高速铁路牵引变电所健康状态评估

赵峰，陈子文，陈小强，王英

高速铁路牵引变电所健康状态评估

赵峰，陈子文，陈小强，王英

(兰州交通大学 自动化与电气工程学院，甘肃 兰州 730070)

为了全面监测并评估高速铁路牵引变电所的健康状态，提出一种基于模糊灰色聚类与组合赋权相结合的健康状态评估方法，并将其应用到牵引变电所健康状态评估中。利用熵权法与层次分析法确定牵引变电所关键设备指标的权重；通过组合赋权法对指标权重进行组合；利用灰色聚类系数表示各设备的健康状态。在此基础上，采用模糊评判法实现对牵引变电所健康状态的评估。以西北某牵引变电所为例进行分析，健康状态评估结果为较好，与实际检测结果一致。研究结果表明：所提出的方法适用于牵引变电所的分层模型，能有效实现牵引变电所的健康状态评估，为智能牵引变电所的发展提供理论依据。

牵引变电所；模糊灰色聚类；组合赋权；健康状态

高铁牵引供电系统作为电力机车能量的直接来源，能否保持安全可靠运行是保障整个高速铁路安全运营的前提。牵引变电所是高铁牵引供电系统中的重要组成部分，其一次设备主要由高压带电设备组成。为了满足高铁供电的需求，牵引变电所都是沿线布置，有时候不便于人工进行巡检，牵引变电所一次设备在长期使用的过程中难免会出现性能下降的问题，严重时甚至会发生故障。因此，及时准确地掌握牵引变电所设备的运行状况，适时对其健康状态进行评估，对于保障高铁运行安全，合理规划牵引变电所检修周期以及推进智能牵引变电所的建设均具有重要意义。目前，针对牵引变电所健康状态评估的研究较少，相关研究主要集中于地铁牵引供电系统以及接触网等设备的健康状态评估上。王玘等[1]基于多层免疫原理，利用模糊统计实现了地铁牵引供电系统的健康状态评估；程宏波等[2]建立了高铁牵引供电系统多层免疫模型，对高铁牵引供电系统进行了健康监测与定性评估；王思华等[3]利用综合评估方法实现了牵引变电所的风险评估，但仅仅停留在定性分析上；程宏波等[4]利用模糊状态评估法建立了接触网健康状态评估模型，采用熵权法确定了接触网不同指标的权重，实现了对接触网健康状态的评估；刘仕兵等[5]运用灰色聚类与组合赋权法构建了接触网健康状态模型，利用组合赋权法确定权重弥补了主观赋权法与客观赋权法的不足，使得评估结果更加合理。为了实现牵引变电所的健康状态评估，本文采用模糊灰色聚类与组合赋权法相结合的方法。模糊灰色聚类可以综合考虑多种因素，从而解决牵引变电所设备之间关系随机不确定的问题；组合赋权法则降低了权重确定过程中，主观人为因素的影响，同时也避免了单纯依赖检测数据导致的误差，使得评估结果更加科学合理。

1 模糊灰色聚类与组合赋权法

1.1 模糊灰色聚类

模糊灰色聚类法是将模糊综合评判法与灰色聚类法相结合，形成的一种新的健康状态评估方法[5]。在对复杂系统进行健康状态评估时，为了简化分析的过程，通常采取对其进行分级评估的策略，首先将复杂系统划分为多个单元或子系统，然后利用灰色聚类法对单元或子系统进行健康状态评估，称为1级评估，最后结合1级评估的结果，采用模糊综合评判公式=·{1,2,3,4,5}实现整个系统的健康状态评估，称为2级评估，其中为各设备的权重，为各设备1级评估结果。模糊灰色聚类法通过将2种评估方法结合，既弥补了模糊评判法忽略客观检测数据的缺点，又弥补了灰色聚类法无法体现评估对象模糊性的缺点，使健康状态评估结果更加合理。

1.2 组合赋权法

指标的权重表示其运行状态对整个系统健康状态的支持度。目前常用的确定权重的方法主要有主观赋权法与客观赋权法，其中主观赋权法主要根据专家经验以及现场实际情况给出判断，该方法虽然可以借鉴专家丰富的经验，但容易受人为主观因素的影响；客观赋权法则是依赖于现场检测数据，虽然具有客观性，但数据测量过程中难免存在误差，因此该方法容易受误差的影响[6]。组合赋权法通过将2种方法进行组合，很好地结合了2种方法的优点，同时弥补了2种方法的不足，使权重确定结果兼顾主观与客观性。

