CN113592359A - 电力变压器的健康度评价方法和装置 - Google Patents

Abstract

本申请公开了一种电力变压器的健康度评价方法和装置，具体为构建待评价电力变压器的包括多个故障类型和多个初始评价指标的状态评价因素集；计算所述初始评价指标的常权重系数；计算所述故障类型与所述初始评价指标的带权综合关联度；对所述带权综合关联度进行筛选，得到有效综合关联度；基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。通过实时健康状况可以及时发现潜伏性故障，从而能够制定科学合理的检修计划，避免了过检修或欠检修情况的出现。同时通过分析变压器故障得分，能够初步得到故障类型的倾向性信息，对于检修工作能够提供了决策支持。

Description

电力变压器的健康度评价方法和装置

技术领域

本申请涉及电力装备技术领域，更具体地说，涉及一种电力变压器的健康度评价方法和装置。

背景技术

电力设备的健康状况直接影响到电力系统的安全稳定运行。电力变压器作为输变送电系统的枢纽设备，对电网的安全运行有着至关重要的作用，其运行状态一旦出现异常，不仅会对设备自身寿命产生损害，更会波及与之相连的电网和其他设备，严重时可能造成大面积停电，对社会经济和人民生活造成难以估量的损失。

电力变压器结构复杂，组件繁多，一般由本体、套管、分接开关、非电量保护装置以及冷却器等部件共同构成，在其运行过程中，由于受到内、外部作用力的影响，任何一个组件的健康状况都有概率逐渐恶化，导致变压器整体的异常或故障状态。

长期以来，国内外主要通过对多有电力变压器进行定期检修的方式保证其健康水平和运行状态的稳定。但在实际运行过程中，即使是同一厂家、同一批次且运行环境相近的电力变压器，其健康状况也不可能完全相同，这样在检修周期内容易发生不必检修的电力变压器被检修(过检修)、有些需要被提前检修的电力变压器又得不到及时检修(欠检修)等情况的发生。

发明内容

有鉴于此，本申请提供一种电力变压器的健康度评价方法和装置，用于得到电力变压器的实时健康度，以便能够根据实时健康度制定合理的检修计划，以避免过检修或欠检修情况的出现。

