CN116756648A - 一种基于集对分析和证据理论的高压开关柜状态评估方法 - Google Patents
一种基于集对分析和证据理论的高压开关柜状态评估方法 Download PDFInfo
- Publication number
- CN116756648A CN116756648A CN202310656720.2A CN202310656720A CN116756648A CN 116756648 A CN116756648 A CN 116756648A CN 202310656720 A CN202310656720 A CN 202310656720A CN 116756648 A CN116756648 A CN 116756648A
- Authority
- CN
- China
- Prior art keywords
- state
- degree
- index
- switch cabinet
- evidence
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000009413 insulation Methods 0.000 claims abstract description 29
- 230000015556 catabolic process Effects 0.000 claims abstract description 21
- 238000006731 degradation reaction Methods 0.000 claims abstract description 21
- 230000032683 aging Effects 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000008094 contradictory effect Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/257—Belief theory, e.g. Dempster-Shafer
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种基于集对分析和证据理论的高压开关柜状态评估方法,包括:S1,选取表征高压开关柜绝缘劣化的特征量及指标量,将数据归一化计算高压电缆绝缘状态的相对劣化度;S2,计算特征量及指标量之间的相对重要程度,得到常权值,并结合相对劣化度,计算得到变权值;S3,对各特征量及指标量采用集对分析方法计算与各状态等级的联系度;S4,构造基本概率分配,然后按进行证据融合得到整体状态的基本信度分配;S5,结合最大隶属度原则和信度准则,对评估结果进行判断,判定高压开关柜绝缘老化的状态。本发明能够实现开关柜的智能在线监测和分析。
Description
技术领域
本发明涉及一种用于变电站在线监测领域的基于集对分析和证据理论的高压开关柜状态评估方法。
背景技术
随着国家电网规模不断扩大,影响电力系统安全、稳定运行的困难和不确定性也越来越多,电力用户对于用电的安全需求也越来越高,同时还兼顾可靠性和质量的要求。依靠传统的技术、方法、经营管理能力,难以解决所面临的问题和困难。
目前,电力设备局部放电检测是开关柜绝缘状态评估的重要手段,其为保障开关柜安全稳定运行发挥了关键作用。然而开关柜设备数量多,地理位置分散,运检管理难度大。目前的开关柜管理主要存在的问题体现在以下几个方面:
1、高压开关柜内部存在很多零散的部件,很多部件都是一些电线,经过长期的运行必然导致内部的线路或其它机械部件老化,松动,甚至会使柜子损坏,从而导致整个系统运行的不稳定。
2、变电站一般来说其电压等级非常高,而开关柜作为进出线的中介其电流都非常大,所以如果不对其进行状态监测,可能会危害电力系统的运行。
3、高压开关柜中的断路器以及与之相连的一些器件,连接点、绝缘线等部位可能由于高温而引起发热,甚至引起火灾,此外,设备的安装不牢固,安装时间过长部件老化等也会引起这样或那样的问题,从而影响开关柜的正常工作。
4、当开关柜处于工作运行状态时,整个系统都将处于密闭的高温高压环境中,测试环境处于多种干扰之中。因此精确的检测开关柜的状态将很不容易。
5、开关柜内部绝缘结构多样,实际运行环境复杂(高温、灰尘、潮湿等),加之可能存在的生产质量及工艺缺陷,在长期运行过程中绝缘性能可能发生劣化,进而在电场作用下引发局部放电,局部放电进一步发展加剧绝缘老化,严重时可能导致电气设备故障,影响电力系统的安全稳定运行。