1.2.1 层次分析法

层次分析法是最常用的主观赋权法[7]，根据各个指标在系统中的重要度对其进行权重分配，其权重确定的主要步骤为：

步骤1 确定评估指标。首先根据评估对象的系统结构和特点，确定系统的评估指标。

步骤2 构造比较矩阵。假设待评估对象有个评估指标，根据指标之间的重要度对其进行两两比较，构造出一个阶的比较矩阵，表1为指标间常用的重要度确定法则。

表1 指标重要度赋值法则

步骤3 检验比较矩阵的一致性。通常构造出的矩阵是不满足要求的，可能使重要度的分配存在违反常理的情况，因此需要对其进行一致性检验，比较矩阵的一致性检验公式为：

式中：为比较矩阵的随机一致性比率；为比较矩阵的一致性指标，可以通过公式=(max−)/ (−1)获得；为比较矩阵的平均随机一致性指标，可以通过查阅表2获得。当＜0.1时证明比较矩阵满足一致性检验，进行步骤4，否则需要重新构造比较矩阵，直至满足一致性检验。

表2 平均随机一致性指标取值

步骤4 计算权重。当比较矩阵满足一致性检验后，可以通过公式*=max获得指标的权重，其中，max为比较矩阵的最大特征根，为max的特征向量。

层次分析法在进行比较矩阵的构造时需要依赖专家经验进行确定，受人为主观因素影响较大。

1.2.2 熵权法

熵权法是最常用的一种客观赋权法[8]，该方法根据指标的信息熵确定其权重，熵权法确定权重的主要分析步骤如下：

步骤1 指标归一化。由于各个指标参数与量纲通常是不同的，无法直接进行比较，因此，需要对其进行归一化处理使其变为无量纲的值，常用的归一化公式为：

步骤2 计算指标信息熵。第个指标的信息熵可以通过下式进行求解：

步骤3 确定指标权重。求得指标的信息熵后可以确定指标相应的权重，第个指标的权重为：

熵权法根据指标检测数据进行权重分配，具有客观性，但无法区分指标之间的重要度，而且数据的测量难免会存在误差，会使评估结果出现误差。

为了使权重分配结果更加科学合理，通过组合赋权法将层次分析法与熵权法对指标权重的分配结果进行组合，使权重分配结果综合考虑主客观的影响。假定为将上述2种赋权法综合考虑进行组合后的指标权重，则：

=1+(1−)2(5)

式中：1为熵权法确定的指标权重；2为层次分析法确定的指标权重；是熵权法在组合权重中的比例，一般取0.4。

2 牵引变电所健康状态评估模型的建立

2.1 牵引变电所评估指标的确定

对牵引变电所进行健康状态评估，首先需要确定评估指标。科学合理的评估指标是健康状态评估的重要依据，因此，针对牵引变电所健康状态评估的指标必须科学全面地反映牵引变电所的健康状态。根据西北地区某牵引变电所的电气主接线，依据《牵引变电所运行检修规程》[9]以及文献[6]选取牵引变电所关键设备，构建牵引变电所健康评估的递阶层次模型，如图1所示。

图1中第1层是目标层，代表整个牵引变电所的健康状态；第2层是元件层，代表牵引变电所内设备的健康状态；第3层为指标层，代表相关设备的评估指标。从指标层向上进行健康状态评估，直至最终实现牵引变电所的健康状态评估。

2.2 牵引变电所健康状态等级划分

为了更直观地反映牵引变电所的实际运行情况，体现牵引变电所不同程度的健康状态，参考文献[6]根据历史经验将牵引变电所健康状态划分为5个等级，具体描述如下：

1) 好。表示牵引变电所的所有设备的指标参数均位于最优值附近，该状态下牵引变电所运行状态良好，发生故障的可能性较低，处于最佳运行状态。

2) 较好。表示牵引变电所各项设备的指标参数略有下降，但仍能保证正常运行。

3) 一般。表示牵引变电所各项设备的指标参数出现问题，该状态下牵引变电所运行状态一般，可以满足正常运行，但是存在发生故障的可能性。

4) 较差。表示牵引变电所各项设备的指标参数出现明显下降的趋势，该状态下存在较多的安全隐患问题，需要安排工作人员对其进行维护。

5) 差。表示牵引变电所各项设备的指标出现恶化，该状态下牵引变电所将要或者已经发生故障，需要立即进行检修维护，提高其可靠性。

图1 牵引变电所分层分析模型

2.3 灰色聚类白化权函数的构造

3 实例分析

3.1 确定牵引变电所评估指标

根据西北地区某牵引变电所3个时间段的检测数据，对其进行健康状态评估。依据前文建立的牵引变电所健康评估的递阶层次模型，选取15个评估指标。母线A：绝缘子A1，工作温度A2，机械损伤A3；牵引变压器B：变压器油温B1，溶解气体成分B2，绝缘电阻B3，介质损耗角B4，工作温度B5；断路器C：触头位移C1，SF6泄漏率C2，开断时间C3，绝缘电阻C4；馈出线D：电缆温度D1，绝缘电阻D2，机械损伤D3。

