[发明专利]六氟化硫电气设备绝缘状态综合评估的方法

权利要求书

1.一种六氟化硫电气设备绝缘状态综合评估的方法，其特征在于具体的方法步骤如下：

(1)初始化

待笔记本电脑开机后，先输入操作人员的用户名及密码，当用户名及密码与系统预先设置的用户名及密码相符合时，才能打开本综合评估系统并进入系统主界面，再进行系统功能选择；

(2)系统功能选择

第(1)步完成后，根据被管理电力企业的具体情况及SF_·6·电气设备综合评估的要求进行管理系统的功能选择，即变电站管理、SF_·6·电气设备管理、SF_·6·电气设备绝缘状态综合评估、退出系统功能的选择，并自动选择“变电站管理”，进入变电站管理子系统；

1)变电站管理

①建立变电站管理数据库

首次使用本系统时，需要将被管理电力企业中的有SF_·6·电气设备的变电站的基本信息，即变电站名称、地址、电压等级、容量、投入运行时间，录入本系统数据库中，并以两位数字按01、02、03...的顺序对其统一进行编号，建立变电站管理数据库，数据库采用关系型数据库；

②新增变电站

第(2)-1)-①步完成后，当被管理电力企业中出现新建变电站且该站有SF_·6·电气设备、因管理权限发生变更而新增变电站且该站有SF_·6·电气设备、因设备更新而新增SF_·6·电气设备的变电站，将新建或新增变电站的基本信息，即变电站名称、地址、电压等级、容量、投入运行时间，并编号后输入第(2)-1)-①步建立的变电站管理数据库中，及时更新变电站管理数据库；

③删除变电站

第(2)-1)-①步完成后，当被管理电力企业因管理权限发生变更而减少有SF_·6·电气设备的变电站时，将所减少的变电站的基本信息及编号从(2)-1)-①步所建立的变电站管理数据库中及时删除，同时删除该变电站所辖的所有SF_·6·电气设备的相关信息；

2)SF_·6·电气设备管理

①建立SF_·6·电气设备管理数据库

第(2)-1)步完成后，录入第(2)-1)步中被管理变电站中的SF_·6·电气设备的基本信息，即名称、型号、电压等级、检修周期、检修情况，并按xx xxxx x xx九位数字进行统一编号，其编号中，前两位为第(2)-1)中变电站的编号；第3至第6位为SF_·6·电气设备的电压等级，即1000代表1000kV、0800代表800kV、0500代表500kV、0330代表330kV、0220表示220kV、0110代表110kV、0035表示35kV；第7位数字为SF_·6·电气设备的类型，其中：1代表GIS、2表示SF_·6·断路器、3代表GIT、4代表气体绝缘线路(GIL)；最后两位数字代表相同类型的SF_·6·电气设备的编号；

②新增SF_·6·电气设备

第(2)-2)-①步完成后，当被管理变电站中的因设备更新或者设备升级而新增了SF_·6·电气设备时，需要将新增的SF_·6·电气设备的基本信息，即名称、型号、电压等级、检修周期、检修情况，及时地录入到系统的数据库中并按前述的九位数字进行编号，并且将该SF_·6·电气设备关联到所属的变电站的数据库中，及时更新变电站管理数据库；

③删除SF_·6·电气设备

第(2)-2)-①步完成后，当被管理变电站中的SF_·6·电气设备因设备变更，当型号变更、类型变更、设备被替换时，将变更后的SF_·6·电气设备的基本信息及编号录入第(2)-2)-①步建立的SF_·6·电气设备管理数据库中，并删除变更前的SF_·6·电气设备的所有信息，及时更新SF_·6·电气设备管理数据库；