发明内容
本发明的目的是为了克服现有技术的不足,提供一种基于集对分析和证据理论的高压开关柜状态评估方法,它能够实现开关柜的智能在线监测和分析。
实现上述目的的一种技术方案是:一种基于集对分析和证据理论的高压开关柜状态评估方法,包括如下步骤:
S1,选取表征高压开关柜绝缘劣化的特征量及指标量,将数据归一化计算高压电缆绝缘状态的相对劣化度;
S2,计算特征量及指标量之间的相对重要程度,得到常权值,并结合相对劣化度,计算得到变权值;
S3,对各特征量及指标量采用集对分析方法计算与各状态等级的联系度;
S4,构造基本概率分配,然后按进行证据融合得到整体状态的基本信度分配;
S5,结合最大隶属度原则和信度准则,对评估结果进行判断,判定高压开关柜绝缘老化的状态。
进一步的,S1的具体为:
将指标参数记为Xkl(k=1,2,…,M;l=1,2,…,Nk),相对劣化度记为xkl,取值范围为[0,1];
各参量相对劣化度xkl按照下式计算
式中:Xinv为参数的初始值,Xthr为参数的注意值,Xkl为该参数实际值。
进一步的,S2的具体为:
常权向量表示为
各指标的参数变权值为
则变权向量表示为
式中:α为变权系数。
进一步的,S3的具体方法为:
假设给定2个集合A1和A2,并设其组成集对H={A1,A2};对集对H的展开特性分析,共有N个特性:S个特性是集合A1和A2所共有的,P个特性是A1和A2相对立的,而剩下F=N-S-P个特性是集合A1和A2所不共有也不对立的;比值S/N、F/N和P/N分别为集合A1、A2在该问题背景下的同一度、差异度和对立度,则集对H的联系度表达式为
式中:i为差异标记系数,在[-1,1]区间取值;j为对立标记系数,规定取值为-1;由所述定义,参数a、b、c满足如下条件
a+b+c=1
式中:a、c是相对确定的;b是相对不确定的,并且可被扩展;3元联系度可被扩展为K元联系度
式中:各参数仍然满足归一化的条件,即a+b1+b2+…+bK-2+c=1;bt是差异度的不同级;it是差异标记系数的组分;
假设指标体系共有M个特征量,第k个特征量有Nk个参数,状态等级分为K级;各指标参数xkl构成集合Xk,各状态等级构成集合Z={z1,z2,…,zk};Xk与Z构成集合对H={Xk,Z};则集对H的K元联系度μkl可表示为
μkl=akl+bkl,1i1+bkl,2i2+…+bkl,K-2iK-2+cklj
式中:akl表示指标xkl隶属于Z第1级状态的程度;bkl,1表示指标xkl隶属于Z第2级状态的程度;bkl,2表示指标xkl隶属于Z第3级状态的程度;bkl,K-2表示指标xkl隶属于Z第K-1级状态的程度;ckl则表示指标xkl隶属于Z第K级状态的程度;集对H的K元联系度μkl还可表示为
式中wkl是指标xkl的权重;
针对高压电缆绝缘状态指标属性,则相对劣化度指标xkl与t级状态组成集合对,其K元联系度μkl可依据上述模糊属性规则由式来计算确定;其中:0<r1<r2<…<rK-1<1;r1,r2,…,rK-1表示各状态等级间的阈值,对应关系如下表所示:
阈值区间与状态等级的关系表
状态等级 | z1 | z2 | ... | zK-1 | zK |
阈值区间 | [0,r1) | [r1,r2) | ... | [rK-2,rK-1) | [rK-1,1] |
。
进一步的,S4的具体为:通过证据理论,将基于不同特征量的信息加以融合,以获取高压电缆绝缘老化整体状态的评估结论,包括:
S41,确定识别框架
识别框架Θ为高压开关柜绝缘劣化的5种状态等级z1、z2、z3、z4、z5以及不确定度θ,即
Θ={z1,z2,z3,z4,z5,θ};
S42,选取证据并确定基本信度分配
将各状态量反映的高压电缆绝缘状态信息作为独立的证据,并将其集对分析评估的联系度结果作为证据理论的基本信度分配,将识别框架上的基本信度分配计算函数称为mass函数,表示证据对各状态等级的信任程度,该函数满足下式
式中为空集,同时,不同证据的可信程度是不同的,引入可信度系数λk表征证据的可信程度,λk值越大则说明证据越可信;
S43,证据融合
为避免因证据冲突造成评估结果误差,采用开放识别框架的合成规则,计算方法如下
其中
B、C为识别框架的子集;K为归一化常数;ψ为B和C相交的非空子集;m(ψ)即为融合后输出的基本信度分配结果。
进一步的,S5具体为:
S51,判断准确性,其条件为m(θ)<ε1;
