基于多源數據融合處理的輸變電設備狀態動態評估模型

周浩，茅曉鵬，賈晶

(國網上海市電力公司檢修公司，上海 201204)

作為狀態檢修策略的基礎技術和理論依據，狀態評估是通過信息采集、處理、綜合分析得到對輸變電主設備的整體運行狀態的全面客觀評價[1-3]。但當前大數據環境提供了更多樣化的電力業務數據，輸變電設備的狀態評估數據來源不再局限于單次試驗數據，巡視數據、在線監測數據等都能作為狀態評估依據，如何挖掘更多的評估數據價值是提升狀態評估準確性的重要目標；與此同時，泛在電力物聯網的深入推進引發了在線監測、實時評估等智能化要求，在線、實時評估是一個動態的過程，但現階段大部分狀態評估研究都圍繞靜態評估模型展開[4-6]。基于此，如何充分挖掘各類電力業務系統中的相關數據價值，建立更綜合完善的評估體系以及可動態更新的綜合評估模型，是當前大數據技術背景下亟須解決的問題。

目前針對輸變電設備的狀態評估主要集中在兩個方面：一是側重于在綜合評估指標體系基礎上建立評估模型；二是側重更科學的評估方法。文獻[7-9]以電力變壓器為對象，研究了多層次評估模型和區間層次法的評估模式，但其對象局限于變壓器且計及試驗數據以外的信息指標；文獻[10-12]針對輸變電設備多級模糊評估的狀態評估方法，但仍針對傳統靜態模型展開分析；文獻[13-15]提出大數據技術下輸變電設備多的狀態評估方法，但仍研究側重于平臺流程而非具體評估模型。

基于以上問題，本文以輸變電設備為研究對象，針對電力業務系統中的多源數據進行分析處理，針對數據的時段變化特征建立具體量化指標，從而建立計及多來源數據價值的三層級綜合評價指標體系；考慮設備對象的物理量變化和指標的數量變化兩大變化特征，通過分層級的動態權重分配，建立設備的動態評估模型；最后通過屬性區間識別進行設備狀態的動態綜合評估。

1 基于多源數據融合處理的狀態評估指標體系

1.1 計及多源數據的三層級綜合評估體系

目前，尚沒有統一的指標體系用于輸變電設備的狀態評估。最為廣泛應用于狀態評估的數據一般為設備的歷史檢修試驗數據[16-18]，為充分利用當前存在于電力業務系統中的海量信息和多源數據，我們在試驗數據評估之外，加入巡視數據、監測數據兩大類型數據，一方面保證了評估數據來源的廣泛性，另一方面也彌補了部分設備存在試驗數據不足的情況。

(1)試驗數據評估指標體系

輸變電設備試驗主要分為特性試驗和絕緣試驗，不同設備的試驗項目不一，但又存在共同之處，通過類型層、項目層、指標層建立試驗數據的指標體系如下圖所示。

圖1 試驗數據的指標體系Fig.1 Index system of test data

(2)巡視數據評估指標體系

輸變電設備巡視內容一般包括外觀檢查、運行工況檢查。其中外觀檢查一般包括設備部件結構、聲音等內容，運行儀表檢查則主要針對設備現場的各種指針儀表數據檢查。通過類型層、項目層、指標層建立巡視數據的指標體系如下圖所示。

圖2 巡視數據的指標體系Fig.2 Index system of inspection data

(3)監測數據評估指標體系

電力系統各個應用平臺中存在著海量的實時監測數據，其中SCADA系統對設備的電流、電壓進行實時在線監測，以及時發現設備的異常運行狀況。監測數據的評估指標可以從單位周期內的電流電壓變化率來表征，單位周期取值5min，指標如式(1)式(2)所示。

單位時段電流突變率xJ1：

(1)

單位時段電壓突變率xJ2：

(2)

式中：tJ為選取的監測數據評估時間點，[(tJ-5),tJ]表示周期5min的評估時段；Imax[(tJ-5),tJ]、Umax[(tJ-5),tJ]分別為評估時段內的最大監測電流、最大監測電壓；Imin[(tJ-5),tJ]、Umin[(tJ-5),tJ]分別為評估時段內的最小監測電流、最小監測電壓；Iave[(tJ-5),tJ]、Uave[(tJ-5),tJ]分別為評估時段內的平均監測電流、平均監測電壓。

