一种用于电力设备健康状态评估的建模方法

摘要

本发明公开了一种用于电力设备健康状态评估的建模方法，涉及电力技术领域，能够实现对电力设备的运行健康状态特性进行建模，从而便于对其进行合理使用和维修、故障预测以及配电管理等操作。该用于电力设备健康状态评估的建模方法包括：获取反映所述电力设备的运行状态的状态量指标；利用层次分析法，建立判断矩阵；基于所述判断矩阵，获取各状态量指标的权重；建立适用于所述电力设备的模糊评价集；对各状态量指标进行无量纲化处理；获取无量纲化处理后的各状态量指标对所述模糊评价集的隶属程度，建立所述电力设备的隶属数列；利用灰色关联理论，处理所述隶属数列，得到适用于所述电力设备健康状态评估的模型。

说明书

技术领域

本发明涉及电力技术领域，尤其涉及一种用于电力设备健康状态评估的建模方法。

背景技术

随着经济的快速发展，我国的电力供应形势日益紧张，在全国各地仅因电网系统故障造成的经济损失就高达上万亿，分析其的主要原因是对电网系统的故障不能够及时处理。

因我国电力企业长期以来一直执行全国统一的定期检修制度，其本质特征是单纯以时间周期为基础。这种模式明显存在不考虑设备的实际状况、检修过程中针对性不强、掌握设备状态不够、不符合现有电力设备寿命的故障规律、产生超量检修之类的负效应等不良问题，显然，检修体制是否完善直接影响电力设备的可靠性水平，因此通过对电力设备的运行健康状态特性进行建模，对于其合理使用和维修、故障预测以及配电管理等操作，有着极为重要的意义。

发明内容

本发明所要解决的技术问题在于提供一种用于电力设备健康状态评估的建模方法，能够实现对电力设备的运行健康状态特性进行建模，从而便于对其进行合理使用和维修、故障预测以及配电管理等操作。

为解决上述技术问题，本发明采用如下技术方案：

该用于电力设备健康状态评估的建模方法包括：

获取反映所述电力设备的运行状态的状态量指标；

利用层次分析法，建立判断矩阵；

基于所述判断矩阵，获取各状态量指标的权重；

建立适用于所述电力设备的模糊评价集；

对各状态量指标进行无量纲化处理；

根据各状态量指标对所述模糊评价集的隶属程度，获取所述电力设备的隶属函数；

利用灰色关联理论，基于所述各状态量指标的权重、无量纲化处理结果以及隶属函数，得到适用于所述电力设备健康状态评估的模型。

优选的，利用层次分析法，建立判断矩阵包括：

基于各状态量指标之间的隶属关系分组，建立有序的阶梯层次结构；

基于所建立的所述阶梯层次结构，建立判断矩阵，所述判断矩阵的元素为属于同一隶属关系的两两状态量指标的比较结果。

优选的，基于所述判断矩阵，获取各状态量指标的权重包括：

基于所建立的判断矩阵，通过两两比较的方式，确定同一隶属关系且同一层次中各状态量指标的相对重要程度；

根据所述电力设备的实际情况，获取各状态量指标的权重。

优选的，基于所述判断矩阵，获取各状态量指标的权重之后，还包括：

利用所获取的权重，判断所述判断矩阵是否符合一致性；

若不符合，需要修正所建立的判断矩阵及权重。

优选的，述对各状态量指标的权重进行无量纲化处理包括：

根据各状态量指标的劣化程度，用得分对各状态量指标进行无量纲化处理。

优选的，获取无量纲化处理后的各状态量指标对所述模糊评价集的隶属程度，建立所述电力设备的隶属数列包括：

建立三角形与梯形组合分布隶属函数；

基于所述三角形与梯形组合分布隶属函数，获取无量纲化处理后的各状态量指标对所述模糊评价集的隶属程度，从而建立所述电力设备的隶属数列。

优选的，利用灰色关联理论，处理所述隶属数列，得到适用于所述电力设备健康状态评估的模型包括：

建立针对所述模糊评价集中任一评价的参考数列；

利用灰色关联理论，确定所述隶属数列与各参考数列的关联度，得到适用于所述电力设备健康状态评估的模型。

优选的，确定隶属数列与各参考数列的关联度包括：

获取各所述参考数列与所述隶属数列的关联系数；

基于所述关联系数，确定所述隶属数列与各所述参考数列的关联度。

优选的，所述适用于电力设备的模糊评价集包括下列评价：

良好、正常、可疑、异常和危险。

优选的，所述参考数列包括：

良好状态为[1,0,0,0,0]，正常状态为[0,1,0,0,0]，可疑状态为[0,0,1,0,0]，异常状态为[0,0,0,1,0]，危险状态为[0,0,0,0,1]。

