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(shù)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(wǎng)二次設備能否正常的運行，直接關(guān)系到電網(wǎng)的安全穩(wěn)定運行；因此對750 kV電網(wǎng)二次設備進行狀態(tài)檢修勢在必行，其中進行準確的狀態(tài)評估是實現(xiàn)狀態(tài)檢修的基礎[1]。

目前用于電氣二次設備狀態(tài)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(tài)，但是沒有實現(xiàn)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(wǎng)二次設備一般為可修復系統(tǒng)，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(tǒng)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(tài)評估，但是其需要樣本數(shù)據(jù)，在實際操作中不易獲得這些數(shù)據(jù)。

本文主要對750 kV電網(wǎng)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(zhì)的自檢信息，通過模糊綜合評價法實現(xiàn)狀態(tài)評估。對于運行狀態(tài)信息，通過馬爾科夫預測法實現(xiàn)狀態(tài)評估。對于隱藏故障[7]數(shù)據(jù)，通過隱藏故障判斷實現(xiàn)狀態(tài)評估。文中通過DS證據(jù)理論[8]實現(xiàn)信息融合[9，10]。即用DS證據(jù)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(wǎng)二次設備的狀態(tài)評估結(jié)果在決策級進行融合以實現(xiàn)綜合評估。

1 750 kV電網(wǎng)二次設備狀態(tài)評估信息的特點

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

本文利用狀態(tài)值表示這三種狀態(tài)對750 kV電網(wǎng)二次設備健康狀況的影響程度，狀態(tài)值是依據(jù)專家經(jīng)驗及相關(guān)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(tài)，如正常工作狀態(tài)，拒動失效狀態(tài)，誤動失效狀態(tài)，它們之間的一些轉(zhuǎn)移關(guān)系，也是表征750 kV電網(wǎng)二次設備狀態(tài)的重要信息。

針對甘肅某750 kV變電站內(nèi)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(guān)電流量、電壓量都上傳到該750 kV變電站的站控層?；谝陨涎芯?，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(tài)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(zhì)的自檢信息實現(xiàn)狀態(tài)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(xiàn)對微機保護裝置的可靠性預測。基于隱藏故障數(shù)據(jù)，隱藏故障判斷法可以有效地發(fā)現(xiàn)單臺裝置的隱藏故障。信息融合技術(shù)可以綜合利用多傳感器獲得的同一對象的多維狀態(tài)評估信息并進行評估[12]。本文采用D-S證據(jù)理論實現(xiàn)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(tài)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(tài)概率向量和狀態(tài)概率轉(zhuǎn)移矩陣來推知750 kV電網(wǎng)二次設備未來某一時期所處的狀態(tài)。用Pij（k）表示750 kV電網(wǎng)二次設備由狀態(tài)Ei經(jīng)過k次轉(zhuǎn)移至狀態(tài)Ej的概率，即

式（1）稱為k步轉(zhuǎn)移概率矩陣，其中的元素具有如下性質(zhì)。

稱為第k個時期的狀態(tài)概率向量。向量中的元素有如下性質(zhì)。

2）確定馬爾科夫預測法的各狀態(tài)

針對微機保護裝置的實際運行狀態(tài)，選取以下狀態(tài)建立馬爾科夫預測模型。

狀態(tài)0：750 kV電網(wǎng)二次設備正常工作狀態(tài)；

狀態(tài)1：750 kV電網(wǎng)二次設備誤動失效；

狀態(tài)2：750 kV電網(wǎng)二次設備拒動失效；

狀態(tài)3：750 kV電網(wǎng)二次設備可自檢誤動失效；

狀態(tài)4：750 kV電網(wǎng)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(tài)1～4時做如下合理假設和說明，即對于狀態(tài)1，假設保護隔離故障后，保護裝置發(fā)生誤動。對于狀態(tài)2、3、4，微機保護裝置的執(zhí)行對象是處于正常狀態(tài)。

3）狀態(tài)空間圖

依據(jù)各狀態(tài)之間的轉(zhuǎn)移關(guān)系，建立基于馬爾科夫預測法的750 kV電網(wǎng)二次設備狀態(tài)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(tài)空間圖Fig.1 State space diagram of secondary equipment based on Markov forecasting method