为了实现上述目的，现提出的方案如下：

一种电力变压器的健康度评价方法，所述健康度评价方法包括步骤：

构建待评价电力变压器的状态评价因素集，所述状态评价因素集包括多个故障类型和多个初始评价指标；

计算所述初始评价指标的常权重系数；

计算所述故障类型与所述初始评价指标的带权综合关联度；

对所述带权综合关联度进行筛选，得到有效综合关联度；

基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。

可选的，所述计算所述初始评价指标的常权重系数，包括步骤：

确定所述多个初始评价指标的序关系；

对所述多个初始评价指标之间的相对重要性进行判断；

计算所述常权重系数。

可选的，所述计算所述故障类型与所述初始评价指标的综合关联度，包括步骤：

基于TOPSIS改进的灰色关联度分析方法对所述故障类型和所述初始评价指标进行计算，得到所述综合关联度。

可选的，所述对所述带权综合关联度进行筛选，得到有效综合关联度，包括步骤：

对所有所述带权综合关联度进行排序；

基于预设阈值对所述带权综合关联度进行筛选，得到所述有效综合关联度。

一种电力变压器的健康度评价装置，所述健康度评价装置包括：

数据集构建模块，被配置为构建待评价电力变压器的状态评价因素集，所述状态评价因素集包括多个故障类型和多个初始评价指标；

第一计算模块，被配置为计算所述初始评价指标的常权重系数；

第二计算模块，被配置为计算所述故障类型与所述初始评价指标的带权综合关联度；

数据筛选模块，被配置为对所述带权综合关联度进行筛选，得到有效综合关联度；

评价执行模块，被配置为基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。

可选的，所述第一计算模块包括：

序关系确定单元，用于确定所述多个初始评价指标的序关系；

判断执行单元，用于对所述多个初始评价指标之间的相对重要性进行判断；

计算执行单元，用于计算所述常权重系数。

可选的，所述第二计算模块被配置为基于TOPSIS改进的灰色关联度分析方法对所述故障类型和所述初始评价指标进行计算，得到所述综合关联度。

可选的，所述数据筛选模块包括：

排序执行单元，用于对所有所述带权综合关联度进行排序；

筛选执行模块，用于基于预设阈值对所述带权综合关联度进行筛选，得到所述有效综合关联度。

从上述的技术方案可以看出，本申请公开了一种电力变压器的健康度评价方法和装置，具体为构建待评价电力变压器的包括多个故障类型和多个初始评价指标的状态评价因素集；计算所述初始评价指标的常权重系数；计算所述故障类型与所述初始评价指标的带权综合关联度；对所述带权综合关联度进行筛选，得到有效综合关联度；基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。通过实时健康状况可以及时发现潜伏性故障，从而能够制定科学合理的检修计划，避免了过检修或欠检修情况的出现。同时通过分析变压器故障得分，能够初步得到故障类型的倾向性信息，对于检修工作能够提供了决策支持。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例的一种电力变压器的健康度评价方法的流程图；

图2为改进灰色关联分析距离示意图；

图3本申请实施例的一种电力变压器的健康度评价装置的框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一

图1为本申请实施例的一种电力变压器的健康度评价方法的流程图。

如图1所示，本实施例提供的健康度评价方法用于对待评价电力变压器的实时健康度进行评价，具体包括如下步骤：

S1、构建待评价电力变压器的状态评价因素集。

该状态评价因素集包括多种故障类型和多个初始评价指标。具体来说是根据国家电网公司的《油浸式变压器(电抗器)状态评价导则(Q/GDW169-2008)》、《电力设备预防性实验规程》、《变压器油中溶解气体分析和判断导则(GB/T7252-2001)》给出的故障类型和故障监测量，提取9种电力变压器的故障类型，如表1所示，选取24种变压器的试验和监测单项状态量作为初始评价指标，如表2所示。

表1电力变压器故障类型

表2电力变压器初始状态评价指标

S2、计算初始评价指标的常权重系数。

在确定多个初始评价指标后通过如下步骤实现对常权重系数的计算：

首先，确定多个初始评价指标的序关系。

定义1对于某评价标准来说，若评价指标x_i大于x_j，则记为x_i>x_j。

定义2若评价指标x₁,x₂,…,x_m对于评价标准有:

x₁*>x₂*>…>x_m*

则属性x₁,x₂,…,x_m按重要程度递减建立序关系。

确立评价指标集{x₁,x₂,……,x_m}的序关系步骤如下:

①决策者在指标集{x₁,x₂,……,x_m}中，选择相对于某评价目标最重要的一个指标并记为x₁*；

②决策者在剩下的m-1个指标中，选择相对于某评价目标最重要的一个指标并记为x₂*；

③重复以上步骤，经过m-1次挑选，最后余下的评价指标记为x_m*；

④确定评价指标集{x₁,x₂,……,x_m}的序关系。

不失一般性，将上式记为：

x₁>x₂>…>x_m

然后，对初始评价指标之间的相对重要性进行判别

定义3决策者对于指标x_k和x_k-1的相对重要程度判断用其权重w_k-1和w_k之比表示，记作r_k，如下所示：

r_k的赋值参考如表3所示。

表3r_k赋值参考

最后，对常权重系数进行计算。

该常权重系数的计算公式如下：

再由得到其它评价指标的权重，即：

最终得到由序关系法确定的主观权重系数，记为：

W＝[ω₁,ω₂，……,ω_m]

S3、计算带权综合关联度。

灰色关联分析是邓聚龙教授1982年提出的灰色系统理论的重要分支之一。其基本思想是根据数据序列曲线几何形状的相似程度来判断不同数据序列之间的关联是否紧密。在多指标综合评价问题中，构造正向理想序列并计算各评价对象与正向理想序列的关联度，关联度越大表明与正向理想序列越相似，其评价结果越优。基于灰色关联分析的综合评价方法有以下优点:

(1)计算简单，实用性和可操作性强；

(2)其数学方法是非统计方法，对样本数量的多少和样本分布没有要求；

(3)不会出现关联度的量化结果和定性分析不一致的情况。

灰色关联分析步骤如下：

假设n个评价对象，每个对象有m个初始评价指标，现有t组历史故障数据，则正向理想评价对象X⁺可表示为：

X⁺＝[X₁ ⁺，X₂ ⁺，…，X_n ⁺]^T

其中X_i ⁺＝[X_i1 ⁺,X_i2 ⁺,…,X_im ⁺]为第i类故障的正向理想评价对象，i＝1,2,…,n，X_ik ⁺表示在t组历史故障数据中故障i出现的最大次数，k＝1,2,…,m。

