CN107256449B - 一种智能变电站继电保护装置状态评价与评估方法 - Google Patents
一种智能变电站继电保护装置状态评价与评估方法 Download PDFInfo
- Publication number
- CN107256449B CN107256449B CN201710365382.1A CN201710365382A CN107256449B CN 107256449 B CN107256449 B CN 107256449B CN 201710365382 A CN201710365382 A CN 201710365382A CN 107256449 B CN107256449 B CN 107256449B
- Authority
- CN
- China
- Prior art keywords
- index
- protection device
- relay protection
- evaluation
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims description 25
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 238000012423 maintenance Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000013139 quantization Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 claims description 10
- 238000006731 degradation reaction Methods 0.000 claims description 10
- 238000011002 quantification Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000010365 information processing Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Emergency Protection Circuit Devices (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
一种智能变电站继电保护装置状态评价与评估方法，结合继电保护装置的故障情况，提取状态监测信息，并与历史运行信息及其它因素相关联，建立继电保护状态评价体系；对继电保护状态评价各指标进行量化；运用基于截集解的改进模糊DEA模型对继电保护装置运行状态进行综合评价，根据平均效率评价值得出其运行状态评价结果。本发明基于模糊DEA理论的智能变电站继电保护装置状态评价模型具有模糊信息处理及DEA理论的客观赋权、简化计算等优势，可较为准确地反映设备的实际运行状态，为状态检修工作提供参考依据。
Description
技术领域
本发明涉及变电站继电保护装置状态检修技术领域，具体涉及一种智能变电站继电保护装置状态评价与评估方法。
背景技术
随着电网建设逐渐朝智能化、模块化的方向发展，对于其经济性以及可靠性提出了更高的要求。传统的继电保护装置定期检修具有效率低下、存在检修不足和检修过量等问题。因此，电气设备的检修体制正在由传统的计划性维修模式向状态检修转变。状态检修的基础和核心任务是状态评价。对于新一代智能变电站的继电保护装置，其部分状态量已成为可观测指标，对其进行分析和量化可反映设备当前各主要功能部件的运行状况及劣化趋势，从而分析预测装置可能出现的故障。
在进行设备的状态评价时，工程中常用模糊综合评判的方法，但其各评价指标权重分配往往靠人为主观判断，当因素较多时，权系数难以适当分配。数据包络分析(DataEnvelopment Analysis，DEA)是著名运筹学家A.Charnes和W.W.Cooper等人以“相对效率”概念为基础，根据多投入与多产出数据指标对相同类型的决策单元(Decision MakingUnits，DMU)进行相对有效性或绩效评价的一种系统分析方法。该方法以各指标数据的客观信息确定权重系数，是一种客观赋权法，且具有无需对数据进行无量纲处理、无需显示建立输入与输出之间的函数关系式等优点。通过DEA概念的引入，可较为客观准确的评估继电保护装置的运行状态。
发明内容
本发明主要是解决现有技术所存在的技术问题；提供了一种基于模糊DEA理论的继电保护装置状态评价与评估方法，本发明具有模糊信息处理及DEA理论的客观赋权、简化计算等优势，可较为准确地反映设备的实际运行状态，为状态检修工作提供参考依据。
本发明的目的是采用以下技术方案实现的：
一种智能变电站继电保护装置状态评价预评估方法，该方法包括以下步骤：
步骤1：分析继电保护装置的故障情况，需要选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系。
