基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法
【專利摘要】本發(fā)明公開(kāi)了一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法，包括：將變壓器故障樣本集按照既定故障類型分類，通過(guò)隨機(jī)加權(quán)法進(jìn)行分類故障樣本集等量增廣；基于增廣故障樣本集構(gòu)造故障類型?故障征兆關(guān)聯(lián)辨識(shí)矩陣，得到各故障類型的簡(jiǎn)化關(guān)聯(lián)頻繁故障征兆集以及優(yōu)化的故障征兆常權(quán)系數(shù)；結(jié)合物元可拓理論，構(gòu)造變壓器故障征兆集合數(shù)據(jù)字典經(jīng)典域和節(jié)域，進(jìn)而得到各故障征兆的物元關(guān)聯(lián)函數(shù)，求取各故障類型對(duì)應(yīng)的變權(quán)系數(shù)；通過(guò)梯嶺形模糊隸屬度函數(shù)計(jì)算變壓器狀態(tài)評(píng)估所需的同異反評(píng)價(jià)矩陣，結(jié)合優(yōu)化變權(quán)系數(shù)得到各故障類型和變壓器整體運(yùn)行狀態(tài)的集對(duì)分析多元聯(lián)系度，實(shí)現(xiàn)對(duì)變壓器運(yùn)行狀態(tài)的分析評(píng)估。
【專利說(shuō)明】
基于物元増廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及變壓器狀態(tài)評(píng)估技術(shù)領(lǐng)域，尤其涉及一種基于物元增廣可拓關(guān)聯(lián)的變 壓器狀態(tài)模糊集對(duì)評(píng)估方法。
【背景技術(shù)】
[0002] 電力變壓器，特別是油浸式電力變壓器的工作狀態(tài)是評(píng)估其運(yùn)行安全可靠性的重 要參考。電力變壓器故障可能會(huì)導(dǎo)致嚴(yán)重的電力系統(tǒng)停電事故。因此，對(duì)電力變壓器的潛在 初期故障檢測(cè)和工作狀態(tài)評(píng)估顯得尤為重要，這是目前預(yù)防和避免電力變壓器嚴(yán)重故障的 重要技術(shù)手段。
[0003] 在既有的變壓器故障檢測(cè)和狀態(tài)評(píng)估方法中，普遍采用的是油中溶解氣體分析法 (DGAhDGA法的工作機(jī)理為，電力變壓器故障的表現(xiàn)形式主要包括過(guò)熱、電弧放電以及局部 放電等，通過(guò)對(duì)電力變壓器絕緣油中的溶解氣體分析，得到特征溶解氣體濃度的比值信息， 可以對(duì)上述現(xiàn)象進(jìn)行有效檢測(cè)和判定，如目前常用的三比值法等，其建立故障診斷和狀態(tài) 評(píng)估準(zhǔn)則所需的氣體比值及其閾值信息通?；跉錃?、甲烷、乙醇、乙烯、乙炔、一氧化碳、 二氧化碳及其混合氣體等特征氣體參量。通過(guò)上述油中溶解氣體分析，可以識(shí)別出一種或 多種電力變壓器可能存在的故障狀態(tài)，并采取必要的預(yù)防性措施。
[0004] 上述方法的主要缺點(diǎn)在于，故障診斷和狀態(tài)評(píng)估準(zhǔn)則的建立需要經(jīng)驗(yàn)知識(shí)的積 累。某些情況下，測(cè)量的溶解氣體濃度或比值信息可能不夠完善全面，因此無(wú)法匹配既有判 定準(zhǔn)則，使得部分可能發(fā)生于電力變壓器內(nèi)部的故障無(wú)法被有效識(shí)別。另一方面，在工程實(shí) 際中，基于相同溶解氣體記錄樣本集的不同DGA判定方法可能會(huì)得出不同的診斷和評(píng)估結(jié) 論。因此，通常需要將多種DGA方法以及診斷變壓器的其他相關(guān)信息相結(jié)合，如變壓器的運(yùn) 行歷史、最近檢修記錄以及有載分接開(kāi)關(guān)狀態(tài)等，綜合評(píng)估變壓器的當(dāng)前工作狀態(tài)。顯而意 見(jiàn)，上述評(píng)估方法的有效性和魯棒性均得不到有效保障。
[0005] 通常，電力變壓器發(fā)生故障時(shí)，往往不僅僅只引起DGA狀態(tài)量的變化，油中糠醛含 量、局部放電數(shù)據(jù)以及其它變壓器絕緣參數(shù)等狀態(tài)量均會(huì)發(fā)生變化，因此，為了解決DGA方 法存在的魯棒性和適應(yīng)性等問(wèn)題，有必要對(duì)變壓器的各狀態(tài)量變化情況進(jìn)行綜合分析來(lái)判 斷變壓器的運(yùn)行狀態(tài)和潛在故障，據(jù)此，目前提出了基于狀態(tài)量可拓評(píng)估的可拓分析法、基 于綜合狀態(tài)量相關(guān)性分析的關(guān)聯(lián)規(guī)則算法以及綜合考慮系統(tǒng)確定性與不確定性因素的集 對(duì)分析法等，以提高變壓器故障診斷和狀態(tài)評(píng)估的有效性和魯棒性。
