一种基于指标不确定性的变压器绝缘状态评估方法与流程

1.本申请涉及变压器评估技术领域，尤其涉及一种基于指标不确定性的变压器绝缘状态评估方法。


背景技术：

2.变压器是电力系统中的关键设备，其运行安全直接影响着整个电网的安全，对变压器绝缘状态进行合理、准确的评估，提前发现存在隐患的变压器对于提升电网的整体安全水平意义重大。
3.目前，对变压器绝缘状态评估的基本思路为建立一个合理的指标体系与权重体系，对变压器的运行状态进行量化打分，从而确定变压器的运行状态。传统的变压器状态评估体系，无论是指标体系的划分或权重体系的组成，均是确定的。但在实际生产过程中，由于变压器包含的状态量极大，通常采用多层的状态评估结构，对于部分状态量，先行基于一定的判据，对其进行状态划分。但是上述确定的状态归属必然会引起一定的误差，考虑到变压器包含的状态量数目，确定状态划分造成的误差将累加，最终严重影响变压器整体状态评估的结果。
4.此外，除状态划分不确定性造成的误差之外，权重设置的不确定性同样也会引入评估误差。对于一个确定的权重设置，无论是基于主观权重或客观权重得到，都忽略了样本数据本身质量可能对权重造成的影响。


