電力變壓器狀態(tài)評價方法研究

汪 洋，陶悅玥，魏天一，韓 磊，譚 丹，朱 琳

（國網(wǎng)湖北省電力公司技術(shù)培訓中心，湖北 武漢 430079）

電力變壓器狀態(tài)評價方法研究

汪 洋，陶悅玥，魏天一，韓 磊，譚 丹，朱 琳

（國網(wǎng)湖北省電力公司技術(shù)培訓中心，湖北 武漢 430079）

為了使電力變壓器的狀態(tài)檢修的依據(jù)更加準確合理，采用模糊綜合評判方法對電力變壓器的運行狀態(tài)進行評價，對狀態(tài)量以相對劣化度進行量化處理，確定各狀態(tài)量的隸屬度函數(shù)。此外，把權(quán)重系數(shù)問題轉(zhuǎn)化為粗糙集理論中屬性重要性的評價問題，使權(quán)重的分配更加合理；利用模糊綜合評判方法及權(quán)重系數(shù)確定方法，構(gòu)建電力變壓器的狀態(tài)評價模型。最后，實例驗證分析證明了該評價模型能反映電力變壓器整體的狀態(tài)水平，為電力變壓器的狀態(tài)檢修提供合理的決策依據(jù)。

電力變壓器；狀態(tài)評價；粗糙集；模糊綜合評判

0 引言

長期以來，電力變壓器的檢修主要采用基于周期的定期檢修模式（TBM，Time Based Maintenance）和預防性檢修模式（PM，Prevention Maintenance）[1]，即無論電力變壓器是否出現(xiàn)故障都按照規(guī)定的周期對電力變壓器進行檢修。對于出現(xiàn)故障或缺陷的電力變壓器，這種檢修模式不具備及時性和針對性；對沒有缺陷的電力變壓器，這種檢修模式存在強制性，容易產(chǎn)生新故障，造成人力、物力的浪費。因此傳統(tǒng)的檢修模式存在很大的局限性，已經(jīng)不能適應電網(wǎng)發(fā)展的要求。

電力變壓器狀態(tài)檢修（CBM，Condition Based Maintenance）[2]是以電力變壓器當前的工作狀況為依據(jù)，通過先進的狀態(tài)檢測手段、可靠的評價手段和壽命預測手段來判斷電力變壓器的運行狀態(tài)，進而制定檢修策略，保證電力變壓器安全可靠運行。電力變壓器狀態(tài)評價可以及時準確地掌握其工作狀態(tài)，是狀態(tài)檢修的核心。因此，選用合理的評價方法，分析這些評價方法可能存在的問題，是研究電力變壓器狀態(tài)評價方法的必要步驟?？偟膩碚f，開展電力變壓器狀態(tài)評價方法的研究具有重要的理論價值和現(xiàn)實意義。

電力變壓器狀態(tài)評價的方法的研究是國內(nèi)外學者的重要課題，我國在生產(chǎn)實際中運用較為廣泛的是設備評分法。另外，學者們還利用各種數(shù)學方法對電力變壓器進行故障診斷和綜合評價。文獻[3]通過模糊數(shù)學原理確定每個變壓器評價指標的隸屬度函數(shù)，再在隸屬度函數(shù)中代入實測值確定對各個不同狀態(tài)的隸屬度，結(jié)合權(quán)重系數(shù)向量最終做出綜合評價結(jié)果。文獻[4]利用神經(jīng)網(wǎng)絡建立變壓器診斷系統(tǒng)，通過多次學習訓練得到穩(wěn)定的診斷系統(tǒng)，該方法需要較多的樣本。文獻[5]采用云理論建立了電力變壓器故障診斷體系，確定了絕緣狀態(tài)評價體系等級的劃分，并通過權(quán)重的變化描述模糊性和隨機性。文獻[6]提出了代價敏感變分貝葉斯高斯過程（CS-VBGP），并將其應用于變壓器故障診斷和狀態(tài)評價。文獻[7]采用模糊層次法對變壓器診斷中故障因素的重要性進行排序，確定故障中的脆弱因素。文獻[8]提出了基于互補免疫算法的變壓器故障診斷方法，結(jié)合變壓器故障診斷的特點詳細設計了免疫算子，并通過免疫選擇壓縮網(wǎng)絡規(guī)模，其參數(shù)由粒子群算法進行優(yōu)化，增加了故障診斷的準確性。文獻[9]運用模糊聚類和支持向量機建立了變壓器運行狀態(tài)的綜合評價系統(tǒng)。文獻[10]指出變壓器狀態(tài)評價是一個多屬性決策問題，應用證據(jù)理論對變壓器診斷數(shù)據(jù)進行信息融合，來評價變壓器各子系統(tǒng)狀態(tài)等級，但是卻沒有選擇合理的狀態(tài)評價指標。文獻[11]建立了基于狀態(tài)檢修和馬爾可夫過程的變壓器全態(tài)狀態(tài)評價模型，給出了全新的變壓器運行評價的方法。