[0006] 但集對(duì)分析狀態(tài)評(píng)估方法進(jìn)行權(quán)重計(jì)算時(shí)，通常采用主觀依賴性較強(qiáng)的專家綜合 評(píng)分法和層次分析法，因而其需要主觀經(jīng)驗(yàn)的支撐，魯棒性較差;而現(xiàn)有融合關(guān)聯(lián)規(guī)則的智 能算法在關(guān)聯(lián)規(guī)則挖掘和權(quán)重計(jì)算過(guò)程中僅采用簡(jiǎn)化的支持度和置信度判據(jù)，特別是基于 置信度的權(quán)重系數(shù)計(jì)算中，雖改善了專家綜合評(píng)分和層次分析法的主觀性，但并未有效計(jì) 及各故障征兆之間的內(nèi)在相關(guān)性和規(guī)則的復(fù)雜度，也并未考慮樣本均衡性對(duì)變壓器狀態(tài)特 征關(guān)聯(lián)提取正確性的影響，并且其同異反評(píng)價(jià)劣化分析中模糊了負(fù)向邊界的影響，其三角 隸屬度函數(shù)在模擬狀態(tài)等級(jí)間的模糊性時(shí)也較為粗糙;而基于物元關(guān)聯(lián)的可拓分析在劣化 分析中引入物元關(guān)聯(lián)思想，有效考慮了變壓器各狀態(tài)參量在正常與故障數(shù)值區(qū)間內(nèi)劣化度 變化的差異性，但評(píng)估過(guò)程仍需要專家系統(tǒng)和經(jīng)驗(yàn)知識(shí)的積累和支撐，其狀態(tài)評(píng)估魯棒性 有待提尚。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的就是為了解決上述難題，提供了一種基于物元增廣可拓關(guān)聯(lián)的變壓 器狀態(tài)模糊集對(duì)評(píng)估方法，以改善樣本集合不均衡對(duì)變壓器狀態(tài)特征關(guān)聯(lián)提取正確性的影 響，有效計(jì)及各故障征兆之間的內(nèi)在相關(guān)性和規(guī)則的復(fù)雜度，在此基礎(chǔ)上對(duì)故障征兆集合 的適應(yīng)度常權(quán)進(jìn)行全局尋優(yōu)，降低常權(quán)計(jì)算過(guò)程的主觀依賴性對(duì)變壓器故障診斷和狀態(tài)評(píng) 估有效性的影響，并合理量化變壓器各狀態(tài)參量在正常與故障數(shù)值區(qū)間內(nèi)劣化度變化的差 異性，最終提高變壓器故障診斷和狀態(tài)評(píng)估過(guò)程的魯棒性和有效性。
[0008] 為實(shí)現(xiàn)上述目的，本發(fā)明的具體方案如下：
[0009] 基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法，包括：
[0010] 步驟1:對(duì)電力變壓器可能存在的故障類型進(jìn)行劃分，然后將采集到的變壓器故障 樣本集按照劃分的故障類型分類;進(jìn)行分類故障樣本集等量增廣，形成增廣故障樣本集合；
[0011] 步驟2:選取變壓器的故障征兆集合，基于增廣故障樣本集構(gòu)造故障類型-故障征 兆關(guān)聯(lián)辨識(shí)矩陣，計(jì)算優(yōu)化的故障征兆常權(quán)系數(shù)；
[0012] 步驟3:構(gòu)造變壓器故障征兆集合數(shù)據(jù)的量變經(jīng)典域和質(zhì)變節(jié)域，進(jìn)而得到各故障 征兆的物元關(guān)聯(lián)函數(shù)，結(jié)合優(yōu)化的故障征兆常權(quán)系數(shù)，計(jì)算各故障類型對(duì)應(yīng)的最優(yōu)變權(quán)系 數(shù)；
[0013] 步驟4:歸一化各故障征兆的物元關(guān)聯(lián)函數(shù)，定義故障征兆的物元關(guān)聯(lián)函數(shù)與變壓 器故障參量狀態(tài)等級(jí)映射表；
[0014] 步驟5:計(jì)算變壓器狀態(tài)評(píng)估所需的同異反評(píng)價(jià)矩陣，根據(jù)最優(yōu)變權(quán)系數(shù)得到電力 變壓器各故障類型和整體運(yùn)行狀態(tài)的集對(duì)分析多元聯(lián)系度，結(jié)合故障征兆的物元關(guān)聯(lián)函數(shù) 與變壓器故障參量狀態(tài)等級(jí)映射表，對(duì)變壓器運(yùn)行狀態(tài)進(jìn)行分析評(píng)估。
[0015] 進(jìn)一步地，所述步驟1中，進(jìn)行分類故障樣本集等量增廣的方法為：
[0016] 根據(jù)劃分的電力變壓器故障類型對(duì)采集的變壓器故障樣本集進(jìn)行歸類，得到歸類 樣本集合；
[0017] 通過(guò)隨機(jī)自舉得到的k次集合對(duì)歸類樣本集合進(jìn)行增廣，得到等量增廣故障樣本 集合。
[0018] 進(jìn)一步地，所述步驟2中，
[0019] 將等量增廣故障樣本集合中的每個(gè)故障類型增廣樣本，按照驗(yàn)證集樣本和訓(xùn)練集 樣本進(jìn)行k折劃分；
[0020] 以閾值A(chǔ)priori算法建立故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣；
[0021] 基于故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣，初始化故障征兆常權(quán)適應(yīng)度函數(shù)權(quán)重，并 以K折驗(yàn)證集平均故障診斷誤判率最小為優(yōu)化目標(biāo)，對(duì)故障征兆常權(quán)適應(yīng)度函數(shù)權(quán)重進(jìn)行 全局PS0優(yōu)化;得到優(yōu)化的故障征兆常權(quán)系數(shù)。
[0022] 進(jìn)一步地，建立故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣的方法具體為：
[0023] 對(duì)于每個(gè)故障類型FTi的訓(xùn)練集樣本，由包含故障征兆FSj的樣本比例為判據(jù)構(gòu)成 1-候選集關(guān)聯(lián)辨識(shí)映射向量；
[0024]由每個(gè)故障類型FTj對(duì)應(yīng)的1-候選集關(guān)聯(lián)辨識(shí)映射向量構(gòu)造故障類型-故障征兆 關(guān)聯(lián)辨識(shí)矩陣。
[0025]進(jìn)一步地，所述k折驗(yàn)證集平均故障診斷誤判率具體為：
