CN110689234B - 一种基于多源数据融合的电力变压器状态评估方法 - Google Patents

Abstract

一种基于多源数据融合的电力变压器状态评估方法，该方法先构建电力变压器状态评估指标体系，再基于模糊综合评判法、采用半梯形与半岭形相结合的隶属度函数计算得出各指标群的隶属度函数矩阵P(X)，并根据各指标的主客观权重、基于离差平方和确定各指标的最优原始权重分配，得出其模糊综合评判结果，然后以模糊综合评判结果为子证据，将其带入D‑S证据模型中进行融合，其中，评估指标体系包括油中溶解气体试验指标群、绝缘油试验指标群、电气试验指标群。本设计不仅能够准确、客观的评估变压器状态，而且可操作性强。

Description

一种基于多源数据融合的电力变压器状态评估方法

技术领域

本发明属于状态评估领域，具体涉及一种综合考虑设备油中溶解气体、绝缘油试验、电气试验等多源数据融合的电力变压器状态评估方法。

背景技术

油浸式电力变压器是电力系统的关键变电设备，是由油、纸、铜、钢、铁等材料组成的高度集成的复杂系统，运行环境复杂多变，故障机理复杂且维修成本高昂，一旦发生故障将造成巨大的经济损失。随着传感监测设备及信息化技术的发展，电力设备自投运以来的各种运行数据、监测数据、试验数据和检修数据不断生成，数据呈现出多源异构的大数据特征。除了分别存储于各信息系统的静态数据外，随着设备的老化、故障、检修、报废等行为，电力资产信息中相关主体和关系将随时间演变而产生不同时间节点上的动态数据。多维数据分别从不同侧面、不同程度和不同层次上反映了设备运行状态的好坏，且状态信息间具有耦合性、模糊性、随机性等特征，使得电力变压器的健康状态评估更加困难。目前，针对各电压等级的输变电设备，还未出现普遍适用的故障诊断与健康管理方法准则。在电力设备实际运维中，应用最普遍的仍是基于导则的累计扣分制评价方法，该方法简单易行却忽视了状态信息的不确定性问题。因此，如何实现多源异构数据的充分融合与高效利用，对电力设备进行“精准画像”，实现精细化差异化的状态评估，是亟待解决的问题。

电力设备在运行中会积累大量的监测试验数据，多维数据是设备健康管理的基础。自国家电网提出状态检修的概念，在电力设备状态评估领域已进行了大量的学术研究。目前用于电力变压器健康监测的状态指标主要有：油中溶解气体DGA、局部放电、红外热像、糠醛含量、酸值、绕组热点温度、以及振动信号等。由于变压器油中溶解气体数据的获取相对容易，目前变压器的状态评估主要是基于DGA分析，缺点在于气体间关系复杂，且无法响应换油等检修行为带来的故障率降低的效果。现有建立在变压器试验数据基础上的状态评估方法大多根据单一或有限的状态变量，未充分利用多源信息来进行综合判断，评估结果不够准确全面。目前，变压器的状态评估有多种方法：传统方法有基于油中溶解气体的三比值法、基于导则的阈值判断法等；也提出了许多智能化算法，如支持向量机法、马尔可夫模型、模糊综合评判法、粗糙集理论、神经网络、D-S证据理论等，这些研究成果一定程度上保证了电力变压器的安全可靠运行。

目前，电力变压器状态评估与健康管理工作仍存在以下几个方面的制约因素：(1)资产信息被割裂于PMS、EMS、IMS、ERP等多个信息系统，多源异构数据间的共享融合问题，无形中增加了设备状态评估和数据发掘的难度；(2)由于电力设备的高可靠性，缺陷故障样本数量难以满足深度学习等智能算法的建模需求，对于数据驱动设备健康管理提出了一定的难度。