若评估结果的不确定度m(θ)小于设定的阈值ε1,则表明结果的准确性;
S52,用最大隶属度原则判断,其条件为
若评估等级的BPA最大值m(z0)与次大值的差值超过阈值ε2,则可判断结果为z0级;
S53,若不满足的条件则按信度准则继续判断,其条件为
式中ε3为置信水平,在评估等级基本信度分配相差不大时,若满足基本信度分配依次加和达到置信水平的最小值为z0,则可判断结果为z0级。
本发明可以实现开关柜多元化数据的在线监测与故障诊断,判断开关柜是否进行检修或者更换,避免由于开关柜故障引起的突然停电造成的经济损失。本发明可实现对变电站开关柜运行状态进行监测,并对故障信息进行诊断和报警,通过对评估结果进行分析,判断是否对开关柜进行检修或者更换,避免突然停电给造成的经济损失,达到获得直接经济效益的效果。本发明的实现,可有的放矢地对开关柜进行维护或者更换,减少不必要的检修次数,节约人员、维修费用。同时,一定程度上可以延长高压开关柜的使用寿命,避免不必要的浪费,从而获得间接经济效益。
具体实施方式
为了能更好地对本发明的技术方案进行理解,下面通过具体地实施例进行详细地说明:
本发明的一种基于集对分析和证据理论的高压开关柜状态评估方法,包括如下步骤:
S1,选取表征高压开关柜绝缘劣化的特征量及指标量,将数据归一化计算高压电缆绝缘状态的相对劣化度。高压电缆机理复杂,反映其状态的信息繁多,且各指标数量级差异很大,量纲各不相同,为避免由此造成的评估等级不匹配,引入相对劣化度将数据归一化。将指标参数记为Xkl(k=1,2,…,M;l=1,2,…,Nk),相对劣化度记为xkl,取值范围为[0,1];
各参量相对劣化度xkl按照下式计算
式中:Xinv为参数的初始值,Xthr为参数的注意值,Xkl为该参数实际值。
本发明将高压电缆的绝缘状态分为5个等级,即优良状态、良好状态、一般状态、劣化状态、严重状态,分别用z1、z2、z3、z4、z5表示,记为集合Z={z1,z2,z3,z4,z5}。如下表所示。
相对劣化度表表
S2,计算特征量及指标量之间的相对重要程度,得到常权值,并结合相对劣化度,计算得到变权值。本发明采用改进的层次分析法确定各指标的权重。当高压电缆某个指标参数变化剧烈而严重偏离正常值时,可能会是剧烈发展的故障前兆,应适当加大其权重。采用变权反映高压电缆指标参数偏离正常值的程度与指标权重的关系。
常权向量表示为
各指标的参数变权值为
则变权向量表示为
式中:α为变权系数。
S3,对各特征量及指标量采用集对分析方法计算与各状态等级的联系度。
集对分析法是一种用于处理不确定性的系统分析方法,有算法简单、概念清晰及评价直观等优点。集对分析的基本思想是研究在同一系统中所包含的确定性与不确定性,即从同一度、差异度、对立度这3个方面来研究2个集合之间的相互联系。
假设给定2个集合A1和A2,并设其组成集对H={A1,A2};对集对H的展开特性分析,共有N个特性:S个特性是集合A1和A2所共有的,P个特性是A1和A2相对立的,而剩下F=N-S-P个特性是集合A1和A2所不共有也不对立的;比值S/N、F/N和P/N分别为集合A1、A2在该问题背景下的同一度、差异度和对立度,则集对H的联系度表达式为
式中:i为差异标记系数,在[-1,1]区间取值;j为对立标记系数,规定取值为-1;由所述定义,参数a、b、c满足如下条件
a+b+c=1
式中:a、c是相对确定的;b是相对不确定的,并且可被扩展;3元联系度可被扩展为K元联系度
式中:各参数仍然满足归一化的条件,即a+b1+b2+…+bK-2+c=1;bt是差异度的不同级;it是差异标记系数的组分;
假设指标体系共有M个特征量,第k个特征量有Nk个参数,状态等级分为K级;各指标参数xkl构成集合Xk,各状态等级构成集合Z={z1,z2,…,zk};Xk与Z构成集合对H={Xk,Z};则集对H的K元联系度μkl可表示为
μkl=akl+bkl,1i1+bkl,2i2+…+bkl,K-2iK-2+cklj
式中:akl表示指标xkl隶属于Z第1级状态的程度;bkl,1表示指标xkl隶属于Z第2级状态的程度;bkl,2表示指标xkl隶属于Z第3级状态的程度;bkl,K-2表示指标xkl隶属于Z第K-1级状态的程度;ckl则表示指标xkl隶属于Z第K级状态的程度;集对H的K元联系度μkl还可表示为
式中wkl是指标xkl的权重;
针对高压电缆绝缘状态指标属性,则相对劣化度指标xkl与t级状态组成集合对,其K元联系度μkl可依据上述模糊属性规则由式来计算确定;其中:0<r1<r2<…<rK-1<1;r1,r2,…,rK-1表示各状态等级间的阈值,对应关系如下表所示:
阈值区间与状态等级的关系表
状态等级 | z1 | z2 | ... | zK-1 | zK |
阈值区间 | [0,r1) | [r1,r2) | ... | [rK-2,rK-1) | [rK-1,1] |
。
S4,构造基本概率分配,然后按进行证据融合得到整体状态的基本信度分配。
证据理论是一种不确定性推理和处理方法,依靠证据的积累,可以不断地缩小假设集,有效地融合不同方面的信息,具有较强的决策能力。证据理论因为可以综合不同数据源或专家的信息和知识,所以在专家系统、信息融合等领域应用广泛。本发明通过证据理论,将基于不同特征量的信息加以融合,以获取高压电缆绝缘老化整体状态的评估结论。具体包括:
S41,确定识别框架
本发明的识别框架Θ为高压开关柜绝缘劣化的5种状态等级z1、z2、z3、z4、z5以及不确定度θ,即
Θ={z1,z2,z3,z4,z5,θ};
S42,选取证据并确定基本信度分配
将各状态量反映的高压电缆绝缘状态信息作为独立的证据,并将其集对分析评估的联系度结果作为证据理论的基本信度分配(BPA),将识别框架上的BPA计算函数称为mass函数,表示证据对各状态等级的信任程度,该函数满足下式
式中为空集,同时,不同证据的可信程度是不同的,引入可信度系数λk表征证据的可信程度,λk值越大则说明证据越可信。
S43,证据融合
为避免因证据冲突造成评估结果误差,采用开放识别框架的合成规则,计算方法如下
其中
B、C为识别框架的子集;K为归一化常数;ψ为B和C相交的非空子集;m(ψ)即为融合后输出的BPA结果。
S5,结合最大隶属度原则和信度准则,对评估结果进行判断,判定高压开关柜绝缘老化的状态。
目前常用的评估决策方法有最大隶属度原则和信度准则等,前者在状态等级相差不大时容易造成误判,后者在前一状态等级接近置信水平时容易误判,本发明将二者结合。在得到全部证据对于识别框架Θ中各状态等级的BPA后,采用如下方法判定高压电缆绝缘老化的状态。具体包括:
S51,判断准确性,其条件为m(θ)<ε1;
若评估结果的不确定度m(θ)小于设定的阈值ε1,则表明结果的准确性;
S52,用最大隶属度原则判断,其条件为
若评估等级的BPA最大值m(z0)与次大值的差值超过阈值ε2,则可判断结果为z0级;
S53,若不满足的条件则按信度准则继续判断,其条件为
式中ε3为置信水平,在评估等级基本信度分配相差不大时,若满足基本信度分配依次加和达到置信水平的最小值为z0,则可判断结果为z0级。本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,而并非用作为对本发明的限定,只要在本发明的实质精神范围内,对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (6)
1.一种基于集对分析和证据理论的高压开关柜状态评估方法,其特征在于,包括如下步骤:
S1,选取表征高压开关柜绝缘劣化的特征量及指标量,将数据归一化计算高压电缆绝缘状态的相对劣化度;
S2,计算特征量及指标量之间的相对重要程度,得到常权值,并结合相对劣化度,计算得到变权值;
S3,对各特征量及指标量采用集对分析方法计算与各状态等级的联系度;
S4,构造基本概率分配,然后按进行证据融合得到整体状态的基本信度分配;
S5,结合最大隶属度原则和信度准则,对评估结果进行判断,判定高压开关柜绝缘老化的状态。
2.根据权利要求1所述的一种基于集对分析和证据理论的高压开关柜状态评估方法,其特征在于,S1的具体为:
将指标参数记为Xkl(k=1,2,…,M;l=1,2,…,Nk),相对劣化度记为xkl,取值范围为[0,1];
各参量相对劣化度xkl按照下式计算
式中:Xinv为参数的初始值,Xthr为参数的注意值,Xkl为该参数实际值。
3.根据权利要求1所述的一种基于集对分析和证据理论的高压开关柜状态评估方法,其特征在于,S2的具体为:
常权向量表示为
各指标的参数变权值为
则变权向量表示为
式中:α为变权系数。
4.根据权利要求1所述的一种基于集对分析和证据理论的高压开关柜状态评估方法,其特征在于,S3的具体方法为:
假设给定2个集合A1和A2,并设其组成集对H={A1,A2};对集对H的展开特性分析,共有N个特性:S个特性是集合A1和A2所共有的,P个特性是A1和A2相对立的,而剩下F=N-S-P个特性是集合A1和A2所不共有也不对立的;比值S/N、F/N和P/N分别为集合A1、A2在该问题背景下的同一度、差异度和对立度,则集对H的联系度表达式为
