基于信息融合的750 kV电网二次设备状态评估

王晓亮，董海鹰，2，任 伟

（1.兰州交通大学自动化与电气工程学院，兰州 730070；

2.兰州交通大学光电技术与智能控制教育部重点实验室，兰州 730070；3.甘肃省电力公司检修公司，兰州 730050）

750 kV电网二次设备能否正常的运行，直接关系到电网的安全稳定运行；因此对750 kV电网二次设备进行状态检修势在必行，其中进行准确的状态评估是实现状态检修的基础[1]。

目前用于电气二次设备状态评估的方法主要有以下几种方法：文献 [2-4]应用马尔可夫（Markov）法对继电保护设备进行可靠性分析，文中考虑了继电保护的各运行状态，但是没有实现对装置自检信息的全面、综合利用。文献[5]应用概率法对继电保护装置建立概率模型，由于750 kV电网二次设备一般为可修复系统，一般不适合应用概率法进行评估。文献[6]应用故障树法对变电站通信系统的可靠性进行评估。文献[1]应用支持向量机对微机保护装置进行状态评估，但是其需要样本数据，在实际操作中不易获得这些数据。

本文主要对750 kV电网二次设备中的微机保护装置和测控装置进行分析研究。对于具有模糊性质的自检信息，通过模糊综合评价法实现状态评估。对于运行状态信息，通过马尔科夫预测法实现状态评估。对于隐藏故障[7]数据，通过隐藏故障判断实现状态评估。文中通过DS证据理论[8]实现信息融合[9，10]。即用DS证据理论将马尔科夫预测法，模糊综合评判和隐藏故障判断对750 kV电网二次设备的状态评估结果在决策级进行融合以实现综合评估。

1 750 kV电网二次设备状态评估信息的特点

750 kV电网二次设备几乎都具有较完备的自检功能。这些750 kV电网二次设备的自检信息可以实时的显示750 kV电网二次设备的运行状态。自检信息是表征二次设备状态的重要信息，其一般存在三种状态，分别为：正常，异常，告警；这三种状态是一些模糊的状态量。

本文利用状态值表示这三种状态对750 kV电网二次设备健康状况的影响程度，状态值是依据专家经验及相关文献资料确定的，其取值范围：0～1；微机保护装置平时的一些运行状态，如正常工作状态，拒动失效状态，误动失效状态，它们之间的一些转移关系，也是表征750 kV电网二次设备状态的重要信息。

针对甘肃某750 kV变电站内二次设备实际配置情况，如线路保护装置与测控装置，其对于同一个模拟量如电压量，电流量，都有两套微机保护装置，和一套测控装置进行采集，其采集的相关电流量、电压量都上传到该750 kV变电站的站控层。基于以上研究，将两套微机保护装置和一套测控装置所采集的相同模拟量值进行对比，当有一套装置的模拟量采集值与其他两套装置的采集值有差异且超过警戒值，则说明这台装置存在隐藏故障。

2 基于信息融合的状态评估

模糊综合评价法具有将模糊性加以量化的特点[11]，可以有效地利用具有模糊性质的自检信息实现状态评估。马尔科夫预测法具有预测事物未来的特点，可以很好地实现对微机保护装置的可靠性预测。基于隐藏故障数据，隐藏故障判断法可以有效地发现单台装置的隐藏故障。信息融合技术可以综合利用多传感器获得的同一对象的多维状态评估信息并进行评估[12]。本文采用D-S证据理论实现三种评估算法的决策级融合，进而提高评估的准确性。

2.1 基于马尔科夫预测法的状态评估

1）马尔科夫预测法模型

马尔科夫预测法[13]主要原理就是利用初始的状态概率向量和状态概率转移矩阵来推知750 kV电网二次设备未来某一时期所处的状态。用Pij（k）表示750 kV电网二次设备由状态Ei经过k次转移至状态Ej的概率，即

式（1）称为k步转移概率矩阵，其中的元素具有如下性质。

称为第k个时期的状态概率向量。向量中的元素有如下性质。

2）确定马尔科夫预测法的各状态

针对微机保护装置的实际运行状态，选取以下状态建立马尔科夫预测模型。

状态0：750 kV电网二次设备正常工作状态；

状态1：750 kV电网二次设备误动失效；

状态2：750 kV电网二次设备拒动失效；

状态3：750 kV电网二次设备可自检误动失效；

状态4：750 kV电网二次设备可自检拒动失效；

本文以单一微机保护装置为例，在确定状态1～4时做如下合理假设和说明，即对于状态1，假设保护隔离故障后，保护装置发生误动。对于状态2、3、4，微机保护装置的执行对象是处于正常状态。

3）状态空间图

依据各状态之间的转移关系，建立基于马尔科夫预测法的750 kV电网二次设备状态空间图，如图1所示。

图1 基于马尔科夫预测法的二次设备状态空间图Fig.1 State space diagram of secondary equipment based on Markov forecasting method

