CN115329672A - 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法 - Google Patents

一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法 Download PDF

Info

Publication number
CN115329672A
CN115329672A CN202210981822.7A CN202210981822A CN115329672A CN 115329672 A CN115329672 A CN 115329672A CN 202210981822 A CN202210981822 A CN 202210981822A CN 115329672 A CN115329672 A CN 115329672A
Authority
CN
China
Prior art keywords
converter transformer
index
state
comprehensive
correlation
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.)
Pending
Application number
CN202210981822.7A
Other languages
English (en)
Inventor
刘道生
周春华
钟伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi University of Science and Technology
Original Assignee
Jiangxi University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi University of Science and Technology filed Critical Jiangxi University of Science and Technology
Priority to CN202210981822.7A priority Critical patent/CN115329672A/zh
Publication of CN115329672A publication Critical patent/CN115329672A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Housings And Mounting Of Transformers (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明提供了一种基于改进TOPSIS(Technique for Order Preference bySimilarity to Solution)灰色关联的换流变压器绝缘状态可靠性评估方法,属于变压器状态可靠性评估技术领域。本方法首先对换流变压器的主要结构以及运行工况进行了分析,然后基于此建立了换流变压器状态可靠性评估指标体系,主要分为运行指标、技术指标和历史记录三方面;然后提出了一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,利用换流变压器的实时监测数据、预防性试验以及运维记录数据对多个评价指标进行分值确定,分值越高,表明该指标运行状态越好,反之则越差;最后将换流变压器的综合贴近度进行排序并与传统TOPSIS方法进行对比,得出改进TOPSIS灰色关联法的优越性。这种换流变压器状态可靠性评估方法的测试结果具有比较高的精确度和比较广的适用性。