在本发明的技术方案中，运用层次分析法的过程和步骤，包括其中的如构造两比较判断矩阵及矩阵运算的数学方法，确定对于上一层次的某个元素而言，本层次中与其相关元素的重要性排序——相对权值，计算各层元素对系统目标的合成权重，等等，都与常规层次分析法相同。

本发明提供了一种用于电力设备健康状态评估的建模方法，该建模方法首先运用层次分析法，将电力设备健康状态评估的大任务细分为分析每一状态量指标的小任务；之后获取每一状态量指标的权重，了解每一状态量指标对电力设备健康状态评估的影响；最后，通过灰 色关联理论，对模糊综合评价进行清晰综合评价，最终得到的用于电力设备健康状态评估的模型准确性高，能够使得工作人员及时了解对应的电力设备的健康状况，从而便于对其进行合理使用和维修、故障预测以及配电管理等操作。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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为本发明实施例提供的用于电力设备健康状态评估的建模方法的流程图；

图2为本发明实施例提供的电缆线路的状态量指标示意图；

图3为本发明实施例提供的隶属函数的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种用于电力设备健康状态评估的建模方法，如图1所示，该建模方法包括：

步骤S101、获取反映电力设备的运行状态的状态量指标。

要实现对电力设备的健康状态准确、全面地评估，需要准确把握能反映其运行状态的状态量，并结合状态评估的可操作性，形成了包含试验信息、运行信息、巡检信息的状态量集合，建立了电力设备状态评估指标体系。评估指标体系分为二级，二级指标即为状态量。如图2所示，对于电力设备中的电力电缆而言，本发明中可采用九标度层次分析法求取各状态量权重。

以电缆线路为例，对于电缆线路而言，影响其运行状态的因素大致可包括电缆本体、电缆终端、电缆中间接头、接地系统、电缆通道和辅助设施等六项，其中每一项都可再细分为多项状态量指标。例如，对于电缆本体而言，其可细分为线路负荷、绝缘电阻、电缆变形、埋深、防火阻燃等共五项；对于电缆终端而言，其可细分为污秽、防火阻燃、破损和温度等共四项；对于电缆中间接头而言，其可细分为防火阻燃、破损、温度、运行环境等共四项；对于接地系统而言，其可细分为接地引下线、接地电阻等共两项；对于电缆通道而言，其可细分为电缆井、电缆管沟环境等共两项；对于辅助设施而言，其可细分为牢固程度、标识齐全、锈蚀程度等共三项。

基于所找到的状态量指标，本发明实施例可采用层次分析法，对影响电力设备的健康状态的各项状态量指标进行分析。

步骤S102、利用层次分析法，建立判断矩阵。

层次分析法(The Analytic Hierarchy Process，简称AHP)的基本原理在于决策者根据既定的标准以及原则，将待评价对象的各项复杂因素简单化，并建立递阶式层次结构。递阶式层次结构能够将复杂的问题变得简单化、条理化、层次化。递阶式层次结构一般包括目标层、准则层以及指标层三层，目标层一般指对于研究问题预定的目标，准则层表示实现该预定目标所需中间环节；指标层是为了实现预定目标所采用的指标、方案等。

在本发明实施例中，按照判断矩阵1～9级标度原则(如下表1所示)来判断同一层次上两元素之间的重要关系，得到判断矩阵。其中矩阵元素表示各一级指标元素X_i相对于X_j重要性的量化值，其中，i和j都为整数。

表1判断矩阵1～9级标度原则

针对如图2所示的电缆线路而言，可得出如下的一级指标判断矩阵A，需要说明的是，表2中的V1、V2、V3、V4、V5、V6分别代表电缆本身、电缆终端、电缆中间接头、接地系统、电缆通道和辅助设施：

表2电缆线路一级指标判断矩阵

步骤S103、基于判断矩阵，获取各状态量指标的权重。

AHP法是把复杂的问题分解为若干个组成因素，将这些因素按相互关联度及隶属关系分组形成有序的阶梯层次结构，形成一个多层次的分析评价模型，通过两两比较的方式确定层次中各因素的相对重要性，然后根据实际情况，以决定各因素的权重系数。该方法基于专家对各项指标重要性的主观认知程度，具有一定的说服力度。层次分析法求取权重的方法有几 何平均法、算术平均法、特征向量法、最小二乘法4种。