[0027] 其中，〗V/為第i個(gè)驗(yàn)證集中故障診斷誤判樣本個(gè)數(shù)，心為第i個(gè)驗(yàn)證集中的樣本個(gè) 數(shù);k為交叉驗(yàn)證折疊重復(fù)次數(shù)。
[0028] 進(jìn)一步地，所述步驟3中，各故障征兆的物元關(guān)聯(lián)函數(shù)為：
[0029] 故障征兆狀態(tài)參量x在量變經(jīng)典域心上關(guān)于xo的有效矩與故障征兆狀態(tài)參量x關(guān)于 域Xi U Xz的位置的比值;其中，量變經(jīng)典域Xi = [a，b]，質(zhì)變節(jié)域Xz = [b，c]，且有a>b>c。
[0030] 進(jìn)一步地，所述步驟3中，各故障類型對(duì)應(yīng)的最優(yōu)變權(quán)系數(shù)為：
[0032] 其中，為故障類型FTj的常權(quán)系數(shù)，cwfl/M:出為變權(quán)系數(shù)，〃kt)為對(duì)故障征兆 FSi加權(quán)求和得到的故障類型FTj的評(píng)分值。
[0033] 進(jìn)一步地，所述步驟4中，變壓器狀態(tài)評(píng)估所需的同異反評(píng)價(jià)矩陣具體為： ys.Rmi.__FT. 廠 、j
[0034] PrSRFStFTj=，cw_-FTpL t\vFSi-FT!""icWFS.y「 FIy . ; '觀FSN!--fI)
[0035] 其中〃，為故障征兆常權(quán)系數(shù)；為故障征兆FSi對(duì)故障類型FTj的同異 反評(píng)價(jià)向量;i = l,2,. . . , j。
[0036] 進(jìn)一步地，所述步驟4中，電力變壓器各故障類型和整體運(yùn)行狀態(tài)的集對(duì)分析多元 聯(lián)系度具體為
[0037] ；
[0038] 其中，為故障類型對(duì)應(yīng)的最優(yōu)變權(quán)系數(shù)，為故障類型FT」的聯(lián)系度。
[0039]進(jìn)一步地，K折驗(yàn)證集平均故障診斷誤判率的計(jì)算需要對(duì)K折交叉每個(gè)驗(yàn)證集的每 個(gè)樣本進(jìn)行故障診斷過(guò)程，每次故障診斷過(guò)程均在當(dāng)前常權(quán)適應(yīng)度函數(shù)權(quán)重下進(jìn)行;故障 診斷過(guò)程自調(diào)用基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法的過(guò)程。
[0040] 本發(fā)明的有益效果：
[0041] 相較于現(xiàn)有技術(shù)，本發(fā)明所提出的基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì) 評(píng)估方法中，通過(guò)分類故障樣本集等量增廣改善了樣本集合不均衡對(duì)變壓器狀態(tài)特征關(guān)聯(lián) 提取正確性的影響，通過(guò)構(gòu)造加權(quán)適應(yīng)度函數(shù)有效計(jì)及各故障征兆之間的內(nèi)在相關(guān)性和規(guī) 則的復(fù)雜度，在此基礎(chǔ)上通過(guò)閾值A(chǔ)priori-PSO-CV算法對(duì)故障征兆集合的適應(yīng)度常權(quán)進(jìn)行 全局尋優(yōu)，降低常權(quán)計(jì)算過(guò)程的主觀依賴性對(duì)變壓器故障診斷和狀態(tài)評(píng)估有效性的影響， 并結(jié)合物元可拓分析理論合理量化變壓器各狀態(tài)參量在正常與故障數(shù)值區(qū)間內(nèi)劣化度變 化的差異性，最終提高變壓器故障診斷和狀態(tài)評(píng)估過(guò)程的魯棒性和有效性。
【附圖說(shuō)明】
[0042]圖1為基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法實(shí)施流程圖；
[0043] 圖2為閾值A(chǔ)priori-PS〇-CV算法實(shí)施流程圖；
[0044] 圖3為閾值A(chǔ)priori-PS〇-CV尋優(yōu)過(guò)程故障診斷驗(yàn)證實(shí)施流程圖。
【具體實(shí)施方式】：
[0045]下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明：
[0046]本發(fā)明提供了一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法，本發(fā) 明實(shí)施例以油浸式電力變壓器為對(duì)象。所述基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì) 評(píng)估方法實(shí)施例的實(shí)施流程如圖1所示。其技術(shù)方案為，首先，依據(jù)《油浸式變壓器（電抗 器)狀態(tài)評(píng)價(jià)導(dǎo)則》以及實(shí)際運(yùn)行經(jīng)驗(yàn)，對(duì)電力變壓器可能存在的故障類型進(jìn)行劃分，然后 將采集到的變壓器故障樣本集按照既定故障類型分類，通過(guò)隨機(jī)加權(quán)法進(jìn)行分類故障樣本 集等量增廣;然后，基于增廣故障樣本集構(gòu)造故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣，通過(guò)閾值 Apriori-PSO-CV算法得到各故障類型的簡(jiǎn)化關(guān)聯(lián)頻繁故障征兆集以及優(yōu)化的故障征兆常 權(quán)系數(shù)；
