配電站監(jiān)控體系架構(gòu)與健康評(píng)估

田 鵬，李 森，王振樹(shù)，鐘 遜，孫靚雨，高 輝

（1.國(guó)網(wǎng)山東省電力公司棗莊供電公司，棗莊 277000；2.山東大學(xué)電氣工程學(xué)院，濟(jì)南 250061）

隨著社會(huì)經(jīng)濟(jì)、信息技術(shù)、人工智能以及能源結(jié)構(gòu)的發(fā)展，構(gòu)建智能電網(wǎng)是電力行業(yè)發(fā)展的必然要求[1]。配電站作為構(gòu)建新型電網(wǎng)的關(guān)鍵環(huán)節(jié)，在電網(wǎng)電能傳輸和信息獲取的過(guò)程中起著重要的作用[2]。但目前配電站監(jiān)控存在智能化程度較低、監(jiān)測(cè)覆蓋不足、業(yè)務(wù)響應(yīng)不及時(shí)等諸多問(wèn)題[3-4]。因此，加強(qiáng)配電站監(jiān)控體系研究并實(shí)時(shí)獲取配電站的健康狀態(tài)具有重要理論意義和工程價(jià)值。

電力物聯(lián)網(wǎng)建設(shè)的推進(jìn)以及電網(wǎng)規(guī)模裝機(jī)容量的迅速增長(zhǎng)使海量電網(wǎng)數(shù)據(jù)的采集、存儲(chǔ)、處理、搜索和決策面臨巨大的挑戰(zhàn)[5]。不僅要求數(shù)據(jù)的時(shí)效性、完整性、安全性；還要提高數(shù)據(jù)的處理能力，剔除無(wú)效冗余數(shù)據(jù)，對(duì)多參量數(shù)據(jù)有序存儲(chǔ)和應(yīng)用[6]。傳統(tǒng)配電站監(jiān)控“采集+云端集中處理”垂直結(jié)構(gòu)制約了狀態(tài)感知和信息處理的時(shí)效性，且部分終端設(shè)備具有局限性，無(wú)法遠(yuǎn)程接入網(wǎng)絡(luò)，網(wǎng)絡(luò)的不穩(wěn)定性也使得云計(jì)算模式無(wú)法保證數(shù)據(jù)處理的實(shí)時(shí)性。邊緣計(jì)算有效解決數(shù)據(jù)處理的延時(shí)問(wèn)題，將云端的一部分應(yīng)用下沉到邊緣側(cè)，分擔(dān)云平臺(tái)的計(jì)算壓力，提高信息高效處理水平。

配電站具有結(jié)構(gòu)復(fù)雜、設(shè)備眾多的特點(diǎn)，導(dǎo)致運(yùn)行時(shí)采集數(shù)據(jù)困難，增加了對(duì)其狀態(tài)評(píng)估的難度。模糊層次分析FAHP（fuzzy analytical hierarchy process）[7]法靈活簡(jiǎn)單，常應(yīng)用于健康評(píng)估。然而這種方法存在主觀性太強(qiáng)的問(wèn)題，不能根據(jù)配電站設(shè)備的實(shí)時(shí)運(yùn)行狀態(tài)進(jìn)行調(diào)整，當(dāng)某一設(shè)備健康狀態(tài)下降時(shí)，處于同一層級(jí)的設(shè)備具有較高的健康度而使得某一設(shè)備健康狀態(tài)下降濃度被稀釋?zhuān)斐稍u(píng)估結(jié)果產(chǎn)生較大的偏差。

知識(shí)圖譜是一種將客觀世界的概念、實(shí)體、時(shí)間及其之間的關(guān)系以可視化方式展示的圖數(shù)據(jù)庫(kù)[8]。它提供一種能夠從海量的文本和圖像中抽取結(jié)構(gòu)化信息，并描述實(shí)體間關(guān)系的語(yǔ)義網(wǎng)絡(luò)[9]，具有從關(guān)系的角度分析問(wèn)題的能力。目前，已被廣泛應(yīng)用于智能搜索、智能回答、個(gè)性化推薦等領(lǐng)域[10]。

