基于逆向云组合权重及模糊贴近度的变压器状态评估方法与流程

：
1.本技术涉及变压器状态评估技术领域，特别涉及一种基于逆向云组合权重及模糊贴近度的变压器状态评估方法。


背景技术：

2.电力变压器是整个电力系统中电能传输和转换的核心设备，具有结构复杂、状态指标繁多、状态信息随机性强的特点，其安全可靠运行对保障电力系统运行稳定性意义重大。据统计，电力系统实际运行中有较大比例的停电事故是由变压器故障导致，因此，对变压器进行状态检修具有十分重要的意义，而实现状态检修的关键是对变压器进行有效的状态评估。
3.目前，针对变压器状态评估的研究通常将评价指标与指标的权重看作确定量，然而在工程实际中，会有大量不确定因素会对评价指标的数值及其权重产生影响，使之成为不确定量，进而对评估结果产生干扰。


技术实现要素：

4.有鉴于此，有必要提供一种评价结果可靠性更高、数据容错率更高的基于逆向云组合权重及模糊贴近度的变压器状态评估方法。
5.一种基于逆向云组合权重及模糊贴近度的变压器状态评估方法，包括以下步骤：
6.步骤a：根据相关行业标准建立变压器状态评估指标体系，并确定变压器状态指标等级划分范围，变压器状态指标的等级划分为正常、一般、注意、异常、严重五个等级，每个等级对应一个分数期望值；
7.步骤b：输入待评估变压器的各指标数据，确定各指标的主客观权重，生成逆向云组合权重，并与指标数据结合得到各指标的赋权综合云模型。
8.步骤c：基于模糊贴近度的概念，计算赋权综合云模型与各等级正态云模型的相似度，并由赋分期望法计算出变压器状态评估得分；
9.步骤d：根据变压器状态评估得分从建立变压器状态评估指标体系中选择与分数期望值对应的变压器状态指标等级，将选择的变压器指标等级作为变压器状态评估结果。
10.优选的，步骤a中，变压器状态评估体系共包含3个一级指标与11个二级指标，其中，各状态指标在各状态等级下的数值特征采用对应的正态云模型n
d,ij
来描述，正态云模型n
dj
(exj,enj,hej)包含ex、en、he特征参数，其取值方法如下：
[0011][0012]
式中，c
j,max
与c
j,min
为指标在j状态下数值的取值范围，来源于相关标准及文献；exj为j状态下数值对应分布的均值；enj为j状态下对应分布的方差，表示可取数值的分散程度；hej为对应分布的超熵，描述了方差的不确定性，可取0.0001或0.0002。
[0013]
优选的，步骤b中，所述逆向云组合权重的具体计算方法如下：
[0014]
(1)输入待评估变压器的各指标数据，并采用主客观赋权方法得到k组权值样本，组成样本集w：
[0015]
w＝{w1,w2,
…
wk}
[0016]
式中，wi＝(w
i1
,w
i2
,
…wim
)
t
为权值向量，表示第i种赋权法对m个评估指标赋予的权值，主观权重的确定由层次分析法实现，客观权重的确定由熵权法、critic法、信息量法三种方法实现；
[0017]
(2)利用权重样本集w＝{w1,w2,
…
wk}，计算每个属性指标权重的样本均值：
[0018][0019]
(3)计算权重样本一阶绝对中心距和样本方差，公式如下：
[0020][0021][0022]
(4)计算评估指标xj对应的逆向云组合权重n
wj
(exj,enj,hej)的参数，公式如下：
[0023][0024][0025][0026]
步骤b中，所述指标赋权综合云模型的形成方法如下：
[0027]
将指标数据与逆向云组合权重进行集成，得到指标赋权综合云模型，公式如下：
[0028][0029]
式中，n
fij
表示第i组实验数据中指标xj的指标赋权云模型；v
ij
表示经过标准化处理的第i组实验数据中指标j测量数值。
[0030]
优选的，步骤c中，所述基于模糊贴近度的正态云模型相似度计算方法如下：
[0031]
(1)基于模糊贴近度的云模型相似度计算
[0032][0033]
式中，
[0034]
(2)为了避免数值差距过大对评价结果的影响，对上式得到的模糊贴近相似度进行归一化处理，得到归一化相似度：
[0035]
[0036]
式中，d＝1,2,
…
,5分别对应状态等级{正常，一般，注意，异常，严重}；
[0037]
步骤c中，所述变压器状态评估得分的计算方法如下：
[0038]
得到归一化的值后，采用赋分期望法对变压器状态节点ai的评价结果进行定量描述，具体方法为给不同状态等级的贴近度赋予不同的分值，最后求其总和，取分别对应状态等级{正常，一般，注意，异常，严重}，将分数期望值作为状态评估结果：
[0039][0040]
上述基于逆向云组合权重及模糊贴近度的变压器状态评估方法，根据相关行业标准建立变压器状态评估指标体系，并以正态云的形式描述指标等级划分范围，充分考虑了指标测量值的不确定性；同时为了充分表征指标权重本身不确定因素对计算结果的影响，提出了基于逆向云发生器构建逆向云组合权重模型，实现了多组客观权重与主观权重的结合，可以更好地体现权重信息的模糊和随机不确定性；进一步，基于云模型运算法则实现逆向云组合权重与变压器指标的融合，得到变压器状态赋权综合云模型，并通过指标近似法得到变压器各状态等级对应的云模型；最后，基于模糊贴近度对变压器状态进行分层评估，采用赋分期望法得到其最终评估结果。相较于传统赋权方法，本技术所提方法能够有效处理变压器状态评估中的模糊因素，其评估结果相较其他评估方法更接近设备真实运行状态。
附图说明：
[0041]
图1为本技术的基于逆向云组合权重及模糊贴近度的变压器状态评估方法的流程图。
[0042]
图2为本技术云发生器功能示意图。
具体实施方式：
[0043]
请同时参看图1及图2，本技术提供的基于逆向云组合权重及模糊贴近度的变压器状态评估方法，包括以下步骤：
[0044]
步骤a：根据相关行业标准建立变压器状态评估指标体系，并确定变压器状态指标等级划分范围，变压器状态指标的等级划分为正常、一般、注意、异常、严重五个等级，每个等级对应一个分数期望值；
[0045]
步骤b：输入待评估变压器的各指标数据，确定各指标的主客观权重，生成逆向云组合权重，并与指标数据结合得到各指标的赋权综合云模型。
[0046]
步骤c：基于模糊贴近度的概念，计算赋权综合云模型与各等级正态云模型的相似度，并由赋分期望法计算出变压器状态评估得分；
[0047]
步骤d：根据变压器状态评估得分从建立变压器状态评估指标体系中选择与分数期望值对应的变压器指标等级，将选择的变压器指标等级作为变压器状态评估结果。
[0048]
其中，步骤a中，变压器状态评估体系共包含3个一级指标与11个二级指标，各指标在各状态等级下的数值特征采用对应的正态云模型n
d,ij
来描述，正态云模型n
dj
(exj,enj,
hej)包含ex、en、he特征参数，其取值方法如下：
[0049][0050]
式中，c
j,max
与c
j,min
为指标在j状态下数值的取值范围，来源于相关标准及文献；exj为j状态下数值对应分布的均值；enj为j状态下对应分布的方差，表示可取数值的分散程度；hej为对应分布的超熵，描述了方差的不确定性，可取0.0001或0.0002。
[0051]
其中，步骤b中，所述逆向云组合权重的具体计算方法如下：
[0052]
(5)输入待评估变压器的各指标数据，并采用主客观赋权方法得到k组权值样本，组成样本集w：
[0053]
w＝{w1,w2,
…
wk}
[0054]
式中，wi＝(w
i1
,w
i2
,
…wim
)
t
为权值向量，表示第i种赋权法对m个评估指标赋予的权值，主观权重的确定由层次分析法实现，客观权重的确定由熵权法、critic法、信息量法三种方法实现；
[0055]
(6)利用权重样本集w＝{w1,w2,
…
wk}，计算每个属性指标权重的样本均值：
[0056][0057]
(7)计算权重样本一阶绝对中心距和样本方差，公式如下：
[0058][0059][0060]
(8)计算评估指标xj对应的逆向云组合权重n
wj
(exj,enj,hej)的参数，公式如下：
[0061][0062][0063][0064]
步骤b中，所述指标赋权综合云模型的形成方法如下：
[0065]
将指标数据与逆向云组合权重进行集成，得到指标赋权综合云模型，公式如下：
[0066][0067]
式中，n
fij
表示第i组实验数据中指标xj的指标赋权云模型；v
ij
表示经过标准化处理的第i组实验数据中指标j测量数值。
[0068]
其中，步骤c中，所述基于模糊贴近度的正态云模型相似度计算方法如下：
[0069]
(3)基于模糊贴近度的云模型相似度计算
[0070]
[0071]
式中，
[0072]
(4)为了避免数值差距过大对评价结果的影响，对上式得到的模糊贴近相似度进行归一化处理，得到归一化相似度：
[0073][0074]
式中，d＝1,2,
…
,5分别对应状态指标等级{正常，一般，注意，异常，严重}。
[0075]
步骤c中，所述变压器状态评估得分的计算方法如下：
[0076]
得到归一化的值后，采用赋分期望法对变压器状态节点ai的评价结果进行定量描述，具体方法为给不同状态等级的贴近度赋予不同的分值，最后求其总和，取分别对应状态等级{正常，一般，注意，异常，严重}，将分数期望值作为状态评估结果：
[0077][0078]
为了便于理解本技术中技术方案及其达到的效果，以下通过一实施例的描述：
[0079]
步骤1：根据国家电网有限公司颁布的《设备状态检修规章制度和技术标准汇编》，综合考虑实际运行中变压器可能出现的故障形态，选取220kv油浸式变压器进行分析，并从油色谱分析、电气试验、变压器油试验三个方面选择了11个状态参量，构建变压器状态评估指标体系，具体指标见表1。通过参考相关标准及文献，将变压器状态指标划分为5个等级，分别为正常(1级)、一般(2级)、注意(3级)、异常(4级)和严重(5)，220kv油浸式变压器本体指标体系的等级划分标准汇总如表2所示。将评估指标取值范围转化为正态云模型，方法见

