【《基于正态云模型的变电站二次设备状态评估分析案例》8400字】

基于正态云模型的变电站二次设备状态评估分析案例目录TOC\o"1-3"\h\u22841基于正态云模型的变电站二次设备状态评估分析案例 [70]。例如对于某评估指标，模糊处理后的各等级相应区间为、、、。(1)计算期望。云模型的参数期望通过指标边界条件来计算，具体公式如下： (4-15)(2)计算熵值。由于相邻两个指标状态的边界具有模糊性，是动态过渡的，必然存在边界点隶属于两个状态的确定度相同的情况，则满足： (4-16)式中：和分别为相邻状态边界，那么： (4-17)(3)超熵计算。一般根据评估目标的随机性和模糊性关系取常数值，这里我们取。本文综合考虑二次设备状态评估故障界限，依照以上公式对云模型各数字特征进行计算。对于评估指标，对云的隶属度计算公式为： (4-18)设备不同等级状态云模型示例如图1.3.7。图1.3.7二次设备各等级状态云图1.3.4二次设备状态评估判断矩阵确定将二次设备实际运行数据进行归一化处理后，带入公式(4-19)，以计算各指标对应于各个运行状态的隶属度。 (4-19)对于那些无法定量表示的指标，需要依据行业专家经验和设备运行状况打分，再根据式(4-20)计算隶属度： (4-20)式中：为判定指标隶属于运行状态的专家人数，为专家总人数。将所有指标对应隶属度计算完毕后，得到如下二次设备状态评估指标判断矩阵： (4-21)式中：为评价指标个数，代表第个指标隶属于第个运行状态的隶属度。利用1.2节确定的权重向量与评判矩阵，按照公式(4-22)计算得到各模块评估矩阵，再将作为设备层评判矩阵，结合设备层权重向量按照公式(4-23)计算得到设备综合状态评估结果： (4-22) (4-23)根据最大隶属度原则，矩阵中最大值即对应最终评价状态。1.3.5综合评估模型本文所提出的综合评估模型，基本原理和步骤如下：步骤1：根据二次设备评估指标科学选取规则，选取出二次设备状态评估指标候选集；步骤2：利用FP-Growth关联规则挖掘算法，计算各个指标和设备发生故障的关联性，筛选出与二次设备故障相关性较大的指标，建立二次设备状态评估指标体系；步骤3：利用IAHP法和反熵权法进行指标权重计算，得到结合主客观赋权方法各自优点的指标权重；步骤4：根据各二次设备状态评估指标的特性，获取正态云模型数字特征并构建评估云模型；步骤5：计算各个指标对不同状态等级的隶属度，计算出二次设备状态评估评判矩阵，最后得出二次设备状态评估最终结果，完成评价流程。所提的基于IAHP-AEW的电网二次设备状态评估流程图如图1.3.8所示。图1.3.8二次设备状态评估流程图1.4实例分析依照本章所提二次设备状态评估方法，以某省220KV智能变电站为例，验证算法有效性。设备监测指标数据如表1.1.1所示。表1.1.1设备指标数据指标数值指标类型D1D2D3D4L110.080.050.120.18成本型L121111效益型L13110.950.9效益型L14110.960.91效益型L21/个3245成本型L22/V5.11.85.155.2区间型L23/℃30273437区间型L310.080.050.10.16成本型L321111效益型L331111布尔型L34/V5.11.95.15.2区间型L35/℃30223537区间型L361110.9效益型L37110.90.8效益型L381111效益型L410.080.030.10.2成本型L421111效益型L431111效益型L441111效益型(1)指标权重计算1)利用1.2节IAHP法得到指标的权重如表1.1.2。表1.1.2IAHP法指标层权重指标权重指标权重L110.1648L340.1110L120.2412L350.0497L130.3529L360.1110L140.2412L370.1110L210.3678L380.1110L220.3678L410.1768L230.2645L420.2744L310.0497L430.2744L320.1110L440.2744L330.34542)对状态指标数据进行归一化后，根据式(4-10至4-12)计算各指标反熵权重如表1.1.3。表1.1.3反熵权法指标层权重指标权重指标权重L110.3212L340.1074L120.2263L350.1487L130.2263L360.1073L140.2263L370.1073L210.3964L380.1073L220.2952L410.3594L230.3083L420.2135L310.2072L430.2135L320.1073L440.2135L330.10733)通过组合权重方法，将IAHP求解权重值结果和反熵权法求解权重值结果带入式(4-13)，得到的各指标权重如表1.1.4。