数权重，根据下式确定变权权重w’_j：

其中，w_j为分别对应于m个评价指标的常数权重，S_j(X)为分别对应于m个评价指标的变权函数，为指数函数或幂函数。

进一步地，步骤S30，包括：

确定评语集合及评语集合中每一个评语相应的取值区间；

确定与每一个评语相应的区间云隶属度模型，区间云隶属度模型为正态云模型；

将待评价继电保护装置的综合评分分别代入每一个区间云隶属度模型，得到与综合评分对应的多区间隶属度，从而确定待评价继电保护装置的运行状态。

第二方面，如图2所示，本发明提供了一种获取继电保护装置运行状态的装置，包括：

数据获取模块40，用于：

获取待评价继电保护装置的指定运行时段，确定待评价继电保护装置在指定运行时段内的状态量数据和统计量数据，状态量数据和统计量数据分别对应于待评价继电保护装置的评价指标体系；

综合评分确定模块50，用于：

确定状态量数据对应的状态量评分和统计量数据对应的统计量评分；

综合状态量评分和统计量评分，得到指定运行时段内待评价继电保护装置的综合评分；

运行状态确定模块60，用于：

利用预先确定的区间云隶属度模型，确定待评价继电保护装置的综合评分对应的多区间隶属度进行多区间隶属度描述，以确定待评价继电保护装置的运行状态。

进一步地，还包括评价指标体系确定单元，用于：

根据待评价继电保护装置的组成结构，确定用于评价继电保护装置运行状态的评价指标体系，评价指标体系中包括状态量评价指标和统计量评价指标；

状态量评价指标包括：电源电压波动幅度、电源电压绝对值偏差、电源温度、SFP工作电压、SFP工作温度、偏置电流、光功率、光通道情况和平均动作时间；

统计量评价指标包括：平均动作时间、正确动作率、装置缺陷次数、装置无故障运行时长、检修情况和反措与精益化评价情况。

进一步地，综合评分确定模块，具体用于：

确定状态量数据对应的常数权重和变权权重；

根据变权权重，确定状态量数据相对于正负理想序列的欧氏距离D‘_k；

利用灰度关联法，确定状态量数据对应的综合灰关联度G_i；

根据下式，确定状态量数据对应的状态量评分δ_i，其中，1＜i＜n，

进一步地，综合评分确定模块，具体用于：

由下式确定状态量数据对应于第j个指标的熵权w_j，1＜j＜m：

其中，为第j个指标的信息熵；为样本观测值Z_ij对应于第j个指标的特征权重，并当f_ij＝0时，有lnf_ij＝0；

熵权适于形成常数权重。

与现有技术相比，本发明提供的获取继电保护装置运行状态的方法，采取“权重计算统一、综合评分分离”的策略，充分考虑了随机影响，可以全面、客观地确定待评价继电保护装置的运行状态，准确性更高；为继电保护装置提供了一种更全面、更准确的评价方法。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为本发明实施例的获取继电保护装置运行状态的方法的流程示意图；

图2是本发明实施例的获取继电保护装置运行状态的装置的组成示意图；

图3是本发明实施例中使用的正态云模型的示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

考虑到统计数据灰度较小且样本数量不足，本发明实施例采取“权重计算统一、综合评分分离”的策略，充分考虑了随机影响，可以全面、客观地确定待评价继电保护装置的运行状态。

下面结合实施例对的电力系统继电保护综合状态评价方法进行详细说明。具体地，以一个智能变电站继电保护IED的状态评价过程为例，详细的步骤包括：

步1)：根据待评价的继电保护装置的组成结构，确定用于评价该继电保护装置运行状态的状态量评价指标；

确定用于评价该继电保护装置运行状态的统计量评价指标。

该状态量评价指标和统计量评价指标组成用于评价该继电保护装置的运行状态的评价指标体系。

评价指标的确定和数据处理是状态评估方法的基础。电力系统继电保护装置状态评价指标的定义和计算，与电力系统的可靠性指标计算、继电保护装置的评价、使用、完善与发展等密切相关。

