本发明涉及变电站设备技术领域，具体涉及一种变电站开关柜多运行状态智能监测系统及评估方法。
背景技术：
高压开关柜是电力系统变电与配电系统之间的枢纽设备，主要由高压断路器、隔离开关、高压操作机构、高压自动重合器及装载这些设备的柜体等元件构成，在配电网系统中起着通断、控制或保护等作用。高压开关柜制造业是电力工业中的重要组成部分，其一旦发生故障严重影响电力系统的供电可靠性。
国家电网安全运行分析报告表明电力系统6～10kV开关柜事故中，载流和绝缘破损引起的故障占总数的比例最大。当开关柜负荷超过额定负荷时，其内部温度会上升，严重的会导致开关柜内部导体发生烧损。内部绝缘故障或放电一方面是由于小型开关柜加工厂现场安装过程中清洁不彻底，导致高压断路器内残留少量杂质；另一方面是由于施工方在现场安装或开关柜运行很长时间后，内部绝缘发生破损引发内部放电故障。此外，开关柜内部绝缘在高温与湿度的作用下，会发生老化与放电现象的产生，同时放电现象又会导致温度上升，进一步加剧开关柜内部故障的发展。
长期以来，电力企业一直沿用低效的“到期必修”的预防性试验(即定期检修制度)对开关柜进行检修，造成了应修隐患设备漏检修，影响了其技术性能和使用寿命，严重的情况下会造成故障或事故，影响供电可靠性；此外，在不该检修时安排停电检修，从而造成了人力、物力和财力的浪费。近年来，随着配电网网规模的快速发展以及开关柜质量要求的迅速提升，当前的开关柜定期检修制度已不适应电网及设备的管理要求。因此，充分利用开关柜在线监测系统、巡检、各种试验、检修辅助决策系统等手段，开展科学的开关柜在线监测和故障诊断势在必行。
本发明的发明人经过研究发现，近年来电力运行部门除了对开关柜进行预防性试验外，也在积极探索开关柜运行状态的在线监测，但是当前仍缺乏对开关柜多种运行状态信息的监测与评估。
技术实现要素：
针对现有电力运行部门当前仍缺乏对开关柜多种运行状态信息监测的技术问题，本发明提供一种变电站开关柜多运行状态智能监测系统，该系统安装在开关柜内部，能够满足变电站开关柜多运行状态监测要求。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种变电站开关柜多运行状态智能监测系统，包括MCU及与MCU连接的局部放电传感器、温度传感器、湿度传感器、电压传感器、电流传感器、电源模块、FLASH存储器、蓝牙模块、RS485模块和GPRS模块；所述局部放电传感器用于检测开关柜内部的局部放电信号，所述温度传感器用于检测开关柜内部的温度，所述湿度传感器用于检测开关柜内部的湿度，所述电压传感器用于检测开关柜电压互感器二次侧的电压并转化为幅值小的电压，所述电流传感器用于检测开关柜电流互感器二次侧的电流并转化为幅值小的电压，所述电源模块用于接入外部电源并转换成各模块用电，所述FLASH存储器用于存储包括局部放电信号、温度、湿度、电压和电流在内的开关柜多运行状态参数信息，所述蓝牙模块用于将开关柜多运行状态参数信息通过无线方式传输给主站，所述RS485模块用于将开关柜多运行状态参数信息通过总线方式传输给主站，所述GPRS模块用于将MCU对于开关柜多运行状态的评估结果通过短信方式发送给管理人员。
进一步，所述MCU选用意法半导体公司生产的型号为STM32F215RET6的微控制单元。
进一步，所述局部放电传感器采用超声波传感器。
进一步，所述电压传感器有三个，其变比为120V/3.53V，一次侧分别接入开关柜高压电压互感器二次侧A相、B相和C相的输出电压。
进一步，所述电流传感器有三个，其变比为1.2A/3.53V，一次侧分别接入开关柜高压电流互感器二次侧A相、B相和C相的输出电流。
针对现有电力运行部门当前仍缺乏对开关柜多种运行状态信息评估的技术问题，本发明还提供一种变电站开关柜多运行状态智能评估方法，该方法采用模糊和证据推理融合，根据多参量对开关柜多运行状态进行智能评估，能够满足变电站开关柜多运行状态评估要求，该变电站开关柜多运行状态智能评估方法对应的开关柜多运行状态智能评估系统嵌入在MCU中。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种变电站开关柜多运行状态智能评估方法，所述方法根据前述的变电站开关柜多运行状态智能监测系统进行智能评估，所述方法具体包括以下步骤：