表1.1.4组合后指标权重指标权重指标权重L110.2188L340.1043L120.2256L350.0647L130.3301L360.1042L140.2256L370.1042L210.4340L380.1042L220.3232L410.2655L230.2428L420.2448L310.0901L430.2448L320.1042L440.2448L330.3242同理得到，设备层指标权重如表1.1.5。表1.1.5设备层权重指标权重L10.1856L20.1822L30.3728L40.2594(2)组合后的指标权重能够更加切合地反映出二次设备实际运行情况，提升了较差指标在综合评价中的影响。以继电保护设备模块为例，由上表可知，继保设备指标权重矩阵。基于正态云模型对第一组指标数据进行量化分析，获取指标对应的云模型参数。并根据式(4-19、4-20)分别求出定量和定性指标对不同设备状态等级的隶属度，如开入开出状态、设备电压、设备内温对设备各个状态隶属度矩阵分别为：其对应云模型隶属度云图分别如图1.1.1、图1.1.2、图1.1.3。图1.1.1开入开出状态隶属度云图图1.1.2设备电压隶属度云图图1.1.3设备内温隶属度云图同理，得到二次设备继保设备其余指标状态隶属度如判断矩阵：由式，带入和计算，得到继保设备综合评判矩阵为。由此可以看出继保设备处于警惕状态，应计划检修。合并模块、交换机和智能终端评判矩阵分别分：同理，对其余设备进行评估，得到合并单元综合评判矩阵：交换机综合评判矩阵为：智能终端综合评判矩阵为：则设备层综合评判矩阵为：将设备层综合评判矩阵和设备层权重带入公式(4-23)计算可以得到设备整体评判矩阵为：由综合评估矩阵可以看出，整体上设备状态处于“警惕”状态等级。总体而言，设备的整体性能在劣化，但仍可继续运行，后续应继续对隶属状态较差的指标进行观察，及时处理。(3)评估模型对比为了验证本文所提二次设备状态评估方法的有效性和优越性，选取另外三种不同模型进行计算对比，各模型评估结果如表1.1.6所示。表1.1.6各模型对不同状态隶属度序号评估模型评估风险等级隶属度评估结果实际结果良好警惕异常危急1AHP-云模型0.13740.23150.41070.2204异常警惕2反熵权-云模型0.09570.31480.43260.1569异常警惕3(AHP+反熵权)-隶属度函数0.09360.40560.35610.0835警惕警惕各方法评估结果比对效果如图1.1.4。图1.1.4不同模型评估结果对比由第一组和第二组评价分析对比可知，单一的使用主观赋权或客观赋权用于评估模型构建，容易出现评估结果与实际情况不符的情况。第三组没有采用云模型，用传统三角隶属函数参与模型构建，得到的结果介于“异常”和“警惕状态之间，结果较为模糊效果不佳。对其余三组数据利用不同模型进行评估，评估结果见表1.1.7、表1.1.8、表1.1.9,各模型对比效果如图1.1.5、图1.1.6、图1.1.7所示。表1.1.7第二组各模型对不同状态隶属度序号评估模型评估风险等级隶属度评估结果实际结果良好警惕异常危急1本文模型0.61320.31000.05150.0253良好良好2AHP-云模型0.31470.43270.13690.1157警惕良好3反熵权-云模型0.30850.41000.17460.1069警惕良好4(AHP+反熵权)-隶属度函数0.40150.25160.19370.1532良好良好图1.1.5第二组不同模型评估结果对比表1.1.8第三组各模型对不同状态隶属度序号评估模型评估风险等级隶属度评估结果实际结果良好警惕异常危急1本文模型0.17380.18650.47140.1683异常异常2AHP-云模型0.23570.27980.26130.2232警惕异常3反熵权-云模型0.20160.28740.30160.2094异常异常4(AHP+反熵权)-隶属度函数0.17570.34290.35360.1278异常异常图1.1.6第三组不同模型评估结果对比表1.1.9第四组各模型对不同状态隶属度序号评估模型评估风险等级隶属度评估结果实际结果良好警惕异常危急1本文模型0.12750.17060.24610.4558危急危急2AHP-云模型0.14570.17880.32540.3501危急危急3反熵权-云模型0.09530.20840.3708