4）构建状态转移概率矩阵

依据状态空间图中各状态之间的转移概率，建立状态转移概率矩阵。

2.2 基于模糊综合评价的状态评估

模糊综合评价法就是利用模糊线性变换原理和最大隶属度原则，考虑与被评价事物相关的各个因素，对其做出合理的综合评价[11]。

1）评价因素集的确定

750 kV电网二次设备的自检信息组成因素集U，该集是以反映设备状态的各种状态量为元素组成的集合，即 U={u1，u2，…，un}，式中，u1，u2，…，un代表设备的各状态量，综合反映设备的状态，本文选取以下自检信息建立评价因素集，即存储器自检，程序自检，TV断线自检，零序长期起动自检，TWJ自检。

2）评价因素权重的确定

各因素权重的分配对750 kV电网二次设备状态的评价结果起着至关重要的作用，确定合理的权重是模糊综合评价的关键步骤。其一般表达形式为 A={a1，a2，…，an}。ai表示第 i个因素对应的权重值。文中采用层次分析法[14]求解权重值向量。首先，构造判断矩阵M，其中uij代表评价因素集中ui对uj的相对重要性数值。

其次，依据M判断矩阵，求出最大特征根所对应的特征向量。所求特征向量即为权重值向量组。

3）评估标准的确立

本文通过评分的方式对750 kV电网二次设备的状态进行评估。将750 kV电网二次设备的状态分为5个等级，即评价集V={良好，一般，可疑，可靠性下降，危险}，并依据设备状态与评分推荐表[15]来确定与评价集V对应的评估标准。其中设备状态与评分推荐表如表1所示，750 kV电网二次设备状态评估标准如表2所示。

表1 设备状态与评分推荐表Tab.1 Reference form of equipment condition and grade

表2 750 kV电网二次设备状态评估标准Tab.2 State evaluation standard of secondary equipment in 750 kV power grid

4）隶属度矩阵的确立

因素集中的元素不再是简单的属于或不属于评价集中的某一级，在描述元素和评价集中的评价结果关系时需要用到隶属度，隶属度通过隶属度函数求取。750 kV电网二次设备状态评估的隶属度函数如表3所示。隶属度rij表示U中第i个因素值对V中第j个等级的隶属度。分别求出评价因素集中的第i个因素值，对应于评价集中评价V1、V2、V3、V4、V5的隶属度，即为隶属度矩阵。

表3 隶属度函数表Tab.3 Table of membership functions

5）模糊综合评价模型的建立

式中“◦”表示模糊合成算子。为了保留全部有用信息，本模糊综合评价系统选用“加权平均型”模糊合成运算。评价原则采用模糊综合指数法[16]，模糊综合评价指数为

式中，ST为等级标准向量。

2.3 基于隐藏故障的评估方案

根据甘肃某750 kV变电站内二次设备的实际配置特点，如线路保护装置与测控装置，其对于某一模拟量（电压量，电流量）都有两套微机保护装置和一套测控装置进行采集，并在站控层对相关信息进行收集。文中依据以上特点，分别制定了电流量，电压量采集通道的评估方案。

1）电流量采集通道评估方案

将微机保护装置的采集电流和测控装置的采集电流进行收集，如果有一个装置采集的电流值与其它两个装置采集的电流值相差超过电流限值，即告警检修；根据《电力系统实时动态监测系统技术规范》规定电流测量元件准确度如表4和表5[17]所示。

表4 电流相量测量的相对误差要求（测量CT）Tab.4 Requirements of relative error of current phasor measurement

表5 电流相量测量的相对误差要求（保护CT）Tab.5 Requirements of relative error of current phasor measurement

2）电压量采集通道评估方案

将微机保护装置的采集电压和测控装置的采集电压进行收集，如果有一套装置采集的电压值与其他两套装置采集的电压值相差超过电压限值，即告警检修；根据《电力系统实时动态监测系统技术规范》规定电压测量元件准确度如表6所示。

表6 电压相量测量的相对误差要求Tab.6 Requirements of relative error of voltage phasor measurement

2.4 基于DS证据理论的融合模型

DS合成法则[18]是一个反映证据联合作用的法则。

设Bel1和Bel2是同一识别框架U上的两个信任函数，同时m1和m2是其对应的基本概率分配函数，若A⊆U且m（A）>0，则称A为焦元；焦元分别为 A1，A2，…，An和 B1，B2，…，Bn，并假设

依据各评估算法的评估结果，实现其正常率，故障率的可信度分配。通过DS合成法则获得融合后750 kV电网二次设备正常率和故障率的可信度分配。依据评估标准及信息融合结果实现对750 kV电网二次设备的状态评估。其中，基于D-S证据理论的信息融合评估模型如图2所示。

