CN112036711B - 一种基于改进云模型的配电终端健康状态评估方法 - Google Patents
一种基于改进云模型的配电终端健康状态评估方法 Download PDFInfo
- Publication number
- CN112036711B CN112036711B CN202010810201.3A CN202010810201A CN112036711B CN 112036711 B CN112036711 B CN 112036711B CN 202010810201 A CN202010810201 A CN 202010810201A CN 112036711 B CN112036711 B CN 112036711B
- Authority
- CN
- China
- Prior art keywords
- power distribution
- distribution terminal
- state
- cloud model
- evaluation
- 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
- 230000036541 health Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 130
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012512 characterization method Methods 0.000 claims description 11
- 206010048669 Terminal state Diseases 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 4
- 238000013077 scoring method Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 230000009131 signaling function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000011664 signaling 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及配电自动化技术,具体涉及一种基于改进云模型的配电终端健康状态评估方法,依据配电终端各评价指标监测数据的分布规律,划分对应的状态等级,并选定云模型的种类;利用云模型发生器生成配电终端状态评价的各类云模型;将各评价指标数据对应配电终端状态评价的各类云模型,计算与配电终端各状态等级的隶属度;依据所计算出的隶属度,计算配电终端综合隶属度,最终实现状态评价。该方法针对配电终端评价指标数据分布规律,使用特定云模型计算各评价指标与各状态等级的隶属度;使用打分机制划分配电终端的状态等级,提升计算效率;多次生成云模型,取多次隶属度的平均值作为最终隶属度,提升状态评估准确度。
Description
技术领域
本发明属于配电自动化技术领域,尤其涉及一种基于改进云模型的配电终端健康状态评估方法。
背景技术
发展配电自动化系统是提高我国配电网供电可靠性,促进配电网最优运行的主要方向之一。配电自动化系统通过采集馈线状态量实时监视各电气设备的运行状态;通过合理地控制分段开关状态来实现对电压质量和负荷平衡的控制;通过主站、子站与配电终端之间的信息交互实现故障检测、隔离与非故障区域供电等保护措施;利用智能软件对配电侧、馈线区段、供电侧合理调度,提高系统稳定性。
作为配电自动化系统的骨架与主要支撑,配电终端的正常运行是保障配电自动化系统实现监视、控制、保护与管理功能的关键设备。依据安装环境与功能划分,配电终端主要分为馈线终端(Feeder Terminal unit,FTU)和站所终端(Distribution terminalunit,DTU)。其中FTU主要被架设于农村及城乡结合处的架空电线杆塔上,具备“三遥”功能,可监控单条配电线路(架空输电线路)的运行状态。DTU基本功能与FTU相似,包括遥信、遥测和遥控功能。但DTU主要被安装在城市的独立配电室或配电所,可同时监控多条配电回路(埋地电缆)的分段开关。据此,准确评估配电终端的运行状态,及时检修处于故障及异常状态的配电终端,是提升供电管理可靠性,加快配电网智能化、自动化发展速度,降低运维检修人员工作量的必备技术。
