SF₆高压断路器运行状态评估方法及智能系统

摘要

一种SF6高压断路器运行状态评估方法及智能系统，属于输变电设备技术领域。该系统包括WEB服务器、数据服务器、工控机、局部放电监测单元、分合闸线圈电流监测单元、开断电流监测单元、分合闸行程监测单元、分合闸位置监测单元、SF6气体温度及压力监测单元和传感元件。该方法包括：1建立评估智能系统；2量化评估指标；3确定待评物元R；4确定模型经典域；5确定模型节典域；6主观权重计算；7客观权重计算；8确定主客观组合权重；9确定待评物元关联度；10子项目层物元评估；11项目层物元评估；12目标层物元评估；13确定运行状态等级；14确定特性指标状态等级趋势。本发明优点：模型简单，评估结果直观，自我完善特性强。

主权项

1.一种SF₆高压断路器运行状态评估方法，其特征在于：按如下步骤进行：步骤1、建立SF₆高压断路器运行状态评估智能系统，该系统的指标体系从纵向分为目标层、项目层、子项目层和指标层，项目层包括机械特性、电气特性和绝缘特性，子项目层包括时间特性、速度特性、开断特性、气体特性和运行特性，时间特性的指标层包括合闸时间、分闸时间、合闸不同期性和分闸不同期性；速度特性的指标层包括刚合闸速度、刚分闸速度、合闸平均速度和分闸平均速度；开断特性的指标层包括相对电磨损程度、导电回路电阻、累计开断次数和使用年数；气体特性的指标层包括微水含量、气体泄漏、密度和分解物；运行特性的指标层包括断路器的外观情况即持绝缘子部分、操动机构润滑、主体及机构外观和主回路端子和环境的污秽度、湿度及温度；步骤2、量化高压断路器运行状态的评估指标，采用时间特性、速度特性、开断特性和气体特性的定量指标进行量化，量化采用升、降半梯形函数，其中极小型指标采用升半梯形函数，极大型指标采用降半梯形函数；升半梯形函数，如公式(1)：$X=\left\{\begin{array}{cc}0& x\le a_1\\ \frac{x-a_2}{a_2-a_1}& a_1<x\le a_2\\ 1& x>a_2\end{array}\right.$  公式(1)降半梯形函数，如公式(2)：$X=\left\{\begin{array}{cc}1& x\le a_1\\ \frac{a_2-x}{a_2-a_1}& a_1<x\le a_2\\ 0& x>a_2\end{array}\right.$  公式(2)公式(1)、(2)中，X为指标归一化后的值，x为指标实测值，a₁、a₂表示该指标的注意值和最优值；步骤3、确定待评物元R，定量的待评物元可通过升半梯形函数和降半梯形函获得，定性的待评物元可通过专家评分方式获得，如公式(3)；$R=\left[\begin{array}{ccc}{P}_n& c_1& v_1\\ & c_2& v_2\\ & .& .\\ & .& .\\ & .& .\\ & c_n& v_n\end{array}\right]$  公式(3)公式(3)中，P_n为待评物元的名称，v_n为P关于物元指标c_n的量值，即待评物元量化后的值，n为物元指标个数；步骤4、确定模型经典域R_j，如公式(4)：$R_j=(N_j,C_i,V_{\mathrm{ji}})=\left[\begin{array}{ccc}{N}_j& c_1& v_{j1}\\ & c_2& v_{j2}\\ & .& .\\ & .& .\\ & .& .\\ & c_n& v_{\mathrm{jn}}\end{array}\right]=\left[\begin{array}{ccc}{N}_j& c_1& <a_{j1},b_{j1}>\\ & c_2& <a_{j2},b_{j2}>\\ & .& .\\ & .& .\\ & .& .\\ & c_n& <a_{\mathrm{jn}},b_{\mathrm{jn}}>\end{array}\right]$  公式(4)公式(4)中，N_j代表断路器某项目层物元所划分的第j个评价等级名称；c_i为该物元中的第i个评价指标；v_ji为N_j关于指标c_i所规定的量值范围<a_ji，b_ji>，即经典域；根据表1，将断路器的运行状态划分为四个等级：“良好”、“一般”、“注意”和“故障”，即可取所有待评物元的经典域均为：$R_j=(N_j,C_4,V_{j4})=\left[\begin{array}{ccc}{N}_j& c_1& <\mathrm{0.0,0.2}>\\ & c_2& <\mathrm{0.2,0.5}>\\ & c_3& <\mathrm{0.5,0.8}>\\ & c_4& <\mathrm{0.8,1.0}>\end{array}\right]$表1相对劣化度的定义步骤5、确定模型节典域R_p，如公式(5)：$R_p=(P,C_i,V_{\mathrm{pi}})=\left[\begin{array}{ccc}P& c_1& v_{p1}\\ & c_2& v_{p2}\\ & .& .\\ & .& .\\ & .& .\\ & c_n& v_{\mathrm{pn}}\end{array}\right]=\left[\begin{array}{ccc}P& c_1& <a_{p1},b_{p1}>\\ & c_2& <a_{p2},b_{p2}>\\ & .& .\\ & .& .\\ & .& .\\ & c_n& <a_{\mathrm{pn}},b_{\mathrm{pn}}>\end{array}\right]$  公式(5)公式(5)中，P为评价等级的全体，v_pi为P关于物元指标c_i所取的量值范围<a_pi，b_pi>，即节典域，有，由于各评估指标都被量化为[0，1]之间的数，所有待评物元的节域均为[0，1]，时间特性P₁的节典域为$R_{P1}=(P_1,C_4,V_{p4})=\left[\begin{array}{ccc}{P}_1& c_1& <\mathrm{0,1}>\\ & c_2& <\mathrm{0,1}>\\ & c_3& <\mathrm{0,1}>\\ & c_4& <\mathrm{0,1}>\end{array}\right]$步骤6、基于可拓层次分析法的主观权重计算，可拓层次分析法是基于可拓集合理论的层次分析方法，研究在相对重要程度不确定时层次分析法如何构造判断矩阵的方法，该方法在构造判断矩阵时，将人判断的模糊性考虑进去并采用扩展到(-∞，+∞)的关联函数值，使评价精细化、定量化；步骤7、基于熵值法的客观权重计算，用信息熵评价所获系统信息的有序度及效用，由指标值构成的判断矩阵来确定指标权重；步骤8、主客观组合权重的确定，如公式(14)：$a={\left(a_j\right)}_{1\times n}=\frac{P_j{\omega }_j}{\underset{j=1}{\overset{n}{\Sigma }}{P}_j{\omega }_j},i=1,...,n;$  公式(14)公式(14)中，P_j为采用可拓层次分析法计算得到的主观权重矩阵向量，ω_j为采用熵值法计算得到的客观权重矩阵向量；步骤9、确定待评物元关于各指标状态等级的关联度，如公式(15)：$k_j\left(v_i\right)=|\begin{array}{cc}\frac{\rho (v_i,v_{\mathrm{ji}})}{\rho (v_i,v_{\mathrm{pi}})-\rho (v_i,v_{\mathrm{ji}})}& v_i\notin v_{\mathrm{ji}}\\ \frac{-\rho (v_i,v_{\mathrm{ji}})}{\left|v_{\mathrm{ji}}\right|}& v_i\in v_{\mathrm{ji}}\end{array}$  公式(15)公式(15)中，k_j(v_i)表示物元的第i个特征关于第j个状态等级的关联度，ρ(v_i，v_ji)，ρ(v_i，v_pi)分别表示点v_i与区间v_ji和v_pi的距离，v_i为第i个评估指标量值，v_ji为关于i指标的经典域，v_pi为关于i指标的节典域，第i个评估指标关于第j个状态等级的关联度集为K(v_i)={K₁(v_i)，K₂(v_i)，…，K_j(v_i)}，表示按指标v_i评估的结果，则该项目下的所有物元指标就构成了其关联度矩阵，如公式(16)：$K_v=\left[\begin{array}{cccc}{K}_1\left(v_1\right)& K_2\left(v_1\right)& ...& K_j\left(v_1\right)\\ K_1\left(v_2\right)& K_2\left(v_2\right)& ...& K_j\left(v_2\right)\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ K_1\left(v_i\right)& K_2\left(v_i\right)& ...& K_j\left(v_i\right)\end{array}\right]$  公式(16)步骤10、子项目层物元评估，如公式(17)：$K_j\left(S\right)=\underset{k=1}{\overset{n_k}{\Sigma }}{\lambda }_{\mathrm{hik}}\times K_j\left(v_{\mathrm{hik}}\right)$  公式(17)公式(17)中，K_j(S)为对于j个节典域的子项目层评估结果集合，S为子项目层物元集合，λ_hk表示第h个项目中第i个子项目的第k个物元指标的权重，K_j(v_hik)表示该指标的关联度；步骤11、项目层物元评估，如公式(18)：$K_j\left(P\right)=\underset{i=1}{\overset{n_i}{\Sigma }}{\lambda }_{\mathrm{hi}}\times K_j\left(v_{\mathrm{hi}}\right)$  公式(18)公式(18)中，K_j(P)为对于j个节典域的项目层评估结果集合，P为项目层物元集合，λ_h表示第h个项目中第i个子项目的第k个物元指标的权重，K_j(v_hi)表示该指标的关联度；步骤12、目标层物元评估，如公式(19)：$K_j\left(G\right)=\underset{h=1}{\overset{h}{\Sigma }}{\lambda }_h\times K_j\left(v_h\right)$  公式(19)公式(19)中，K_j(G)为对于j个节典域的目标层评估结果集合，G为目标层物元，λ_h表示第h个项目的权重，K_j(v_h)表示该指标的关联度；步骤13、运行状态等级的确定，如公式(20)：$K_{j_0}\left(P\right)=\max K_j\left(P\right)$  公式(20)公式(20)中，j=(1，2，…，m)，j₀为待评物元所属的状态等级；步骤14、确定待评物元的特性指标状态等级趋势，关联度的大小能够反映该待评物元符合标准等级的程度，其值越大，符合的程度越高，关联度如公式(21)，级别变量特征值如公式(22)，令$\overline{K_j}\left(N\right)=\frac{K_j\left(N\right)-\underset{j}{\overset{m}{\min }}{K}_j\left(N\right)}{\underset{j}{\overset{m}{\max }}{K}_j\left(N\right)-\underset{j}{\overset{m}{\min }}{K}_j\left(N\right)}$  公式(21)$j^{*}=\frac{\underset{j}{\overset{m}{\Sigma }}j·\overline{K_j}\left(N\right)}{\underset{j}{\overset{m}{\Sigma }}\overline{K_j}\left(N\right)}$  公式(22)公式(22)中，j^*为N的级别变量特征值，N为断路器状态评估的等级，如j^*-j₀为正值，则表示从j₀等级向下一等级的趋势程度；如为负值，则表示从j₀等级向上一等级的趋势程度。