技术实现要素：

5.本申请提供了一种基于指标不确定性的变压器绝缘状态评估方法，以解决状态划分和权重设置不确定性造成误差的问题。
6.本申请提供了一种基于指标不确定性的变压器绝缘状态评估方法，包括以下步骤：
7.s1：获取变压器绝缘状态信息；
8.s2：对所述绝缘状态信息进行指标测定，得到指标实际测量值；
9.s3：对所述实际测量值进行归一化处理，得到相对劣化度；
10.s4：根据所述相对劣化度构建判断体系；
11.s5：根据所述判据体系对变压器绝缘状态进行评估。
12.可选的，s2中所述指标包括油色谱分析指标、电气试验指标和油化试验指标；
13.所述油色谱分析指标包括所述c2h2含量、h2含量、总烃绝对产气速率、总烃含量和co绝对产气速率；
14.所述电气试验指标包括极化指数/吸收比、绕组直流电阻、绕组介损和铁芯接地电流；
15.所述油化试验指标包括酸值、微水含量、油击穿电压和油介损。
16.可选的，所述归一化处理是将不同的实际测量指标统一处理为相对劣化度，具体
公式为：
[0017][0018]
其中，x0为初始值，x
a
为警示值，x
r
为实测指标值。
[0019]
可选的，所述构建判断体系包括根据指标的相对劣化度构建所述指标的频数分布图、构建云函数和构建云概念；
[0020]
所述构建云函数包括以下步骤：
[0021]
获取原频率分布函数各个云概念期望e
xi
；
[0022]
根据期望e
xi
计算拟合熵e
ni
；
[0023]
计算概率密度期望函数，得到各个云概念的分布函数。
[0024]
可选的，所述计算概率密度期望函数公式为：
[0025][0026]
其中，e
xi
为期望，e
ni
为熵。
[0027]
可选的，所述构建云概念包括基于不带确定度的逆向云算法，结合指标的相对劣化度求取各个云概念的超熵h
ei
，且将期望e
xi
、熵e
ni
和超熵h
ei
整合。
[0028]
由以上技术方案可知，本申请提供了一种基于指标不确定性的变压器绝缘状态评估方法，包括以下步骤：获取变压器绝缘状态信息；对所述绝缘状态信息进行指标测定，得到指标实际测量值；对所述实际测量值进行归一化处理，得到相对劣化度；根据所述相对劣化度构建判断体系；根据所述判据体系对变压器绝缘状态进行评估。本申请通过快速确定各项指标，同时对各指标进行归一化处理，从而快速的分辨出各指标性能，此外通过建立判据体系，便于更好的反映定性概念的整体特征，并结合相应的指标频数分布图、云函数以及云概念，从而能够快速的对变压器绝缘状态进行评估。
附图说明
[0029]
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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的附图。
[0030]
图1为一种基于指标不确定性的变压器绝缘状态评估方法流程图；
[0031]
图2为本申请变压器绝缘状态评估指标架构图；
[0032]
图3为本申请实施例c2h2频数分布示意图；
[0033]
图4为本申请实施例c2h2拟合概率密度期望曲线及云函数示意图；
[0034]
图5为本申请实施例c2h2云概念图。
具体实施方式
[0035]
下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
[0036]
参见图1，为一种基于指标不确定性的变压器绝缘状态评估方法流程图；方法包括以下步骤：
[0037]
s1：获取变压器绝缘状态信息；
[0038]
s2：对所述绝缘状态信息进行指标测定，得到指标实际测量值；
[0039]
s3：对所述实际测量值进行归一化处理，得到相对劣化度；
[0040]
s4：根据所述相对劣化度构建判断体系；
[0041]
s5：根据所述判据体系对变压器绝缘状态进行评估。
[0042]
其中，参见图2，为本申请变压器绝缘状态评估指标架构图；所述指标包括油色谱分析指标、电气试验指标和油化试验指标；所述油色谱分析指标包括所述c2h2含量、h2含量、总烃绝对产气速率、总烃含量和co绝对产气速率；所述电气试验指标包括极化指数/吸收比、绕组直流电阻、绕组介损和铁芯接地电流；所述油化试验指标包括酸值、微水含量、油击穿电压和油介损。
[0043]
由于各指标的量纲以及描述的变压器部位均存在不同，因此在评估指标体系中，首先需对指标进行归一化处理。将不同的实际测量指标统一处理为相对劣化度。其处理方法如公式所示：
[0044][0045]
其中，x0为初始值，x
a
为警示值，x
r
为实测指标值。当实测指标x
r
大于等于警示值x
a
时，相对劣化度为1，代表该指标性能差，而实测指标x
r
小于等于初始值x0时，相对劣化度为0，该指标未劣化。
[0046]
进一步地，按照相对劣化度，可对变压器状态进行一个分类。参见表1所示，当劣化度处于[0，0.2]区间时，代表指标正常，变压器能够稳定运行，而当劣化度处于[0.7，1]区间时，则代表指标劣化严重，需尽快检修。由表1可以看出，对于一个确定的劣化度，可以得到一个确定的状态分级，当基于多元信息对变压器进行综合评估时，可以融合不同指标对应的状态等级，从而得到变压器的整体状态等级。不过需要指出的是，指标数值对应的状态等级存在一定的不确定性，当按照一个确定的劣化度分级方法对各个指标进行等级划分时，势必会存在一定的误差。随着融合指标的增多，等级归属不确定性造成的误差也会累计，最终对变压器的整体评估结果造成较大的误差。因此需提出一种较为模糊的劣化度归属方
法，降低归属不确定性造成的误差。
[0047]
表1变压器状态分类
[0048][0049]
