CN110533300B - 基于博弈集对云的变压器智能决策系统 - Google Patents
基于博弈集对云的变压器智能决策系统 Download PDFInfo
- Publication number
- CN110533300B CN110533300B CN201910731303.3A CN201910731303A CN110533300B CN 110533300 B CN110533300 B CN 110533300B CN 201910731303 A CN201910731303 A CN 201910731303A CN 110533300 B CN110533300 B CN 110533300B
- Authority
- CN
- China
- Prior art keywords
- data
- transformer
- cloud
- index
- server
- 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
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000012423 maintenance Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000013524 data verification Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 230000010287 polarization Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于博弈集对云的变压器智能决策系统,包括感知层、网络层、应用层;所述感知层包括有线传感器系统、数据记录装置、远程现场网关、基站、无线传感器系统。所述网络层包括数据层、显示层;所述数据层包括PMS系统、镜像服务器、中央数据服务器、数据库服务器、SWE数据库。所述显示层包括在线监测系统、数据观测服务(SOS)。所述应用层包括数据分析系统,数据分析系统采用博弈集对云对变压器运行数据进行状态评价,实现变压器的实时预警、风险预测、薄弱点定位、任务管理。本发明系统能够快速有效地识别变压器潜在风险,提高了运维的效率,减少了人力、物力、财力资源的浪费。
Description
技术领域
本发明一种基于博弈集对云的变压器智能决策系统,涉及变压器运行状态评估及检修技术领域。
背景技术
变压器作为电力系统的重要组成部分,其安全稳定运行是提高整个供电系统运行水平的重要一环。目前,变压器主要通过定期检修来判断变压器的健康状况,缺乏系统的科学方法支撑及有效预警决策机制,容易造成“过修”和“欠修”的情况,降低了供电可靠性。同时,现有的有线传感器具有走线复杂、现场取电困难、难以更换等缺点,在智能电网建设中被无线传感器网络代替是一种必然趋势。但现有变压器中有线传感器已被大范围运用到各类设备监测系统中,取消有线传感器的运用与经济利益不符。采用一个尚不成熟无线传感器网络彻底取代已经成熟的监测系统,被许多领域的专家所不认可。
发明内容
为解决现有技术中的不足,本发明提供一种基于博弈集对云的变压器智能决策系统,该系统采用有线传感器与无线传感网络一体化交互技术,实现有线传感器与无线传感网络的无缝衔接;同时,利用博弈集对云对变压器运行状态及发展趋势进行分析与预测,识别出运行过程中的薄弱环节,减小故障发生的概率,提高了变压器运行的可靠性;并按变压器运行维护要求给出辅助决策建议,为检修决策提高了可靠的依据。
本发明采取的技术方案为:
基于博弈集对云的变压器智能决策系统,该系统包括:
感知层、网络层、应用层;
所述感知层包括有线传感器系统、数据记录装置、远程现场网关、基站、无线传感器系统;所述有线传感器系统、无线传感器系统的输入端连接变压器,用于对变压器的各类状态信号进行采集;有线传感器系统的输出端连接数据记录装置,无线传感器系统的输出端通过无线网络与基站通讯连接;远程现场网关分别与数据记录装置、基站通讯连接;
所述网络层包括数据层、显示层;
所述数据层包括PMS系统、镜像服务器、中央数据服务器、数据库服务器、SWE数据库;所述中央数据服务器分别与PMS系统、镜像服务器、数据库服务器,所述数据库服务器与SWE数据库相连;
所述显示层包括在线监测系统、数据观测服务(SOS),在线监测系统与中央数据服务器通过现场数据总线连接,实现变压器的现场监测,数据观测服务(SOS),用于数据的远程共享。
