CN111612296B - 一种换流站电力设备在线监测装置量化配置方法 - Google Patents
一种换流站电力设备在线监测装置量化配置方法 Download PDFInfo
- Publication number
- CN111612296B CN111612296B CN202010278866.4A CN202010278866A CN111612296B CN 111612296 B CN111612296 B CN 111612296B CN 202010278866 A CN202010278866 A CN 202010278866A CN 111612296 B CN111612296 B CN 111612296B
- Authority
- CN
- China
- Prior art keywords
- value
- equipment
- importance
- parameter
- index
- 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
- 238000012806 monitoring device Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000013139 quantization Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000011156 evaluation Methods 0.000 claims description 47
- 239000013598 vector Substances 0.000 claims description 36
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 13
- 230000007547 defect Effects 0.000 claims description 12
- 238000011002 quantification Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000003313 weakening effect Effects 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013278 delphi method Methods 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 52
- 238000004458 analytical method Methods 0.000 description 20
- 238000000605 extraction Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 10
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 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
- G06Q10/0639—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
- 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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种换流站电力设备在线监测装置量化配置方法，涉及电力系统设备在线监测领域，包括以下步骤基于改进型TOPSIS法，获取各被监测设备对总系统的重要性程度的一级属性权重值，基于改进型层次分析法，获取各被监测设备的状态参量对总系统的重要性程度的二级属性权重值；根据一级属性权重值和二级属性权重值，获取各被监测设备的各个状态参量对总系统的总体重要性量化指标；建立监测装置的监测技术性能量化指标和建立经济性量化指标；在定值目标下和无定值目标下，进行在线监测装置的配置。本发明建立了换流站电力设备在线监测装置的量化配置方法，使在线监测装置的配置更具有科学性。
Description
技术领域
本发明涉及电力系统设备在线监测领域，具体涉及一种换流站电力设备在线监测装置量化配置方法。
背景技术
直流输电是一种利用高压直流线路以直流电压的形式进行电能传输的输电方式，是目前世界上电力大国解决高电压、大容量、远距离送电和电网互联的一个重要手段。由于高压直流输电输送容量大，一旦出现问题将对受端电网造成重大影响，尤其是在受端电网处于用电高峰期的时候。因此，提高高压直流输电的可靠性显得非常重要和迫切，而高压直流换流站作为特高压直流输电的重要组成部分，提高直流换流站的可靠性才能保证高压直流输电可靠性的提高。
为了提高实际系统中设备运行的可靠性，可以从提高设备的制造工艺、改善设备的运行环境、运用一些新型技术、加强直流输电系统设备的状态监测及故障分析等方面来入手。其中，加强换流站内输电设备的状态监测及故障分析是实际系统中运用最为广泛、最可行的方式，以提前发现并解决设备缺陷问题，从而避免系统故障的发生，保证了电力系统的安全稳定运行。因此，能否切实有效地实现换流站运行状态监测及故障预警成为保证直流换流站运行安全性和可靠性的关键。针对于换流站在线监测装置的配置，即需要整合不同设备厂家、不同类型的在线监测设备进行换流站多维度监测。但是，目前并没有相对系统的配置原则与模型，在实际配置过程中都主要是以经验作为配置手段，其中就存在一些主观不确定因素，使得整个配置方案无法达到最优配置。
发明内容
针对现有技术中的不足，本发明提供一种换流站电力设备在线监测装置量化配置方法，其基于被监测设备的总体重要性权重量化指标、监测装置的监测技术性能量化指标和经济性量化指标建立换流站电力设备在线监测装置的量化配置方法，使在线监测装置的配置更具有科学性。
为实现上述目的，本发明的技术方案如下：
一种换流站电力设备在线监测装置量化配置方法，其包括以下步骤：
基于改进型TOPSIS法，获取各被监测设备对总系统的重要性程度的一级属性权重值，基于改进型层次分析法，获取各被监测设备的状态参量对总系统的重要性程度的二级属性权重值；根据一级属性权重值和二级属性权重值，获取各被监测设备的各个状态参量对总系统的总体重要性量化指标；
建立监测装置的监测技术性能量化指标和建立经济性量化指标；
根据被监测设备的总体重要性量化指标、监测装置的监测技术性能量化指标和经济性量化指标在定值目标下和无定值目标下，进行在线监测装置的配置。