S1、证据推理决策评估模型框架确定：将表征开关柜多运行状态所有可能假设的评估等级作为证据推理决策评估模型的框架，定义如下：
H＝{H1,H2,...,Hn,...,HN}
其中，N是评估等级的个数；
S2、开关柜运行状态评估模型建立：根据所述智能监测系统监测的局部放电信号、温度、湿度、电压和电流建立开关柜运行状态评估模型；
S3、证据推理决策评估模型的独立证据选择：开关柜的局部放电、温度、湿度、电压和电流分别从不同层面反映了开关柜的运行状态，将其看作独立的证据或因素；
S4、根据模糊评估模型确定原始基本概率分配：通过构建模糊隶属度函数来描述模糊评估模型的指标层指标，并计算指标层的模糊综合评估结果，从而确定证据推理决策评估模型中的原始基本概率分配；
S5、置信度系数确定：通过确定各个因素的置信度系数，来修定原始基本概率分配，具体修定过程如下：
mr(H)＝αrMr(H)
mr(Θ)＝1-αr
其中，mr(H)是修定后的原始基本概率分配，αr是置信度系数，Mr(H)是因素fr的模糊综合评估结果即原始基本概率分配，mr(Θ)是不确定证据的概率信度分配；式中所述置信度系数αr根据下式进行计算：
其中，αK为优先置信度系数，wr为开关柜状态指标中的第r个权重，wk为权重中的最大值；
S6、证据融合：执行证据合成计算，求得最后评估等级的综合概率分配，证据合成规则具体如下：
其中，m(Ψ)为证据合成概率分配，m1(A1)m2(A2)…mr(Ar)表示r个评估因素f1,f2,…,fr分别对命题Ψ的概率分配，K反映证据的冲突程度；
S7、证据推理决策：在基于决策基元属性的决策规则中，采用的决策规则是依据决策基元的信度函数值，即采用最大基本概率分配函数规则进行评估目标判定，定义如下：
其中，ε0和ε1为根据专家经验和技术标准预先设定的阈值，HN0为评估等级的判定结果，mr(HN0)为判定结果的基本概率赋值，mr(HN1)为除mr(HN0)外的基本概率赋值的最大值，mr(Θ)为不确定性的基本概率赋值；式中，mr(HN0)和mr(HN1)定义如下：
根据本步骤中定义的证据推理决策规则，确定开关柜运行状态评估等级的判定结果。
进一步，所述步骤S1中，所述评估等级分成优秀、良好、一般、劣化和严重共五个等级。
进一步，所述步骤S4中，通过构建模糊隶属度函数来描述模糊评估模型的指标层指标，并计算指标层的模糊综合评估结果，从而确定证据推理决策评估模型中的原始基本概率分配，其具体包括以下步骤：
S41、引入指标的相对劣化度对状态指标进行归一化，对于那些指标数值越小反映指标状态越好的指标参数，按下式进行计算：
其中，Xrm0表示指标erm状态参数的初值，Xrma表示指标erm状态参数的注意值，Xrm表示指标erm状态参数的实际测量值；
对于那些指标数值越大反映指标状态越好的指标参数，按下式进行计算：
S42、采用半梯形与半岭形相结合的隶属度函数来描述评估指标，具体定义如下：
其中，s1＝1/13，s2＝3/13，s3＝4/13，s4＝6/13，s5＝7/13，s6＝9/13，s7＝10/13，s8＝12/13；
S43、按下式计算指标层的模糊综合评估结果：
其中，Mr(H)是因素fr的模糊综合评估结果，用来表示证据推理决策评估模型中第r个因素的一个原始基本可信度分配；wrm表示指标erm的权重值；式中Pr(H)定义如下：
Pr(H)表示因素fr所属评估等级的隶属度。
与现有技术相比，本发明提供的变电站开关柜多运行状态智能监测系统及评估方法，可以在线监测开关柜内部的运行状态，并对开关柜运行状态实时智能评估，具有灵敏度高和便于安装的特点，由此可以保障供电的可靠性，确保电力用户用电的时效性，满足用户的用电需求，从而提升电网企业安全生产的管理水平。
附图说明
图1是本发明提供的变电站开关柜多运行状态智能监测系统结构示意图。
图2是本发明提供的变电站开关柜运行状态评估模型。
图3是本发明提供的变电站开关柜多运行状态智能评估方法流程示意图。
图4是本发明提供的隶属度函数的分布函数示意图。
图5是本发明提供的开关柜多运行状态智能监测系统试验平台示意图。
图中，1、MCU；2、局部放电传感器；3、温度传感器；4、湿度传感器；5、电压传感器；6、电流传感器；7、电源模块；8、FLASH存储器；9、蓝牙模块；10、RS485模块；11、GPRS模块。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
在本发明的描述中，需要理解的是，术语“纵向”、“径向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参考图1所示，本发明提供一种变电站开关柜多运行状态智能监测系统，包括MCU 1及与MCU 1连接的局部放电传感器2、温度传感器3、湿度传感器4、电压传感器5、电流传感器6、电源模块7、FLASH存储器8、蓝牙模块9、RS485模块10和GPRS模块11；所述局部放电传感器2用于检测开关柜内部的局部放电信号，所述温度传感器3用于检测开关柜内部的温度，所述湿度传感器4用于检测开关柜内部的湿度，所述电压传感器用5于检测开关柜电压互感器二次侧的电压并转化为幅值小的电压，所述电流传感器6用于检测开关柜电流互感器二次侧的电流并转化为幅值小的电压，所述电源模块7用于接入外部电源并转换成各模块用电，所述FLASH存储器8用于存储包括局部放电信号、温度、湿度、电压和电流在内的开关柜多运行状态参数信息，所述蓝牙模块9用于将开关柜多运行状态参数信息通过无线方式传输给主站，所述RS485模块10用于将开关柜多运行状态参数信息通过总线方式传输给主站，所述GPRS模块11用于将MCU 1对于开关柜多运行状态的评估结果通过短信方式发送给管理人员，所述MCU 1中嵌入有开关柜多运行状态智能评估系统。
作为具体实施例，所述MCU 1选用意法半导体公司生产的型号为STM32F215RET6的微控制单元，该微控制单元可以收集局部放电信号参数、温度参数、湿度参数、电压参数和电流参数，并传输至后台。
作为具体实施例，所述局部放电传感器2采用超声波传感器，由此当开关柜内部发生放电现象时，所述超声波传感器可以检测局部放电信号产生的超声波信号，通过与MCU 1连接，实现开关柜内部放电信号的有效采集。
作为具体实施例，所述电压传感器5有三个，其变比为120V/3.53V，一次侧分别接入开关柜高压电压互感器二次侧A相、B相和C相的输出电压，由于开关柜电压互感器的标准输出电压为100V，所以电压传感器5一次侧接入电压为57.74V，因此电压传感器输出电压幅值约为1.70V的电压，且该1.70V的电压输入至MCU 1中。
作为具体实施例，所述电流传感器6有三个，其变比为1.2A/3.53V，一次侧分别接入开关柜高压电流互感器二次侧A相、B相和C相的输出电流，由于开关柜电流互感器的标准输出电流为1A，所以电流传感器6一次侧接入电压为1A，并将该电流转化为幅值约为2.94V的电压，且该2.94V的电压输入至MCU 1中。
作为具体实施例，所述电源模块7接入外施220V交流电压，所述电源模块7带有稳压功能，将电压稳定转换至5V直流电压，供开关柜多运行状态智能监测系统各个模块单元用电。
作为具体实施例，所述FLASH存储器8用于存储开关柜运行过程中的局部放电信号、温度参数、湿度参数、电压参数和电流参数的状态信息，即使遇到断电情况，所有数据均能保存在FLASH存储器8中不受任何影响，因而有效提升了监测系统的可靠性。
针对现有电力运行部门当前仍缺乏对开关柜多种运行状态信息评估的技术问题，本发明还提供一种变电站开关柜多运行状态智能评估方法，该方法采用模糊和证据推理融合，模糊算法可以提高判别的准确度，证据推理方法是当存在多源证据的条件下，对证据进行综合处理，以提炼出最终的基本概率分配和信度函数，根据多参量对开关柜多运行状态进行智能评估，能够满足变电站开关柜多运行状态评估要求，该变电站开关柜多运行状态智能评估方法对应的开关柜多运行状态智能评估系统嵌入在MCU中。