所述应用层包括数据分析系统,数据分析系统采用博弈集对云对变压器运行数据进行状态评价,实现变压器的实时预警、风险预测、薄弱点定位、任务管理。
所述感知层中,有线传感器系统、无线传感器系统对变压器的各类状态信号进行采集,采集变压器各类状态信号通过远程现场网关传输到中央数据服务器。
所述无线传感器系统包括多个无线传感器单元,每一个无线传感器单元节点连接一个数据采集板,数据采集板用于采集变压器的各类状态信号;所述基站上安装有扩展板,扩展板接口与远程现场网关服务器通过RS232串口连接,无线传感器系统采集的数据通过多跳通信节点周期性地发送到基站节点,基站通过RS232串口向远程现场网关服务器发送数据。
所述数据层将感知层采集的有线/无线传感器数据、以及PMS系统的数据存储到数据库服务器,中央数据服务器用以隐藏不同物理层设备的异质性,并支持数据库服务器所需的数据验证,中央数据服务器、镜像服务器对本地文件系统上的原始数据进行归档,运行在中央数据服务器上的防护程序在数据导入数据库之前对数据进行预处理,并执行数据同步任务,SWE数据库安装启用数据交换,接受来自内部和外部的数据库服务器通过Web服务的数据。
基于OGC提出的SWE框架中的数据观测服务(SOS),用于进行Registersensor操作,即在系统中注册新的传感器,当注册成功后,数据观测服务(SOS)会生成唯一的ID对传感器进行应答,当某一传感器被注册,它就可以根据所设定的时间间隔向数据观测服务(SOS)发送监测信号,这种操作称为Insertobservation;同时,在监测端,用户能够通过GetCapabilities操作,查询任何传感器的历史数据或实时数据,其中GetCapabilities响应采用O&M语言进行编程;而Describesensor操作用于获取传感器的基本信息,如类型、名称、生产厂家,这些信息通过SensorML文档进行描述。
所述数据分析系统,通过偏联系数对变压器的发展趋势预测,结合PMS系统中设备的台账信息、地理接线图等,定位出变压器运行过程中的薄弱环节。然后结合变压器运行维护要求给出辅助决策建议,并自动生成工作任务。
基于博弈集对云的变压器运行状态评估方法,包括以下步骤:
步骤1:建立评估指标体系,对各评估指标状态等级进行划分;
步骤2:利用组合赋权法,确定各指标的最优组合权重;
步骤3:将运行数据代入到集对云评价模型中,求得单指标标准化后的云联系度;
步骤4:将各指标最优组合权重与云联系度加权,得到综合云联系度;
步骤5:根据得到的综合云联系度,生成对应的云图,对此确定变压器运行状态;通过计算评估对象的偏联系数,预测评估对象潜在态势;
步骤6:结合运行状态和发展态势的状况,确定变压器运行薄弱环节,并制定检修策略。
本发明一种基于博弈集对云的变压器智能决策系统,采用一种新的有线传感器与无线传感网络一体化系统,在保留原有有线传感器的基础上,引入无线传感器网络逐步取代有线传感器,实现从有线传感器到无线传感网络的无缝对接。
本发明一种基于博弈集对云的变压器智能决策系统,基于博弈集对云评价法对检测的数据进行实时的评估,快速有效地识别变压器潜在风险,可将潜在的风险消除在萌芽状态,提高供电可靠性。同时,根据评估结果给出决策意见,提高了运维的效率,减少了人力、物力、财力资源的浪费。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1为本发明变压器系统的结构框图;
图2为本发明SOS服务流程图;
图3为本发明评价方法结构示意图;
图4为本发明评价方法计算过程流程图。
具体实施方式
基于博弈集对云的变压器智能决策系统,该系统包括:
感知层1、网络层2、应用层3;
所述感知层1包括有线传感器系统4、数据记录装置5、远程现场网关6、基站7、无线传感器系统8;所述有线传感器系统4、无线传感器系统8的输入端连接变压器,用于对变压器的各类状态信号进行采集;有线传感器系统4的输出端连接数据记录装置5,无线传感器系统8的输出端通过无线网络与基站7通讯连接;远程现场网关6分别与数据记录装置5、基站7通讯连接。
所述网络层2包括数据层9、显示层10;
所述数据层9包括PMS系统11、镜像服务器12、中央数据服务器13、数据库服务器14、SWE数据库15;所述中央数据服务器13分别与PMS系统11、镜像服务器12、数据库服务器14,所述数据库服务器14与SWE数据库15相连;