本文融合邊緣計(jì)算技術(shù)和知識(shí)圖譜構(gòu)建配電站監(jiān)控體系架構(gòu)，部署智能終端設(shè)備和邊緣計(jì)算平臺(tái)，對(duì)電氣信息、環(huán)境信息和設(shè)備運(yùn)行狀態(tài)進(jìn)行全面感知和全方位交互，實(shí)現(xiàn)配電網(wǎng)設(shè)備智能互聯(lián)和本地智能決策。針對(duì)FAHP求取權(quán)重時(shí)受人為因素影響大的問(wèn)題，在分析配電站相關(guān)設(shè)備指標(biāo)參量的基礎(chǔ)上，構(gòu)建配電站知識(shí)圖譜，結(jié)合新型劣化度函數(shù)，提出基于知識(shí)圖譜和改進(jìn)模糊層次分析法IFAHP（improved fuzzy analytic hierarchy process）的配電站健康狀態(tài)評(píng)估方法，實(shí)現(xiàn)配電站的健康狀態(tài)評(píng)估。

1 基于邊緣計(jì)算和知識(shí)圖譜的配電站監(jiān)控體系架構(gòu)

1.1 邊緣計(jì)算

邊緣計(jì)算是指在靠近物或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力為一體的開(kāi)放平臺(tái)，提供最近邊緣服務(wù)[11]。邊緣計(jì)算算法在邊緣設(shè)備平臺(tái)上進(jìn)行計(jì)算和任務(wù)處理時(shí)，相較于云計(jì)算，減少計(jì)算延遲和云平臺(tái)的存儲(chǔ)壓力，降低網(wǎng)絡(luò)傳輸?shù)娘L(fēng)險(xiǎn)，提高設(shè)備本地的實(shí)時(shí)處理能力和智能水平，同時(shí)進(jìn)行云端以及終端設(shè)備協(xié)同配合，使配電站監(jiān)控具備更強(qiáng)的數(shù)據(jù)處理效率。

1.2 邊緣計(jì)算和知識(shí)圖譜的配電站監(jiān)控體系架構(gòu)

傳統(tǒng)配電站監(jiān)控系統(tǒng)架構(gòu)如圖1所示。從配電站采集運(yùn)行數(shù)據(jù)和環(huán)境信息，由網(wǎng)關(guān)向上傳送給服務(wù)器對(duì)數(shù)據(jù)進(jìn)行收集和處理，通過(guò)調(diào)度中心進(jìn)行統(tǒng)一監(jiān)控。

圖1 傳統(tǒng)配電監(jiān)控系統(tǒng)Fig.1 Traditional distribution station monitoring system

為了滿(mǎn)足配電站監(jiān)控對(duì)配電站電氣、環(huán)境和設(shè)備運(yùn)行狀態(tài)等信息進(jìn)行全面感知和全方位交互，實(shí)現(xiàn)配電網(wǎng)設(shè)備智能互聯(lián)和本地智能決策，依據(jù)物聯(lián)網(wǎng)和互聯(lián)網(wǎng)技術(shù)，采用云-邊-端三層架構(gòu)，其體系架構(gòu)如圖2所示。云表示云平臺(tái)，依托云計(jì)算和大數(shù)據(jù)技術(shù)，對(duì)電力系統(tǒng)進(jìn)行統(tǒng)一的資源管理調(diào)配和運(yùn)行維護(hù)；邊表示邊緣計(jì)算層，位于云-端中間，支持與設(shè)備和云平臺(tái)的通訊；端表示智能終端，負(fù)責(zé)采集電氣信息、環(huán)境信息和狀態(tài)信息等。“云邊”之間采用5G通訊技術(shù)進(jìn)行信息交互；“邊端”之間采用485以及zigbee通信技術(shù)等進(jìn)行組網(wǎng)，并采用多協(xié)議適配、多參量物聯(lián)、即插即用和即時(shí)響應(yīng)。

圖2 基于邊緣計(jì)算和知識(shí)圖譜的配電站監(jiān)控體系架構(gòu)Fig.2 Architecture of distribution station monitoring system based on edge computing and knowledge graph

