畢巖濱 郭斌

（中海油能源發(fā)展裝備技術(shù)有限公司）

0 引言

隨著現(xiàn)代化技術(shù)的發(fā)展，當(dāng)今社會對電力供應(yīng)需求越來越大，保障電力安全就變得尤為重要。同時為了滿足人們用電需求的增加以及較好的用電質(zhì)量體驗感，就需要不斷提高電網(wǎng)設(shè)備的穩(wěn)定性，時刻了解電網(wǎng)設(shè)備運行狀態(tài)。變壓器是電網(wǎng)中重要組成部分，在發(fā)電、送電、用電環(huán)節(jié)扮演著日益重要的角色。所以確保變壓器安全、穩(wěn)定運行非常重要，以變壓器評價結(jié)果為指導(dǎo)對變壓器進行合理的巡檢和調(diào)控對電力系統(tǒng)穩(wěn)定運行具有重要意義。

經(jīng)過不斷研究，目前國內(nèi)外研究學(xué)者、專家等提出了很多有關(guān)對變壓器進行評估和評價的方法和決策，包括：專家經(jīng)驗法、不確定性分析法、人工智能法（深度學(xué)習(xí)算法）、層析分析法（AHP）[1]。但目前這些方法或得出結(jié)果準(zhǔn)確性不高，或?qū)嵤┢饋聿环奖?。因此，本文提出一種基于層次分析法并結(jié)合專家系統(tǒng)的指標(biāo)權(quán)重確定方法，通過上述方法得到變壓器各項指標(biāo)權(quán)重，結(jié)合實際測量指標(biāo)得分，最后得到變壓器整體評估狀態(tài)。

1 變壓器狀態(tài)的狀態(tài)指標(biāo)

為了清楚了解某一時刻變壓器的健康程度，對變壓器狀態(tài)進行評估必不可少，但從不同層面反映變壓器狀態(tài)信息、本體性能的指標(biāo)很多，所以需要將指標(biāo)進行分層，將變壓器作為最高層，最高層的得分代表著其運行狀態(tài)的健康度；中間層故障層，其由很多指標(biāo)構(gòu)成；故障層下為最底層的現(xiàn)場采集的狀態(tài)量，這些狀態(tài)量也是故障下指標(biāo)的體現(xiàn)。

變壓器在線監(jiān)測中，由于不同指標(biāo)的量綱和數(shù)量級不同，甚至差別過大，如果沒有對采集數(shù)據(jù)進行處理，就會導(dǎo)致大數(shù)據(jù)吞噬掉小數(shù)據(jù)；并且各項指標(biāo)不同，也會存在越大越好型和越小越好型。所以在進行評價之前對采集到的數(shù)據(jù)指標(biāo)進行處理，使其歸一化，表達式如下：

式中，xn為該指標(biāo)特征量的得分，當(dāng)xn>0時，令xn=1；當(dāng)xn﹤0時，令xn=0；wn為該指標(biāo)特征量實測值。在所有指標(biāo)中存在越大越好型和越小越好型指標(biāo)體，所以當(dāng)指標(biāo)為越大越好時，取注意值w′=1.3wa，當(dāng)指標(biāo)為越小越好型時，取注意值w′=1.3/wa的取值參考文獻[2]；wf為該指標(biāo)初始值。

最終評分依據(jù)國家電網(wǎng)評價規(guī)程進行區(qū)間劃分，確定變壓器當(dāng)前健康狀態(tài)。若設(shè)備處于非正常狀態(tài)，可通過得分反推設(shè)備異常原因。

2 層次分析法的基本原理及改進

2.1 基本原理

層析分析法是一種既可以對定量指標(biāo)做評價也可以對定性指標(biāo)做評價的方法。通常，AHP根據(jù)評價目標(biāo)和目標(biāo)所處性質(zhì)，將很復(fù)雜的評價問題分為各個指標(biāo)，并通過內(nèi)在聯(lián)系，形成一個由淺到深的層析結(jié)構(gòu)。再求取指標(biāo)權(quán)重，求權(quán)重一般是由專家將同一分組下的指標(biāo)兩兩相比構(gòu)建判斷矩陣，判斷矩陣是一個正互反矩陣，它的互反關(guān)系是一種把人的判斷進行合理結(jié)合的方式。通過這種方式確定當(dāng)前層次的指標(biāo)相對其上一層支配指標(biāo)的權(quán)重，然后通過一定算法逐層組合指標(biāo)權(quán)重，最終得到最低層指標(biāo)相對于最高層的綜合權(quán)重[3]。

2.2 運用步驟

2.2.1 建立層次

根據(jù)實際問題進行梳理分層，一般分為三層：指標(biāo)層、準(zhǔn)則層、目標(biāo)層，首先確定每層元素的評價因素集。

2.2.2 構(gòu)造判斷矩陣

構(gòu)造所有層次的優(yōu)先關(guān)系判斷矩陣A=(aij)n×n，其中A表示階段目標(biāo)，i和j表示評判因素。由于各個因素所占的比重不同，使用aij表示因素集i對因素j的重要程度。