本发明与现有技术相比，其有益效果在于：本发明多评价维度进行量化，各项指标的评价计算更加客观，监测装置配置方法可量化打分，具有较强的操作性。
附图说明
图1为本发明的量化配置方法的量化指标框图；
图2为被监测设备的状态参量的体系框图；
图3为本发明三项量化指标的配置模型图；
图4为本发明划分子空间后的结构模型图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
实施例：
参见图1，整个选评体系的构建，需要从被监测的电力设备(或简称被监测设备/设备)、被监测设备的状态参量(或简称监测参量)、监测装置三个方面进行分析入手。由于整个在线监测装置的配置即是针对被监测设备的某些关键参量进行监测装置的安装，设备的重要性最终还是体现在监测参量上，设备的重要性也决定了监测参量的重要程度。因此，该设备的重要度应该反映至所包括的监测参量上。通过对监测参量重要程度、监测设备的技术性能、经济性三个因素集中进行考量，最后就可选择或评价出一个最优的经济型配置方案。
从监测参量的重要性、监测技术的性能、经济性三个选评指标进行综合性分析。
(1)对于被监测参量的重要性主要由参量对应的设备的重要性、参量的关注度、缺陷记录等一些因素决定，从设备重要性角度上分析，可以知道设备重要度是参量重要度的一级指标，通过运用一级指标与二级指标的权重关系，即可以得到参量的总体权重指标。而对于其他因素的影响，可以从实际运行情况、历史数据等角度进行分析，通过相应的量化模型得出各类设备中参量的权重值，以反映设备的重要程度。
(2)针对于监测装置的性能，可以从实际设备的运行情况、运行人员的经验、行业发展、历史数据等信息进行综合分析。对于对各个影响因素，确定相应的指标并量化影响程度，构建相应的数学模型得出综合选评参数，以反映监测装置的性能。
(3)针对配置方案的经济性，从个体和系统整体两个层次分别进行考量。对于个体装置的经济性，无法实现对效益的量化，效益的实现是在整体设备的有效性前提下才取得的，因此可以将效益的分析划分至整体的经济性分析中，个体的经济性可以从其投入上进行考量。对于整体系统的经济性分析，既要考量相应的投资成本，同时还应考量整个监测系统的经济效益，在构架综合参量时需要将这两者进行综合。
一种换流站电力设备在线监测装置量化配置方法，包括以下步骤：基于改进型TOPSIS法，获取各被监测设备对总系统的重要性程度的一级属性权重值，基于改进型层次分析法，获取各被监测设备的状态参量对总系统的重要性程度的二级属性权重值；根据一级属性权重值和二级属性权重值，获取各被监测设备的各个状态参量对总系统的总体重要性量化指标。
建立监测装置的监测技术性能量化指标和建立经济性量化指标。
根据被监测设备的总体重要性量化指标、监测装置的监测技术性能量化指标和经济性量化指标在定值目标下和无定值目标下，进行在线监测装置的配置。
基于改进型TOPSIS法，获取各被监测设备对总系统的重要性程度的一级属性权重值
针对换流站设备重要性分析，需要从设备本身价值、设备故障率、故障损失程度、维修特性等角度进行考量，构建综合指标时就需要考虑多个方面的影响。因此，针对于该多目标的重要度量化问题，首先采用TOPSIS法对换流站内换流变压器、换流阀、GIS设备、断路器、高压套管、避雷器等设备进行了多属性的综合重要性分析，建立了换流站设备的重要性量化模型。
TOPSIS法是一种根据与理想目标相似程度进行选优排序的技术，被广泛运用于多目标的决策分析。它首先对数据进行归一化处理得到规范化矩阵，然后针对多个目标确定其中的最优目标和最劣目标(分别表示为正理想解和负理想解)，接着通过计算各评价目标与正、负理想解的距离，获得各评价样本与理想解的贴近度。最后按与理想解贴近度的大小进行选优排序，将其作为评价样本优劣的依据。贴近度的取值范围是0～1，该值与1越接近，说明对应的评价样本与最优水平越接近；反之，该值与0越接近，则说明该评价样本与最劣水平越接近。再利用各对象之间贴近度大小转化为设备的权重值，以反映设备在系统中的重要性。
改进的TOPSIS包含以下步骤:采用信息熵法求取属性权重、TOPSIS的应用和各对象权重量化。TOPSIS，也即接近理想方案的序数偏好方法，通过待确定方案与理想解的相对接近程度以及与负理想的距离来判断方案的排列顺序,但必需知道各属性的权重,文中采用信息熵法求取。
获取各被监测设备对总系统的重要性程度的一级属性权重值包括以下步骤：
1)基于信息熵方法的属性权重求取
步骤1-1：基于信息熵方法求取属性权重：
设m个设备、n个属性的重要度决策问题的决策矩阵D为：
设备关于属性j的评价Xij为：
设备关于属性j的熵Ej为：
其中，k表示常量，k＝1/knm，
信息偏差度dj为：dj＝1-Ej，
当没有属性间的偏好，属性权重值：
如果有属性间的偏好及对各个影响因素不同的强调程度，引入出相应的对象的主观权重为λj，则：
2)TOPSIS法
TOPSIS假设每个属性的效用单调递增，故理想方案就由所有可能的最优属性值构成，负理想解则由所有可能的最差属性值构成。可以将关于m个子系统、n个属性的重要度决策问题视作在n维空间中的m个点构成的几何系统中进行处理。此时，所有的子系统可以作为该几何系统的解。设备重要度的排序可以根据与理想解在几何空间上的Euclid距离而给定，但与理想解距离最近的子系统并非与负理想解距离最远，故TOPSIS通过理想解的相对接近程度，同时考虑到理想解和负理想解的距离来判断子系统的重要程度。
步骤1-2：基于改进TOPSIS法计算与理想解的相对接近程度Ci+：
决策矩阵D标准化得到标准化决策矩阵R；
利用属性权重的向量对R进行加权获得加权标准化决策矩阵V；
确定理想解A+和负理想解A_：
其中J为效益型属性集合，J'为成本型属性集合，
计算与理想解的距离：
计算与非理想解的距离：
计算与理想解的相对接近程度Ci+：
Ci+＝Si-/(Si-+Si+)，0＜Ci+＜1，i∈M (9)
当Ci+趋近于1时，被监测设备则越为重要，定义相对接近程度Ci+为被监测设备的重要性程度。
其中，针对不同的设备在进行重要性分析时所采用的选评因素，也即属性将是不同，故需要对待被分析的系统进行全面了解，才能确定属性的种类及每个属性的等级标准。本项目对换流站设备进行重要度分析。其中，由换流变压器、换流阀、平波电抗器、GIS设备、其它电容器、穿墙套管、直流滤波器、直流避雷器、接地极、直流断路器、直流分压器共11种设备组成。从确定多个角度考虑分析，确定了影响各子系统的重要程度的因素,主要有设备价值、故障率、故障损失、设备故障或缺陷可探测程度、设备运行维护复杂度、维修耗时、是否有备用设备、失效对相关设备的影响、可监测性。每个因素的评分标准如表1到表9，可以根据前文的调查分析结果，以及实际情况评出两个等级之间的分数。
