魏東亮,蔣逸雯,彭浩,薛峰,李海濤,謝建容,李黎
(1. 廣東電網(wǎng)有限責(zé)任公司東莞供電局,廣東 東莞 523008; 2.華中科技大學(xué) 電氣與電子工程學(xué)院,湖北 武漢 430074; 3. 上海啟亦電子科技有限公司,上海 200052)
避雷器多用于吸收內(nèi)部開關(guān)操作或外部雷擊引起的過(guò)電壓相關(guān)的能量,從而將其幅度限制在可接受的安全值,而過(guò)電壓被認(rèn)為是電氣設(shè)備故障和意外中斷的主要原因[1-2]。因此,避雷器在保護(hù)高壓設(shè)備、維持供電穩(wěn)定性方面發(fā)揮著重要作用[3-4]。
隨著電網(wǎng)經(jīng)濟(jì)性和安全性要求的提高,無(wú)停電的電力避雷器在線狀態(tài)檢修是設(shè)備檢修模式的必然趨勢(shì)[5-7],為了實(shí)現(xiàn)狀態(tài)檢修,基于監(jiān)測(cè)數(shù)據(jù)挖掘分析的故障預(yù)判和狀態(tài)評(píng)估必不可少[8-11]。近十年來(lái),研究人員提出了多種基于智能信息處理技術(shù)的電力設(shè)備故障診斷算法,如貝葉斯模型法[12-13]、模糊數(shù)學(xué)法[14]、證據(jù)理論[15-16]、物元理論[17]、高維隨機(jī)矩陣模型[18]等。這些算法大多缺乏對(duì)各狀態(tài)參數(shù)的相關(guān)性分析,指標(biāo)量之間互相孤立。在電網(wǎng)大數(shù)據(jù)的背景下,提取表征設(shè)備不同故障類型的各類指標(biāo)量,能更直觀反映數(shù)據(jù)間的關(guān)聯(lián)程度,提高數(shù)據(jù)的利用效率。
避雷器所處環(huán)境復(fù)雜,對(duì)其進(jìn)行狀態(tài)評(píng)估不僅需要考慮隨機(jī)不確定因素,還涉及到模糊不確定及信息不完全所導(dǎo)致的不確定等[19]。物元理論、集對(duì)理論[20]等方法主觀性較強(qiáng),評(píng)估結(jié)果易受專家影響。與之相比,云評(píng)估模型考慮到模糊性和隨機(jī)性,并兼顧客觀規(guī)律性;同時(shí),改進(jìn)的證據(jù)理論不但能解決證據(jù)沖突問題,而且能擴(kuò)大評(píng)估等級(jí)間的隸屬度差異,凸顯化評(píng)估效果。
鑒于此,本文將云理論和改進(jìn)證據(jù)理論結(jié)合,提出一種基于避雷器多源異構(gòu)數(shù)據(jù)的狀態(tài)評(píng)估模型。該模型在避雷器在線監(jiān)測(cè)、停電檢修、帶電測(cè)試、現(xiàn)場(chǎng)巡檢等大數(shù)據(jù)中選取能反映不同故障類型的典型指標(biāo)量;利用云理論實(shí)現(xiàn)隸屬度函數(shù)求取,并確定原始基本概率分配;依據(jù)矩估計(jì)理論提出權(quán)重求取算法,綜合考慮了指標(biāo)量的主客觀因素;引入改進(jìn)證據(jù)理論,降低證據(jù)間沖突,并區(qū)分?jǐn)?shù)值相近的信息,從而確定運(yùn)行狀態(tài)。
金屬氧化物避雷器因長(zhǎng)期承受雷擊過(guò)電壓和操作過(guò)電壓,或因使用年限過(guò)長(zhǎng)、所處環(huán)境濕熱,極易發(fā)生閥片老化、內(nèi)部受潮、表面裂化等不同類型故障[21],故避雷器的狀態(tài)評(píng)估實(shí)際是一個(gè)多屬性決策問題,主要可從故障類型及其相關(guān)指標(biāo)量考慮。本文參考金屬氧化物避雷器狀態(tài)評(píng)價(jià)導(dǎo)則[22],結(jié)合實(shí)際運(yùn)行檢修經(jīng)驗(yàn),將避雷器的故障歸納為內(nèi)部受潮(F1)、絕緣老化(F2)、外絕緣污穢或老化(F3)、異常放電(F4)這4種類型,并選取典型指標(biāo)量有效反映避雷器運(yùn)行狀況[23],具體結(jié)果如圖1和表1所示。