3.2 指标检测数据归一化处理

由于牵引变电所中高压带电设备较多，监测的参数因设备的不同导致差别很大。能体现牵引变电所健康状态的指标类型以及量纲都不统一，为了便于对其评估，需要将量纲数据转化为无量纲数据，因此需要利用式2根据设备检测的数据与设备的标准阈值进行比较，实现对检测数据的归一化处理。归一化后的数据如表3所示。

表3 牵引变电所各设备的指标规范化数据

3.3 确定指标权重

3.3.1 层次分析法确定主观权重

依据前文所述层次分析法的步骤，以牵引变压器为例进行权重的确定，首先根据牵引变压器相关指标对于其健康状态的重要度两两进行比较，构造比较矩阵。

3.3.2 熵权法确定客观权重

3.3.3 基于组合赋权法的权重确定

针对2种确定权重法的不足，利用式(5)对2种权重结果进行组合，可以得到牵引变电所4个主要设备指标的权重为：A={0.469 7，0.157 9，0.372 4}，B={0.383 0，0.231 6，0.207 9，0.115 5，0.062 0}，C={0.508 9，0.172 8，0.164 6，0.153 7}，D= {0.121 2，0.584 9，0.293 9}。

组合赋权法确定的权重介于2种方法确定的权重之间，避免了单一权重确定方法带来的误差。

将4个主要设备的指标组合权重代入式(6)白化权函数中，可以求得各元件层的灰色聚类系数(即健康等级隶属度)[12]，如表4所示。

表4 牵引变电所各设备健康状态评估结果

对牵引变电所进行健康状态评估时，可以利用模糊综合评判公式=·{1,2,3,4,5}进行求取，其中为各设备的灰色聚类评估结果，为利用组合赋权法求出的各设备权重，“·”为模糊评判算子，常用的模糊评判算子有5种，其中加权平均型模糊算子(+,⊕)可以综合考虑各因素的影响，评估结果更加科学合理，因此，采用加权平均型模糊算子对牵引变电所的健康状态进行评估，结果如表5所示。

表5 牵引变电所健康状态综合评估结果

由表4与表5评估结果可知，牵引变电所及所内关键设备母线、牵引变压器、断路器、馈出线的健康状态等级均为较好，牵引变电所关键设备检修周期为1~2 a，评估结果与根据实际检测数据反应的牵引变电所运行状况相符。根据评估结果可知该牵引变电所无需检修，或者检修计划可以适当延期，其中馈出线处于健康状态较差等级的权重为0.025 8，继续长时间运行存在一定的安全隐患，需要格外注意馈出线的状态，提前制定检修方案。

4 结论

1) 以西北某地区牵引变电所运行情况为例，证明本文所提出的基于模糊灰色聚类与组合赋权法相结合的牵引变电所健康状态评估方法是科学有效的。

2) 在确定权重时采用组合赋权法，弥补了主观赋权法中人为因素导致的不足以及单纯依靠客观赋权法导致的误差过大的缺点。

3) 所提出的方法适用于牵引变电所健康状态的评估，具有较好的实用价值，对于推进智能牵引变电所的建设具有重要意义。

[1] 王玘, 何正友, 程宏波, 等. 基于多层免疫原理与模糊统计的地铁牵引供电系统健康评估方法[J]. 铁道学报, 2015, 37(12): 31−39. WANG Qi, HE Zhengyou, CHENG Hongbo, et al. Health assessment method for metro traction power supply system based on multilayer immune principle and fuzzy statistics[J]. Journal of the China Railway Society, 2015, 37(12): 31−39.

[2] 程宏波, 何正友, 母秀清. 基于多层免疫模型的高铁牵引供电系统健康监测与评估[J]. 电网技术,2012, 36(9): 95−101. CHENG Hongbo, HE Zhengyou, MU Xiuqing. Health monitoring and evaluation of traction power supply system for high speed railway based on multilayer immune model[J]. Power System Technology, 2012, 36(9): 95−101.