表1设备本身价值C1
表2设备故障率C2
表3故障损失评分标准C3
表4设备故障或缺陷参量可探测程度C4
表5设备运行维护费用C5
表6维修耗时评分标准C6
表7是否有备用设备的评分标准C7
表8失效对相关设备的影响评分标准C8
表9可监测性评分标准C9
根据此评分标准，换流站设备的重要度分析决策者对各子系统打分，对其平均处理后即可得到换流站设备重要度的决策矩阵。首先，将此数据进一步代入式子1到式子9即可得到换流站各设备的重要程度。
3)各对象权重量化
前文中通过建立TOPSIS模型量化了各设备的重要程度，用对应值进行表征设备重要性程度，不过该值只能反映出设备的重要性高低，无法反映各参量在系统中的重要度分布。因此，通过利用该重要程度值转换为各设备权重值，以各个设备的权重反映设备的在整个系统中的重要程度。
步骤1-3：对被监测设备的一级属性权重值进行量化：
将设备的重要性程度Ci+转化为各设备的一级属性权重值WAi，
其中，n表示的参与选评的设备类型总数，其中不包括由实际运行工况所剔除的设备；，Ci+为第i个设备的重要性程度；WAi为第i个设备在总系统中的一级属性权重值。
(2)基于改进型层次分析法，获取各被监测设备的状态参量对总系统的重要性程度的二级属性权重值。
通过利用改进层次分析法对各设备中各个状态参量进行重要性的量化，得到相应指标的二级权重值。再利用前文中所获得设备的一级权重值，根据二级权重和各设备的权重值进行综合处理，得到最终的各设备下各状态参量的总体权重，从而达到了指标量化目的。
在进行各参量重要性分析前，需要先对各设备的状态参量及所对应的故障进行统计归纳，分析换流站设备的主要故障模式和故障特征量以及在线监测系统常用的特征量运用情况，结合换流站各设备的缺陷情况，提取了换流站各设备故障相关的特征量，构建的参量体系进行参量体系的构建。
1)改进型层次分析法
在进行各元素之间重要性判断时，层次分析法主要是采用专家评价的方法，利用相应的经验值判断两两参量之间的重要程度，得到设备的比较矩阵，再利用相应的矩阵计算得出各个单元内各指标的权重值。其中，不可避免有一些主观因素的存在，从而影响整个模型运用的效果。因此，针对于该问题，通过引入的相关性参量以弱化主观性，构造出两者之间的重要程度，得到相应的比较矩阵，再利用一致矩阵的方法，得到各个指标的二级权重值。因此，该改进的层次分析法主要分为以下比较矩阵的构建、一致矩阵求解、一致性检验、总排序计算三个方面。
1.1)比较矩阵的构建：
常规比较矩阵的构建，是通过主观评价两两元素之间的重要性构建得到的，其中，就存在很大的主观性因素。因此，在构建两两元素之间的比较重要性时，通过引入参量与标准参量之间的相关度作为中间量，再构建出两两之间的相对重要性。从而，很大程度上弱化主观性因素的影响。
1.1.1)特征参量的相关度分析模型
针对于各状态参量之间的重要性的评估，由于各个参量具有不同的特点，使得给定的评估指标难以确定及量化。因此，本文从基于技术监督的关注度、运行经验、设备状态监测理论研究成果等方面构建之间的相关性指标，在利用相关性进行重要性的量化。
状态参量相对重要性的量化思路如图2所示。依据基础参数体系的研究成果，结合技术监督的关注度、状态参量的特征、设备状态监测理论研究成果、相关工作规范及设备缺陷/故障记录统计情况及预防性试验异常报告等实际情况，计算基础参数体系中各参量与标准参量的相关系数，采用德尔菲法确定各设备的参数体系，并将该方法应用于10种直流主设备的各参量之间相对重要性的提取。
步骤2-1：在被监测设备的监测数据基础上采用德尔菲法确定各被监测设备的状态参量体系，获取状态参量的提取向量以及定义状态参量的标准向量；其中，状态参量的提取向量的值由1或0组成，标准向量则全部由1组成。
具体地，根据提取依据，可以组合形成各参数的提取向量。根据各提取依据中对各参量的描述，建立依据提取向量。由于状态量在各依据中的描述程度难以量化，因此，在模型中，只要有较为明显的涉及，便认为该状态量在该依据中有所体现，参数提取向量在该状态量的该依据中设定为1，反之则为0。
定义的参数提取向量如式11所示
βn＝[A，B，C，D，...]，n＝1，2，3，... (11)
式11中，A、B、C、D等均为上图2中各参数提取依据。
Ax，Bx、Cx、Dx...为状态量在各依据中的量化：状态量在依据中被提及则为1，未涉及则为0状态量在各依据中的量化：状态量在依据中被提及则为1，未提及则为0。
状态参数标准向量为如式12所示
β0＝[1，1，1，1，...] (12)
即代表参数在每项提取依据中均被提及，可以定义符合式(12)这种各项提取依据中均有提及的参量为标准关键参数，其向量为参数提取标准向量。将每个状态量的参数提取向量与关键参数提取标准向量进行向量相似性系数计算，该相似性反映了与标准参量的接近程度，从而也反映了状态参量之间的重要程度。
其中，参数的提取最低标准应由相关领域有经验的专家通过相对科学的方法讨论确定，并且在日后可通过实际运行情况分析进行相应修正和调整。
在本章所涉及的相对重要性提取过程中，采用Tanimoto系数(又称广义Jaccard系数)进行向量相似性计算。Tanimoto系数可以度量文档数据的相似性，其测度两个模式的共有特征和共占有特征的比，如式(13)所示
式(13)中xi和yi为向量X、Y的中第i个元素，T(X,Y)为参量的相似性值。特别的，向量X、Y在二元属性情况下可知可归约为Jaccard系数。Jaccard系数等于样本集交集与样本集合集的比值，多用来比较样本集中的相似性和分散性的一个概率，如式(14)所示
其中
以上通过结合设备的缺陷记录统计、故障记录统计、预防性试验异常报告、调度规程、反事故措施、风险预控措施及特维方案、设备状态监测理论研究、运行数据多维度分析工作规范等方面，构建出了各个参量对于标准参量的相似性模型，为下一步参量的总体重要性做好的数据准备。
比较矩阵的构建：
步骤2-3：将参量的相似性值转化为两者之间的重要程度比较值Bij，根据前文中各单元中各类参量与标准参量的相似性系数Ti，以系数的大小以反映监测参量的重要程度，Ti越大及说明该状态参量越重要，反之，越不重要。在进行两两参量重要性比较时，利用两两之间的相似性，并将其转化为两者之间重要程度比较值Bij，定义相对重要性的指标的最大数值为9，因此两两之间的比较值可以有下式定义：
其中，Ti为第i个参量的相似性值，Tj为第j个参量的相似性值，Bij为第i个参量相对于第j个参量的重要程度比较值，相对应的是Bji为第j个参量相对于第i个参量的重要程度比较值，相对重要性的指标的最大数值为9。
步骤2-4：根据两者之间的重要程度比较值Bij构建相应的判断矩阵A，