基于判断矩阵，可很容易地得到各状态量指标的权重。但是，AHP法计算得到的权重只有通过了一致性检验才可以被使用。

具体的，首先计算一致性指标CI(Consistency Index)，CI可通过下式进行计算：

$CI=\frac{{\lambda }_{\max }-n}{n-1}---(1-1)$

其中λ_max表示判断矩阵的最大特征值，n代表判断矩阵的维数。

其次，计算一致性比例：

$CR=\frac{CI}{RI}---(1-2)$

其中，RI为平均随机一致性指标，其取值可通过查表3获得。当CR＜0.1，判断矩阵可靠；当CR≥0.1，矩阵不可靠，需要重新建立矩阵。

表3平均随机一致性指标

经过计算，表2中的判断矩阵的CR＝0.0047<0.1，因此该判断矩阵通过一致性检验。

AHP法计算得到的权重只有通过了一致性检验才可以被使用，这就保障了权重的科学性与合理性；第二，将总目标化为有序的若干层次和若干元素，这特别适用于有层次体系的多指标评价对象；第三，层次分析法所涉及的运算量不大，模型易于操作，便于以简便的操作解决复杂问题；第四，通过层次分析法可以将总的评价指标量化，定量研究各下层的状态量指标对电力设备的运行状态的影响程度的问题。

类似的，同理，依据专家打分，建立各一级指标的二级指标判断矩阵，采用最大特征值法可以求出各个部件相应的状态量的权重，如下表4所示：

表4二级指标(状态量)权重

步骤S103、建立适用于电力设备的模糊评价集。

对于电缆线路而言，本发明实施例将电缆线路的状态划分为“良好”、“正常”、“可疑”、“异 常”、“危险”五种状态，即确定模糊评价集V＝{良好、正常、可疑、异常、危险}，其中，危险：0～60；异常：60～70；可疑：70～80；正常：80～90；良好：90～100。良好状态是指设备运行稳定，所有状态量符合标准或远离异常值。此时，设备发生故障的概率极低，可以长期运行。正常状态是指设备状态量正常或其中个别参数表明可靠性稍有下降，但远未达到异常值。此时，应按照设备原有检修计划安排检修；可疑状态表示设备的几个状态量不符合标准，但不影响设备运行；异常状态是指设备状态量接近或达到规程中的异常值，显示设备将要或者已经出现故障，但是在短期内不会发生事故的情况。此时，应减小设备检修的周期；危险状态表示设备状态量危险超出异常值或危险异常，设备在运行中随时可能发生事故。此时，设备应该立即停电进行检修。

步骤S104、对各状态量指标进行无量纲化处理。

多指标体系中，由于各指标的单位不同、量纲不同、数量级不同、不便于分析，甚至会影响评价的结果。因此，为统一标准，要对所有的评价指标进行无量纲化处理，以消除量纲，将其转化成无量纲、无数量级差别的标准分，然后再进行分析评价。

在多指标综合评价中，不同评价指标往往具有不同的量纲和量纲单位，直接将它们进行综合是不合适的，也没有实际意义。所以必须将指标值转化为无量纲的相对数。这种去掉指标量纲的过程，称为指标的无量纲化(也称同度量化)，它是指标综合的前提。在多指标评价实践中，常将指标无量纲化以后的数值作为指标评价值，此时，无量纲化过程就是指标实际值转化为指标评价值(即效用函数值)的过程，无量纲化方法也就是指如何实现这种转化。因此，指标的无量纲化是综合评价的一项重要内容，对综合评价结果有重要影响。

目前常见的无量纲化方法名称很多，如综合指数法、极差变换法、高中差变换法、低中差变换法、均值化法、标准化法、比重法、功效系数法、指数型功效系数法、对数型功效系数法、正态化变换法等等。

本发明实施例中根据状态量指标的劣化程度，用得分对状态量指标进行无量纲化处理，采用百分制，分值从0分到100分，以60分为作为危险阈值，100分为满分对电缆线路各个部件状态进行打分。各状态量指标分数越高，表明该状态量指标的运行状态越好。

步骤S105、获取无量纲化处理后的各状态量指标对模糊评价集的隶属程度，建立电力设备的隶属数列。

隶属数列的确定是评估中的一个十分重要的要素。电力设备的隶属数列反应了各个状态量对于各个评语集的隶属程度。隶属程度通过隶属函数来确定。隶属函数选取的合理与否，直接关系到最终评估结果的准确性。