式中:i为差异标记系数,在[-1,1]区间取值;j为对立标记系数,规定取值为-1;由所述定义,参数a、b、c满足如下条件
a+b+c=1
式中:a、c是相对确定的;b是相对不确定的,并且可被扩展;3元联系度可被扩展为K元联系度
式中:各参数仍然满足归一化的条件,即a+b1+b2+…+bK-2+c=1;bt是差异度的不同级;it是差异标记系数的组分;
假设指标体系共有M个特征量,第k个特征量有Nk个参数,状态等级分为K级;各指标参数xkl构成集合Xk,各状态等级构成集合Z={z1,z2,…,zk};Xk与Z构成集合对H={Xk,Z};则集对H的K元联系度μkl可表示为
μkl=akl+bkl,1i1+bkl,2i2+…+bkl,K-2iK-2+cklj
式中:akl表示指标xkl隶属于Z第1级状态的程度;bkl,1表示指标xkl隶属于Z第2级状态的程度;bkl,2表示指标xkl隶属于Z第3级状态的程度;bkl,K-2表示指标xkl隶属于Z第K-1级状态的程度;ckl则表示指标xkl隶属于Z第K级状态的程度;集对H的K元联系度μkl还可表示为
式中wkl是指标xkl的权重;
针对高压电缆绝缘状态指标属性,则相对劣化度指标xkl与t级状态组成集合对,其K元联系度μkl可依据上述模糊属性规则由式来计算确定;其中:0<r1<r2<…<rK-1<1;r1,r2,…,rK-1表示各状态等级间的阈值,对应关系如下表所示:
阈值区间与状态等级的关系表
。
5.根据权利要求1所述的一种基于集对分析和证据理论的高压开关柜状态评估方法,其特征在于,S4的具体为:通过证据理论,将基于不同特征量的信息加以融合,以获取高压电缆绝缘老化整体状态的评估结论,包括:
S41,确定识别框架
识别框架Θ为高压开关柜绝缘劣化的5种状态等级z1、z2、z3、z4、z5以及不确定度θ,即
Θ={z1,z2,z3,z4,z5,θ};
S42,选取证据并确定基本信度分配
将各状态量反映的高压电缆绝缘状态信息作为独立的证据,并将其集对分析评估的联系度结果作为证据理论的基本信度分配,将识别框架上的基本信度分配计算函数称为mass函数,表示证据对各状态等级的信任程度,该函数满足下式
式中为空集,同时,不同证据的可信程度是不同的,引入可信度系数λk表征证据的可信程度,λk值越大则说明证据越可信;
S43,证据融合
为避免因证据冲突造成评估结果误差,采用开放识别框架的合成规则,计算方法如下
其中
B、C为识别框架的子集;K为归一化常数;ψ为B和C相交的非空子集;m(ψ)即为融合后输出的基本信度分配结果。
6.根据权利要求1所述的一种基于集对分析和证据理论的高压开关柜状态评估方法,其特征在于,S5具体为:
S51,判断准确性,其条件为m(θ)<ε1;
若评估结果的不确定度m(θ)小于设定的阈值ε1,则表明结果的准确性;
S52,用最大隶属度原则判断,其条件为
若评估等级的BPA最大值m(z0)与次大值的差值超过阈值ε2,则可判断结果为z0级;
S53,若不满足的条件则按信度准则继续判断,其条件为
式中ε3为置信水平,在评估等级基本信度分配相差不大时,若满足基本信度分配依次加和达到置信水平的最小值为z0,则可判断结果为z0级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310656720.2A CN116756648A (zh) | 2023-06-05 | 2023-06-05 | 一种基于集对分析和证据理论的高压开关柜状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310656720.2A CN116756648A (zh) | 2023-06-05 | 2023-06-05 | 一种基于集对分析和证据理论的高压开关柜状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116756648A true CN116756648A (zh) | 2023-09-15 |
Family
ID=87948919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310656720.2A Pending CN116756648A (zh) | 2023-06-05 | 2023-06-05 | 一种基于集对分析和证据理论的高压开关柜状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116756648A (zh) |