所述显示层10包括在线监测系统16、数据观测服务(SOS)17,在线监测系统16与中央数据服务器13通过现场数据总线连接,实现变压器的现场监测,数据观测服务(SOS)17,用于数据的远程共享。
在线监测系统16具备包括:
(1)、现场数据采集单元及其信号调理电路模块:变压器运行状态量通过传感器信号变为可以检测的模拟量,模拟量信号通过信号调理电路变为可以用AD7606模块采集的电压值信号。
(2)、AD采集模块:AD7606高速采集模块进行参数采集,将采集到的数据通过并口总线通讯的方式传输到控制器。
(3)、控制器模块:控制器将传输过来的数据进行分析和计算,将分析结果实时上传到PC端与MCGS触摸屏实现实时监测。
(4)、MCGS人机交互界面模块:将变压器运行状态以数据形式实时反映在MCGS人机交互界面。
(5)、电源模块。
所述应用层3包括数据分析系统18,数据分析系统18采用博弈集对云对变压器运行数据进行状态评价,实现变压器的实时预警、风险预测、薄弱点定位、任务管理。
博弈集对云指的是:单一赋权无法同时避免专家意见的主观性和数据的客观性,会使评估结果存在一定的片面性,故采用博弈论求解最优组合权重。传统的集对分析法通常采用线性处理对联系度进行确定,使得评价对象丧失了随机性,无法准确地反映工程实际情况。为了真实准确地反映实际的运行状况,采用正态云对集对分析中的联系度进行描述,构建基于博弈集对云的配电网运行状态评价模型。
1:实时预警:通过博弈集对云对变压器的当前运行数据分析,并利用PMS系统11中的地理接线图,显示一天内某个区域所有变压器的运行状态。
通过颜色区分运行状态等级。例如:
“绿色”表示运行状态良好;
“浅蓝色”表示运行状态正常;
“黄色”表示运行状态异常;
“红色”表示运行状态严重。
2:风险预测:将变压器当天运行的状态和各变压器的发展态势结合分析,预测出未来一天变压器的风险,筛选出有潜在风险的变压器。通过“闪跳”方式提醒检修人员具有潜在风险,需及时检修。
3:薄弱点定位:结合PMS系统11中设备的台账信息、地理接线图等,定位出变压器运行过程中的薄弱环节。在地理接线图中双击“闪跳”的变压器,会显示该变压器的薄弱环节。
4:任务管理:设置管理人权限,按组分配权限。结合变压器运行维护要求,给出辅助决策建议,并自动生成工作任务。
所述感知层1中,有线传感器系统4、无线传感器系统8对变压器的各类状态信号进行采集,采集变压器各类状态信号通过远程现场网关6传输到中央数据服务器13。利用无线调制调解器19实现GPRS通讯,无线调制调解器19分别连接中央数据服务器13、远程现场网关(RFG)。
选择MAXQ2000微控制器(SBC)作为远程现场网关(RFG)的硬件核心,外围电路主要包括存储器系统、串行通信接口、以太网接口、时钟系统。利用RS232串口对无线传感器网络中汇聚节点数据的实时采集、处理、存储。利用无线调制调解器19作为数据信息的传输载体,并将数据发送给中央数据服务器13。
感知层1保留现有变压器内的有线传感器系统4,增加无线传感器系统8。其中,远程现场网关6可以对传统的有线传感器系统4与无线传感器系统8进行有效的协调控制与管理。有线传感器系统4、无线传感器系统8包括温度传感器、压力传感器、气敏传感器、电流传感器、电压传感器。采集变压器的介质损耗、油中气体、微水含量、铁芯接地电流、绝缘电阻。
无线传感器采用可充电电池供电,充电电池的容量通过功率预算分析确定。节点是构成无线传感器网络的基本单元,传感器节点在完全工作状态下,接收信息和发送信息都需要大量功率,在保证节点充电服务质量的前提下,以最小化其整体充电成本。对节点的功耗进行预算,使节点在不需要活跃时进行睡眠,减少不必要的能量消耗。
数据记录装置5由采编器和存储器组成,将采集到的物理参数转换为电信号。数据记录装置以模拟量和数字量采集存储板、信噪比数据RS485接收存储板、信噪比数据LVDS接收存储板作为硬件。
所述无线传感器系统8包括多个无线传感器单元,每一个无线传感器单元节点连接一个mda300数据采集板,mda300数据采集板用于采集变压器的各类状态信号;所述基站7上安装有MIB510扩展板,MIB510扩展板接口与远程现场网关6通过RS232串口连接,无线传感器系统8采集的数据通过多跳通信节点周期性地发送到基站节点,基站7通过RS232串口向远程现场网关6发送数据。
所述数据层9将感知层1采集的有线/无线传感器数据、以及PMS系统11的数据存储到数据库服务器14,中央数据服务器13用以隐藏不同物理层设备的异质性,并支持数据库服务器14所需的数据验证,中央数据服务器13、镜像服务器12对本地文件系统上的原始数据进行归档,运行在中央数据服务器13上的防护程序在数据导入数据库之前对数据进行预处理,并执行数据同步任务,SWE数据库15安装启用数据交换,接受来自内部和外部的数据库服务器14通过Web服务的数据。
