基于WPHM模型和模糊綜合評(píng)估的變壓器健康狀態(tài)評(píng)價(jià)

鄭文光，謝紅玲，李燕青，王愛軍，王冠，張瀟文

基于WPHM模型和模糊綜合評(píng)估的變壓器健康狀態(tài)評(píng)價(jià)

鄭文光1，謝紅玲2，李燕青2，王愛軍3，王冠3，張瀟文4

（1. 大唐國(guó)際發(fā)電股份有限公司陡河發(fā)電廠，河北 唐山 063000；2. 華北電力大學(xué)電氣與電子工程學(xué)院，河北 保定 071003；3. 唐山市氣象局，河北 唐山 063000；4. 唐山師范學(xué)院資源管理系，河北 唐山 063000）

針對(duì)當(dāng)前變壓器狀態(tài)評(píng)價(jià)模糊性大、評(píng)估指標(biāo)片面、指導(dǎo)性不強(qiáng)的問題，提出了一種基于WPHM模型和模糊綜合評(píng)估的變壓器健康狀態(tài)評(píng)價(jià)方法。首先從電氣、油化、油氣和物理4種性質(zhì)出發(fā)建立兩級(jí)狀態(tài)指標(biāo)體系，提高了評(píng)估全面性和信息采集效率；然后以二級(jí)指標(biāo)為基礎(chǔ)構(gòu)建WPHM模型來全面分析一級(jí)指標(biāo)風(fēng)險(xiǎn)，并采用威布爾概率圖法和極大似然估計(jì)法估算參數(shù)，提高了參量的計(jì)算速度；最后結(jié)合最優(yōu)可用度理論構(gòu)建隸屬度函數(shù)，從而得到變壓器風(fēng)險(xiǎn)度與狀態(tài)的模糊關(guān)系，在變權(quán)重的作用下得出變壓器整體的風(fēng)險(xiǎn)水平。經(jīng)過實(shí)例分析驗(yàn)證，該評(píng)價(jià)方法客觀準(zhǔn)確、便捷有效，在工程中具有良好的實(shí)用性，能夠?yàn)樽儔浩鞯臋z修提供指導(dǎo)與幫助。

變壓器；WPHM模型；模糊綜合評(píng)估；健康狀態(tài)評(píng)價(jià)

0 引言

變壓器作為電站與電網(wǎng)聯(lián)系的樞紐，其可靠運(yùn)行同時(shí)關(guān)系到發(fā)電廠和電網(wǎng)的安全穩(wěn)定，所以對(duì)變壓器的維護(hù)與檢修至關(guān)重要[1-2]。近些年來，變壓器傳統(tǒng)檢修方式極易造成“過修”和“欠修”的問題日益突顯[3]，為解決這一問題，狀態(tài)檢修技術(shù)逐步興起，而狀態(tài)檢修能否取得預(yù)期效果的關(guān)鍵在于狀態(tài)評(píng)估的結(jié)果，因此狀態(tài)評(píng)估的方式方法始終是設(shè)備運(yùn)行維護(hù)人員最關(guān)心的熱門話題之一。

國(guó)內(nèi)外諸多學(xué)者針對(duì)變壓器狀態(tài)評(píng)估方法和模型進(jìn)行了理論和應(yīng)用上的研究。文獻(xiàn)[4-5]采用了一些性能比較優(yōu)異的智能算法對(duì)變壓器的狀態(tài)進(jìn)行評(píng)價(jià)，并通過實(shí)驗(yàn)證實(shí)了方法的有效性，但由于這些方法僅根據(jù)油類指標(biāo)進(jìn)行評(píng)估，缺少對(duì)變壓器油以外指標(biāo)的分析，造成了評(píng)估結(jié)果具有一定的片面性。文獻(xiàn)[6]以油浸式變壓器為研究對(duì)象，從局部評(píng)估和整體評(píng)估兩個(gè)角度分別建立了有針對(duì)性的狀態(tài)評(píng)估模型，但由于部分指標(biāo)只能通過實(shí)驗(yàn)室條件下來獲取，導(dǎo)致模型在現(xiàn)場(chǎng)推廣應(yīng)用方面可行性較差。文獻(xiàn)[7-8]對(duì)變壓器狀態(tài)指標(biāo)信息進(jìn)行了全面研究，制定了較為合理有效的狀態(tài)指標(biāo)信息集，但由于在模型建立過程中按固定權(quán)重分析指標(biāo)，忽略了權(quán)重與各指標(biāo)量之間的實(shí)時(shí)關(guān)聯(lián)性，在一定程度上影響了評(píng)價(jià)結(jié)果。文獻(xiàn)[9-10]立足于各狀態(tài)指標(biāo)之間的模糊性，從定性和定量相結(jié)合的角度建立評(píng)價(jià)模型，但由于在指標(biāo)評(píng)價(jià)過程中采用的是專家打分法，造成了評(píng)價(jià)結(jié)果的客觀性不強(qiáng)。

