基于模糊数学和变权理论的智能变电站二次设备状态估计

唐楚雪， 陈德明

(西南交通大学 电气工程学院，四川 成都 611756)

0 引 言

随着智能变电站的不断发展，新技术大量引入，设备的数量迅速增长，对实现智能化运维也提出了更高的要求。目前，国内对一次设备状态估计的研究较为成熟，对二次设备状态评估的则较少。近年来，对二次设备的健康评估大致分为两种：一种侧重于通过在线运行信息，在软件层面上进行各类故障的预警及定位，可归纳于功能层面的评估；另一种侧重于对设备硬件和通信方面的评估，判断其能否完成既定的功能。如今大多数文献都是将二者结合起来进行评估的。然而，进行硬件层面的评估时，一些信息如保护动作信息等只能人为评估；而进行功能层面的评估时，一些设备自检信息，又需转化成文字进行匹配，这样评估一定程度上会影响结果的准确性[1-3]。另外，国家电网近年也已将各类装置自检信息和监测信息进行规范化处理，并增加了部分监测信息。在信息实现标准化之后，下一步需实现诊断流程的标准化，避免不同厂家生产的设备需要不同的诊断流程带来的问题。

因此，本文提出在对硬件和功能进行的状态估计作为两个不同子模块的基础上，以二次设备硬件层面的状态估计为重点，参考国网给出的最新标准，根据设备硬件信息及通信参数，利用层次分析法和模糊理论建立了二次设备状态评估体系。其中，又分别进行了隶属度修正和变权处理，使评估结果更加可靠。

1 二次设备状态评估体系

1.1 模块分类

指标集的选取除依据国网最新标准，还需根据各设备具体实现的功能来定。因为是从硬件层面对设备进行状态评估，因此从以下四个模块出发，分别选取不同的评估指标：

(1)CPU模块：温度，湿度，时钟频率，FLASH异常告警等；

(2)电源模块：工作电压，工作电流，AC/DC故障告警，电源异常告警等；

(3)通信模块：时延，误码率，丢包率，吞吐量，报文响应延时，光纤接口的发送/接收功率，链路中断告警等；

(4)开入开出模块：开关量输入电压，出口继电器工作电压，开入开出异常告警等。

为方便评估时能将健康状况定位到功能层面，对上述指标进一步分类和整理，根据各设备的功能特点，从通信性能、实时运行情况和历史运行情况三个方面建立一套完整的二次设备评估体系。

1.2 评估体系建立

评估对象为合并单元、智能终端、保护装置、测控装置、以太网交换机等二次设备，其评估指标各有侧重[4]。

1.2.1合并单元

合并单元侧重采样和测量，因此时间上面的精度要求较高。合并单元其评价指标集如图1所示。

图1 合并单元评价指标集

1.2.2智能终端

智能终端的功能主要是收集一次设备状态信息、接收控制命令，因此动作时间、报文响应延时等指标较为重要。由此确定智能终端的评价指标集，如图2所示。

图2 智能终端评价指标集

1.2.3保护装置

保护装置主要完成继电保护功能，用于发生故障时迅速切除故障线路和设备。保护装置评价指标集如图3所示。

图3 保护装置评价指标集

1.2.4测控装置

测控装置主要完成对间隔层数据和信号的采集和控制，实现全站的监控。测控装置其评价指标集如图4所示。

图4 测控装置评价指标集

1.2.5以太网交换机

以太网交换机作为传输、转发数据的重要设备，对通信性能的要求非常高。由此确定其评价指标集如图5所示。

图5 以太网交换机评价指标集

2 评估模型搭建

本文选用模糊综合评价法和层次分析法相结合进行评估[5-6]，具体评价流程如图6所示。

图6 评价流程图

2.1 模糊综合评价法

2.1.1建立评价对象因素集和评价集

对每个二次设备，由评估体系知，评价对象因素集中的一级评估子集U=(U1,U2,U3)为通信性能，实时运行情况和历史运行情况，每一级往下又分别包含了二级评估子集(Ui1,Ui2,Ui3,…,Uin)。

评价集即对设备评估结果的集合，分为良好、一般、注意和严重四种，对应评价集V=(V1,V2,V3,V4)。

2.1.2确定隶属函数

目前，常用的隶属函数模型主要有梯形分布、岭型分布、正态分布等，本文选用梯形分布模型，具体的函数模型曲线如图7所示。梯形分布模型相对简单，适用于评价指标多的情况，且参考值完全隶属于某一评价时有一定范围，进行评估时更符合工程实际[7]。

1.1 乡镇文化人才总量、特别是中高级专业技术人才偏少，正高职称人才几乎没有，副高职称技术人才也是凤毛麟角。中高级人才多为文化艺术、文博，并多数集中在县公益性文化事业单位，如：文工团、博物馆、文化馆等单位，而真正在乡镇文化站的人才比较少。

图7 梯形分布模型

在进行隶属度计算时，引入劣化度来进行归一化处理[8]。劣化度取值在0～1之间，表示某项指标相对于正常状态的偏离程度。对于非定量指标，如链路告警等，则需要联合故障诊断系统，在链路中断告警发出后，定位故障点。若故障点位于设备，则隶属度为1，反之为0。得到隶属度，便可建立模糊关系矩阵R。

2.2 层次分析法

这里采用1～9标度法计算各级指标的权重。即指标之间两两比较，由实际经验用数字1～9标识二者之间的相对重要性，建立权重判断矩阵A。计算A的特征向量，即可得到各指标对应的常权重值，建立权重矩阵W。

3 隶属度修正和变权处理

3.1 隶属度修正

目前，大多数状态评估都是针对某一时刻的进行的，不能对劣化较快的指标作出正确评估。因此，本文使用了隶属度修正的方法[9]。若前后两次上传的指标状态值f(t)和f(t-Δt)满足下式，则对其进行隶属度修正：

0.05·x≤f(x)-f(t-Δt)<0.05·(x+1)

(1)

(2)

(3)

式中：修正系数x取值为0～5;a1～a4对应梯形分布模型依次为0.1，0.35，0.65，0.9;Δa=0.05。

3.2 变权处理

之前计算得到了指标的常权重。但在实际中，会出现部分指标严重偏离正常值，却因权重的传递，导致评估结果依然为正常的情况。因此，本文采用动态变权进行处理，即劣化度越大权重越大，以避免上述情况的发生[10-11]。

设指标常权重为Wi，变权后为：

(4)

式中：di为指标的劣化度;∂为变权系数，这里∂取0.2。

4 算例分析

本文以智能牵引变电所中某智能终端为例，来验证本文提出的状态估计方法的可行性与正确性。

设备评估子集：通信参数={链路中断告警，报文响应延时，发送光功率，接收光功率}，实时运行参数={开出告警，开入告警，动作时间，工作电压，对时误差，温度，湿度}，历史运行参数={正确动作率，老化度，平均无故障时间}。对应的实时指标状态值f(t-Δt)分别为：

U1={0，0.58 ms，-18.6 dBm，-25.6 dBm}

U2={0,0,4.22 ms，110 V,0.35 ms,24 ℃,45%}

U3={99.9%，3a，>50 000 h}

各指标的常权重根据专家经验通过层次分析法计算得出，对三类指标给定权重分别为：

一层：

W=(0.429,0.429,0.142)

二层：

W1=(0.375,0.375,0.125,0.125)

W2=(0.208,0.208,0.208,0.129,0.129,0.059,0.059)

W3=(0.6,0.2,0.2)

随后，根据各指标的状态值计算隶属度，建立模糊关系矩阵：

之后根据系统实时上送信息得f(t)中，发送光功率较之前由-18.6 dBm下降为-19 dBm，劣化了0.2，满足式(1)；温度指标由24 ℃劣化为28 ℃，同样满足式(1)，其余指标均未达到修正条件，则只需要对这两个指标进行隶属度修正。

修正后，其隶属度分别变为[0，0.4，0.6，0]和[0.25，0.75，0，0]。

对修正后的指标进行变权处理，可分别得二层指标的权重：

W1=[0.277,0.463,0.160,0.100]

W2=[0.186,0.186,0.248,0.115,0.136,0.072,0.057]

W3=[0.654,0.173,0.173]

则此智能终端的健康状态：

B=W°R=[0.507,0.377,0.116,0]

可以看出，系统总体的健康状态为良好。若未经隶属度修正和状态变权，可得其健康值为[0.608，0.332，0.060，0]，总体评价为良好，且隶属于良好的比例较高。而改进后的方法得到的设备出于良好的隶属度仅为0.5，若再劣化，则进入一般状态，需工作人员持续观察。

另外，对通信性能评估时，改进后的方法计算得出其健康状态为[0.37，0.35，0.28，0]，整体平均处于一般状态，而改进前则处于良好状态；同样，单就发送光功率和温度两个指标来看，其健康态相比于改进前都下降了一个等级，需要工作人员持续观察，以免故障发生。

5 结束语

本文提出从硬件层面出发评估智能变电站二次设备能否完

成既定功能。同时，在运用传统模糊综合评价法和层次分析法的基础上，提出了采用隶属度修正和变权理论相结合的算法。实际算例证明，改进后的方法具有一定的可行性，提高了健康评估结果的准确性和合理性。