Description

一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估 方法
技术领域
本发明属于变压器状态可靠性评估技术领域。涉及一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法。
背景技术
随着我国“三纵三横一环网”格局与“四交四直”输变电工程的顺利建设,我国已投运、实施多条特高压直流输电工程,而换流变压器在高压直流输电工程中起着举足轻重的作用,其运行状态稳定可靠对于发电、输电、用电方来说都至关重要。因此,针对换流变压器,精确有效地对其运行状态开展评估,并及时做出预警和制定科学检修计划,具有重要意义。
换流变压器是特高压直流输电工程的核心设备,其设计十分特殊、工艺相对普通变压器更为复杂、价格也比较昂贵、评估状态信息量比较多。现有变压器的各项状态评估中,对换流变压器的运行状态进行评估的研究较少。
本发明的目的在于通过一种基于改进TOPSIS灰色关联方法对换流变压器的运行状态给出一个合理有效的评估并给出对应的预警和制定科学的检修计划。
发明内容
本发明的目的在于提供一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,以解决前述方法的不足。
为实现上述目的,本发明的技术方案是:
一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,所述方法包括如下步骤:
步骤一:根据换流变压器的主要结构以及工作特性,建立换流变压器状态评估指标体系,主要分为运行指标、技术指标和历史记录三方面;
步骤二:提出了一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,利用换流变压器的实时监测数据、预防性试验以及运维记录数据对多个评价指标进行分值确定,分值越高,表明该指标运行状态越好,反之则越差;
步骤三:兼顾主客观赋权法的优势,将其结合为指标赋权,选定合适绝对理想解,应用加权马氏距离对TOPSIS灰色关联分析法进行改进,以计算各个设备的综合灰色关联度及各个设备与正、负绝对理想状态之间的加权马氏距离;
步骤四:以综合灰色关联度和加权马氏距离来计算综合贴近度;
步骤五:将换流变压器的综合贴近度进行排序并与传统TOPSIS法进行对比,得出改进TOPSIS灰色关联法的优越性。
本发明与现有技术相比,其优势在于:
本发明提供了一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,通过采用混合赋权法计算各指标权重,兼顾了各单一方法独有的优势,提高了综合指标权值的合理性;应用加权马氏距离来衡量待评价样本与正、负理想样本间的相似度,使该方法的综合评价结果的准确性更高。
附图说明
图1是换流变压器状态评估指标体系
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进行详细说明。
换流变压器是电能输送与配送的主要枢纽设备,由于其体积较大,影响其健康状态因素众多,且多数具有不确定性和模糊性,而各因素对其运行状态的影响程度又不相同,故只有综合考虑各方面因素才能对变压器的状态进行有效评估。因此,从运行情况,技术指标和历史记录3方面,选择17项特征指标构建换流变压器状态评估模型,如图1所示。
根据前述确定变压器状态评价模型之后,采用改进TOPSIS灰色关联分析法对待评估换流变压器进行综合状态评估,确定各变压器健康状态。
数据预处理
由于各特征指标的量纲、数量级存在差异,不便于计算与结果观察分析,故需对各数据做规范化处理,将其变换到区间[0,1]内。通过各样本特征指标数据作为评价指标矩阵:
Y=(yij)n*m 公式(1)
式中:n代表样本数;m代表指标数量;yij代表第i个样本的第j个指标。
Figure BDA0003799807450000031
构建正、负理想样本
TOPSIS的机理为选定正、负最优解,通过检测待评价对象与最优解、最劣解的接近程度来给待评价样本打分。以
Figure BDA0003799807450000032
表示正理想样本,以
Figure BDA0003799807450000033
表示负理想样本,则有:
Figure BDA0003799807450000041
确定关联系数
传统的灰色关联分析法通过计算灰色关联系数
Figure BDA0003799807450000042
来确定比较序列Xi=(xi1,xi2,...,xim)中的元素xij和参考序列
Figure BDA0003799807450000043
中的元素
Figure BDA0003799807450000044
的接近程度。灰色关联系数的计算方法如下:
Figure BDA0003799807450000045
式中:i是影响因素序列的个数;j是各个影响因素序列的维数;
Figure BDA0003799807450000046
为xij
Figure BDA0003799807450000047
的关联系数;ρ为分辨系数,ρ∈[0,1],通常取0.5;
Figure BDA0003799807450000048
则样本Xi与最优解
Figure BDA0003799807450000049
的灰色关联度为:
Figure BDA00037998074500000410
设置动态分辨系数
关联系数与分辨系数有着密不可分的关系,分辨系数影响着各评价序列间的关联度大小和评价模型对数据差异的灵敏度。故若认定分辨系数不变,会对综合计算结果产生一定的影响。文中提出动态分辨系数选择方法,弥补了上述缺陷。定义分辨系数分段判别数βi为:
Figure BDA00037998074500000411
式中:
Figure BDA00037998074500000412
代表评价序列中指标j的平均差异化距离。
若βi=0,则ρ为[0,1]之间;若0<βi<0.5,此时,数据不平稳,有异常值存在,则
Figure BDA00037998074500000413
若βi>0.5,此时数据序列比较平稳,则ρ为[0.8,1]之间任意值。
计算综合灰色关联度
传统的灰色关联度βi是通过各因素序列曲线形状的接近程度来定量衡量各因素之间的接近程度;而灰色绝对关联度τi反映的是数据变化率方面的相似度,即刻画的是导数的相似程度。用绝对灰色关联度τi改善传统灰色关联度εi形成综合灰色关联度ηi,可以更好地描绘两个序列的相似程度。
绝对灰色关联度τi计算方法如下:
Step1.初始化
将理想序列
Figure BDA0003799807450000051
初值化:
Figure BDA0003799807450000052
将比较序列Xi=(xi1,xi2,…,xim)初值化:
Figure BDA0003799807450000053
Step2:差值计算
Figure BDA0003799807450000054
Step3:绝对灰色关联度
Figure BDA0003799807450000055
Step4:综合灰色关联度
Figure BDA0003799807450000056
式中:α为传统灰色关联度的权重
计算加权马氏加权距离
设正协方差矩阵为由正灰色关联矩阵和最优解组成的矩阵的协方差矩阵,负协方差矩阵为由负灰色关联矩阵和最劣解组成的矩阵的协方差矩阵。那么第i个评价序列与最优解、最劣解的加权马氏距离为:
Figure BDA0003799807450000061
式中:
Figure BDA0003799807450000062
分别为第i个样本与最优解、最劣解间的加权马氏距离;W为由各特征指标权重构成的对角矩阵;U(+)为由正协方差矩阵的特征值所对应的特征向量组成的正交基;Λ(+)为正协方差矩阵的特征值;U(-)为由负协方差矩阵的特征值所对应的特征向量构成的正交基;Λ(-)为负协方差矩阵的特征值。
计算综合状态贴近度
综合灰色关联贴近度和加权马氏距离的状态贴近度分别为:
Figure BDA0003799807450000063
则设备整体的综合状态贴近度为:
Ai=a1Pi+(1-a1)Qi 公式(14)
式中:取权重值a1=0.5。
为了更好地验证上述基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法的准确性以及可靠性,选用某一实施例来进行验证,该实施例中的评价指标分别为运行环境、负载情况、温升水平、开关运行情况、过电压情况、油中溶解气体、绝缘电阻值、吸收比、泄漏电流值、油介质损耗、油击穿电压、油中微水、检修记录、缺陷清理、运行年限、家族缺陷情况、附件情况,其具体数据如下:
表一为换流变压器各评价指标分值
Figure BDA0003799807450000071
按照前文所述中的主客观赋权方法分别计算各评价指标的权重,并且按照矩估计理论,结合混合赋权法计算得到各评价指标最终权值,由此确定各种方法的权重。
表二为3种赋权法的指标权重
Figure BDA0003799807450000081
根据式(2)规范化后的标准评价矩阵为:
Figure BDA0003799807450000091
根据公式(7)-(11)能够计算待评价样本与理想正、负样本之间加权马氏距离,根据公式(12)可以计算综合关联度,所得结果如表三所示。
表三为加权马氏距离和综合关联度
Figure BDA0003799807450000092
最后按照公式(13)和公式(14)计算出各变压器的综合贴近度,根据综合贴近度确定变压器的健康状态并进行状态排序,最后与传统TOPSIS算法相比较,结果如表四所示。
表四为各变压器综合贴近度排序结果
Figure BDA0003799807450000101
由表四可得,虽然传统TOPSIS法与改进TOPSIS灰色关联分析法的排序结果相同,但前者的贴进度取值范围为0.347~0.645,后者为0.469~0.547。5台变压器的健康状态由好到坏排序结果为4号>3号>2号>5号>1号。
根据变压器健康状态区间,可得1号、5号变压器健康状态较差,应及时安排检修;2号、3号、4号变压器健康状态一般,可以合理制定检修工作。
实际运行情况:1号变压器实际运行过程中已发生了中温过热故障,且电气预防性试验的各状态量都出现不同程度的劣化,氢气含量超标需要,内部出现轻微劣化现象,应进行停机检修;5号变压器反映绝缘油特性的3个状态量都已经接近标准限值,内部故障使油温升高,形成过热故障,热应力造成绝缘加速劣化,引起油的体积轻微膨胀,总体情况不佳,性能整体下降,需要跟踪观察;2号、3号、4号变压器也应引起注意,可能存在潜在危险。
上述实施例只是表达了本发明的技术构思以及特点,其目的是为了让本领域内的相关人员可以了解其内容并根据步骤方法加以实施,并不能限制本发明的保护范围。