針對(duì)上述情況，本文提出了一種基于WPHM模型和模糊綜合評(píng)估的變壓器健康狀態(tài)評(píng)價(jià)方法。首先，根據(jù)指標(biāo)性質(zhì)建立兩級(jí)狀態(tài)指標(biāo)體系；然后，通過威布爾概率圖法和極大似然估計(jì)法構(gòu)造的WPHM模型來全面分析一級(jí)指標(biāo)風(fēng)險(xiǎn)度；最后，根據(jù)最優(yōu)可用度理論構(gòu)建嶺形隸屬度函數(shù)，從而得到一級(jí)指標(biāo)的模糊關(guān)系矩陣，再引入變權(quán)重評(píng)價(jià)出變壓器整體的狀態(tài)等級(jí)。經(jīng)過實(shí)例分析驗(yàn)證了該方法在實(shí)際工程中具有良好的效果，能夠有效應(yīng)用于變壓器的狀態(tài)檢修工作。

1 變壓器狀態(tài)指標(biāo)體系

1.1 狀態(tài)指標(biāo)體系的建立

建立合理有效的狀態(tài)評(píng)估指標(biāo)體系是進(jìn)行狀態(tài)評(píng)估的基礎(chǔ)，變壓器屬于大型電力設(shè)備，其結(jié)構(gòu)復(fù)雜，部件眾多[11]，傳統(tǒng)的狀態(tài)指標(biāo)體系很難包含變壓器的所有指標(biāo)信息，極易造成評(píng)估結(jié)果缺乏全面性和準(zhǔn)確性，也不利于信息收集和數(shù)據(jù)監(jiān)測(cè)。因此本文按照指標(biāo)的性質(zhì)建立評(píng)價(jià)體系，具有良好的統(tǒng)計(jì)學(xué)意義，能夠有效解決上述問題。

本文針對(duì)SFSZ-34000/220型油浸式變壓器，從電氣、油化、油氣、物理4種性質(zhì)出發(fā)，根據(jù)文獻(xiàn)[12-13]選擇指標(biāo)量，構(gòu)建如表1所示的變壓器兩級(jí)狀態(tài)指標(biāo)評(píng)價(jià)體系。

表1 狀態(tài)指標(biāo)體系

Tab.1 Condition index system

1.2 指標(biāo)量的標(biāo)準(zhǔn)化處理

由于各二級(jí)指標(biāo)的量綱和數(shù)量級(jí)各不相同，若直接運(yùn)用監(jiān)測(cè)得到的數(shù)據(jù)進(jìn)行運(yùn)行狀態(tài)評(píng)估，則會(huì)造成評(píng)估結(jié)果的不準(zhǔn)確[14]，因此本文采用離差標(biāo)準(zhǔn)化法對(duì)各二級(jí)指標(biāo)的監(jiān)測(cè)值進(jìn)行標(biāo)準(zhǔn)化處理[15]，使之成為[0,1]區(qū)間內(nèi)的標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行狀態(tài)估計(jì)。

變壓器的二級(jí)指標(biāo)可分為越大越優(yōu)秀型和越小越優(yōu)秀型兩種，其標(biāo)準(zhǔn)化公式分別如式（1）和式（2）所示。

2 變壓器狀態(tài)評(píng)估模型

2.1 WPHM風(fēng)險(xiǎn)度模型

2.1.1 風(fēng)險(xiǎn)度模型的建立

若為隨機(jī)變量，設(shè)備的風(fēng)險(xiǎn)度()是指設(shè)備在當(dāng)前時(shí)刻處于正常情況下，運(yùn)行時(shí)間后下一刻發(fā)生故障或失效的條件概率[16]，如式（3）所示。