发明内容

本发明的目的是针对现有技术存在的上述问题，提供一种能够准确、客观的评估变压器状态的基于多源数据融合的电力变压器状态评估方法。

为实现以上目的，本发明的技术方案如下：

一种基于多源数据融合的电力变压器状态评估方法，依次包括以下步骤：

步骤A、构建电力变压器状态评估指标体系，其中，所述电力变压器状态评估指标体系包括油中溶解气体试验指标群、绝缘油试验指标群、电气试验指标群；

步骤B、基于模糊综合评判法、采用半梯形与半岭形相结合的隶属度函数计算得出各指标群的隶属度函数矩阵P(X)；

步骤C、根据矩阵P(X)确定各指标的最优原始权重分配；

步骤D、根据各指标的最优原始权重、依据加权求和得到各指标群的模糊综合评判结果M(X)；

步骤E、以各指标群的模糊综合评判结果为子证据、以最大基本概率赋值作为评估结果、采用D-S证据理论对各子证据进行融合，得到电力变压器的状态评估结果。

所述步骤C依次包括以下步骤：

步骤B1、根据各指标的特征值计算其相对劣化度，并将电力变压器的运行状态划分为4种状态，A_i＝{A₁,A₂,A₃,A₄}＝{正常，注意，异常，严重}；

步骤B2、按下式计算各指标在上述四种运行状态下的隶属度μ(x)：

上式中，μ₁(x_i)为正常状态下的隶属度函数，μ₂(x_i)为注意状态下的隶属度函数，μ₃(x_i)为异常状态下的隶属度函数，μ₄(x_i)为严重状态下的隶属度函数，x_i为第i个指标的相对劣化度，s_k为[0,1]区间中第k个指标的边界值，{S₁,S₂,S₃,S₄,S₅,S₆}＝{0.2,0.4,0.5,0.6,0.7,0.8}；

步骤B3、根据以下公式确定各指标群的隶属度函数矩阵P(X)：

上式中，n为指标群内的指标个数。

所述步骤B1中，

对于相对劣化度数值越小越优型的指标，其相对劣化度采用以下公式计算得到：

对于相对劣化度数值越大越优型的指标，其相对劣化度采用以下公式计算得到：

上式中，x_i为第i个指标的相对劣化度，其取值范围为[0,1]，C₀为该指标的初值即最优值，C_max、C_min分别为该指标的最大、最小值，C_i为该指标的实测值。

所述步骤C依次包括以下步骤：

步骤C1、采用层次分析法计算指标群中各指标的主观权重，并根据各指标的原始数据、选用变异系数法计算获得其客观权重；

步骤C2、根据矩阵P(X)、基于离差平方和确定各指标群的组合赋权矩阵W_c：

maxJ(W_c)

W_c＝θ₁W₁+θ₂W₂+…+θ_lW_l

W_k＝(w_1k,w_2k,…,w_nk)^T

上式中，w_cj为矩阵W_c中第j列元素的权重，x_ij为矩阵P(X)中第i行第j列元素，x_ij’为矩阵P(X)中第i行非第j列元素，m为样本个数，n为评价指标个数，l为n个指标所具有的赋权方案总数，θ_k为第k种赋权方案的组合权重，W_k为第k种赋权方案的权向量值，k＝1,2,…,l，w_jk为第j个指标采用第k种赋权方案的权向量值，w_jk≥0且∑w_jk＝1；

步骤C3、对W_c进行归一化处理以得到各指标的最优原始权重分配。

所述步骤C1中，各指标的客观权重根据以下公式计算得到：

上式中，m为样本个数，n为评价指标个数，x_ij为各指标的原始数据矩阵X中第i行第j列元素，w_j为矩阵X中第j列指标的客观权重。

所述步骤D根据以下公式计算各指标群的模糊综合评判结果M(X)，即各指标群下电力变压器状态信度区间：

M(X)＝W_cP(X)

上式中，W_c为指标群中各指标的最优原始权重分配。

所述步骤E利用以下模型对子证据进行融合：

上式中，m(Ψ)为识别框架Θ的子集Ψ的基本概率分配，m₁(A₁)为第一个子证据支持命题A₁即正常运行状态发生的程度，K为证据冲突程度，{w₁,…,w_r,…,w_R}为各子证据{X₁,…,X_r,…,X_R}所对应的权重，w_max为权重最大值，α_k为优先置信度系数，M_r(X)为模糊综合评判结果M(X)，m_r(X)为修订后的基本概率分配，m_r(Θ)为不确定证据的概率信度分配。

