[发明专利]一种应用于智能变电站二次设备的状态评估方法

摘要

本发明公开了一种应用于智能变电站二次设备的状态评估方法，包括以下步骤，步骤一，根据评价对象，从相关二次设备中获取在线实时检测数据，从数据库中获得历史数据和基本数据；步骤二，融合多种类型数据，并采用多种评估方法的方式进行综合评估；步骤三，根据评估结果，指导工作人员对二次设备进行检修和更换。本发明不仅将在线监测信息应用于状态评估系统中，还将二次设备的历史数据整合到状态评估中，为检测的可靠性提供了保障；同时利用了群决策中专家客观权重的方法，客观确定评价因素的权重，通过加权TOPSIS评估法与改进型模糊综合SVM状态评估法相结合，快速有效监测二次设备的健康状况，方便二次设备的维护。

主权项

一种应用于智能变电站二次设备的状态评估方法，其特征在于：包括以下步骤，步骤一，根据评价对象，从相关二次设备中获取在线实时检测数据，从数据库中获得历史数据和基本数据；所述基本数据是通过不同的具有一定电力系统运行和研究经验的专家给出各类评价因素相对重要程度的数据集；步骤二，融合多种类型数据，并采用多种评估方法的方式进行综合评估；步骤三，根据评估结果，指导工作人员对二次设备进行检修和更换；所述历史数据和实时监测数据分为量化样本数据和量化实例数据，所述历史数据、实时监测数据和基本数据均采用加权TOPSIS评估和改进型模糊综合SVM状态评估相结合的方法进行分析评估，具体步骤如下，A1)用基本数据确定评价对象中各评价因素的客观权重；A2)将量化样本数据和量化实例数据输入模糊矩阵计算模型，获得模糊关系矩阵；A3)将客观权重和模糊关系矩阵作为加权TOPSIS评估的基本参数，通过加权TOPSIS评估运算，得到一份评估结果；将客观权重和模糊关系矩阵作为改进型模糊综合SVM状态评估的基本参数，通过改进型模糊综合SVM状态评估运算，得到另一份评估结果；A4)将两份评估结果进行对比，获得最终的评估结果；用基本数据确定评价对象中各评价因素的客观权重的具体过程如下，B1)从基本数据中获得x位专家参与决策并给出的判断矩阵，x位专家记作E1，E2，…,Ex；专家Ek给出的判断矩阵为，其中，k∈{1,2,3,…x}，n为整数，为评价因数的总数，判断矩阵A(k)是正互反矩阵，每一个元素代表所在行列对应评价因素的重要程度，其衡量采用专家1‑9标度法，数值越大，表示重要程度越高；B2)由判断矩阵A(k)根据矩阵定理得到集合Ω；根据集合Ω和一致性矩阵原理，构造一致性判断矩阵，记Al为第l个一致性判断矩阵，l＝1,2,…n(n‑2)；Al可以得到一个权重向量Wl＝(wl1,wl2,…wln)T以及一个相对应的方案排序Bl＝(bl1,bl2,…bln)T，其中，bli表示根据第l个排序方案得出的第i个方案在整个排序中所处的位置，i∈{1,2,…n}；B3)在n(n‑2)个方案排序中，选出最能代表专家Ek意见的排序B4)比较n(n‑2)个方案排序与之间的关系，得出专家Ek的个体一致程度；专家Ek的个体一致程度为，Sk＝1‑Pk其中，Pk为专家Ek给出的判断矩阵的偏移度；Pk=Σi=1npkiM]]>其中，M为阶矩阵的最大偏移度，pki为专家Ek给出的判断矩阵在方案i上判断的平均偏移度pki=Σi=1nn-2|bli-bi*|nn-2;]]>B5)根据个体一致程度，计算专家Ek判断矩阵的个体相对可信度权值；专家Ek判断矩阵的个体相对可信度权值αk为，αk=Sk/Σk=1xSk;]]>B6)计算专家Ek和Ek′判断矩阵的转移矩阵的等价向量；专家Ek判断矩阵的转移矩阵的等价向量为，Rk＝diag[r1k,r2k,…rnk]专家Ek′判断矩阵的转移矩阵的等价向量为，Rk′＝diag[r1k′,r2k′,…rnk′]其中，B7)计算专家Ek和Ek′转移矩阵的一致程度；转移矩阵的一致程度用两相连夹角的余弦值来表示；cosθik,k′=(Rk,Rk′)|Rk||Rk′|=Σi=1nrikrik′Σi=1nrik2Σi=1nrik′2;]]>B8)计算专家Ek和Ek′之间的平均一致度；专家Ek和Ek′之间的平均一致度为，Skk′=12(n-2)(Σi=1nSkk′i+Σii=1nSkk′i)]]>其中，B9)计算专家Ek与其他所有专家的一致程度之和的平均值，即表示专家Ek判断矩阵的评价一致程度S′k；Sk′=1x-1Σk′=1xSkk′]]>B10)计算专家Ek判断矩阵的群体相对可信度权值βk；βk=Sk′/Σk=1xSk′;]]>B11)结合步骤B5和B10，专家Ek的客观权重为λk＝(αkβk)1/2；B12)根据已知每个专家的判断矩阵A(k)和步骤B11得到的每个专家的客观权重向量W′＝{λ1,λ2…λk}，可以计算得到整体的判断矩阵，A＝A(1)×λ1+A(2)×λ2+…A(k)×λk；B13)根据整体的判断矩阵，求其特征值，再归一化即可得到每个评价因素的客观权重W。