基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法
【專利摘要】本發明公開了一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法，包括：將變壓器故障樣本集按照既定故障類型分類，通過隨機加權法進行分類故障樣本集等量增廣；基于增廣故障樣本集構造故障類型?故障征兆關聯辨識矩陣，得到各故障類型的簡化關聯頻繁故障征兆集以及優化的故障征兆常權系數；結合物元可拓理論，構造變壓器故障征兆集合數據字典經典域和節域，進而得到各故障征兆的物元關聯函數，求取各故障類型對應的變權系數；通過梯嶺形模糊隸屬度函數計算變壓器狀態評估所需的同異反評價矩陣，結合優化變權系數得到各故障類型和變壓器整體運行狀態的集對分析多元聯系度，實現對變壓器運行狀態的分析評估。
【專利說明】
基于物元増廣可拓關聯的變壓器狀態模糊集對評估方法
技術領域
[0001] 本發明涉及變壓器狀態評估技術領域，尤其涉及一種基于物元增廣可拓關聯的變 壓器狀態模糊集對評估方法。
【背景技術】
[0002] 電力變壓器，特別是油浸式電力變壓器的工作狀態是評估其運行安全可靠性的重 要參考。電力變壓器故障可能會導致嚴重的電力系統停電事故。因此，對電力變壓器的潛在 初期故障檢測和工作狀態評估顯得尤為重要，這是目前預防和避免電力變壓器嚴重故障的 重要技術手段。
[0003] 在既有的變壓器故障檢測和狀態評估方法中，普遍采用的是油中溶解氣體分析法 (DGAhDGA法的工作機理為，電力變壓器故障的表現形式主要包括過熱、電弧放電以及局部 放電等，通過對電力變壓器絕緣油中的溶解氣體分析，得到特征溶解氣體濃度的比值信息， 可以對上述現象進行有效檢測和判定，如目前常用的三比值法等，其建立故障診斷和狀態 評估準則所需的氣體比值及其閾值信息通常基于氫氣、甲烷、乙醇、乙烯、乙炔、一氧化碳、 二氧化碳及其混合氣體等特征氣體參量。通過上述油中溶解氣體分析，可以識別出一種或 多種電力變壓器可能存在的故障狀態，并采取必要的預防性措施。
[0004] 上述方法的主要缺點在于，故障診斷和狀態評估準則的建立需要經驗知識的積 累。某些情況下，測量的溶解氣體濃度或比值信息可能不夠完善全面，因此無法匹配既有判 定準則，使得部分可能發生于電力變壓器內部的故障無法被有效識別。另一方面，在工程實 際中，基于相同溶解氣體記錄樣本集的不同DGA判定方法可能會得出不同的診斷和評估結 論。因此，通常需要將多種DGA方法以及診斷變壓器的其他相關信息相結合，如變壓器的運 行歷史、最近檢修記錄以及有載分接開關狀態等，綜合評估變壓器的當前工作狀態。顯而意 見，上述評估方法的有效性和魯棒性均得不到有效保障。
[0005] 通常，電力變壓器發生故障時，往往不僅僅只引起DGA狀態量的變化，油中糠醛含 量、局部放電數據以及其它變壓器絕緣參數等狀態量均會發生變化，因此，為了解決DGA方 法存在的魯棒性和適應性等問題，有必要對變壓器的各狀態量變化情況進行綜合分析來判 斷變壓器的運行狀態和潛在故障，據此，目前提出了基于狀態量可拓評估的可拓分析法、基 于綜合狀態量相關性分析的關聯規則算法以及綜合考慮系統確定性與不確定性因素的集 對分析法等，以提高變壓器故障診斷和狀態評估的有效性和魯棒性。
[0006] 但集對分析狀態評估方法進行權重計算時，通常采用主觀依賴性較強的專家綜合 評分法和層次分析法，因而其需要主觀經驗的支撐，魯棒性較差;而現有融合關聯規則的智 能算法在關聯規則挖掘和權重計算過程中僅采用簡化的支持度和置信度判據，特別是基于 置信度的權重系數計算中，雖改善了專家綜合評分和層次分析法的主觀性，但并未有效計 及各故障征兆之間的內在相關性和規則的復雜度，也并未考慮樣本均衡性對變壓器狀態特 征關聯提取正確性的影響，并且其同異反評價劣化分析中模糊了負向邊界的影響，其三角 隸屬度函數在模擬狀態等級間的模糊性時也較為粗糙;而基于物元關聯的可拓分析在劣化 分析中引入物元關聯思想，有效考慮了變壓器各狀態參量在正常與故障數值區間內劣化度 變化的差異性，但評估過程仍需要專家系統和經驗知識的積累和支撐，其狀態評估魯棒性 有待提尚。
【發明內容】
[0007] 本發明的目的就是為了解決上述難題，提供了一種基于物元增廣可拓關聯的變壓 器狀態模糊集對評估方法，以改善樣本集合不均衡對變壓器狀態特征關聯提取正確性的影 響，有效計及各故障征兆之間的內在相關性和規則的復雜度，在此基礎上對故障征兆集合 的適應度常權進行全局尋優，降低常權計算過程的主觀依賴性對變壓器故障診斷和狀態評 估有效性的影響，并合理量化變壓器各狀態參量在正常與故障數值區間內劣化度變化的差 異性，最終提高變壓器故障診斷和狀態評估過程的魯棒性和有效性。