表1中,I1、I2、I6為停電檢修指標(biāo);I3、I4、I10為帶電測(cè)試指標(biāo);I5、I11為在線監(jiān)測(cè)指標(biāo);I7、I9為現(xiàn)場(chǎng)巡檢指標(biāo);I8、I12為基本信息指標(biāo)。因此,典型指標(biāo)不僅考慮了避雷器基本信息,還涉及在線監(jiān)測(cè)、帶電測(cè)試、停電檢修、現(xiàn)場(chǎng)巡檢等多源數(shù)據(jù)。
圖1 避雷器典型故障類型及對(duì)應(yīng)指標(biāo)量Fig.1 Typical fault types and corresponding indexes of arrestors
表1 典型指標(biāo)
Tab.1 Typical indexes
編號(hào)指標(biāo)定義編號(hào)指標(biāo)定義I1直流1 mA下參考電壓U1mAI7本體外絕緣表面情況I20.75U1mA下的泄漏電流I8密封件運(yùn)行年限I3運(yùn)行電壓下的泄漏電流I9外套與法蘭結(jié)合情況I4運(yùn)行電壓下的阻性電流I10局部放電量I5電阻片芯組溫升I11紫外成像監(jiān)測(cè)I6底座絕緣電阻I12外絕緣抗污能力
因不同指標(biāo)的量綱與數(shù)量級(jí)存在差異,導(dǎo)致數(shù)據(jù)較難統(tǒng)一計(jì)算,故需要對(duì)各指標(biāo)量進(jìn)行歸一化處理。對(duì)于定量指標(biāo)(即I1、I2、I3、I4、I5、I6、I8、I10)類的指標(biāo)量,可將其計(jì)算轉(zhuǎn)為量綱一的量。如絕緣電阻等越大越優(yōu)類型的指標(biāo)量,采用式(1)計(jì)算;如泄漏電流等越小越優(yōu)類型的指標(biāo)量,采用式(2)計(jì)算。
(1)
(2)
式(1)、(2)中:歸一化值x為相對(duì)劣化度;xm為實(shí)測(cè)值;maxxm和minxm為《電力設(shè)備預(yù)防性試驗(yàn)規(guī)程》[24]定義的最大值和最小值。
對(duì)于定性指標(biāo)(即I7、I9、I11、I12)類的指標(biāo)量,本文通過(guò)建立不同的專家評(píng)分表將其轉(zhuǎn)換為[0,1]間的常數(shù),具體評(píng)分標(biāo)準(zhǔn)見表2。
表2 定性指標(biāo)I7、I9、I11、I12的語(yǔ)義描述及相應(yīng)評(píng)分值
Tab.2 Semantic descriptions and corresponding scores of qualitative indexes I7、I9、I11and I12
定性指標(biāo)語(yǔ)義描述xI7硅橡膠憎水性異常,外絕緣破損0~0.2硅橡膠憎水性能良好,外絕緣破損0.2~0.5硅橡膠憎水性異常,外絕緣未破損0.5~0.8硅橡膠憎水性良好,外絕緣未破損0.8~1I9外套與法蘭連接螺栓松動(dòng)、脫落0~0.4外套與法蘭結(jié)合情況較為良好0.4~0.7外套與法蘭結(jié)合緊密0.7~1I111 min內(nèi)放電光斑數(shù)量大于5 0000~0.21 min內(nèi)放電光斑數(shù)量為1 000~5 0000.2~0.51 min內(nèi)放電光斑數(shù)量為500~1 0000.5~0.81 min內(nèi)放電光斑數(shù)量小于5000.8~1I12外絕緣最小公稱爬電比距大于1.1S0~0.2外絕緣最小公稱爬電比距為0.9S~1.1S0.2~0.5外絕緣最小公稱爬電比距為0.6S~0.9S0.5~0.8外絕緣最小公稱爬電比距小于0.6S0.8~1
注:S為不同污穢等級(jí)地區(qū)的爬電比距限值。Ⅰ級(jí)輕污穢地區(qū),S=17 mm/kV;Ⅱ級(jí)中等污穢地區(qū),S=20 mm/kV;Ⅲ級(jí)重污穢地區(qū),S=25 mm/kV;Ⅳ級(jí)特重污穢地區(qū),S=31 mm/kV。
