基于层次分析法与改进D-S理论的阀水冷系统状态评估

杨群,齐鹏洋,李昊,刘钊

(国网宁夏电力有限公司超高压公司,宁夏 银川 750011)

0 引 言

近年来,我国用电量的急剧增长和源荷分布不均衡的发展现状,使具有输送距离远、容量大、损耗低等优势的特高压输电建设快速发展[1],与之配套的换流站投运数量不断增多。作为换流站核心设备的换流阀在运行过程中会产生大量热量,其冷却系统可靠性显得至关重要。电气设备常用的冷却方式主要有水冷、自然风冷、强迫风冷[2],而换流阀大都采用去离子水进行冷却降温[3],因此及时掌控换流阀水冷系统的运行状态对保障其稳定运行具有十分重要的意义。

目前,在换流站设备运行状态方面,已开展多方面研究:文献[4]通过增加切换开关乙炔在线监测装置、油耐压测量装置等,利用直流控制保护系统综合判断,实现了对换流变压器分接开关运行状态在线监测和评估;文献[5]利用多频率点等效温升试验方法,通过等效计算阻尼电容器实际工作时的损耗,并选择合适的试验频率和电流,能够准确评估阻尼电容器实际运行状态;文献[6]提出了一种基于多状态数据均衡与极端梯度提升的特高压换流阀状态评估方法,文献[7]提出了一种基于故障本征证据和特征指标的换流变压器状态评估方法,通过两次评估,大大提高了换流变压器故障判定的准确率;文献[8]基于熵权灰关联分析法建立了空冷器的状态评估方法,对准确分析空冷器故障原因具有一定的指导价值;针对特高压换流阀状态评估中原始数据不均衡、模型难以解释等问题,文献[9]提出了一种基于轻量梯度提升机与夏普利加法解释归因分析的特高压换流阀状态评估方法,为换流阀状态评估结果提供了依据与支撑。上述文献从不同方面对换流站主设备运行状态进行研究,以期实现对其状态准确评估,而对主设备散热进而保障其可靠运行的阀水冷系统运行状态评估方面的研究还比较匮乏。

本文研究换流站阀水冷系统整体构成,选取其主要历史数据和实时数据指标,构建阀水冷系统运行状态评估指标体系。通过三角形函数和半梯形函数相结合以及专家调查法确定不同数据指标的隶属度、利用层次分析法确定各个指标权重。在此基础上建立基于改进D-S理论的阀水冷系统运行状态评估模型,并通过算例对模型进行验证,为运维人员及时掌控阀水冷系统运行状态、保障其可靠运行提供借鉴。

1 换流站阀水冷系统整体构成分析

在特高压输电系统中,阀水冷系统作为换流阀冷却设备,主要是把阀体等元件运行过程中产生的大量热量带走,保障各个元件在温度允许范围内运行。根据作用和结构布局,阀水冷系统可分为内水冷系统和外水冷系统,前者属于密闭系统,采用密闭循环方式对换流阀进行散热,主要由主循环回路、去离子回路、氮气稳压回路和补水回路等组成;后者属于开放式系统,主要由喷淋泵、冷却塔、水处理单元等构成,通过喷淋泵对内冷水管道进行喷淋散热,利用冷却塔风扇将交换的热量排出,形成一个周而复始的循环系统[10-11],整体构成如图1所示。

图1 换流阀水冷系统整体构成

阀水冷系统长期运行过程中,由于电化学腐蚀、水中杂质积累等原因,会造成如均压电极锈垢、滤芯堵塞,如图2所示,从而影响整个阀水冷系统的冷却能力,给换流站的可靠性埋下隐患。

(a)均压电极锈垢

2 阀水冷系统状态评估指标体系

2.1 评估指标体系构成

为了对所选指标便于构建判断矩阵和分配权重,准确对阀水冷系统运行状态做出评估,选取反映阀水冷系统运行状态的典型指标,将其分为历史数据和实时数据,具体评估指标体系如图3所示。

图3 阀水冷系统运行状态评估指标体系构成

图3中,历史数据由系统投运时间、运行时间、告警次数等构成,主要根据系统前期投运和后期运维检修记录得到。实时数据由设备运行环境参数、设备自身参数等构成,主要通过安装各类传感器和压力表计等进行实时采集,传输至后端系统得到。

参考某换流站运行经验和运维要求,选取阀水冷系统评估指标期望值如表1、表2所示,其中表1投运时间是指初次投运开始到目前为止总的运行时间,检修时间是指本次检修距离最近一次检修的时间间隔,检修次数和告警次数以及系统缺陷数是1年内各自的总次数。

表1 阀水冷系统运行状态历史数据指标期望值

表2 阀水冷系统实时数据指标期望值

备注:历史数据指标期望值是离散变量,各个指标期望值包含上限值和下限值。

备注:实时数据指标期望值是连续变量,主要参考换流站阀水冷系统实际工程得到,各个指标期望值包含上限值和下限值。

2.2 隶属度确定

为了得到准确的评估结果,本文将阀冷系统运行状态分为正常、异常、故障,以反映阀水冷系统运行状态的各种指标为元素组成因素集u={u1,u2,…,ui}(i=1,2,…,m),形成评语集v={v1,v2,v3}={正常,异常,故障}。对第i个因素ui做出评判,其对vj(j=1,2,3)的隶属度为rij,从而得到ui的单因素评价集ri=(ri1,ri2,ri3),即评语集v上的模糊子集,其中rij通过隶属函数得到。

目前常用的隶属函数主要有梯形分布、三角形分布、正态分布等,由于三角形隶属函数形状简单,与其他较复杂的隶属函数得出的结果差别较小,因此本文将三角形函数和半梯形函数相结合,确定实时数据中各指标的隶属度,具体模型如图4所示。历史数据通过文献[12]中专家调查法得到各指标的隶属度。

图4 三角形与半梯形隶属度计算模型

由于阀水冷系统各元件随着运行时间增加会逐渐老化,因此图4中引入相对劣化率[13]。相对劣化率是1个定量指标,能够反映元件实际状态与故障状态相比的相对劣化程度,取值范围为0～1,参考文献[13],此处取0.3,0.5,0.7作为阀水冷系统3种运行状态下的边界。

由图4可得相应的隶属函数为

式中:uv1(x)—uv3(x)表示实时数据中各指标劣化率为x时对应于状态v1—v3的隶属函数。

3 状态评估模型构建

3.1 基于层次分析法评估因素权重的确定

层次分析法(analytic hierarchy process,AHP)建立在专家咨询基础上,将复杂系统中各种指标划分为相互联系的有序层次,把多层次、多指标的权重赋值简化为各指标重要性的两两比较,是一种定性与定量相结合的多目标决策分析方法,具有将非定量事件定量化的优点[14],本文采用AHP构建各因素之间的判断矩阵N为

式中:uij代表评估因素ui对uj(j=1,2,…,m)的相对重要性数值。

3.2 基于改进D-S理论评估模型的构建

3.2.1 D-S理论分析

D-S(Dempster-Shafer)理论也称D-S证据理论,以证据的方式来表征不确定性,通过对同一识别框架上的各证据体进行融合推理,从不精确和不完整信息中得到可能性最大的结论,具有不依赖先验信息、同时处理随机和认知不确定性的优势[15]。该理论涉及3个重要函数[16-18],即基本信任分配函数mass、似然函数Pl、信任函数Bel,基本表达式如下:

1)给定一识别框架Θ,则函数mass:2Θ→[0,1],满足

(3)

式中:m(A)为Θ上A的mass函数,表示对A的信任程度,且使得m(A)>0的A称为焦元;∅表示空集。

2)似然函数为

(4)

组成的信任区间为[Bel(A),Pl(A)],表示当前证据对A的信任程度,对单一因素集则有m(A)=Bel(A)=Pl(A)。

3)信任函数为

(5)

对于∀A⊆Θ,识别框架Θ上的有限个mass函数m1,m2,…,mi,相应的焦元为A11,A12,…,A1j,…,Ai1,Ai2,…,Aij(i=1,2,…,m;j=1,2,…n),则根据D-S理论,可得可信度分配函数为

3.2.2 改进D-S理论评估模型构建

D-S理论合成规则中,通常假设各证据重要程度相同,即给定同一Θ上基于不同证据的Bel,若证据不是完全冲突的,则可以利用D-S合成规则得出一个新的Bel;但在证据严重冲突情况下,直接运用传统D-S理论,结果往往出现评估失效现象。基于此,本文引入描述证据重要程度的权重系数对D-S理论进行改进,具体如下。

设识别框架Θ={A1,A2,…,Aj},对应的i个证据形成的基本可信度分配矩阵为

利用本文所述AHP法得到各个证据的权重向量为β=[β1,β2,…,βi],则Aj的第i个基本可信度分配函数为βimi(Ai)。将可信度最大的证据视为首要证据,权为1,其他证据相对于首要证据的证据权为ωi,令第x条为首要证据,则第j条次要证据转换后的证据基本概率分配为

(8)

各条证据经转换后即可利用D-S理论得到第j个状态概率分配函数模型为

m(j)=m1(j)⊕m2(j)⊕…⊕mi(j)

(9)

该模型所得最大概率对应的状态即为最终评估结论,上述评估流程如图5所示。

图5 基于AHP与改进D-S理论的状态评估流程

图5中,评估指标由前述所选阀水冷系统运行状态指标构成,利用AHP法得到各个证据的判断矩阵,计算其特征值,其中最大特征值λi对应的特征向量即为各个证据的权重,进而计算基本可信度分配函数βimi(Aj),选取可信度最大的证据为首要证据,以首要证据为基准对其他证据进行转换,通过D-S理论得到第j个状态概率,则最大概率对应的状态即为最终评估结论。

4 算例分析

以宁夏某±800 kV特高压直流输电工程换流站为例,通过采集阀水冷系统历史数据和实时数据,基于本文所给AHP和改进D-S理论,对其运行状态进行评估,具体参数选取如表3—表4所示。

表3 阀水冷系统运行状态历史数据评估指标测试值

表4 阀水冷系统运行状态实时数据评估指标测试值

依据本文前述三角形函数和半梯形函数相结合以及专家调查确定实时数据、历史数据隶属度如表5—表6所示。

表5 阀水冷系统运行状态历史数据评估指标隶属度

表6 阀水冷系统运行状态实时数据评估指标隶属度

利用D-S理论和改进后D-S理论对表5—表6隶属度数据分别进行评估,选取最大评估值对应的状态为该阀水冷系统此时运行状态,所得结果如表7所示。

表7 基于D-S理论的阀水冷系统状态评估对比

备注:运行状态评估值由D-S理论改进前后模型计算得到,且对于同一模型最大值对应的状态为阀水冷系统最终评估结论。

尽管基于D-S理论改进前的模型和改进后的模型最终评估结论一致,但改进前模型所得异常和正常运行状态评估值差值仅为0.011,小于改进后异常和正常运行状态评估值差值0.094,因此基于D-S理论改进前的模型会使评估状态区分不明显,甚至可能造成最终评估结论错误,而基于D-S理论改进后的模型更能准确得到评估结果,在不同评估状态的识别方面具有一定的优势。

为了进一步验证本文所给改进D-S理论评估阀水冷系统运行状态的准确度,利用智能清洗装置对该系统滤芯进行清洗,清洗后所得实时数据如表8所示。同样基于上述评估流程,所得评估结果为[正常,异常,故障]=[0.596,0.325,0.079],则此时阀水冷系统处于正常运行状态。

表8 阀水冷系统滤芯清洗指标实时测试值

由滤芯清洗前后数据和评估结果可知,评估结果各个数据之间差值比较明显,其中正常与故障状态差值最大,达到0.517(0.596-0.079=0.517),能够显著区分阀水冷系统不同运行状态。此外,滤芯清洗后阀水冷系统出水温度明显升高、管道流速增大,阀水冷系统降温能力得到增强,系统由异常状态恢复至正常状态,因此滤芯对阀水冷系统正常运行起着十分重要的作用。

5 结 论

1)通过研究换流站阀水冷系统整体构成,选取主要历史数据和实时数据指标,构建了阀水冷系统运行状态评估指标体系。

2)利用层次分析法确定了各个指标权重,建立了基于改进D-S理论的阀水冷系统运行状态评估模型。

3)利用实际工程中阀水冷系统主要指标数据对模型进行了验证,并以滤芯清洗前后数据为例对评估结果进行了对比。

4)所建模型评估结果对运维人员掌握阀水冷系统运行状态,及时采取措施处理异常问题,保障阀水冷系统可靠运行具有较大的实际指导价值。