1.2)一致矩阵求解
通过相应运算可以得出相应的判断矩阵，从而规避掉了常规层次分析法中主观性的影响。首先对判断矩阵作层次单排序，层次单排序就是把本层所有各元素对上一层来说，排出评比顺序，这就要计算判断矩阵的最大特征向量，最常用的方法是和积法，和积法具体计算步骤如下：
将判断矩阵的每一列元素作归一化处理，其元素的一般项为：
将每一列经归一化处理后的判断矩阵按行相加为：
Wj＝∑lnbij(i＝1,2,…,n) (18)
W＝(W1,W2,…,Wn)即为所求的特征向量的近似解，Wj也即相应参量单排序的权值。计算判断矩阵最大特征根λmax：
1.3)一致性检验
一致性检验根据判断矩阵计算对于上一层某因素而言本层次与之有联系的因素的重要性次序的权值，就是计算判断矩阵的特征根和特征向量的问题，即对判断矩阵A，计算满足式(20)：
A×WB＝λmax (20)
其中，WB＝(WB1,WB2,…,WBn)，λmax为A的最大特征根；WB为对应于λmax的正规化特征量，WB的分量即WBi就是相应因素单排序的权值。
考虑客观事物的复杂性,对判断矩阵的一致性进行检验。一致性指标CI的定义如下:
由于矩阵的一致性存在一定的随机性,因此引入了平均随机一致性指标RI。RI取值与判断矩阵的维数直接有关。1～10阶矩阵的RI范围见表10。
表10 1～10阶矩阵的平均随机一致性指标
| 阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
在判断判断矩阵一致性时,是通过计算随机一致性比例CR进行判断。
CR越小,判断矩阵的一致性越好,当CR≤0.1时,可以认为判断矩阵具有满意的一致性,否则就需要对判断矩阵进行调整。如果通过一致检验，得到的特征向量就是各元素的权重。
3)层次总排序
利用层次单排序的计算结果，进一步综合出对更上一层次的优劣顺序，就是层次总排序的任务。其中，上一层优劣的顺序结果即为上文中所得到的各设备的权重值。其中，参量的二级权重值向量为WB＝[WB1 WB2 … WBn]，各参量对整个系统权重向量的计算方法如下所式：
其中，WBi为二级指标中第i个参量值的权重值，WAi为前文计算所得的第i类设备对应的权重值，Wi为该设备中第i各参量的对总系统的权重值。
考虑到同种设备在同一系统中电气位置不同，其所对系统的影响程度也有多不同，就避雷器而言，在接地极中的避雷器相对于阀厅内的避雷器重要程度低，而运行额定电压却可能相同，价格方面可能相近。因此对于装置配置中，通过引入位置影响弱化因子Pl来弱化某些设备的重要度。位置因素影响不同主要由该设备所安装电气区间、该设备配合对象、电压等级等因素决定。因此，Pl值大小可按照以下的规范值进行求的，具体规范如下表11：
表11位置影响弱化因子Pl的取值规范
以上位置影响弱化因子Pl可以的等级评定可以参照相应的专家、历史记录进行调整，且可以实际情况进行调整。
通过引入该位置影响弱化因子Pl，在计算各个监测装置的重要度时，需要将该装置的重要度进行修正，修正方法如下：
Wi'*＝Wi **Pl (24)
其中，Wi'*为修正后的重要度，Wi *为第i各参量的对总系统的总体重要性量化指标归一化后的值。
因此，通过以上方法即可以得到各个参量对于总系统的权重值，该权重值反映着状态参量对于整个系统的重要程度。参量的总权重值越大，说明该参量对系统运行的重要程度越高；反之，重要程度越低，从而达到将重要程度量化的目的。
针对于监测技术的性能参量，需要从技术的成熟度、已投入监测设备的运行状况、监测装置的可靠性等因素进行分析，并需要将各个因素进行量化为一个参量值，以该参量值直接反映该监测技术的性能指标。由于，该项指标的各项影响因素都是非数值性参量，就要通过专家法，根据实际已经参与监测的运行状况、监测行业发展的状况得出相应的装置的性能评分，再根据基于信息熵的属性权重求取方法确定各属性的权重值，再运用综合计算式子得到综合评估量，从而达到监测的性能参量的量化。
对几种常见设备的在线监测技术运行情况和技术发展情况的统计分析，掌握各类监测装置运用情况、监测技术的成熟度等一些信息，然后专家参考该类信息以及其自身的经验对各个监测设备进行评分，从而得到相应的监测设备的性能。而对于评分标准，可以通过构建一个多级列表的罗列出来，以下即为打分参考表，其中，所述影响指标包括运行异常率、平均故障率、监测技术成熟度和设备运用情况；评分值的取值范围为0到10。
表12监测设备性能评分标准
建立监测装置的监测技术性能量化指标F包括：
F＝wiDi
其中，wi为各个监测装置的影响指标占据的权重值，Di为各个监测装置的各个影响指标的评分值，各个监测技术性能量化指标则为Fi；
根据以上的评分标准，再通过专家法对某种设备的各个指标进行打分得到相应分数值Di。定义F为各监测装备在线监测的性能参量，其定义如下式所式：
F＝w1D1+w2D2+w3D3+w4D4 (25)
其中，w1、w2、w3、w4为四个影响指标分别占据的权重值，通过基于信息熵的属性权重计算法确定，由于实际中不同地区及不同等级的换流站对于以上四个部分的侧重各有不同，因此其取值也是根据实际情况而定，可以在权重模型中引入λj进行动态调整。
最终基于以上的监测技术及装置性能量化模型，得出了各个监测技术装置的性能参量。
方案经济性量化模型
建立经济性量化指标E：考虑总体监测设备的经济型指标时，主要从投资成本方面进行考虑。投资成本主要由多个方面决定，其中就包括建设经费、人力投资、资源的占用等方面，各个方面所得关联度较大且包含大量的模拟量信息。为简化计算，本方案在考虑投资成本时，针对于某种设备，即为安装该类设备所需要的建设经费，因此定义各类参量的投资经费为Ci
根据以上的分析，设备经济性的参量需要综合收益量和投资量两个指标。通过对这两个参量特点进行分析，引入经济性参量E。但收益量的概念是呈现整个监测系统的经济收益，而针对于每一台监测装置而言，无法进行确定性的定义，因此，在考虑单个装置的经济性参量；
其中K值为一个常数，调节该参量的变动范围。当投资成本越高时，那么经济性就越低，Ei越小；反之，那么经济性就越高，Ei越大。
换流站配置方案的优选配置策略
在进行换流站在线监测装置配置时，由于每个换流变电站的实际设备的运行状况，设备的基本参数都存在着差异，由整个系统所计算所得到的重要度参量并不适用于该换流站，所以首先需要先考虑其实际的运行工况，将其剔除常规设备分析模型。
(1)特殊设备配置评估
由于对于一个系统中，老化程度较高，新增个体设备，缺陷数频率较高的设备，该类设备由于性能、可靠性原因就必须进行设备的在线监测装置的安装，以提高实际系统的运行可靠性。其中，定义这类设备为特殊设备，评价设备是否为上述所表述的设备，可以按照以下规范表进行判别，如表13。