目前,针对配电终端的健康状态评估模型包括专家打分法和云模型。前者通过逐项检测各个评价指标,通过对应评价指标得分综合反映配电终端运行状态。该方法具备成熟详尽的配电终端打分机制,简单易操作,但依赖专家的主观性打分,若专家打分失误,则会降低状态评价结果的可靠性。后者利用云模型理论较好地克服了上述方法的弊端,通过获得各个评价指标与各个状态等级的隶属度,逐层推导出配电终端与各个状态等级的综合隶属度,较好地解决了判断依据模糊的问题。
目前配电终端健康状态评估面临如下问题:配电终端属于近十年才大面积推广应用的设备,各评价指标的现场状态量数据积累少,基于经验推导的健康状态方法可靠性较低。而当前基于云模型的状态评估方法存在云模型种类单一的问题,影响状态评估的准确性。
发明内容
本发明的目的是提供一种基于改进云模型的配电终端状态评估方法。
为实现上述目的,本发明采用的技术方案是:一种基于改进云模型的配电终端健康状态评估方法,包括以下步骤:
步骤1、依据配电终端各评价指标监测数据的分布规律,划分对应的状态等级,并选定云模型的种类;
步骤2、利用云模型发生器生成配电终端状态评价的各类云模型;
步骤3、将各评价指标数据对应配电终端状态评价的各类云模型,计算与配电终端各状态等级的隶属度;
步骤4、依据步骤3中的隶属度,计算配电终端综合隶属度,最终实现状态评价。
在上述的基于改进云模型的配电终端健康状态评估方法中,步骤1的实现包括:
步骤1.1、配电终端各评价指标划分为越大越优型、越小越优型,越居中越优型和区间最优型;
步骤1.2、若评价指标属于越大越优型、越小越优型和越居中越优型,使用正态云模型对配电终端评价指标进行隶属度计算;若评价指标属于区间最优型时,使用梯形云模型对配电终端评价指标进行隶属度计算;
步骤1.3、将配电终端的状态等级划分为正常、异常、注意、故障;
梯形云模型对配电终端状态评价的表征参数见表1;
表1
表1中,期望Exi表示配电终端第i个状态等级的期望值,i为正整数;Exij表示配电终端第i个状态等级的第j个期望值;熵Eni表示配电终端第i个状态等级熵值,i为正整数;超熵He为熵的熵;a,b,c,d分别为梯形云模型的状态正常、异常、注意和故障等级边界值;Mi表示配电终端第i个状态等级的超熵值;
正态云模型对配电终端状态评价的表征见表2;
表2
表2中,a,b,c,d分别为状态正常、异常、注意和故障等级边界值,熵Eni表示配电终端第i个状态等级熵值,i为正整数;超熵He为熵的熵;Ki表示配电终端第i个状态等级的超熵值。
在上述的基于改进云模型的配电终端健康状态评估方法中,步骤2的实现包括:云模型发生器生成正态云模型和梯形云模型的步骤如下:
步骤2.1、生成以期望Ex,He 2为标准方差的正态随机数Eyi';其中Xij为配电终端第i个状态量中第j个因素的数值;
步骤2.2、期望Ex,Eyi'2为标准方差的正态随机数xi;
步骤2.3、计算云模型隶属度U(x),得到(x,U(x))的云滴,计算公式如下:
其中n为配电终端评价指标总个数;
步骤2.4、重复步骤2.1至步骤2.3,生成多个云滴,直到生成云模型。
在上述的基于改进云模型的配电终端健康状态评估方法中,步骤3的实现包括:依次计算出配电终端n个评价指标与各状态等级的隶属度rij,计算公式如下:
在上述的基于改进云模型的配电终端健康状态评估方法中,步骤4的实现包括:计算配电终端综合隶属度的计算步骤如下:
步骤4.1、根据隶属度的平均值式求出测量点在各个状态等级之间的隶属度rij',构造出模糊判断矩阵R,计算步骤如下:
步骤4.2、利用确定的权重集与模糊判断矩阵R进行某综合评判,得到配电终端综合评判矩阵R',评估模型如:
式中,rij为配电终端第i个评价指标与第j个状态等级的隶属度,ωi为第i个评价指标的权重;
取各隶属度的最大值状态等级,作为配电终端处于第k个状态等级。
本发明的有益效果:(1)针对配电终端评价指标数据分布规律,使用特定云模型计算各评价指标与各状态等级的隶属度;
(2)使用打分机制划分配电终端的状态等级,提升计算效率;
(3)多次生成云模型,取多次隶属度的平均值作为最终隶属度,提升配电终端状态评估准确度。
附图说明
图1为本发明一个实施例基于配电终端的状态评价指标体系;
图2为本发明一个实施例基于改进云模型的配电终端健康状态评估计算流程图;
图3为本发明一个实施例母线C相电流的正态云模型图;
图4为本发明一个实施例二次端子排的梯形云模型图。
具体实施方式
下面结合附图对本发明的实施方式进行详细描述。
本实施例结合经典的专家打分法和云模型的特点,使用配电终端打分机制确定状态等级,并生成多种云模型,各云模型对应配电终端各评价指标值数据分布规律,最终形成组合式配电终端健康状态评估方法。
本实施是通过以下技术方案来实现的,一种基于改进云模型的配电终端状态评估方法,云模型的改进点主要指使用配电终端打分机制和多类别云模型的使用,包括梯形云、正态云和半云模型。基于改进云模型的配电终端状态评估方法步骤如下:
S1:依据配电终端各评价指标数据的分布规律,划分对应地状态等级,并选定云模型的种类;
S2:利用云模型发生器生成适用于配电终端状态评价的各类云模型;
S3:将各评价指标数据对应配电终端状态评估用各类云模型,计算与配电终端各状态等级的隶属度;
S4:依据S3中的隶属度,计算配电终端综合隶属度,最终实现状态评价。
在S1中,依据配电终端指标数据的分布规律,配电终端评价指标被划分为越大越优型、越小越优型,越居中越优型和区间最优型。其中,越大越优型表示若评价指标数据越接近取值范围的最大值,代表该评价指标越优。越小越优型表示若评价指标数据越接近取值范围的最小值,代表该评价指标越优。越居中越优型表示若评价指标数据越接近取值范围的中间值,代表该评价指标越优。区间型表示若评价指标数据处于某一取值范围内,代表该评价指标最优。
在S1中,若评价指标属于越大越优型、越小越优型和越居中越优型时,使用正态云模型对配电终端评价指标进行隶属度计算。若评价指标属于区间最优型时,使用梯形云模型对配电终端评价指标进行隶属度计算。
在S1中,用于配电终端状态评价的云模型整体特性可以由三个主要参量表示,包括期望Ex,熵En,超熵He。期望表示Ex为配电终端状态评价云模型中心位置,即定性概念的最优值。熵En表示配电终端状态评价云模型云滴的分布范围,En越大,表示配电终端指标评价数据分布越广泛。超熵He为熵的熵,反映了云层中云滴的离散程度,He越大,表示配电终端指标评价数据分布越分散。
在S1中,依据配电终端评价指标数据的分布规律,划分配电终端的状态等级,分别为正常、异常、注意、故障,如表1所示。表1表示梯形云模型的,a,b,c,d分别为状态正常、异常、注意和故障等级边界值,Exij表示配电终端第i个状态等级的第j个期望值。Mi表示配电终端第i个状态等级的超熵值。表2表示用于配电终端状态评价的正态云模型的表征参数,其中,a,b,c,d分别为状态正常、异常、注意和故障等级边界值,Exi表示配电终端第i个状态等级的期望值。Ki表示配电终端第i个状态等级的超熵值。
表1用于配电终端状态评价的梯形云模型的表征参数
表2用于配电终端状态评价的正态云模型的表征参数
在S2中,使用云模型发生器生成用于配电终端状态评价的各类云模型,包括正态云模型和梯形云模型,其生成步骤如下:
1)、生成以期望Ex,He 2为标准方差的正态随机数Eyi'。其中Xij为配电终端第i个状态量中第j个因素的数值。
2)、生成以期望Ex,Eyi'2为标准方差的正态随机数xi。
3)、计算云模型隶属度U(x),得到(x,U(x))的云滴,计算公式如下:
其中n为配电终端评价指标总个数。
4)、重复S1至S3,生成多个云滴,直到生成特定的云模型。
在S3中,依次计算出配电终端n个评价指标与各状态等级的隶属度rij,计算公式如下:
在S4中,计算配电终端综合隶属度的计算步骤如下:
1)、根据隶属度的平均值式求出测量点在各个状态等级之间的隶属度rij',构造出模糊判断矩阵R,计算步骤如下:
2)、利用确定的权重集与模糊判断矩阵R进行某综合评判,得到配电终端综合评判矩阵R',评估模型如:
式中,rij为配电终端第i个评价指标与第j个状态等级的隶属度,ωi为第i个评价指标的权重。
取各隶属度的最大值状态等级,作为配电终端处于第k个状态等级。
目前一般利用专家打分法或云模型进行设备状态评估,前者的打分结果依赖评审专家的主观推断,后者使用的云模型种类单一,未针对特定评价指标数据生成特定云模型计算隶属度,降低了状态评估的准确性。针对以上问题,结合专家打分法的打分机制与改进云模型对配电终端进行状态评价。本发明专利的目的在于提供一种基于改进云模型的配电终端状态评估方法。下面结合附图对本发明专利做进一步详细的说明。
如图1,本实施例提供了配电终端的评价导则,包括:
(1)遥信功能
1)终端是否允许远程调度:主站与终端一致,不扣分,否则不得分;
2)交流失电:配电终端不失交流电,不扣分,否则不得分;
3)DTU自检硬件异常:硬件异常不得分,否则不扣分;
4)DTU自检软件异常:软件异常不得分,否则不扣分;
5)开关位置:每错一个开关位置扣50分,至多扣100分;
6)气压表告警(开关本体告警):气压表不告警不扣分,告警扣50分;
7)开关线路故障总告警信息:故障时,开关线路总告警信息显示不扣分,不显示则不得分;
8)开关线路越上限报警信息:越上限报警不扣分,越上限不报警则不得分;
9)开关远方操作:远方正常动作则不扣分,无法远方操作则不得分。
(2)遥测功能
1)母线A相电压:测值与实际值波动应在±0.5%以内,每超过0.1%扣3分;
2)母线B相电压:测值与实际值波动应在±0.5%以内,每超过0.1%扣3分;
