[发明专利]一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法

说明书

本发明涉及电力系统及其自动化领域，尤其涉及一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法，可以评估配电变压器绝缘油劣化状态，反映了公开文献中所形成的配电变压器绝缘油劣化状态评估的系列特征值具有模糊的和随机的不确定性，为配电变压器绝缘油劣化状态评估提供理论指导，为配电网运维提供必要的技术支撑。

技术领域

本发明涉及电力系统及其自动化领域，尤其涉及一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法。

背景技术

传统配网主设备的事后维修和定期计划检修往往需要投入大量的人为、物力，而且维修的性价比不高。有大量资料的统计研究表明，随着设备自动化程度的提高，与时间相关的设备的故障模式只占设备所有故障模式的6％，因此基于时间的定期维修策略只对6％的设备故障模式有效。以定期维修为主结合经验决定延长或缩短检修周期的维修方式，取得了一定的效果。

随着电力设备数量与日俱增，设备间关联关系日趋复杂，社会对供电可靠性要求越来越高，安排停电检修日益困难；配电网设备量多面广、运行状态复杂多变，难以及时检测和评估配网主设备状态，以往检修策略更多地重视试验数据而很少重视运行数据，无法适应日趋精益化的状态检修管理要求。

配电变压器数量多，会存在不同程度的劣化、劣化、缺陷并具有家族性和隐蔽性，难以得到及时检测和评估。因运行年限、环境、检修等有很大差异并受多因素影响，增加了配电变压器运行健康状态评价的难度和复杂性，无法满足精准化和智能化评价的更高要求。

配电变压器安全可靠运行首先要有严格质量保障，还要有足够的维护和检修保证。虽然定期预防性检修能够在一定程度上预防劣化、劣化或缺陷问题所导致的故障事故事件的发生，但是很难发现潜在性、隐蔽性极强的缺陷等。故障检修是一种被动的检修模式，具有极大的压力和不确定性，也容易导致过修或失修的问题。状态检修具有针对性和合理性，能够有效克服定期检修造成的过修和失修的问题，能够防范配电设备劣化、劣化或缺陷问题的扩大化和严重化，是今后设备检修发展的趋势。

传统上，大多通过油中溶解气体等单一因素数据计算和分析方法来评估配电变压器绝缘状态，能够较准确、可靠地发现逐步发展的变压器潜在缺陷；利用小波网络法、神经网络方法、模糊聚类法、灰色聚类、支持向量机、粗糙集方法、证据推理法、贝叶斯网络分类器等数学方法对单一因素数据进行处理、计算和分析，也能够较准确、可靠地评估配电变压器劣化、劣化和缺陷状态。虽然神经网络法利用预先自训练和自学习的方式对高危数据进行处理和计算，受系统或参数的状态值严重影响，一旦状态发生变化就需要进行重新训练和学习，其适应性偏弱并影响分析结果；故障树法按照一定的规则对故障的细化分解，以剖析故障类型及其原因，需要非常细化的故障信息完整性和正确性，对潜在性故障难以发现；支持向量机法采用一定的规则对数据进行分层处理，在数据量多时容易出现误分、错分等问题；粗糙集和模糊理论方法在处理随机性和模糊性数据方面有独到的优势，但是粗糙集只能处理离散数据，模糊理论方法没有自学习和自适应能力；贝叶斯网络分类方法能够较好地处理不完备数据，但需要提供足够完备的系统或参数的关键属性数据，否则其计算和评估正确率会较低；证据推理理论能够较好、较准确地处理冗余信息或数据，但在信息或数据之间存在相互矛盾时应用于证据的事件判别有很大的局限性。

利用经验、单一参量或少量数据容易造成评价精确度低，进而导致过修或失修等问题。在出厂、监测、试验、测试、巡检、运行、计量、自动化等多源数据的融合基础上，根据设备类型、运行工况和应用环境进行分类评估，建立基于数据驱动的配电变压器健康状态模型，以关键指标的冗余分析和相关性分析进行状态评价，为配电变压器的可靠运行提供技术支撑，为配电变压器的故障发生提供风险预警。