[0047]然后，結(jié)合物元可拓理論，構(gòu)造變壓器故障征兆集合數(shù)據(jù)字典經(jīng)典域和節(jié)域，進(jìn)而 得到各故障征兆的物元關(guān)聯(lián)函數(shù)，求取各故障類型對(duì)應(yīng)的變權(quán)系數(shù);最終，通過(guò)梯嶺形模糊 隸屬度函數(shù)計(jì)算變壓器狀態(tài)評(píng)估所需的同異反評(píng)價(jià)矩陣，結(jié)合優(yōu)化變權(quán)系數(shù)得到各故障類 型和變壓器整體運(yùn)行狀態(tài)的集對(duì)分析多元聯(lián)系度，實(shí)現(xiàn)對(duì)變壓器運(yùn)行狀態(tài)的分析評(píng)估。 [0048]具體實(shí)施方法如下：
[0049] 步驟1:依據(jù)《油浸式變壓器（電抗器)狀態(tài)評(píng)價(jià)導(dǎo)則》以及實(shí)際運(yùn)行經(jīng)驗(yàn)，對(duì)電力變 壓器可能存在的故障類型進(jìn)行劃分，然后將采集到的變壓器故障樣本集按照既定故障類型 分類，通過(guò)隨機(jī)自舉法(Bootstrap)進(jìn)行分類故障樣本集等量增廣；
[0050]步驟2:從參數(shù)齊全可測(cè)的代表性狀態(tài)量中選取變壓器的故障征兆集合，基于增廣 故障樣本集構(gòu)造故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣，通過(guò)閾值A(chǔ)priori-PSO-CV算法得到各 故障類型的簡(jiǎn)化關(guān)聯(lián)頻繁故障征兆集以及優(yōu)化的故障征兆常權(quán)系數(shù)；
[0051]步驟3:結(jié)合物元可拓理論，構(gòu)造變壓器故障征兆集合數(shù)據(jù)字典經(jīng)典域和節(jié)域，進(jìn) 而得到各故障征兆的物元關(guān)聯(lián)函數(shù)，結(jié)合優(yōu)化的故障征兆常權(quán)系數(shù)矩陣，計(jì)算各故障類型 對(duì)應(yīng)的最優(yōu)變權(quán)系數(shù)；
[0052]步驟4:通過(guò)梯嶺形模糊隸屬度函數(shù)計(jì)算變壓器狀態(tài)評(píng)估所需的同異反評(píng)價(jià)矩陣， 結(jié)合最優(yōu)變權(quán)系數(shù)得到電力變壓器各故障類型和整體運(yùn)行狀態(tài)的集對(duì)分析多元聯(lián)系度，對(duì) 變壓器運(yùn)行狀態(tài)進(jìn)行分析評(píng)估。
[0053]本發(fā)明實(shí)施例所述步驟1中，依據(jù)《油浸式變壓器（電抗器)狀態(tài)評(píng)價(jià)導(dǎo)則》以及實(shí) 際運(yùn)行經(jīng)驗(yàn)，劃分的電力變壓器故障類型和故障征兆類型分別如表1和表2所示。
[0054]表1電力變壓器的故障類型
[0057]表2電力變壓器的故障征兆類型
[0059] 本發(fā)明實(shí)施例所述步驟1中，通過(guò)隨機(jī)自舉法(Bootstrap)進(jìn)行分類故障樣本集等 量增廣的過(guò)程為：
[0060] 根據(jù)表1電力變壓器故障類型對(duì)采集的變壓器故障樣本集進(jìn)行歸類，得到歸類樣 本集合I:
[0061] I = {Di},(i = l,2,...,9) (1)
[0062] 其中，D1為對(duì)應(yīng)故障類型列表的第i個(gè)故障類型樣本集(事務(wù)數(shù)據(jù)庫(kù)），
[0063] Z)J = |/j }, (i = 1,2,,, " n) (2)
[0064] 其中，n為第i個(gè)故障類型樣本集中的樣本個(gè)數(shù)。D1本身為蘊(yùn)含未知分布的樣本集 合，并且集合樣本$之間相互獨(dú)立。隨機(jī)自舉得到的k次集合
[0065] Dlm =\t]nV...,t\nj,...,fm^,{nt = U2,...,k) (3)
[0066] 可實(shí)現(xiàn)對(duì)未知分布的有效估計(jì)，因此，可用于對(duì)樣本集合D1進(jìn)行增廣，其中，為 第m次從樣本集合X1中等概率抽取的樣本匕，其抽取概率為rT 1。由此得到的對(duì)應(yīng)故障類型i的 最終增廣樣本集合D#為
[0067] Dl* ={D!ii}i，(m= 1 , 2, A) (4j
[0068] 在隨機(jī)自舉的同時(shí)，保證各故障類型樣本集合的樣本數(shù)量近似相等，則可以在確 保概率分布特性不變的前提下，消除樣本集合不均衡對(duì)變壓器狀態(tài)特征關(guān)聯(lián)提取正確性的 影響，得到的等量增廣樣本集合P為：
[0069] i*={Di*}，（i = l，2，. ? ?，9) (5)
[0070]本發(fā)明實(shí)施例所述步驟2中，所述閾值A(chǔ)priori-PSO-CV算法實(shí)施例的實(shí)施流程如 圖2所示。其技術(shù)方案為，首先，將等量增廣樣本集合P中的每個(gè)故障類型增廣樣本隨機(jī)分 成K個(gè)相互獨(dú)立的子集，各個(gè)子集的樣本數(shù)量相等，從均分后的每個(gè)故障類型增廣樣本中各 取一個(gè)子集重新合并為驗(yàn)證集，均分后每個(gè)故障類型增廣樣本的其余K-1子集合并為訓(xùn)練 集;然后以閾值A(chǔ)priori算法建立故障類型-故障征兆關(guān)聯(lián)辨識(shí)映射集合;然后基于故障類 型-故障征兆關(guān)聯(lián)辨識(shí)矩陣，初始化故障征兆常權(quán)適應(yīng)度函數(shù)權(quán)重，并以K折驗(yàn)證集平均故 障診斷誤判率最小為優(yōu)化目標(biāo)對(duì)所述常權(quán)適應(yīng)度進(jìn)行全局PS0優(yōu)化;最后，檢查PS0進(jìn)程結(jié) 束條件是否滿足，即如果尋優(yōu)達(dá)到最大進(jìn)化代數(shù)或K折驗(yàn)證集平均故障診斷誤判率小于給 定值，則結(jié)束尋優(yōu)過(guò)程，輸出當(dāng)前的故障征兆常權(quán)適應(yīng)度函數(shù)權(quán)重優(yōu)化結(jié)果，用于故障征兆 常權(quán)計(jì)算。