-
2023
- 2023-06-05 CN CN202310656720.2A patent/CN116756648A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102171A (zh) | 一种基于大数据的变电站设备状态智能化评价系统及方法 | |
CN106908674A (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
CN109490726A (zh) | 基于云理论的电力变压器绝缘状态评估方法 | |
CN108073551A (zh) | 一种基于多Agent协同的高压开关柜在线故障诊断方法 | |
CN105703258A (zh) | Gis开关设备动作状态监测系统及其使用方法 | |
CN205622133U (zh) | Gis开关设备动作状态监测系统 | |
CN110163477A (zh) | 一种基于状态监测数据确定电力设备的运行状态的方法及系统 | |
CN104992377A (zh) | 一种基于服役年龄和负荷水平的变压器可靠性分析方法 | |
Žarković et al. | Artificial intelligence SF6 circuit breaker health assessment | |
CN106295240A (zh) | 一种基于模糊数学的电力变压器状态评估方法 | |
CN113779005A (zh) | 一次设备的缺陷评估方法和装置、存储介质 | |
Vasquez et al. | Risk‐based approach for power transformer replacement considering temperature, apparent age, and expected capacity | |
CN114154728A (zh) | 一种故障预测方法、装置、电子设备及存储介质 | |
CN114740306A (zh) | 一种基于电网信息化的配电网线路故障在线监测预警管理系统 | |
CN111025144A (zh) | 一种高压断路器健康水平预警方法 | |
CN116756648A (zh) | 一种基于集对分析和证据理论的高压开关柜状态评估方法 | |
CN115600879A (zh) | 一种断路器异常预警方法、系统及相关装置 | |
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 | |
CN109033198A (zh) | 一种变压器绝缘纸异常辨识的多要素模糊分析方法 | |
Aranizadeh et al. | Prioritizing CBs maintenance and identifying mandatory maintenance at higher priorities | |
Paul et al. | Bivariate modelling of normalized energy intensity of oil and paper for accessing the fault severity of transformer and reactors | |
Zhou et al. | A new model of transformer operation state evaluation based on analytic hierarchy process and association rule mining | |
CN112561226A (zh) | 一种新颖的高压开关柜运行状态综合评估方法 | |
Feng et al. | The method and application of electric energy meter status evaluation fused security region | |
CN116821834B (zh) | 基于内嵌传感器的真空断路器检修管理系统 |
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 |