一种继电保护装置健康状态评估的隶属函数确定方法

1.本发明涉及电力系统继电保护技术领域，尤其涉及一种继电保护装置健康状态评估的隶属函数确定方法。


背景技术：

2.继电保护装置是保障电力系统安全稳定运行的第一道防线，其健康状态对电网安全、稳定运行起着关键作用。然而在实际运行中，保护装置可能面临复杂的环境特征，装置中芯片-板卡-设备各层级都会因载荷、磨损和腐蚀造成机械强度的下降，其绝缘强度、疲劳强度和运行性能等都必将不可避免地随运行环境和时间的变化而逐渐下降，因此，结合芯片、板卡、整机各层级的运行状态信息，建立分层分级的保护装置健康状态评估模型具有十分重要的现实意义，可实现组件级故障定位与告警，为设备状态检修及故障处置提供建议，实现设备运行中的健康管理。
3.健康状态评估的研究工作主要集中在评估方法方面。常见的健康状态评估方法有模型法、层次分析法、模糊评判法、人工神经网络法、基于贝叶斯网络的方法等，其中模糊综合评判法因其能适应保护装置形式多样的“大数据”的特征且被评估对象呈现“亦此亦彼”的特性而被广泛应用。但对于继电保护，在应用模糊综合方法评价继电保护装置健康状态时，仍存在以下问题：
4.1)模糊综合评估法的隶属度函数较多，隶属度选择不同将会导致最终评价结果存在差异，因此，合理选择适合于保护装置健康状态的隶属函数对评价结果有很大的影响，但现有文献并未全面分析不同隶属度函数的差异并确定最优方案，可能致使评价结果不精确。
5.2)现有文献仅针对底层指标进行变权处理，而忽略了上层指标的变权分析，在指标集个数较大且层级较多的情况下，相对隶属度权系数可能会偏小，常权值较小的指标劣化后经层层递进后可能被淹没，无法体现在评价结果中，进而致使评估失效。


技术实现要素：

6.本发明的目的是提供一种继电保护装置健康状态评估的隶属函数确定方法，该方法计算简单，可以准确的评估继电保护装置的健康状态，并对隶属函数的选取具有指导作用，具有很强的实用价值。
7.本发明的目的是通过以下技术方案实现的：
8.一种继电保护装置健康状态评估的隶属函数确定方法，其特征在于，所述方法包括：
9.步骤1、按所建继电保护装置健康状态评价指标体系收集状态数据，计算各指标的劣化度；
10.步骤2、计算各指标的常权值，并根据劣化度修正得到其变权值；
11.步骤3、对现有的几类隶属进行适应性理论分析；
12.步骤4、对继电保护装置进行一级模糊综合评判与隶属函数适应性的实例分析；
13.步骤5、对继电保护装置进行二级模糊综合评判与变权方式适应性实例分析；
14.步骤6、对继电保护装置进行三级模糊综合评判并确定其健康状态。
15.由上述本发明提供的技术方案可以看出，上述方法计算简单，可以准确的确定继电保护装置的健康状态，并为保护装置评价中隶属函数的选取提供科学依据，具有很强的实用价值。
附图说明
16.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
17.图1为本发明实施例提供的模糊综合评判的流程图；
18.图2为本发明实施例所分析的5种不同隶属函数的对比图；
19.图3为本发明实施例所得出的岭型分布和正态分布的隶属函数分布图。
具体实施方式
20.下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
21.下面将结合附图对本发明实施例作进一步地详细描述，如图1所示为模糊综合评判的流程图，所述方法包括：
22.步骤1、按所建继电保护装置健康状态评价指标体系收集状态数据，计算各指标的劣化度；
23.在所述步骤1中，具体过程为：
24.劣化度用来表征继电保护装置各评价指标的劣化程度，由所采集的状态量经劣化计算得到，其结果代入变权函数和隶属度函数，可计算变权系数以及指标隶属于各状态的值。
25.1)对于实时指标中的双向劣化指标，此类指标既有上限也有下限值，其在正常误差范围(及良好值参考范围)内均认为没有劣化，超出后按偏移程度进行量化处理。如：芯片的工作电压，其数值上下波动偏离额定范围均可能导致设备故障，计算式为：
26.27.式中：g(x)为评判指标的劣化度；x为评判指标实测值；β1、α2为该指标允许值；α1、β2为该指标的上、下限值。