式中：()為概率密度函數(shù)。

式中：()為可靠度函數(shù)；()為概率分布函數(shù)。

威布爾比例失效模型（Weibull proportional hazards model，WPHM）是一種壽命數(shù)據(jù)服從威布爾分布的設(shè)備故障風(fēng)險(xiǎn)度評(píng)估模型[17]，該模型能夠綜合反映自然老化程度和實(shí)時(shí)狀態(tài)變化對(duì)設(shè)備風(fēng)險(xiǎn)度造成的影響。因此，在醫(yī)學(xué)和工程的可靠性分析上有十分廣泛的應(yīng)用。本文對(duì)變壓器各一級(jí)指標(biāo)建立WPHM模型如式（5）所示。

式中：w()為威布爾基本失效函數(shù)；()為狀態(tài)指標(biāo)函數(shù)；為設(shè)備的實(shí)際運(yùn)行時(shí)間；為形狀參數(shù)；為尺度參數(shù)；表示在時(shí)刻設(shè)備對(duì)應(yīng)的狀態(tài)指標(biāo)量；(=1,2,···,)為狀態(tài)指標(biāo)x(=1,2,···,)的回歸系數(shù)。

2.1.2 風(fēng)險(xiǎn)度模型的參數(shù)估計(jì)

構(gòu)建WPHM模型的關(guān)鍵在于、和這3個(gè)參數(shù)的確定。為了保證在結(jié)果準(zhǔn)確性的前提下縮短計(jì)算時(shí)間，提高運(yùn)算效率，本文選用威布爾概率圖法和極大似然估計(jì)法對(duì)模型中的參數(shù)進(jìn)行估計(jì)。

令=η，代入威布爾分布函數(shù)w()可得到式（6）。

表2 由各一級(jí)指標(biāo)引起的變壓器部分歷史故障時(shí)間統(tǒng)計(jì)表

分別在時(shí)刻t(=1,2,3,···,10)對(duì)每個(gè)二級(jí)指標(biāo)采集狀態(tài)監(jiān)測(cè)值，經(jīng)標(biāo)準(zhǔn)化處理后得到如表3所示的二級(jí)指標(biāo)狀態(tài)量的標(biāo)準(zhǔn)化值(t)，構(gòu)造極大似然估計(jì)樣本。在式（7）所示的WPHM風(fēng)險(xiǎn)度模型的概率密度函數(shù)基礎(chǔ)上，構(gòu)建似然函數(shù)得到式（8）。

表3 二級(jí)指標(biāo)狀態(tài)量的標(biāo)準(zhǔn)化值（部分）

為便于計(jì)算，設(shè)在t–t+1間隔較小的時(shí)間段內(nèi)，各二級(jí)指標(biāo)的監(jiān)測(cè)值不發(fā)生突變，結(jié)合微元法的思想將式（8）中的積分項(xiàng)表示為式（9）。將式（9）代入式（8）后對(duì)(=1,2,3,···,)求偏導(dǎo)得到式（10），令該式為0后采用牛頓–拉夫遜迭代法求解式（10）中個(gè)回歸系數(shù)。

運(yùn)用MATLAB軟件進(jìn)行計(jì)算，得到參數(shù)，和回歸系數(shù)分別如表4和表5所示。經(jīng)過計(jì)算表明在估計(jì)相同數(shù)量參數(shù)的前提下，該方法比極大似然估計(jì)的分步計(jì)算方法[18]快了0.3~0.5 s，比傳統(tǒng)的極大似然估計(jì)整體計(jì)算方法快了10~21.5 s，且誤差保持在0.01以內(nèi)，在一定程度上提高了運(yùn)算速度。

表4 各一級(jí)指標(biāo)形狀參數(shù)和尺度參數(shù)

表5 各一級(jí)指標(biāo)對(duì)應(yīng)二級(jí)指標(biāo)的回歸系數(shù)