Claims (3)

1.一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,属于变压器状态评估领域。其特征在于,所述方法包括如下步骤:
步骤一:根据换流变压器的主要结构以及工作特性,建立换流变压器状态评估指标体系,主要分为运行指标、技术指标和历史记录三方面;
步骤二:提出了一种基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,利用换流变压器的实时监测数据、预防性试验以及运维记录数据对多个评价指标进行分值确定;分值越高,表明该指标运行状态越好,反之则越差;
步骤三:兼顾主客观赋权法的优势,将其结合为指标赋权,选定合适绝对理想解,应用加权马氏距离对TOPSIS灰色关联分析法进行改进,以计算各个设备的综合灰色关联度及各个设备与正、负绝对理想状态之间的加权马氏距离;
步骤四:以综合灰色关联度和加权马氏距离来计算综合贴近度;
步骤五:将换流变压器的综合贴近度进行排序并与传统TOPSIS法进行对比,得出改进TOPSIS灰色关联法的优越性。
2.根据权利要求1所述的基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法,其特征在于,采用混合赋权法计算各指标权重,兼顾了各单一方法独有的优势,提高了综合指标权值的合理性;应用加权马氏距离来衡量待评价样本与正、负理想样本间的相似度,使该方法的综合评价结果的准确性更高。
3.根据权利要求1和2所述的基于改进TOPSIS灰色关联的换流变压器状态可靠性评估方法。其特征在于,所述的混合赋权法计算各指标权重的具体流程为:
(1)对各个状态指标的数据进行规范化处理,将其变换到区间[0,1]内,用各个样本的数据作为评价指标矩阵Y=(yij)n*m,其中:n代表样本数;m代表指标数量;yij代表第i个样本的第j个指标。
(2)通过检测待评价对象与最优解、最劣解的接近程度来给待评价样本打分,构建正理想样本
Figure FDA0003799807440000021
和负理想样本
Figure FDA0003799807440000022
(3)确定灰色关联系数
Figure FDA0003799807440000023
其中:i是影响因素序列的个数;j是各个影响因素序列的维数;
Figure FDA0003799807440000024
为xij
Figure FDA0003799807440000025
的关联系数;ρ为分辨系数,ρ∈[0,1],通常取0.5,并由此计算出样本Xi和最优解
Figure FDA0003799807440000026
的灰色关联度
Figure FDA0003799807440000027
(4)设置动态分辨系数,分辨系数分段判别数βi的定义由公式(1)确定:
Figure FDA0003799807440000028
其中:
Figure FDA0003799807440000029
代表评价序列中指标j的平均差异化距离。
(5)计算综合灰色关联度,用绝对灰色关联度τi改善传统灰色关联度εi形成综合灰色关联度ηi
(6)计算加权马氏加权距离,设正协方差矩阵为由正灰色关联矩阵和最优解组成的矩阵的协方差矩阵,负协方差矩阵为由负灰色关联矩阵和最劣解组成的矩阵的协方差矩阵。那么第i个评价序列与最优解、最劣解的加权马氏距离则由公式(2)确定:
Figure FDA00037998074400000210
其中:
Figure FDA00037998074400000211
分别为第i个样本与最优解、最劣解间的加权马氏距离;W为由各特征指标权重构成的对角矩阵;U(+)为由正协方差矩阵的特征值所对应的特征向量组成的正交基;Λ(+)为正协方差矩阵的特征值;U(-)为由负协方差矩阵的特征值所对应的特征向量构成的正交基;Λ(-)为负协方差矩阵的特征值。
(7)计算综合状态贴近度,综合灰色关联贴近度和加权马氏距离的状态贴近度分别由公式(3)确定:
Figure FDA0003799807440000031
则设备整体的综合状态贴近度为Ai=a1Pi+(1-a1)Qi(其中a1为0.5)。
CN202210981822.7A 2022-08-16 2022-08-16 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法 Pending CN115329672A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210981822.7A CN115329672A (zh) 2022-08-16 2022-08-16 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210981822.7A CN115329672A (zh) 2022-08-16 2022-08-16 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法