通過類型層、項目層、指標層建立監測數據的指標體系如下圖所示。

圖3 監測數據的指標體系Fig.3 Index system of monitoring data

綜合試驗數據、巡視數據、監測數據三類型評估指標，構建輸變電設備的三層級綜合評價指標體系，從而對輸變電設備展開全面量化評估。

1.2 考慮數據多時段動態變化特征的量化修正

在已建立的三層級綜合評價指標體系中，試驗數據試驗次數的不同、巡視數據巡視次數的不同、監測數據監測時段的不同都應在評估結果中有不同的體現，因此在構建具體量化指標時，應充分考慮時段動態變化這一特性。

在各項評估指標中，部分為有量綱指標部分為無量綱指標，部分為極大型指標部分為極小型指標，為統一評價標準，根據極值差對指標進行無量綱化計算[19]：

式中，xi為指標原始值；maxi為原指標值可能出現的最大值；x′i為原指標值可能出現的最小值；mini為無量綱化后的指標值；[U1,U2]為中間型指標的最佳區間。標準化后各指標的取值范圍限于[0,1]。

(1)考慮試驗次數變化的試驗數據指標修正

在試驗數據的評估指標體系中，考慮試驗次數以及試驗日期遠近對設備最終狀態的評價準確性，取最近兩次的試驗數據進行評估，同時通過試驗時間間隔進行指標值修正，修正計算過程如下：

(3)

式中，x″Si為試驗指標xSi標準化后的修正值；x′Si1為最近1次試驗中指標xSi1的標準化值；αSi1為最近1次試驗中指標xSi1的修正系數；timxSi2為最近1次試驗中指標xSi1距今試驗年數，不足1年以1計算；x′Si2為最近2次試驗中指標xSi2的標準化值；αSi2為最近2次試驗中指標xSi2的修正系數；timxSi2為最近2次試驗中指標xSi2距今試驗年數。由于不同試驗次數中的試驗項目不一，需再考慮考慮不同試驗中指標數量變化的影響，因此簡化后的試驗數據評估指標的修正公式如式(4)：

(4)

(2)考慮巡視天數變化的巡視數據指標修正

在巡視數據的評估指標體系中，考慮巡視次數以及巡視日期遠近對設備最終狀態的評價準確性，取最近三次的巡視數據進行評估，同時通過巡視時間間隔進行指標值修正，修正計算過程如下：

(5)

式中，x″Xi為巡視指標xXi標準化后的修正值；x′Xi1為最近1次巡視中指標xXi1的標準化值；αXi1為最近1次巡視中指標xXi1的修正系數；timxXi1為最近1次巡視中指標xXi1距今巡視月份數，不足1月以1計算；x′Xi2為最近2次巡視中指標xXi2的標準化值；αXi2為最近2次巡視中指標xXi2的修正系數；timxXi2為最近2次巡視中指標xXi2距今巡視月份數；x′Xi3為最近3次巡視中指標xXi3的標準化值；αXi3為最近2次巡視中指標xXi3的修正系數；timxXi3為最近2次巡視中指標xXi3距今巡視月份數。簡化后的巡視數據評估指標的修正公式如式(6)：

(6)

(3)考慮監測時段變化的監測數據指標修正

在監測數據的評估指標體系中，根據文中建立的變化率指標，變化周期取值5min，間隔較短，相鄰幾次的監測次數對設備最終狀態的評價準確性影響差別不大，可取采用等值修正系數進行計算。取最近三次的監測數據進行評估，修正計算過程如下：

(7)

式中，x″Ji為監測指標xJi標準化后的修正值；x′Ji1為最近1次監測指標xJi1的標準化值；αJi1為最近1次監測指標xJi1的修正系數；x′Ji2為最近2次監測指標xJi1的標準化值；αJi2為最近2次監測指標xJi2的修正系數；x′Ji3為最近3次監測指標；xJi3的標準化值；αJi3為最近2次監測指標xJi3的修正系數。簡化后的監測數據評估指標的修正公式如式(8)：