配電站系統(tǒng)需要對(duì)海量結(jié)構(gòu)化和半（非）結(jié)構(gòu)化數(shù)據(jù)進(jìn)行匯聚和分析，為加速異構(gòu)數(shù)據(jù)的挖掘和價(jià)值轉(zhuǎn)化，打破信息之間的交互屏障，通過(guò)物理設(shè)備采集配電站數(shù)據(jù)，對(duì)系統(tǒng)存儲(chǔ)的歷史數(shù)據(jù)和間接信息提取關(guān)聯(lián)知識(shí)，記錄并保存至知識(shí)圖譜的數(shù)據(jù)庫(kù)中。對(duì)配電站進(jìn)行健康評(píng)估時(shí)，從圖譜的數(shù)據(jù)庫(kù)搜索和匹配關(guān)鍵信息，快速?gòu)拿芗男畔⒑椭R(shí)中挖掘數(shù)據(jù)特征，進(jìn)行配電站健康評(píng)估。

1.3 邊緣四核處理及電力專(zhuān)用算法的搭載

現(xiàn)場(chǎng)節(jié)點(diǎn)通過(guò)各種類(lèi)型的現(xiàn)場(chǎng)網(wǎng)絡(luò)和工業(yè)總線(xiàn)與邊緣層中的配電站邊緣裝置相連接，實(shí)現(xiàn)現(xiàn)場(chǎng)層和邊緣計(jì)算層之間數(shù)據(jù)流和控制流的連通?，F(xiàn)場(chǎng)層連接傳感器、執(zhí)行器、設(shè)備和控制系統(tǒng)等現(xiàn)場(chǎng)節(jié)點(diǎn)。邊緣計(jì)算層接收、處理和轉(zhuǎn)發(fā)來(lái)自現(xiàn)場(chǎng)層的數(shù)據(jù)流，提供智能感知、數(shù)據(jù)分析、智能計(jì)算、過(guò)程優(yōu)化和實(shí)時(shí)控制等服務(wù)。

邊緣層封裝了邊緣側(cè)的計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)資源，作為配電站邊緣裝置架構(gòu)的核心，其性能要求大幅提高。邊緣計(jì)算四核處理器如圖3所示，邊緣計(jì)算層利用四核處理器對(duì)邊緣數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、處理和計(jì)算，提升了系統(tǒng)的并發(fā)能力和數(shù)據(jù)的實(shí)時(shí)性。同時(shí)為進(jìn)一步提高程序的并行度，充分發(fā)揮多核處理優(yōu)勢(shì)，通過(guò)編譯優(yōu)化把原先單線(xiàn)程的代碼編譯成多線(xiàn)程。

圖3 邊緣計(jì)算四核處理器Fig.3 Quad core processor used in edge computing

基于現(xiàn)場(chǎng)實(shí)時(shí)采集的各類(lèi)數(shù)據(jù)，邊緣計(jì)算層搭載配電站健康狀態(tài)評(píng)估電力專(zhuān)用算法對(duì)配電站進(jìn)行健康評(píng)估，確保配電站始終處于良好的運(yùn)行狀態(tài)。

2 配電站健康評(píng)估知識(shí)圖譜構(gòu)建

2.1 知識(shí)圖譜

知識(shí)圖譜分為通用知識(shí)圖譜和領(lǐng)域知識(shí)圖譜。通用知識(shí)圖譜的涵蓋范圍廣，強(qiáng)調(diào)大量實(shí)體融合，對(duì)精確度要求低，且很難設(shè)定一個(gè)標(biāo)準(zhǔn)規(guī)范實(shí)體、屬性與關(guān)系。領(lǐng)域知識(shí)圖譜通常是針對(duì)某一行業(yè)，考慮具體的業(yè)務(wù)需求等因素構(gòu)建的知識(shí)圖譜，對(duì)某一領(lǐng)域具有重要意義。

2.2 配電站知識(shí)圖譜

配電站作為向用戶(hù)或用電設(shè)備輸送電能的站點(diǎn)，內(nèi)部包含多種設(shè)備，其中每個(gè)設(shè)備具有多項(xiàng)指標(biāo)，要得到配電站的健康狀態(tài)，就需要對(duì)各項(xiàng)指標(biāo)進(jìn)行監(jiān)測(cè)分析。面對(duì)海量的數(shù)據(jù)，工作人員往往得到的是單個(gè)指標(biāo)的信息，沒(méi)有將整體的關(guān)系建立起來(lái)。因此，借助知識(shí)圖譜技術(shù)，對(duì)配電站主體、設(shè)備、以及指標(biāo)之間的關(guān)系進(jìn)行描述，構(gòu)建配電站知識(shí)圖譜，以可視化的形式向工作人員提供配電站的相關(guān)信息[11-12]。