2.2 模糊綜合評(píng)估模型

模糊綜合評(píng)估是指利用模糊數(shù)學(xué)中的隸屬度理論對(duì)不同事物所表現(xiàn)出的不同特性進(jìn)行歸一性評(píng)估的方法。結(jié)合各一級(jí)指標(biāo)的風(fēng)險(xiǎn)度值，利用模糊綜合評(píng)估就可以得到變壓器當(dāng)前所屬的風(fēng)險(xiǎn)水平，進(jìn)而可預(yù)測(cè)維修周期，制定相應(yīng)的檢修策略。

將變壓器4個(gè)一級(jí)指標(biāo)的風(fēng)險(xiǎn)度值作為模糊綜合評(píng)價(jià)模型的指標(biāo)集=(1,2,3,4)。為了更好地描述變壓器的運(yùn)行風(fēng)險(xiǎn)，本文采用良好、正常、警戒、危險(xiǎn)4種狀態(tài)來進(jìn)行狀態(tài)評(píng)價(jià)。變壓器模糊綜合評(píng)估的計(jì)算模型如式（11）所示。其中為權(quán)重向量，為模糊關(guān)系矩陣。

2.2.1 權(quán)重的確定

為更好地凸顯異常指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響，提高評(píng)估的準(zhǔn)確性，本文采用基于變權(quán)理論的層次分析法確定變壓器各指標(biāo)的權(quán)重。該方法可讓權(quán)重與指標(biāo)實(shí)時(shí)監(jiān)測(cè)值相關(guān)聯(lián)，使權(quán)重隨著指標(biāo)監(jiān)測(cè)值的變化進(jìn)行動(dòng)態(tài)調(diào)整。

根據(jù)各一級(jí)指標(biāo)的重要程度構(gòu)建如式（12）所示的判斷矩陣。求得判斷矩陣的最大特征根max=4，將max對(duì)應(yīng)的特征向量歸一化后得到各指標(biāo)的初始權(quán)重向量0=[0.162, 0.243, 0.487, 0.108]。

將初始權(quán)重和標(biāo)準(zhǔn)化后的一級(jí)指標(biāo)按照式（13）計(jì)算，可得到實(shí)時(shí)狀態(tài)下各指標(biāo)的變權(quán)重。其中c為指標(biāo)u的變權(quán)重，0i為指標(biāo)u的初始權(quán)重，x為指標(biāo)u的標(biāo)準(zhǔn)化值。

2.2.2 基于改進(jìn)隸屬函數(shù)法的模糊關(guān)系矩陣

為保證變壓器各一級(jí)指標(biāo)在評(píng)價(jià)時(shí)的模糊隸屬性，本文采用如圖2所示的改進(jìn)嶺形分布作為隸屬函數(shù)構(gòu)建模糊關(guān)系矩陣。其中1、2、3、4為隸屬函數(shù)的邊界參數(shù)，變壓器健康狀態(tài)()隨風(fēng)險(xiǎn)值的增加而惡化。

圖2 改進(jìn)的嶺形隸屬函數(shù)分布

結(jié)合圖2所示的分布曲線，變壓器各一級(jí)指標(biāo)風(fēng)險(xiǎn)值對(duì)應(yīng)良好、正常、警戒、危險(xiǎn)4種狀態(tài)的隸屬函數(shù)分別如式（14）~（17）所示，將狀態(tài)指標(biāo)數(shù)值代入式中，即可得到變壓器各一級(jí)指標(biāo)風(fēng)險(xiǎn)度與健康狀態(tài)的模糊關(guān)系。

由于邊界參數(shù)1、2、3、4反應(yīng)各指標(biāo)風(fēng)險(xiǎn)值的大小，而風(fēng)險(xiǎn)值又是可用度（可靠度）的直接體現(xiàn)，因此本文提出采用基于可用度最優(yōu)的方法確定4個(gè)邊界參數(shù)。

設(shè)備可用度指設(shè)備指定時(shí)間段內(nèi)能夠保持正常工作的能力，可用該時(shí)間段內(nèi)保持指定能力的時(shí)間與總時(shí)間的比值來表示：

式中：ss為穩(wěn)態(tài)可用度；為平均保持指定能力時(shí)間；為平均失去指定能力時(shí)間。

變壓器維修有兩種條件：一種是變壓器運(yùn)行到給定役齡，另一種是變壓器未達(dá)到給定役齡的情況下發(fā)生失效。從以上兩種情況可知，變壓器的維修時(shí)間是一個(gè)隨機(jī)變量，變壓器的工作時(shí)間符合如下分布函數(shù)：