接着建立判断体系，所述构建判断体系包括根据指标的相对劣化度构建所述指标的频数分布图、构建云函数和构建云概念；所述构建云函数包括以下步骤：获取原频率分布函数各个云概念期望e
xi
；根据期望e
xi
计算拟合熵e
ni
；计算概率密度期望函数，得到各个云概念的分布函数；所述计算概率密度期望函数公式为：
[0050][0051]
其中，e
xi
为期望，e
ni
为熵。
[0052]
所述构建云概念包括基于不带确定度的逆向云算法，结合指标的相对劣化度求取各个云概念的超熵h
ei
，且将期望e
xi
、熵e
ni
和超熵h
ei
整合。最终将整合后的期望e
xi
、熵e
ni
和超熵h
ei
为对应指标的云概念。
[0053]
以指标乙炔c2h2含量为例，当构建指标的频数分布图时，假定我们采样个数为n个，即拥有n个x指标，计为x1，x2......x
n
。假定有n1个x值均为0.1，则可以画出相对劣化度数值与其对应出现频率的关系。参见图3，为本申请实施例c2h2频数分布示意图；横坐标为相对劣化度，纵坐标为劣化度对应的指标出现次数。
[0054]
进一步地，获取原频率分布函数各个云概念期望e
xi
；根据期望e
xi
计算拟合熵e
ni
；计算概率密度期望函数，得到各个云概念的分布函数；由图3所示的数据结果进行上述处理即可得到图4为c2h2拟合概率密度期望曲线及云函数示意图；
[0055]
进一步地，基于不带确定度的逆向云算法，结合表1可进一步求取各个云概念的超熵h
ei
。整合之后得到对应指标的所有云概念c(e
xi
，e
ni
,e
ei
)。仍以c2h2为例，得到其状态判据云概念图如图5所示。对于某一相对劣化值，不再对应唯一的状态等级，而是不同状态等级的概率函数，大幅降低了由于确定判据带来的误差。
[0056]
其中，设c是论域u上的概念。若x∈u是概念c的一次随机实现，x对c的确定度μ(x)∈[0，1]是有稳定倾向的随机数：则x在论域u上的分布称为云，每一个x及其确定度μ(x)称为一个云滴。云由许许多多的云滴组成，每一个云滴是定性概念映射到论域空间的一个点，即概念c的一次随机实现，是一个离散转换过程。云滴的确定度是云滴与定性概念c之间发生关联的桥梁，反映了模糊性，确定度的值也是随机值，可以通过概率分布函数描述。其中，论域u可以是一维的，也可以是多维的。定义中提及的随即实现，是概率意义下的实现。定义中提及的确定度，是模糊集合意义下的隶属度，同时又具有概率意义的分布，体现了模糊性和随机性的关联性。对于任意一个x∈u，x到区间[0，1]上的映射是一对多的变换，x对c的确定度是一个概率分布，不是一个固定的数值。云
由许许多多的云滴组成，云滴之间无时序性，一个云滴是定性概念在数量上的一次实现，云滴越多，越能反映这个定性概念的整体特征。哪个云滴出现的概率大，哪个云滴的确定度就大，该云滴对概念贡献就大。云从自然语言中的基本语言值切入，研究定性概念的量化方法，具有直观性和普遍性。定性概念转换成一些定量值的集合，具体而言，是转换成论域空间中一些点的集合，这是个离散的转换过程，具有偶然性。每个特定点的选取是个随机事件，可以用其概率分布函数来描述。云滴的确定度反映了模糊性，这个值自身也是一个随机值，可以通过概率分布函数来描述。之所以这样命名，是因为在论域空间中，大量云滴构成的云，可伸缩、无边沿，远观有形，近看无边，与自然现象中的云有着相似之处，所以用“云”来命名概念与数值之间的数学转换是很自然的。
[0057]
进一步地，云模型用期望(expected value)、熵(entropy)以及超熵(hyper entropy)这3个数字特征表征一个定性概念。将定性概念的整体特性用3个数字特征来反映，对理解定性概念的内涵和外延有着重要的意义。通过3个数字特征，可以设计不同的算法来生成云滴及确定度，得到不同类型的云模型，从而构造出不同的云。
[0058]
期望为云滴在论域空间分布的期望。期望是论域中最能够代表定性概念的值，或者说这是定性概念量化的最典型样本。距离期望ex越近，云滴越集中，反映出人们对概念的认知越统一；距离期望越远,云滴越稀疏，反映出人们对概念的认知越统一；距离期望越远，云滴越稀疏，反映出人们对概念的认知越不稳定、不统一。
[0059]
熵为定性概念不确定性的度量，由概念的随机性和模糊性共同决定。熵越大，概念表现出的不确定性越强。一方面，en是定性概念随机性的度量，反映了能够代表这个定性概念的云滴的离散程度；另一方面，它又是隶属于这个定性概念的度量，反映了在论域空间可被概念接受的云滴的取值范围。用同一个数字特征来反映随机性和模糊性，反映了他们之间的关联性。
[0060]
超熵为熵的熵，是熵的不确定性度量，也可以称为二阶熵，由熵的随机性和模糊性共同决定。对于一个常识性概念，被普遍接受的程度越高，超熵越小；对于一个在一定范围内能够被接受的概念，超熵越小；对于还难以形成共识的概念，则超熵越大。超熵的引入为常识知识的表示和度量提供了手段。
[0061]
本申请提供了一种基于指标不确定性的变压器绝缘状态评估方法，包括以下步骤：获取变压器绝缘状态信息；对所述绝缘状态信息进行指标测定，得到指标实际测量值；对所述实际测量值进行归一化处理，得到相对劣化度；根据所述相对劣化度构建判断体系；根据所述判据体系对变压器绝缘状态进行评估。本申请通过快速确定各项指标，同时对各指标进行归一化处理，从而快速的分辨出各指标性能，此外通过建立判据体系，便于更好的反映定性概念的整体特征，并结合相应的指标频数分布图、云函数以及云概念，从而能够快速的对变压器绝缘状态进行评估。
[0062]
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。