2.2.1 配電站的知識(shí)圖譜框架

針對(duì)配電站監(jiān)控相關(guān)要求構(gòu)建知識(shí)圖譜的框架如圖4所示。該框架包含3個(gè)層面：數(shù)據(jù)層、物理層和功能層。數(shù)據(jù)層包含在配電站運(yùn)行過(guò)程中的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化文本數(shù)據(jù)。物理層主要包括：在功能層的指導(dǎo)下獲取數(shù)據(jù)層中相關(guān)實(shí)體、關(guān)系、屬性等結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽??；對(duì)知識(shí)抽取所得到的實(shí)體進(jìn)行融合；對(duì)配電站運(yùn)行過(guò)程中實(shí)時(shí)變化的數(shù)據(jù)信息進(jìn)行修正或更新。模式功能層應(yīng)用知識(shí)圖譜中的相關(guān)數(shù)據(jù)信息進(jìn)行健康評(píng)估、人機(jī)交互、智能搜索等。

圖4 配電站的知識(shí)圖譜框架Fig.4 Knowledge graph framework for distribution station

2.2.2 面向配電站健康評(píng)估的知識(shí)圖譜

選取基于Java的Neo4j圖數(shù)據(jù)庫(kù)，分別采用自頂向下、自底向上的方式構(gòu)建知識(shí)圖譜的模式層、數(shù)據(jù)層；兩者相互結(jié)合建立配電站健康評(píng)估知識(shí)圖譜，如圖5所示。模式層是對(duì)實(shí)體、實(shí)體關(guān)系、屬性建立的模型。配電站健康評(píng)估知識(shí)圖譜的模式層由配電站主體目標(biāo)層、一級(jí)指標(biāo)設(shè)備層、底層設(shè)備指標(biāo)層和各設(shè)備指標(biāo)層以及它們之間的關(guān)系構(gòu)成。數(shù)據(jù)層的構(gòu)建主要分為知識(shí)抽取、知識(shí)融合、知識(shí)更新3部分。通過(guò)知識(shí)抽取方法從變壓器、10 kV真空斷路器、歷史故障記錄等中獲取半結(jié)構(gòu)化數(shù)據(jù)，從配電站數(shù)據(jù)庫(kù)中獲取開(kāi)關(guān)柜工作電壓、開(kāi)關(guān)電流等結(jié)構(gòu)化數(shù)據(jù)；根據(jù)實(shí)時(shí)運(yùn)行數(shù)據(jù)，對(duì)知識(shí)圖譜中的內(nèi)容進(jìn)行更新和修正。

圖5 面向配電站健康評(píng)估的知識(shí)圖譜模式層與數(shù)據(jù)層構(gòu)建Fig.5 Construction of knowledge graph pattern layer and data layer for distribution station health assessment

對(duì)配電站各層級(jí)間的實(shí)體關(guān)系進(jìn)行初始化設(shè)置，采用向量表示方法（＜頭實(shí)體，關(guān)系，尾實(shí)體＞）[13]，建立＜配電站、設(shè)備主觀權(quán)值，設(shè)備層＞，＜設(shè)備層，關(guān)系1，圖譜權(quán)重＞，＜設(shè)備，指標(biāo)主觀權(quán)值，指標(biāo)＞等三元組，配電站健康評(píng)估預(yù)置知識(shí)圖譜，如圖6所示。

圖6 配電站預(yù)置知識(shí)圖譜Fig.6 Preset knowledge graph of distribution station

3 知識(shí)圖譜和IFAHP的配電站健康狀態(tài)評(píng)估

3.1 IFAHP健康評(píng)估方法

3.1.1 配電站健康評(píng)估體系評(píng)價(jià)集

對(duì)于配電站來(lái)說(shuō)，如何將設(shè)備及指標(biāo)的狀態(tài)進(jìn)行客觀評(píng)價(jià)是很重要的。在健康狀態(tài)等級(jí)劃分的前提下，用模糊隸屬度函數(shù)表現(xiàn)各設(shè)備和指標(biāo)屬于某一狀態(tài)的模糊程度，隸屬度越高代表其隸屬于這個(gè)模糊狀態(tài)的可能性就越大[14]。配電站健康狀態(tài)等級(jí)劃分如表1所示。