图2 基于D-S证据理论的信息融合评估模型Fig.2 Information fusion assessment model based on DS evidence theory

3 仿真实验与结果分析

以某750 kV电网二次设备的部分自检信息为研究对象，其评价因素向量U=｛存储器自检正常，程序自检正常，TV断线自检正常，零序长期起动自检正常，TWJ自检异常｝；评价因素集对应的状态值向量为{1，1，1，1，0.203}；依据专家经验及设备历史运行情况，可得判断矩阵为

进而根据判断矩阵M求出权重值向，量即A=（0.342 0，0.342 0，0.184 2，0.065 9，0.065 9）

文中依据评估标准及计算结果的需要设定等级标准向量

S=（1，0.7，0.5，0.3，0.1）

应用以上数据，通过计算状态值向量对各等级的隶属度，最终得出综合评价结果b=0.944 6.

基于马尔科夫预测法的750 kV电网二次设备状态评估数据参考文献[19，20]的参数。经过计算可得各状态转移概率为：μ1=0.0013，μ2=2.41×10-6，μ3=5×10-6，μ4=0.95× 10-5，μ5=2 × 10-5，μ6=0.03，μ7=0.03，μ8=2 × 10-5；经过 5 步状态转移，其计算结果为正常状态的概率为0.999 8。对于隐藏故障判断，其评估数据本文参考文献[17]的参数。正常状态的概率为0.97，处于故障的状态为0.03。以上3种算法，其评估结果的可信度分配如表7所示。

表7 评估结果的可信度分配Tab.7 Belief assignment of assessment result

本文采用DS证据理论作为信息融合方式，利用Dempster组合规则，首先计算m1和m2融合后的可信度分配m4（A1），m4（A2）。求解m3和m4融合后的可信度分配 m（A1），m（A2），即最终的融合结果m。基于DS证据理论的融合结果如表8所示。

表8 DS证据理论的可信度分配Tab.8 Belief assignment of DS evidence theory

对比表7和表8可知，融合后正常状态的可信度增加了，故障状态的可信度降低了，此结果符合甘肃某750 kV变电站内二次设备的实际运行情况。很多运行状态信息可以表征750 kV电网二次设备的状态。这些具有不同性质的信息，需要利用不同的方法对其进行评估。针对单一评估方法，当其某些评估因素出现异常时，对此方法的评估结果影响较大，而基于信息融合方式的750 kV电网二次设备状态评估结果，由于综合利用了多种评估信息，对其评估结果的影响就会相对减少；即处于正常状态的可信度就会更高。如当750 kV电网二次设备的某些自检信息发生异常时，对模糊综合评价结果中正常状态概率的影响相对比较大。在实际运行过程中，当750 kV电网二次设备的某些自检信息发生异常时，一般情况下，这并不影响装置的运行，装置经过一定时间后，异常情况消除，装置继续转为正常运行。实际运行表明，750kV电网二次设备在一定运行时期内，整体运行状态良好。

4 结语

为了充分有效地利用750 kV电网二次设备的运行状态信息，提出了一种基于信息融合的750 kV电网二次设备状态评估方法。对于自检信息，运行状态信息以及隐藏故障数据，文中分别采用了模糊综合评价法，马尔科夫预测法，隐藏故障判断实现对750 kV电网二次设备的状态评估。利用DS证据理论将马尔科夫预测法，模糊综合评价法和隐藏故障判断对750 kV电网二次设备的状态评估结果在决策级进行融合。计算结果表明：单一状态评估方法虽然也可以很好地对750 kV电网二次设备进行状态评估，但是当采用基于信息融合的750 kV电网二次设备状态评估时，它更能综合、全面地利用750 kV电网二次设备的多种信息，其评估结果更加符合实际。本文为750 kV电网二次设备状态评估提供了一种新的研究思路。

[1]田有文，唐晓明（Tian Youwen，Tang Xiaoming）.基于支持向量机的微机保护装置状态评估的研究（Study on state evaluation for microprocessor protective device based on SVM）[J].电力系统保护与控制（Power System Protection and Control），2009，37（4）：66-69.

[2]Billinton R，Fotuhi-Firuzabad M，Sidhu T S.Determination of the optimum routine test and self-checking intervals in protective relaying using a reliability model[J].IEEE Trans on Power Systems，2002，17（3）：663-669.

[3]Damchi Y，Sadeh J.Considering failure probability for back-up relay in determination of the optimum routine test interval in protective system using Markov model[C]//IEEE Power&Energy Society General Meeting，Calgary，Canada：2009.

[4]张雪松，王超，程晓东（Zhang Xuesong，Wang Chao，Cheng Xiaodong）.基于马尔可夫状态空间法的超高压电网继电保护系统可靠性分析模型（Reliability analysis model for protective relaying system of UHV power network based on Markov state-space method）[J].电网技术（Power System Technology），2008，32（13）：94-99.