镜像服务器12采用惠普ProLiant DL388Gen9(779782-AA1)服务器;
中央数据服务器13采用惠普ProLiant DL388Gen9(779782-AA1)服务器;
数据库服务器14采用惠普ProLiant DL388Gen9(779782-AA1)服务器。
基于OGC提出的SWE框架中的数据观测服务(SOS),图2为SOS服务流程图,SOS的第一步是进行Registersensor操作,即在系统中注册新的传感器,当注册成功后,数据观测服务(SOS)会生成唯一的ID对传感器进行应答,当某一传感器被注册,它就可以根据所设定的时间间隔向数据观测服务(SOS)发送监测信号,这种操作称为Insertobservation;同时,在监测端,用户能够通过GetCapabilities操作,查询任何传感器的历史数据或实时数据,其中GetCapabilities响应采用O&M语言进行编程;而Describesensor操作用于获取传感器的基本信息,如类型、名称、生产厂家,这些信息通过SensorML文档进行描述。
所述数据分析系统18,通过偏联系数对变压器的发展趋势预测,结合PMS系统11中设备的台账信息、地理接线图等,定位出变压器运行过程中的薄弱环节。然后结合变压器运行维护要求给出辅助决策建议,并自动生成工作任务。
数据分析系统18,该系统采用C/S模式,服务器为惠普ProLiant DL388Gen9(779782-AA1),CPU型号为Intel至强Xeon E5-2650v3,CPU主频为2.3-3.0GHz,64G内存。系统采用正向隔离装置,南瑞物理隔离装置Syskeeper-2000E。防火墙天融信NGFW4000-UF(TG-21109),最大吞吐量:>1Mbps固定接口:9个10/100BASE-T接口,500000并发连接数,支持VPN功能。
如图3所示,基于博弈集对云的变压器运行状态评估方法,包括以下步骤:
步骤1:建立评估指标体系,对各评估指标状态等级进行划分;
步骤2:利用组合赋权法,确定各指标的最优组合权重;
步骤3:将运行数据代入到集对云评价模型中,求得单指标标准化后的云联系度;
步骤4:将各指标最优组合权重与云联系度加权,得到综合云联系度;
步骤5:根据得到的综合云联系度,生成对应的云图,对此确定变压器运行状态;通过计算评估对象的偏联系数,预测评估对象潜在态势;
步骤6:结合运行状态和发展态势的状况,确定变压器运行薄弱环节,并制定检修策略。
所述步骤1中,评估指标状态等级分为4类,分别为:良好、正常、注意、严重。参考DL/T 393-2010《输变电设备状态检修试验规程》和Q/GDW169-2008《油浸式变压器(电抗器)状态评估原则.2008.》确定变压器运行状态各指标在不同状态下的阈值如下表1所述:
表1变压器运行状态各指标在不同状态下的阈值
所述步骤2中确定各指标权重系数,采用博弈论确定各指标的最优组合权重,步骤如下:
第一步:基于改成层次分析确定主观权重:
1)构建对比矩阵X:
对比矩阵X=(xij)n×n,当xij=2时,表示指标i比指标j重要;当xij=1时,表示指标i和指标j同等重要;当xij=0时,表示指标i不如指标j重要。
2)构建重要性排序指数ri:
3)构建判断矩阵B,其元素bij遵循下式:
式中,rmax=max{ri},为最大重要性排序指数;rmin=min{ri},为最小重要性排序指数;km=rmax/rmin,为重要性排序比。
4)构建最优传递矩阵C,其元素cij计算式如下:
5)求拟优一致矩阵D,其元素dij计算式如下:
6)指标主观权重向量为W=[w1,w2,…,wn]T,其元素wi的计算公式为:
第二步:基于熵权法确定主观权重:
1)定义第i个评价准则的熵ei为:
式中,zij为原始数据矩阵Z的元素,k=1/lnm,当zij=0时,zijlnzij=0。
2)第i个指标的客观权重hi为:
根据上述步骤同理求出其他指标的权重,则熵权法确定的权重为H=(h1,h2,....hn)。
第三步:基于博弈论确定综合权重:
1)改进的层次分析法、熵权法确定的权重向量集为N=[N1,N2],两个向量的任意线性组合可以表示为:
式中,N为可能的权重向量集;ak为线性组合系数;Nk为第k个权重方案,Nk T为Nk的转置。