由圖1可得,指標(biāo)量集合可為{Xe1,Xe2,…,XeM}(e=1,2,…,E)。同時(shí),將避雷器運(yùn)行狀態(tài)分為“良好狀態(tài)(等級(jí)L1,概率為P(L1))”“正常狀態(tài)(等級(jí)L2,概率為P(L2))”“注意狀態(tài)(等級(jí)L3,概率為P(L3))”“異常狀態(tài)(等級(jí)L4,概率為P(L4))”“嚴(yán)重狀態(tài)(等級(jí)L5,概率為P(L5))”共5種等級(jí),故評(píng)估等級(jí)集合L={L1,L2,…,LN}。M為指標(biāo)量個(gè)數(shù),N為評(píng)估等級(jí)個(gè)數(shù),E為故障類型個(gè)數(shù),本文中,M根據(jù)故障類型確定,N=5,E=4。
云理論用自然語(yǔ)言客觀反映了模糊性與隨機(jī)性,描述了定性描述與定量數(shù)據(jù)間的映射關(guān)系,典型模型的數(shù)字特征示意圖如圖2所示。
圖2 云模型的3個(gè)數(shù)字特征示意圖Fig.2 Three digital features of the cloud model
如圖2所示,云模型的數(shù)字特征可以表示為(Ex,En,He)。期望Ex反映云的重心位置,本文中代表了避雷器典型指標(biāo)量在數(shù)域上的坐標(biāo);熵En描述了數(shù)域中可被接受的不確定程度,本文中反映了采集數(shù)據(jù)的隨機(jī)性與數(shù)據(jù)所處等級(jí)的模糊性;超熵He表示每個(gè)數(shù)據(jù)對(duì)應(yīng)語(yǔ)言值確定性的凝聚性,本文中反映各指標(biāo)之間的關(guān)聯(lián)性。
模糊性可由隸屬度描述,隸屬度rij表示第i個(gè)指標(biāo)量屬于第j個(gè)狀態(tài)等級(jí)的可能性。根據(jù)相對(duì)劣化度和運(yùn)行狀態(tài)之間的關(guān)系,x的5個(gè)劣化度級(jí)別區(qū)間確定為:[0,a)、[a,b)、[b,c)、[c,d)、[d,+∞),表3為不同指標(biāo)等級(jí)界限a、b、c、d的數(shù)值。結(jié)合(Ex,En,He)可得云模型的數(shù)字特征(見表4),根據(jù)正態(tài)云生成算法[25],即可生成單指標(biāo)量的正態(tài)云模型。
表3 避雷器狀態(tài)評(píng)估等級(jí)界限
Tab.3 Grade limits of arrestor condition assessment
指標(biāo)abcdI10.10.20.250.3I20.30.60.90.95I30.20.50.750.85I40.20.40.750.8I50.40.60.80.9I60.20.40.60.8I70.20.50.60.8I80.10.50.60.85I90.20.40.60.8I100.20.40.60.8I110.20.50.60.8I120.20.50.60.8
表4 云模型的隸屬度確定方法
Tab.4 Determination method for membership degree of the cloud model
評(píng)估等級(jí)ExjEnjHeL10(Ex2-Ex1)/60.01L2(a+b)/2(Ex2-Ex1)/60.01L3(b+c)/2(Ex3-Ex2)/60.01L4(c+d)/2(Ex4-Ex3)/60.01L5d(Ex5-Ex4)/60.01
注:Exj、Enj分別為評(píng)估等級(jí)Lj(j=1,2,…,N)相應(yīng)的期望值、熵值。
以底座絕緣電阻為例,生成的云模型如圖3所示。
圖3 底座絕緣電阻的云模型Fig.3 The cloud model of base insulation resistance