为了解决上述技术问题，本发明采用了如下的技术方案：
请参考图2至图5所示，本发明提供一种变电站开关柜多运行状态智能评估方法，所述方法根据前述的变电站开关柜多运行状态智能监测系统进行智能评估，所述方法具体包括以下步骤：
S1、证据推理决策评估模型框架确定：将表征开关柜多运行状态所有可能假设的评估等级作为证据推理决策评估模型的框架，定义如下：
H＝{H1,H2,...,Hn,...,HN} 式(1)
其中，N是评估等级的个数；作为具体实施例，将开关柜运行状态分成五个评估等级，分别表示状态处于优秀、良好、一般、劣化和严重共五个状态。
S2、开关柜运行状态评估模型建立：根据所述智能监测系统监测的局部放电信号、温度、湿度、电压和电流建立开关柜运行状态评估模型，具体请参考图2所示。
S3、证据推理决策评估模型的独立证据选择：开关柜的局部放电、温度、湿度、电压和电流分别从不同层面反映了开关柜的运行状态，将其看作独立的证据或因素，满足证据理论的合成规则。
S4、根据模糊评估模型确定原始基本概率分配：通过构建模糊隶属度函数来描述模糊评估模型的指标层指标，并计算指标层的模糊综合评估结果，从而确定证据推理决策评估模型中的原始基本概率分配，其具体包括以下步骤：
S41、引入指标的相对劣化度对状态指标进行归一化，对于那些指标数值越小反映指标状态越好的指标参数，按下式进行计算：
其中，Xrm0表示指标erm状态参数的初值，Xrma表示指标erm状态参数的注意值，Xrm表示指标erm状态参数的实际测量值；
对于那些指标数值越大反映指标状态越好的指标参数，按下式进行计算：
具体开关柜运行状态各指标参数如下表1所示：
S42、根据模糊数学理论，一般地，指标不同状态等级的信息可用隶属度函数来描述，如三角形隶属函数、梯形隶属函数等。本发明采用半梯形与半岭形相结合的隶属度函数来描述评估指标，具体定义如下：
其中，s1＝1/13，s2＝3/13，s3＝4/13，s4＝6/13，s5＝7/13，s6＝9/13，s7＝10/13，s8＝12/13；具体隶属度函数的分布函数如图4所示；
S43、按下式计算指标层的模糊综合评估结果：
其中，Mr(H)是因素fr的模糊综合评估结果，用来表示证据推理决策评估模型中第r个因素的一个原始基本可信度分配；wrm表示指标erm的权重值；式中Pr(H)定义如下：
Pr(H)表示因素fr所属评估等级的隶属度。
由表1中的数据，根据模糊隶属度公式(2)～(5)可以计算得到各评估指标的隶属度值如下表2所示：
作为具体实施方式，wrm表示的权重值，采用基于多专家群组决策的改进AHP法计算可得，wrm＝[0.1619，0.1698，0.0726，0.3275，0.2682]。
根据式(6)计算的模糊综合评估结果，从而确定证据推理决策模型中的原始基本概率分配，即模糊综合评估结果就是原始基本概率分配。
S5、置信度系数确定：由于组成评估证据的重要性不同，在进行证据融合前，需要通过确定各个因素的置信度系数，来修定原始基本概率分配，具体修定过程如下：
mr(H)＝αrMr(H) 式(8)
mr(Θ)＝1-αr 式(9)
其中，mr(H)是修定后的原始基本概率分配，αr是置信度系数，Mr(H)是因素fr的模糊综合评估结果即原始基本概率分配，mr(Θ)是不确定证据的概率信度分配；具体在本实施例中，考虑到不同因素的相对重要性不同，所以引入置信度系数αr(r＝1,2,…,r)来修定证据合成前的概率分配，假设开关柜状态指标的权重分别为{w1,…,wr…,w5}，则所述置信度系数αr根据下式进行计算：
其中，αK为优先置信度系数，wr为开关柜状态指标中的第r个权重，wk为权重中的最大值；作为优选实施方式，所述优先置信度系数αK＝0.9。
令wk＝0.3275，则wr＝wr/wk＝[0.4944，0.5185，0.2217，1，0.8189]。所以αr＝[0.4450,0.4667,0.1995,0.9,0.7370],mr(Θ)＝[0.5550,0.5333,0.8005,0.1,0.2630]。因此，根据公式(8)，开关柜运行状态各因素基本概率分配计算结果如下表3所示：