表1 健康狀態(tài)等級(jí)劃分Tab.1 Classification of health status levels

取每個(gè)狀態(tài)的分?jǐn)?shù)區(qū)間的最大值作為此狀態(tài)的標(biāo)準(zhǔn)分?jǐn)?shù)，用Cj表示。

模糊隸屬度函數(shù)的取值區(qū)間可采用等分法來(lái)確定隸屬度，通過(guò)該方法能夠有效減少計(jì)算編程的復(fù)雜程度，并且對(duì)于最終結(jié)果的精確度影響不大。引入三角隸屬度函數(shù)對(duì)其進(jìn)行描述，具體步驟如下。

（1）評(píng)估對(duì)象的狀態(tài)分為5類(lèi)，設(shè)指標(biāo)i的第j個(gè)狀態(tài)的中心點(diǎn)為λj(j=1,2,3,4,5)，那么這一狀態(tài)的取值范圍是 [λj-1,λj+1]。將 (λj-1,0)、(λj,1)、(λj+1,0)3點(diǎn)連接起來(lái)，得到指標(biāo)i關(guān)于狀態(tài)j的三角隸屬度函數(shù)，如圖7所示。

圖7 配電站狀態(tài)隸屬度函數(shù)Fig.7 Membership function for distribution station status

（2）將設(shè)備m對(duì)應(yīng)指標(biāo)測(cè)量數(shù)據(jù)分別歸一化后代入隸屬度函數(shù)，得到設(shè)備m(m=1,2,3,4)對(duì)應(yīng)指標(biāo)隸屬度矩陣Lm為

式中，矩陣中元素lm,ij(i=1,2,3,4;j=1,2,3,4,5)為設(shè)備m對(duì)應(yīng)的指標(biāo)i處于狀態(tài)j的隸屬度。

3.1.2 基于知識(shí)圖譜的主觀權(quán)重

基于知識(shí)圖譜，對(duì)實(shí)體之間關(guān)系的邏輯判斷，得到不同情況下的主觀權(quán)重。配電站中各設(shè)備的運(yùn)行狀態(tài)除了受其運(yùn)行參數(shù)的影響外，還受到氣候、使用年限等因素的影響。計(jì)及這兩種主要因素（可根據(jù)實(shí)際情況調(diào)整），設(shè)定關(guān)系1判斷。對(duì)區(qū)間進(jìn)行劃分或分類(lèi)；將氣候設(shè)定為夏季、冬季、春秋，確定設(shè)備使用年限的過(guò)渡值，進(jìn)行排列組合；由專(zhuān)家法對(duì)不同情況下的每一層內(nèi)的因素兩兩比較，利用1～9標(biāo)度法得出判斷矩陣，通過(guò)判斷矩陣得到設(shè)備及指標(biāo)的主觀權(quán)重αi，并進(jìn)行一致性檢驗(yàn)[15]，將各情況下得到的權(quán)值與關(guān)系1對(duì)應(yīng)后存入圖譜。

當(dāng)健康評(píng)估時(shí)，獲取當(dāng)前氣候以及設(shè)備使用年限的相關(guān)數(shù)據(jù)，根據(jù)設(shè)定標(biāo)準(zhǔn)進(jìn)行邏輯判斷；將此判斷與知識(shí)圖譜中的設(shè)備關(guān)聯(lián)關(guān)系匹配，得到對(duì)應(yīng)的權(quán)值，并更新三元組＜配電站，主觀圖譜權(quán)重，設(shè)備＞中的圖譜權(quán)重，即此狀態(tài)下設(shè)備與指標(biāo)的主觀權(quán)重。