对第j组数据(j＝1,2,…,t)，故障观测矩阵X可表示为：

记X_i与X_i ⁺在第k个指标的灰色关联系数为：

式中，

ΔX_ij＝|X_ij ⁺-x_ij|，为了减小极值对评价结果的影响，引入分辨系数ρ，且ρ∈[0，1]，本发明取ρ＝0.5。

记X_i与X_i+的灰色关联度为ξ_i,则

本申请是基于TOPSIS改进的灰色关联度对故障类型与初始评价指标的带权综合关联度进行计算。

灰色关联度从本质上来说是一种几何上的“距离”，关联度越大，说明评价对象X与其理想对象X+的在几何上越接近，如图2所示。然而假设简化评价指标到2个且具有相同权重时，评级指标与理想评价对象之间的距离相同，此时仅凭灰色关联度便难以判别其重要程度。为此，结合理想改进法(TOPSIS)的思想，对传统的灰色关联分析进行改进，深入挖掘评级指标与理想评价对象之间距离的内在含义。

TOPSIS改进的灰色关联度分析将传统理想解法定义的的距离和灰色关联度有机结合，构造了一种正负双向的评价方法。其基本思路可描述为:设有m个故障类型，n个状态监测指标，指标值为x_ij，对第i个方案，构造观测矩阵Xi，正向理想评价对象X⁺和负向理想评价对象X^-，求得该方案对应的正向灰色关联度和负向灰色关联度，综合考虑正向灰色关联度和负向灰色关联度，得到最优判断。

设负向理想评价对象X-可表示为：

X^-＝[X₁ ^-，X₂ ^-，…，X_n ^-]^T

与灰色关联分析计算过程相似，负向灰色关联度计算公式为：

式中

从几何角度分析，理想解法改进的灰色关联分析的评价思路为：若评价对象X₁和X₂到正向理想对象X⁺的距离是相等的，则只考虑评价对象到X⁺的距离时无法区分X₁和X₂孰优孰劣。但结合评价对象到负向理想对象的距离可以看出，X₂与X^-的距离更远，综合考虑，就可以做出X₂优于X₁的判断。为此，在本节计算不同故障类型到正理想解和负理想解的综合关联度：

结合上面计算出来的主观权重，由

Z′_i＝ω_iγ_i，i＝1，2，…，9

计算得到带权综合关联度Zi’。为了不失一般性，对Zi’进行归一化处理得到Zi，如下所示：

S4、通过对带权综合关联度的筛选得到有效综合关联度。

鉴于初始评价指标数目繁多，不利于开展现场作业，有些指标在状态评价过程中贡献较小，使得变压器状态评价指标体系过于冗杂。因此，执行如下步骤：

首先，对上面得到的带权综合关联度向量Z_i内的元素值按由大到小的顺序进行排序，并将排序后的元素以及元素所代表的指标更新到向量Z_i中；然后，设定阈值T，在不超过阈值的前提下，对Z_i内指标的带权综合关联度数值按照由大到小的顺序进行累加，当最后一个指标的加入使得累加值大于或等于阈值时停止，则将未累加的综合关联度及其代表的指标删除，将保留剩下的评价指标定义为关键指标，记为Z_i ^*，Z_i ^*的选择方法如下所示：

S5、计算电力变压器的实时健康度。

根据变压器状态评价导则和评价标准，使用记分制作为评价变压器健康得分的方法，记分式为:

式中:ω_f为故障权值；x_f,j和ω_f,j分别为关键指标得分和权重；m为某故障对应的关键指标个数。

考虑到常权重系数不会因为变压器运行劣化程度的变化而变化的问题，当状态监测量的劣化度有较大差异时，权重系数对于不同故障类型不能起到良好的均衡作用，可能导致设备健康状态评价结果出现较大偏差。因此本发明采用变权重系数计算方法确定各故障类型的权重系数：