[0071] 其中，由K-1訓(xùn)練集建立故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣的過(guò)程為：
[0072] 對(duì)于每個(gè)故障類型FTi的K-1訓(xùn)練集樣本，由包含故障征兆?5」(」_ = 1，2-，111)的樣本 比例為判據(jù)構(gòu)成的1-候選集關(guān)聯(lián)辨識(shí)映射向量為，
[0073] RfSi -FT, = | ^ I rFS, -FT, > SFS -FT ] ⑶
[0074] 對(duì)于不同的故障類型，記每個(gè)故障類型FT」對(duì)應(yīng)的1-候選集關(guān)聯(lián)辨識(shí)映射向量長(zhǎng) 度為。其中，故障征兆比例-巧為K-1訓(xùn)練集中故障類型FTj樣本出現(xiàn)故障征兆FSi 的次數(shù)與故障類型FTj的樣本數(shù)的比值，令故障征兆關(guān)聯(lián)閾值￡fs-ft = 0.7。
[0075] 由式(6)所述每個(gè)故障類型FTj對(duì)應(yīng)的1-候選集關(guān)聯(lián)辨識(shí)映射向量構(gòu)造的故障類 型-故障征兆關(guān)聯(lián)辨識(shí)映射集合為：
[0076 ] RFS.-= {R% -奸,}，/? = 1，2, " ?，. 9 ..(7)
[0077]對(duì)K-1訓(xùn)練集分別按故障類型和故障征兆統(tǒng)計(jì)發(fā)生次數(shù)，記各故障類型的發(fā)生次 數(shù)為Nnj(j = l，2，. . .，n)各故障征兆發(fā)生次數(shù)為Mf：s，(i = l，2,…，m)，令
(8)
[0079]則常權(quán)適應(yīng)度函數(shù)的表達(dá)式為
[0081]其中，式(9)中的權(quán)重向量滿足 (9)
[0082] W1+W2+W3 = 1 (10)
[0083] 式(9)中，為故障類型FTj樣本中包含故障征兆FSi的故障類型FTj樣本比例； %-碼為故障征兆FSi樣本中反映故障類型FTj的故障征兆FSi樣本比例；以故障類型FTj的關(guān) 聯(lián)辨識(shí)映射向量長(zhǎng)度的倒數(shù)表征所述故障類型FT」的故障征兆關(guān)聯(lián)映射復(fù)雜度， 即，與故障類型FTj關(guān)聯(lián)映射的故障征兆越多，則相應(yīng)故障征兆對(duì)故障類型FTj的基準(zhǔn)貢獻(xiàn)度 越小。
[0084] 因此，以式(9)所示的常權(quán)適應(yīng)度函數(shù)計(jì)算常權(quán)，充分考慮了故障征兆比例權(quán)重、 故障類型比例權(quán)重以及故障類型-故障征兆關(guān)聯(lián)映射復(fù)雜度的影響，能夠更加合理地表示 各故障征兆在關(guān)聯(lián)映射故障類型中的權(quán)重。結(jié)合粒子群優(yōu)化算法(PS0)和交叉驗(yàn)證算法 (CV)對(duì)以測(cè)試集故障診斷誤判率最小為優(yōu)化目標(biāo)，對(duì)所述常權(quán)適應(yīng)度函數(shù)的權(quán)重向量w =
[W1，W2，W3]進(jìn)行尋優(yōu)。
[0085] 在所述閾倌Aoriori-PSO-CV算法中，K折驗(yàn)證集平均故障診斷誤判率定義為
(11)
[0087]其中，&為第i個(gè)驗(yàn)證集中的樣本個(gè)數(shù)，N/為該驗(yàn)證集中故障診斷誤判樣本個(gè)數(shù)。 [0088]式（11)中K折驗(yàn)證集平均故障診斷誤判率的計(jì)算需要對(duì)K折交叉每個(gè)驗(yàn)證集的每 個(gè)樣本進(jìn)行故障診斷過(guò)程，每次故障診斷過(guò)程均在當(dāng)前常權(quán)適應(yīng)度函數(shù)權(quán)重下進(jìn)行。其中， 每次故障診斷過(guò)程實(shí)施例的實(shí)施流程如圖3所示，其中的步驟3和步驟4與所述基于物元增 廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法的實(shí)施過(guò)程相同，即，所述基于物元增廣可拓 關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法在常權(quán)適應(yīng)度尋優(yōu)過(guò)程中的每次故障診斷誤判率計(jì) 算中均蘊(yùn)含自調(diào)用過(guò)程。
[0089] 通過(guò)常權(quán)適應(yīng)度尋優(yōu)過(guò)程，得到最終的以故障征兆為行標(biāo)、以故障類型為列標(biāo)的 故障類型-故障征兆常權(quán)矩陣為
[0090] CWFS_FT ={cwFS _FT ) (12.) v 1 J fmxn
