基于信息融合的750 kV電網二次設備狀態評估

王曉亮，董海鷹，2，任 偉

（1.蘭州交通大學自動化與電氣工程學院，蘭州 730070；

2.蘭州交通大學光電技術與智能控制教育部重點實驗室，蘭州 730070；3.甘肅省電力公司檢修公司，蘭州 730050）

750 kV電網二次設備能否正常的運行，直接關系到電網的安全穩定運行；因此對750 kV電網二次設備進行狀態檢修勢在必行，其中進行準確的狀態評估是實現狀態檢修的基礎[1]。

目前用于電氣二次設備狀態評估的方法主要有以下幾種方法：文獻 [2-4]應用馬爾可夫（Markov）法對繼電保護設備進行可靠性分析，文中考慮了繼電保護的各運行狀態，但是沒有實現對裝置自檢信息的全面、綜合利用。文獻[5]應用概率法對繼電保護裝置建立概率模型，由于750 kV電網二次設備一般為可修復系統，一般不適合應用概率法進行評估。文獻[6]應用故障樹法對變電站通信系統的可靠性進行評估。文獻[1]應用支持向量機對微機保護裝置進行狀態評估，但是其需要樣本數據，在實際操作中不易獲得這些數據。

本文主要對750 kV電網二次設備中的微機保護裝置和測控裝置進行分析研究。對于具有模糊性質的自檢信息，通過模糊綜合評價法實現狀態評估。對于運行狀態信息，通過馬爾科夫預測法實現狀態評估。對于隱藏故障[7]數據，通過隱藏故障判斷實現狀態評估。文中通過DS證據理論[8]實現信息融合[9，10]。即用DS證據理論將馬爾科夫預測法，模糊綜合評判和隱藏故障判斷對750 kV電網二次設備的狀態評估結果在決策級進行融合以實現綜合評估。

1 750 kV電網二次設備狀態評估信息的特點

750 kV電網二次設備幾乎都具有較完備的自檢功能。這些750 kV電網二次設備的自檢信息可以實時的顯示750 kV電網二次設備的運行狀態。自檢信息是表征二次設備狀態的重要信息，其一般存在三種狀態，分別為：正常，異常，告警；這三種狀態是一些模糊的狀態量。

本文利用狀態值表示這三種狀態對750 kV電網二次設備健康狀況的影響程度，狀態值是依據專家經驗及相關文獻資料確定的，其取值范圍：0～1；微機保護裝置平時的一些運行狀態，如正常工作狀態，拒動失效狀態，誤動失效狀態，它們之間的一些轉移關系，也是表征750 kV電網二次設備狀態的重要信息。

針對甘肅某750 kV變電站內二次設備實際配置情況，如線路保護裝置與測控裝置，其對于同一個模擬量如電壓量，電流量，都有兩套微機保護裝置，和一套測控裝置進行采集，其采集的相關電流量、電壓量都上傳到該750 kV變電站的站控層。基于以上研究，將兩套微機保護裝置和一套測控裝置所采集的相同模擬量值進行對比，當有一套裝置的模擬量采集值與其他兩套裝置的采集值有差異且超過警戒值，則說明這臺裝置存在隱藏故障。

2 基于信息融合的狀態評估

模糊綜合評價法具有將模糊性加以量化的特點[11]，可以有效地利用具有模糊性質的自檢信息實現狀態評估。馬爾科夫預測法具有預測事物未來的特點，可以很好地實現對微機保護裝置的可靠性預測。基于隱藏故障數據，隱藏故障判斷法可以有效地發現單臺裝置的隱藏故障。信息融合技術可以綜合利用多傳感器獲得的同一對象的多維狀態評估信息并進行評估[12]。本文采用D-S證據理論實現三種評估算法的決策級融合，進而提高評估的準確性。

2.1 基于馬爾科夫預測法的狀態評估

1）馬爾科夫預測法模型

馬爾科夫預測法[13]主要原理就是利用初始的狀態概率向量和狀態概率轉移矩陣來推知750 kV電網二次設備未來某一時期所處的狀態。用Pij（k）表示750 kV電網二次設備由狀態Ei經過k次轉移至狀態Ej的概率，即