在M個(gè)指標(biāo)量中,選擇第i個(gè)指標(biāo)量Xi,確定等級(jí)界限a—d和云模型,若每個(gè)指標(biāo)量均產(chǎn)生P朵云,則M個(gè)指標(biāo)量共產(chǎn)生P×M朵云。讀取避雷器試驗(yàn)指標(biāo)數(shù)據(jù)X0,若Xi=X0時(shí),與某一朵正態(tài)云模型的交點(diǎn)有V個(gè)云滴,則取此V個(gè)云滴的隸屬度均值作為該指標(biāo)的隸屬度。
層次分析法(analytic hierachy process,AHP)簡(jiǎn)單方便,但主觀性較強(qiáng);熵權(quán)法充分利用數(shù)據(jù)的客觀性并挖掘信息,但缺乏自適應(yīng)和自學(xué)習(xí)的能力。為了克服常權(quán)重系數(shù)易受單一賦權(quán)方法影響而產(chǎn)生偏倚的不足,本節(jié)根據(jù)矩估計(jì)理論對(duì)主客觀因素進(jìn)行綜合考量,從而確定指標(biāo)的最優(yōu)組合權(quán)重。
2.3.1 基于AHP法的主觀權(quán)重計(jì)算
為了減少指標(biāo)性質(zhì)不同導(dǎo)致相互比較的困難,AHP法引入1-9標(biāo)度法,采用相對(duì)尺度,兩兩比較指標(biāo)對(duì)決策目標(biāo)的影響,并構(gòu)建判斷矩陣H。根據(jù)判斷矩陣H,可求出其最大特征根λmax和其對(duì)應(yīng)的經(jīng)歸一化后的特征向量W=(ω1,ω2,…,ωM),指標(biāo)量個(gè)數(shù)M即為判斷矩陣階數(shù)。由此得到的向量W即為對(duì)應(yīng)評(píng)估指標(biāo)的權(quán)重向量。
為了判斷各指標(biāo)間是否一致,不致出現(xiàn)相互矛盾的結(jié)果,進(jìn)行判斷矩陣的一致性檢驗(yàn)。
由圖1可知,對(duì)于內(nèi)部受潮(F1)故障,有9個(gè)對(duì)應(yīng)的指標(biāo)量,故M=9。參照金屬氧化物避雷器狀態(tài)評(píng)價(jià)導(dǎo)則[19]中對(duì)于異常指標(biāo)量的扣分?jǐn)?shù)值,判斷矩陣H構(gòu)造為
對(duì)于絕緣老化(F2)故障,M=6,則
對(duì)于外絕緣污穢或老化(F3)故障,M=3,則
對(duì)于異常放電(F4)故障,M=2,則
對(duì)于整體故障類型,M=4,則
2.3.2 基于熵權(quán)法的客觀權(quán)重計(jì)算
對(duì)于內(nèi)部受潮(F1)故障,rij構(gòu)成的矩陣R為5行9列的矩陣,R中某一行元素代表避雷器處于某一運(yùn)行狀態(tài)等級(jí)時(shí)指標(biāo)量的最大歸一化值,若超過(guò)該值,內(nèi)部受潮故障發(fā)生的可能性增大,避雷器將朝劣化的方向運(yùn)行。矩陣R的構(gòu)造為
對(duì)于絕緣老化(F2)故障,R為5行6列的矩陣,即
對(duì)于外絕緣污穢或老化(F3)故障,R為5行3列的矩陣,即
對(duì)于異常放電(F4)故障,R為5行2列的矩陣,即
對(duì)于整體故障類型,R為5行4列的矩陣,即
2.3.3 組合權(quán)重計(jì)算
本文用AHP法和熵權(quán)法分別對(duì)指標(biāo)量的主觀權(quán)重與客觀權(quán)重進(jìn)行計(jì)算,其中,AHP的專家打分?jǐn)?shù)據(jù)、熵權(quán)法的計(jì)算輸入數(shù)據(jù)及計(jì)算過(guò)程見附錄。設(shè)主觀權(quán)重集合Ws={ω11,ω12,…,ω1M},客觀權(quán)重集合Wb={ω21,ω22,…,ω2M},則每個(gè)指標(biāo)量均有2個(gè)權(quán)重樣本,那么該指標(biāo)量的組合權(quán)重ωi應(yīng)與其2個(gè)樣本的偏差越小越好。本文定義參數(shù)α和β分別為主觀權(quán)重與客觀權(quán)重的相對(duì)重要程度系數(shù)[26],則ωi的優(yōu)化模型為