通常，具体结合继电保护装置的组成结构，分析并确定继电保护综合状态的评价指标体系。继电保护装置通常包括数据采集单元、数据处理单元、开关量IO接口、通信接口和电源；具体涉及的物理模块为电源、CT和通信光纤线路等。

电源方面，继电保护装置一般采用双电源配置，从直流屏柜或UPS上取电。通常，电源为开关电源插件。目前的技术规程中，保护装置的开关电源插件设定为5年更换一次，但在电网实际运行时，投运3～4年后出电源故障的情况占比约一半。这与定检周期并不吻合。对现有故障案例的分析表明，继电保护装置中电源插件的损坏多因电容元件损坏和电源老化引起，其中最重要的因素为内部温度升高和电压波纹增大。因此，确定电源的监测指标为：电源电压绝对值偏差、电源电压波动幅度和电源温度。这3个状态量可以由智能变电站实时检测获取并记录。

CT方面，目前智能变电站中还没有设置CT在线监测功能。离线展开的励磁特性测试、介损测试、局部放电测试等测试项目可以确定其老化程度，但无法实现在线状态评估。但是，现有的针对CT故障案例或事故的调查显示，由CT本身性能劣化而引起的保护装置不正确动作的情形极少见。与CT有关的故障多因CT接线形式错误、变比输入错误或接线松动等原因引起，因此在指标选取方面对CT不予考虑。

光纤通道方面，目前，光纤通道的高可靠性已经得到广泛认可。光纤通道的运行维护水平较高，光纤通道的抗干扰能力强。通信方面的问题大多数归因于小型可插拔光纤收发模块(Small Form-Factor Pluggable，简称SFP模块)。通常，在一个光纤通道中只设置一个SFP模块。

SFP模块的功率控制是通过改变偏置电流来实现的，因此通过偏置电流可以预估激光器的寿命；接收光功率可反映光纤通道中功率劣化的情况。另外，SFP模块对温度比较敏感。因此，运行中的工作温度直接影响到包括偏置电流在内的几乎所有参数，应重点监控评价。

另外，结合目前工业界中公开的保护状态评价导则，将光纤通道丢包率或误码率也作为评价指标之一，并分别经由GOOSE和SV报文获取。

最终确定SFP模块的监测指标为：SFP工作温度、SFP工作电压、偏置电流、发射光功率以及接收光功率。目前智能变电站中的SFP模块，普遍支持数字诊断功能，这5个状态量可以由SFP模块实时检测获取并存储。

统计量评价指标方面，则在重点分析家族性缺陷的基础上，结合状态检修和精益化评价结论，确定无故障运行时长、正确动作率、距上次检修时间、精益化评价得分和平均动作时间这5个指标加入到继电保护装置的综合状态评价指标体系。

2)：获取待评价的继电保护装置在指定的运行时段内与状态量评价指标对应的状态量数据，也即多组样本观测值，并将各组样本观测值进行归一化处理；

获取待评价的继电保护装置在指定的运行时段内与统计量评价指标对应的统计量评价数据。

在待评价的继电保护装置为一线路差动保护装置时，等间隔地选取指定的一段运行时间内的各时间节点；并确定在各时间节点上，该线路差动保护装置实时运行的状态量数据，如表1所示；获取该指定的这段运行时间内该线路差动保护装置的统计量评价数据如表2所示。

需要说明的是，表1中的“电压偏移”即“电源电压绝对值偏差”，“电压波动”即“电源电压波动幅度”，“SFP电压”即“SFP工作电压”、“SFP温度”即“SFP工作温度”；“光功率”包括“发送光功率”和“接收光功率”；“光通道情况”可以为“光通道丢包率或误码率”。

需要说明的是，表2中的“缺陷次数”即“装置缺陷次数”，“无故障运行时间”即“装置无故障运行时长”；“检修情况”即“指定时段内的检修次数”；“反措与精评”即“反措与精益化评价情况”。