(8)

2 基于分層級動態權重分配的輸變電設備狀態評估模型

2.1 考慮設備對象物理量變化和指標數量變化的動態評估模型

當面向不同的輸變電設備進行狀態評估時，其對應的指標體系需根據具體設備進行針對性調整，例如變壓器絕緣試驗項目占比大、斷路器則特性試驗項目占比大，甚至當變壓器絕緣方式不同時(油絕緣或氣體絕緣)，評估指標的相應物理量也需對應變動；另一方面，隨著評估時間節點的變化，試驗數據量、巡視數據量都存在實時性的變化，相應地，其涉及的指標數量也會變化，反映在最終的評估模型中，即評估最終的指標數量存在動態變化的特性，因此指標權重量也存在動態變化的特性，在建立狀態評估模型時需要充分考慮這一變化特性。

試驗數據的綜合指標評價值為：

(9)

巡視數據的綜合指標評價值為：

(10)

監測數據的綜合指標評價值為：

(11)

三層級評價體系的綜合指標評價值為：

C∑=βSCS+βXCX+βJCJ

(12)

其中，CS、CX、CJ分別為試驗數據指標、巡視數據指標、監測數據指標的綜合評估值；βS、βX、βJ分別為試驗數據指標、巡視數據指標、監測數據指標在三層級評價體系中的對應權重；C∑為三層級評價體系的綜合評估值。

2.2 基于AHP的分層級動態權重分配

以所建立的三層級輸變電設備狀態評估綜合指標體系評估為背景，進行各指標的動態權重分配，包含指標層權重(即αSi(i=1,2,……,nS)、αXi(i=1,2,……,nX)、αJi(i=1,2,……,nJ)三類指標的權重)分配以及數據層權重(即βS、βX、βJ之間的權重)分配，步驟如下：

(1)由1～9比例標度法分別對每一層次的評價指標的相對重要性進行定性描述，并定量化表示，確定兩兩比較判斷矩陣：

指標層權重(二級評價體系)：

(13)

(14)

(15)

數據層權重(一級評價體系)：

(16)

其中，αS、αX、αJ、β均為對應的判斷矩陣，θ1～θ10為比例標度值，取1～9的整數或其倒數[20-21]。

(2)運用根法求解各判斷矩陣[22-24]，以判斷矩陣αS為例，得出單一準則下被比較元素的相對權重向量(αS1,αS2,……,αSnS)T。

同理，求得判斷矩陣αX、αJ、β判斷矩陣的權重向量，并進行一致性檢驗[25]，當CR小于0.1即表明 一致性校驗通過(由于階數小于3的矩陣總是具有完全滿意的一致性，因此當于階數小于3時，判斷矩陣無須進行一致性檢驗)[26]。

(3)獲得輸變電設備狀態評估三層級評價體系的權重排序的分層級權重值。

3 基于屬性區間識別的動態評估流程

3.1 屬性區間識別

屬性區間識別是基于屬性數學理論提出的一種新系統評價方法，在有序分割類和屬性識別準則基礎上，對事物進行有效識別和比較分析，被廣泛應用于各種的預測、評價、決策等問題中[27]。設備狀態評估作為狀態檢修的基礎，其最終的評估結果需要有一個相對的好壞值，從而供決策人員進行作為最終決策的參考基礎。屬性識別模型即是確定評估的各個評估指標的值屬于哪一類屬性CK的方法，即將評估問題轉化為評估指標的值具有某類屬性CK的屬性測度值的計算問題，可分為三個大的步驟：單指標屬性測度、多指標綜合屬性測度、屬性識別[28]。基于本文的三層級綜合評估指標體系，設定在屬性測度空間F(狀態評估結果好壞)的有序分割類分為{差，較差，一般，較好，好}5級。其具體步驟此處不贅述[29-30]。