3)SF_·6·电气设备绝缘状态的综合评估

第(2)-2)步完成后，或对已建立变电站管理数据库和SF₆电气设备管理数据库的电力企业进行SF₆电气设备绝缘状态综合评估时，选择“综合评估”；

当选择“综合评估”功能时，对SF_·6·电气设备的绝缘状态进行综合评估，包括“数据采集”、“趋势分析”和“诊断分析”，其具体步骤如下：

①数据采集

采集能表征所管理的电力企业中的变电站中所辖的SF₆电气设备绝缘状态的相关数据，具体为：利用申请号为：201020240900.0的“六氟化硫电气设备综合评估装置”采集SF₆电气设备中SF₆气体微水含量、分解组分气体的浓度，即CO、HF、SO₂、H₂S的浓度能表征SF₆电气设备气体绝缘状态的运行指标，并存储后，通过串口连接线将所述装置的通讯接口的输出端连接和笔记本电脑的通讯接口相连接；在第(2)-1)和第(2)-2)步中建立的变电站和SF₆电气设备管理数据库中选择被评估的SF₆电气设备所从属的变电站，并在该变电站所辖SF₆电气设备的目录中选择被评估的SF₆电气设备的名称，进入数据采集模式；点击开始采集按钮，计算机通过RS_232总线给装置下达数据传输命令，装置接到数据传输命令后，通过RS_232总线向计算机系统传输相应传感器所采集到的数据，且综合评估系统的存储模块具有将接收到的传感器数据自动保存的功能，存储内容包括：SF₆气体的微水含量、分解组分气体即CO、HF、SO₂、H₂S的浓度、设备号、采集时间，数据库采用通用的关系型数据库，待数据传输完毕后显示采集结果，并在历史数据中显示；历史数据供系统综合分析评估使用；当数据采集操作完成后，进行是否“继续”判断，当还需要进行其他综合评估，即查询历史趋势、诊断分析操作时，则选择“是”，程序调回到综合评估对话框入口处，弹出综合评估对话框，进行相应的评估选择操作；当不需要进行其他综合评估操作时，选择“否”，程序运行到等待确认退出系统，进行“退出”判断；

②历史查询

第(2)-3)-①步完成后，当需要对被选择和检测的SF₆电气设备进行历史趋势分析时，选择“历史趋势查询”功能选项，系统将对设备进行历史趋势分析，查询计算机系统所存储的该SF₆电气设备自被本综合评估系统管理以来每一检修周期所采集的表征SF₆气体绝缘状态指标，即SF₆电气设备中SF_·6·气体的微水含量、分解组分气体，即CO、HF、SO_·2·、H_·2·S的含量的历史数据；首先选择微水、CO、HF、SO₂、H₂S的属性，然后选择起始时间，终止时间，然后按时间排序并绘制出相应的表征绝缘状态的指标的趋势曲线，以便进行绝缘状态的趋势分析，方便变电站工作人员及上级管理人员观察站内SF_·6·电气设备绝缘的长期运行状态，为其进行相关决策提供历史依据；查询完毕后，进行是否“继续”判断，当还需要进行其他综合评估，即数据采集、诊断分析操作时，则选择“是”，程序调回到综合评估对话框入口处，弹出综合评估对话框，进行相应的评估选择操作；当不需要进行其他综合评估操作时，选择“否”，程序运行到等待确认退出系统，进行“退出”判断；

③诊断分析

第(2)-3)-①完成后，当需要对被选择的SF6电气设备的绝缘状态进行诊断分析，则需选择综合评估对话框中的“诊断分析”，系统程序将跳到“诊断分析”子程序入口处，等待诊断分析初始化操作，待初始化操作完成后，诊断程序将结合模糊神经网络方法依次执行计算特征量即SF_·6·气体微水含量、分解组分气体即CO、HF、SO_·2·、H_·2·S的含量x_·i·的隶属度、模糊推理、计算SF_·6·电气设备的绝缘状态θ的隶属度、给出并保存诊断结果及故障可能原因，具体为：综合评估系统根据表征SF_·6·电气设备气体绝缘状态的特征量x_·i·的特征值，即SF_·6·气体微水含量、分解组分气体即CO、HF、SO_·2·、H_·2·S的含量，采用模糊神经网络方法对SF_·6·电气设备的绝缘状态进行综合评估，以便准确掌握SF_·6·电气设备内部绝缘状态和指导维修，模糊神经网络采用基于径向基函数(RBF)神经网络技术实现模糊隶属函数生成与模糊推理，且RBF神经网络的隐含层神经元传递函数采用高斯核函数形式，对于每个特征量x_·i·，用一个子网络产生其隶属于相应模糊子集的隶属度，不同的特征量x_·i·其取值范围不同，其高斯核函数的中心值C_·jN·、C_·jM·、C_·jH·也不同，而且，特征量x_·i·隶属于模糊集合{‘正常’，‘轻微故障’，‘严重故障’}的隶属度函数表达式为：

μiN(xi)=1xi<CiNexp(-(xi-CiN)2σiN2)xi>CiN---(1)]]>

μiM(xi)=exp(-(xi-CiM)2σiM2)---(2)]]>

μiH(xi)=exp(-(xi-CiH)2σiH2)xi<CiH1xi>CiH---(3)]]>

其中C_·jN·、C_·jM·、C_·jH·，σ_iN、σ_iM、σ_iH，分别代表特征量x_·i·含量正常、含量偏高、含量过高所对应的高斯核函数的中心值和标准偏差，其值根据相关标准查询，再把各模糊量化子网络输出μ_·iN·(x_·i·)、μ_·iM·(x_·i·)、μ_·iH·(x_·i·)作为模糊推理网络的输入，其中μ_·iN·(x_·i·)代表特征量x_·i·含量正常、μ_·iM·(x_·i·)代表特征量x_·i·含量偏高、μ_·iH·(x_·i·)代表特征量x_·i·含量过高，确定相应标准输出模式，再反复训练网络，实现模糊推理，神经网络输出值μ_·N·(θ)、μ_·M·(θ)、μ_·H·(θ)分别为SF_·6·电气设备的绝缘状态θ隶属于模糊集合{‘正常’，‘轻微故障’，‘严重故障’}的隶属度，根据最大隶属度原则判定SF_·6·电气设备的绝缘状态，并根据最大隶属度原则，由模糊量化每个特征量x_·i·的子网络的输出值给出引起SF_·6·电气设备的绝缘故障的可能原因，具体为：SF_·6·气体微水含量过高、分解组分气体即CO、HF、SO_·2·、H_·2·S的含量偏高；