2.2.3 一致性檢驗與權(quán)重計算

通過上述方法得到判斷矩陣A，但是首先應(yīng)該確定該判斷矩陣是否通過一致性檢驗，經(jīng)過一次性檢驗后，如果不滿足一致性檢驗條件，則應(yīng)該重新調(diào)整判斷矩陣。一致性檢驗步驟如下：

1）由判斷矩陣特征值計算檢驗指標(biāo)：

式中，CI為一致性檢驗指標(biāo)；λmax是該判斷矩陣所有特征值中最大的特征值；n為指標(biāo)的個數(shù)，也就是該判斷矩陣的階數(shù)。

2）計算一致性比率：當(dāng)一致性比率﹤0.1時，認(rèn)為滿足一致性檢驗條件，如果不滿足一致性檢驗條件，則應(yīng)該重新調(diào)整判斷矩陣。只有滿足一致性檢驗后才能求取權(quán)重。

3）滿足一致性檢驗條件后，可以通過算術(shù)平均法得到權(quán)重向量W。

2.3 算法改進

層次分析法在使用過程中一般是由眾多專家進行決策的，由于每個專家的自身因素（經(jīng)驗、學(xué)歷、職稱等）存在不同，傳統(tǒng)的AHP在確定權(quán)重時，通常把每位專家權(quán)重都等于1/m（m為專家個數(shù)）。但是由于專家的情況不同，存在較大差異，這將會導(dǎo)致權(quán)重確定過于主觀，不太符合工程實踐。

因此本文在傳統(tǒng)AHP的基礎(chǔ)上通過引入專家系統(tǒng)來確定權(quán)重，可以較大程度忽視專家自身情況不同帶來的過于主觀評價。具體步驟如下：

1）假設(shè)有m位專家，目前層次有指標(biāo)個數(shù)n，A(k)=(aij)n×n(k=1,2,3,…,m)，表示第k位專家對該層給定的判斷矩陣，并且假設(shè)所有專家給定的判斷矩陣均通過一致性檢驗，通過傳統(tǒng)AHP計算方法可以得到該層指標(biāo)的初始權(quán)重值。以各專家給定的指標(biāo)權(quán)重構(gòu)建一個m×n的矩陣W0，該矩陣中第i行j表示第i個專家對第j個指標(biāo)的評價權(quán)重值。

2）以專家知識（學(xué)習(xí)）、經(jīng)驗（年齡）、工齡、職稱四個維度對應(yīng)專家權(quán)重的確定因素集。分別以對m個專家這4個維度分析得到分析矩陣B（m×4）。由于眾數(shù)理論具有較好的保類性，在本算法中，通過提取矩陣B中每一行的中眾數(shù)構(gòu)建重要度矩陣R(r1,r2, ...,rm)。

3）根據(jù)公式：判斷矩陣最大特征值λmax與一致性檢驗比率成正比，一致性比率CR越小則說明專家意見越統(tǒng)一。

通過上述算法改進，可以看出不僅保留了傳統(tǒng)AHP的判斷矩陣算法，同時也遵循了專家個人不同情況。尊重個人判斷結(jié)果，又充分考慮了客觀因素帶來的誤差。

3 基于AHP和專家系統(tǒng)的變壓器狀態(tài)評估

上文介紹了對變壓器指標(biāo)體系的建立，將指標(biāo)體系分成三層，第一層為性能層由底層指標(biāo)確定，第二層為部件層，由性能層確定，第三層為變壓器狀態(tài)，由各部件層確定。確定了各層指標(biāo)權(quán)重的算法改進，并最終通過第二層的方法得到各層指標(biāo)的最終權(quán)重。

本文基于上述提出一種基于AHP和專家系統(tǒng)的變壓器狀態(tài)評估方法，具體步驟如下：

1）通過第2節(jié)中的方法計算指標(biāo)層下各個指標(biāo)的權(quán)重w；

2）通過式（1）歸一化處理得到各個指標(biāo)的狀態(tài)監(jiān)測得分h；

3）通過各個指標(biāo)權(quán)重與得分的積進行累加，得到該層下的狀態(tài)得分W；

4）本文將變壓器分成三個層次，每層運用上述1~3步驟，最后通過式（3）得到變壓器最終得分S，判斷其所在的狀態(tài)區(qū)間，假設(shè)評估得到的分?jǐn)?shù)處于正常階段，則直接輸出結(jié)果評估結(jié)束；如不正常，則可根據(jù)各故障類型得分查找故障指標(biāo)，為后期檢修提供指導(dǎo)。

式中，vi為第i類故障所占權(quán)重；xi為第i類故障的狀態(tài)得分。通過下表[4]和得分確定變壓器的健康狀態(tài)。

表

4 結(jié)束語

文中通過對傳統(tǒng)AHP方法的闡述以及提出專家決策系統(tǒng)，將二者結(jié)合，相較于傳統(tǒng)AHP本文提出的這種方法更切合實際，符合工程實際，更能結(jié)合主觀和客觀對各項指標(biāo)權(quán)重的確定，更能科學(xué)合理地分配指標(biāo)權(quán)重，能較為準(zhǔn)確地實現(xiàn)對變壓器的評估。