步骤A中，所述油中溶解气体试验指标群包括H₂含量、CH₄含量、C₂H₄含量、C₂H₆含量、C₂H₂含量、CO含量、CO₂含量、总烃含量以及总烃产气速率指标，所述绝缘油试验指标群包括油中微水、击穿电压、油介损以及酸值指标，所述电气试验指标群包括绝缘电阻、吸收比、绕组介损、绕组直流电阻以及铁芯接地电流指标。

与现有技术相比，本发明的有益效果为：

1、本发明一种基于多源数据融合的电力变压器状态评估方法先以多种试验数据为基础建立了电力变压器状态评估指标体系，再基于模糊综合评判法、采用半梯形与半岭形相结合的隶属度函数计算得出各指标群的隶属度函数矩阵P(X)，并根据矩阵P(X)确定各指标的最优原始权重分配，得出其模糊综合评判结果，然后以模糊综合评判结果为子证据，将其带入D-S证据模型中进行融合，该方法不仅能够对电力变压器的状态做出准确、客观的评估，得到的评估结论可为后续故障诊断、寿命预测乃至检修决策环节提供重要的参考依据，而且具有较强的可操作性。因此，本发明不仅能够准确、客观的评估变压器状态，而且可操作性强。

2、本发明一种基于多源数据融合的电力变压器状态评估方法针对所选用的评估指标的特点采用半梯形与半岭形相结合的隶属度函数进行指标状态映射，能够更好地模拟评估指标间的模糊性，同时，该方法采用基于离差平方和的主客观综合赋权法保证了原始权重分配的精确度，从而有效提高了评估结果的合理性。因此，本发明有效提高了评估结果的合理性。

3、本发明一种基于多源数据融合的电力变压器状态评估方法仅以油中溶解气体试验指标、绝缘油试验指标、电气试验指标这些不可修复的老化失效故障因素作为电力变压器状态评估指标体系，而不考虑由绝缘套管、分接开关、冷却系统等附件引起的可修复的随机性故障因素，可更好地反映电力变压器的老化绝缘状态，有利于实现变压器状态的有效评估。因此，本发明所采用的评估指标体系有利于实现变压器状态的有效评估。

附图说明

图1为本发明所述电力变压器状态评估指标体系示意图。

图2为本发明所述半梯形与半岭形相结合的隶属度函数的分布。

具体实施方式

下面结合具体实施方式对本发明作进一步详细的说明。

参见图1、图2，一种基于多源数据融合的电力变压器状态评估方法，依次包括以下步骤：

步骤A、构建电力变压器状态评估指标体系，其中，所述电力变压器状态评估指标体系包括油中溶解气体试验指标群、绝缘油试验指标群、电气试验指标群；

步骤B、基于模糊综合评判法、采用半梯形与半岭形相结合的隶属度函数计算得出各指标群的隶属度函数矩阵P(X)；

步骤C、根据矩阵P(X)确定各指标的最优原始权重分配；

步骤D、根据各指标的最优原始权重、依据加权求和得到各指标群的模糊综合评判结果M(X)；

步骤E、以各指标群的模糊综合评判结果为子证据、以最大基本概率赋值作为评估结果、采用D-S证据理论对各子证据进行融合，得到电力变压器的状态评估结果。

所述步骤C依次包括以下步骤：

步骤B1、根据各指标的特征值计算其相对劣化度，并将电力变压器的运行状态划分为4种状态，A_i＝{A₁,A₂,A₃,A₄}＝{正常，注意，异常，严重}；

步骤B2、按下式计算各指标在上述四种运行状态下的隶属度μ(x)：

上式中，μ₁(x_i)为正常状态下的隶属度函数，μ₂(x_i)为注意状态下的隶属度函数，μ₃(x_i)为异常状态下的隶属度函数，μ₄(x_i)为严重状态下的隶属度函数，x_i为第i个指标的相对劣化度，s_k为[0,1]区间中第k个指标的边界值，{S₁,S₂,S₃,S₄,S₅,S₆}＝{0.2,0.4,0.5,0.6,0.7,0.8}；