式中：為變壓器運(yùn)行時(shí)間；為變壓器給定役齡。

變壓器未維修前的時(shí)間為保持指定能力時(shí)間，其表達(dá)式如式（20）所示。

設(shè)變壓器在達(dá)到指定情況進(jìn)行維修需要花費(fèi)的時(shí)間p為20天。變壓器在良好、正常、警戒、危險(xiǎn)4種狀態(tài)下進(jìn)行維修需要花費(fèi)的時(shí)間f分別為2天、4天、6天、8天，將p、f代入式（21）得到平均失去指定能力時(shí)間。

將式（20）和式（21）代入式（18）對(duì)役齡時(shí)間求偏導(dǎo)，令偏導(dǎo)數(shù)為0得到式（22），參照狀態(tài)指標(biāo)函數(shù)()中回歸系數(shù)的估算方法，得到在給定維修方式下，保持可用度為最大值時(shí)對(duì)應(yīng)的最優(yōu)維修時(shí)間best，再將best及其對(duì)應(yīng)的狀態(tài)指標(biāo)監(jiān)測(cè)值代入式（5）得到該維修方式下對(duì)應(yīng)的風(fēng)險(xiǎn)值。按式（18）~（22）計(jì)算可得到如表6所示的變壓器在良好、正常、警戒、危險(xiǎn)4種狀態(tài)下的最優(yōu)可用度ss及其對(duì)應(yīng)的最優(yōu)維修時(shí)間。

表6 良好、正常、警戒、危險(xiǎn)4種狀態(tài)下對(duì)應(yīng)最優(yōu)維修時(shí)間及最優(yōu)可用度

將最優(yōu)維修時(shí)間分別代入4個(gè)一級(jí)指標(biāo)的風(fēng)險(xiǎn)函數(shù)中，可以得到如表7所示的各一級(jí)指標(biāo)邊界參數(shù)1、2、3、4，將各邊界參數(shù)代入對(duì)應(yīng)的隸屬度函數(shù)，可得到如圖3所示的各一級(jí)指標(biāo)的隸屬度函數(shù)圖像。

表7 一級(jí)指標(biāo)邊界參數(shù)

圖3 各一級(jí)指標(biāo)的隸屬度函數(shù)圖像

Fig. 3 Image of each primary index’s membership function

3 實(shí)例分析

為驗(yàn)證所提出狀態(tài)評(píng)估方法的有效性和實(shí)用性，本文從福建、河北等地電廠中選取了5臺(tái)SFSZ-34000/220型油浸式變壓器進(jìn)行實(shí)例分析，其中，G1為正常運(yùn)行的變壓器，G2~G5為4臺(tái)故障變壓器。對(duì)上述變壓器建立狀態(tài)指標(biāo)體系，得到各變壓器二級(jí)指標(biāo)的標(biāo)準(zhǔn)化值如表8所示。

表8 實(shí)例變壓器二級(jí)指標(biāo)狀態(tài)量的標(biāo)準(zhǔn)化值

將表8中的二級(jí)指標(biāo)標(biāo)準(zhǔn)化值代入上文構(gòu)建的WPHM風(fēng)險(xiǎn)度模型中，得到5臺(tái)變壓器各一級(jí)指標(biāo)的風(fēng)險(xiǎn)度計(jì)算值如表9所示。由表中可以看出無故障運(yùn)行的G1變壓器4個(gè)一級(jí)指標(biāo)的風(fēng)險(xiǎn)值都很低，均遠(yuǎn)小于0.5；另外4臺(tái)發(fā)生故障的變壓器按故障類型和故障程度的不同均含有風(fēng)險(xiǎn)值遠(yuǎn)大于0.5的一級(jí)指標(biāo)，進(jìn)而證明了建立的WPHM風(fēng)險(xiǎn)度模型與變壓器的實(shí)際狀況相符合。