28.2)对于实时指标中的单向劣化指标，此类指标只有上限或下限值，本文一律按照“越小越优”型指标处理。如：温度、使用率、导通电阻以及热阻等。cpu负荷率过高会导致死机等故障；由于预制式二次设备仓的室温稳定在5-25℃，芯片温度不会出现越最低限值的情况，因此仅考虑高温影响；芯片的导通电阻、热阻均随温度的升高而逐渐劣化直至失效，即越小越优型，单向劣化指标计算式为：
[0029][0030]
式中：α、β为该指标的上、下限值。
[0031]
表1给出了各实时评价指标的取值范围，可据此计算不同指标的劣化度表达式：
[0032]
表1实时评价指标及其取值范围
[0033][0034][0035]
对于统计指标，鉴于采集的数据范围宽，可比较性差，为统一处理，需要对其进行量化处理。属性值具有多种类型，包括效益型、成本型和区间型。特别的，对于安全性指标，通常认为继电保护设备是十分安全可靠的，各地区差别较小，因此应除以较大值来减小数据差距；对于维修性指标，由于维修人员数量、水平等不同，相较于安全风险维度，各地区水平相差略大，因此应除以较小值来增大数据差距，对统计数据的量化处理方式归纳如表2所示：
[0036]
表2继电保护综合评价量化方法
[0037][0038]
式中，对于成本、效益型指标，原始的决策矩阵为a＝(a
ij
)m×n，变换后的决策阵记为β＝(b
ij
)m×n，i＝1,
···
,m，j＝1,
···
,n。是决策矩阵第j列中的最大值，是决策矩阵第j列中的最小值；对于区间型指标，给定的最优区间为a
′j为无法容忍下限，a
″j为无法容忍上限。
[0039]
步骤2、计算各指标的常权值，并根据劣化度修正得到其变权值；
[0040]
在所述步骤2中，具体过程为：
[0041]
应用g1法确定某继电保护装置各层次的常权值，如表3所示。
[0042]
表3各级评价指标常权值
[0043][0044][0045]
其中，ωi为第i个一级指标的常权值，ω
ij
为第i个一级指标下第j个二级指标的常权值，ω
ijk
为第i个一级指标下第j个二级指标中第k个三级指标的常权值。
[0046]
为了评估继电保护装置的真实健康状况，将其状态量分成若干个评价因素，并分别进行状态评估获得各评价因素的评价结果，经过模糊综合评价获得继电保护装置的健康状态，在运算过程中，利用g1法虽然在一定程度上改善了过度依赖主观意识的情况，但是权重值小的评价指标严重偏离正常值时，评价指标权重较低的评价因素都不能通过模糊算子
被突显出来，装置整体评价可能还是正常水平，因此仅仅使用常权重系数不能够真实的反映装置的健康状态，需引入变权理论，根据状态量劣化度的实际大小实现状态量权重值的改变，对于严重偏离正常值的状态量给予较高的权重，以增加劣化度大的状态量对评价结果的影响，变权公式为：
[0047][0048]
式中，a
ij
为第i个子系统中第j个状态特征参数对应的变权值；第i个子系统中第j个状态特征参数对应的常权值，α为变权系数，本文取α＝-1。
[0049]
但现有文献仅依据指标的劣化度对最底层(第三级)指标进行变权修正，但一、二级指标仍采用常权值。这将导致劣化较严重的指标由于多层叠加后可能被淹没，使得评价结果不准确。
[0050]
针对以上情况，本文考虑将一、二级指标也进行变权处理，对于上级指标劣化值di的选取，考虑2种方式：
[0051]
变权方式1：取底层指标中劣化度的最大值作为上级指标的劣化值(max):
[0052]dij
＝max(d
ijk
),k＝1,2,...m
[0053]
变权方式2：取底层指标的劣化度与其对应的常权重相乘，即劣化的平均值作为上层指标的劣化值(avg)：
[0054][0055]
式中，d
ijk
为底层指标的劣化值，ω
ijk
为底层指标的常权重，m为底层指标个数。
[0056]
步骤3、对现有的几类隶属进行适应性理论分析；
[0057]
在所述步骤3中，具体过程为：
[0058]
模糊状态评价中的一个重要步骤是确立合适的隶属函数，不同的隶属函数将会导致最终评价结果不同。继电保护装置健康状态评中常见的隶属函数有半梯形和三角形结合型、2次抛物型、正态型、柯西型以及岭型。本文选择5种隶属函数分布进行比较，如图2所示：