3.1.3 改進(jìn)動(dòng)態(tài)權(quán)值

傳統(tǒng)求取權(quán)重的方法側(cè)重于專(zhuān)家評(píng)分的主觀方法，不能準(zhǔn)確反映系統(tǒng)運(yùn)行情況的變化。當(dāng)運(yùn)行參數(shù)在閾值范圍內(nèi)，對(duì)設(shè)備的影響程度較??；當(dāng)參數(shù)超出閾值范圍，隨著偏離程度的增大，對(duì)設(shè)備的健康狀態(tài)影響也越來(lái)越大。因此，根據(jù)這一特性提出新型劣化度函數(shù)，如圖8所示，通過(guò)劣化度函數(shù)求得指標(biāo)的客觀權(quán)重，在閾值范圍內(nèi)為線(xiàn)性函數(shù)，當(dāng)超出閾值時(shí)用指數(shù)函數(shù)表示為

圖8 劣化度函數(shù)Fig.8 Deterioration degree function

在眾多的賦權(quán)方法中，主觀賦權(quán)法是以研究對(duì)象本身的特性為基準(zhǔn)來(lái)確定相關(guān)權(quán)重，但是忽略了客觀性；而客觀賦權(quán)法往往能夠體現(xiàn)出這些研究對(duì)象的屬性在不同情況下的變化狀態(tài)。為了能夠?qū)⒅?、客觀的優(yōu)點(diǎn)結(jié)合，把將兩種賦權(quán)方法相結(jié)合的方法稱(chēng)為組合賦權(quán)法[16]，可求得設(shè)備或指標(biāo)對(duì)應(yīng)的組合權(quán)值為

式中：αi為指標(biāo)i的主觀權(quán)值；ωi為指標(biāo)i的組合權(quán)值；n為指標(biāo)的總個(gè)數(shù)。

3.1.3 健康評(píng)估分?jǐn)?shù)

由指標(biāo)的隸屬度矩陣以及權(quán)值，求得對(duì)應(yīng)設(shè)備m的隸屬度矩陣Bm，表示為

式中：ωm為設(shè)備m對(duì)應(yīng)指標(biāo)的權(quán)值矩陣；ωmi為設(shè)備m第i個(gè)指標(biāo)對(duì)應(yīng)的組合權(quán)值；Lm為設(shè)備m對(duì)應(yīng)指標(biāo)隸屬度矩陣，i=1,2,3,4；lm,ij為矩陣Lm中元素，表示設(shè)備m對(duì)應(yīng)的指標(biāo)i處于狀態(tài)j的隸屬度，j=1,2,3,4,5。

將各設(shè)備的隸屬度矩陣與其對(duì)應(yīng)狀態(tài)區(qū)間的標(biāo)準(zhǔn)分?jǐn)?shù)相乘得到設(shè)備m的評(píng)分Qm，即

式中，C1、C2、C3、C4、C5分別為狀態(tài)S1、S2、S3、S4、S5對(duì)應(yīng)分?jǐn)?shù)區(qū)間的標(biāo)準(zhǔn)分?jǐn)?shù)。配電站健康狀態(tài)等級(jí)劃分如表1所示。

根據(jù)設(shè)備評(píng)分和權(quán)值，求出配電站整體的評(píng)分，即

式中，Qm為設(shè)備m對(duì)應(yīng)的評(píng)估分?jǐn)?shù)。

3.2 配電站健康狀態(tài)評(píng)估流程

知識(shí)圖譜和IFAHP的配電站健康狀態(tài)評(píng)估流程如圖9所示。

圖9 知識(shí)圖譜和IFAHP的配電站健康狀態(tài)評(píng)估流程Fig.9 Flow chart of distribution station health status assessment based on knowledge graph and IFAHP

4 算例分析

以山東地區(qū)某配電站為研究對(duì)象，基于歷史相關(guān)運(yùn)行數(shù)據(jù)，利用MATLAB R2019b進(jìn)行健康評(píng)估算例分析。

4.1 配電站設(shè)備層與指標(biāo)層權(quán)重的確定

結(jié)合當(dāng)前季節(jié)與使用年限，對(duì)關(guān)系1進(jìn)行判斷，確定各設(shè)備及其指標(biāo)[17-20]。以變壓器為例，此時(shí)關(guān)系下4項(xiàng)指標(biāo)的重要程度按從高到低依次為：絕緣油介質(zhì)、繞組短路阻抗初值差、C2H2含量、糖醛含量，并從知識(shí)圖譜中獲取對(duì)應(yīng)權(quán)值。根據(jù)當(dāng)前各指標(biāo)測(cè)試值的偏移程度，應(yīng)用層次分析法結(jié)合劣化度函數(shù)得到變壓器的4項(xiàng)指標(biāo)狀態(tài)量的權(quán)值，如表2所示。