步骤B3、根据以下公式确定各指标群的隶属度函数矩阵P(X)：

上式中，n为指标群内的指标个数。

所述步骤B1中，

对于相对劣化度数值越小越优型的指标，其相对劣化度采用以下公式计算得到：

对于相对劣化度数值越大越优型的指标，其相对劣化度采用以下公式计算得到：

上式中，x_i为第i个指标的相对劣化度，其取值范围为[0,1]，C₀为该指标的初值即最优值，C_max、C_min分别为该指标的最大、最小值，C_i为该指标的实测值。

所述步骤C依次包括以下步骤：

步骤C1、采用层次分析法计算指标群中各指标的主观权重，并根据各指标的原始数据、选用变异系数法计算获得其客观权重；

步骤C2、根据矩阵P(X)、基于离差平方和确定各指标群的组合赋权矩阵W_c：

maxJ(W_c)

W_c＝θ₁W₁+θ₂W₂+…+θ_lW_l

W_k＝(w_1k,w_2k,…,w_nk)^T

上式中，w_cj为矩阵W_c中第j列元素的权重，x_ij为矩阵P(X)中第i行第j列元素，x_ij’为矩阵P(X)中第i行非第j列元素，m为样本个数，n为评价指标个数，l为n个指标所具有的赋权方案总数，θ_k为第k种赋权方案的组合权重，W_k为第k种赋权方案的权向量值，k＝1,2,…,l，w_jk为第j个指标采用第k种赋权方案的权向量值，w_jk≥0且∑w_jk＝1；

步骤C3、对W_c进行归一化处理以得到各指标的最优原始权重分配。

所述步骤C1中，各指标的客观权重根据以下公式计算得到：

上式中，m为样本个数，n为评价指标个数，x_ij为各指标的原始数据矩阵X中第i行第j列元素，w_j为矩阵X中第j列指标的客观权重。

所述步骤D根据以下公式计算各指标群的模糊综合评判结果M(X)，即各指标群下电力变压器状态信度区间：

M(X)＝W_cP(X)

上式中，W_c为指标群中各指标的最优原始权重分配。

所述步骤E利用以下模型对子证据进行融合：

上式中，m(Ψ)为识别框架Θ的子集Ψ的基本概率分配，m₁(A₁)为第一个子证据支持命题A₁即正常运行状态发生的程度，K为证据冲突程度，{w₁,…,w_r,…,w_R}为各子证据{X₁,…,X_r,…,X_R}所对应的权重，w_max为权重最大值，α_k为优先置信度系数，M_r(X)为模糊综合评判结果M(X)，m_r(X)为修订后的基本概率分配，m_r(Θ)为不确定证据的概率信度分配。

步骤A中，所述油中溶解气体试验指标群包括H₂含量、CH₄含量、C₂H₄含量、C₂H₆含量、C₂H₂含量、CO含量、CO₂含量、总烃含量以及总烃产气速率指标，所述绝缘油试验指标群包括油中微水、击穿电压、油介损以及酸值指标，所述电气试验指标群包括绝缘电阻、吸收比、绕组介损、绕组直流电阻以及铁芯接地电流指标。

本发明的原理说明如下：

本发明以多种试验数据为基础建立了电力变压器多维状态评估指标体系及最优权重分配，引入了相对劣化度表征变压器实际状态向故障态转化的程度，采用综合模糊评判法计算出各指标的隶属度函数，以各参数子空间的计算结果作为子证据，带入D-S证据模型进行融合，实现了基于多源数据融合的电力变压器状态评估。与现有技术相比，本方法能很好地处理数据不确定性、赋权主观性等问题，提供了精细化的电力变压器状态评估方法。

变压器状态评估指标体系：变压器故障可分为不可修复的老化失效故障和可修复的随机故障2类，前者指变压器本体油纸绝缘材料的机械电气功能的丧失；后者包括绝缘套管、分接开关、冷却系统等附件的随机性故障，而变压器安全运行寿命主要由其绝缘老化程度所决定。考虑到状态评估的可实施性，本发明主要选取表征本体内部绝缘的多项试验数据共同构成变压器状态评估指标体系。