[0059]
初步比较5种分布发现：
[0060]
1)柯西分布的隶属度均大于0.5，不存在隶属度较小的情况，与实际不符，可以排除；
[0061]
2)2次抛物分布包含的隶属度信息较少，评价结果过于保守，因此本文不予考虑；
[0062]
3)三角分布函数包含隶属度低的信息过多，而隶属度较高的信息较少，可能会使评价结果不准确，也不予考虑；
[0063]
4)在确定某参量的评价区间后，当取较高的隶属度时，采用岭型分布能收集更多隶属度高的信息；
[0064]
5)当取较低的隶属度时，采用正态分布能够屏蔽更多隶属度低的信息。
[0065]
综上所述，本文初步选取岭型分布和正态分布作为模糊评判的隶属函数，需结合实例对其分析比较，进一步确定选取最终的隶属函数。
[0066]
隶属函数的具体求解方法是：对各指标进行劣化度计算，确定其对应于4种状态等
级的模糊分界区间，最后建立劣化度对于各状态等级的隶属函数。下式分别为岭型分布和正态分布的隶属函数表达式：
[0067][0068][0069][0070][0071][0072][0073][0074][0075]
式中分别为指标劣化度为d时，对应于状态“良好”、“合格”、“注意”、“严重”的隶属函数。
[0076]
根据以上分布函数确定两种分布各参量对四类评语隶属的计算模型，如图3所示。
[0077]
步骤4、对继电保护装置进行一级模糊综合评判与隶属函数适应性的实例分析；
[0078]
在所述步骤4中，具体过程为：
[0079]
为验证本文提出的保护装置运行状态健康评估方法的有效性和准确性，以某厂家继电保护装置在线监测数据为例进行评估结果比较。首先以某时刻继电保护装置的运行状态数据对本文描述的模型和计算过程进行阐述；然后对该时刻点的数据进行计算，并结合装置的实际运行对不同的隶属函数和变权方式进行分析比较。
[0080]
在综合各芯片手册及咨询领域专家意见的基础上，提取出各状态参量的允许范围、评价时的实际值以及对应的劣化值如表4所示：
[0081]
表4某继电保护装置各指标状态特征参数值列表
[0082][0083]
对在线监测数据进行运行分析可以得到：多项指标已经偏离正常值，有劣化趋势；有些指标偏离正常运行范围较大，劣化趋势较为明显，如r
113
、r
132
、r
143
、r
152
等；个别指标，如r
142
、r
152
已接近阈值，甚至有超过阈值的现象。按照第1节中对4种运行状态的定义，二级指标r
14
、r
15
应属于“严重”状态，且装置的健康状态也应为“严重”。
[0084]
进一步结合监测数据对本文所提隶属函数及变权方式进行适应性分析，最终确定最适用于保护装置健康状态评估的隶属分布及变权方式。
[0085]
按照岭型分布和正态分布，通过劣化度，分别计算各评判指标所对应的隶属度，即可得到评判矩阵。以二级指标r
11
为例进行说明，计算得到其劣化度、岭型分布和正态分布的评判结果如表5所示：
[0086]
表5二级指标r
11
模糊综合评判结果
[0087]
[0088][0089]
由评价结果可以看出：
[0090]
1)当指标较明确的属于某一区域内时，正态分布可以更明确的描述该值隶属于此区间的程度(隶属度大)，有更明显的指向性，而岭型分布的计算结果偏于保守。以r
111
为例，计算得到其劣化值为0.416，可以看出该值较为明确的属于“合格”区间，此时正态分布隶属于“合格”的概率为0.987，而岭型分布的概率为0.508，可见正态型隶属函数更具区分度。
[0091]
2)当某因素或评价对象没有绝对处于某评价区间、并向另一区间转移时，正态分布由于其既能合理描述指标的隶属度，又能区分出隶属于不同区间的差异而更适用。以r
112
为例，其劣化值为0.567，此时岭型分布隶属于“合格”、“注意”的概率分别为0.494、0.506，而正态分布隶属于“合格”、“注意”的概率分别为0.248、0.413，此时岭型分布计算结果相差太小，经过多层迭代计算后其差距可能会被淹没，计算结果偏于保守，而正态分布既能表示隶属于两个状态可能性的大小，又能相对较明显的区分两者的隶属程度，更合理。
[0092]
综上，理论分析得知：正态型隶属函数更适用于继电保护装置健康状态评估。