步骤2：对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标主要有包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标(定检情况、装置缺陷情况、家族性资料以及装置运行环境)运用模糊语言及高斯隶属度函数进行量化。
步骤3：初步确定各指标的权重并对其进行模糊化处理，选用权重值上下浮动20％的区间信息作为各指标的权重约束条件。
步骤4：在对各继电保护装置进行状态评价时，引入一个理想的运行状态良好的同类型保护装置，该装置各项指标量化值均为理想化的最大值。
步骤5：将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值
及乐观DEA效率评价值
并画出各DMU评价效率随α的变化图像。
步骤6：通过重心法得出各待评价继电保护装置平均有效性评价指数
根据其大小判断继电保护装置的运行状态。
步骤1中所述的“分析继电保护装置的故障情况，需要选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系”的具体过程为：
a：根据继电保护装置故障情况，选取的状态监测信息参量为装置内部温度、电源输出电压、CPU负荷率以及光模块光强；
b：考虑包括装置历史信息在内的其他因素，建立继电保护装置的状态评价体系。
步骤2中所述的“对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标主要有包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标运用模糊语言及高斯隶属度函数进行量化”的具体过程为：
a：对于装置内部温度、电源输出电压这类双向劣化指标，运用梯形劣化度函数进行量化，其中允许上限和允许下限分别是装置在运行中各状态参量指标良好值的参考范围，门限值上限和下限分别为状态参量告警值的上下限；其量化变换公式为：
式中，x为指标的参量值，xm,xn分别为指标的允许上限和下限，xmax,xmin分别为指标的门限值上限和下限；
运用半梯形函数对继电保护装置的CPU负荷率进行量化，其量化变换公式为：
式中，x为指标的参量值，xm为指标的允许上限，xmax为指标的门限值上限；
b：光模块光强在装置运行过程中随光纤通道的劣化及插件的老化逐渐减弱，其量化变换公式为：
式中，x为指标的参量值，xn为指标的允许下限，xmin为指标的门限值下限；
c：正确动作率主要考虑保护装置本身正确动作率RCO1、同型号装置正确动作率RCO2以及同批次正确动作率RCO3，该项指标的量化公式为：
正确动作率RCO＝(30％×RCO2+70％×RCO3)×RCO1
d：对于运行时间的量化，采用的量化变换公式为：
式中，x为运行时间，单位为年；
e：在继电保护装置状态评价体系中，具有模糊性的指标主要有定检情况、装置缺陷情况、运行环境以及家族性资料，将模糊评价的因素状态分为良好、一般、注意、异常、严重异常5个等级，相应地评判集记为V＝{v1,v2,v3,v4,v5}，采用高斯分布函数对上述各定量指标进行量化。
步骤5中所述的“将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值
及乐观DEA效率评价值
”的具体过程为：
a：假设模糊评价指标的量化值对应的模糊数为
为该指标的隶属度函数，则其α截集
是实数域上的一个区间范围，记为
其中
分别代表区间的左右边界，0≤α≤1；
b：编号为k的待评价继电保护装置DMUk基于α截集解的最悲观模糊DEA评价模型及最乐观模糊DEA评价模型分别为：
其中，yij(i＝1,2,…,m)为模糊输出变量，即各指标量化值,
和
分别表示决策单元j、指标i量化值的基于α截集解的左右边界，对于被评价继电保护装置k，其值分别为
和
Ek为决策单元DMUk模糊效率评价值；
和
分别为原模糊DEA模型在α截集下的极小值规划和极大值规划；ω＝(ω1,ω2,...ωm)T为各评价指标权重系数；C为n×m维的系数矩阵，n是权重约束条件的个数；B＝(b1,b2,...,bn)T为常数向量。
步骤6中所述的“通过重心法得出各待评价继电保护装置平均有效性评价指数，根据其大小判断继电保护装置的运行状态”的具体过程为：
a：取不同置信水平αi＝i/k，i＝1,…,k，求各决策单元的最悲观评价值
和最乐观评价值
求得平均有效性评价指数
其表达式为：
b：根据
确定待评价继电保护装置的运行状态，指导继电保护装置状态检修工作。
与现有技术相比，本发明达到的有益效果是：
本发明建立的基于模糊DEA理论的智能变电站继电保护装置状态评价方法结合了模糊信息处理及DEA理论的客观赋权、简化计算等优势，可较为准确地反映设备的实际运行状态，从而为状态检修工作提供参考依据。
附图说明
图1是本发明提供的智能变电站继电保护装置状态评价体系图。
图2是本发明提供的装置内部温度、电源电压指标的量化图。
图3是本发明提供的装置CPU负荷率指标的量化图。
图4是本发明提供的装置光模块光强指标的量化图。
图5是本发明提供的装置运行时间指标的量化图。
图6是本发明提供的装置定性指标高斯隶属度函数量化图。
具体实施方式
下面结合附图和实例对本发明的具体实施方式做详细说明。