(3)
依據(jù)矩估計(jì)的基本理論,可計(jì)算第i個(gè)指標(biāo)量主客觀權(quán)重的相對(duì)重要程度系數(shù)αi和βi,即
(4)
對(duì)于指標(biāo)量整體,可認(rèn)為從2個(gè)權(quán)重總體中分別抽取T個(gè)樣本,同樣根據(jù)矩估計(jì)理論,可得
(5)
通過(guò)對(duì)式(3)的求解,即可得出最優(yōu)組合權(quán)重集合A={ω1,ω2,…,ωM}。為了反映數(shù)據(jù)之間的關(guān)聯(lián)程度,本文引入?yún)?shù)μ,表示指標(biāo)量i與評(píng)估等級(jí)j之間的聯(lián)系度,可由隸屬度與權(quán)重系數(shù)加權(quán)所得,定義為
μij=ωirij.
(6)
證據(jù)理論是一種推理和處理不確定性的方法,它依靠數(shù)據(jù)的累積,降低數(shù)據(jù)間的沖突,有效融合多數(shù)據(jù)源、結(jié)構(gòu)不同的信息,具體步驟如下。
2.4.1 確定識(shí)別框架
一個(gè)綜合決策問題可能產(chǎn)生的所有結(jié)果的集合定義為識(shí)別框架Θ。本文的識(shí)別框架包括5種避雷器運(yùn)行狀態(tài)以及不確定度θ,即
Θ={L1,L2,L3,L4,L5,θ}.
(7)
2.4.2 選定證據(jù)并計(jì)算基本信度
本文將各指標(biāo)量作為互相獨(dú)立的證據(jù),并將聯(lián)系度的數(shù)值結(jié)果作為證據(jù)理論的基本信度分配(basic probability assignment,BPA),這種定義證據(jù)及BPA的計(jì)算函數(shù)稱為m函數(shù),該函數(shù)滿足
(8)
式中:空集?代表不可能事件;B為識(shí)別框架Θ的子集。
同時(shí),為了區(qū)別證據(jù)間的可信度,引入可信度系數(shù)λi,其數(shù)值越大表明證據(jù)可信度越高,定義如下:
(9)
λi=λωi/ωmax.
(10)
式中:λ為優(yōu)先可信度系數(shù),本文取0.9;ωmax為權(quán)重ωi中的最大值,即ωmax=max{ω1,ω2,…,ωM}。
2.4.3 證據(jù)融合
為避免因證據(jù)沖突造成評(píng)估結(jié)果誤差,采用如下所示的信息融合方法:
(11)
(12)
式中:B1和B2均為識(shí)別框架Θ的子集;m1(B1)和m2(B2)分別為B1的BPA值(證據(jù)體1)和B2的BPA值(證據(jù)體2),證據(jù)體1—6及其順序如式(7)所示;ψ為B1和B2相交的非空子集;K為衡量不同證據(jù)間沖突程度的系數(shù)。當(dāng)K接近無(wú)窮大,即數(shù)據(jù)高度沖突時(shí),原有規(guī)則完全忽略了矛盾信息,不合常理,為此,本節(jié)提出了一種降低證據(jù)間沖突的預(yù)處理算法,如式(13)—(16)所示:
(13)
(14)
μ(xa,xb)=
(G(xa)+G(xb))/(Gab(xb)+Gba(xa)).(15)
(16)
式(13)—(16)中:Gab(xb)為以xb為自變量,所得的xa與xb之間的關(guān)聯(lián)度矩陣;Gba(xa)為以xa為自變量,所得的xb與xa之間的關(guān)聯(lián)度矩陣;G(xa)、G(xb)分別為以xa、xb為自變量所得的關(guān)聯(lián)度矩陣;xa、xb分別為某2種故障類型與不同的評(píng)估等級(jí)的關(guān)聯(lián)性證據(jù)集;Uej、Ufj分別為2種故障類型下的聯(lián)系度矩陣;μ(xa,xb)為xa與xb之間的聯(lián)系度;γ為中間參數(shù);δ用于量化沖突程度。若0<δ<0.75,認(rèn)為傳統(tǒng)的證據(jù)理論仍然有效;若0.75<δ,則進(jìn)行修正,方法為:
(17)
1+γ(mi,n+1(Gn+1)-1).
