[发明专利]一种变压器绝缘油老化状态评估的方法

权利要求书

1.一种变压器绝缘油老化状态评估的方法，其特征在于，包括以下步骤：

S1：构建油老化特征类的概率模糊集；

S2：试验数据的处理；

S3：试验数据中心值的优化和计算；

S4：构建试验类的概率模糊集；

S5：构建试验类与特征类概率模糊集之间的距离测度函数；

S6：变压器绝缘油老化状态评估；

步骤S1构建油老化特征类的概率模糊集过程为：

油老化特征类描述的是配电变压器绝缘油进入老化状态时若干个参量特征值的组合，从公开文献中收集配电变压器绝缘油老化状态评估所涉及参量及其特征值，形成配电变压器绝缘油老化特征类其中N_S为配电变压器绝缘油老化特征类的数量，油老化特征类具有不同的特征空间，包括油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽、纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽、H₂含量、C₂H₂含量、C₂H₆含量、C₂H₄含量、CH₄含量、CO相对产气速率、CO₂相对产气速率、总烃、铁心绝缘电阻、铁心接地电流、绕组直流电阻、绝缘电阻吸收比、绕组直流电阻及其不平衡率、绕组短路阻抗初值差、绕组绝缘介质损耗、绕组电容量初值差、高压侧A相电容值、高压侧B相电容值、高压侧C相电容值、低压侧a相电容值、低压侧b相电容值、低压侧c相电容值、典型负荷时热点温度、高负荷时热点温度、油温、局部放电量47个参量的组合，通过大数据处理可以得到第m个油老化特征类S_m的数据集x_Sm为：

式中N_Sm为第m个油老化特征类S_m的数据集x_Sm参量数据的数量，N_S为油老化特征类数据集的数量，对于第m个油老化特征类S_m，有N_Sm个特征，构建第m个油老化特征类的概率模糊集S_mn如下：

式中μ_S(x_Smk)为x_Smk相对应概率模糊集S_mn的隶属度，为描述μ_S(x_Smk)的概率分布函数；

利用步骤S1所取得的特征参量的历史实验数据，构建第p个受试参量的试验区间值数据集y_Tp：

式中N_TDp为第p个参量试验数据的数量，N_TD为变压器受试参量的数量，采用模糊C-均值聚类方法，按照聚类数量N_Cp对第p个受试参量的试验数据集y_Tp进行模糊C-均值聚类，将数据集y_Tp划分N_Cp个数据区，第q个数据区的中心值为：

式中N_TDq为第q个数据区试验数据的数量，

构建模糊隶属度矩阵U：

U＝{μ_Cij}(i＝1,2,3,...,N_TDq；j＝1,2,3,...,N_TDq)

计算隶属度μ_Cij按照下式计算：

式中K_C1、K_C2为经验系数，

d_Cij计算式为：

d_Cij＝|y_Tpi-y_Tpj|

d_Ckj计算式为：

d_Ckj＝|y_Tpk-y_Tpj|；

步骤S3试验数据中心值的优化和计算过程如下；

构建目标函数：

假设μ_Cij分别为μ_Cij的允许最大值和最小值，设置约束条件：

K_C1和K_C2值采用知识推理方法并根据各种偏好动态地进行设定，通过上述方法对试验数据中心值的优化，可以确定数据集y_Tp的数据区N_Cp中心值的最优值：采用概率分析方法，可以得到数据集y_Tp的数据区N_Cp中心值的波动概率：由数据集y_Tp的数据区N_Cp中心值的最优值及其波动概率，可以计算数据集y_Tp的中心值：

步骤S4构建试验类的概率模糊集的过程如下；

油老化试验类描述的是为评估配电变压器绝缘油老化状态而通过试验获取数据的若干个参量组合，从试验数据集的中心值中选取对应的中心值数值，构建与油老化特征类具有相同空间的绝缘油试验类第p个绝缘油试验类T_p的数据集x_Tp为：

式中N_Tp为第p个绝缘油试验类T_p的数据集x_Tp参量数据的数量(N_Tp＝N_Sp)，N_T为绝缘油试验类数据集的数量，从试验数据集的中心值中进行对应性选取，对于第p个试验类T_p，有N_Tp个特征，构建第p个试验类的概率模糊集T_pq如下：

式中μ_T(x_Tpk)为x_Tpk相对应概率模糊集T_pq的隶属度，为描述μ_T(x_Tpk)的概率分布函数；

步骤S5构建试验类与特征类概率模糊集之间的距离测度函数的过程如下；

利用油老化特征类及绝缘油试验类的概率模糊集，构建试验类与特征类概率模糊集之间的距离测度函数：

步骤S6进行变压器绝缘油老化状态评估过程如下；

采用概率分析方法，确定油老化特征类的可信度：满足计算与所有油老化特征类S₁、相关的总距离测度值：

当d_TS小于时，判定变压器绝缘油已经处于老化状态。