一种基于模糊DEA理论的智能变电站继电保护装置状态评价预评估方法，该方法包括以下步骤：
步骤1：分析继电保护装置的故障情况，需要选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系。
步骤1.1：新一代智能变电站的试点工程可实现对装置内部部分参数的监测和收集，为继电保护状态评价提供了有利的条件。经统计，实际运行中继电保护故障主要由元器件损坏、电源损坏以及外回路故障(含纵联通道)引起的。因此，本发明选取的智能变电站继电保护装置状态监测信息参量为装置内部温度、电源输出电压、CPU负荷率以及光模块光强。
步骤1.2：为了尽量客观、真实、全面地反映继电保护装置的运行状态，除了考虑实时监测信息外，还需要考虑装置历史信息等其他因素，建立图1所示的状态评价体系。
步骤2：对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标主要有包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标(定检情况、装置缺陷情况、家族性资料以及装置运行环境)运用模糊语言及高斯隶属度函数进行量化。其中，为了评价方便，将各指标量化值统一为越大越优型，最大指标量化值为1。
步骤2.1：对于装置内部温度、电源输出电压这类双向劣化指标，本文运用如图2所示的梯形劣化度函数进行量化，其中允许上限和允许下限分别是装置在运行中各状态参量指标良好值的参考范围；门限值上限和下限分别为状态参量告警值的上下限。继电保护装置的CPU负荷率过高会导致死机等故障，本文运用图3所示的半梯形函数对其进行量化。
需要注意的是，装置内部温度、电源输出电压以及CPU负荷率的实时检测值只能反映装置当下的状态，无法反映老化情况，但是其长期处于异常状态对装置的老化有很大的影响，因此在评价时将其近一段时间的平均值作为状态参量值。
步骤2.2：光模块光强在装置运行过程中随光纤通道的劣化及插件的老化逐渐减弱，其量化如图4所示。
步骤2.3：正确动作率主要考虑保护装置本身正确动作率(RCO1)、同型号装置正确动作率(RCO2)以及同批次正确动作率(RCO3)，该项指标的量化公式为：
正确动作率RCO＝(30％×RCO2+70％×RCO3)×RCO1 (1)
步骤2.4：对于运行时间的量化，考虑到装置投运后前两年故障率较高，本发明采用图5所示的曲线进行量化。
步骤2.5：在继电保护装置状态评价体系中，具有模糊性的指标主要有定检情况、装置缺陷情况、运行环境以及家族性资料，本发明将模糊评价的因素状态分为良好、一般、注意、异常、严重异常5个等级，相应地评判集记为V＝{v1,v2,v3,v4,v5}，根据图6对上述各定量指标进行量化，确定量化曲线。
步骤3：初步确定各指标的权重并对其进行模糊化处理，选用权重值上下浮动20％的区间信息作为各指标的权重约束条件。
步骤4：在对各继电保护装置进行状态评价时，引入一个理想的运行状态良好的同类型保护装置，该装置各项指标量化值均为理想化的最大值。
步骤5：将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值
及乐观DEA效率评价值
并画出各DMU评价效率随α的变化图像。
步骤5.1：假设某模糊评价指标的量化值对应的模糊数为
为该指标在某模糊评语下的隶属度函数，则其α截集
是实数域上的一个区间范围，记为
其中
分别代表区间的左右边界，0≤α≤1。
步骤5.2：DEA是运筹学的延伸领域，它将工程效率的概念推广到多输入、多输出系统的效率评价中，运用数学中的分形规划模型计算各决策单元(DMU)相对于生产前沿面的偏离程度评价相对效率，通过最优化的过程确定权重，在避免主观因素、简化算法、减少误差等方面具有很强的优越性，传统的DEA模型必须同时有输入和输出，并且各输入与输出指标均为确定值，不能处理模糊信息。本发明基于DEA理论，建立仅有输出的带权重约束的模糊DEA评价模型如下：
其中，
为模糊输出变量，即各指标量化值；Ek为决策单元DMUk模糊效率评价值；ω＝(ω1,ω2,...ωm)T为各评价指标权重系数变量；C为n×m维的系数矩阵(n是权重约束条件的个数)；B＝(b1,b2,...,bn)T为常数向量。
步骤5.3：模型(2)求解较为困难，根据有效生产前沿与模糊决策单元的相对有效性评价值的关系，其基于α截集解的最悲观模糊DEA评价模型及最乐观模糊DEA评价模型分别如下：
其中，第k个决策单元(即被评价继电保护装置k)的
和
分别各评价指标量化值基于α截集解的左右边界，
和
分别为原模糊DEA模型(2)在α截集下的极小值规划和极大值规划。
步骤6：通过重心法得出各待评价继电保护装置平均有效性评价指数
根据其大小判断继电保护装置的运行状态。即取不同置信水平αi＝i/k，i＝1,…,k，求各决策单元的最悲观评价值
和最乐观评价值
求得平均有效性评价指数
其表达式为：
根据相关专家经验，其状态评价标准如表1所示。
表1继电保护装置状态评价标准
确定继电保护装置的运行状态，从而指导变电站二次设备运维人员的状态检修工作。
实施例