式（1）稱為k步轉移概率矩陣，其中的元素具有如下性質。

稱為第k個時期的狀態概率向量。向量中的元素有如下性質。

2）確定馬爾科夫預測法的各狀態

針對微機保護裝置的實際運行狀態，選取以下狀態建立馬爾科夫預測模型。

狀態0：750 kV電網二次設備正常工作狀態；

狀態1：750 kV電網二次設備誤動失效；

狀態2：750 kV電網二次設備拒動失效；

狀態3：750 kV電網二次設備可自檢誤動失效；

狀態4：750 kV電網二次設備可自檢拒動失效；

本文以單一微機保護裝置為例，在確定狀態1～4時做如下合理假設和說明，即對于狀態1，假設保護隔離故障后，保護裝置發生誤動。對于狀態2、3、4，微機保護裝置的執行對象是處于正常狀態。

3）狀態空間圖

依據各狀態之間的轉移關系，建立基于馬爾科夫預測法的750 kV電網二次設備狀態空間圖，如圖1所示。

圖1 基于馬爾科夫預測法的二次設備狀態空間圖Fig.1 State space diagram of secondary equipment based on Markov forecasting method

4）構建狀態轉移概率矩陣

依據狀態空間圖中各狀態之間的轉移概率，建立狀態轉移概率矩陣。

2.2 基于模糊綜合評價的狀態評估

模糊綜合評價法就是利用模糊線性變換原理和最大隸屬度原則，考慮與被評價事物相關的各個因素，對其做出合理的綜合評價[11]。

1）評價因素集的確定

750 kV電網二次設備的自檢信息組成因素集U，該集是以反映設備狀態的各種狀態量為元素組成的集合，即 U={u1，u2，…，un}，式中，u1，u2，…，un代表設備的各狀態量，綜合反映設備的狀態，本文選取以下自檢信息建立評價因素集，即存儲器自檢，程序自檢，TV斷線自檢，零序長期起動自檢，TWJ自檢。

2）評價因素權重的確定

各因素權重的分配對750 kV電網二次設備狀態的評價結果起著至關重要的作用，確定合理的權重是模糊綜合評價的關鍵步驟。其一般表達形式為 A={a1，a2，…，an}。ai表示第 i個因素對應的權重值。文中采用層次分析法[14]求解權重值向量。首先，構造判斷矩陣M，其中uij代表評價因素集中ui對uj的相對重要性數值。

其次，依據M判斷矩陣，求出最大特征根所對應的特征向量。所求特征向量即為權重值向量組。

3）評估標準的確立

本文通過評分的方式對750 kV電網二次設備的狀態進行評估。將750 kV電網二次設備的狀態分為5個等級，即評價集V={良好，一般，可疑，可靠性下降，危險}，并依據設備狀態與評分推薦表[15]來確定與評價集V對應的評估標準。其中設備狀態與評分推薦表如表1所示，750 kV電網二次設備狀態評估標準如表2所示。

表1 設備狀態與評分推薦表Tab.1 Reference form of equipment condition and grade

表2 750 kV電網二次設備狀態評估標準Tab.2 State evaluation standard of secondary equipment in 750 kV power grid

4）隸屬度矩陣的確立

因素集中的元素不再是簡單的屬于或不屬于評價集中的某一級，在描述元素和評價集中的評價結果關系時需要用到隸屬度，隸屬度通過隸屬度函數求取。750 kV電網二次設備狀態評估的隸屬度函數如表3所示。隸屬度rij表示U中第i個因素值對V中第j個等級的隸屬度。分別求出評價因素集中的第i個因素值，對應于評價集中評價V1、V2、V3、V4、V5的隸屬度，即為隸屬度矩陣。