[5]洪梅，丁明，戴仁昶（Hong Mei，Ding Ming，Dai Renchang）.保护系统的概率模型及其对组合系统可靠性的影响（The probabilistic modeling of protection system and its effect on composite system reliability）[J].电网技术（Power System Technology），1997，21（8）：44-48.

[6]韩小涛，尹项根，张哲（Han Xiaotao，Yin Xianggen，Zhang Zhe）.故障树分析法在变电站通信系统可靠性分析中的应用（Application of fault tree analysis method in reliability analysis of substation communication system）[J].电网技术（Power System Technology），2004，28（1）：56-59.

[7]许婧，白晓民（Xu Jing，Bai Xiaomin）.考虑保护隐藏故障的系统N-k故障分析（Power system N-k contingency analysis in consideration of protection hidden failure）[J].中国电机工程学报（Proceedings of the CSEE），2012，32（1）：108-114，s15.

[8]彭明伟，刘毅，郭创新，等（Peng Mingwei，Liu Yi，Guo Chuangxin，et al）.故障录波信息和D_S证据理论用于电网故障诊断（Fault diagnosis of power grid using fault data recorders and D_S evidence theory）[J].高 电压 技 术 （High Voltage Engineering），2009，35（9）：2176-2180.

[9]郭创新，高振兴，刘毅，等（Guo Chuangxin，Gao Zhenxing，Liu Yi，et al）.采用分层多源信息融合的电网故障诊断方法（Hierarchical faultdiagnosisapproachforpower grid with information fusion using multi-data resources）[J].高电压技术 （High Voltage Engineering），2010，36（12）：2976-2983.

[10]陈立，彭敏放，苗文华（Chen Li，Peng Minfang，Miao Wenhua）.信息融合在接地网断点诊断中的应用（Application of information fusion to fault diagnosis of the breaking points in grounding grids）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2010，22（5）：25-30.

[11]柳顺，杜树新（Liu Shun，Du Shuxin）.基于数据包络分析的模糊综合评价方法（Fuzzy comprehensive evaluation based on data envelopment analysis）[J].模糊系统与数学（Fuzzy Systems and Mathematics），2010，24（2）：93-98.

[12]饶泓，扶名福，谢明祥，等（Rao Hong，Fu Mingfu，Xie Mingxiang，et al）.基于决策级信息融合的设备故障诊断方法研究（Research on the equipment fault diagnosis on the basis of decision level information fusion）[J].中国机械工程（China Mechanical Engineering），2009，20（4）：433-437.

[13]郝飞（Hao Fei）.马尔科夫预测法在股市预测中的应用（Application of Markov model in stock market forecast）[J].科学之友：B 版）（Friend of Science Amateurs：B），2006，（6）：62-63.

[14]李伟（Li Wei）.基于模糊综合评判的高压断路器状态评估方法研究（Study of the Condition Assessment Method for High Voltage Circuit Breakers with Fuzzy Comprehensive Evaluation）[D].重庆：重庆大学电气工程学院（Chongqing：College of Electrical Engineering，Chongqing University），2004.

[15]刘有为，李光范，高克利，等（Liu Youwei，Li Guangfan，Gao Keli，et al）.制订《电气设备状态维修导则》的原则框架（Fundamental frame to draft guide for condition maintenance of electric power equipment）[J].电网技术（Power System Technology），2003，27（6）：64-67，76.

[16]赵玉环，王晓明（Zhao Yuhuan，Wang Xiaoming）.广东玉米区域试验新组合的模糊综合评价（Fuzzy comprehensive evaluation of the maize new cross combination of regional trial in Guangdong Province）[J].遗传（Hereditas），2002，24（4）：442-446.

[17]夏莹（Xia Ying）.继电保护状态维修方法研究（Study on the Method of Condition-based Maintenance of Relay Protection）[D].重庆：重庆大学电气工程学院（Chongqing：College of Electrical Engineering，Chongqing University），2010.

[18]李若琼，李欣，董海鹰（Li Ruoqiong，Li Xin，Dong Haiying）.基于证据理论的多信息融合故障诊断研究（Study on the multi-information fusion fault diagnosis based on evidential theory）[J].自动化仪表（Process Automation Instrumentation），2006，27（12）：1-4.

[19]丁茂生，王钢，贺文（Ding Maosheng，Wang Gang，He Wen）.基于可靠性经济分析的继电保护最优检修间隔时间（The optimum routine maintenance interval of protection based on reliability economic analysis）[J].中国电机工程学报（Proceedings of the CSEE），2007，27（25）：44-48.

[20]湖南省电力公司.继电保护及安全自动装置状态检修导则[Z].长沙：湖南省电力公司，2008.