相对劣化度x_i：相对劣化度x_i的取值范围为[0,1]，x_i＝0时指标处于最优状态，x_i＝1时指标处于最差状态，在进行相对劣化度计算时，若计算得到的x_i大于1则取1，小于0则取0，从而保证指标结果的归一化。

D-S证据理论：用证据理论进行决策时需满足以下决策规则，以最大基本概率赋值作为评估结果，且与其他任何基本概率赋值的差值要大于某一设定阈值，本发明取ε₀＝0.001，不确定性的赋值概率要小于某一设定阈值，本发明取ε₁＝0.04。若无法同时满足上述决策规则，则评估结果无效，可能需要重新定义识别框架或进行更多证据融合。

实施例1：

一种基于多源数据融合的电力变压器状态评估方法，本实施例以湖北省某台110kV变压器作为对象，依次按照以下步骤进行：

步骤1、参见图1，构建电力变压器状态评估指标体系，其中，所述电力变压器状态评估指标体系包括油中溶解气体试验指标群、绝缘油试验指标群、电气试验指标群，所述油中溶解气体试验指标群包括H₂含量75.4μL/L、CH₄含量20.65μL/L、C₂H₄含量45μL/L、C₂H₆含量22.5μL/L、C₂H₂含量0.76μL/L、CO含量878.5μL/L、CO₂含量2609.3μL/L、总烃含量88.91μL/L、总烃产气速率3.72％/月，所述绝缘油试验指标群包括油中微水14mg/L、击穿电压50kV、油介损0.62％、酸值0.032mg KOH/g，所述电气试验指标群包括绝缘电阻3000MΩ、吸收比1.57、绕组介损0.425％、绕组直流电阻1.19％、铁芯接地电流50mA；

步骤2、采用层次分析法，咨询多位行业专家，各专家根据先验知识和经验，按AHP要求给出两两指标间的重要性比较，计算权重并做适当修正，得出多指标主观权重；

步骤3、选用变异系数法、根据各指标的原始数据通过以下公式获得其客观权重：

上式中，m为样本个数，n为评价指标个数，x_ij为各指标的原始数据矩阵X中第i行第j列元素，w_j为矩阵X中第j列指标的客观权重；

步骤4、根据矩阵P(X)、基于离差平方和确定各指标的组合赋权矩阵W_c：

maxJ(W_c)

W_c＝θ₁W₁+θ₂W₂+…+θ_lW_l

W_k＝(w_1k,w_2k,…,w_nk)^T

上式中，w_cj为矩阵W_c中第j列元素的权重，x_ij为矩阵P(X)中第i行第j列元素，x_ij’为矩阵P(X)中第i行非第j列元素，m为样本个数，n为评价指标个数，l为n个指标所具有的赋权方案总数，θ_k为第k种赋权方案的组合权重，W_k为第k种赋权方案的权向量值，k＝1,2,…,l，w_jk为第j个指标采用第k种赋权方案的权向量值，w_jk≥0且∑w_jk＝1；

步骤5、对W_c进行归一化处理以得到各指标的最优原始权重分配；

本实施例得到的各指标的最优原始权重如表1所述：

表1 多维评估指标的原始权重

指标	下层指标的权重
		X	[0.3713 0.3221 0.2576]
X1	[0.0985 0.0689 0.0939 0.0913 0.2391 0.0499 0.0588 0.0940 0.2057]
		X2	[0.3026 0.1938 0.2443 0.2593]
X3	[0.1438 0.1237 0.1945 0.3044 0.2336]

步骤6、根据各指标的特征值计算其相对劣化度，并将电力变压器的运行状态划分为4种状态，A_i＝{A₁,A₂,A₃,A₄}＝{正常，注意，异常，严重}，其中，

对于相对劣化度数值越小越优型的指标，其相对劣化度采用以下公式计算得到：

对于相对劣化度数值越大越优型的指标，其相对劣化度采用以下公式计算得到：

上式中，x_i为第i个指标的相对劣化度，其取值范围为[0,1]，C₀为该指标的初值即最优值，C_max、C_min分别为该指标的最大、最小值，C_i为该指标的实测值；