3)母线C相电压:测值与实际值波动应在±0.5%以内,每超过0.1%扣3分;
4)开关处A相电流:测值与实际值波动应在±0.5%以内,每超过0.1%扣3分;
5)开关处C相电流:测值与实际值波动应在±0.5%以内,每超过0.1%扣3分;
6)开关处零序电流:测值与实际值波动应在±0.5%以内,每超过0.1%扣3分;
7)开关处有功功率:测值与实际值波动应在±1.0%以内,每超过0.1%扣3分。
(3)遥控功能
开关分合闸操作:分为6个分段开关的开/合闸操作,遥控正确率需大于等于99.99%,每低0.01个百分点,扣4分。
(4)蓄电池
1)电池活化:可正常活化蓄电池得满分,否则不得分;
2)电池失压或失电:电池失压或失电,出现一种扣50分。
(5)外观
1)设备表面清洁情况:配电终端出现明显划痕、污渍,酌情扣5-10分;
2)柜体密封性能,柜门开闭情况:密封较差,酌情扣10-30分;柜门无法正常开闭,不得分;
3)二次端子排:端子排接线应无锈蚀脱落,二次界限标识清晰正确,绝缘防水无磨损及腐蚀。若端子排接线出现锈蚀或脱落,每一个端子排扣5分;二次接线标识不清晰扣10分,绝缘防水磨损及腐蚀扣30分;
4)电缆进出孔:检查电缆进出口是否存在侵蚀,积灰现象,每个扣20分,电缆进出口未完全封堵扣40分。
如图2所示,本实施例以确定配电终端健康状态为目标,提出一种基于打分机制和云模型结合的状态评估方法,实现客观地合理地评估配电终端的健康状态。具体包括以下步骤:
第1步,依据配电终端评估导则确定打分机制,如图1所示。
第2步,使用改进的云模型计算配电终端的各评价指标与各状态等级的隶属度:
1)、确定配电终端各评价指标等级边界
配电终端的模拟量采集功能评价指标的评价等级分为正常,异常,注意和故障四个等级。
2)、计算云模型表征参数
由于配电终端被架设在架空线路或配电所中,其健康状态受外界环境影响,呈现逐渐退化的趋势。因此,依据配电终端评分导则,将评价指标得分转化为等级正常(a,100),异常(b,a),注意(c,b),故障(0,c)。并计算云模型表征参数期望Ex、熵En,超熵He。
3)、依据云模型表征参数,运行云模型发生器,分别生成正态云模型和梯形云模型。
4)、计算各评价指标隶属度
将评价指标ki的数值m与相关云模型的云滴对应,各云滴的隶属度xi代表各评价指标与各评估状态i的隶属度。通常情况下,在[0.5,0.7]的置信区间内的各个云滴的隶属度xi的平均值作为该评价指标ki与各评估状态i的平均值x,计算方程如式(2)。
5)计算综合隶属度
配电终端模拟量采集性能评价指标与各评估状态的隶属度x结合模拟量评价指标的初始权重矩阵Ai,最终得到模拟量采集性能的综合隶属度X。
通过以上步骤,可确定配电终端的健康状态。
下面为说明所提及配电终端状态评估方法的有效性,结合典型的配电终端评价指标打分机制进行说明,如图1所示,采集多个配电终端的评价指标数据具体如下:
(1)遥信功能
终端是否允许远程调度:100,100,100,100,100,100,100,0;
交流失电:100,100,100,100,100,100,100,0;
DTU自检硬件异常:100,100,100,0,0,0,100,0;
DTU自检软件异常:100,100,100,100,100,100,100,100;
开关位置:100,100,100,100,100,100,100,50;
气压表告警(开关本体告警):100,100,100,100,100,100,100,0;
开关线路故障总告警信息:100,100,100,100,100,100,100,0;
开关线路越上限报警信息:100,100,100,100,100,100,100,0;
开关远方操作:100,100,100,100,100,100,100,0;
(2)遥测功能
母线A相电压:100,94,94,70,70,64,94,91;
母线B相电压:97,97,94,73,70,61,94,94;
母线C相电压:100,97,97,70,70,67,100,100;
开关处A相电流:100,100,100,73,73,70,94,64;
开关处C相电流:100,100,97,100,70,70,100,64;
开关处零序电流:100,97,94,76,70,64,100,61;
开关处有功功率:100,100,100,97,97,94,100,70;
(3)遥控功能
开关1分合闸操作:100,100,96,92,60,60,100,96;
开关2分合闸操作:100,100,100,92,100,92,100,88;
开关3分合闸操作:100,100,100,92,100,92,100,88;