表13特殊设备评估条件
| 性能缺陷 | 入选条件 |
| 老化程度较高 | 设备的使用时间T≥50％*预估寿命 |
| 新增设备 | 以参与设备评价的日期为限，使用时间T≤5％*预估寿命 |
| 缺陷频率 | 一年发生缺陷次数N≥2次 |
当某个设备满足其中任意一个条件时，就可以判定为该类设备，就必须优先进行该设备在线监测设备的安装。在筛选完该换流站内特殊设备后，下面针对于常规设备进行监测装置进行配置。
针对于换流站内常规设备的在线监测装置配置时，由于在不同的配置条件、不同的配置要求下，所需要的最优的配置方案的标准也不同。因此，下文分别对定值目标下、非定值目标下制定出在线监测装置配置策略。
在进行构建配置策略时，主要的评估依赖于监测参量重要性、监测技术性能、经济性三个指标数据，在进行各指标综合处理分析时，为了避免因为计算得到的三部分指标的结果因数值上的差别而造成的偏差，因此，需要将各部分所得到的值进行归一化计算，其计算算法如下：
假设数据d＝{dj}归一化后为d*＝{dj*}，则有：
其中ymax，ymin分别是最大值和最小值，一般分别设为1和10。dmax，dmin是处理对象样本的最大值和最小值。
(2)定值目标下在线监测装置配置策略
在换流站在线装置配置方案制定之前给定投资金额的条件下，则要求所制定的方案能够在充分利用投资费用的条件下，使整个监测系统达到最高有效性，并最大幅度地提高换流站系统的运行可靠性。根据前文所建立的量化模型可以得到各项选评指标值，通过构建出一个总体评价指标P并以该选评指标量大小进行各监测参量排序，在金额范围内择优选取，即可达到所对应的配置目标。
其中，整体参量P值主要由以上监测参量重要性、监测技术性能、经济性三个指标共同决定。定义Pi为第i个监测参量的总体评价指标，其定义如下式所示：
其中，L1、L2、L3为各个指标占据的权重值，且L1+L2+L3＝10，Wi *为该被监测参量的重要性指标的归一化的值，Fi *为监测设备性能归一化的值，
为监测装置经济型归一化的值。其中，对L1、L2、L3的求解是通过多元线性回归的权重系数修正方法获取得到，以下即为算法模型，归一化方法采用如式(27)。
基于多元线性回归的权重系数修正方法：
1)多元线性回归
在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。
多元线性回归的一般模型为
y＝β0+β1X1+β2X2+......+βnXn+ε (29)
其中，ε～N(0,σ2)，β0、β1、β2、....βn和σ2为未知数。
若令
则上述多元线性回归模型可以用矩阵公式表示为
Y＝Xβ+ε (32)
其中参数β的估计值
是通过求最小二乘函数
Q(β)＝(Y-XβT)(Y-Xβ) (33)
求得的。上式(31)取得最小值的β至即为估计值
可以证明，最小二乘估计的
由式子(32)得出
最终得到的回归方程如式子(33)所示
2)权重修正模型数学模型
根据式子(33)中的内容，总体评价参数
通过利用相应回归算法，求解出相应估计值
即可以得到相应的权重系数。
令各状态量的扣分值为x，n个状态量的参量值分别为x1、x1、…xn，对每个状态量，经过m项的监测装置的参量历史记录，可以构造出参量回归矩阵X，如式(34)所示
其中，xmn代表第m个监测装置的第n个的参量数值。
令m个监测设备的综合评价得分定义为y1，y2，…，ym，构造向量Y为综合评价得分向量，如式子(35)所示
其中，综合评价得分是指针对该类设备，由专家给出的建议得分合计值。各参量的权重为
则可通过
即得到了回归后的参数修正权重值。其中，
为回归常量的估计值。
通过上述模型得到的结果，可作为调整权重值的参考。其中，对于回归拟合后出现的K0常数，由于综合评价的得分模型中，本身不含有任何常量，因此，当进行过多次修正，权重与理论理想情况近似后，该常量会变小并最终趋于零。在现场模型运用中，可根据情况适当纳入考虑，在最终的扣分合计值中加入该常量的影响。
而对于本参量系统，总体评价参数为
根据对应关系可以知道：
即参量的个数n＝3，m为参与评估的监测装置的总数，估计值
运用以上的公式即可以得到相应的权重值，从而将最终的总体评估参数进行了完整定义。该模型的适用主要是由于其指标数较小，可以运用历史数据进行权重修正，削弱了主观因素影响。其中，在对某些设备进行评分时，可以给定初始权重值β*，其初值由实际的对象确定，并运用相应的计算公式得出各个综合得分的估算值，为后面专家的打分给定合适范围，之后再用修正模型进行修正。
根据以上的模型，得到了不同设备中所装设监测装置的总选评指标Pi，并对其进行从大到小顺序排序。当投资金额一定的情况下，剔除个别实际的特殊设备所需要配置的费用后，其他监测装置的选着需要总选评指标顺序进行选出，当投出金额超过投资金额时，即停止选择设备，从而使得整个监测设备的配置达到一个最优的结果。
(3)无定值目标下在线监测装置配置策略
在无定值目标下进行在线监测装置的配置包括以下步骤：
步骤4-1：通过对归一化后的被监测设备的总体重要性量化指标、监测装置的监测技术性能量化指标、经济性量化指标三个指标构建一个三维选择框架模型；
步骤4-2：将整个三维选择框架模型的空间依据三个指标分为若干个等级区间，确定每个等级区间相应的配置优先级以及相应的建议和规范；
步骤4-4：根据不同的配置优先级的目标，对三维选择框架模型的空间划分成若干子空间；
步骤4-5：根据被监测设备的总体重要性量化指标、监测装置的监测技术性能量化指标、经济性量化指标的实际值所在的子空间，依据相应的配置优先级以及相应的建议和规范进行在线监测装置的配置。
本实施例中，当配置方案的未指定固定限制，但有相应的目标约束，即可靠性优先、经济性优先、兼顾可靠性与经济性的目标下，仅通过改变之间的权重值来完成优化时，只能通过不断损失其他目标的目的来达到相应的效果，不利于设备的配置，并且无法确定所选设备的个数。因此，针对于该问题，通过对被监测参量的重要性、监测装置的性能、经济性三个指标分别进行分析，构建一个以三个参量为维度的三维选择框架模型，将整个空间按照以上三个目标分为多个等级区间，确定相应的配置优先级，并给与不同优先级的安装建议及规范，管理者按照给定的建议与规范就可以完成相应的方案配置。其中，各维度对应的指标量分别为被监测参量的重要性Wi '*，监测装置性能Fi *，经济性
其配置模型如图3：
根据不同优先的配置目标，以整个变量空间中，首先针对这三个维度将区域划分成多个子空间，针对于各个区域内监测装置的选取规范及条件都给出相应的标准，方案的制定者根据自己的目标按照所给定的规范进行设备的选择，从而得到目标下的最优配置方案。