Publications (1)

Publication Number Publication Date
CN115329672A true CN115329672A (zh) 2022-11-11

Family

ID=83924445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210981822.7A Pending CN115329672A (zh) 2022-08-16 2022-08-16 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法

Country Status (1)

Country Link
CN (1) CN115329672A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090800A (zh) * 2023-04-11 2023-05-09 中国人民解放军海军工程大学 基于监控参数的设备稳定性实时评价方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090800A (zh) * 2023-04-11 2023-05-09 中国人民解放军海军工程大学 基于监控参数的设备稳定性实时评价方法
CN116090800B (zh) * 2023-04-11 2023-07-18 中国人民解放军海军工程大学 基于监控参数的设备稳定性实时评价方法

Similar Documents

Publication Publication Date Title
CN112926144B (zh) 一种多应力加速寿命试验耦合效应分析及寿命预测方法
CN114460445B (zh) 考虑老化阈值与寿命的变压器老化不可用率评估方法
CN112598298A (zh) 电力变压器健康管理系统及管理方法
CN103576050A (zh) 一种电容式电压互感器的运行状态评估方法
CN106569069A (zh) 电力变压器故障诊断方法
CN115329672A (zh) 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法
Jian et al. The new developed health index for power transformer condition assessment
CN115408864A (zh) 电子式互感器误差状态自适应预测方法、系统及设备
CN111856209A (zh) 一种输电线路故障分类方法及装置
CN111695452A (zh) 基于rbf神经网络的并联电抗器内部老化程度评估方法
CN105844538A (zh) 一种基于故障严重度的电力电缆风险评估方法
CN116643091A (zh) 基于多维时序特征的换流变阀侧套管在线绝缘监测方法
CN113484813A (zh) 多环境应力下的智能电表故障率预估方法及系统
Gautam et al. Identifying transformer oil criticality using fuzzy logic approach
CN111797566A (zh) 一种表征变压器健康状态的关键特征量确定方法和系统
CN108845074B (zh) 油浸式变压器状态评价方法
CN114595883A (zh) 基于元学习的油浸式变压器剩余寿命个性化动态预测方法
JP7461596B2 (ja) 電圧レベル315kV以下の配電変圧器に対する自動容量校正方法
CN113296010A (zh) 一种基于差分电压分析的电池健康状态在线评估方法
CN107561452A (zh) 一种蓄电池组健康度的评估方法
CN116243172A (zh) 一种锂电池可靠性状态快速检测方法
CN115864310A (zh) 一种多参量融合电力变压器缺陷辨识、状态分级与主动安全保护方法
CN113052249B (zh) 基于支持向量机和电流偏差系数的变压器绕组故障类型识别方法
CN114461982A (zh) 一种输电线路保护特性识别及电压暂降持续时间估计方法
Xi et al. A quantitative characterization method of oil-paper insulation aging condition based on multi-characteristic parameters

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