[0091] 本發(fā)明實(shí)施例所述步驟3中，所述物元可拓過(guò)程的基本思想是:通常，電力變壓器 的運(yùn)行狀態(tài)參數(shù)只會(huì)向單邊劣化發(fā)展，因此，其運(yùn)行狀態(tài)取值可以量化為兩個(gè)基本區(qū)間，其 一為正常運(yùn)行的量變經(jīng)典域，其二是狀態(tài)劣化凸顯的質(zhì)變節(jié)域。在量變經(jīng)典域中，變壓器的 運(yùn)行狀態(tài)參量隨著運(yùn)行時(shí)間的增加而量變劣化，在此期間，變壓器仍然能夠正常運(yùn)行，故障 征兆不會(huì)顯現(xiàn);隨著運(yùn)行狀態(tài)參量的持續(xù)劣化，當(dāng)變壓器的運(yùn)行狀態(tài)參量進(jìn)入質(zhì)變節(jié)域范 圍時(shí)，意味著變壓器將出現(xiàn)某些故障征兆。根據(jù)規(guī)程，各種電力變壓器可測(cè)故障征兆的量變 經(jīng)典域和質(zhì)變節(jié)域如表3所示。
[0092] 通常，在變壓器運(yùn)行狀態(tài)參量劣化過(guò)程中，當(dāng)故障征兆出現(xiàn)時(shí)，會(huì)加劇變壓器故障 狀態(tài)的惡化，在時(shí)間尺度上體現(xiàn)為使得變壓器快速進(jìn)入異常甚至嚴(yán)重故障狀態(tài)，反映于量 化數(shù)值映射，即，在運(yùn)行狀態(tài)參量的量變經(jīng)典域和故障節(jié)域之間的數(shù)值劣化斜率不同，這是 既有變壓器故障征兆劣化計(jì)算中未曾考慮的。
[0093]表3電力變壓器故障征兆的量變經(jīng)典域和質(zhì)變節(jié)域
[0096] 基于上述分析，本發(fā)明實(shí)施例所述步驟3中，所述物元可拓劣化計(jì)算過(guò)程為：
[0097] 對(duì)于負(fù)劣化故障征兆狀態(tài)參量x，令量變經(jīng)典域Xi = [a，b ]，質(zhì)變節(jié)域Xz = [b，c ]，并 且有a>b>c，則參量x關(guān)于域Xi U Xz的位置定義為， \d (x,XA-d{xi.Xl)-(a-b),x.^XI
[0098] 外w:卜 不卜;r- (13)
[0099] 其中，d(x，Xi)和d(x，Xz)分別表示參量x與量變經(jīng)典域Xi和質(zhì)變節(jié)域Xz的矩，有
(14)
[0101] 令負(fù)劣化最優(yōu)點(diǎn)xo = a，則參量x在量變經(jīng)典域心上關(guān)于xo的有效矩定義為
[0102] d(x,Xi,xo)=a-x (15)
[0103] 結(jié)合式（13)~（15)，可得負(fù)劣化故障征兆狀態(tài)參量x在域XiUXz上關(guān)于xo的物元可 拓關(guān)聯(lián)劣化函數(shù)為
(16)
[0105] 同理，對(duì)于正劣化故障征兆狀態(tài)參暈X，有a〈b〈c，式（13)~（15)變?yōu)?br>[0109]為便于所述物元可拓關(guān)聯(lián)劣化函數(shù)（16)相關(guān)的模糊隸屬度計(jì)算，對(duì)式（16)進(jìn)行歸 一化處理，可得故障征兆FSi對(duì)故障類型FL的物元可拓歸一化劣化度為
[0111] 根據(jù)歸一化物元可拓關(guān)聯(lián)劣化函數(shù)（16)以及相關(guān)規(guī)程中規(guī)定的故障征兆狀態(tài)參 量注意值和警示值的關(guān)系，定義的劣化函數(shù)值與變壓器故障參量狀態(tài)等級(jí)映射如表4所示， 其中，s〇 = 0，si = 5/18, S2 = 7/18, S3 = 4/9, S4 = 5/9, S5 = 11/18，S6= 13/18，S7 = 7/9, S8 = 8/ 9，S9=l〇
[0112] 表4物元可拓關(guān)聯(lián)劣化函數(shù)值與變壓器故障參量狀態(tài)等級(jí)映射表
[0114] 其中，變壓器某一故障征兆處于正常或注意運(yùn)行狀態(tài)表明該變壓器故障征兆狀態(tài) 參量處于量變經(jīng)典域，某一故障征兆處于輕微、異?；驀?yán)重故障運(yùn)行狀態(tài)表明該變壓器故 障征兆狀態(tài)參量處于質(zhì)變節(jié)域，從表4所示物元可拓關(guān)聯(lián)映射可知，物元可拓關(guān)聯(lián)映射的狀 態(tài)區(qū)間劃分不同于傳統(tǒng)的等間隔劃分方式，并且物元可拓關(guān)聯(lián)映射的原象狀態(tài)參量劃分也 有別于傳統(tǒng)的等間隔參量漸變方式，其基于的物理事實(shí)是，在實(shí)際的變壓器狀態(tài)變化過(guò)程 中，各個(gè)狀態(tài)之間的量化演變并非是平穩(wěn)漸變的，即狀態(tài)參量的量變過(guò)程和質(zhì)變過(guò)程并不 相同，該現(xiàn)象在傳統(tǒng)的等間隔平穩(wěn)量化歸一過(guò)程中是無(wú)法體現(xiàn)的。
[0115] 結(jié)合故障類型-故障征兆常權(quán)矩陣（12)和歸一化物元可拓關(guān)聯(lián)函數(shù)（16 )，令x=XFS;， (々sJo，xf:Si和(他,)〇分另lj表不故障征兆FS i的試驗(yàn)值和最優(yōu)值，(木&).|和(Xfs,)z.分別表不故障征 兆的量變經(jīng)典域和質(zhì)變節(jié)域，由此對(duì)故障征兆FSJP權(quán)求和可得故障類型FT」的評(píng)分值為
[0116] Pfjj = ), ^fs. ) (A>& l〇 I (21) J f=i "
[0117]考慮故障類型決策狀態(tài)變量評(píng)分對(duì)權(quán)重組態(tài)的影響，通過(guò)變權(quán)計(jì)算對(duì)常權(quán)系數(shù)進(jìn) 行修正，
[0118] vwFI = (mFT PpTl\jcwFTip^ ) (22)
[0119] 其中，為故障類型FTj的常權(quán)系數(shù)，反映該故障類型對(duì)變壓器運(yùn)行狀態(tài)的表征 準(zhǔn)確度，假設(shè)每個(gè)故障類型均能較準(zhǔn)確地表征變壓器某一方面的運(yùn)行狀態(tài)，于是有 cw FT,=]/n出為變權(quán)系數(shù)，考慮到變壓器狀態(tài)指標(biāo)參數(shù)的嚴(yán)重偏離將會(huì)影響整個(gè)變壓器的安 全性，故取0 = 0.2。
