一种基于云模型和模糊证据推理的变压器状态评价方法技术

本发明专利技术提供了一种基于云模型和模糊证据推理的变压器状态评价方法，该方法首先利用正态云模型预处理随机性和模糊性的评价指标信息，得出评价指标在状态等级中的置信度，然后运用模糊证据推理方法逐层信息融合，计算变压器在每个状态等级的置信度，进而得到变压器状态评价的结果。通过引入模糊证据理论和云模型，避免了人为隶属度函数的主观性和随意性，模糊证据推理算法能够对模糊不确定的初始证据进行信息的逐层融合处理，给出状态评价结果的置信区间，有利于更好的描述设备的真实状态。与现有的模糊评价模型相比，本文方法能够利用证据的相互关联性，更好地挖掘信息，更有效处理信息不确定性。

【技术实现步骤摘要】
一种基于云模型和模糊证据推理的变压器状态评价方法
本专利技术涉及电力系统领域，更具体地，涉及一种基于云模型和模糊证据推理的变压器状态评价方法。
技术介绍
变压器作为电力系统的关键设备之一，其可靠性直接影响到电力系统的安全与稳定运行。因此，及时有效地掌握变压器的状态对变压器的运行维护具有重要意义。变压器的状态评价是一个多属性决策问题。考虑到影响变压器状态的因素较多，各因素间的关系具有不确定性且部分因素存在模糊性，而正态云模型能有效地处理评价指标信息，模糊证据理论是研究不确定性的一种重要工具，它是一种针对模糊性信息的信息融合的算法，利用证据间的相互关联，加强对推理结论的支持度。
技术实现思路
本专利技术提供一种基于云模型和模糊证据推理的变压器状态评价方法，该方法给出状态评价结果的置信区间，有利于更好的描述设备的真实状态。为了达到上述技术效果，本专利技术的技术方案如下：一种基于云模型和模糊证据推理的变压器状态评价方法，包括以下步骤：S1：选取变压器的状态评价指标，建立状态评价指标体系；S2：建立评价指标云模型，输入评价指标参数，获得评价指标在状态等级上的置信度，用层次分析法确定评价指标权重；S3：利用模糊证据推理算法，计算属性层指标在状态等级上的置信度；S4：利用模糊证据推理算法，计算变压器在状态等级上的置信度，根据置信度的大小，确定变压器的状态等级。进一步地，所述步骤S1中，建立的状态评价指标体系分为3层，评价目标层、属性层以及因素层；评价目标层即是变压器本体状态，属性层是隶属于本体的5大类数据指标，因素层是表征变压器状态的基本评价指标；变压器本体状态由中间属性层的状态确定，属性层的状态又是通过因素层中的基本评价指标的状态确定，而基本评价指标的状态则通过对在线检测、运行及巡检及基本资料的数据进行处理获得。进一步地，所述步骤S2中，变压器的状态等级通常分为4级，分别是正常状态、注意状态、异常状态、严重状态，建立模糊信度结构状态等级描述模型，该模型采用状态评价等级与置信度联合分布的形式，将变压器的状态描述得更全面和精确。进一步地，所述步骤S2中，结合信度结构模型，模糊信度结构FBS可描述为：FBS(R)＝{(FHn,βn),n＝1,2,...,N}式中：FHn为模糊评价等级，对应N为评价等级个数，N取值为4，FHn对应的是正常状态、注意状态、异常状态、严重状态，βn为在模糊等级FHn上的置信度，此模型为评价指标因素R以βn的置信度被评价到模糊等级FHn上，模糊信度结构FBS中的FHn实现了对模糊与不精确的建模，βn则完成了对不确定性的描述；如果说明信息是完全的，若则信息是不完全的，特殊情况表示对信息的完全无知。进一步地，所述步骤S2中，评价指标的状态等级应与变压器整体状态等级对应一致，引入相对劣化度xm表示评价指标偏离正常状态的程度，其取值范围为[0，1]，当xm＝0表明指标处于最优状态，xm＝1表明指标处于最差状态；、xm的计算公式如下：式中：ui为该指标状态参数的正常值即初值；ut为该指标状态参数的注意值即阈值，ut的值确定根据《电力设备预防性试验规程》和《电力变压器运行规程》中的规定，um为该指标状态参数实际测量值。进一步地，根据评价指标的相对劣化度xm的大小，划分评价指标的状态等级，正常状态区间为[0,0.2)，注意状态区间为[0.2,0.4)，异常状态区间为[0.4,0.7)，严重状态区间为[0.7,1)。进一步地，所述步骤S3中，假设某待评价目标涉及L个评价指标Ri(i＝1,2,…L)，评价指标Ri的FBS模型为FBSi＝{(FHn,βn,i)}，FHn为评价等级，βn,i为评价等级上的置信度，评价指标的权重为ωi，运用模糊证据推理算法计算该评价目标的状态步骤如下：首先，计算评价指标的基本可信度mass数：mn,i＝ωiβn,i式中：mn,i表示的是评价指标Ri在模糊状态等级FHn上的基本可信度，mH,i表示剩余可信度，它包含两部分和其中与权重有关表示指标在评价中起的作用，表示剩下的分配给由于信息缺乏而不属于任何等级的不确定可信度。进一步地，所述步骤S3中，根据所有指标的mass数，进行评价指标信息组合，推算出组合后的评价目标在各个状态等级上的置信度：mn,I(i+1)＝KI(i+1)[mn,I(i)mn,i+mH,I(i)mn,i+1+mn,I(i)mH,i+1]式中：mn,I(i)表示i个评价指标信息融合后评价目标属于FHn状态等级的基本可信度mass数，mH,i表示信息组合后的剩余可信度，KI(i+1)是归一化因子，使且定义mn,I(1)＝mn,1，mH,I(1)＝mH,1，βn为信息组合后评价目标被评价到模糊状态等级FHn上的置信度，βH是信息不完全而无法确定的剩余可信度，由初始证据的不确定性和模糊性导致的，因此可用βH表示评价算法处理不确定性能力的大小，其值越小，表明算法处理不确定性能力越强。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术首先利用正态云模型预处理随机性和模糊性的评价指标信息，得出评价指标在状态等级中的置信度，然后运用模糊证据推理方法逐层信息融合，计算变压器在每个状态等级的置信度，进而得到变压器状态评价的结果。通过引入模糊证据理论和云模型，避免了人为隶属度函数的主观性和随意性，模糊证据推理算法能够对模糊不确定的初始证据进行信息的逐层融合处理，给出状态评价结果的置信区间，有利于更好的描述设备的真实状态。与现有的模糊评价模型相比，本文方法能够利用证据的相互关联性，更好地挖掘信息，更有效处理信息不确定性。附图说明图1为本专利技术方法流程图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。如图1所示，一种基于云模型和模糊证据推理的变压器状态评价方法，包括以下步骤：S1：选取变压器的状态评价指标，建立状态评价指标体系；S2：建立评价指标云模型，输入评价指标参数，获得评价指标在状态等级上的置信度，用层次分析法确定评价指标权重；S3：利用模糊证据推理算法，计算属性层指标在状态等级上的置信度；S4：利用模糊证据推理算法，计算变压器在状态等级上的置信度，根据置信度的大小，确定变压器的状态等级。步骤S1中，建立的状态评价指标体系分为3层，评价目标层、属性层以及因素层；评价目标层即是变压器本体状态，属性层是隶属于本体的5大类数据指标，因素层是表征变压器状态的基本评价指标；变压器本体本文档来自技高网...

【技术保护点】
1.一种基于云模型和模糊证据推理的变压器状态评价方法，其特征在于，包括以下步骤：/nS1：选取变压器的状态评价指标，建立状态评价指标体系；/nS2：建立评价指标云模型，输入评价指标参数，获得评价指标在状态等级上的置信度，用层次分析法确定评价指标权重；/nS3：利用模糊证据推理算法，计算属性层指标在状态等级上的置信度；/nS4：利用模糊证据推理算法，计算变压器在状态等级上的置信度，根据置信度的大小，确定变压器的状态等级。/n

【技术特征摘要】
1.一种基于云模型和模糊证据推理的变压器状态评价方法，其特征在于，包括以下步骤：
S1：选取变压器的状态评价指标，建立状态评价指标体系；
S2：建立评价指标云模型，输入评价指标参数，获得评价指标在状态等级上的置信度，用层次分析法确定评价指标权重；
S3：利用模糊证据推理算法，计算属性层指标在状态等级上的置信度；
S4：利用模糊证据推理算法，计算变压器在状态等级上的置信度，根据置信度的大小，确定变压器的状态等级。


2.根据权利要求1所述的基于云模型和模糊证据推理的变压器状态评价方法，其特征在于，所述步骤S1中，建立的状态评价指标体系分为3层，评价目标层、属性层以及因素层；评价目标层即是变压器本体状态，属性层是隶属于本体的5大类数据指标，因素层是表征变压器状态的基本评价指标；
变压器本体状态由中间属性层的状态确定，属性层的状态又是通过因素层中的基本评价指标的状态确定，而基本评价指标的状态则通过对在线检测、运行及巡检及基本资料的数据进行处理获得。


3.根据权利要求2所述的基于云模型和模糊证据推理的变压器状态评价方法，其特征在于，所述步骤S2中，变压器的状态等级通常分为4级，分别是正常状态、注意状态、异常状态、严重状态，建立模糊信度结构状态等级描述模型，该模型采用状态评价等级与置信度联合分布的形式，将变压器的状态描述得更全面和精确。


4.根据权利要求3所述的基于云模型和模糊证据推理的变压器状态评价方法，其特征在于，所述步骤S2中，结合信度结构模型，模糊信度结构FBS可描述为：
FBS(R)＝{(FHn,βn),n＝1,2,...,N}
式中：FHn为模糊评价等级，对应N为评价等级个数，FHn对应的是正常状态、注意状态、异常状态、严重状态，βn为在模糊等级FHn上的置信度，此模型为评价指标因素R以βn的置信度被评价到模糊等级FHn上，模糊信度结构FBS中的FHn实现了对模糊与不精确的建模，βn则完成了对不确定性的描述；如果说明信息是完全的，若则信息是不完全的，特殊情况表示对信息的完全无知。


5.根据权利要求4所述的基于云模型和模糊证据推理的变压器状态评价方法，其特征在于，所述步骤S2中，评价指标的状态等级应与变压器整体状态等级对应一致，引入相对劣化度xm表示评价指标偏离正常状态的程度，其取值范围为[0，1]，当xm＝0表明指标处于最优状态，xm＝1表明指标处于最差状态；、
xm的计算公式如下：



式中：ui为该指标状态参数的正常值即初值；ut为该指标状态参数的注意值即阈值，um为该指标状态...

【专利技术属性】
技术研发人员：张开轩，常怡东，吴柏涛，林棣伟，梁海锋，杨智诚，李浩成，陈聪，姜大军，何伟谊，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：广东;44