表1某线路差动保护装置实时运行的状态量数据

表2某线路差动保护装置的统计量数据

如表1所列，不同状态量评价指标的状态量数据并不都具有可比性。在确定权重值和进行保护装置的综合状态评价时，具有以下特点：

(1)极性不定，有些指标数据数值越大越好，有些越小越好，有些则越接近一定区间越好；

(2)量纲不同，部分指标的数值范围差异巨大，贸然应用往往会影响评估结果；

(3)极差不同，不方便统一确定最优和最劣方案。

因此，针对实时运行时的状态量数据，可以采用相对劣化度法，也即与额定或标准值的偏差来进行数据归一化；鉴于部分数据不便确定出厂值、正常值或额定值，为此，对于单调型评价指标，在动态更新最值的基础上，对状态量数据中第j个指标的第i组样本观测值利用式(1)进行归一化处理，其中，1＜i＜n，1＜j＜m。

式(1)中，Z_ij为第i组样本观测值中第j个状态量评价指标的值。

对于以(a，b)为取值区间、以取值区间内的点c为最优点的区间型状态量指标，利用式(2)进行归一化处理。

需要说明的是，在获取以上指定运行时段内的实时运行状态量数据时，因光通道拥堵、外部扰动或软件故障等，采样中难免会有不良数据出现。筛选不良数据为瞬时出现且不持续的数据作为后续分析的数据来源。也可以通过对原始数据取时间窗口平均的方式来预处理数据，如取连续5s内的量测数据的平均值作为一个有效的数据点。

如表2所列，不同统计量指标的具体数值，也即待评价的保护装置的历史统计数据存在数据量少、采集周期长、实时性差的特点，不能参照实时运行的状态量数据的处理方法对保护装置的状态进行评价。但这些统计数据却能充分反映保护装置的运行状态。

因此，本实施例中，分别获取状态量评价指标对应的状态量评分和统计量评价指标对应的统计量评分，并将二者得分进行综合获得保护装置的综合评分。

3)：分别获取状态量评价指标对应的状态量评分和统计量评价指标对应的统计量评分；

将状态量评分和统计量评分综合后，得到待评价的继电保护装置的综合评分。

具体地，综合熵权和人类专家指定的专家权重，并结合变权策略确定变权权重；基于灰色关联度法和TOPSIS欧氏距离法，确定如表1所述的状态量数据对应的状态量评分。

根据获取的m个状态量评价指标对应的n组样本观测值T，确定状态量数据对应的各阶段权重，其中，1＜j＜m，1＜j＜m

首先，确定状态量数据的熵权w_j。具体地，该状态量数据对应于第j个指标的熵权w_j由式(3)确定：

其中，为状态量数据对应于第j个状态量评价指标的信息熵，为样本观测值Z_ij对应于第j个状态量评价指标的权重，并当f_ij＝0时，有lnf_ij＝0。

特别地，采用熵权法可以充分不用样本之间是数据的变化趋势。

邀请专家确定各状态量评价指标的专家权重。与表1中的数据对应的专家权重如表3所示，依次为：0.1、0.1、0.08、0.05、0.03、0.07、0.07、0.07、0.05。

该状态量数据对应于第j个指标的熵权和专家权重，用算术平均或几何平均，即可得到该状态量数据对应于第j个指标的常数权重。

另一方面，继电保护装置是电力系统安全稳定运行的第一道防线，长期运行的记录显示，其单个状态量出现较严重劣化即可显著影响保护装置的性能。因此，对于那些已经出现较严重劣化的状态量，其评价指标对应的权重应该适当提高。

采用以下的变权策略，在常数权重的基础上，确定变权权重。

记W＝(w₁,w₂,…,w_m)为由m个评价指标的常数权重形成的向量，1＜j＜m，S(X)＝(S₁(X)，S₂(X)，…，S_m(X))为变权向量，并根据式(4)构建变权权重w‘_j：