表2 變壓器指標(biāo)權(quán)值Tab.2 Index weights of transformer

同理，可得其他設(shè)備對(duì)應(yīng)的指標(biāo)權(quán)值，如表3所示。

表3 10 kV真空斷路器、低壓開(kāi)關(guān)柜、二次設(shè)備指標(biāo)權(quán)值Tab.3 Index weights of 10 kV vacuum circuit breaker,low-voltage switchgear,and secondary equipment

重復(fù)上述步驟，得到的變壓器、10 kV真空斷路器、低壓開(kāi)關(guān)柜、二次設(shè)備最終的改進(jìn)權(quán)值依次為[0.32、0.28、0.18、0.22]。

4.2 指標(biāo)層狀態(tài)評(píng)估計(jì)算

由圖7所示的隸屬度函數(shù)求得各設(shè)備指標(biāo)的狀態(tài)數(shù)據(jù)對(duì)應(yīng)的健康等級(jí)，如表4～表7所示。

表4 變壓器各指標(biāo)對(duì)應(yīng)的健康等級(jí)Tab.4 Health levels corresponding to each indicator of theTransformer

表5 10 kV真空斷路器各指標(biāo)對(duì)應(yīng)的健康等級(jí)Tab.5 Health levels corresponding to each indicator of the10 kV vacuum circuit breaker

表6 低壓開(kāi)關(guān)柜各指標(biāo)對(duì)應(yīng)的健康等級(jí)Tab.6 Health levels corresponding to each indicator of the low-voltage switchgear

表7 二次設(shè)備各指標(biāo)對(duì)應(yīng)的健康等級(jí)Tab.7 Health levels corresponding to each indicator of the secondary equipment

由表2～表7的數(shù)據(jù)并根據(jù)加權(quán)運(yùn)算，求得各設(shè)備的評(píng)估分?jǐn)?shù)，如表8所示。

表8 各設(shè)備的狀態(tài)評(píng)估值Tab.8 Status assessment value of each equipment

4.3 配電站健康評(píng)估計(jì)算

根據(jù)各設(shè)備的評(píng)估分?jǐn)?shù)與各設(shè)備改進(jìn)權(quán)重，采用加權(quán)模糊綜合評(píng)判法，將表8中數(shù)據(jù)代入式（7）求得配電站整體的狀態(tài)評(píng)估分?jǐn)?shù)。改進(jìn)后的狀態(tài)評(píng)估分?jǐn)?shù)與傳統(tǒng)的模糊層次分析法所得分?jǐn)?shù)的對(duì)比如表9所示。

表9 狀態(tài)評(píng)估分?jǐn)?shù)對(duì)比Tab.9 Comparison of status assessment score

本文方法求出的狀態(tài)分?jǐn)?shù)為72.758，由健康狀態(tài)等級(jí)表可知，雖然配電站的整體運(yùn)行狀況良好，但是存在某設(shè)備健康狀態(tài)下降；結(jié)合表8中變壓器的評(píng)估值為51.443分，說(shuō)明目前變壓器設(shè)備的指標(biāo)值已接近閾值，需要采取適當(dāng)?shù)拇胧┮员ＷC其運(yùn)行的安全性；而傳統(tǒng)方法求出的分?jǐn)?shù)為81.080，評(píng)估結(jié)果為健康，未反映出配電站目前的實(shí)際情況，證明了基于知識(shí)圖譜和IFAHP配電站健康評(píng)估方法有效性。

5 結(jié)語(yǔ)

本文構(gòu)建了基于邊緣計(jì)算和知識(shí)圖譜的配電站監(jiān)控體系架構(gòu)。利用邊緣計(jì)算技術(shù)，構(gòu)建智能化程度高、信息采集能力強(qiáng)、響應(yīng)快速的配電站監(jiān)控，并提出了基于知識(shí)圖譜和IFAHP的配電站健康狀態(tài)評(píng)估方法，提高了配電站健康評(píng)估的可信度。