步骤7、按下式计算各指标在上述四种运行状态下的隶属度μ(x)：

上式中，μ₁(x_i)为正常状态下的隶属度函数，μ₂(x_i)为注意状态下的隶属度函数，μ₃(x_i)为异常状态下的隶属度函数，μ₄(x_i)为严重状态下的隶属度函数，x_i为第i个指标的相对劣化度，s_k为[0,1]区间中第k个指标的边界值，{S₁、S₂,S₃、S₄、S₅、S₆}＝{0.2、0.4、0.5、0.6、0.7、0.8}；

步骤8、根据以下公式确定各指标群的隶属度函数矩阵P(X)：

上式中，n为指标群内的指标个数；

本实施例得到的各指标群的隶属度函数矩阵分别为：

步骤9、根据指标群中各指标的最优原始权重、依据加权求和计算各指标群的模糊综合评判结果M(X)，即各指标群下电力变压器状态信度区间：

M(X)＝W_cP(X)

上式中，W_c为指标群中各指标的最优原始权重分配；

本实施例得到的各指标群的模糊综合评判结果为：

步骤10、以各指标群的模糊综合评判结果为子证据、以最大基本概率赋值作为评估结果、采用D-S证据理论对各子证据进行融合，得到电力变压器的状态评估结果：

上式中，m(Ψ)为识别框架Θ的子集Ψ的基本概率分配，m₁(A₁)为第一个子证据支持命题A₁即正常运行状态发生的程度，K为证据冲突程度，{w₁,…,w_r,…,w_R}为各子证据{X₁,…,X_r,…,X_R}所对应的权重，w_max为权重最大值，α_k为优先置信度系数，M_r(X)为模糊综合评判结果M(X)，m_r(X)为修订后的基本概率分配，m_r(Θ)为不确定证据的概率信度分配；

本实施例得到的电力变压器的状态评估结果如表2所示：

表2 电力变压器在不同运行状态下的评估结果

结果	m(Θ)	A1	A2	A3	A4
						X12	0.0405	0.3422	0.4379	0.1794	0
X123	0.0256	0.2737	0.4865	0.2142	0

将上述融合结果与决策规则进行对比，满足设定的阈值条件，表明本融合方法是有效的。

针对该台变压器，由原始试验报告可知，由于无任一指标超过注意值，因此所有检测结果均为合格，然而多项指标均有劣化趋势。利用本文的评估方法最终评价结果为“A₂注意状态”，符合该变压器后续运行中出现状态告警的实际情况。本文所提方法对变压器的初期老化情况有一个量化结果，相比于试验规程中的阈值判断法，评估结果更加合理，由D-S证据理论对子证据进行融合后，变压器处在A₂区间的信度0.4865更加明确，与单项目因素评估相比，结果更加有效。

Claims (6)

1.一种基于多源数据融合的电力变压器状态评估方法，其特征在于：

所述方法依次包括以下步骤：

步骤A、构建电力变压器状态评估指标体系，其中，所述电力变压器状态评估指标体系包括油中溶解气体试验指标群、绝缘油试验指标群、电气试验指标群；

步骤B、基于模糊综合评判法、采用半梯形与半岭形相结合的隶属度函数计算得出各指标群的隶属度函数矩阵P(X)，包括：

步骤B1、根据各指标的特征值计算其相对劣化度，并将电力变压器的运行状态划分为4种状态，A_i＝{A₁,A₂,A₃,A₄}＝{正常，注意，异常，严重}；

步骤B2、按下式计算各指标在上述四种运行状态下的隶属度μ(x)：

上式中，μ₁(x_i)为正常状态下的隶属度函数，μ₂(x_i)为注意状态下的隶属度函数，μ₃(x_i)为异常状态下的隶属度函数，μ₄(x_i)为严重状态下的隶属度函数，x_i为第i个指标的相对劣化度，s_k为[0,1]区间中第k个指标的边界值，{S₁,S₂,S₃,S₄,S₅,S₆}＝{0.2,0.4,0.5,0.6,0.7,0.8}；