3.2 基于屬性區間識別的動態評估流程

基于屬性區間識別的設備動態評估流程如圖4：

步驟1：確定評價設備對象和評價日期，從而確定其試驗數據、巡視數據、監測數據的具體評估指標。

步驟2：對指標值進行標準化，并通過式(3)-(8)標準化后的指標值進行基于多時段動態變化特征的量化修正。

步驟3：確定各個指標的權重，包括二級指標級權重和一級數據級權重。

步驟4：通過式(9)-(12)的評估模型計算綜合評估值。

步驟5：根據屬性區間識別法的單指標屬性測度、多指標綜合屬性測度、屬性識別三大步驟進行設備狀態的最終屬性識別，確定設備狀態好壞。

圖4 基于屬性區間識別的動態評估流程Fig.4 Dynamic state evaluation process based on attribute interval recognition

4 算例分析

4.1 算例數據

擬定于2020年1月對某220kV變電站11號主變進行狀態評估。其最近2次試驗報告如表1所示，試驗日期分別為2017年3月、2014年12月；最近3次巡視記錄如表2所示，巡視日期分別為2019年6月、2018年12月、2018年5月；評估日的潮流監測指標如表3所示。

表1 某220kV變電站11號主變2次試驗數據Tab.1 Two test data of No.11 main transformer in a 220kV substation

續表1

續表1

表2 某220kV變電站11號主變3次巡視記錄Tab.2 Three inspection records of No.11 main transformer in a 220kV substation

查詢評估日的電流電壓實時變化曲線，根據式(1)、式(2)計算電流變化率和電壓變化率。

表3 某220kV變電站11號主變3次監測指標Tab.3 Three monitoring indexes of No.11 main transformer in a 220kV substation

4.2 指標數據處理

對指標數值進行標準化，并根據式(3)-式(8)對標準化后的指標值進行基于多時段動態變化特征的量化修正。結果如表4所示。

表4 經標準化及量化修正后的指標值Tab.3 Index values after standardization and quantitative correction

4.3 權重分配

按1～9比例標度法分別對評價指標的相對重要性進行定性描述，確定兩兩比較判斷矩陣：

試驗數據指標權重：

巡視數據指標權重：

監測數據指標權重：

數據層指標權重：

求解得各個指標權重值：

{αS1,……,αS11}={0.0405,0.1243,0.1243,0.1243,0.1243,0.1243,0.0855,0.1172,0.0432,0.0432,0.0463}

{αX1,……,αX7}={0.0955,0.1504,0.1234,0.2368,0.1362,0.1660,0.0917}

αJ1=0.5,αJ2=0.5

βS=0.6965,βX=0.2316,βJ=0.0719

4.4 評估模型計算及屬性區間識別

(1)將表4中修正后的指標值以及求得的各項權重代入評估計算模型，得到最終的綜合評估得分：

C∑=βSCS+βXCX+βJCJ=0.9142

(2)屬性區間識別

將屬性測度空間定義為5個標準：(C1,C2,C3,C4,C5)=(差，較差，中，較好，好)=(0.4,0.5,0.65,0.8,0.9)。

計算試驗數據指標、巡視數據指標、監測數據指標具有屬性CK的屬性測度μijk=μ(C?∈CK)，并結合試驗數據指標、巡視數據指標、監測數據指標相應權重，計算綜合指標的屬性測度，結果如表5所示。

表5 屬性測度矩陣Tab.5 Attribute measure matrix

按照置信度準則，取置信度λ=0.5，若測度值大于置信度取值，則認為指標值屬于CK類。根據表5結果，按照最大隸屬度原則，綜合指標的狀態評估屬性識別結果為“好”， 即表示該主變狀態評估結果好。

5 結論

針對大數據技術、泛在物聯網技術的發展對狀態評估的廣泛性、準確性以及實時性提出的更高要求，本文在常規試驗數據的基礎上，融入試驗數據、監測數據等多源數據作為評估數據對象，構建三層級綜合評價指標體系，并通過分層級動態權重分配建立設備的動態評估模型，后利用屬性區間識別進行最終的設備狀態動態評估。所提出的綜合評價指標體系不僅在指標層面體現了數據時段的實時變化特性，也在體系層面挖掘了多來源數據的不同信息價值；所建立的動態評估模型，體現了對象的物理量變化和指標的數量變化特性，對提升狀態評估結果的準確性和智能化有重要意義。