式(4)中，变权函数S_j(X)为指数函数或幂函数。

具体地，取其中T为惩罚系数，U为边界值，Z_ij为第i组样本观测值中第j个状态量评价指标的值(也称样本观测值)。

当T>0时，S_j(X)为惩罚型变权向量，如果样本观测值Z_ij不大于边界值U，则判定为已经劣化，应提高该评价指标的权重；

当T<0时，S_j(X)为激励型变权向量，如果样本观测值Z_ij不低于边界值U，则判定为已经劣化，应提高权重。

具体地，T为放大倍数，其取值决定权重调整量的大小。优选地，取|T|＝1。

边界值U则可以结合目前通用的智能变电站继电保护技术规范确定；也可以设定，如取其中，1＜i＜n，1＜j＜m。

表3中示出了与表1中的状态量数据对应的各阶段权重。

表3该线路差动保护装置中状态量数据的各阶段权重

目前，电网建设和运作已经步入大数据时代，继电保护装置的状态数据呈现出数据量大、关联性强、灰色性高、不确定性明显等特征。采用灰色关联度法可以通过求取实际序列与理想序列的关联度(如，几何形状的相似程度)来确定保护装置的运行状态。

另一方面，灰色关联度法中使用的描述关联关系分辨率的分辨系数通常是结合实际经验进行设定，主观性强而客观性不足。

作为对比，欧氏距离法客观、严谨，因此，结合欧氏距离来克服灰色关联度法中分辨系数客观性不强的缺陷。

针对状态量数据T_i(对应于m个状态量评价指标的n组样本观测值Z_ij(以下也称量测值)，1＜i＜n，1＜j＜m，共有m×n个数据点)，记其对应于m个状态量评价指标的理想数据序列为R_p，其中，R_p(j)为第j个状态量评价指标在理想数据序列中对应的数值。

根据式(5)确定样本观测值Z_ij与R_p针对第j个指标的灰色关联度：

其中，为两级最小差；为两级最大差；Δ_ij＝|Z_ij-R_p(j)|即为样本观测值Z_ij与对应的理想值(即理想数据序列中针对第j个指标的值)的绝对距离；ρ∈[0,1]为关联系数，为常数，本实施例中，全部的样本观测值Z_ij均使用该常数值，用于调整整体关联水平。

当样本观测值Z_ij与对应的理想值的绝对距离为0时，Δ_min为0，Δ_min也为0，也即灰关联度为1。此时该评价指标的数值与理想序列的形状一致。

对第i组中的m个样本观测值Z_ij分别针对理想数据序列R_p的灰色关联度进行加权求和，得到第i组样本观测值T_i对理想序列R_p的综合灰关联度G_i。

在利用TOPSIS欧氏距离法时，需要确定对应于样本观测值Z_ij的正负理想序列T⁺和T^-其中，正负理想序列T⁺和T^-分别由n组样本观测值(其中，第i组样本观测值记为T_i)针对m个状态量评价指标的最优数值和最劣数值组成。

针对第i组样本观测值T_i(也称量测序列)，根据式(6)分别计算其相对于正负理想序列的欧氏距离：

式(6)中，w_k为第j个指标的权重，可以是熵权w_j，可以是变权权重w‘_j；T(k)、T⁺(k)、T^-(k)分别表示量测序列、正负理想序列对应于第j个状态量评价指标的量测值，其中，1＜k＜m。

根据该欧氏距离可直接判断量测序列的优劣。具体地，越大，越小，则该量测序列越接近理想序列。

根据式(7)，可以综合进行判断：

本实施例综合利用灰色关联度法和TOPSIS欧氏距离法，根据式(8)确定第i组样本观测值T_i的状态量评分δ_i为：

根据式(4)-(8)分别对表1所列的状态量数据(也即10个量测序列)的分别求取TOPSIS欧氏距离和灰色关联度，并得到各组样本观测值T_i的状态量评分δ_i，即表4中的“综合得分”。

表4该线路差动保护装置中10样本观测值的状态量评分δ_i

与统计量数据对应的统计量评分是向人工专家获取的。具体地，人工专家提供针对各统计量指标的权重，并结合统计量数据确定统计量评分。

具体地，人工专家确定的与统计量评价数据对应的权重依次为0.045、0.05、0.04、0.015、0.02、0.02；人工专家确定的统计量评分为0.12。

将表4中所列的10个量测序列的状态量评分δ_i与统计量评分分别进行综合(如取算术平均或几何平均)后，确定待评价的继电保护装置的10个量测序列对应的综合评分依次为0.6920、0.6551、0.6396、0.5907、0.5216、0.5329、0.5476、0.5274、0.4980和0.5813。