[0008] 為實現上述目的，本發明的具體方案如下：
[0009] 基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法，包括：
[0010] 步驟1:對電力變壓器可能存在的故障類型進行劃分，然后將采集到的變壓器故障 樣本集按照劃分的故障類型分類;進行分類故障樣本集等量增廣，形成增廣故障樣本集合；
[0011] 步驟2:選取變壓器的故障征兆集合，基于增廣故障樣本集構造故障類型-故障征 兆關聯辨識矩陣，計算優化的故障征兆常權系數；
[0012] 步驟3:構造變壓器故障征兆集合數據的量變經典域和質變節域，進而得到各故障 征兆的物元關聯函數，結合優化的故障征兆常權系數，計算各故障類型對應的最優變權系 數；
[0013] 步驟4:歸一化各故障征兆的物元關聯函數，定義故障征兆的物元關聯函數與變壓 器故障參量狀態等級映射表；
[0014] 步驟5:計算變壓器狀態評估所需的同異反評價矩陣，根據最優變權系數得到電力 變壓器各故障類型和整體運行狀態的集對分析多元聯系度，結合故障征兆的物元關聯函數 與變壓器故障參量狀態等級映射表，對變壓器運行狀態進行分析評估。
[0015] 進一步地，所述步驟1中，進行分類故障樣本集等量增廣的方法為：
[0016] 根據劃分的電力變壓器故障類型對采集的變壓器故障樣本集進行歸類，得到歸類 樣本集合；
[0017] 通過隨機自舉得到的k次集合對歸類樣本集合進行增廣，得到等量增廣故障樣本 集合。
[0018] 進一步地，所述步驟2中，
[0019] 將等量增廣故障樣本集合中的每個故障類型增廣樣本，按照驗證集樣本和訓練集 樣本進行k折劃分；
[0020] 以閾值Apriori算法建立故障類型-故障征兆關聯辨識矩陣；
[0021] 基于故障類型-故障征兆關聯辨識矩陣，初始化故障征兆常權適應度函數權重，并 以K折驗證集平均故障診斷誤判率最小為優化目標，對故障征兆常權適應度函數權重進行 全局PS0優化;得到優化的故障征兆常權系數。
[0022] 進一步地，建立故障類型-故障征兆關聯辨識矩陣的方法具體為：
[0023] 對于每個故障類型FTi的訓練集樣本，由包含故障征兆FSj的樣本比例為判據構成 1-候選集關聯辨識映射向量；
[0024]由每個故障類型FTj對應的1-候選集關聯辨識映射向量構造故障類型-故障征兆 關聯辨識矩陣。
[0025]進一步地，所述k折驗證集平均故障診斷誤判率具體為：
[0027] 其中，〗V/為第i個驗證集中故障診斷誤判樣本個數，心為第i個驗證集中的樣本個 數;k為交叉驗證折疊重復次數。
[0028] 進一步地，所述步驟3中，各故障征兆的物元關聯函數為：
[0029] 故障征兆狀態參量x在量變經典域心上關于xo的有效矩與故障征兆狀態參量x關于 域Xi U Xz的位置的比值;其中，量變經典域Xi = [a，b]，質變節域Xz = [b，c]，且有a>b>c。
[0030] 進一步地，所述步驟3中，各故障類型對應的最優變權系數為：
[0032] 其中，為故障類型FTj的常權系數，cwfl/M:出為變權系數，〃kt)為對故障征兆 FSi加權求和得到的故障類型FTj的評分值。
[0033] 進一步地，所述步驟4中，變壓器狀態評估所需的同異反評價矩陣具體為： ys.Rmi.__FT. 廠 、j
[0034] PrSRFStFTj=，cw_-FTpL t\vFSi-FT!""icWFS.y「 FIy . ; '觀FSN!--fI)
[0035] 其中〃，為故障征兆常權系數；為故障征兆FSi對故障類型FTj的同異 反評價向量;i = l,2,. . . , j。
[0036] 進一步地，所述步驟4中，電力變壓器各故障類型和整體運行狀態的集對分析多元 聯系度具體為
[0037] ；
[0038] 其中，為故障類型對應的最優變權系數，為故障類型FT」的聯系度。
[0039]進一步地，K折驗證集平均故障診斷誤判率的計算需要對K折交叉每個驗證集的每 個樣本進行故障診斷過程，每次故障診斷過程均在當前常權適應度函數權重下進行;故障 診斷過程自調用基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法的過程。
[0040] 本發明的有益效果：