表3 隸屬度函數表Tab.3 Table of membership functions

5）模糊綜合評價模型的建立

式中“?”表示模糊合成算子。為了保留全部有用信息，本模糊綜合評價系統選用“加權平均型”模糊合成運算。評價原則采用模糊綜合指數法[16]，模糊綜合評價指數為

式中，ST為等級標準向量。

2.3 基于隱藏故障的評估方案

根據甘肅某750 kV變電站內二次設備的實際配置特點，如線路保護裝置與測控裝置，其對于某一模擬量（電壓量，電流量）都有兩套微機保護裝置和一套測控裝置進行采集，并在站控層對相關信息進行收集。文中依據以上特點，分別制定了電流量，電壓量采集通道的評估方案。

1）電流量采集通道評估方案

將微機保護裝置的采集電流和測控裝置的采集電流進行收集，如果有一個裝置采集的電流值與其它兩個裝置采集的電流值相差超過電流限值，即告警檢修；根據《電力系統實時動態監測系統技術規范》規定電流測量元件準確度如表4和表5[17]所示。

表4 電流相量測量的相對誤差要求（測量CT）Tab.4 Requirements of relative error of current phasor measurement

表5 電流相量測量的相對誤差要求（保護CT）Tab.5 Requirements of relative error of current phasor measurement

2）電壓量采集通道評估方案

將微機保護裝置的采集電壓和測控裝置的采集電壓進行收集，如果有一套裝置采集的電壓值與其他兩套裝置采集的電壓值相差超過電壓限值，即告警檢修；根據《電力系統實時動態監測系統技術規范》規定電壓測量元件準確度如表6所示。

表6 電壓相量測量的相對誤差要求Tab.6 Requirements of relative error of voltage phasor measurement

2.4 基于DS證據理論的融合模型

DS合成法則[18]是一個反映證據聯合作用的法則。

設Bel1和Bel2是同一識別框架U上的兩個信任函數，同時m1和m2是其對應的基本概率分配函數，若A?U且m（A）>0，則稱A為焦元；焦元分別為 A1，A2，…，An和 B1，B2，…，Bn，并假設

依據各評估算法的評估結果，實現其正常率，故障率的可信度分配。通過DS合成法則獲得融合后750 kV電網二次設備正常率和故障率的可信度分配。依據評估標準及信息融合結果實現對750 kV電網二次設備的狀態評估。其中，基于D-S證據理論的信息融合評估模型如圖2所示。

圖2 基于D-S證據理論的信息融合評估模型Fig.2 Information fusion assessment model based on DS evidence theory

3 仿真實驗與結果分析

以某750 kV電網二次設備的部分自檢信息為研究對象，其評價因素向量U=｛存儲器自檢正常，程序自檢正常，TV斷線自檢正常，零序長期起動自檢正常，TWJ自檢異常｝；評價因素集對應的狀態值向量為{1，1，1，1，0.203}；依據專家經驗及設備歷史運行情況，可得判斷矩陣為

進而根據判斷矩陣M求出權重值向，量即A=（0.342 0，0.342 0，0.184 2，0.065 9，0.065 9）

文中依據評估標準及計算結果的需要設定等級標準向量

S=（1，0.7，0.5，0.3，0.1）

應用以上數據，通過計算狀態值向量對各等級的隸屬度，最終得出綜合評價結果b=0.944 6.

基于馬爾科夫預測法的750 kV電網二次設備狀態評估數據參考文獻[19，20]的參數。經過計算可得各狀態轉移概率為：μ1=0.0013，μ2=2.41×10-6，μ3=5×10-6，μ4=0.95× 10-5，μ5=2 × 10-5，μ6=0.03，μ7=0.03，μ8=2 × 10-5；經過 5 步狀態轉移，其計算結果為正常狀態的概率為0.999 8。對于隱藏故障判斷，其評估數據本文參考文獻[17]的參數。正常狀態的概率為0.97，處于故障的狀態為0.03。以上3種算法，其評估結果的可信度分配如表7所示。

表7 評估結果的可信度分配Tab.7 Belief assignment of assessment result

本文采用DS證據理論作為信息融合方式，利用Dempster組合規則，首先計算m1和m2融合后的可信度分配m4（A1），m4（A2）。求解m3和m4融合后的可信度分配 m（A1），m（A2），即最終的融合結果m。基于DS證據理論的融合結果如表8所示。