[3] 王思华, 吴健. 高铁牵引变电所风险模糊综合评估方法研究[J]. 铁道科学与工程学报, 2017, 14(8): 1589− 1596. WANG Sihua, WU Jian. Fuzzy comprehensive evaluation method of high-speed railway traction substation risk assessment research[J]. Journal of Railway Science and Engineering, 2017, 14(8): 1589−1596.

[4] 程宏波, 何正友, 胡海涛, 等. 高铁接触网健康状态的熵权多信息综合评估[J]. 铁道学报, 2014, 36(3): 19−24. CHENG Hongbo, HE Zhengyou, HU Haitao, et al. Comprehensive evaluation of health status of high-speed railway catenaries based on entropy weight[J] Journal of the China Railway Society, 2014, 36(3): 19−24.

[5] 刘仕兵, 朱雪龙, 张艳伟, 等. 基于灰色聚类和组合赋权法的高速铁路接触网健康状态评估研究[J]. 铁道学报, 2016, 38(7): 57−63. LIU Shibing, ZHU Xuelong, ZHANG Yanwei, et al. Research on health status of high-speed railway catenaries based on gray clustering and combination assigning method[J]. Journal of the China Railway Society, 2016, 38(7): 57−63.

[6] 何正友. 复杂系统可靠性分析在轨道交通供电系统中的应用[M]. 北京: 科学出版社, 2015: 224−244. HE Zhengyou. Complex system reliability analysis and application in rail transit power supply system[M]. Beijing: Science Press, 2015: 224−244.

[7] Vaidyaab O S. Analytic hierarchy process: An overview of applications[J]. European Journal of Operational Research, 2006, 169(1): 1−29.

[8] CHENG Q Y. Structure entropy weight method to confirm the weight of evaluating index[J]. Systems Engineering Theory & Practice, 2010, 30(7): 1225−1228.

[9] 中华人民共和国铁道部. 牵引变电所运行检修规程[M]. 中国铁道出版社, 2015. Ministry of Railways of the People’s Republic of China. Maintenance regulations for operation of traction substation[M]. Beijing: China Railway Press, 2015.

[10] Kwiesielewicz M. A note on the fuzzy extension of Saaty’s priority theory[J]. Fuzzy Sets & Systems, 1998, 95(2): 161−172.

[11] Giachetti R E, Young R E. A parameteric representation of fuzzy numbers and their arithmetic operators[J]. Fuzzy Sets & Systems, 1997, 91(2): 185−202.

[12] 胡龙萍, 徐晓凤. 基于灰色聚类的汽车健康状态评估[J]. 计算机技术与发展, 2014, 24(10): 216−220. HU Longping, XU Xiaofeng. Automobile health status assessment based on gray clustering[J]. Computer Technology and Development, 2014, 24(10): 216−220.

Assessment of health status of high speed railway traction substation

ZHAO Feng, CHEN Ziwen, CHEN Xiaoqiang, WANG Ying

(School of Automation and Electrical Engineering, Lanzhou Jiaotong University, Lanzhou730070, China)

In order to comprehensively monitor and assess the health status of high-speed railway traction substation, a health status assessment method based on fuzzy grey clustering and combined weighting was proposed, and it was applied to the health status assessment of traction substation. Firstly, entropy weight method and analytic hierarchy process were used to determine the weight of key equipment indexes of traction substation. Secondly, the index weights were obtained by using the combined weighting method, and then the grey clustering coefficient was used for expressing the health status of each equipment. Finally, the fuzzy comprehensive evaluation method was used to evaluate the health state of traction substation. Taking a traction substation in northwest China as an example for analysis, the results of health status assessment were good and consistent with the actual test results. The research shows that the proposed method is applicable to the hierarchical model of traction substation, which can effectively realize the health evaluation of traction substation and provide theoretical basis for the development of intelligent traction substation.

traction substation; fuzzy grey clustering; combination weighting; health status

TM922.3

A

1672 − 7029(2019)09− 2162 − 06

10.19713/j.cnki.43−1423/u.2019.09.005

2018−12−05

国家自然科学基金地区资助项目(51767013)；甘肃省科技厅自然科学基金资助项目(18JR3RA111)；中国铁路总公司科技研究开发计划资助项目(2017J012-A)

赵峰(1966−)，男，上海人，教授，从事铁道电气化与自动化、电能质量分析及控制方面的研究；E−mail：zhaofeng818@163.com

(编辑 蒋学东)