[0120] 本發(fā)明實(shí)施例所述步驟4中，為平衡變壓器狀態(tài)等級(jí)模糊性的模擬性能，并盡可能 確保變壓器狀態(tài)等級(jí)信息的有效性，采用半梯-半嶺型模糊隸屬度函數(shù)來(lái)量化變壓器各故 障征兆的物元可拓關(guān)聯(lián)劣化程度，
(23)
[0122] 歸一化后的物元可拓關(guān)聯(lián)函數(shù)（19)對(duì)應(yīng)的模糊隸屬同異反評(píng)價(jià)狀態(tài)表達(dá)式如式 (23)所示。
[0123] 本發(fā)明實(shí)施例所述步驟4中，基于上述分析，故障征兆FSi對(duì)故障類型FT」的同異反 評(píng)價(jià)向量為
[0124] 廠紐戌-打,=(心frj，r2 ([kv盯,)，':，(廠尸'?,-打,)，'、(【符廠盯,)，'"[符，一打,）（2:4)
[0125] 若故障類型FTj的關(guān)聯(lián)故障征兆個(gè)數(shù)為Nj，結(jié)合各故障征兆FSi對(duì)故障類型FTj的常 權(quán)系數(shù)，可得故障類型FT」的同異反評(píng)價(jià)向量為 -VSRf'-ft, ' -VSh-FT.
[0126] VSRfs^.= c\vFSi,c\vFSl _FTj,? ? ?,cu'fsXj； (25) VSRFSx廠FTj
[0127] 本發(fā)明實(shí)施例所述步驟4中，進(jìn)一步地，故障類型FT」的聯(lián)系度為 雕碑-叫「F縦]_ 「 VSRF%.-FT VSRE-2
[0128] /JFTj_ = CWfSi _FT^ , CWFS2 _FTj ,..., ^'fSNj -KTj : ； P〇) j SRFs -FT丨 J5 _
[0129] 其中，同異反系數(shù)向量VSRE為
[0130] VSRE = [VSREi, VSRE2, ?'', VSREs]T (27)
[0131] 本發(fā)明實(shí)施例所述步驟4中，由于物元可拓關(guān)聯(lián)劣化函數(shù)的非線性特性，因此，多 元聯(lián)系度的同異反系數(shù)向量不能采用均分法求解，根據(jù)表4的運(yùn)行狀態(tài)歸一化區(qū)間多元聯(lián) 系數(shù)劃分，采用區(qū)間中值作為同異反系數(shù)向量元素，有
，由于同一度和 對(duì)立度系數(shù)通常取1和-1，對(duì)同異反系數(shù)向量進(jìn)行尺度伸縮可得
[0132] 本發(fā)明實(shí)施例所述步驟4中，進(jìn)一步地，由所述故障類型FT」的聯(lián)系度可求得變壓 器整體運(yùn)行狀態(tài)的聯(lián)系度為
[0133] #ir='y',vwFT:^JFT, .(2.8) j-
[0134] 綜上所述，式（26)和式（28)分別為所述電力變壓器各故障類型FT」和整體運(yùn)行狀 態(tài)對(duì)應(yīng)的量化評(píng)價(jià)指標(biāo)，通過(guò)與表4所述運(yùn)行狀態(tài)歸一化量化區(qū)間進(jìn)行對(duì)比，可以得出當(dāng)前 運(yùn)行電力變壓器所處的運(yùn)行狀態(tài)以及可能存在的故障類型。
[0135] 上述雖然結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范 圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不 需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。
【主權(quán)項(xiàng)】
1. 基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法，其特征是，包括： 步驟1:對(duì)電力變壓器可能存在的故障類型進(jìn)行劃分，然后將采集到的變壓器故障樣本 集按照劃分的故障類型分類;進(jìn)行分類故障樣本集等量增廣，形成增廣故障樣本集合； 步驟2:選取變壓器的故障征兆集合，基于增廣故障樣本集構(gòu)造故障類型-故障征兆關(guān) 聯(lián)辨識(shí)矩陣，計(jì)算優(yōu)化的故障征兆常權(quán)系數(shù)； 步驟3:構(gòu)造變壓器故障征兆集合數(shù)據(jù)的量變經(jīng)典域和質(zhì)變節(jié)域，進(jìn)而得到各故障征兆 的物元關(guān)聯(lián)函數(shù)，結(jié)合優(yōu)化的故障征兆常權(quán)系數(shù)，計(jì)算各故障類型對(duì)應(yīng)的最優(yōu)變權(quán)系數(shù)； 步驟4:歸一化各故障征兆的物元關(guān)聯(lián)函數(shù)，定義故障征兆的物元關(guān)聯(lián)函數(shù)與變壓器故 障參量狀態(tài)等級(jí)映射表； 步驟5:計(jì)算變壓器狀態(tài)評(píng)估所需的同異反評(píng)價(jià)矩陣，根據(jù)最優(yōu)變權(quán)系數(shù)得到電力變壓 器各故障類型和整體運(yùn)行狀態(tài)的集對(duì)分析多元聯(lián)系度，結(jié)合故障征兆的物元關(guān)聯(lián)函數(shù)與變 壓器故障參量狀態(tài)等級(jí)映射表，對(duì)變壓器運(yùn)行狀態(tài)進(jìn)行分析評(píng)估。2. 