表9 各一級(jí)指標(biāo)風(fēng)險(xiǎn)度計(jì)算值

由上文中提出的權(quán)重計(jì)算方法可以得到進(jìn)行實(shí)例分析的5臺(tái)變壓器的權(quán)重向量分別為：

由式（14）~（17）中的隸屬函數(shù)得到的5臺(tái)變壓器的模糊關(guān)系矩陣為：

根據(jù)式（11）中的模糊綜合評(píng)估模型可以得到5臺(tái)變壓器整體上隸屬于良好、正常、警戒、危險(xiǎn)4種狀態(tài)的比例分別為：

圖4展現(xiàn)了5臺(tái)實(shí)例變壓器整體的狀態(tài)評(píng)估情況：G1變壓器處于正常狀態(tài)，G2變壓器處于警戒狀態(tài)，G3、G4和G5變壓器均處于危險(xiǎn)狀態(tài)，5臺(tái)變壓器的整體狀態(tài)評(píng)估結(jié)果與實(shí)際狀況相符，進(jìn)一步驗(yàn)證了本文評(píng)估方法的正確性。

圖4 5臺(tái)變壓器整體的狀態(tài)評(píng)估分布

4 結(jié)論

本文提出了一種將WPHM模型和模糊綜合評(píng)估相結(jié)合的變壓器健康狀況評(píng)價(jià)方法，與傳統(tǒng)的變壓器狀態(tài)評(píng)估方法相比，該方法具有如下特點(diǎn)：

（1）從電氣、油化、油氣和物理4種性質(zhì)上構(gòu)建了兩級(jí)狀態(tài)指標(biāo)體系，提高了信息的采集和監(jiān)測(cè)效率，全面分析了變壓器各種性質(zhì)的風(fēng)險(xiǎn)度，在一定程度上為檢修策略的的制定指明了方向。

（2）對(duì)各種性質(zhì)的一級(jí)指標(biāo)建立WPHM模型，提出了采用威布爾概率圖法和極大似然估計(jì)法相結(jié)合的參數(shù)估算方法，在保證準(zhǔn)確性的前提下縮短了參數(shù)計(jì)算時(shí)間，更適合工程上的實(shí)際應(yīng)用。

（3）以一級(jí)指標(biāo)風(fēng)險(xiǎn)度為基礎(chǔ)，引入變權(quán)理論和最優(yōu)可用度法，采用改進(jìn)隸屬函數(shù)法對(duì)變壓器整體健康狀態(tài)進(jìn)行模糊綜合評(píng)估。通過對(duì)5臺(tái)變壓器進(jìn)行實(shí)例分析，評(píng)估結(jié)果與實(shí)際的工況相吻合，驗(yàn)證了該方法在變壓器狀態(tài)評(píng)價(jià)上的準(zhǔn)確性、合理性和有效性，為發(fā)電廠變壓器狀態(tài)檢修提供指導(dǎo)和支撐。

[1] 章亮, 楊俊杰. 基于多維正態(tài)云模型的電力變壓器狀態(tài)評(píng)估[J]. 電測(cè)與儀表, 2020, 57(4): 129-135. ZHANG LIANG, YANG JUNJIE. State assessment of power transformers based on multi-dimensional normal cloud model[J]. Electrical Measurement & Instrumentation, 2020, 57(4): 129-135(in Chinese).

[2] 朱江行, 鄒曉松, 趙真, 等. 基于改進(jìn)TOPSIS灰色關(guān)聯(lián)分析的變壓器狀態(tài)評(píng)估方法[J]. 電力科學(xué)與工程, 2020, 36(8): 30-36. ZHU JIANGHANG, ZOU XIAOSONG, ZHAO ZHEN, et al. Transformer condition assessment method based on improved TOPSIS and grey correlation analysis[J]. Electric Power Science and Engineering, 2020, 36(8): 30-36(in Chinese).

[3] 郭世波. 內(nèi)蒙古包頭東河110 kV變電站狀態(tài)檢修改造方案[D]. 天津: 天津大學(xué), 2016. GUO SHIBO. The renovation plan of condition-based maintenance for 110 kV Donghe substation in Baotou Inner Mongolia region[D]. Tianjin: Tianjin University, 2016(in Chinese).

[4] 肖艷煒, 樓平, 蔣水中, 等. 電力網(wǎng)絡(luò)環(huán)境下的變壓器故障診斷技術(shù)研究[J]. 變壓器, 2019, 56(4): 46-50. XIAO YANWEI, LOU PING, JIANG SHUIZHONG, et al. Research on transformer fault diagnosis technology in power network environment[J]. Transformer, 2019, 56(4): 46-50(in Chinese).