(18)
(19)
1+γ(mi+1,n+1(Gn+1)-1).
(20)
(21)
2.4.4 評(píng)估決策
常用的決策策略分為最大隸屬度原則與信度準(zhǔn)則2種,前者容易在評(píng)估數(shù)值差距較小時(shí)判斷不準(zhǔn)確,后者容易在前一狀態(tài)等級(jí)接近置信水平時(shí)產(chǎn)生誤判。故本文采用兩者結(jié)合的方式,判定避雷器的運(yùn)行狀態(tài)等級(jí)。
a)判斷準(zhǔn)確性,其條件為
m(θ)<ε1.
(22)
若不確定度的BPA值m(θ)小于閾值ε1,表明結(jié)果是準(zhǔn)確的。本文取ε1為0.05。若不滿足式(22),則說(shuō)明證據(jù)特征量不足,要選擇更多證據(jù)進(jìn)行融合。
b)用最大隸屬度原則判斷,其條件為
(23)
c)若不滿足式(23)的條件則繼續(xù)判斷,條件為
若評(píng)估等級(jí)L0的BPA值相加結(jié)果達(dá)到置信水平ε3時(shí),認(rèn)為避雷器運(yùn)行狀態(tài)為L(zhǎng)0,本文取ε3為0.5。圖4為避雷器綜合評(píng)估的步驟。
W1—故障類型F1指標(biāo)量的組合權(quán)重矩陣;R1—故障類型F1指標(biāo)量的隸屬度矩陣;W4—故障類型F4指標(biāo)量的組合權(quán)重矩陣;R4—故障類型F4指標(biāo)量的隸屬度矩陣;θ1—故障類型F1的不確定度;θ4—故障類型F4的不確定度;m11—故障類型F1等級(jí)1的BPA值,m45—故障類型F4等級(jí)5的BPA值,其他BPA值mej以此類推。圖4 避雷器綜合評(píng)估框架Fig.4 Comprehensive assessment framework of arrestors
廣東省某變電站的110 kV母線上,某單相避雷器投運(yùn)時(shí)間為2011年12月,型號(hào)為YH10W-108/281W,其2016年12月的試驗(yàn)數(shù)據(jù)見表5—6。指標(biāo)量與狀態(tài)等級(jí)之間的隸屬度見表7。
表5 避雷器試驗(yàn)的定量數(shù)據(jù)
Tab.5 Quantitative data of arrestor tests
定量指標(biāo)xmmax xmmin xmxI194.2 kV190 kV90 kV0.042I2272 μA500 μA5 μA0.461I3868.4 μA1 mA500 μA0.263I4602.4 μA650 μA500 μA0.317I52.5 ℃5 ℃0.5 ℃0.556I610 GΩ40 GΩ5 MΩ0.250I85 a20 a00.750I108 pC50 pC00.840
表6 避雷器試驗(yàn)的定性數(shù)據(jù)
Tab.6 Qualitative data of arrestor tests
定性指標(biāo)語(yǔ)義描述xI7本體外絕緣未破損,硅橡膠憎水性良好0.8I9外套與法蘭連接螺栓有明顯的銹蝕0.1I111 min內(nèi)放電光斑數(shù)量為382個(gè)0.82I12位于Ⅲ級(jí)重污穢地區(qū),外絕緣最小公稱爬電比距為24.8 mm/kV0.35
表7 指標(biāo)與狀態(tài)等級(jí)的隸屬度
Tab.7 Membership degrees of indexes and condition grades
指標(biāo)rijL1L2L3L4L5I100001I20000.5370.463I30000.1070.893I4000.4140.5870I5000.2220.7780I60000.250.75I710000I80.20.8000I900001I1010000I1110000I120000.50.5