本发明以某地区220kV智能变电站运行中的5台线路保护装置(DMU2、DMU3、DMU4、DMU5、DMU6，其中，DMU3和DMU4为同厂家、同批次、同型号装置)为例，运用本文构建的模糊DEA评价模型对其运行状态进行评估。其中，DMU1为理想化的运行状态良好的相同电压等级下的同类型保护装置。对于以下状态评价指标：装置内部温度(y1)、电源电压(y2)、CPU负荷率(y3)、光模块光强(y4)、正确动作率(y5)、装置运行时间(y6)定检情况(y7)、装置缺陷情况(y8)、家族性资料(y9)以及装置运行环境(y10)量化后结果如表2所示。
表2各DMU指标量化结果
根据历史经验，确定图6中的指标量化值μ1,μ2,μ3,μ4分别为0.25、0.5、0.75、1。由专家和实际运维工作人员经验，初步确定继电保护装置各状态评价指标权重分别为：A＝{0.15 0.12 0.12 0.20 0.10 0.05 0.08 0.08 0.05 0.05}，本文以该权重向量上下浮动20％作为模糊DEA模型各指标的权重约束条件，如表3所示。
表3评价指标权重约束
将各DMU的指标量化值代入求解模型(3)和(4)，并在置信度α分别取0～1.0时，得到其效率评价值及平均有效性评价结果Ek如表4所示。
表4各DMU相对效率评价结果
根据各DMU平均效率评价值
参照表1得出待评价继电保护装置DMU2运行状态为“良好”，DMU3和DMU4运行状态为“一般”，DMU5运行状态为“注意”，DMU6运行状态为“异常”。该状态评价结果可指导电网公司二次设备运维管理人员制定相应的差异化运维策略。
Claims (2)
1.一种智能变电站继电保护装置状态评价与评估方法，其特征在于，包括以下步骤：
步骤1：分析继电保护装置的故障情况，选择能反映装置内部易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况因素，建立继电保护装置状态评价体系；
步骤2：对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标运用模糊语言及高斯隶属度函数进行量化；
步骤3：初步确定各指标的权重并对其进行模糊化处理，选用权重值上下浮动20％的区间信息作为各指标的权重约束条件；
步骤4：在对各继电保护装置进行状态评价时，引入一个理想的运行状态良好的同类型保护装置，该装置各项指标量化值均为理想化的最大值；
步骤5：将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值
及乐观DEA效率评价值
并画出各DMU评价效率随α的变化图像；
步骤6：通过重心法得出各待评价继电保护装置平均有效性评价指数
根据其大小判断继电保护装置的运行状态；
步骤1中所述的“分析继电保护装置的故障情况，需要选择最能反映装置内部重要或者易故障模块状态的指标信息，在此基础上，结合继电保护装置的历史运行状况及其他因素，建立继电保护装置状态评价体系”的具体过程为：
a：根据继电保护装置故障情况，选取的状态监测信息参量为装置内部温度、电源输出电压、CPU负荷率以及光模块光强；
b：考虑包括装置历史运行状况因素，建立继电保护装置的状态评价体系；
步骤2中所述的“对继电保护装置状态评价各指标进行量化，其中可以直接量化的指标包括在线监测信息、正确动作率及运行时间，不能直接量化的定性指标运用模糊语言及高斯隶属度函数进行量化”的具体过程为：
a：对于双向劣化指标，包括装置内部温度、电源输出电压，运用梯形劣化度函数进行量化，其中允许上限和允许下限分别是装置在运行中各状态参量指标良好值的参考范围，门限值上限和下限分别为状态参量告警值的上下限；其量化变换公式为：
式中，x为指标的参量值，xm,xn分别为指标的允许上限和下限，xmax,xmin分别为指标的门限值上限和下限；
运用半梯形函数对继电保护装置的CPU负荷率进行量化，其量化变换公式为：
式中，x为指标的参量值，xm为指标的允许上限，xmax为指标的门限值上限；
b：光模块光强在装置运行过程中随光纤通道的劣化及插件的老化逐渐减弱，其量化变换公式为：
式中，x为指标的参量值，xn为指标的允许下限，xmin为指标的门限值下限；
c：正确动作率考虑保护装置本身正确动作率RCO1、同型号装置正确动作率RCO2以及同批次正确动作率RCO3，该项指标的量化公式为：
正确动作率RCO＝(30％×RCO2+70％×RCO3)×RCO1
d：对于运行时间的量化，采用的量化变换公式为：
式中，x为运行时间，单位为年；
e：在继电保护装置状态评价体系中，不能直接量化的定性指标包括定检情况、装置缺陷情况、运行环境以及家族性资料，将模糊评价的因素状态分为良好、一般、注意、异常、严重异常5个等级，相应地评判集记为V＝{v1,v2,v3,v4,v5}，采用高斯分布函数对上述各定量指标进行量化；
步骤5中所述的“将各待评价继电保护装置的各定性指标隶属度函数取α截集，得到其模糊区间值，并与已经量化好的定量指标一起输入模糊DEA评价模型，分别得到在不同置信水平α下的悲观DEA效率评价值
及乐观DEA效率评价值
”的具体过程为：
a：假设模糊评价指标的量化值对应的模糊数为
为该指标的隶属度函数，则其α截集
是实数域上的一个区间范围，记为
其中
分别代表区间的左右边界，0≤α≤1；