4)退出系统

当选择“退出系统”功能时，系统退出，程序结束。

2.按照权利要求1所述的六氟化硫电气设备绝缘状态综合评估的方法，其特征在于所述的诊断分析的具体步骤如下：

(1)初始化

分别设置用于产生特征量x_·i·隶属度的子网络所对应的高斯核函数的中心值C_·jN·、C_·jM·、C_·jH·和标准偏差σ_iN、σ_iM、σ_iH，并输入特征量x_·i·(1≤i≤n)的特征值；

(2)构建并训练生成隶属函数的神经网络

完成第(1)步后，将建立生成特征量x_·i·(1≤i≤n)隶属函数的RBF神经网络，生成隶属函数的RBF神经网络的输入为反映SF_·6·电气设备的绝缘状态的特征量x_·i·，即SF_·6·气体微水含量、分解组分气体即CO、HF、SO_·2·、H_·2·S的含量，输入层神经元的个数为n_·1·＝1；输出为x_·i·的含量隶属于相应模糊子集的隶属度即μ_·iN·(x_·i·)、μ_·iM·(x_·i·)、μ_·iH·(x_·i·)，其中μ_·iN·(x_·i·)代表特征量x_·i·含量正常、μ_·iM·(x_·i·)代表特征量x_·i·含量偏高、μ_·iH·(x_·i·)代表特征量x_·i·含量过高，隐含层神经元的个数m由m＝2n_·1·+1确定；获取n个特征量隶属函数需要n个同样结构的RBF神经网络，用以计算特征量x_·i·(1≤i≤n)隶属函数的隶属度；当生成隶属函数的神经网络构建完毕之后，利用高斯核函数分布函数来训练该神经网络，获得标准输入输出模式，建立网络学习样本库，根据式(1)～(3)计算出相应隶属于模糊集合{‘正常，Normal’、‘偏高，Medium’和‘过高，High’}的隶属度，作为生成隶属函数训练样本，当其均方根误差小于设定值时，训练结束；

(3)构建模糊推理神经网络

第(2)步完成后，建立用于模糊推理的RBF神经网络，用以进行模糊推理，并计算出SF_·6·电气设备的绝缘状态θ的隶属度，模糊推理神经网络的输入为各生成隶属函数的RBF神经网络的输出，输入层神经元的个数为n个，模糊推理神经网络的输出根据各状态参量隶属于模糊概念“正常”、“偏高”和“过高”的隶属度来确定，输出层神经元的个数为3个，其输出值μ_·N·(θ)、μ_·M·(θ)、μ_·H·(θ)分别为SF_·6·电气设备的绝缘状态θ隶属于模糊集合{‘正常’，‘轻微故障’，‘严重故障’}的隶属度，隐含层神经元的个数为m_·1·＝2n+1；

(4)绝缘状态评估及故障原因诊断

第(3)步完成之后，所构建的模糊推理神经网络将根据最大隶属度原则判定SF_·6·电气设备的绝缘状态，当诊断出该SF_·6·电气设备存在绝缘故障时，则系统根据最大隶属度原则，由模糊量化每个特征量x_·i·的子网络的输出值给出引起SF_·6·电气设备的绝缘故障的可能原因，并同时保存诊断结果；

(5)训练样本库

第(4)步完成后，将训练样本库，基于已训练好的隶属函数生成网络得出相应隶属函数，作为模糊推理网络的输入模式，用实验获得的局部放电分解组分即CO、HF、SO_·2·、H_·2·S及SF_·6·微水含量样本分为训练样本S-Train和测试样本S-Test，选取S-Train并结合专家经验知识来训练上述网络，当其均方根误差小于设定值时，训练结束；使训练完成的RBF神经网络对测试样本S-Test进行评估，结果能够很好的对SF_·6·电气设备的绝缘状态进行评估并能给出相应的故障原因；

诊断分析完毕后，进行是否“继续”判断，当还需要进行其他综合评估，即数据采集、历史查询操作时，则选择“是”，程序返回到综合评估对话框入口处，弹出综合评估对话框，进行相应的评估选择操作；当不需要进行其他综合评估操作时，选择“否”，程序运行到等待确认退出系统，进行“退出”判断，判断需要进行综合评估的SF_·6·电气设备是否选择完毕：当没有选择完毕时，返回权利要求1中的第(2)-2)-①步选择下一台SF_·6·电气设备进行数据采集、历史趋势查询分析、诊断分析操作，如此循环，直到需进行综合评估的SF_·6·电气设备都评估完毕为止；当所有的评估工作都完毕后就结束，退出系统。