4）構(gòu)建狀態(tài)轉(zhuǎn)移概率矩陣

依據(jù)狀態(tài)空間圖中各狀態(tài)之間的轉(zhuǎn)移概率，建立狀態(tài)轉(zhuǎn)移概率矩陣。

2.2 基于模糊綜合評價的狀態(tài)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(guān)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(wǎng)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(tài)的各種狀態(tài)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(tài)量，綜合反映設備的狀態(tài)，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(quán)重的確定

各因素權(quán)重的分配對750 kV電網(wǎng)二次設備狀態(tài)的評價結(jié)果起著至關(guān)重要的作用，確定合理的權(quán)重是模糊綜合評價的關(guān)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(quán)重值。文中采用層次分析法[14]求解權(quán)重值向量。首先，構(gòu)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(shù)值。

其次，依據(jù)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(quán)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(wǎng)二次設備的狀態(tài)進行評估。將750 kV電網(wǎng)二次設備的狀態(tài)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(jù)設備狀態(tài)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(tài)與評分推薦表如表1所示，750 kV電網(wǎng)二次設備狀態(tài)評估標準如表2所示。

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

表2 750 kV電網(wǎng)二次設備狀態(tài)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(jié)果關(guān)系時需要用到隸屬度，隸屬度通過隸屬度函數(shù)求取。750 kV電網(wǎng)二次設備狀態(tài)評估的隸屬度函數(shù)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(shù)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(tǒng)選用“加權(quán)平均型”模糊合成運算。評價原則采用模糊綜合指數(shù)法[16]，模糊綜合評價指數(shù)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(jù)甘肅某750 kV變電站內(nèi)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(guān)信息進行收集。文中依據(jù)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(jù)《電力系統(tǒng)實時動態(tài)監(jiān)測系統(tǒng)技術(shù)規(guī)范》規(guī)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(jù)《電力系統(tǒng)實時動態(tài)監(jiān)測系統(tǒng)技術(shù)規(guī)范》規(guī)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(jù)理論的融合模型

DS合成法則[18]是一個反映證據(jù)聯(lián)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(shù)，同時m1和m2是其對應的基本概率分配函數(shù)，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(jù)各評估算法的評估結(jié)果，實現(xiàn)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(wǎng)二次設備正常率和故障率的可信度分配。依據(jù)評估標準及信息融合結(jié)果實現(xiàn)對750 kV電網(wǎng)二次設備的狀態(tài)評估。其中，基于D-S證據(jù)理論的信息融合評估模型如圖2所示。

圖2 基于D-S證據(jù)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(jié)果分析

以某750 kV電網(wǎng)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(tài)值向量為{1，1，1，1，0.203}；依據(jù)專家經(jīng)驗及設備歷史運行情況，可得判斷矩陣為

進而根據(jù)判斷矩陣M求出權(quán)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(jù)評估標準及計算結(jié)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(shù)據(jù)，通過計算狀態(tài)值向量對各等級的隸屬度，最終得出綜合評價結(jié)果b=0.944 6.

基于馬爾科夫預測法的750 kV電網(wǎng)二次設備狀態(tài)評估數(shù)據(jù)參考文獻[19，20]的參數(shù)。經(jīng)過計算可得各狀態(tài)轉(zhuǎn)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(jīng)過 5 步狀態(tài)轉(zhuǎn)移，其計算結(jié)果為正常狀態(tài)的概率為0.999 8。對于隱藏故障判斷，其評估數(shù)據(jù)本文參考文獻[17]的參數(shù)。正常狀態(tài)的概率為0.97，處于故障的狀態(tài)為0.03。以上3種算法，其評估結(jié)果的可信度分配如表7所示。

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

本文采用DS證據(jù)理論作為信息融合方式，利用Dempster組合規(guī)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(jié)果m?；贒S證據(jù)理論的融合結(jié)果如表8所示。

表8 DS證據(jù)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(tài)的可信度增加了，故障狀態(tài)的可信度降低了，此結(jié)果符合甘肅某750 kV變電站內(nèi)二次設備的實際運行情況。很多運行狀態(tài)信息可以表征750 kV電網(wǎng)二次設備的狀態(tài)。這些具有不同性質(zhì)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(xiàn)異常時，對此方法的評估結(jié)果影響較大，而基于信息融合方式的750 kV電網(wǎng)二次設備狀態(tài)評估結(jié)果，由于綜合利用了多種評估信息，對其評估結(jié)果的影響就會相對減少；即處于正常狀態(tài)的可信度就會更高。如當750 kV電網(wǎng)二次設備的某些自檢信息發(fā)生異常時，對模糊綜合評價結(jié)果中正常狀態(tài)概率的影響相對比較大。在實際運行過程中，當750 kV電網(wǎng)二次設備的某些自檢信息發(fā)生異常時，一般情況下，這并不影響裝置的運行，裝置經(jīng)過一定時間后，異常情況消除，裝置繼續(xù)轉(zhuǎn)為正常運行。實際運行表明，750kV電網(wǎng)二次設備在一定運行時期內(nèi)，整體運行狀態(tài)良好。

4 結(jié)語

為了充分有效地利用750 kV電網(wǎng)二次設備的運行狀態(tài)信息，提出了一種基于信息融合的750 kV電網(wǎng)二次設備狀態(tài)評估方法。對于自檢信息，運行狀態(tài)信息以及隱藏故障數(shù)據(jù)，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(xiàn)對750 kV電網(wǎng)二次設備的狀態(tài)評估。利用DS證據(jù)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(wǎng)二次設備的狀態(tài)評估結(jié)果在決策級進行融合。計算結(jié)果表明：單一狀態(tài)評估方法雖然也可以很好地對750 kV電網(wǎng)二次設備進行狀態(tài)評估，但是當采用基于信息融合的750 kV電網(wǎng)二次設備狀態(tài)評估時，它更能綜合、全面地利用750 kV電網(wǎng)二次設備的多種信息，其評估結(jié)果更加符合實際。本文為750 kV電網(wǎng)二次設備狀態(tài)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(tài)評估的研究（Study on state evaluation for microprocessor protective device based on SVM）[J].電力系統(tǒng)保護與控制（Power System Protection and Control），2009，37（4）：66-69.

[2]Billinton R，F(xiàn)otuhi-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(tài)空間法的超高壓電網(wǎng)繼電保護系統(tǒng)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(wǎng)技術(shù)（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(tǒng)的概率模型及其對組合系統(tǒng)可靠性的影響（The probabilistic modeling of protection system and its effect on composite system reliability）[J].電網(wǎng)技術(shù)（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(tǒng)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(wǎng)技術(shù)（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(tǒng)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(chuàng)新，等（Peng Mingwei，Liu Yi，Guo Chuangxin，et al）.故障錄波信息和D_S證據(jù)理論用于電網(wǎng)故障診斷（Fault diagnosis of power grid using fault data recorders and D_S evidence theory）[J].高 電壓 技 術(shù) （High Voltage Engineering），2009，35（9）：2176-2180.

[9]郭創(chuàng)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(wǎng)故障診斷方法（Hierarchical faultdiagnosisapproachforpower grid with information fusion using multi-data resources）[J].高電壓技術(shù) （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(wǎng)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(tǒng)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(shù)據(jù)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(tǒng)與數(shù)學（Fuzzy Systems and Mathematics），2010，24（2）：93-98.

[12]饒泓，扶名福，謝明祥，等（Rao Hong，F(xiàn)u 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(tài)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(tài)維修導則》的原則框架（Fundamental frame to draft guide for condition maintenance of electric power equipment）[J].電網(wǎng)技術(shù)（Power System Technology），2003，27（6）：64-67，76.

[16]趙玉環(huán)，王曉明（Zhao Yuhuan，Wang Xiaoming）.廣東玉米區(qū)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(tài)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(jù)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(jīng)濟分析的繼電保護最優(yōu)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(tài)檢修導則[Z].長沙：湖南省電力公司，2008.