式中:ω′_i，ω_i和y_i分别为故障类型Fi的变权重系数、常权重系数和评分值，n＝9，本发明取ω_i＝1/9，取α＝0。

从上述技术方案可以看出，本实施例提供了一种电力变压器的健康度评价方法，具体为构建待评价电力变压器的包括多个故障类型和多个初始评价指标的状态评价因素集；计算所述初始评价指标的常权重系数；计算所述故障类型与所述初始评价指标的带权综合关联度；对所述带权综合关联度进行筛选，得到有效综合关联度；基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。通过实时健康状况可以及时发现潜伏性故障，从而能够制定科学合理的检修计划，避免了过检修或欠检修情况的出现。同时通过分析变压器故障得分，能够初步得到故障类型的倾向性信息，对于检修工作能够提供了决策支持。

以下为本申请的一个具体实施实例。

选取河南地区某变电站一台220kV油浸式电力变压器(SFPS9.180000/220)为案例进行分析。

按照本发明中所列步骤评估该变压器关键指标体系，对该变压器的不同故障进行评分，并按照评分值表征的劣化程度计算变权重系数，结果下表所示。可以看出，评分值越低的故障类型，其变权重系数越大，这意味着更严重的故障类型在此模型中受到更大程度的重视。

综合上表中9种变压器故障评分值，得到变压器整体运行状态评分0.3427，查表可知，该变压器目前运行于异常状态。进一步分析各故障类型评分，其中故障类型F1评分明显异常，可知变压器出现绕组故障，需要尽快安排检修。该台变压器停电后对其进行详细检测，发现变压器绕组受到外力影响，导致绕组变形，饼间距改变。

以上算例分析表明，通过本发明所提方法得到的变压器健康状况评价结果与实际情况基本吻合，说明基于TOPSIS改进灰关联分析的变压器健康度评价方法能够得到与实际状况贴近的健康得分，并能根据计算过程，给出故障类型的概率分布，为检修决策提供初步指导。

实施例二

图3为本申请实施例的一种电力变压器的健康度评价装置的框图。

如图3所示，本实施例提供的健康度评价装置用于对待评价电力变压器的实时健康度进行评价，具体包括数据集构建模块10、第一计算模块20、第二计算模块30、数据筛选模块40、评价执行模块50。

数据集构建模块用于构建待评价电力变压器的状态评价因素集。

该状态评价因素集包括多种故障类型和多个初始评价指标。具体来说是根据国家电网公司的《油浸式变压器(电抗器)状态评价导则(Q/GDW169-2008)》、《电力设备预防性实验规程》、《变压器油中溶解气体分析和判断导则(GB/T7252-2001)》给出的故障类型和故障监测量，提取9种电力变压器的故障类型，如表1所示，选取24种变压器的试验和监测单项状态量作为初始评价指标，如表2所示。

表1电力变压器故障类型

表2电力变压器初始状态评价指标

第一计算模块用于计算初始评价指标的的常权重系数

该模块包括序关系确定单元、判断执行单元和计算执行单元。

序关系确定单元用于确定多个初始评价指标的序关系。

定义1对于某评价标准来说，若评价指标x_i大于x_j，则记为x_i>x_j。

定义2若评价指标x₁,x₂,…,x_m对于评价标准有:

x₁*>x₂*>…>x_m*

则属性x₁,x₂,…,x_m按重要程度递减建立序关系。

确立评价指标集{x₁,x₂,……,x_m}的序关系步骤如下:

①决策者在指标集{x₁,x₂,……,x_m}中，选择相对于某评价目标最重要的一个指标并记为x₁*；

②决策者在剩下的m-1个指标中，选择相对于某评价目标最重要的一个指标并记为x₂*；

③重复以上步骤，经过m-1次挑选，最后余下的评价指标记为x_m*；

④确定评价指标集{x₁,x₂,……,x_m}的序关系。

不失一般性，将上式记为：

x₁>x₂>…>x_m

判断执行单元用于对初始评价指标之间的相对重要性进行判别。

定义3决策者对于指标x_k和x_k-1的相对重要程度判断用其权重w_k-1和w_k之比表示，记作r_k，如下所示：

r_k的赋值参考如表3所示。

表3 r_k赋值参考

计算执行单元用于对常权重系数进行计算。

该常权重系数的计算公式如下：

再由得到其它评价指标的权重，即：

最终得到由序关系法确定的主观权重系数，记为：

W＝[ω₁,ω₂，……,ω_m]

第二计算模块用于计算带权综合关联度。

灰色关联分析是邓聚龙教授1982年提出的灰色系统理论的重要分支之一。其基本思想是根据数据序列曲线几何形状的相似程度来判断不同数据序列之间的关联是否紧密。在多指标综合评价问题中，构造正向理想序列并计算各评价对象与正向理想序列的关联度，关联度越大表明与正向理想序列越相似，其评价结果越优。基于灰色关联分析的综合评价方法有以下优点:

(1)计算简单，实用性和可操作性强；

(2)其数学方法是非统计方法，对样本数量的多少和样本分布没有要求；

(3)不会出现关联度的量化结果和定性分析不一致的情况。

灰色关联分析步骤如下：

假设n个评价对象，每个对象有m个初始评价指标，现有t组历史故障数据，则正向理想评价对象X⁺可表示为：

X⁺＝[X₁ ⁺，X₂ ⁺，…，X_n ⁺]^T

其中X_i ⁺＝[X_i1 ⁺,X_i2 ⁺,…,X_im ⁺]为第i类故障的正向理想评价对象，i＝1,2,…,n，X_ik ⁺表示在t组历史故障数据中故障i出现的最大次数，k＝1,2,…,m。

对第j组数据(j＝1,2,…,t)，故障观测矩阵X可表示为：

记X_i与X_i ⁺在第k个指标的灰色关联系数为：

式中，

ΔX_ij＝|X_ij ⁺-X_ij|，为了减小极值对评价结果的影响，引入分辨系数ρ，且ρ∈[0，1]，本发明取ρ＝0.5。

记X_i与X_i+的灰色关联度为ξ_i,则

本申请是基于TOPSIS改进的灰色关联度对故障类型与初始评价指标的带权综合关联度进行计算。

灰色关联度从本质上来说是一种几何上的“距离”，关联度越大，说明评价对象X与其理想对象X+的在几何上越接近，如图2所示。然而假设简化评价指标到2个且具有相同权重时，评级指标与理想评价对象之间的距离相同，此时仅凭灰色关联度便难以判别其重要程度。为此，结合理想改进法(TOPSIS)的思想，对传统的灰色关联分析进行改进，深入挖掘评级指标与理想评价对象之间距离的内在含义。

TOPSIS改进的灰色关联度分析将传统理想解法定义的的距离和灰色关联度有机结合，构造了一种正负双向的评价方法。其基本思路可描述为:设有m个故障类型，n个状态监测指标，指标值为x_ij，对第i个方案，构造观测矩阵Xi，正向理想评价对象X⁺和负向理想评价对象X-，求得该方案对应的正向灰色关联度和负向灰色关联度，综合考虑正向灰色关联度和负向灰色关联度，得到最优判断。

设负向理想评价对象X-可表示为：

X^-＝[X₁ ^-，X₂ ^-，…，X_n ^-]^T

与灰色关联分析计算过程相似，负向灰色关联度计算公式为：

式中

从几何角度分析，理想解法改进的灰色关联分析的评价思路为：若评价对象X₁和X₂到正向理想对象X⁺的距离是相等的，则只考虑评价对象到X⁺的距离时无法区分X₁和X₂孰优孰劣。但结合评价对象到负向理想对象的距离可以看出，X₂与X-的距离更远，综合考虑，就可以做出X₂优于X₁的判断。为此，在本节计算不同故障类型到正理想解和负理想解的综合关联度：

结合上面计算出来的主观权重，由

Z′_i＝ω_iγ_i，i＝1，2，…，9

计算得到带权综合关联度Zi’。为了不失一般性，对Zi’进行归一化处理得到Zi，如下所示：

数据筛选模块用于通过对带权综合关联度的筛选得到有效综合关联度。

鉴于初始评价指标数目繁多，不利于开展现场作业，有些指标在状态评价过程中贡献较小，使得变压器状态评价指标体系过于冗杂。该模块包括排序执行单元和筛选执行单元。

排序执行单元用于对上面得到的带权综合关联度向量Z_i内的元素值按由大到小的顺序进行排序，并将排序后的元素以及元素所代表的指标更新到向量Z_i中；筛选执行单元用于在不超过预先设定的阈值T的前提下，对Z_i内指标的带权综合关联度数值按照由大到小的顺序进行累加，当最后一个指标的加入使得累加值大于或等于阈值时停止，则将未累加的综合关联度及其代表的指标删除，将保留剩下的评价指标定义为关键指标，记为Z_i ^*，Z_i ^*的选择方法如下所示：