[5] 何文林. TOPSIS法在變壓器絕緣狀態(tài)評(píng)估中的應(yīng)用[J].浙江電力, 2019, 38(9): 69-73. HE WENLIN. Application of TOPSIS in transformer insulation state evaluation[J]. Zhejiang Electric Power, 2019, 38(9): 69-73(in Chinese).

[6] 袁志堅(jiān), 孫才新, 袁張渝, 等. 變壓器健康狀態(tài)評(píng)估的灰色聚類決策方法[J]. 重慶大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005, 28(3): 22-25. YUAN ZHIJIAN, SUN CAIXIN, YUAN ZHANGYU, et al. Method of grey clustering decision-making to state assessment of power transformer[J]. Journal of Chongqing University(Natual Science Edition), 2005, 28(3): 22-25(in Chinese).

[7] 王文賓, 白文廣, 石磊磊, 等. 電力變壓器全壽命周期經(jīng)濟(jì)–物理綜合壽命評(píng)估方法[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(4): 91-98. WANG WENBIN, BAI WENGUANG, SHI LEILEI, et al. Evaluation method of power transformers full life cycle economic-physical comprehensive life[J]. Power System Protection and Control, 2019, 47(4): 91-98(in Chinese).

[8] 張博, 吳杰康, 羅偉明. 基于模糊理論和證據(jù)理論的變壓器絕緣老化狀態(tài)評(píng)估[J]. 廣東電力, 2019, 32(8): 109-118. ZHANG BO, WU JIEKANG, LUO WEIMING. Transformer insulation aging state assessment based on fuzzy theory and evidence theory[J]. Guangdong Electric Power, 2019, 32(8): 109-118(in Chinese).

[9] 郭創(chuàng)新, 高振興, 張健, 等. 油浸式電力變壓器狀態(tài)評(píng)估模型及方法[J]. 控制工程, 2011, 18(6): 881-885. GUO CHUANGXIN, GAO ZHENXING, ZHANG JIAN, et al. On model and approach of condition assessment of oil-immersed transformer[J]. Control Engineering of China, 2011, 18(6): 881-885(in Chinese).

[10] 王楠, 王偉, 張?chǎng)? 等. 改進(jìn)的層次分析法在變壓器油紙絕緣狀態(tài)評(píng)估中的應(yīng)用[J]. 高壓電器, 2019, 55(12): 187-192. WANG NAN, WANG WEI, ZHANG XIN, et al. Application of improved analytic hierarchy process in transformer oil-paper insulation state evaluation[J]. High Voltage Apparatus, 2019, 55(12): 187-192(in Chinese).

[11] 劉瑞英. 電力變壓器狀態(tài)評(píng)估方法的研究[D]. 吉林: 東北電力大學(xué), 2017. LIU RUIYING. Research on the method of power transformer condition evaluation[D]. Jilin: Northeast Electric Power University, 2017(in Chinese).

[12] 中華人民共和國(guó)電力工業(yè)部. 電力設(shè)備預(yù)防性試驗(yàn)規(guī)程: DL/T596-1996[S]. 北京: 中國(guó)電力出版社, 2019. Ministry of Power Industry of the PRC. Preventive test procedure for power equipment: DL/T596-1996[S]. Beijing: China Electric Power Press, 2019 (in Chinese).

[13] 中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局. 變壓器油中溶解氣體分析和判斷導(dǎo)則GB/T 7252-2001[S]. 北京: 中國(guó)電力出版社, 2015. AQSIQ. Guide for analysis and judgment of dissolved gases in transformer oil GB/T 7252-2001[S]. Beijing: China Electric Power Press, 2015 (in Chinese).

[14] 葉清, 吳曉平, 白春杰. 一種系統(tǒng)狀態(tài)評(píng)估方法及其應(yīng)用[J]. 武漢理工大學(xué)學(xué)報(bào), 2006, 28(5): 108-112. YE QING, WU XIAOPING, BAI CHUNJIE. An assessment method for systems’ state and its application[J]. Journal of Wuhan University of Technology, 2006, 28(5): 108-112(in Chinese).