首先，针对于被监测参量重要性、监测装置性能、经济性的空间进行区域划分，各自被分两个等级。由于各个参量的分布情况并不是均匀分布，可能绝大数监测参量都集中于某个区域，因此各阈值应运用历史数据中分布情况并套用相应隶属度函数进行确定，且所得的阈值根据实际的情况在区间内进行变化。其中，监测参量重要性的阈值分别为W1；监测装置性能的阈值为F1；经济性的阈值为E1。因此，将整个空间区域划分为8个子空间，其结构如图4所示：
其中，各区域的编号顺序为以顺着Z轴方向顺时针，再从下往上依次编号。其中，7号子空间为三个指标中共同最优的区域。根据以上的各个参量的计算方法，以某个监测设备的三个指标量为坐标在空间中绘制出相应点，再根据各区域的定义标准来推出该监测装置的基本特点。以下针对于不同区域进行分析，总结处于各个区域的设备特点，并提出相应的配置规范。
(1)7号子空间：该空间内设备性能高，所对应监测参量重要，监测设备有效性较高，能够满足提高系统可靠性的要求，而且经济性高，因此在配置时应该优先配置或全体配置、全面推广应用，该空间为第一优先级。
(2)3号子空间：该空间内监测设备的性能高、所对应的监测参量重要，监测设备有效性高，可以保持系统的可靠运行，但是该类设备的经济性低。针对于该类谁设备，如果有相应带电监测或巡视等进行替代时，应遵循经济配置原则进行配置；如果有无相应的替代方式，在投资额度较大时，应遵循相应配置可靠性目标优先原则进行配置，投资额度较小时，以经济性最优为配置目标进行配置，为第二优先级。
(3)6号和8号子空间：其中，在6号子空间内监测设备的性能低，被监测参量重要性高，而在8号空间内监测设备性能高，被监测参量重要性低，但两者所对应的经济性都高，因此，针对该类设备的配置策略为可靠性配置，为第三优先级。
(4)2号和4号空间：其中，2号空间内监测设备的性能低，被监测参量重要性高，而在4号空间内监测设备性能高，被监测参量重要性低，但同时两类设备的经济性较低，因此在配置是可以采用示范配置，局部试点应用，在投资额度较大时并以可靠性最优原则为目标，为第四类优先级。
(5)5号空间：该空间内监测设备的性能低，被监测参量重要性低，但是经济性高，针对该类设备，应该采取以可靠性优先为目标进行配置，在投资额度较大时，局部可参与配置，为第五类优先级。s
(6)1号空间：该空间内监测设备的性能低，被监测参量重要程度低，装置配置策略为不予配置，为第6优先级。
通过以上对各个子空间中设备配置的规范以及相应的特征进行分析，在指定配置方案时，将各个监测装置的三个参量值Wi *、Fi *、
按照对应公式计算得出，确定该设备的监测点所在的空间，其中针对实际换流站中工况不良的个别设备，应该将其归至第一类优先级中，确定完各个设备的所属的空间及配置原则，从而按照相应的配置目标，完成监测设备的选择，进而完成了整个配置方案。
本发明通过被监测设备的重要性、监测参量的重要性、监测装置性能、以及监测装置经济型几个维度来共同评价换流站在线监测装置配置总体方案，多维的评价指标更加全面，客观。
同时，将评价指标进行可量化计算的评价指标：
(1)建立了基于改进TOPSIS法的换流站设备重要性量化模型，量化指标包括设备本身价值、设备故障率、故障损失程度、维修特性；
(2)建立了基于改进型层次分析法的换流站各设备状态参量的重要性量化模型，量化指标包括技术监督的关注度、状态参量的特征、设备状态监测理论研究成果；
(3)从运行异常率、平均故障率、监测技术成熟度、设备运用情况等指标，构建出综合参量以反映监测技术的性能，通过专家法并参考评估标准进行各参量打分，再通过topsis方法确定各属性的权重值，以得到综合评估量，从而达到监测的性能参量的量化。
(4)建立了以在线监测装置投资成本计算的配置方案经济性量化模型。
一级重要度权重值，建立参量重要度量化模型，确定各设备所含监测参量的二级重要度权重值，根据所得到一级、二级重要度权重值，得出总体重要度量化值。
换流站配置方案的优选配置策略，包含了特殊在线监测装置配置方案、定值目标配置方案，无定值目标配置方案。
(1)提出了特殊要求下的换流站特殊在线监测设备的配置条件；
(2)定值目标：根据所建立的量化模型构建出的整体指标量，以该选评指标量大小进行各监测参量排序，在金额范围内择优选取，即可达到所对应的配置目标。
(3)无定值目标：的以量化后的三个指标作为各向坐标轴，构建一个三维选择框架模型，将整个空间按照以上三个目标划分为多个子空间，并确定各子空间配置优先级，并给与不同优先级的安装建议及规范。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。
Claims (1)
1.一种换流站电力设备在线监测装置量化配置方法，其特征在于，包括以下步骤：
基于改进型TOPSIS法，获取各被监测设备对总系统的重要性程度的一级属性权重值，基于改进型层次分析法，获取各被监测设备的状态参量对总系统的重要性程度的二级属性权重值；根据一级属性权重值和二级属性权重值，获取各被监测设备的各个状态参量对总系统的总体重要性量化指标；
建立监测装置的监测技术性能量化指标和建立经济性量化指标；
根据被监测设备的总体重要性量化指标、监测装置的监测技术性能量化指标和经济性量化指标在定值目标下和无定值目标下，进行在线监测装置的配置；
获取各被监测设备对总系统的重要性程度的一级属性权重值包括以下步骤：
步骤1-1：基于信息熵方法求取属性权重：
设m个设备、n个属性的重要度决策问题的决策矩阵D为：
设备关于属性j的评价Xij为：
设备关于属性j的熵Ej为：
其中，k表示常量，k＝1/lnm，
信息偏差度dj为：dj＝1-Ej，
当没有属性间的偏好，属性权重值：
如果有属性间的偏好及对各个影响因素不同的强调程度，引入出相应的对象的主观权重为λj，则：
步骤1-2：基于改进TOPSIS法计算与理想解的相对接近程度Ci+：
决策矩阵D标准化得到标准化决策矩阵R；
利用属性权重的向量对R进行加权获得加权标准化决策矩阵V；
确定理想解A+和负理想解A_：
其中J为效益型属性集合，J'为成本型属性集合，
计算与理想解的距离：
计算与非理想解的距离：
计算与理想解的相对接近程度Ci+：
Ci+＝Si-/(Si-+Si+)，0＜Ci+＜1，i∈M
当Ci+趋近于1时，被监测设备则越为重要，定义相对接近程度Ci+为被监测设备的重要性程度；
步骤1-3：对被监测设备的一级属性权重值进行量化：
将设备的重要性程度Ci+转化为各设备的一级属性权重值WAi，
其中，n表示的参与选评的设备类型总数，Ci+为第i个设备的重要性程度；WAi为第i个设备在总系统中的一级属性权重值；