b：编号为k的待评价继电保护装置DMUk基于α截集解的最悲观模糊DEA评价模型及最乐观模糊DEA评价模型分别为：
其中，yij(i＝1,2,…,m)为模糊输出变量，即各指标量化值,
和
分别表示决策单元j、指标i量化值的基于α截集解的左右边界，对于被评价继电保护装置k，其值分别为
和
Ek为决策单元DMUk模糊效率评价值；
和
分别为原模糊DEA模型在α截集下的极小值规划和极大值规划；ω＝(ω1,ω2,...ωm)T为各评价指标权重系数；C为n×m维的系数矩阵，n是权重约束条件的个数；B＝(b1,b2,...,bn)T为常数向量。
2.如权利要求1所述的一种智能变电站继电保护装置状态评价与评估方法，其特征在于：步骤6中所述的“通过重心法得出各待评价继电保护装置平均有效性评价指数，根据其大小判断继电保护装置的运行状态”的具体过程为：
a：取不同置信水平αi＝i/k，i＝1,…,k，求各决策单元的最悲观评价值
和最乐观评价值
求得平均有效性评价指数
其表达式为：
b：根据
确定待评价继电保护装置的运行状态，指导继电保护装置状态检修工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710365382.1A CN107256449B (zh) | 2017-05-22 | 2017-05-22 | 一种智能变电站继电保护装置状态评价与评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710365382.1A CN107256449B (zh) | 2017-05-22 | 2017-05-22 | 一种智能变电站继电保护装置状态评价与评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107256449A CN107256449A (zh) | 2017-10-17 |
| CN107256449B true CN107256449B (zh) | 2021-05-04 |
Family
ID=60028181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710365382.1A Active CN107256449B (zh) | 2017-05-22 | 2017-05-22 | 一种智能变电站继电保护装置状态评价与评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107256449B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909275B (zh) * | 2017-11-20 | 2021-08-06 | 国家电网公司 | 一种适用于智能变电站合并单元的状态评价计算方法 |
| CN108335036B (zh) * | 2018-01-31 | 2020-09-25 | 国网安徽省电力有限公司 | 智能变电站保护测控交流采样状态评估的方法 |
| CN110552847A (zh) * | 2018-05-30 | 2019-12-10 | 北京金风慧能技术有限公司 | 状态预警方法和装置、计算机可读存储介质 |
| CN109034538B (zh) * | 2018-06-26 | 2021-08-03 | 广东电网有限责任公司 | 一种面向变电站自动化设备运行质量的评价分析方法 |
| CN110174560B (zh) * | 2019-04-04 | 2021-04-16 | 河北电力装备有限公司 | 一种继电保护装置状态变量测试方法 |
| CN110580578A (zh) * | 2019-08-28 | 2019-12-17 | 国网湖北省电力有限公司电力科学研究院 | 一种智能变电站二次系统运行质量多分层评价方法 |
| CN112561736A (zh) * | 2020-12-23 | 2021-03-26 | 四川轻化工大学 | 智能变电站继电器保护装置故障诊断系统和方法 |
| CN113420409B (zh) * | 2021-05-17 | 2022-12-20 | 云南电网有限责任公司 | 一种基于深度学习的继电保护装置运行状态预测方法 |
| CN114167342A (zh) * | 2021-12-01 | 2022-03-11 | 浙江浙能兰溪发电有限责任公司 | 一种继电保护装置运行健康状态的评价方法 |
| CN117150630B (zh) * | 2023-10-26 | 2024-02-23 | 中铁建大桥工程局集团第三工程有限公司 | 一种基于层次分析法的超大断面地铁车站稳定性评价方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678765A (zh) * | 2013-10-31 | 2014-03-26 | 上海交通大学 | 基于在线监测的变压器运行状态综合评估方法 |
| CN103942735A (zh) * | 2014-05-07 | 2014-07-23 | 华北电力大学 | 一种继电保护状态评估的方法 |