2)对两个线性组合系数进行优化,使N与Nk间的离差最小化,即:
3)对优化后的组合系数ak进行归一化处理后的组合系数ak'为:
4)得出最优组合权重N'为:
所述步骤3中的各指标云联系度计算步骤如下:
1)根据表中的阈值确定各指标等级云特征值Ex、En、He。
式中,Xij,max、Xij,min表示指标i在等级j下的上下界,Exij、和Enij表示指标i在等级j下的期望和熵。单边界指标的阈值,可根据测试数据的最大上限和最小下限确定,取k=0.005。
2)确定各指标在不同等级的云联系度:
式中,μij(x)为第i个指标在等级j下的元联系度,E'nij为标准差为He的正态随机数。
为提高指标隶属于某一等级下云联系度的置信度,通过正向隶属发生器运行N次,并进行归一化处理,归一后的云联系度:
式中,μk ij为正向隶属发生器运行第k次的云联系度。
3)对云联系度标准化处理。隶属于不同等级的云联系度之和一般不为1,导致各指标的云联系度不具有可比性,故对各等级下的云联系度进行标准化处理:
式中,μ* ij(x)为标准化后的云联系度。
4)确定综合云联系度。由上述步骤可得各指标的四元云联系度如下:
式中,μ* i1、μ* i2、μ* i3、μ* i4分别表示指标i处于良好、正常、注意和严重的程度。
将博弈论确定的权重W与各指标四元联系度代入下式中,得到综合云联系度S:
式中,wT i为权重wi的转置,μi为指标的四元联系度。
所述步骤4中,将各等级评价区间的期望值,与综合云联系度加权得到综合云期望值,在根据最大确定度原则选取熵和超熵,绘出运行状态云图,并与标准云对比确定出运行状态等级。
利用偏联系数对运行状态的发展趋势进行分析。偏联系数能够反映状态发展趋势,它是联系数的一种伴随函数。四元联系数各阶的偏联系数计算公式如下:
一阶偏联系数为:
式中,μ1、μ2、μ3、μ4分别表示指标i处于良好、正常、注意和严重的。
二阶偏联系数为:
三阶偏联系数为:
所述步骤6:结合运行状态和发展态势的状况,确定变压器运行薄弱环节,并制定检修策略。具体是:以变压器整体为评估对象,结合其评估等级和发展态势可得各变压器运行状态及趋势,对于状态等级处于注意、严重状态或者状态处于正常但运行状态呈现下降趋势的变压器进行预警,预警的变压器需进行检修。以变压器各运行指标为评估对象,点位变压器运行过程中的薄弱环节,结合各薄弱点制定相应的检修策略。
图4为评价方法计算流程图,首先利用博弈集对云确定综合云联系度,并引入置信度对结果的有效性进行验证,如果不满足条件,则重复计算。当置信度因子小于0.01时,输入评价结果。置信度因子的计算过程如下:
利用加权平均法得出综合评判分数r为:
式中,sj为综合云联系度S在第j个等级下的分量,vj为等级j的得分值,取各等级评价区间的期望值为其得分值。
通过m次计算可得综合评判分数的期望值Erx和熵Ern为:
式中,rh为第h次计算的综合评判分数。
置信度因子θ是衡量评判结果的分散程度及可信程度,定义如下:
Claims (8)
1.基于博弈集对云的变压器运行状态评估方法,其特征在于包括以下步骤:
步骤1:建立评估指标体系,对各评估指标状态等级进行划分;
步骤2:利用组合赋权法,确定各指标的最优组合权重;
步骤3:将运行数据代入到集对云评价模型中,求得单指标标准化后的云联系度;
步骤4:将各指标最优组合权重与云联系度加权,得到综合云联系度;
步骤5:根据得到的综合云联系度,生成对应的云图,对此确定变压器运行状态;通过计算评估对象的偏联系数,预测评估对象潜在态势;
步骤6:结合运行状态和发展态势的状况,确定变压器运行薄弱环节,并制定检修策略;
所述步骤2中,确定各指标权重系数,采用博弈论确定各指标的最优组合权重,步骤如下:
第一步:基于改成层次分析确定主观权重:
1)构建对比矩阵X
对比矩阵X=(xij)n×n,当xij=2时,表示指标i比指标j重要;当xij=1时,表示指标i和指标j同等重要;当xij=0时,表示指标i不如指标j重要;
2)构建重要性排序指数ri
3)构建判断矩阵B
其中,km=rmax/rmin,rmax=max{ri},rmin=min{ri};
4)构建最优传递矩阵C,其元素cij计算式如下:
5)求拟优一致矩阵D,其元素dij计算式如下:
6)指标主观权重向量为W=[w1,w2,…,wn]T,wi的计算公式为:
第二步:基于熵权法确定主观权重:
1)定义第i个评价准则的熵为:
式中,zij为原始数据矩阵Z的元素;k=1/lnm,当zij=0时,zijlnzij=0;
2)第i个指标的客观权重为:
根据上述步骤同理求出其他指标的权重,则熵权法确定的权重为H=(h1,h2,....hn);
第三步:基于博弈论确定综合权重
1)L种赋值法确定的权重向量集为N=[N1,N2,…,NL],L个不同向量的任意线性组合可以表示为:
式中,N为可能的权重向量集;ak为线性组合系数;Nk为第k个权重方案;
2)对L个线性组合系数进行优化,使N与Nk间的离差最小化,即
3)对优化后的组合系数ak进行归一化处理,即
4)得出最优组合权重为:
所述步骤3中,各指标云联系度计算步骤如下:
1)根据阈值确定各指标等级云特征值Ex、En、He;
式中,Xij,max、Xij,min表示指标i在等级j下的上下界,Exij、和Enij表示指标i在等级j下的期望和熵;单边界指标的阈值,可根据测试数据的最大上限和最小下限确定,取k=0.005;
2)确定各指标在不同等级的云联系度:
式中:E'nij为标准差为He的正态随机数;
为提高指标隶属于某一等级下云联系度的置信度,通过正向隶属发生器运行N次,并进行归一化处理,归一后的云联系度:
式中,μk ij为正向隶属发生器运行第k次的云联系度;
3)对云联系度标准化处理;隶属于不同等级的云联系度之和不为1,导致各指标的云联系度不具有可比性,故对各等级下的云联系度进行标准化处理:
4)确定综合云联系度;由上述步骤可得各指标的四元云联系度如下:
式中,μ* i1、μ* i2、μ* i3、μ* i4分别表示指标i处于良好、正常、注意和严重的程度;
将博弈论确定的权重W与各指标四元联系度代入下式中,得到综合云联系度S:
2.根据权利要求1所述基于博弈集对云的变压器运行状态评估方法,其特征在于:所述步骤4中,将各等级评价区间的期望值与综合云联系度加权,得到综合云期望值,在根据最大确定度原则选取熵和超熵,绘出运行状态云图,并与标准云对比确定出运行状态等级;
利用偏联系数对运行状态的发展趋势进行分析;偏联系数能够反映状态发展趋势,它是联系数的一种伴随函数,四元联系数各阶的偏联系数计算公式如下:
一阶偏联系数为:
二阶偏联系数为:
三阶偏联系数为:
3.一种实现如权利要求1或2所述变压器运行状态评估方法的变压器智能决策系统,其特征在于该系统包括:
感知层(1)、网络层(2)、应用层(3);
所述感知层(1)包括有线传感器系统(4)、数据记录装置(5)、远程现场网关(6)、基站(7)、无线传感器系统(8);所述有线传感器系统(4)、无线传感器系统(8)的输入端连接变压器,用于对变压器的各类状态信号进行采集;有线传感器系统(4)的输出端连接数据记录装置(5),无线传感器系统(8)的输出端通过无线网络与基站(7)通讯连接;远程现场网关(6)分别与数据记录装置(5)、基站(7)通讯连接;
所述网络层(2)包括数据层(9)、显示层(10);
所述数据层(9)包括PMS系统(11)、镜像服务器(12)、中央数据服务器(13)、数据库服务器(14)、SWE数据库(15);所述中央数据服务器(13)分别与PMS系统(11)、镜像服务器(12)、数据库服务器(14),所述数据库服务器(14)与SWE数据库(15)相连;
所述显示层(10)包括在线监测系统(16)、数据观测服务(SOS)(17),在线监测系统(16)与中央数据服务器(13)通过现场数据总线连接,实现变压器的现场监测,数据观测服务SOS(17),用于数据的远程共享;
所述应用层(3)包括数据分析系统(18),数据分析系统(18)采用博弈集对云对变压器运行数据进行状态评价,实现变压器的实时预警、风险预测、薄弱点定位、任务管理。
4.根据权利要求3所述的变压器智能决策系统,其特征在于:所述感知层(1)中,有线传感器系统(4)、无线传感器系统(8)对变压器的各类状态信号进行采集,采集变压器各类状态信号通过远程现场网关(6)传输到中央数据服务器(13)。
5.根据权利要求3所述的变压器智能决策系统,其特征在于:所述无线传感器系统(8)包括多个无线传感器单元,每一个无线传感器单元节点连接一个数据采集板,数据采集板用于采集变压器的各类状态信号;所述基站(7)上安装有扩展板,扩展板接口与远程现场网关服务器通过RS232串口连接,无线传感器系统(8)采集的数据通过多跳通信节点周期性地发送到基站节点,基站(7)通过RS232串口向远程现场网关服务器发送数据。
6.根据权利要求3所述的变压器智能决策系统,其特征在于:所述数据层(9)将感知层(1)采集的有线/无线传感器数据、以及PMS系统(11)的数据存储到数据库服务器(14),中央数据服务器(13)用以隐藏不同物理层设备的异质性,并支持数据库服务器(14)所需的数据验证,中央数据服务器(13)、镜像服务器(12)对本地文件系统上的原始数据进行归档,运行在中央数据服务器(13)上的防护程序在数据导入数据库之前对数据进行预处理,并执行数据同步任务,SWE数据库(15)安装启用数据交换,接受来自内部和外部的数据库服务器(14)通过Web服务的数据。
7.根据权利要求3所述的变压器智能决策系统,其特征在于:基于OGC提出的SWE框架中的数据观测服务(SOS)(17),用于进行Registersensor操作,即在系统中注册新的传感器,当注册成功后,数据观测服务(SOS)(17)会生成唯一的ID对传感器进行应答,当某一传感器被注册,它就可以根据所设定的时间间隔向数据观测服务(SOS)(17)发送监测信号,这种操作称为Insertobservation;同时,在监测端,用户能够通过GetCapabilities操作,查询任何传感器的历史数据或实时数据,其中GetCapabilities响应采用O&M语言进行编程;而Describesensor操作用于获取传感器的基本信息,类型、名称、生产厂家,这些信息通过SensorML文档进行描述。
8.根据权利要求3所述的变压器智能决策系统,其特征在于:所述数据分析系统(18),通过偏联系数对变压器的发展趋势预测,结合PMS系统(11)中设备的台账信息、地理接线图,定位出变压器运行过程中的薄弱环节;然后结合变压器运行维护要求给出辅助决策建议,并自动生成工作任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731303.3A CN110533300B (zh) | 2019-08-08 | 2019-08-08 | 基于博弈集对云的变压器智能决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731303.3A CN110533300B (zh) | 2019-08-08 | 2019-08-08 | 基于博弈集对云的变压器智能决策系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110533300A CN110533300A (zh) | 2019-12-03 |
CN110533300B true CN110533300B (zh) | 2022-12-20 |
Family
ID=68661788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910731303.3A Active CN110533300B (zh) | 2019-08-08 | 2019-08-08 | 基于博弈集对云的变压器智能决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533300B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114264981B (zh) * | 2021-11-12 | 2024-04-26 | 上海电力大学 | 基于云边融合的区域电网电力变压器健康状态评估系统 |
CN115293383A (zh) * | 2022-10-09 | 2022-11-04 | 西南石油大学 | 融合博弈论的变压器风险致因分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108875A (zh) * | 2017-11-29 | 2018-06-01 | 国家电网公司 | 一种基于合作博弈法和梯形云模型的配电网运行状态模糊综合评价方法 |
CN109086518A (zh) * | 2018-08-01 | 2018-12-25 | 国网福建省电力有限公司 | 一种智能变电站输变电一次设备状态评估的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801166B (zh) * | 2012-08-13 | 2014-12-10 | 清华大学 | 基于合作博弈理论的安全和经济协调的自动电压控制方法 |
-
2019
- 2019-08-08 CN CN201910731303.3A patent/CN110533300B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108875A (zh) * | 2017-11-29 | 2018-06-01 | 国家电网公司 | 一种基于合作博弈法和梯形云模型的配电网运行状态模糊综合评价方法 |