评价执行模块用于计算电力变压器的实时健康度。

根据变压器状态评价导则和评价标准，使用记分制作为评价变压器健康得分的方法，记分式为:

式中:ω_f为故障权值；x_f,j和ω_f,j分别为关键指标得分和权重；m为某故障对应的关键指标个数。

考虑到常权重系数不会因为变压器运行劣化程度的变化而变化的问题，当状态监测量的劣化度有较大差异时，权重系数对于不同故障类型不能起到良好的均衡作用，可能导致设备健康状态评价结果出现较大偏差。因此本发明采用变权重系数计算方法确定各故障类型的权重系数：

式中:ω′_i，ω_i和y_i分别为故障类型Fi的变权重系数、常权重系数和评分值，n＝9，本发明取ω_i＝1/9，取α＝0。

从上述技术方案可以看出，本实施例提供了一种电力变压器的健康度评价装置，具体用于构建待评价电力变压器的包括多个故障类型和多个初始评价指标的状态评价因素集；计算所述初始评价指标的常权重系数；计算所述故障类型与所述初始评价指标的带权综合关联度；对所述带权综合关联度进行筛选，得到有效综合关联度；基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。通过实时健康状况可以及时发现潜伏性故障，从而能够制定科学合理的检修计划，避免了过检修或欠检修情况的出现。同时通过分析变压器故障得分，能够初步得到故障类型的倾向性信息，对于检修工作能够提供了决策支持。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种电力变压器的健康度评价方法，其特征在于，所述健康度评价方法包括步骤：

构建待评价电力变压器的状态评价因素集，所述状态评价因素集包括多个故障类型和多个初始评价指标；

计算所述初始评价指标的常权重系数；

计算所述故障类型与所述初始评价指标的带权综合关联度；

对所述带权综合关联度进行筛选，得到有效综合关联度；

基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。

2.如权利要求1所述的健康度评价方法，其特征在于，所述计算所述初始评价指标的常权重系数，包括步骤：

确定所述多个初始评价指标的序关系；

对所述多个初始评价指标之间的相对重要性进行判断；

计算所述常权重系数。

3.如权利要求1所述的健康度评价方法，其特征在于，所述计算所述故障类型与所述初始评价指标的综合关联度，包括步骤：

基于TOPSIS改进的灰色关联度分析方法对所述故障类型和所述初始评价指标进行计算，得到所述综合关联度。

4.如权利要求1所述的健康度评价方法，其特征在于，所述对所述带权综合关联度进行筛选，得到有效综合关联度，包括步骤：

对所有所述带权综合关联度进行排序；

基于预设阈值对所述带权综合关联度进行筛选，得到所述有效综合关联度。

5.一种电力变压器的健康度评价装置，其特征在于，所述健康度评价装置包括：

数据集构建模块，被配置为构建待评价电力变压器的状态评价因素集，所述状态评价因素集包括多个故障类型和多个初始评价指标；

第一计算模块，被配置为计算所述初始评价指标的常权重系数；

第二计算模块，被配置为计算所述故障类型与所述初始评价指标的带权综合关联度；

数据筛选模块，被配置为对所述带权综合关联度进行筛选，得到有效综合关联度；

评价执行模块，被配置为基于所述多个故障类型、所述有效综合关联度、所述常权重系数和变权重系数进行处理，得到所述待评价电力变压器的实时健康状态。

6.如权利要求5所述的健康度评价装置，其特征在于，所述第一计算模块包括：

序关系确定单元，用于确定所述多个初始评价指标的序关系；

判断执行单元，用于对所述多个初始评价指标之间的相对重要性进行判断；

计算执行单元，用于计算所述常权重系数。

7.如权利要求5所述的健康度评价装置，其特征在于，所述第二计算模块被配置为基于TOPSIS改进的灰色关联度分析方法对所述故障类型和所述初始评价指标进行计算，得到所述综合关联度。

8.如权利要求5所述的健康度评价装置，其特征在于，所述数据筛选模块包括：

排序执行单元，用于对所有所述带权综合关联度进行排序；

筛选执行模块，用于基于预设阈值对所述带权综合关联度进行筛选，得到所述有效综合关联度。

Images