| CN106251047A (zh) * | 2016-07-20 | 2016-12-21 | 国网浙江省电力公司电力科学研究院 | 考虑隶属度可变的继电保护变权模糊综合状态评价方法 |
-
2017
- 2017-05-22 CN CN201710365382.1A patent/CN107256449B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678765A (zh) * | 2013-10-31 | 2014-03-26 | 上海交通大学 | 基于在线监测的变压器运行状态综合评估方法 |
| CN103942735A (zh) * | 2014-05-07 | 2014-07-23 | 华北电力大学 | 一种继电保护状态评估的方法 |
| CN106251047A (zh) * | 2016-07-20 | 2016-12-21 | 国网浙江省电力公司电力科学研究院 | 考虑隶属度可变的继电保护变权模糊综合状态评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| "基于变权系数的继电保护状态模糊综合评价方法";宋人杰 等;《电力系统保护与控制》;20160201;第44卷(第3期);参见摘要、第1-3节 * |
| "基于模糊数变换的DEA模型与应用";李志亮 等;《模糊系统与数学》;20041231;第18卷(第4期);参见摘要、第1-3节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107256449A (zh) | 2017-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107256449B (zh) | 一种智能变电站继电保护装置状态评价与评估方法 | |
| CN104992270B (zh) | 输变电设备状态检修辅助决策系统及方法 | |
| KR101683256B1 (ko) | 전력 설비 자산 관리 시스템 및 방법 | |
| CN104933477A (zh) | 一种利用输变电设备风险评估优化检修策略的方法 | |
| CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
| CN104638764A (zh) | 配网设备状态智能诊断和检修系统 | |
| CN103559648A (zh) | 电网设备状态检测与评价实训系统 | |
| CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
| CN116155956B (zh) | 一种基于梯度决策树模型的多路复用通信方法及系统 | |
| CN113537523A (zh) | 一种变电设备状态检修及辅助决策方法 | |
| KR100960939B1 (ko) | 최소 절단 집합과 퍼지 전문가 시스템을 이용한 시스템의고장 모드 및 임계 분석 장치 및 그 방법 | |
| CN113435759B (zh) | 一种基于深度学习的一次设备风险智能评估方法 | |
| CN117239713A (zh) | 一种基于配电网调度智慧安全的管控方法及系统 | |
| CN118520359A (zh) | 一种水电站故障预测与事故预警方法及系统 | |
| Hirotsu et al. | Multivariate analysis of human error incidents occurring at nuclear power plants: several occurrence patterns of observed human errors | |
| CN112001569A (zh) | 一种基于多电压等级故障下的电网运行风险分析方法 | |
| KR20110046091A (ko) | 심각도와 발생가능도를 고려한 중요도 평가 방법 | |
| CN111340257A (zh) | 一种基于风险分析输电设备检修计划的优化方法及系统 | |
| JPH0877211A (ja) | プラントの保全支援装置 | |
| CN118096131B (zh) | 一种基于电力场景模型的运维巡检方法 | |
| CN112559967A (zh) | 一种基于二次设备光强趋势分析的状态检修方法、系统及存储介质 | |
| CN110212585A (zh) | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 | |
| CN112380641B (zh) | 一种应急柴油机健康状态评价方法及计算机终端 | |
| CN115936663A (zh) | 一种电力系统的维护方法及装置 | |
| Qin et al. | Substation decision-making platform based on artificial intelligence |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |