朱婧瑤

摘要 在模糊綜合理論的基礎(chǔ)上進(jìn)行判斷，進(jìn)行參數(shù)的權(quán)重確認(rèn)過程中，采取了改進(jìn)的層次分析法，并以此創(chuàng)建電力變壓器狀態(tài)評估模型。對創(chuàng)建的狀態(tài)評估模型反復(fù)試驗，確保該模型能夠?qū)?shù)據(jù)加以正確的評判。

【關(guān)鍵詞】電力變壓器 模糊綜合評判 狀態(tài)評估 改進(jìn)的層次分析法

從電力系統(tǒng)的角度來看，電力變壓器對電力系統(tǒng)的運行有很大影響。隨著社會的發(fā)展，越來越多的變壓器投入使用，變壓器在系統(tǒng)中安全穩(wěn)定的運行被大量學(xué)者和專業(yè)人士關(guān)注。在變壓器的運行和檢驗方面，關(guān)鍵是提升變壓器運行的穩(wěn)定性。當(dāng)前對電力變壓器進(jìn)行狀態(tài)評估的方法很多，主要有貝葉斯網(wǎng)絡(luò)法、設(shè)備評分法、證據(jù)推理法等，不過這些方法多多少少都受到一定的限制。在本文中，筆者將模糊綜合評判方法與模糊數(shù)學(xué)理論相結(jié)合，從而建一個綜合評估模型，并以此對電力變壓器的狀態(tài)進(jìn)行評判。

1 模糊綜合評判法和改進(jìn)的層次分析法

1.1 模糊綜合評判法

針對電力變壓器的狀態(tài)評估問題，本文利用模糊數(shù)學(xué)中的綜合評判理論解決了模糊性問題，并將模糊綜合評判劃分為兩個組成部分所有因素綜合評估、單個因素模糊評估，其評估的步驟歸納如下：

（4）將因素論域中第i個元素u_i設(shè)為評價對象，評語等級論域中的第j個元素v_i，以及v_i的隸屬程度r_ij，根據(jù)以上數(shù)據(jù)創(chuàng)建單因素評判矩陣：

（5）構(gòu)造一級模糊綜合評判集和二級模糊綜合評判集。

1.2 改進(jìn)的層次分析法

本文應(yīng)用改進(jìn)的層次分析法取締原方法，直接取得相對權(quán)重。其原理如下：

定理一：假設(shè)反對稱陣為B，那么B的最優(yōu)傳遞矩陣C是：

定理二：假設(shè)互反矩陣是A，B=lg A，B的最優(yōu)傳遞矩陣是C，那么矩陣A*=10^{c ij}就是A的擬優(yōu)傳遞矩陣。

改進(jìn)層次分析法的流程示意圖為：

2 電力變壓器狀態(tài)評估模型

2.1 評估模型建立

2.1.1 評判因素的選擇

根據(jù)電力變壓器的運行情況，本文選擇的評判因素有：絕緣電阻、吸收比、泄露電流、介損值、繞組直流電阻、油中溶解氣體、油中微水含量、油介損、油擊穿電壓和運行工作環(huán)境等，針對每個因素的具體要求參考相關(guān)標(biāo)準(zhǔn)即可。

確定評判因素后要劃分電力變壓器的工作狀態(tài)，即對評語進(jìn)行建立和完善。具體來講，其狀態(tài)可以劃分四個不同等級，其評語集可表示為V={vl，v2，v3，v4}={良好，一般，注意，較差}，每個評語表示電力變壓器的不同工作情況，即根據(jù)不同的評語狀態(tài)進(jìn)行相應(yīng)的實際操作。

2.1.3 模糊算子的確定和評價指標(biāo)的處理

在B= AoR當(dāng)中。所化表的是廣義上的模糊算子，在選取方式上較為多樣。本文所選取的方式可以用M（+，·）進(jìn)行表示，

2.2 權(quán)重及隸屬函數(shù)確定

不同的判斷體系中，都有其一定的權(quán)重。并且這種權(quán)重在一定程度上反應(yīng)出在該判斷體系中的相關(guān)指標(biāo)的重要性。

2.2.1 一級評判權(quán)重的確定

正常情況下這一級別的確定也是遵循一定的規(guī)律的，主要是根據(jù)電力變壓器的狀態(tài)反映出的信息來確定，比較重要的評判指標(biāo)有兩個，分別是電力變壓器絕緣性以及電器的基本性能。通過這兩項指標(biāo)可以確定各個因素的權(quán)重，此外還需要采用一種方法，這種方法通常為層次分析來判定。例如，在電氣實驗中，利用此方法來確定權(quán)重，則需要邀請到相關(guān)的專業(yè)人士來把關(guān)，一般情況下都需要成立一個5-8人的專家組，可以是行業(yè)專業(yè)，也可以是相關(guān)的技術(shù)人員。在此次實驗中，為了方便實驗，選定了5位來成立技術(shù)小組。同時需要構(gòu)造判斷矩陣，構(gòu)造的方法主要是采用AHP層次分析法，也就是大家通常所說的A-U判斷矩陣。

w'的特征向量可以用IAHP法來求，歸一化后得到的就是權(quán)重分配，它的結(jié)果是A=《0.1435，0.2181，0.2843，0.3539）。這個數(shù)值所表示的是一些數(shù)據(jù)反映的電氣試驗項目能力大小的權(quán)重，這些數(shù)據(jù)又包括了絕緣電阻、吸收比、泄露電流、介損值、繞組直流電阻。但是又由于反映變壓器狀態(tài)的電氣性能參量和絕緣性能參量是從兩種不同的角度來說的，這兩者的重要性的一樣的不相上下，所以權(quán)重分配則為A=（0.5，0.5）。而同理可得，絕緣油特性所評估出來的權(quán)重分配為A=（0.4278，0.3325，0.1396）。

這個數(shù)值表示的是油中的微水含量、油介損、其他因素所反映出來的絕緣油特性試驗項目能力大小的權(quán)重。而在評判其他因素對變壓器狀態(tài)的影響中，還包括了許多其他方面的因素。要首先確定這四個元素在綜合評判中的權(quán)重需要，然后同理求出權(quán)重分配為：A= （0.0807，04027，0.1969，0.2797）在此基礎(chǔ)上再進(jìn)行分析，從而得知，變壓器在工作中，其工作環(huán)境方面，包括環(huán)境的溫度、濕度、腐蝕性氣體及塵埃還有一些其他方面的因素，如海拔、風(fēng)速、霧密等，都是需要重要考慮的，所以其權(quán)重分配為A=《01722，0 2022，0 5862，0.0694）;而關(guān)于資料運行，還需要重點考慮有的變壓器它的的負(fù)載情況和運行溫度，而運行溫度又主要是項層油溫、運行中的異常噪音、近區(qū)短路情況、保護(hù)裝置動作情況，所以在這一方面，其權(quán)重分配則為A= （0.1203，0.3286，0 0375，0.2545，0.2592）;在檢修記錄方面，同類型的變壓器檢修記錄以及該變壓器的歷史檢修記錄都是需要重點考慮的，根據(jù)以上方法則可求得其權(quán)重分配是A= （0.4753，0.5276）;最后的附件包括了其外觀狀況和檢修參數(shù)的異常情況，這也是需要著重考慮的，由于只對這兩個因素進(jìn)行了評判，所以所構(gòu)造的矩陣相比而言是較為簡單的，所求得的權(quán)重分配是A= （0.3576，0.6054）。

2.2.2 二級評判權(quán)重的確定

在二級評判中，通過IAHP法求得其權(quán)重分配，來看以為專家所得的判斷矩陣（如下）：

A變壓器表示的是在二級模糊綜合評判中的各項指標(biāo)所反映出來的變壓器綜合狀態(tài)能力的權(quán)重集，其中包括電氣試驗、色譜分析、絕緣油特性試驗以及其他各種因素。

2.2.3 指標(biāo)的模糊隸屬度

一般采用模糊分步法來檢測指標(biāo)的定向數(shù)據(jù)并對其進(jìn)行分析，三角形隸屬函數(shù)具有許多獨特優(yōu)勢，采用的是三角形和半梯形所組合的分布函數(shù)，并且還要建立起各項指標(biāo)在不同狀態(tài)等級下的隸屬函數(shù)。圖l則是其隸屬函數(shù)分布圖。

在得出關(guān)于評判因素的隸屬函數(shù)之前，要先將其他的各種參數(shù)值轉(zhuǎn)化為函數(shù)，并且其值域必須要在0-1之間，然后要確定它的隸屬度，可以選擇用三角形和梯形的分布函數(shù)來確定。

s1、s2、s3、s4這四個字母表示著它的狀態(tài)，分別代表著良好、一般、較差以及注意。用這幾個字母表示變壓器各部件的狀態(tài)空間，就可以這樣來表示：S={s1，s2，s3，S4}。

例如，絕緣電阻指標(biāo)的隸屬度為：

3 實例分析

假設(shè)在實例中，某一個變壓器的型號是SFPSZI，在實際運行中，根據(jù)收集所得來的各種數(shù)據(jù)以及資料，然后綜合評判它的狀態(tài)，具體測量得出一組數(shù)據(jù)，見表l、表2。

在上述模糊綜合評判模型中，根據(jù)之前所得到的變壓器測量數(shù)據(jù)，然后將其建立起評判矩陣。然后再根據(jù)其他各個特征參量對變壓器狀態(tài)的表示函數(shù)，將上面所得出的各組數(shù)據(jù)都按照[0，1]的數(shù)這種格式進(jìn)行轉(zhuǎn)化。根據(jù)代入電氣試驗項目隸屬函數(shù)，依次可以求出該評判矩陣為：R電氣試驗：

根據(jù)以上計算，然后二級評判變壓器的運行狀態(tài)，從而得出以下結(jié)果，可以看出它的二級評判的權(quán)重主要分配為：

A變壓器=（0.2389， 0.4337， 0.2389 ，0.0086）

綜合以上結(jié)果，變壓器狀態(tài)評判矩陣R變壓器：

B變壓器=A變壓器 R變壓器=（0.5336，0.5126. 0.0543. 0.0013）由評判結(jié)果：該變壓器工作狀態(tài)良好，并且其各項運行試驗數(shù)據(jù)也都處于正常值水平，距離規(guī)程規(guī)定注意值還都很遠(yuǎn)，因此只有極小概率會發(fā)生故障，能保障正常工作的穩(wěn)定性，長期持續(xù)運行是沒有問題的，這時候工作的變壓器其狀態(tài)最為穩(wěn)定。但是理論都需實踐支撐，該變壓器在后面的實際運行中穩(wěn)定可靠，也確實證明了該理論實際可靠，與模糊綜合評判模型所得無差別。

4 結(jié)論

在本篇文章中，研究對象為電力變壓器，根據(jù)模糊數(shù)學(xué)的基本思想，采取模糊綜合評判的方法，在狀態(tài)評估中對其進(jìn)行評判并構(gòu)造模型，但這種方法并不是確定有效的，需要評估運行中的變壓器狀態(tài)，以此來證實該法是切實可行的。同時，這種這種方法還尚有不足，仍存在非常大的研究進(jìn)步空間。如果能夠?qū)⒈疚闹械迷O(shè)計運用于其他各個電廠或者變電站中，讓其發(fā)揮更好的作用，那將非常有利于變壓器的檢修，為其提供強(qiáng)有力的技術(shù)支持，并營造更高的效益。

參考文獻(xiàn)

[1]A. Lin Cao， Qing Jun Zhu. Sheng TaoZhang， BaoRongHou. BP neural networkpredictive model for strav currentdensitv of a buried metallicpipeline[J]. A. Lin Cao.Qing JunZhu. Sheng Tao Zhang， BaoRongHou.Ant i-Corrosion Methods andMaterials.2010 （5）.

[2] JiuwenCao， ZhipingLin， Guang-BinHuang.

Self-Adapt ive Evolut ionaryExtreme Learning Machine[J] . NeuralProcessing Letters， 2012 （03）.

[3]趙文清，朱永利，電力變壓器狀態(tài)評估綜述[J].變壓器，2007，44 （11）：9-12.

[4] KeMeng，

Zhao Yang dong， Dian Huiwang， et al. A self-adaptive RBFneural network classifier fortransformer fault analysis [Jl.

IEEETransactions on Power Systems， 2010，25 （03）：1350-1360.

[5]張鐿議，廖瑞金，楊麗君，孟繁津，李金忠，程渙超，綜合考慮可靠性與經(jīng)濟(jì)性的電力變壓器檢修方案優(yōu)選[J].電工技術(shù)學(xué)報，2014 （11）.

[6]Gareth Lee， Murdoch， etal. IncipientFault Diagnosis in Power Transformersby Clustering and Adapted KNN[J].IEEET ransactions on Power Systems，2016.