本文在以上分析的基礎上，采用粗糙集和模糊評價法相結(jié)合的方法確定變壓器的運行狀態(tài)。粗糙集確定變壓器各狀態(tài)量的權(quán)重，模糊評價確定變壓器狀態(tài)的隸屬度，從而得出變壓器最終的運行狀態(tài)。

1 電力變壓器狀態(tài)評價的方法

1.1 粗糙集

粗糙集理論[12]是一種能夠有效分析處理不精確、不完備、不確定信息的數(shù)據(jù)分析理論。粗糙集理論能客觀地分析數(shù)據(jù)信息內(nèi)在的規(guī)則，不受主觀因素的影響[13-15]。本文主要是利用粗糙集理論的屬性重要性原理界定狀態(tài)量依賴度和重要度來確定狀態(tài)量的權(quán)重系數(shù)。

采用粗糙集確定權(quán)重系數(shù)的思路[16]主要是從決策表中去掉一種屬性，觀察分析在去掉該屬性的條件下決策表中分類結(jié)果引起的變化情況。本文采用改進的粗糙集算法[17]，引入了條件熵的概念，使每個條件屬性的權(quán)重系數(shù)值都不為0，能真實反映每個條件屬性的相對重要程度。權(quán)重系數(shù)確定算法如下。

1）條件熵的計算

在決策表 DT=(U,A,V,f)中，A=C?D，C?D=? ，C={C1,C2,...,Cm}為條件屬性集，D={D1,D2,...,Dk}為決策屬性集，D相對于C的條件熵為

條件熵I(|D{c})說明了系統(tǒng)中條件屬性Ci自身的重要程度。

2）重要度的計算

在決策表 DT=(U,A,V,f)中，?c∈C，a∈C，則條件屬性c的重要度

式中a(x)=U/{a}。重要度sig(c)說明了條件屬性c在整個條件屬性中的重要程度。

3）權(quán)重系數(shù)計算

在決策表 DT=(U,A,V,f)中，?c∈C，則條件屬性c的權(quán)重系數(shù)

根據(jù)文獻[15]的證明，上述條件屬性重要度具有單調(diào)上升的性質(zhì)，保證了權(quán)重系數(shù)能真實反映條件屬性的現(xiàn)實意義。

1.2 模糊綜合評判方法

模糊綜合評判(fuzzy comprehensive evaluation，F(xiàn)CE)就是以模糊數(shù)學為基礎，按照給定目標，應用模糊集理論對各對象進行分類排序的過程，可廣泛應用于具有模糊性的各種綜合評價中。由于它把被評價事物的變化區(qū)間做出劃分，又對事物屬于各個等級的程度做出分析，較好地克服了指標屬性的模糊性，使得描述更加深入和客觀[18]。