例如故障類型F1—F4,基于AHP法的主觀權(quán)重Ws={0.444,0.222,0.222,0.111},基于熵權(quán)法的客觀權(quán)重Wb={0.301,0.247,0.247,0.206}。根據(jù)式(4)計(jì)算得到4種故障類型的主觀相對(duì)重要程度系數(shù):α1=0.596,α2=0.474,α3=0.474,α4=0.351;計(jì)算得到4種故障類型的客觀相對(duì)重要程度系數(shù):β1=0.404,β2=0.526,β3=0.526,β4=0.649;通過(guò)編程解得最優(yōu)組合權(quán)重集A={0.387,0.235,0.235,0.173}。評(píng)估指標(biāo)量的權(quán)重同理可得,具體數(shù)值見表8。聯(lián)系度的計(jì)算結(jié)果見表9。
表8 故障類型與指標(biāo)量的權(quán)重系數(shù)
Tab.8 Weight coefficients of fault types and indexes
故障類型權(quán)重求取方法權(quán)重計(jì)算結(jié)果集合F1AHP法{X11,X12,…,X19}={0.061,0.061,0.091,0.091,0.091,0.032,0.073,0.157,0.341}熵權(quán)法{X11,X12,…,X19}={0.097,0.021,0.026,0.081,0.062,0.154,0.138,0.267,0.154}組合權(quán)重法{X11,X12,…,X19}={0.078,0.042,0.060,0.086,0.077,0.091,0.105,0.211,0.250}F2AHP法{X21,X22,…,X26}={0.111,0.111,0.222,0.222,0.222,0.111}熵權(quán)法{X21,X22,…,X26}={0.219,0.047,0.060,0.184,0.140,0.350}組合權(quán)重法{X21,X22,…,X26}={0.161,0.082,0.147,0.204,0.184,0.222}F3AHP法{X31,X32,X33}={0.333,0.333,0.333}熵權(quán)法{X31,X32,X33}={0.479,0.156,0.365}組合權(quán)重法{X31,X32,X33}={0.403,0.249,0.349}F4AHP法{X41,X42}={0.750,0.250}熵權(quán)法{X41,X42}={0.500,0.500}組合權(quán)重法{X41,X42}={0.617,0.383}
表9 聯(lián)系度計(jì)算結(jié)果
Tab.9 Correlation calculation results
故障類型故障類型e與評(píng)估等級(jí)j之間的聯(lián)系度μejL1L2L3L4L5F10.1470.1690.0530.1620.469F20.16100.1250.3230.468F3000.1800.4600.360F40.617000.1970.197
由于故障類型權(quán)重集A={0.387,0.235,0.235,0.173},故ωmax=0.387,由式(10)計(jì)算λi={0.900,0.548,0.548,0.402},故BPA計(jì)算結(jié)果見表10。
表10 BPA計(jì)算結(jié)果Tab.10 BPA calculation results