开关4分合闸操作:100,100,100,100,92,88,100,100;
开关5分合闸操作:100,100,96,88,88,84,100,84;
开关6分合闸操作:100,100,96,74,66,63,100,88;
(4)蓄电池
电池活化:100,100,100,100,100,100,100,100;
电池失压或失电:100,100,100,100,100,100,100,100。
(5)外观
设备表面清洁情况:100,95,93,93,90,90,96,95;
柜体密封性能,柜门开闭情况:100,90,87,80,77,73,90,100;
二次端子排:100,100,100,95,85,75,85,95;
电缆进出孔:100,80,80,80,80,80,100,100。
按照本方法,对各评价指标采用S2,可获得各评价指标的状态等级划分情况。其中遥测功能评价指标中母线C相电流属于越大越优型,适合用正态云模型。而外观评价指标中二次端子排为区间型,适合用梯形云模型。说明书中以上述两个评价指标为例,确定对应云模型表征参数分别如表3和表4所示:
表3母线C相电流的正态云模型表征参数
表4二次端子排的梯形云模型表征参数
S3中,通过正态云发生器和梯形云发生器,分别生成对应的正态云模型和梯形云模型,如图3和图4所示。被测配电终端母线C相电流得分为94分,二次端子排得分为90分。依据对应云模型,分别计算得到母线C相电流和二次端子排与各个状态等级的隶属度xi。
其中,评价指标母线C相电流与各个状态等级的隶属度计算结果为:
与“正常”状态的隶属度x1:
与“异常”状态的隶属度x2:
与“注意”状态的隶属度x3:
x3=0
与“故障”状态的隶属度x4:
x4=0
评价指标二次端子排与各个状态等级的隶属度计算结果为:
与“正常”状态的隶属度x1':
x1=0.0390
与“异常”状态的隶属度x2':
与“注意”状态的隶属度x3':
与“故障”状态的隶属度x4':
x4'=0
依据计算结果,得出被测配电终端遥测单元中,评价指标母线C相电流与“正常”状态隶属度为0.9700,与“异常”状态隶属度为0.0663,与“注意”状态隶属度为0,与“故障”状态隶属度为0。而评价指标二次端子排与“正常”状态隶属度为0.0390,与“异常”状态隶属度为0.9978,与“注意”状态隶属度为0.0195,与“故障”状态隶属度为0。
因此,运维检修人员应注意配电终端二次端子排的工作情况,派专业检修人员赴现场,检查配电终端端子排接线是否锈蚀脱落或者二次标识不清晰,及时排除运行隐患。
按照上述方法,计算得到评价导则中所有评价指标与各状态等级隶属度,列入表5中:
表5配电终端各评价指标与各状态等级的隶属度
依据表5中,各评价指标与各状态等级的隶属度,与对应评价指标权重加权运算,得到配电终端各底层评价指标的综合状态评估结果。
遥信功能与各状态等级的隶属度:
遥测功能与各状态等级的隶属度:
遥控功能与各状态等级的隶属度:
蓄电池与各状态等级的隶属度:
外观与各状态等级的隶属度:
配电终端与各状态等级的综合隶属度:
由上述计算结果,得到被测配电终端与“正常”状态隶属度为0.8848,与“异常”状态隶属度为0.1209,与“注意”状态隶属度为0.0005,与“故障”状态隶属度为0。该配电终端与“正常”状态的隶属度最大,健康状态评估结果为“正常”状态。但针对各评估指标开关处A相电流、开关处C相电流、开关2分合闸操作和二次端子排处于“异常”状态,运维检修人员应加大对其运行状态的监视力度,缩端检修周期,在其变为“注意”状态或“故障”状态前及时检修,排除潜在隐患。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
虽然以上结合附图描述了本发明的具体实施方式,但是本领域普通技术人员应当理解,这些仅是举例说明,可以对这些实施方式做出多种变形或修改,而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。
Claims (1)
1.一种基于改进云模型的配电终端健康状态评估方法,其特征是,包括以下步骤:
步骤1、依据配电终端各评价指标监测数据的分布规律,划分对应的状态等级,并选定云模型的种类;
步骤1.1、配电终端各评价指标划分为越大越优型、越小越优型,越居中越优型和区间最优型;
步骤1.2、若评价指标属于越大越优型、越小越优型和越居中越优型,使用正态云模型对配电终端评价指标进行隶属度计算;若评价指标属于区间最优型时,使用梯形云模型对配电终端评价指标进行隶属度计算;
步骤1.3、将配电终端的状态等级划分为正常、异常、注意、故障;
表1为梯形云模型对配电终端状态评价的表征参数;
表1