模糊綜合評判的基本結(jié)構(gòu)如圖1所示，主要由因素集、評判集和模糊映射三個基本要素構(gòu)成。

圖1所示為單層結(jié)構(gòu)，實際中評判對象較多時，往往進行分層評價，多層次模糊綜合評判的基本過程如下[19-20]。

建立評判對象的因素集U，

圖1 模糊綜合評判的基本結(jié)構(gòu)示意圖Fig.1 The basic structure of FCE

評判對象的因素集是所選擇的能表征設備健康性能狀態(tài)量的集合，在多層次結(jié)構(gòu)中，狀態(tài)量將被劃分成多個子集。

建立評判對象的評判集V，

評判對象的評判集是模糊綜合評判的最終結(jié)果，體現(xiàn)出了評判的模糊性。評判集的個數(shù)一般在4～9之間。如評判集個數(shù)過多，則不易判斷對象的等級歸屬；如評判集個數(shù)過少，則達不到所規(guī)定的要求。本文評判集個數(shù)為4，對應變壓器運行狀態(tài)的正常、注意、異常和嚴重四個狀態(tài)等級。

建立評判對象的權(quán)重集A，

本文由粗糙集計算各狀態(tài)量的權(quán)重系數(shù)，從而得到權(quán)重集。

根據(jù)隸屬度函數(shù)，建立模糊評判矩陣R，

式中rij是評判因素ui對應評判集中vj的隸屬度函數(shù)關系。若是多層次，則需要結(jié)合權(quán)重分配得到評判矩陣。

得出綜合評價向量B，

式中“°”表示模糊算子。

2 電力變壓器狀態(tài)評價體系

本文基于粗糙集和模糊集綜合評斷方法對電力變壓器進行狀態(tài)評價，建立狀態(tài)評價體系，體系建立的步驟如下。

（1）首先對現(xiàn)有表征變壓器運行狀態(tài)的狀態(tài)量及運行參數(shù)進行統(tǒng)計。

（2）根據(jù)得到的狀態(tài)量和參數(shù)進行隸屬度的歸類并根據(jù)粗糙集計算每個狀態(tài)量對應的權(quán)重系數(shù)，由權(quán)重系數(shù)判斷狀態(tài)量的重要程度，從而選擇具有代表性的狀態(tài)量建立狀態(tài)量集合。

（3）根據(jù)選定的狀態(tài)量及權(quán)重系數(shù)，將所研究設備的運行參數(shù)進行隸屬度確定，并根據(jù)模糊綜合評判方法得到評判矩陣R。

（4）由權(quán)重系數(shù)矩陣 A和評判矩陣R得到設備的最終的評價矩陣，在最后的評價矩陣中依次代表了設備為正常、注意、異常、和嚴重四種狀態(tài)隸屬度，一般認為設備處于隸屬度較大的運行狀態(tài)下。根據(jù)本文的研究思路，得到電力變壓器狀態(tài)評價流程如圖2所示。

圖2 電力變壓器狀態(tài)評價流程圖Fig.2 State assessment flowchart of power transformer

對于狀態(tài)量權(quán)重的計算采用公式（1）～（3）進行求解，按照現(xiàn)有的變壓器的運行參數(shù)以及現(xiàn)有的檢修策略選擇相對重要的參數(shù)作為狀態(tài)量，通過對工程實際中電力變壓器狀態(tài)評價工作的調(diào)研，在力求完善、避免人力物力的浪費的前提下，利用實際中可以獲取到的數(shù)據(jù)，并參考了電力變壓器的相關國家標準[21]和輸變電設備狀態(tài)檢修試驗規(guī)程[22]，本文從原始資料、運行巡視、預防性測試以及油絕緣特性四個方面進行了統(tǒng)計和篩選，考慮日常檢修以及變壓器運行中的關鍵參數(shù)，給出了電力變壓器狀態(tài)評價的狀態(tài)量集合，一共統(tǒng)計了21個狀態(tài)量，具體的狀態(tài)量及性質(zhì)見表1所示。文中提及的狀態(tài)量主要是針對電壓等級為110 kV及以上的電力變壓器。

表1 狀態(tài)量集合Tab.1 The state quantity set

在電力變壓器狀態(tài)量中既包含了部分定性指標，也包含了定量指標，在計算時需將兩類指標進行量化和歸一化處理。對于定性指標首先進行離散處理，即分為正常、注意、異常、和嚴重四種狀態(tài)。對于定量指標按照隸屬度函數(shù)進行處理。

其中，關于隸屬度函數(shù)本文選擇三角形和半梯形組合模糊分布，求取狀態(tài)量的隸屬度函數(shù)。如圖3所示，橫坐標為狀態(tài)量值，縱坐標為隸屬度。該模糊分布計算簡單，與其他復雜分布結(jié)果差別不大，能夠滿足要求。

圖3 三角形和半梯形組合模糊分布圖Fig.3 Fuzzy distribution combined by triangular and semi trapezoidal

本文選擇四個評判等級，橫坐標取參量的相對劣化度，對應每一級的隸屬度函數(shù)計算公式如下。

第一級隸屬度函數(shù)為

為了統(tǒng)一比較不同狀態(tài)量對設備的影響程度，引入相對劣化度的概念表征當前實際狀態(tài)與故障狀態(tài)相比的劣化程度，其數(shù)值在[0，1]范圍內(nèi)，0表示狀態(tài)量沒有出現(xiàn)劣化，1表示狀態(tài)量完全劣化，根據(jù)不同的值表示狀態(tài)量劣化的程度。

確定隸屬度函數(shù)的過程在本質(zhì)上是客觀的，但也存在一定的主觀因素，因此需要根據(jù)設備的實際運行情況和現(xiàn)場數(shù)據(jù)反映不斷地進行調(diào)整，以滿足評價設備的真實評價體系。橫坐標的取值用改進的模糊統(tǒng)計試驗法分析，即對每一項指標對應于等級的描述切合度取平均值，結(jié)合實際獲取的劣化程度，計算隸屬度函數(shù)，以減小誤差。

模糊綜合評判最終的評判結(jié)果通過B=A°R計算得到，根據(jù)不同的評判要求，有相對應的模糊算子模型[23-24]。本文選擇模型V ，即 M=(·，⊕)或M=+)，也即

式中 j=(1,2…,n),a?[0,1]。該模型隸屬度rij同樣被修正為=，但最后的綜合評價 bj是所有單因素的加權(quán)平均值，ai為單個因素的權(quán)重系數(shù)。

該模型在不失一般性的前提下，既可以考慮到所有因素對電力變壓器的綜合評價，又可以保留每一個因素的信息，可以較大限度地符合實際需求。結(jié)合最大隸屬度原則，通過綜合評價后的結(jié)果，最終選擇相應的評價等級作為該設備的運行狀態(tài)。

3 應用實例

本文收集了某地區(qū)110 kV及以上電力變壓器的狀態(tài)量數(shù)據(jù)及對應的變壓器狀態(tài)，由原始數(shù)據(jù)計算各狀態(tài)量的權(quán)重值結(jié)果見表2。從狀態(tài)量權(quán)重值的計算結(jié)果看，原始資料對變壓器運行的影響相對較低，而變壓器中油絕緣特性中的各個狀態(tài)量權(quán)重較高，這與實際變壓器運行檢修是一致的，目前以變壓器油分解氣體的三比值法進行故障診斷已經(jīng)是相對成熟的技術(shù)。

表2 狀態(tài)量權(quán)重值Tab.2 The weights of state quantity

根據(jù)狀態(tài)量的標準限值以及設備運行的經(jīng)驗得到各狀態(tài)量的隸屬度函數(shù)，即根據(jù)不同的狀態(tài)量確定隸屬度函數(shù)表達式中x1～x7的值。以狀態(tài)量X9短路阻抗為例，簡要說明隸屬函數(shù)的求解過程。首先統(tǒng)計X9短路阻抗邊界分布情況，見表3。

表3 X9短路阻抗邊界分布統(tǒng)計結(jié)果Tab.3 Border distribution statistical results of short-circuit impedance

求得 x1～x7的加權(quán)平均值依次為0.175，0.30，0.395，0.595，0.71，0.815，0.905 。由隸屬函數(shù)的計算方法公式（9）～（12）可以得到 X9短路阻抗在四種運行狀態(tài)下的隸屬函數(shù)為

同理可得到其他狀態(tài)量的隸屬函數(shù)表達式。

現(xiàn)已知某正常運行的電力變壓器的狀態(tài)量參數(shù)，將其代到隸屬函數(shù)的表達式，即可求得模式評判矩陣斷矩陣R，結(jié)合表2中的狀態(tài)量權(quán)重，即可求得綜合評價矩陣，計算結(jié)果見表4。

表4 某電力變壓器狀態(tài)量隸屬系數(shù)Tab.4 State quantity subjection coefficient of a power transformer

將各狀態(tài)量權(quán)重與模糊評判矩陣相乘，得到

該設備處于正常、注意、異常、和嚴重四種狀態(tài)的隸屬度分別為0.788 6、0.095 0、0.028 0和0.003 7，根據(jù)最大隸屬度原則，評價結(jié)果表明變壓器為正常狀態(tài)，說明該電力變壓器整體運行穩(wěn)定，與實際工程反應的情況相同，與專家評價系統(tǒng)的評判結(jié)果一致，也驗證了本文評價方法的有效性和準確性。同時，本文采用了文獻[25]中的方法對該變壓器的狀態(tài)量進行權(quán)重計算,并結(jié)合本文的隸屬度計算方法運行狀態(tài)進行評估，得到的最終的評判矩陣為

兩種計算方法得到的評價結(jié)果一致，但是不同狀態(tài)的隸屬度略有不同，且計算中發(fā)現(xiàn)，采用文獻[25]中的方法計算權(quán)重時主觀性較強，且不同的分層方法導致最后的評價結(jié)果有一定差異。

4 結(jié)論

本文建立了電力變壓器狀態(tài)評價體系,結(jié)合電力變壓器運行的原始數(shù)據(jù)，采用粗糙集確定電力變壓器狀態(tài)量的權(quán)重系數(shù)，采用模糊綜合評判方法判斷電力電壓器運行狀態(tài)，規(guī)避了常見的電力變壓器狀態(tài)評價方法中的主觀因素。最后列舉實例對本文的電力變壓器狀態(tài)評價方法進行分析驗證，通過與實際中常用的設備評分法進行對比，證明本文提出的電力變壓器狀態(tài)評價方法能夠合理科學地反映電力變壓器的運行情況，能對電力變壓器的運行狀態(tài)進行客觀準確的判定，為建立變壓器狀態(tài)檢修體系提供了一種新方法。

（References）

[1] 中華人民共和國電力部.DL/T 573-95電力變壓器檢修導則[S].北京：中國電力出版社,1996.People'sRepublicofChinaMinistry ofElectric Power.DL/T 573-95 Guide for maintenance of power transformers[S].Beijing：China Power Press,1996.

[2] 陳三運.輸變電設備的狀態(tài)檢修[M].北京：中國電力出版社,2004.CHEN Sanyun. Condition-based maintenance of power transmission and transformation equipments[M].Beijing：China Power Press,2004.

[3] Halstead W D.A thermodynamic assessment of the formation of gaseous hydrocarbons in faulty transformers[J].J Inst Pet,1973,59：239-241.

[4] 章劍光,周浩,項燦芳.基于Super SAB神經(jīng)網(wǎng)絡算法的主變壓器故障診斷模型[J].電工技術(shù)學報,2004,19(7)：49-52.ZHANG Jianguang,ZHOU Hao,XIANG Canfang.Main transformer fault diagnosis model based on Super SAB neural network algorithm[J].Transactions of China Electrotechnical Society,2004,19(7)：49-52.

[5] 張鐿議,廖瑞金,楊麗君,等.基于云理論的電力變壓器絕緣狀態(tài)評估方法[J].電工技術(shù)學報,2012,27(5)：13-20.ZHANG Yiyi,LIAO Ruijin,Yang Lijun,et al.Evaluation method of insulation state of power transformer based on cloud theory[J].Transactions of China Electrotechnical Society,2012,27(5)：13-20.

[6] 尹金良,朱永利,鄭曉雨,等.代價敏感VBGP在變壓器故障診斷中的應用[J].電工技術(shù)學報,2014,29(3)：222-227.YIN Jinliang,ZHU Yongli,ZHENG Xiaoyu,et al.Application of cost sensitive VBGP in transformer fault diagnosis[J].Transactions of China Electrotechnical Society,2014,29(3)：222-227.

[7] 徐建軍,閆麗梅,劉小斌.模糊層次分析法在變壓器脆性分析中的應用[J].電工技術(shù)學報,2005,20(2)：94-98.XU Jianjun,YAN Limei,LIU Xiaobin.Application of fuzzy analytic hierarchy process in transformer brittleness analysis[J].Transactions of China Electrotechnical Society,2005,20(2)：94-98.

[8] 苑津莎,張利偉,李中,等.基于互補免疫算法的變壓器故障診斷[J].電工技術(shù)學報,2015,30(24)：67-75.YUAN Jinsha,ZHANG Liwei,LIZhong,etal.Transformer fault diagnosis based on complementary immune algorithm[J].Transactions of China Electrotechnical Society,2015,30(24)：67-75.

[9] 李贏,舒乃秋.基于模糊聚類和完全二叉樹支持向量機的變壓器故障診斷[J].電工技術(shù)學報,2016,31(4)：64-70.LI Ying,SHU Naiqiu.Transformer fault diagnosis based on fuzzy clustering and complete two tree support vector machine[J].Transactions of China Electrotechnical Society,2016,31(4)：64-70.

[10] Tang W H,Spurgeon K,Wu Q H,et al.An evidential reasoning approach to transformer condition assessments[J].IEEE Transactions on Power Delivery,2004,19(4)：1696-1703.

[11] 張樺,魏本剛,李可軍,等.基于變壓器馬爾可夫狀態(tài)評估模型和熵權(quán)模糊評價方法的風險評估技術(shù)研究[J].電力系統(tǒng)保護與控制,2016,44(5)：134-140.ZHANG Hua,WEI Bengang,LI Kejun,et al.Research on risk assessment of transformer based on Markov model and entropy weight fuzzy evaluation method[J].Power System Protection and Control,2016,44(5)：134-140.

[12] Pawlak Z.Rough sets[J].International Journal of ComputerandInformationScience,1982,11：34l-356.

[13] Pawlak Z,Slowiriski R.Decision analysis using rough sets[J].International Transactions on Operational Research,1994,1：104-107.

[14] 謝松,鄒陽,蔡金錠.基于模糊粗糙集的變壓器油紙絕緣狀態(tài)評估[J].儀器儀表學報,2017(1)：190-197.XIE Song,ZOU Yang,CAI Jinding.Transformerpaper oil insulation condition assessment based on fuzzy rough set[J].Chinese Journal of Scientific Instrument,2017(1)：190-197.

[15] 王長忠,陳德剛.基于粗糙集的知識獲取理論與方法[M].哈爾濱：哈爾濱工業(yè)大學出版,2010：18.Wang Changzhong,Chen Degang.Theory and method of knowledge acquisition based on rough set theory[M].Harbin：Harbin Institute of Technology Press,2010：18.

[16] 程其云,張曉星,周湶,等.基于粗糙集數(shù)據(jù)挖掘的配電網(wǎng)小區(qū)空間負荷預測方法研究[J].電工技術(shù)學報,2005,20(5)：98-102.CHENG Qiyun,ZHANG Xiaoxing,ZHOU Quan,et al.Research on spatial load forecasting method for distribution network based on rough set data mining[J].Transactions of China Electrotechnical Society,2005,20(5)：98-102.

[17] 譚宗鳳,除章艷,王帥,等.一種改進的粗糙集權(quán)重方法[J].計算機工程與應用,2012,48(18)：115-118.TAN Zongfeng,CHU Zhangyan,WANG Shuai,et al.An improved method of rough set weight[J].ComputerEngineering and Applications,2012,48(18)：115-118.

[18] Tomsovic K,Tapper M,Ingvarsson T.A fuzzy information approach to integrating different transformer diagnostic methods[J].IEEE Transactions on Power Delivery,1993,8(3)：1638-1646.

[19] Kalavathi M S,Reddy B R,Singh B P.Transformer fault diagnosis using fuzzy logic and neural network[C]//Annual Report Conf.Electrical Insulation and Dielectric Phenomena， 2005， 10：486-489.

[20] Su Q,Mi C,Lai L L,et al.A fuzzy dissolved gas analysis method for the diagnosis of multiple incipient faults in a transformer[J].IEEE Transactions on Power Systems,2000,15(2)：593-598.

[21] IX-IEC.電力變壓器.第1部分：總則[S].北京：國家電網(wǎng)公司，2011.IX-IEC.Power transformer.The first part：General[S].Beijing：State Grid Corporation,2011.

[22] CN-DL.輸變電設備狀態(tài)檢修試驗規(guī)程[S].北京：國家電網(wǎng)公司，2010.CN-DL.Test code for condition maintenance of power transmission equipment[S].Beijing：State Grid Corporation,2010.

[23] 米朝清,司馬文霞,蔣興良,等.基于模糊聚類的輸電線路電氣外絕緣選擇方法[J].高電壓技術(shù),2003,29(10)：13-15.MI Chaoqing,SIMA Wenxia,JIANG Xingliang,et al.Transmission line externalinsulation selection method based on fuzzy clustering[J].High Voltage Technology,2003,29(10)：13-15.

[24] 李英姿.基于模糊數(shù)學理論的電氣設備狀態(tài)監(jiān)測與故障診斷[D].福州：福州大學,2003.LI Yingzi.Condition monitoring and fault diagnosis of electrical equipment based on fuzzy mathematics theory[D].Fuzhou：Fuzhou University,2003.

[25] 陳利,汪穎翔,邵翠玲,等.層次分析法在SF6斷路器狀態(tài)量權(quán)重確定中的應用[J].陜西電力,2014,42(6)：46-49.CHEN Li,WANG Yingxiang,SHAO Cuiling,et al.Application of analytic hierarchy process in determining the weight of SF6circuit breaker[J].Shaanxi Electric Power,2014,42(6)：46-49.

The Study of Methods of Power Transformer State Assessment

WANG Yang，TAO Yueyue，WEI Tianyi，HAN Lei，TAN Dan，ZHU Lin
（State Grid Hubei Electric Power Company Technology Training Center,Wuhan Hubei 430079,China）

In order to make the basis for the condition based evaluation of power transformer more accurate and reasonable,an fuzzy comprehensive evaluation method is used to evaluate the operation state of power transformer,the relative degree of deterioration is quantified to determine the membership function of each state.In addition,the weighting factor for the state variable is transformed into attribute importance of rough set theory which makes allocation of weights more rational.The power transformer condition evaluation model is constructed by fuzzy comprehensive evaluation method and weighting factor determination method.In the end,case analysis shows that the evaluation model can reflect the state of the overall level of power transformer,and provides a reasonable basis for the condition evaluation of power transformers.

power transformer;state evaluation;rough set theory;fuzzy comprehensive evaluation

TM315

A

1006-3986(2017)03-0025-07

10.19308/j.hep.2017.03.006

2017-02-10

汪 洋(1988),男，湖北黃岡人，碩士，助理講師。