表8 DS證據理論的可信度分配Tab.8 Belief assignment of DS evidence theory

對比表7和表8可知，融合后正常狀態的可信度增加了，故障狀態的可信度降低了，此結果符合甘肅某750 kV變電站內二次設備的實際運行情況。很多運行狀態信息可以表征750 kV電網二次設備的狀態。這些具有不同性質的信息，需要利用不同的方法對其進行評估。針對單一評估方法，當其某些評估因素出現異常時，對此方法的評估結果影響較大，而基于信息融合方式的750 kV電網二次設備狀態評估結果，由于綜合利用了多種評估信息，對其評估結果的影響就會相對減少；即處于正常狀態的可信度就會更高。如當750 kV電網二次設備的某些自檢信息發生異常時，對模糊綜合評價結果中正常狀態概率的影響相對比較大。在實際運行過程中，當750 kV電網二次設備的某些自檢信息發生異常時，一般情況下，這并不影響裝置的運行，裝置經過一定時間后，異常情況消除，裝置繼續轉為正常運行。實際運行表明，750kV電網二次設備在一定運行時期內，整體運行狀態良好。

4 結語

為了充分有效地利用750 kV電網二次設備的運行狀態信息，提出了一種基于信息融合的750 kV電網二次設備狀態評估方法。對于自檢信息，運行狀態信息以及隱藏故障數據，文中分別采用了模糊綜合評價法，馬爾科夫預測法，隱藏故障判斷實現對750 kV電網二次設備的狀態評估。利用DS證據理論將馬爾科夫預測法，模糊綜合評價法和隱藏故障判斷對750 kV電網二次設備的狀態評估結果在決策級進行融合。計算結果表明：單一狀態評估方法雖然也可以很好地對750 kV電網二次設備進行狀態評估，但是當采用基于信息融合的750 kV電網二次設備狀態評估時，它更能綜合、全面地利用750 kV電網二次設備的多種信息，其評估結果更加符合實際。本文為750 kV電網二次設備狀態評估提供了一種新的研究思路。

[1]田有文，唐曉明（Tian Youwen，Tang Xiaoming）.基于支持向量機的微機保護裝置狀態評估的研究（Study on state evaluation for microprocessor protective device based on SVM）[J].電力系統保護與控制（Power System Protection and Control），2009，37（4）：66-69.

[2]Billinton R，Fotuhi-Firuzabad M，Sidhu T S.Determination of the optimum routine test and self-checking intervals in protective relaying using a reliability model[J].IEEE Trans on Power Systems，2002，17（3）：663-669.

[3]Damchi Y，Sadeh J.Considering failure probability for back-up relay in determination of the optimum routine test interval in protective system using Markov model[C]//IEEE Power&Energy Society General Meeting，Calgary，Canada：2009.

[4]張雪松，王超，程曉東（Zhang Xuesong，Wang Chao，Cheng Xiaodong）.基于馬爾可夫狀態空間法的超高壓電網繼電保護系統可靠性分析模型（Reliability analysis model for protective relaying system of UHV power network based on Markov state-space method）[J].電網技術（Power System Technology），2008，32（13）：94-99.

[5]洪梅，丁明，戴仁昶（Hong Mei，Ding Ming，Dai Renchang）.保護系統的概率模型及其對組合系統可靠性的影響（The probabilistic modeling of protection system and its effect on composite system reliability）[J].電網技術（Power System Technology），1997，21（8）：44-48.

[6]韓小濤，尹項根，張哲（Han Xiaotao，Yin Xianggen，Zhang Zhe）.故障樹分析法在變電站通信系統可靠性分析中的應用（Application of fault tree analysis method in reliability analysis of substation communication system）[J].電網技術（Power System Technology），2004，28（1）：56-59.