步骤B3、根据以下公式确定各指标群的隶属度函数矩阵P(X)：

上式中，n为指标群内的指标个数；

步骤C、根据矩阵P(X)确定各指标的最优原始权重分配，包括：

步骤C1、采用层次分析法计算指标群中各指标的主观权重，并根据各指标的原始数据、选用变异系数法计算获得其客观权重；

步骤C2、根据矩阵P(X)、基于离差平方和确定各指标群的组合赋权矩阵W_c：

max J(W_c)

W_c＝θ₁W₁+θ₂W₂+…+θ_lW_l

W_k＝(w_1k,w_2k,…,w_nk)^T

上式中，w_cj为矩阵W_c中第j列元素的权重，x_ij为矩阵P(X)中第i行第j列元素，x_ij’为矩阵P(X)中第i行非第j列元素，m为样本个数，n为评价指标个数，l为n个指标所具有的赋权方案总数，θ_k为第k种赋权方案的组合权重，W_k为第k种赋权方案的权向量值，k＝1,2,…,l，w_jk为第j个指标采用第k种赋权方案的权向量值，w_jk≥0且∑w_jk＝1；

步骤C3、对W_c进行归一化处理以得到各指标的最优原始权重分配；

步骤D、根据各指标的最优原始权重、依据加权求和得到各指标群的模糊综合评判结果M(X)；

步骤E、以各指标群的模糊综合评判结果为子证据、以最大基本概率赋值作为评估结果、采用D-S证据理论对各子证据进行融合，得到电力变压器的状态评估结果。

2.根据权利要求1所述的一种基于多源数据融合的电力变压器状态评估方法，其特征在于：

所述步骤B1中，

对于相对劣化度数值越小越优型的指标，其相对劣化度采用以下公式计算得到：

对于相对劣化度数值越大越优型的指标，其相对劣化度采用以下公式计算得到：

上式中，x_i为第i个指标的相对劣化度，其取值范围为[0,1]，C₀为该指标的初值即最优值，C_max、C_min分别为该指标的最大、最小值，C_i为该指标的实测值。

3.根据权利要求1所述的一种基于多源数据融合的电力变压器状态评估方法，其特征在于：

所述步骤C1中，各指标的客观权重根据以下公式计算得到：

上式中，m为样本个数，n为评价指标个数，x_ij为各指标的原始数据矩阵X中第i行第j列元素，w_j为矩阵X中第j列指标的客观权重。

4.根据权利要求1或2所述的一种基于多源数据融合的电力变压器状态评估方法，其特征在于：

所述步骤D根据以下公式计算各指标群的模糊综合评判结果M(X)，即各指标群下电力变压器状态信度区间：

M(X)＝W_cP(X)

上式中，W_c为指标群中各指标的最优原始权重分配。

5.根据权利要求1或2所述的一种基于多源数据融合的电力变压器状态评估方法，其特征在于：

所述步骤E利用以下模型对子证据进行融合：

上式中，m(Ψ)为识别框架Θ的子集Ψ的基本概率分配，m₁(A₁)为第一个子证据支持命题A₁即正常运行状态发生的程度，K为证据冲突程度，{w₁,…,w_r,…,w_R}为各子证据{X₁,…,X_r,…,X_R}所对应的权重，w_max为权重最大值，α_k为优先置信度系数，M_r(X)为模糊综合评判结果M(X)，m_r(X)为修订后的基本概率分配，m_r(Θ)为不确定证据的概率信度分配。

6.根据权利要求1或2所述的一种基于多源数据融合的电力变压器状态评估方法，其特征在于：

步骤A中，所述油中溶解气体试验指标群包括H₂含量、CH₄含量、C₂H₄含量、C₂H₆含量、C₂H₂含量、CO含量、CO₂含量、总烃含量以及总烃产气速率指标，所述绝缘油试验指标群包括油中微水、击穿电压、油介损以及酸值指标，所述电气试验指标群包括绝缘电阻、吸收比、绕组介损、绕组直流电阻以及铁芯接地电流指标。