本发明实施例优选如图3所示的三角形与梯形组合分布隶属函数，该隶属函数计算起来较为简便，且精确性与复杂的隶属函数相比差距不是很大。

模糊集合中，隶属函数值域的取值范围为[0,1]，隶属函数如下所示：

良好状态下的隶属函数：

${\mu }_1\left(x\right)=\left(\begin{array}{cc}1& x\ge 95\\ 0.1x-8.5& 85\le x\le 95\\ 0& x\le 85\end{array}\right)$

正常状态下的隶属函数：

可疑状态下的隶属函数：

异常状态下的隶属函数：

危险状态下的隶属函数：

步骤S106、利用灰色关联理论，处理所述隶属数列，得到适用于电力设备健康状态评估的模型。

灰色关联理论是灰色系统理论的重要组成部分之一，而且是灰色系统分析、建模、预测、决策的基石。灰色关联分析是对运行机制与物理原型不清楚或者根本缺乏物理原型的灰色关系序列化、模式化，进而建立灰色关联分析模型，使灰色关系量化、序化、显化，能为复杂系统的建模提供重要的技术分析手段。将灰色关联理论引入到模糊评价中，利用模糊对象的模糊综合评价对清晰综合评价的关联度，来确定电力设备的状态等级，克服了隶属度原则造成的误差。

设参考数列为{X₀}，被比较数列为{X_i}＝{X_i(1),X_i(2),…X_i(n)}，则定义参考数列与被比较数列在k点的关联系数如下：

${\xi }_i\left(k\right)=\frac{M_{\min }+0.5M_{max}}{{\Delta }_i\left(k\right)+0.5M_{\max }}---(1-3)$

其中：Δ_i(k)＝|X₀(k)-X_i(k)|，M_min为两级最小差，M_max为两级最大差。

则参考数列与被比较数列的关联度r如下：

$r=\frac{1}{n}\underset{1}{\overset{n}{\Sigma }}{\xi }_i\left(k\right)---(1-4)$

本发明实施例采用的五个参考数列对应了五种不同状态的清晰评判。五种状态为：良好状态为[1,0,0,0,0]，正常状态为[0,1,0,0,0]，可疑状态为[0,0,1,0,0]，异常状态为[0,0,0,1,0]，危险状态为[0,0,0,0,1]。

显然，上述的被比较数列即为隶属数列。

在本发明实施例的一个具体应用场景中，以广西南宁供电局城西分局安明II924中压电缆线路的试验及巡检数据为算例，计算其最终各种状态相应的隶属度。该线路铺设的电缆型号是LSN 10/3.1-3X9.5m。该段线路负荷为额定负荷的70％；绝缘电阻试验与初值比较没有显著差别；电缆外形有两处轻微破损；防火阻燃与埋深都满足设计要求；电缆终端表面有污秽，略有破损，相间温度差为7K，接头温度为70℃，防火阻燃措施完善；电缆中间接头无异常发热，运行环境优良，中间头无明显破损，防火阻燃满足要求；接地引下线外观良好，接地电阻为8.7Ω；电缆井无积水，电缆管沟无积水、无下沉，电缆线路保护区运行环境正常，防火阻燃满足设计要求；辅助设施安装牢固，但有中度锈蚀，标识安装高度未达到要求。

根据该段电缆线路的实际健康状态得到各部件状态量得分如下：

表5各部件状态量得分

最终的综合评判结果为：[0.9669,0.0369,0,0,0]。结合五种状态清晰评判，与良好状态的关联度为0.9669；与正常状态的关联度是0.0369；与可疑状态的关联度是0；与异常状态的关联度是0；与危险状态的关联度是0。因此，可证明该段电缆线路运行在正常状态。

综上所述，本发明实施例提供了一种用于电力设备健康状态评估的建模方法，该建模方法首先运用层次分析法，将电力设备健康状态评估的大任务细分为分析每一状态量指标的小任务；之后获取每一状态量指标的权重，了解每一状态量指标对电力设备健康状态评估的影响；最后，通过灰色关联理论，对模糊综合评价进行清晰综合评价，最终得到的用于电力设备健康状态评估的模型准确性高，能够使得工作人员及时了解对应的电力设备的健康状况，从而便于对其进行合理使用和维修、故障预测以及配电管理等操作。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘，硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。