总系统的被监测设备包括换流变压器、换流阀、平波电抗器、GIS设备、电容器、穿墙套管、直流滤波器、直流避雷器、接地极、直流断路器和直流分压器；决策矩阵D的参量包括设备本身价值、设备故障率、故障损失评分标准、设备故障或缺陷参量可探测程度、设备运行维护费用、维修耗时评分标准、是否有备用设备的评分标准、失效对相关设备的影响评分标准和可监测性评分标准；
基于改进型层次分析法，获取各被监测设备的状态参量对总系统的重要性程度的二级属性权重值包括以下步骤：
步骤2-1：在被监测设备的监测数据基础上采用德尔菲法确定各被监测设备的状态参量体系，获取状态参量的提取向量以及定义状态参量的标准向量；其中，状态参量的提取向量的值由1或0组成，标准向量则全部由1组成；
步骤2-2：将每个状态参量的提取向量与标准向量进行向量相似性系数计算，其中，采用Tanimoto系数进行向量相似性计算，
其中，xi和yi为向量X、Y的中第i个元素；T(X,Y)为参量的相似性值；
步骤2-3：将参量的相似性值转化为两者之间的重要程度比较值Bij，
其中，Ti为第i个参量的相似性值，Tj为第j个参量的相似性值，Bij为第i个参量相对于第j个参量的重要程度比较值，相对应的是Bji为第j个参量相对于第i个参量的重要程度比较值，相对重要性的指标的最大数值为9；
步骤2-4：根据两者之间的重要程度比较值Bij构建相应的判断矩阵A，
步骤2-4：判断矩阵A的每一列元素作归一化处理，其元素的一般项为，
步骤2-5：将每一列经归一化处理后的判断矩阵按行相加为：
Wj＝∑lnbij(i＝1,2,…,n)，
其中，Wj为相应参量的单排序的权值；
步骤2-6：计算判断矩阵A的最大特征根λmax，
步骤2-7：对判断矩阵A进行一致性检验，
A×WB＝λmax
其中，WB＝(WB1,WB2,…,WBn)，λmax为A的最大特征根；WB为对应于λmax的正规化特征量，WB的分量WBi为相应因素单排序的权值，
一致性指标CI：
平均随机一致性指标RI，
随机一致性比例CR：
其中，CR越小，判断矩阵的一致性越好，当CR≤0.1时，则认为判断矩阵A通过一致性检验；
步骤2-8：各被监测设备的各个状态参量对总系统的总体重要性量化指标W：
W＝WAi×WB＝WAi×[WB1 WB2 … WBn]
＝[WAi×WB1 WAi×WB2 … WAi×WBn]
＝[W1 W2 … Wn]
其中，WBi为第i个参量值的权重值，WAi为前文计算所得的第i类设备对应的权重值，Wi为该设备中第i各参量的对总系统的总体重要性量化指标；
引入位置影响弱化因子Pl对总系统的总体重要性量化指标Wi进行修正，
Wi'*＝Wi **Pl
Wi'*为修正后的重要度；Wi *为第i各参量的对总系统的总体重要性量化指标归一化后的值；
Pl的取值规范：根据设备所安装电气区间的重要性程度、配合对象的重要性程度或有无配合对象、电压等级是否高于220kV以确定位置影响弱化因子Pl；
所述平均随机一致性指标RI取值与判断矩阵的维数有关；
建立监测装置的监测技术性能量化指标F包括：
F＝wiDi
其中，wi为各个监测装置的影响指标占据的权重值，Di为各个监测装置的各个影响指标的评分值，各个监测技术性能量化指标则为Fi；
建立经济性量化指标E包括：
单个监测装置的经济性量化指标Ei：
其中，K值为一个常数，Ci为各类监测装置的投资成本；
所述影响指标包括运行异常率、平均故障率、监测技术成熟度和设备运用情况；评分值Di的取值范围为0到10；
在定值目标下进行在线监测装置的配置包括以下步骤：
步骤3-1：对被监测设备的总体重要性量化指标W、监测装置的监测技术性能量化指标F、经济性量化指标E进行归一化计算；
步骤3-2：总体评价指标P：
其中，Pi为第i个监测参量的总体评价指标，L1、L2、L3为各个量化指标占据的权重值，且L1+L2+L3＝10，Wi *为该被监测设备的总体重要性量化指标的归一化的值，Fi *为监测装置的监测技术性能量化指标的归一化的值，
为监测装置的经济性量化指标的归一化的值；
在无定值目标下进行在线监测装置的配置包括以下步骤：
步骤4-1：通过对归一化后的被监测设备的总体重要性量化指标、监测装置的监测技术性能量化指标、经济性量化指标三个指标构建一个三维选择框架模型；
步骤4-2：将整个三维选择框架模型的空间依据三个指标分为若干个等级区间，确定每个等级区间相应的配置优先级以及相应的建议和规范；
步骤4-4：根据不同的配置优先级的目标，对三维选择框架模型的空间划分成若干子空间；
步骤4-5：根据被监测设备的总体重要性量化指标Wi、监测装置的监测技术性能量化指标F、经济性量化指标E的实际值所在的子空间，依据相应的配置优先级以及相应的建议和规范进行在线监测装置的配置；
L1、L2、L3为各个指标占据的权重值的获取方法包括以下步骤：
步骤5-1：定义多元线性回归的数学模型并将该数学模型转换成矩阵公式；
通过求最小二乘函数求得矩阵公式的参数β，取β的最小值为
步骤5-2：令各状态参量的扣分值为h，n个状态参量的参量值分别为h1、h2…hn，对每个状态参量，经过m项的监测装置的参量历史记录，构造参量回归矩阵H，
其中，hmn代表第m个监测装置的第n个的参量数值，
令m个监测设备的综合评价得分定义为y1，y2，…，ym，构造向量Y为综合评价得分向量，
其中，各参量的权重为
则可通过
得到了回归后的参数修正权重值，
为回归常量的估计值；
步骤5-3：根据估计值
和回归常量的估计值
获得L1、L2、L3和ε；
总体评价指标Pi 
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010278866.4A CN111612296B (zh) | 2020-04-10 | 2020-04-10 | 一种换流站电力设备在线监测装置量化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010278866.4A CN111612296B (zh) | 2020-04-10 | 2020-04-10 | 一种换流站电力设备在线监测装置量化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111612296A CN111612296A (zh) | 2020-09-01 |
| CN111612296B true CN111612296B (zh) | 2022-02-11 |
Family