表1中,期望Exi表示配电终端第i个状态等级的期望值,i为正整数;Exij表示配电终端第i个状态等级的第j个期望值;熵Eni表示配电终端第i个状态等级熵值,i为正整数;超熵He为配电终端状态等级熵的熵;a,b,c,d分别为梯形云模型的状态正常、异常、注意和故障等级边界值;Mi表示配电终端第i个状态等级的超熵值;
表2为正态云模型对配电终端状态评价的表征;
表2
表2中,a,b,c,d分别为状态正常、异常、注意和故障等级边界值,熵Eni表示配电终端第i个状态等级熵值,i为正整数;超熵He为配电终端状态等级熵的熵;Ki表示配电终端第i个状态等级的超熵值;
步骤2、利用云模型发生器生成配电终端状态评价的各类云模型;
云模型发生器生成正态云模型和梯形云模型的步骤如下:
步骤2.1、生成以期望Ex,He 2为标准方差的正态随机数Eyi';
步骤2.2、生成期望Ex,Eyi'2为标准方差的正态随机数xi;
步骤2.3、计算云模型隶属度U(x),得到(x,U(x))的云滴,计算公式如下:
步骤2.4、重复步骤2.1至步骤2.3,生成多个云滴,直到生成云模型;
步骤3、将各评价指标数据对应配电终端状态评价的各类云模型,计算与配电终端各状态等级的隶属度;
依次计算出配电终端n个评价指标与各状态等级的隶属度rij',计算公式如下:
步骤4、依据步骤3中的隶属度,计算配电终端综合隶属度,最终实现状态评价;计算配电终端综合隶属度的计算步骤如下:
步骤4.1、根据隶属度的平均值式求出测量点在各个状态等级之间的隶属度rij',构造出模糊判断矩阵R,计算步骤如下:
步骤4.2、利用确定的权重集与模糊判断矩阵R进行综合评判,得到配电终端综合评判矩阵R',评估模型如:
式中,rij为配电终端第i个评价指标与第j个状态等级的隶属度,ωi为第i个评价指标的权重;
取各隶属度的最大值状态等级,作为配电终端处于第k个状态等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010810201.3A CN112036711B (zh) | 2020-08-13 | 2020-08-13 | 一种基于改进云模型的配电终端健康状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010810201.3A CN112036711B (zh) | 2020-08-13 | 2020-08-13 | 一种基于改进云模型的配电终端健康状态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036711A CN112036711A (zh) | 2020-12-04 |
CN112036711B true CN112036711B (zh) | 2023-06-06 |
Family
ID=73576965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010810201.3A Active CN112036711B (zh) | 2020-08-13 | 2020-08-13 | 一种基于改进云模型的配电终端健康状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036711B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966930A (zh) * | 2021-03-02 | 2021-06-15 | 阳光电源股份有限公司 | 光伏电站的评价方法、装置以及计算机可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171432A (zh) * | 2018-01-04 | 2018-06-15 | 南京大学 | 基于多维云模型-模糊支持向量机的生态风险评价方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451744A (zh) * | 2017-08-07 | 2017-12-08 | 国网上海市电力公司 | 一种基于模糊综合评价的变电站接地装置状态评估方法 |
CN109523102A (zh) * | 2017-09-18 | 2019-03-26 | 张丽蓉 | 一种配电网运行状态综合评价方法 |
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 |
