一种智能变电站继电保护装置状态评价与评估方法制造方法及图纸

一种智能变电站继电保护装置状态评价与评估方法，结合继电保护装置的故障情况，提取状态监测信息，并与历史运行信息及其它因素相关联，建立继电保护状态评价体系；对继电保护状态评价各指标进行量化；运用基于截集解的改进模糊DEA模型对继电保护装置运行状态进行综合评价，根据平均效率评价值得出其运行状态评价结果。本发明专利技术基于模糊DEA理论的智能变电站继电保护装置状态评价模型具有模糊信息处理及DEA理论的客观赋权、简化计算等优势，可较为准确地反映设备的实际运行状态，为状态检修工作提供参考依据。

A method of state evaluation and evaluation for relay protection device in Intelligent Substation

A kind of intelligent substation relay protection status evaluation and evaluation methods, combined with the fault relay protection device, monitoring the status of information extraction, and is associated with the historical operation information and other factors, establish the evaluation system of relay protection condition; quantitative evaluation indexes of relay protection status; by the cut sets of solutions of improved fuzzy DEA model the relay protection device based on comprehensive evaluation of operation state, according to the average efficiency evaluation is the running state of the evaluation results. The invention of relay protection status evaluation model of intelligent substation based on fuzzy DEA theory with fuzzy information processing and DEA theory of objective weight and the simplified method, can more accurately reflect the actual running of the equipment, and provide reference for state maintenance work.

【技术实现步骤摘要】
一种智能变电站继电保护装置状态评价与评估方法
本专利技术涉及变电站继电保护装置状态检修
，具体涉及一种智能变电站继电保护装置状态评价与评估方法。
技术介绍
随着电网建设逐渐朝智能化、模块化的方向发展，对于其经济性以及可靠性提出了更高的要求。传统的继电保护装置定期检修具有效率低下、存在检修不足和检修过量等问题。因此，电气设备的检修体制正在由传统的计划性维修模式向状态检修转变。状态检修的基础和核心任务是状态评价。对于新一代智能变电站的继电保护装置，其部分状态量已成为可观测指标，对其进行分析和量化可反映设备当前各主要功能部件的运行状况及劣化趋势，从而分析预测装置可能出现的故障。在进行设备的状态评价时，工程中常用模糊综合评判的方法，但其各评价指标权重分配往往靠人为主观判断，当因素较多时，权系数难以适当分配。数据包络分析(DataEnvelopmentAnalysis，DEA)是著名运筹学家A.Charnes和W.W.Cooper等人以“相对效率”概念为基础，根据多投入与多产出数据指标对相同类型的决策单元(DecisionMakingUnits，DMU)进行相对有效性或绩效评价的一种系统分析方法。该方法以各指标数据的客观信息确定权重系数，是一种客观赋权法，且具有无需对数据进行无量纲处理、无需显示建立输入与输出之间的函数关系式等优点。通过DEA概念的引入，可较为客观准确的评估继电保护装置的运行状态。
技术实现思路
本专利技术主要是解决现有技术所存在的技术问题；提供了一种基于模糊DEA理论的继电保护装置状态评价与评估方法，本专利技术具有模糊信息处理及DEA理论的客观赋权、简化计算等优势，可较为准确地反映设备的实际运行状态，为状态检修工作提供参考依据。本专利技术的目的是采用以下技术方案实现的：一种智能变电站继电保护装置状态评价预评估方法，该方法包括以下步骤：步骤1：分析继电保护装置的故障情况，需要选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系。步骤2：对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标主要有包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标(定检情况、装置缺陷情况、家族性资料以及装置运行环境)运用模糊语言及高斯隶属度函数进行量化。步骤3：初步确定各指标的权重并对其进行模糊化处理，选用权重值上下浮动20％的区间信息作为各指标的权重约束条件。步骤4：在对各继电保护装置进行状态评价时，引入一个理想的运行状态良好的同类型保护装置，该装置各项指标量化值均为理想化的最大值。步骤5：将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值及乐观DEA效率评价值并画出各DMU评价效率随α的变化图像。步骤6：通过重心法得出各待评价继电保护装置平均有效性评价指数根据其大小判断继电保护装置的运行状态。步骤1中所述的“分析继电保护装置的故障情况，需要选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系”的具体过程为：a：根据继电保护装置故障情况，选取的状态监测信息参量为装置内部温度、电源输出电压、CPU负荷率以及光模块光强；b：考虑包括装置历史信息在内的其他因素，建立继电保护装置的状态评价体系。步骤2中所述的“对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标主要有包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标运用模糊语言及高斯隶属度函数进行量化”的具体过程为：a：对于装置内部温度、电源输出电压这类双向劣化指标，运用梯形劣化度函数进行量化，其中允许上限和允许下限分别是装置在运行中各状态参量指标良好值的参考范围，门限值上限和下限分别为状态参量告警值的上下限；其量化变换公式为：式中，x为指标的参量值，xm,xn分别为指标的允许上限和下限，xmax,xmin分别为指标的门限值上限和下限；运用半梯形函数对继电保护装置的CPU负荷率进行量化，其量化变换公式为：式中，x为指标的参量值，xm为指标的允许上限，xmax为指标的门限值上限；b：光模块光强在装置运行过程中随光纤通道的劣化及插件的老化逐渐减弱，其量化变换公式为：式中，x为指标的参量值，xn为指标的允许下限，xmin为指标的门限值下限；c：正确动作率主要考虑保护装置本身正确动作率RCO1、同型号装置正确动作率RCO2以及同批次正确动作率RCO3，该项指标的量化公式为：正确动作率RCO＝(30％×RCO2+70％×RCO3)×RCO1d：对于运行时间的量化，采用的量化变换公式为：式中，x为运行时间，单位为年；e：在继电保护装置状态评价体系中，具有模糊性的指标主要有定检情况、装置缺陷情况、运行环境以及家族性资料，将模糊评价的因素状态分为良好、一般、注意、异常、严重异常5个等级，相应地评判集记为V＝{v1,v2,v3,v4,v5}，采用高斯分布函数对上述各定量指标进行量化。步骤5中所述的“将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值及乐观DEA效率评价值”的具体过程为：a：假设模糊评价指标的量化值对应的模糊数为为该指标的隶属度函数，则其α截集是实数域上的一个区间范围，记为其中分别代表区间的左右边界，0≤α≤1；b：编号为k的待评价继电保护装置DMUk基于α截集解的最悲观模糊DEA评价模型及最乐观模糊DEA评价模型分别为：其中，yij(i＝1,2,…,m)为模糊输出变量，即各指标量化值,和分别表示决策单元j、指标i量化值的基于α截集解的左右边界，对于被评价继电保护装置k，其值分别为和Ek为决策单元DMUk模糊效率评价值；和分别为原模糊DEA模型在α截集下的极小值规划和极大值规划；ω＝(ω1,ω2,...ωm)T为各评价指标权重系数；C为n×m维的系数矩阵，n是权重约束条件的个数；B＝(b1,b2,...,bn)T为常数向量。步骤6中所述的“通过重心法得出各待评价继电保护装置平均有效性评价指数，根据其大小判断继电保护装置的运行状态”的具体过程为：a：取不同置信水平αi＝i/k，i＝1,…,k，求各决策单元的最悲观评价值和最乐观评价值求得平均有效性评价指数其表达式为：b：根据确定待评价继电保护装置的运行状态，指导继电保护装置状态检修工作。与现有技术相比，本专利技术达到的有益效果是：本专利技术建立的基于模糊DEA理论的智能变电站继电保护装置状态评价方法结合了模糊信息处理及DEA理论的客观赋权、简化计算等优势，可较为准确地反映设备的实际运行状态，从而为状态检修工作提供参考依据。附图说明图1是本专利技术提供的智能变电站继电保护装置状态评价体系图。图2是本专利技术提供的装置内部温度、电源电压指标的量化图。图3是本专利技术提供的装置CPU负荷率指标的量化图。图4是本专利技术提供的装置光模块光强指标的量化图。图5是本专利技术提供的装置运行时间指标的量化图。图6是本专利技术提供的装本文档来自技高网...

【技术保护点】
一种智能变电站继电保护装置状态评价与评估方法，其特征在于，包括以下步骤：步骤1：分析继电保护装置的故障情况，选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系；步骤2：对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标运用模糊语言及高斯隶属度函数进行量化；步骤3：初步确定各指标的权重并对其进行模糊化处理，选用权重值上下浮动20％的区间信息作为各指标的权重约束条件；步骤4：在对各继电保护装置进行状态评价时，引入一个理想的运行状态良好的同类型保护装置，该装置各项指标量化值均为理想化的最大值；步骤5：将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值

【技术特征摘要】
1.一种智能变电站继电保护装置状态评价与评估方法，其特征在于，包括以下步骤：步骤1：分析继电保护装置的故障情况，选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系；步骤2：对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标运用模糊语言及高斯隶属度函数进行量化；步骤3：初步确定各指标的权重并对其进行模糊化处理，选用权重值上下浮动20％的区间信息作为各指标的权重约束条件；步骤4：在对各继电保护装置进行状态评价时，引入一个理想的运行状态良好的同类型保护装置，该装置各项指标量化值均为理想化的最大值；步骤5：将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值及乐观DEA效率评价值并画出各DMU评价效率随α的变化图像；步骤6：通过重心法得出各待评价继电保护装置平均有效性评价指数根据其大小判断继电保护装置的运行状态。2.如权利要求1所述的一种智能变电站继电保护装置状态评价与评估方法，其特征在于：步骤1中所述的“分析继电保护装置的故障情况，需要选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系”的具体过程为：a：根据继电保护装置故障情况，选取的状态监测信息参量为装置内部温度、电源输出电压、CPU负荷率以及光模块光强；b：考虑包括装置历史信息在内的其他因素，建立继电保护装置的状态评价体系。3.如权利要求1所述的一种智能变电站继电保护装置状态评价与评估方法，其特征在于：步骤2中所述的“对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标主要有包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标运用模糊语言及高斯隶属度函数进行量化”的具体过程为：a：对于装置内部温度、电源输出电压这类双向劣化指标，运用梯形劣化度函数进行量化，其中允许上限和允许下限分别是装置在运行中各状态参量指标良好值的参考范围，门限值上限和下限分别为状态参量告警值的上下限；其量化变换公式为：式中，x为指标的参量值，xm,xn分别为指标的允许上限和下限，xmax,xmin分别为指标的门限值上限和下限；运用半梯形函数对继电保护装置的CPU负荷率进行量化，其量化变换公式为：式中，x为指标的参量值，xm为指标的允许上限，xmax为指标的门限值上限；b：光模块光强在装置运行过程中随光纤通道的劣化及插件的老化逐渐减弱，其量化变换公式为：式中，x为指标的参量值，xn为指标的允许下限，xmin为指标的门限值下限；c：正确动作率主要考虑保护装置本身正确动作率RCO1、同型号装置正确动作率RCO2以及同批次正确动作率RCO...

【专利技术属性】
技术研发人员：应黎明，杨磊，贾永天，王玉磊，罗先成，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42