技术实现要素：
步骤a，转化结果见表3。
[0080]
表1变压器状态评估指标体系
[0081][0082]
表2变压器各指标等级划分
[0083][0084]
表3变压器各指标状态等级云模型
[0085][0086]
步骤2：选取某变电站2台220kv主变压器为例进行分析，其型号分别为sfpsz9-120000/220与sfps9-150000/220，具体指标数据如表4所示。然后，基于层次分析法确定主观权重，归一化后由熵权法、critic法、信息量法确定客观权重，具体结果见表5。采用逆向云生成器，对表5中的主客观权重进行整合，生成逆向云组合权重，生成方法见发明内容步骤b，结果见表6数据。
[0087]
表4变压器试验数据
[0088][0089]
表5变压器指标权重
[0090][0091]
表6变压器指标逆向云组合权重
[0092][0093]
步骤3：将逆向云组合权重与标准化的变压器实验数据结合，得到指标赋权综合云模型n
fij
。基于模糊贴近度的概念，计算n
fij
与状态等级正态云模型n
dj
的相似度，并将结果进行归一化处理，得到s
ij
d。最后，采用赋分期望法计算变压器状态评估的最终期望得分zi，两台主变压器的评估分别见表7、表8。
[0094]
表7 sfpsz9-120000/220变压器各赋权方法对比结果
[0095][0096]
表8 sfps9-150000/220变压器各赋权方法对比结果
[0097][0098]
由表7、表8可知，不同的赋权方法均存在一定的缺陷，只依靠样本信息熵或者信息量的客观权重易受数据波动的影响，导致评价结果脱离实际；而只根据主观意识决定权重，往往无法考虑到指标数据在不同情况下对评价结果造成的不同影响；本文采用的逆向云组合权重将主客观权重看作正态云模型，实现了主观上专业经验和客观上模糊不确定性的有机结合，可以依据实际样本进行动态调整，从各权重对比结果上看，准确率较高。