[0093]
同理，得到10个第二级指标的评价结果，计算结果如表6所示
[0094]
表6一级模糊综合评判结果
[0095]
二级评价指标r
ij
岭型分布评判结果b
ij
正态分布评判结果b
ij’r
11
{0.1868,0.4016,0.4116,0}合格{0.1868,0.4245,0.3583,0}合格r
12
{0.596,0.404,0,0}良好{0.6619,0.1633,0,0}良好r
13
{0.0766,0.2673,0.4298,0.2293}注意{0.1114,0.1578,0.5493,0.1158}注意r
14
{0.0125,0.0246,0.4821,0.4808}注意{0.0224,0.0072,0.2504,0.6618}严重r
15
{0.0691,0.1525,0.4301,0.3483}注意{0.097,0.11,0.1897,0.2871}严重r
21
{1,0,0,0}良好{1,0,0,0}良好r
22
{0.9371,0.0683,0,0}良好{0.9663,0.0113,0,0}良好r
23
{1,0,0,0}良好{1,0,0,0}良好r
24
{1,0,0,0}良好{1,0,0,0}良好r
25
{1,0,0,0}良好{1,0,0,0}良好
[0096]
可以看到：当指标倾向于某一状态时，正态分布在该状态对应的区间中的隶属度要比岭型分布大，因此可以更好的区分指标隶属于各状态的程度。如r
14
,岭型分布隶属于“注意”和“严重”的概率分别为0.4821、0.4808，两者数值差距过小，很难准确判定结果，而正态分布隶属于“注意”和“严重”的概率分别为0.2504、0.6618，可明确的判断运行状态，与3.1中对运行数据的分析结果相符。
[0097]
步骤5、对继电保护装置进行二级模糊综合评判与变权方式适应性实例分析；
[0098]
在所述步骤5中，具体过程为：
[0099]
由理论分析可知，为解决较小常权值指标经多层迭代后被淹没的问题，应对上级指标同样进行变权处理，本节结合监测数据，计算三种变权方式得到的权值如表7所示:
[0100]
表7两种变权方式权值比较
[0101][0102]
以三级指标r
142
为例进行说明：r
142
的劣化度d
142
为0.89，可看出已严重劣化，经变权处理后反映到二级指标上，对应二级指标常权重ω
14
由0.1137增大到变权重a
14max
＝0.5054(法1)和a
14avg
＝0.2340(法2)，对应的一级指标常权重ω1由0.5增大到变权重a
1max
＝0.9789(法1)和a
1avg
＝0.6986(法2)，可以看出，经变权处理后，劣化度大的指标其隶属的各层级的指标权重均明显增大，且方式1较2变化的更明显，可以更好的反应底层指标劣化经三层递进后对一级指标的影响。
[0103]
采用三种变权方式，分别对岭型和正态型隶属函数进行模糊计算，得到第一级指标层的综合评判结果见表8
[0104]
表8二级模糊综合评判矩阵结果比较
[0105][0106]
步骤6、对继电保护装置进行三级模糊综合评判并确定其健康状态。
[0107]
在所述步骤5中，具体过程为：
[0108]
采用三种变权方式，分别对岭型和正态型隶属函数进行模糊计算，得到的目标层的综合评判结果见表9
[0109]
表9三级模糊综合评判矩阵结果比较
[0110][0111][0112]
从评价结果可以看到：
[0113]
1)不论是岭型分布还是正态分布，经变权方式2、3处理后的结果均为“良好”状态，评价结果与实际情况不符。
[0114]
变权方式1得到的结果更接近实际情况，可以更好的反映底层指标的劣化经三层递进后对一级指标的影响。
[0115]
2)通过比较评判结果看出：“岭型分布”得到的结果为“注意”，而“正态分布”得到的结果为“严重”，“正态分布”得到的结果更符合主观预期，与理论分析相符，再次验证了“正态隶属分布”的合理性。
[0116]
综上所述，对于继电保护装置，基于“变权方式1的正态隶属分布函数”模糊综合评判方法最合理，且经评估得该装置的健康状态为“严重”，需对其中的组件进行替换甚至报废处理，以确保设备能够正常使用并完成规定功能。