钻石型配电网自动化终端状态评价方法探究

吴正骅， 戴睿昕， 章毅利， 赵容兵

(1. 国网上海市电力公司浦东供电公司，上海 200120；2. 上海浦海求实电力新技术股份有限公司，上海 200090)

0 引 言

随着上海电网配电网网架水平的快速提升，国网上海市电力公司率先提出了实现全市范围内钻石型配电网的目标[1]。这是继新加坡花瓣形网、东京三射接线网和纽约“4×6”接线网后又一个新的高可靠性(99.999%)配电网架结构。建成后，它将在国际国内处于领先水平[2-3]。

钻石型配电网对配电网供电可靠性提出了更高的要求[4]。长期以来，配电自动化终端的检修主要采用定期分时段检修方式和预防性检修方式，即无论终端是否发生故障，均按规定周期检修。对于有故障或缺陷的配电自动化终端，其维护方式不及时，针对性不强。对于没有缺陷的终端，这种维护方式是强制性的，容易产生新的故障，造成人力物力的极大浪费。因此，传统的维护方式存在很大的局限性，成为钻石型配电网发展的桎梏[5-6]。

状态维修又称预测维修，是一种综合维修模式。该方法根据配电终端当前的实际工作状态，综合了预防性试验、家族缺陷信息、在线监测和同类设备历史信息等多种信息源，对配电设备的状态进行评估，并在此基础上对设备故障程度的发展趋势作出预测和判断。然后，从安全性、可靠性、经济性和对环境的影响程度等方面，通过风险评估、经济分析和维修规划等多种技术手段，综合做出科学有效的维修安排，确保配电系统能像以往那样在最佳状态下工作且是一个动态优化的过程。配电自动化终端状态评估是状态维护的核心，能够及时准确地掌握其工作状态[7-8]。

灰色系统理论中，灰度聚类关联分析法是以灰色聚类法和灰色关联分析法为基础的一种超标加权聚类方法。本文方法信息利用率高，鉴于在设备运行状态下存在大量未知变量，因此可能会获得一些非相关信息，但灰度理论避开了此类现象，能够充分地在少量的信息中挖掘更多的有效信息。采用超标加权法在突出主要影响因素作用的同时还为单个因素的综合影响留出修正空间，计算结果更加准确可信[9-10]。

目前，国内外针对配电自动化终端状态的检修决策还处于起步阶段，相关工作尚未开展[11]。本文着重阐述了基于灰度相关性理论的配电自动化终端设备状态评价模型，并通过灰色关联分析，确定评价指标，根据各指标得分的权重，给出各状态变量的评分规则，为配电自动化终端设备状态评价提供决策依据，从而有利于钻石型配电网的顺利推广。

1 提出新模型及相应计算方法

灰度相关性分析是根据状态特征值之间发展走向的相似性或相异性来衡量参数之间相关度的一种手段。该手段采用的样本数量自由，可多可少，计算工作量不大，对数据来源和相互之间的依存关系没有特殊要求，一列数据组成一列向量。灰度相关性分析过程包含以下程序：未加工信息转换；求解相关度权重；找出参数相关度。

1.1 未加工信息转换

参数相关度是由相关度权重推导出来的，因此在求解相关度权重之前，必须对初态未加工信息进行适当转换处理，从而消除物理单位对数据信息的依赖。非同类信息序列具有明显的物理含义和维数的差别，进行直接比较是不可能的。因此，通过消除维数对数据信息的作用，将数据阵列转换为可直接比较的行向量或列向量。

本文模型所采用的初始信息转换方法是从原始信息的初始值变化出发，将每组向量中的各个元素除标准向量中对应的元素值，并从原始数据信息中分离出来，得到其多个不同向量，这种操作称为向量初始化，初始化后的向量中没有物理单位。因为这些值都大于0，所以向量有一个共同的起点。

1.2 求解相关度权重

如果信息转换后生成的原始母向量表示为z0(q)，则子向量表示为zn(q)，当q=j时，即

z0(q)={z0(1),z0(2),z0(3),z0(4),...,z0(q)}

(1)

zn(q)={zn(1),zn(2),zn(3),zn(4),...,zn(j)}

(2)

式中：z0(1)、z0(2)、…、z0(q)为原始母向量各分向量；zn(1)、zn(2)、…、zn(j)为子向量各分向量。那么，z0(n)和z1(n)之间的绝对值差异(difference)应该是：

Dn=|z1(n)-z0(n)|

(3)

因此，将母向量和子向量间的相关度权重表示为R0n(j)，其计算公式为：

(4)

式中：D0n(j)为两个比较向量之间的绝对值差异；η为修正系数，是为了平衡最大绝对差值过大给求解结果造成的扭曲作用，提高相关度权重间差异的显著性，一般可以设定从0.1～0.6之间。

它可表示为：

D0n(j)=|z0(j)-zn(j)|

(5)

式中:z0(j)和zn(j)分别为第j母向量和子向量。

相关度权重反映了两个比较向量在某一时刻的亲密程度或接近度。相关度权重越大，此时两个向量之间的关系就越亲密；反之，此时两个向量的相关性就越小。例如，在时刻DMIN,R0n=1和时刻DMAX，相关度权重是最小的。因此相关度权重的覆盖范围应该在0

1.3 找出评价单元的关联度

由上述推理可知，相关分析本质上是对时间向量信息的几何关系比较。如果两个向量在每个时间点重叠在一起，即相关度及其系数均为1。同时，两个比较向量在任何时候都可能不是垂直的，相关度权重大于零，相关度也大于零。因此，两个向量的相关度是通过两个比较向量在每个时间的平均相关度权重来计算的，即：

(6)

式中：Cor0n为子向量zn(j)与母向量z0(j)之间的相关度；N为比较向量的长度，即信息的大小。

2 配电自动化终端状态评估系统

配电自动化终端包括两个主要部分：装置本体和二次回路。

装置本体与二次回路由装置屏柜端子排隔开。二次回路包括从终端操作箱到装置屏柜端子排和辅助设备的电缆和光缆等[12]，本文主要对装置本身的信息采集进行评价，相关的评价方法也适用于其他状态变量和二次回路。

2.1 配电自动化终端运行状态划分

本文根据钻石型配电自动化终端运行状态的健康程度，将其分为良好、正常、注意、异常和严重五个状态等级[13]。当相关度达到上述五种状态之一时，通过经验给出的等级对应于相应的设备健康状态。

设备自动化终端运行状态等级如表1所示。

表1 自动化终端运行状态等级

2.2 模型实例应用与分析

以配电自动化终端状态评估为例，配电自动化终端有大量的检测项目。选取其中的关键点作为配电自动化终端运行状态评价的依据，其评价标准集可为电压、电流、有功功率、无功功率、频率、直流电源、环境温度和绝缘电阻等，如表2所示。

表2 终端试验项目和允许范围、额定值

表3中：Z0为终端参数项在任意检测时刻的标称值；Z1～Z6为自动化终端在某一检测点的实际工作量值，信息源可采用SCADA计算机监控系统采集。

表3 不同检测时刻的终端状态特征参数值

这就形成了式(7)的向量集。

(7)

(8)

Dn0=|zn(q)-z0(q)|

(9)

式中:zn(q)和z0(q)分别为q组第n个归一化处理后子向量和归一化处理后母向量，其运算结果如表4所示。

表4 不同比较向量间的绝对差异

由此可得配电自动化终端各规范化子向量的仿真图如图1所示。

从直观角度看，向量D10与无偏差的标称值D00最为相似，在几何学上D50和D60与标称值D00有很大区别，其中D60相差更多。因此，D10可以初步判断其状况良好，且D50和D60仍处于不良状态。可根据实际问题的需要，进一步对研究进行分析。

图1 每个标准化子向量的模拟图

运行状况指数反映终端缺陷对设备的损坏程度，从表4找出最小值和最大值，那么

DMIN=0.008,DMAX=0.864

(10)

当η=0.5时，母向量和子向量之间的相关度权重Ron(j)，可以按式(4)计算，其相关度权重计算结果如表5所示。

表5 相关度权重计算结果

2.3 计算相关度

根据式(9)和表5可计算相关度，如式(1)所示。

(11)

表6 相关度权重计算结果

3 结束语

本文提出的基于灰色理论的灰色因子关联分析方法在处理配电自动化终端信息量少、确定性指标不多和数据偏差无规律方面比传统方法更出色，避免了已有手段的短板效应，计算结果更加准确可信。

根据钻石型配电自动化终端的特点，建立了钻石型配电自动化终端的灰色理论评价体系。通过定义灰度相关性来确定空间几何关系和相似性的比较顺序及标准，以反映终端运行状态下局部特征参数的变化，计算方法简单，甚至可以多因素反复筛选分析。该方法运算量不像层次分析法那样复杂，对典型配电网的信息量要求也不多，适合于钻石型配电自动化终端状态评估。

该评价方法从反映配电自动化终端运行状况出发，其评价指标具有充分的合理性，在一定程度上不受人为判断的主观影响，具有较好的客观性、较强的实用性和可操作性，为开展钻石型配电自动化终端状态控制工作提供有益参考。