ID=72202161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010278866.4A Active CN111612296B (zh) | 2020-04-10 | 2020-04-10 | 一种换流站电力设备在线监测装置量化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612296B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417791B (zh) * | 2020-11-19 | 2021-07-09 | 山东山大电力技术股份有限公司 | 基于线性回归与ahp算法的电力设备监视预警方法及系统 |
| CN112583118B (zh) * | 2020-11-20 | 2023-05-23 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种换流站关键设备多维度关联预警方法及系统 |
| CN115270266B (zh) * | 2022-08-03 | 2023-06-30 | 南昌大学 | 基于改进层次分析法的边坡监测状态风险判断方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975735A (zh) * | 2016-07-19 | 2016-09-28 | 广西电网有限责任公司电力科学研究院 | 一种用于电力设备健康状态评估的建模方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914791A (zh) * | 2014-03-17 | 2014-07-09 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力设备状态检修系统 |
| CN106529795A (zh) * | 2016-10-28 | 2017-03-22 | 中国南方电网有限责任公司电网技术研究中心 | 电力监控系统的安全控制方法及装置 |
| KR101942647B1 (ko) * | 2017-04-04 | 2019-01-25 | 한국전력공사 | 전력용 변압기 자산 관리 장치 |
| CN109447335A (zh) * | 2018-10-22 | 2019-03-08 | 国网经济技术研究院有限公司 | 一种电网项目两阶段决策优化方法及系统 |
| CN110247393B (zh) * | 2019-06-14 | 2020-10-09 | 山东大学 | 一种主动配电系统动态分区及储能设备优化配置方法及系统 |
-
2020
- 2020-04-10 CN CN202010278866.4A patent/CN111612296B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975735A (zh) * | 2016-07-19 | 2016-09-28 | 广西电网有限责任公司电力科学研究院 | 一种用于电力设备健康状态评估的建模方法 |
Non-Patent Citations (2)
| Title |
|---|
| 变压器在线监测装置配置优先级评估模型;梁永亮等;《电网技术》;20160805(第08期);全文 * |
| 电网主设备状态监测参数体系的构建与应用;张晗;《陕西电力》;20161020(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111612296A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612296B (zh) | 一种换流站电力设备在线监测装置量化配置方法 | |
| CN111429027B (zh) | 一种基于大数据的地区输电网运行多维度分析方法 | |
| CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
| CN110782164A (zh) | 一种基于变权重和模糊综合评价的配电设备状态评价方法 | |
| CN112668943A (zh) | 一种配电线路健康状态评估方法及系统 | |
| CN112308427A (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
| CN111178725A (zh) | 一种基于层次分析法的保护设备状态预警方法 | |
| CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
| 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 | |
| CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
| CN115660170A (zh) | 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统 | |
| CN115545514A (zh) | 基于健康度评估的配电融合设备差异化运维方法及装置 | |
| CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
| CN112508465B (zh) | 一种多维审计监控综合评价方法 | |
| CN113313371B (zh) | 配电网风险评估方法、装置、计算机设备及存储介质 | |
| CN112990627A (zh) | 电能质量评估方法 | |
| CN110674951A (zh) | 一种配电自动化终端的状态检修方法 | |
| CN115564170A (zh) | 一种配电智能终端可靠性评估方法 | |
| CN114612119A (zh) | 基于层次分析法和有序加权算子的供应商风险预警系统 | |
| CN114399150A (zh) | 基于ahp-模糊综合评价法的配网设备状态评价方法 | |
| CN114860808A (zh) | 基于大数据的配电网设备异常事件关联分析方法 | |
| CN113722195A (zh) | 基于ahp层级分析法的局域网运行评估系统及方法 | |
| CN113191720A (zh) | 一种基于星级划分与质效评估的10kV可研项目投资决策方法 | |
| CN108492056B (zh) | 一种电铁供电电网工程运行效益评价方法及系统 | |
| CN112818544A (zh) | 计及终端差异化可靠性需求的配电网可靠性评估方法 |
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 |