根據(jù)式(11)—(12),對(duì)表9數(shù)據(jù)進(jìn)行融合,可得:{P(L1),P(L2),P(L3),P(L4),P(L5)}={0.143,0.136,0.047,0.171,0.504},m(θ)=0.010。因δ=0.812>0.75,需根據(jù)式(17)—(21)進(jìn)行修正,得{P(L1),P(L2),P(L3),P(L4),P(L5)}={0.149,0.123,0.052,0.184,0.492},m(θ)=0.012符合式(22)的判斷標(biāo)準(zhǔn),結(jié)果是準(zhǔn)確的。根據(jù)式(23)可判斷此避雷器運(yùn)行狀態(tài)屬于等級(jí)L5,即處于劣化嚴(yán)重狀態(tài),需要立刻進(jìn)行檢修。進(jìn)一步從表7可以看出,參考電壓U1mA和外套與法蘭結(jié)合情況劣化度較高,應(yīng)安排針對(duì)性檢查。
在表9中,就5個(gè)狀態(tài)等級(jí)而言,μ15與μ25數(shù)值是最高的,且僅相差0.192%,若此時(shí)用最大隸屬度原則判斷狀態(tài)極易產(chǎn)生誤判;而經(jīng)過(guò)改進(jìn)證據(jù)理論的融合,根據(jù)表10,可知m15與m25間的數(shù)值相差39.37%,符合最大隸屬度的判斷原則,表明最有可能發(fā)生的故障是內(nèi)部受潮(F1)。因此,改進(jìn)的證據(jù)理論能充分挖掘證據(jù)的隱含信息,區(qū)分不確定性較強(qiáng)的數(shù)據(jù)。
為進(jìn)一步了解避雷器缺陷的具體情況,選擇該相避雷器進(jìn)行解體實(shí)驗(yàn)。首先將避雷器本體頂端金屬帽拆開,發(fā)現(xiàn)金屬帽靠避雷器面布滿白色受潮痕跡,其上面的4個(gè)螺孔內(nèi)也同樣有白色受潮痕跡,如圖5所示。割開表皮層,露出金屬氧化鋅閥片,發(fā)現(xiàn)閥片表面有凝結(jié)水珠,擦干水珠后,閥片表面存在氧化鋅受潮后產(chǎn)生的黑色痕跡,可知閥片已嚴(yán)重受潮,如圖6所示。
圖5 金屬帽的白色受潮痕跡Fig.5 White moisture traces of metal caps
圖6 閥片表面黑色痕跡Fig.6 Black traces on the valve surface
對(duì)避雷器的解體情況進(jìn)行分析,發(fā)現(xiàn)鉆制的螺孔有白色受潮痕跡,致使法蘭和外套連接不緊密,螺孔接觸到下面的避雷器本體,且未發(fā)現(xiàn)有足夠的密封層,存在水分潮氣從螺孔的間隙滲透進(jìn)入避雷器本體的通道。綜合帶電測(cè)試、停電預(yù)試、設(shè)備解體的數(shù)據(jù),分析認(rèn)為該避雷器法蘭和外套連接不緊密,密封措施不足,導(dǎo)致此次避雷器受潮。此結(jié)論與計(jì)算得出的結(jié)論(內(nèi)部受潮故障導(dǎo)致避雷器處于高風(fēng)險(xiǎn)狀態(tài))是一致的,驗(yàn)證了本文計(jì)算模型的正確性。
本文提出的避雷器狀態(tài)評(píng)估模型融合了在線監(jiān)測(cè)、帶電測(cè)試、停電檢修、現(xiàn)場(chǎng)巡檢等多源異構(gòu)數(shù)據(jù),具有創(chuàng)新性,有利于全面評(píng)估設(shè)備狀態(tài)。
采用最優(yōu)組合法計(jì)算指標(biāo)量權(quán)重,不但綜合考慮了主客觀因素,而且解決了權(quán)重系數(shù)易受單一賦權(quán)方法影響而造成偏倚的不足,使得評(píng)估結(jié)果更加準(zhǔn)確。
算例表明,改進(jìn)證據(jù)理論能夠降低證據(jù)間沖突,融合更多不確定信息,有利于準(zhǔn)確判斷避雷器運(yùn)行狀態(tài);同時(shí),改進(jìn)證據(jù)理論能夠區(qū)分聯(lián)系度相近的信息,有利于準(zhǔn)確判斷避雷器故障類型。
通過(guò)避雷器解體分析與理論評(píng)估結(jié)果對(duì)比,證明了本文提出的基于云理論和改進(jìn)證據(jù)理論的避雷器評(píng)估模型的準(zhǔn)確性,此評(píng)估體系可為避雷器的狀態(tài)檢修提供理論支持。