一种应用于智能变电站二次设备的状态评估方法技术

本发明专利技术公开了一种应用于智能变电站二次设备的状态评估方法，包括以下步骤，步骤一，根据评价对象，从相关二次设备中获取在线实时检测数据，从数据库中获得历史数据和基本数据；步骤二，融合多种类型数据，并采用多种评估方法的方式进行综合评估；步骤三，根据评估结果，指导工作人员对二次设备进行检修和更换。本发明专利技术不仅将在线监测信息应用于状态评估系统中，还将二次设备的历史数据整合到状态评估中，为检测的可靠性提供了保障；同时利用了群决策中专家客观权重的方法，客观确定评价因素的权重，通过加权TOPSIS评估法与改进型模糊综合SVM状态评估法相结合，快速有效监测二次设备的健康状况，方便二次设备的维护。

【技术实现步骤摘要】

本专利技术涉及，属于智能变电站二 次设备状态监测领域。
技术介绍
长期以来，电力设备都是依赖于定期离线检测，但其在防止事故方面有很大的局 限性和不足，离线试验不能全过程的反应设备运行条件下的各种状态，对突发性故障无法 提前预知。 随着传感器技术以及检测技术的发展，电力系统一次设备的在线监测得到了前所 未有的进步。然而如何对传感器等电力系统中的二次设备进行有效的在线监测成了难题。 尽管二次设备相对于一次设备来说价格低，重要程度不如一次设备，但是二次设 备如果出现故障，并没有及时排查，将会导致对一次设备状态监测的错误，甚至会引起电力 系统的大范围故障。因此有效识别电力系统二次设备的工作状态，了解二次设备的健康程 度对于整个系统来说有着十分重要的意义。 目前对于常规站或智能变电站内二次设备的状态监测或评估，主要依赖与二次工 作人员现场取样所获得，通过统一输入PMIS (项目管理信息系统）中的评估方法获得对应 的检修策略，进行评估的设备主要局限于继电保护及二次回路，相关评估算法也较为简单， 因此在实时性、简便性、可行性上有所不足；其次对于智能变电站内二次设备的状态评估还 是参照常规站进行，没有很好的体现出智能站的优势，因此发掘智能变电站的潜在力量，将 有效提高智能变电站二次设备的状态评估的有效性、简便性和实时性。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种应用于智能变电站二次设备的状态评 估方法。 为了达到上述目的，本专利技术所采用的技术方案是： -种应用于智能变电站二次设备的状态评估方法，包括以下步骤， 步骤一，根据评价对象，从相关二次设备中获取在线实时检测数据，从数据库中获 得历史数据和基本数据； 所述基本数据是通过不同的具有一定电力系统运行和研究经验的专家给出各类 评价因素相对重要程度的数据集； 步骤二，融合多种类型数据，并采用多种评估方法的方式进行综合评估； 步骤三，根据评估结果，指导工作人员对二次设备进行检修和更换。 所述历史数据和实时监测数据分为量化样本数据和量化实例数据，所述历史数 据、实时监测数据和基本数据均采用加权TOPSIS评估和改进型模糊综合SVM状态评估相结 合的方法进行分析评估，具体步骤如下， Al)用基本数据确定评价对象中各评价因素的客观权重； A2)将量化样本数据和量化实例数据输入模糊矩阵计算模型，获得模糊关系矩 阵； A3)将客观权重和模糊关系矩阵作为加权TOPSIS评估的基本参数，通过加权 TOPSIS评估运算，得到一份评估结果； 将客观权重和模糊关系矩阵作为改进型模糊综合SVM状态评估的基本参数，通过 改进型模糊综合SVM状态评估运算，得到另一份评估结果； A4)将两份评估结果进行对比，获得最终的评估结果。 用基本数据确定评价对象中各评价因素的客观权重的具体过程如下， BI)从基本数据中获得X位专家参与决策并给出的判断矩阵，X位专家记作E1, E2，...，EX; 专家Ek给出的判断矩阵为， 其中，k e {1，2, 3,…χ}，η为整数，为评价因数的总数，判断矩阵A(k)是正互反矩 阵，每一个元素代表所在行列对应评价因素的重要程度，其衡量采用专家1-9标度法，数值 越大，表示重要程度越高； B2)由判断矩阵A(k)根据矩阵定理得到集合Ω ;根据集合Ω和一致性矩阵原理， 构造一致性判断矩阵，记A1为第1个一致性判断矩阵，1 = 1，2，··· η (n2); A1可以得到一个权重向量W := (w n, W12，…wln)T以及一个相对应的方案排序B := (bn，b12，…bln)T，其中，b H表示根据第1个排序方案得出的第i个方案在整个排序中所处的 位置，i e {1，2,…η}; Β3)在η(η2)个方案排序中，选出最能代表专家Ek意见的排序 Β4)比较η(η2)个方案排序与）之间的关系，得出专家Ek的个 体一致程度； 专家Ek的个体一致程度为， Sk=I-Pk 其中，Pk为专家E k给出的判断矩阵的偏移度； 其中，M为阶矩阵的最大偏移度， pkl为专家E #合出的判断矩阵在方案i上判断的平均偏移度 B5)根据个体一致程度，计算专家Ek判断矩阵的可信度权值； 专家Ek判断矩阵的可信度权值a k为， B6)计算专家EjP E k(判断矩阵的迀移矩阵的等价向量； 专家Ejlj断矩阵的迀移矩阵的等价向量为， Rk= diag 专家Ek(判断矩阵的迀移矩阵的等价向量为， B7)计算专家匕和E k?迀移矩阵的一致程度； 迀移矩阵的一致程度用两相连夹角的余弦值来表示； B8)计算专家EjP E k,之间的平均一致度； 专家E1JP E u之间的平均一致度为， B9)计算专家Ek与其他所有专家的一致程度之和的平均值，即表示专家E k判断矩 阵的评价一致稈度S1.: B10)计算专家E#j断矩阵的可信度权值β k; B11)结合步骤B5和B10,专家Ek的客观权重为λ k= ( a k β k)1/2; B12)根据已知每个专家的判断矩阵A(k)和步骤Bll得到的每个专家的客观权重向 量W' = λ 2··· A1J，可以计算得到整体的判断矩阵， A = A⑴ X λ JA⑵ X λ 2+…A(k) X λ k; B13)根据整体的判断矩阵，求其特征值，再归一化即可得到每个评价因素的客观 权重W。 量化样本数据和量化实例数据输入模糊矩阵计算模型，获得模糊关系矩阵的具体 步骤如下， Cl)对评价因素进行评分； 评分函数Q为， Q = {q1; q2,…qn} = IOO-Aifi 其中，A1是第i个项评价因素对应的扣分参数；f i代表第i种评价因素发生的次 数，Q1表示第i个项评价因素的分值； C2)定义评价结果分为p种状态，将p种状态构成评价集V = Iv1, v2, V3，…，vp}; C3)通过隶属度函数计算隶属度；所述隶属度函数描述了评价因素与评价结果之 间的数量关系； 隶属度函数为， 其中，k"是调节参数，M,表示第i个项评价因素与第j个评价结果之间的数量关 系，hj表不分值；j e {1，2,…p}; C4)根据隶属度函数构建模糊关系矩阵T ; 其中，b表示第i个项评价因素对评估结果中状态V ,的隶属程度。 将客观权重和模糊关系矩阵作为改进型模糊综合SVM状态评估的基本参数，通过 改进型模糊综合SVM状态评估运算的过程为， Dl)进行模糊合成运算； 其中，bj等于客观权重W的元素分别与模糊关系矩阵T的第j列对应元素两两先 进行取小运算，再在所得的结果中进行取大运算； D2)判断历史数据和实时监测数据是量化样本数据还是量化实例数据，如果是量 化样本数据，则转至步骤D3 ;如果是量化实例数据，则转至步骤D4 ; D3)从数据库中调用样本结果yi，将B与yi输入SVM状态验证算法中，得到SVM模 型参数； D4)利用SVM状态划分算法得到状态评估结果。 将客观权重和模糊关系矩阵作为加权TOPSIS评估的基本参数，通过加权TOPSIS 评估运算的过程为； El)根据评价因素的评分获得决策矩阵D = 其中，m代表带评价的样本数量，t e {1，2,…m}，dti表示第t个样本的第i个评 价因素的得分； E2)用向量规范化的方法得到规范决策矩阵Y = 本文档来自技高网...

【技术保护点】
一种应用于智能变电站二次设备的状态评估方法，其特征在于：包括以下步骤，步骤一，根据评价对象，从相关二次设备中获取在线实时检测数据，从数据库中获得历史数据和基本数据；所述基本数据是通过不同的具有一定电力系统运行和研究经验的专家给出各类评价因素相对重要程度的数据集；步骤二，融合多种类型数据，并采用多种评估方法的方式进行综合评估；步骤三，根据评估结果，指导工作人员对二次设备进行检修和更换。

【技术特征摘要】

【专利技术属性】
技术研发人员：宋亮亮，高磊，窦晓波，吴在军，周力，袁宇波，卜强生，刘玙，杨毅，宋爽，
申请(专利权)人：国家电网公司，江苏省电力公司，江苏省电力公司电力科学研究院，东南大学，
类型：发明
国别省市：北京;11