S6、证据融合：执行证据合成计算，求得最后评估等级的综合概率分配；证据合成是证据理论中最核心的内容之一，它的作用是当存在多源证据的条件下，对证据进行综合处理，以提炼出最终的基本概率分配和信度函数。两个证据的合成规则如下：假设存在两个独立的证据提供对命题Ψ的基本概率分配分别为m1(Ψ)和m2(Ψ)，则两个证据合成概率分配m(2)(Ψ)＝m1(Ψ)⊕m2(Ψ)满足下式证据合成规则：
其中，K反映了证据的冲突程度，K值越大，说明证据冲突程度也越大。
对于r个评估因素，如f1,f2,…,fr，可被看作独立存在的r个证据，它们对命题Ψ的基本概率分配分别为m1(A1),m2(A2),…,mr(Ar)，则多个D-S证据合成规则具体如下：
其中，m(Ψ)为证据合成概率分配，m1(A1)m2(A2)…mr(Ar)表示r个评估因素f1,f2,…,fr分别对命题Ψ的概率分配，K反映证据的冲突程度，K值越大，说明证据冲突程度也越大；
证据合成规则是一种严格的＂与＂运算方法，满足交换率和结合率。对开关柜运行状态评估来说，所有因素指标都可以作为独立的证据源进行合成，求得最后评估等级的综合概率分配。作为一种具体实施方式，开关柜运行状态各因素证据融合结果如下表4所示：
S7、证据推理决策：目前，运用证据理论进行决策时，主要运用基于决策基元的证据结构进行决策。在基于决策基元属性的决策规则中，普遍采用的决策规则是依据决策基元的信度函数值，即采用最大基本概率分配函数规则进行评估目标判定，具体定义如下：
其中，ε0和ε1为根据专家经验和技术标准预先设定的阈值，HN0为评估等级的判定结果，mr(HN0)为判定结果的基本概率赋值，mr(HN1)为除mr(HN0)外的基本概率赋值的最大值，mr(Θ)为不确定性的基本概率赋值也即是不确定证据的概率信度分配；式中，mr(HN0)和mr(HN1)定义如下：
根据本步骤中式(15)和式(16)定义的证据推理决策规则，可确定开关柜运行状态评估等级的判定结果即评估结果。
现对式(15)中的评估决策规则解析如下：
①、评估等级的判定结果HN0应具有最大的基本概率赋值分配；
②、判定结果的基本概率赋值mr(HN0)与其它任何的基本概率赋值的差值要大于某一设定的阈值ε0，如取ε0＝0.1；
③、不确定性的基本概率赋值mr(Θ)要小于某一设定的阈值ε1，ε1越小，说明评估结果越准确和越可信，如取ε1＝0.04；
④、不确定性的基本概率赋值mr(Θ)要小于判定结果的基本概率赋值mr(HN0)。
如果上述四条决策规则不能保证同时满足，则评估结果判定失效。具体原因，一方面可能是因为评估选定的证据不足或需要进行更多的评估证据融合；另一方面可能需要重新定义识别框架与评估等级的集合。
将前述变电站开关柜多运行状态智能监测系统在如图5所示的试验平台进行检测，其检测的局部放电信号、温度、湿度、电压和电流参量与标准局部放电脉冲电流信号、标准温湿度检测仪和电压电流信号基本一致；另在附图5中，T1为交流电源，T2为试验变压器，R为保护电阻，CK为耦合电容，O为示波器。根据实验室新投KYN28A-12高压开关柜的检测结果，局部放电超声波信号幅值为5dBi，运行温度为30℃(环境温度为25℃)，湿度为55％，开关柜的电压为10kV，电流为16A，根据模糊和证据推理融合决策智能评估结果，显示该开关柜处于优秀等级，评估结果与开关柜运行状态情况相吻合，利用多因素进行证据融合，可信度较高，最终得到的评估结论清晰而准确。
与现有技术相比，本发明提供的变电站开关柜多运行状态智能监测系统及评估方法，可以在线监测开关柜内部的运行状态，并对开关柜运行状态实时智能评估，具有灵敏度高和便于安装的特点，由此可以保障供电的可靠性，确保电力用户用电的时效性，满足用户的用电需求，从而提升电网企业安全生产的管理水平。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。