[15] 高曦瑩, 潘明明, 王志斌, 等 . 基于技術(shù)經(jīng)濟(jì)比較的低壓用戶業(yè)擴(kuò)報(bào)裝供電方案綜合評(píng)價(jià)[J]. 供用電, 2019, 36(10): 61-66. GAO XIYING, PAN MINGMING, WANG ZHIBIN, et al. Comprehensive evaluation of power supply scheme for business expansion of low voltage users considering technical and economic comparison[J]. Distribution & Utilization, 2019, 36(10): 61-66(in Chinese).

[16] 葛晶晶. 基于Markov過程的網(wǎng)絡(luò)控制系統(tǒng)冗余技術(shù)研究[D]. 大連: 大連理工大學(xué), 2014. GE JINGJING. Research on redundancy technology in network control system based on Markov process[D]. Dalian: Dalian University of Technology, 2014(in Chinese).

[17] 喻勇, 司小勝, 胡昌華, 等. 數(shù)據(jù)驅(qū)動(dòng)的可靠性評(píng)估與壽命預(yù)測(cè)研究進(jìn)展: 基于協(xié)變量的方法[J]. 自動(dòng)化學(xué)報(bào), 2018, 44(2): 216-227(in Chinese). YU YONG, SI XIAOSHENG, HU CHANGHUA, et al. Data driven reliability assessment and life-time prognostics: A review on covariate models[J]. Acta Automatica Sinica, 2018, 44(2): 216-227(in Chinese).

[18] 張路朋, 王娟, 王攀, 等. 一種新的威布爾比例失效模型參數(shù)估計(jì)方法[J]. 河北電力技術(shù), 2017, 36(5): 18-20. ZHANG LUPENG, WANG JUAN, WANG PAN, et al. A new method of parameter estimation for Weibull proportional failure model[J]. Hebei Electric Power, 2017, 36(5): 18-20(in Chinese).

Health Condition Evaluation of Transformer Based on WPHM Model and Fuzzy Comprehensive Evaluation

ZHENG Wenguang1, XIE Hongling2, LI Yanqing2, WANG Aijun3, WANG Guan3, ZHANG Xiaowen4

(1. Douhe Power Plant, Datang International Power Generation Co., Ltd., Tangshan 063000, China; 2. School of Electrical and Electronic Engineering, North China Electric Power University, Baoding 071003, China; 3. Tangshan Meteorological Bureau, Tangshan 063000, China; 4. Department of Resources Management, Tangshan Normal University, Tangshan 063000, China)

Aiming at solving condition evaluation problems such as large fuzziness, one-sided evaluation index and weak guidance, this paper puts forward a transformer condition evaluation method based on WPHM model and fuzzy comprehensive evaluation. This method firstly establishes a two-stage condition index system from four properties of electricity, oilization, gas and physics, which improves the evaluation comprehensiveness and information acquisition efficiency. Then, WPHM model is built to comprehensively analyze the risk of primary index based on the secondary index, and the parameters are estimated by Weibull probability graph method and maximum likelihood estimation method, which improves the computational speed of the parameters. Finally, combined with the theory of optimal availability, the membership function is constructed and used to obtain the fuzzy relation between transformer risk degree and condition, and then the overall risk level of transformer is obtained under the action of variable weight. After a case study, the evaluation method is proved to be objective, accurate, convenient and effective, which has good practicability in engineering and can provide guidance and help for transformer maintenance.

transformer; WPHM model; fuzzy comprehensive evaluation; health condition evaluation

10.3969/j.ISSN.1672-0792.2021.02.005

TM41

A

1672-0792(2021)02-0032-10

2020-11-02

唐山市氣象局科研開發(fā)項(xiàng)目（18ky02ts）；唐山師范學(xué)院博士基金（2019A10）

鄭文光（1994—），男，碩士研究生，研究方向?yàn)殡姎庠O(shè)備狀態(tài)檢測(cè)與故障診斷、模式識(shí)別與智能系統(tǒng)等；

謝紅玲（1973—），女，講師，研究方向?yàn)殡姎庠O(shè)備故障診斷、高電壓與絕緣技術(shù)等；

李燕青（1974—），男，教授，研究方向?yàn)殡娋W(wǎng)規(guī)劃、新能源發(fā)電與微電網(wǎng)控制等。

鄭文光