US11194783B2 (en) * | 2018-09-05 | 2021-12-07 | International Business Machines Corporation | Multiple parameter based composite rule wise data validation in cloud hybrid model |
CN109490726A (zh) * | 2018-11-23 | 2019-03-19 | 广西电网有限责任公司南宁供电局 | 基于云理论的电力变压器绝缘状态评估方法 |
CN110782164A (zh) * | 2019-10-25 | 2020-02-11 | 贵州电网有限责任公司 | 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 |
-
2020
- 2020-08-13 CN CN202010810201.3A patent/CN112036711B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171432A (zh) * | 2018-01-04 | 2018-06-15 | 南京大学 | 基于多维云模型-模糊支持向量机的生态风险评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112036711A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023035499A1 (zh) | 一种配电网的韧性综合评估方法和系统 | |
CN106154084B (zh) | 电网负荷异常及运行风险实时监控预警方法 | |
EP2537222B1 (en) | Energy generating system and control thereof | |
CN102737286A (zh) | 一种地区电网在线风险分析系统和方法 | |
CN104966147A (zh) | 一种考虑基态和事故态的电网运行风险分析方法 | |
CN102708411A (zh) | 一种地区电网在线风险评估方法 | |
CN202363974U (zh) | 一种基于远程监控平台的蓄电池组在线监控系统 | |
CN102737287B (zh) | 一种地区电网在线供电风险评估系统 | |
CN102436226A (zh) | 在线监测及状态检修管理系统 | |
CN109409702A (zh) | 一种电网运行指标分析系统 | |
CN101539612A (zh) | 蓄电池运行质量在线监测系统 | |
CN107989753A (zh) | 一种基于开发地图的风电场风力发电机组监测系统及监测方法 | |
CN110287543A (zh) | 一种继电保护装置寿命预测方法 | |
Baranovic et al. | Experiences from intelligent alarm processing and decision support tools in smart grid transmission control centers | |
CN105184490A (zh) | 电网调度操作过程风险辅助预控系统 | |
CN112036711B (zh) | 一种基于改进云模型的配电终端健康状态评估方法 | |
CN106600130A (zh) | 基于模糊神经网络模型的独立微网安全性分析方法 | |
CN106340963A (zh) | 一种电力配电室智能代维监控系统 | |
Rios et al. | Computation of the value of security | |
CN112001569A (zh) | 一种基于多电压等级故障下的电网运行风险分析方法 | |
CN114156865B (zh) | 一种考虑状态感知的低压配电网拓扑生成及故障预测方法 | |
Fan et al. | Research on optimal load shedding for active distribution network based on genetic algorithm | |
CN109361261A (zh) | 一种配电终端用超级电容状态在线监测方法 | |
Wu et al. | Study on risk assessment system of power failure in distribution network of large cities | |
CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 |
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 |