4)：通过隶属度云模型对综合评分进行描述。

首先，确定评语集合、及评语集合相应的取值区间。按照行业内通用的继电保护装置状态检修检验规程将保护装置的状态划分为严重、异常、注意、正常这四个评价等级；将这四个评价等级记为C＝(C₁,C₂,C₃,C₄)，其中，C₁、C₂、C₃、和C₄的取值范围依次为区间[0，0.4)，[0.4，0.6)，[0.6，0.8)，[0.8，1.0]。

其次，确定每个评价等级相应的区间隶属度云模型。

隶属云模型通常采用期望Ex、熵En和超熵He来描述。其中，期望Ex为最能够代表描述对象的定性概念的点；熵En代表定性概念的不确定性，直接反映模糊性和随机性；超熵He为熵的不确定度，代表云模型中云滴的凝聚程度，反映模糊性与随机性的内在关联。超熵越大，随机性的影响就越大；反之，超熵越小，模糊性就越大。

采用如图3所示的具有普适性的正态云模型(其中，云滴对应的横坐标为评分数值)时，对云模型图逆向分析，可以得到其对应的Ex、En和He；或经由Ex、En和He这三个量绘制出一个具体的云模型，其过程分别为逆向云发生器和正向云发生器。正向云发生器较为简单，其关键是在控制随机数精度的前提下生成以Ex为期望、为En标准差的正态随机数x；并生成以En为期望、以He为标准差的正态随机数xe；最后通过数学计算，生成n个云滴。

该实施例中，均采用正态云模型，设定每个云模型中含一万个云滴。表5示出了这4个评价等级相应的区间隶属度云模型的数字特征。其中，超熵He在经测试后，确定为0.01。超熵He取0.01能够适应继电保护装置的状态量数据的随机性，并可在考虑随机影响的情况下较为客观地形成表征综合评分优劣的云隶属度模型。

表5 4个区间隶属云模型的数字特征

将确这10组样本观测值的综合评分代入到这4个评价等级相应的区间隶属度云模型中，得到该线路差动保护装置10组样本值分别相对于这4个区间的隶属度如表6所列。

优选地，选取具有同一个评分数值的所有云滴的隶属度求取平均值，并将该平均值作为该综合评分的隶属度。

表6该线路差动保护装置的10组样本值的区间隶属度

经过以上分析可知，该线路差动保护装置已经长期在异常状态工作；光模块劣化较为严重，同时电源模块、光通道等都出现了不同程度的劣化情况。

经检查，该线路保护装置于2006年投运，截止该实施例中采样时间为止，运行时间已达12年，为黄牌产品，高频通道处于中风险运行状态。现场积灰严重影响散热，且恰逢迎峰度夏又没有安排检修计划，导致运行状况较差,评价结果符合实际情况。

以上已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (10)

1.一种获取继电保护装置运行状态的方法，其特征在于，包括如下步骤：

步骤S10：获取待评价继电保护装置的指定运行时段，确定所述待评价继电保护装置在所述指定运行时段内的状态量数据和统计量数据，所述状态量数据和统计量数据分别对应于所述待评价继电保护装置的评价指标体系；