[7]許婧，白曉民（Xu Jing，Bai Xiaomin）.考慮保護隱藏故障的系統N-k故障分析（Power system N-k contingency analysis in consideration of protection hidden failure）[J].中國電機工程學報（Proceedings of the CSEE），2012，32（1）：108-114，s15.

[8]彭明偉，劉毅，郭創新，等（Peng Mingwei，Liu Yi，Guo Chuangxin，et al）.故障錄波信息和D_S證據理論用于電網故障診斷（Fault diagnosis of power grid using fault data recorders and D_S evidence theory）[J].高 電壓 技 術 （High Voltage Engineering），2009，35（9）：2176-2180.

[9]郭創新，高振興，劉毅，等（Guo Chuangxin，Gao Zhenxing，Liu Yi，et al）.采用分層多源信息融合的電網故障診斷方法（Hierarchical faultdiagnosisapproachforpower grid with information fusion using multi-data resources）[J].高電壓技術 （High Voltage Engineering），2010，36（12）：2976-2983.

[10]陳立，彭敏放，苗文華（Chen Li，Peng Minfang，Miao Wenhua）.信息融合在接地網斷點診斷中的應用（Application of information fusion to fault diagnosis of the breaking points in grounding grids）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2010，22（5）：25-30.

[11]柳順，杜樹新（Liu Shun，Du Shuxin）.基于數據包絡分析的模糊綜合評價方法（Fuzzy comprehensive evaluation based on data envelopment analysis）[J].模糊系統與數學（Fuzzy Systems and Mathematics），2010，24（2）：93-98.

[12]饒泓，扶名福，謝明祥，等（Rao Hong，Fu Mingfu，Xie Mingxiang，et al）.基于決策級信息融合的設備故障診斷方法研究（Research on the equipment fault diagnosis on the basis of decision level information fusion）[J].中國機械工程（China Mechanical Engineering），2009，20（4）：433-437.

[13]郝飛（Hao Fei）.馬爾科夫預測法在股市預測中的應用（Application of Markov model in stock market forecast）[J].科學之友：B 版）（Friend of Science Amateurs：B），2006，（6）：62-63.

[14]李偉（Li Wei）.基于模糊綜合評判的高壓斷路器狀態評估方法研究（Study of the Condition Assessment Method for High Voltage Circuit Breakers with Fuzzy Comprehensive Evaluation）[D].重慶：重慶大學電氣工程學院（Chongqing：College of Electrical Engineering，Chongqing University），2004.

[15]劉有為，李光范，高克利，等（Liu Youwei，Li Guangfan，Gao Keli，et al）.制訂《電氣設備狀態維修導則》的原則框架（Fundamental frame to draft guide for condition maintenance of electric power equipment）[J].電網技術（Power System Technology），2003，27（6）：64-67，76.

[16]趙玉環，王曉明（Zhao Yuhuan，Wang Xiaoming）.廣東玉米區域試驗新組合的模糊綜合評價（Fuzzy comprehensive evaluation of the maize new cross combination of regional trial in Guangdong Province）[J].遺傳（Hereditas），2002，24（4）：442-446.

[17]夏瑩（Xia Ying）.繼電保護狀態維修方法研究（Study on the Method of Condition-based Maintenance of Relay Protection）[D].重慶：重慶大學電氣工程學院（Chongqing：College of Electrical Engineering，Chongqing University），2010.

[18]李若瓊，李欣，董海鷹（Li Ruoqiong，Li Xin，Dong Haiying）.基于證據理論的多信息融合故障診斷研究（Study on the multi-information fusion fault diagnosis based on evidential theory）[J].自動化儀表（Process Automation Instrumentation），2006，27（12）：1-4.

[19]丁茂生，王鋼，賀文（Ding Maosheng，Wang Gang，He Wen）.基于可靠性經濟分析的繼電保護最優檢修間隔時間（The optimum routine maintenance interval of protection based on reliability economic analysis）[J].中國電機工程學報（Proceedings of the CSEE），2007，27（25）：44-48.

[20]湖南省電力公司.繼電保護及安全自動裝置狀態檢修導則[Z].長沙：湖南省電力公司，2008.