[发明专利]一种智能变电站二次系统运行质量多分层评价方法

权利要求书

1.一种智能变电站二次系统运行质量多分层评价方法，其特征在于：包括如下步骤：确定智能变电站二次系统运行质量的评价指标体系，明确各级层次结构，具体分四层结构，第一层为设备指标层，通过指标的表达式具体计算其得分；第二层为设备层，即对各二次设备的评估得分；第三层为子系统层，即对智能变电站的七个子系统分别评估得分；第四层为二次系统运行质量评价层，即对智能变电站二次系统运行质量的总评估得分，然后运用层次分析法求得各级指标的权重，通过建立综合评价目标函数，对智能变电站二次系统运行质量进行评价。

2.如权利要求1所述的智能变电站二次系统运行质量多分层评价方法，其特征在于：所述评价方法具体实施步骤如下：

(1)针对智能变电站二次系统的七大子系统，即电能计量系统、时间同步系统、通信系统、继电保护系统、故障录波系统、测控系统、监控系统，开展状态评价，从具体的设备指标着手，开展单体设备健康状况评估；

(2)根据设备指标，采用模糊综合评价法确定指标的隶属度函数值，计算指标的评价得分；

(3)基于层次分析法的智能变电站二次系统运行质量评价的目标函数见下式(5-1)，当权重结果和评分结果都确定之后，将其代入到目标函数中，通过目标函数进行求解，分别得到二次设备运行状态评分、子系统运行状态评分和二次系统运行质量评分，三类评分均采用相同的目标函数；

其中，w_i表示各指标权重；μ_i(x)表示各指标的评分值，当μ_i(x)为设备指标评分时，表示的是二次设备运行状态评价结果；当μ_i(x)为二次设备评分时，表示的是子系统运行状态评价结果；当μ_i(x)为子系统评分时，表示的是二次系统运行质量评价结果，最终函数值是一个介于0到100之间的数值，其值越大，说明该评价对象评价结果越好。

3.如权利要求2所述的智能变电站二次系统运行质量多分层评价方法，其特征在于：所述指标权重的计算采用改进层析分析法，利用最优传递矩阵，其步骤如下：

(1)建立判断矩阵A

采用九标度法进行指标间的重要性比较，可得权重判断矩阵A＝(a_ij)_m×m，aij为第i个指标与第j个指标重要性的比较结果，m为指标个数；

(2)求最优传递矩阵L，其各元素为：

(3)求矩阵A的拟优一致矩阵A^*，其各元素为：

(4)求指标权重

求矩阵A^*最大特征值对应的特征向量W^*，经归一化处理后，即可得到表征各指标相对重要性的权重向量W＝(w1，w2，…，wm)，w_i(i＝1，2，…，m)即为第i个指标的初始权重系数，归一化公式为：

4.如权利要求2所述的智能变电站二次系统运行质量多分层评价方法，其特征在于：所述指标的评分表征的是各设备的实际运行状态，选用模糊综合评价法中的隶属度函数计算各指标得分，模糊数学中，一个实测值属于某一级别的程度称为隶属度，隶属度的值介于0到1之间，隶属度越接近1，则该指标值隶属于某一级别的程度就越大。

5.如权利要求4所述的智能变电站二次系统运行质量多分层评价方法，其特征在于：采用模糊综合评价法确定指标的隶属度函数值，计算指标的评价得分，具体包括：

(1)确定指标重要级别与劣化情况

在所建立的指标体系中，依据指标重要性，将其重要程度划分为I、II、III三个级别；

(2)隶属度函数的选择

根据各指标的重要性级别与劣化情况，需要选择2*3＝6种类型的隶属度函数模型进行表征，结合相关规程导则、指标特性与既有的研究经验，结合上述隶属度函数模型对6类指标进行建模：

(1)类型一：重要级别I、单向劣化

类型一指标的隶属度公式如下：

其中，μ₁(x)表示指标状态对模糊集A₁(正常)的隶属度；μ₄(x)表示指标状态对模糊集A₄(异常)的隶属度；

(2)类型二：重要级别I、双向劣化

类型二指标的隶属度公式如下：

其中，μ₁(x)表示指标状态对模糊集A₁(正常)的隶属度；μ₄(x)表示指标状态对模糊集A₄(异常)的隶属度；

(3)类型三：重要级别II、单向劣化

类型三指标的隶属度公式如下：

其中，μ₁(x)、μ₂(x)、μ₃(x)和μ₄(x)分别表示指标状态对模糊集A₁(正常)、模糊集A₂(轻度劣化)、模糊集A₃(重度劣化)和模糊集A₄(故障)的隶属度；

(4)类型四：重要级别II、双向劣化

类型四指标的隶属度公式如下：

其中，μ₁(x)、μ₂(x)、μ₃(x)分别表示指标状态对模糊集A₁(正常)、模糊集A₂(轻度劣化)、模糊集A₃(重度劣化)的隶属度；

(5)类型五：重要级别III、单向劣化

类型五指标的隶属度公式如下：

其中，μ₁(x)、μ₂(x)、μ₃(x)和μ₄(x)分别表示指标状态对模糊集A₁(正常)、模糊集A₂(轻度劣化)、模糊集A₃(重度劣化)和模糊集A₄(故障)的隶属度；

(6)类型六：重要级别III、双向劣化

类型六指标的隶属度公式如下：

其中，μ₁(x)、μ₂(x)、μ₃(x)和μ₄(x)分别表示指标状态对模糊集A₁(正常)、模糊集A₂(轻度劣化)、模糊集A₃(重度劣化)和模糊集A₄(故障)的隶属度。