步骤S20：确定状态量数据对应的状态量评分和统计量数据对应的统计量评分；

综合状态量评分和统计量评分，得到所述指定运行时段内待评价继电保护装置的综合评分；

步骤S30：利用预先确定的区间云隶属度模型，确定所述待评价继电保护装置的综合评分对应的多区间隶属度进行多区间隶属度描述，以确定待评价继电保护装置的运行状态。

2.如权利要求1所述的方法，其特征在于，

在步骤S10之前，还包括确定所述待评价继电保护装置的评价指标体系的步骤：

根据待评价继电保护装置的组成结构，确定用于评价所述继电保护装置运行状态的评价指标体系，所述评价指标体系中包括状态量评价指标和统计量评价指标；

所述状态量评价指标包括：电源电压波动幅度、电源电压绝对值偏差、电源温度、SFP工作电压、SFP工作温度、偏置电流、光功率、光通道情况和平均动作时间；

所述统计量评价指标包括：平均动作时间、正确动作率、装置缺陷次数、装置无故障运行时长、检修情况和反措与精益化评价情况。

3.如权利要求1所述的方法，其特征在于，

在所述步骤S20中，所述确定状态量数据对应的状态量评分包括：

确定所述状态量数据对应的常数权重和变权权重；

根据所述变权权重，确定所述状态量数据相对于正负理想序列的欧氏距离D‘_k；

利用灰度关联法，确定所述状态量数据对应的综合灰关联度G_i；

根据下式，确定所述状态量数据对应的状态量评分δ_i，其中，1＜i＜n，

4.如权利要求3所述的方法，其特征在于，

由下式确定所述状态量数据对应于第j个指标的熵权w_j，1＜j＜m：

其中，为第j个指标的信息熵；为样本观测值Z_ij对应于第j个指标的特征权重，并当f_ij＝0时，有lnf_ij＝0；

所述熵权适于形成常数权重。

5.如权利要求3所述的方法，其特征在于，

根据常数权重，根据下式确定变权权重w’_j：

其中，w_j为分别对应于m个评价指标的常数权重，S_j(X)为分别对应于m个评价指标的变权函数，为指数函数或幂函数。

6.如权利要求1所述的方法，其特征在于，

所述步骤S30，包括：

确定评语集合及评语集合中每一个评语相应的取值区间；

确定与每一个评语相应的区间云隶属度模型，所述区间云隶属度模型为正态云模型；

将待评价继电保护装置的综合评分分别代入每一个区间云隶属度模型，得到与所述综合评分对应的多区间隶属度，从而确定待评价继电保护装置的运行状态。

7.一种获取继电保护装置运行状态的装置，其特征在于，包括：

数据获取模块，用于：

获取待评价继电保护装置的指定运行时段，确定所述待评价继电保护装置在所述指定运行时段内的状态量数据和统计量数据，所述状态量数据和统计量数据分别对应于所述待评价继电保护装置的评价指标体系；

综合评分确定模块，用于：

确定状态量数据对应的状态量评分和统计量数据对应的统计量评分；

综合状态量评分和统计量评分，得到所述指定运行时段内待评价继电保护装置的综合评分；

运行状态确定模块，用于：

利用预先确定的区间云隶属度模型，确定所述待评价继电保护装置的综合评分对应的多区间隶属度进行多区间隶属度描述，以确定待评价继电保护装置的运行状态。

8.如权利要求7所述的装置，其特征在于，

还包括评价指标体系确定单元，用于：

根据待评价继电保护装置的组成结构，确定用于评价所述继电保护装置运行状态的评价指标体系，所述评价指标体系中包括状态量评价指标和统计量评价指标；

所述状态量评价指标包括：电源电压波动幅度、电源电压绝对值偏差、电源温度、SFP工作电压、SFP工作温度、偏置电流、光功率、光通道情况和平均动作时间；

所述统计量评价指标包括：平均动作时间、正确动作率、装置缺陷次数、装置无故障运行时长、检修情况和反措与精益化评价情况。

9.如权利要求7所述的装置，其特征在于，

所述综合评分确定模块，具体用于：

确定所述状态量数据对应的常数权重和变权权重；

根据所述变权权重，确定所述状态量数据相对于正负理想序列的欧氏距离D‘_k；

利用灰度关联法，确定所述状态量数据对应的综合灰关联度G_i；

根据下式，确定所述状态量数据对应的状态量评分δ_i，其中，1＜i＜n，

10.如权利要求7所述的装置，其特征在于，

所述综合评分确定模块，具体用于：

由下式确定所述状态量数据对应于第j个指标的熵权w_j，1＜j＜m：

其中，为第j个指标的信息熵；为样本观测值Z_ij对应于第j个指标的特征权重，并当f_ij＝0时，有lnf_ij＝0；

所述熵权适于形成常数权重。