如權(quán)利要求1所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，所述步驟1中，進(jìn)行分類故障樣本集等量增廣的方法為： 根據(jù)劃分的電力變壓器故障類型對(duì)采集的變壓器故障樣本集進(jìn)行歸類，得到歸類樣本 集合； 通過(guò)隨機(jī)自舉得到的k次集合對(duì)歸類樣本集合進(jìn)行增廣，得到等量增廣故障樣本集合。3. 如權(quán)利要求1所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，所述步驟2中， 將等量增廣故障樣本集合中的每個(gè)故障類型增廣樣本，按照驗(yàn)證集樣本和訓(xùn)練集樣本 進(jìn)行k折劃分； W闊值A(chǔ)priori算法建立故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣； 基于故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣，初始化故障征兆常權(quán)適應(yīng)度函數(shù)權(quán)重，并WK 折驗(yàn)證集平均故障診斷誤判率最小為優(yōu)化目標(biāo)，對(duì)故障征兆常權(quán)適應(yīng)度函數(shù)權(quán)重進(jìn)行全局 PSO優(yōu)化;得到優(yōu)化的故障征兆常權(quán)系數(shù)。4. 如權(quán)利要求3所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，建立故障類型-故障征兆關(guān)聯(lián)辨識(shí)矩陣的方法具體為： 對(duì)于每個(gè)故障類型FTi的訓(xùn)練集樣本，由包含故障征兆FS撕樣本比例為判據(jù)構(gòu)成1-候 選集關(guān)聯(lián)辨識(shí)映射向量； 由每個(gè)故障類型FT苗4應(yīng)的1-候選集關(guān)聯(lián)辨識(shí)映射向量構(gòu)造故障類型-故障征兆關(guān)聯(lián)辨 識(shí)矩陣。5. 如權(quán)利要求3所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，所述K折驗(yàn)證集平均故障診斷誤判率具體為：其中，斯f為第i個(gè)驗(yàn)證集中故障診斷誤判樣本個(gè)數(shù)，Ni為第i個(gè)驗(yàn)證集中的樣本個(gè)數(shù);k 為交叉驗(yàn)證折疊重復(fù)次數(shù)。6. 如權(quán)利要求1所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，所述步驟3中，各故障征兆的物元關(guān)聯(lián)函數(shù)為： 故障征兆狀態(tài)參量X在量變經(jīng)典域Xi上關(guān)于XO的有效矩與故障征兆狀態(tài)參量X關(guān)于域Xi UXz的位置的比值;其中，量變經(jīng)典域Xi=[a，b]，質(zhì)變節(jié)域Xz = [b，c]，且有a〉b〉c。7. 如權(quán)利要求1所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，所述步驟3中，各故障類型對(duì)應(yīng)的最優(yōu)變權(quán)系數(shù)為：其中，CW巧為故障類型FTj的常權(quán)系數(shù)，CWft尸1/化0為變權(quán)系數(shù)，為對(duì)故障征兆FSi加 權(quán)求和得到的故障類型FT北勺評(píng)分值。8. 如權(quán)利要求1所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，所述步驟4中，變壓器狀態(tài)評(píng)估所需的同異反評(píng)價(jià)矩陣具體為：其中，ew踢巧為故障征兆常權(quán)系數(shù);為故障征兆FSi對(duì)故障類型FT撕同異反評(píng) 價(jià)向量;i = l，2,. . .，j。9. 如權(quán)利要求1所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，所述步驟4中，電力變壓器各故障類型和整體運(yùn)行狀態(tài)的集對(duì)分析多元聯(lián)系度具 體為其中，胃巧為故障類型對(duì)應(yīng)的最優(yōu)變權(quán)系數(shù)，//巧為故障類型F町的聯(lián)系度。10. 如權(quán)利要求3所述的一種基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法， 其特征是，K折驗(yàn)證集平均故障診斷誤判率的計(jì)算需要對(duì)K折交叉每個(gè)驗(yàn)證集的每個(gè)樣本進(jìn) 行故障診斷過(guò)程，每次故障診斷過(guò)程均在當(dāng)前常權(quán)適應(yīng)度函數(shù)權(quán)重下進(jìn)行;故障診斷過(guò)程 自調(diào)用基于物元增廣可拓關(guān)聯(lián)的變壓器狀態(tài)模糊集對(duì)評(píng)估方法的過(guò)程。
【文檔編號(hào)】G01R31/02GK105911407SQ201610211816
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月7日
【發(fā)明人】彭飛, 任敬國(guó), 陳玉峰, 辜超, 朱文兵, 杜修明, 周加斌, 朱孟兆, 王建, 朱慶東, 李 杰, 張振軍, 白德盟, 莊哲, 李小鵬, 趙元哲, 王旭峰, 冒波波
【申請(qǐng)人】國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院, 國(guó)家電網(wǎng)公司, 山東中實(shí)易通集團(tuán)有限公司