CN109086518A (zh) * | 2018-08-01 | 2018-12-25 | 国网福建省电力有限公司 | 一种智能变电站输变电一次设备状态评估的方法 |
Non-Patent Citations (1)
Title |
---|
基于合作博弈和云模型的智能变电站输变电一次设备状态评估;庄建煌;《自动化技术与应用》;20180825(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110533300A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112788142B (zh) | 一种支持多传感器接入的智能边缘物联网关 | |
CN105512448B (zh) | 一种配电网健康指数的评估方法 | |
CN108803552A (zh) | 一种设备故障的监测系统及监测方法 | |
CN109872003B (zh) | 对象状态预测方法、系统、计算机设备及存储介质 | |
CN109102189A (zh) | 一种电气设备健康管理系统和方法 | |
CN102510125B (zh) | 电力一次设备运行工况监测方法及装置 | |
CN108336725A (zh) | 电网调度设备监控管理及智能分析系统 | |
CN111444169A (zh) | 一种变电站电气设备状态监测与诊断系统及方法 | |
CN109490713A (zh) | 一种用于电缆线路移动巡检及交互诊断的方法及系统 | |
CN110533300B (zh) | 基于博弈集对云的变压器智能决策系统 | |
CN110865924B (zh) | 电力信息系统内部服务器健康度诊断方法与健康诊断框架 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN218058021U (zh) | 一种基于数字孪生的电梯在线监测系统 | |
CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN102904343A (zh) | 基于分布式多智能体的状态监测系统及方法 | |
CN114629802A (zh) | 一种基于业务感知的电力通信骨干网络质量评估方法 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN115423009A (zh) | 一种面向云边协同的电力设备故障识别方法及系统 | |
CN104991549A (zh) | 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法 | |
CN111582338A (zh) | 一种电动汽车充电设施运行状态评估方法和系统 | |
CN110690699A (zh) | 一种基于泛在电力物联网的变电站智慧检测系统 | |
CN112183999A (zh) | 一种配电主设备传感器可靠性评估指标特征提取方法 | |
CN117014471A (zh) | 一种基于人工智能的工程物联网安全监测系统 | |
CN111190072A (zh) | 集抄系统诊断模型建立方法、故障诊断方法及装置 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20191203 Assignee: Hubei Zhikan Technology Co.,Ltd. Assignor: CHINA THREE GORGES University Contract record no.: X2023980043945 Denomination of invention: Transformer Intelligent Decision System Based on Game Set and Cloud Granted publication date: 20221220 License type: Common License Record date: 20231024 |
|
EE01 | Entry into force of recordation of patent licensing contract |