[0041] 相較于現有技術，本發明所提出的基于物元增廣可拓關聯的變壓器狀態模糊集對 評估方法中，通過分類故障樣本集等量增廣改善了樣本集合不均衡對變壓器狀態特征關聯 提取正確性的影響，通過構造加權適應度函數有效計及各故障征兆之間的內在相關性和規 則的復雜度，在此基礎上通過閾值Apriori-PSO-CV算法對故障征兆集合的適應度常權進行 全局尋優，降低常權計算過程的主觀依賴性對變壓器故障診斷和狀態評估有效性的影響， 并結合物元可拓分析理論合理量化變壓器各狀態參量在正常與故障數值區間內劣化度變 化的差異性，最終提高變壓器故障診斷和狀態評估過程的魯棒性和有效性。
【附圖說明】
[0042]圖1為基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法實施流程圖；
[0043] 圖2為閾值Apriori-PS〇-CV算法實施流程圖；
[0044] 圖3為閾值Apriori-PS〇-CV尋優過程故障診斷驗證實施流程圖。
【具體實施方式】：
[0045]下面結合附圖對本發明進行詳細說明：
[0046]本發明提供了一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法，本發 明實施例以油浸式電力變壓器為對象。所述基于物元增廣可拓關聯的變壓器狀態模糊集對 評估方法實施例的實施流程如圖1所示。其技術方案為，首先，依據《油浸式變壓器（電抗 器)狀態評價導則》以及實際運行經驗，對電力變壓器可能存在的故障類型進行劃分，然后 將采集到的變壓器故障樣本集按照既定故障類型分類，通過隨機加權法進行分類故障樣本 集等量增廣;然后，基于增廣故障樣本集構造故障類型-故障征兆關聯辨識矩陣，通過閾值 Apriori-PSO-CV算法得到各故障類型的簡化關聯頻繁故障征兆集以及優化的故障征兆常 權系數；
[0047]然后，結合物元可拓理論，構造變壓器故障征兆集合數據字典經典域和節域，進而 得到各故障征兆的物元關聯函數，求取各故障類型對應的變權系數;最終，通過梯嶺形模糊 隸屬度函數計算變壓器狀態評估所需的同異反評價矩陣，結合優化變權系數得到各故障類 型和變壓器整體運行狀態的集對分析多元聯系度，實現對變壓器運行狀態的分析評估。 [0048]具體實施方法如下：
[0049] 步驟1:依據《油浸式變壓器（電抗器)狀態評價導則》以及實際運行經驗，對電力變 壓器可能存在的故障類型進行劃分，然后將采集到的變壓器故障樣本集按照既定故障類型 分類，通過隨機自舉法(Bootstrap)進行分類故障樣本集等量增廣；
[0050]步驟2:從參數齊全可測的代表性狀態量中選取變壓器的故障征兆集合，基于增廣 故障樣本集構造故障類型-故障征兆關聯辨識矩陣，通過閾值Apriori-PSO-CV算法得到各 故障類型的簡化關聯頻繁故障征兆集以及優化的故障征兆常權系數；
[0051]步驟3:結合物元可拓理論，構造變壓器故障征兆集合數據字典經典域和節域，進 而得到各故障征兆的物元關聯函數，結合優化的故障征兆常權系數矩陣，計算各故障類型 對應的最優變權系數；
[0052]步驟4:通過梯嶺形模糊隸屬度函數計算變壓器狀態評估所需的同異反評價矩陣， 結合最優變權系數得到電力變壓器各故障類型和整體運行狀態的集對分析多元聯系度，對 變壓器運行狀態進行分析評估。
[0053]本發明實施例所述步驟1中，依據《油浸式變壓器（電抗器)狀態評價導則》以及實 際運行經驗，劃分的電力變壓器故障類型和故障征兆類型分別如表1和表2所示。
[0054]表1電力變壓器的故障類型
[0057]表2電力變壓器的故障征兆類型
[0059] 本發明實施例所述步驟1中，通過隨機自舉法(Bootstrap)進行分類故障樣本集等 量增廣的過程為：
[0060] 根據表1電力變壓器故障類型對采集的變壓器故障樣本集進行歸類，得到歸類樣 本集合I:
[0061] I = {Di},(i = l,2,...,9) (1)
[0062] 其中，D1為對應故障類型列表的第i個故障類型樣本集(事務數據庫），
[0063] Z)J = |/j }, (i = 1,2,,, " n) (2)
[0064] 其中，n為第i個故障類型樣本集中的樣本個數。D1本身為蘊含未知分布的樣本集 合，并且集合樣本$之間相互獨立。隨機自舉得到的k次集合
[0065] Dlm =\t]nV...,t\nj,...,fm^,{nt = U2,...,k) (3)
[0066] 可實現對未知分布的有效估計，因此，可用于對樣本集合D1進行增廣，其中，為 第m次從樣本集合X1中等概率抽取的樣本匕，其抽取概率為rT 1。由此得到的對應故障類型i的 最終增廣樣本集合D#為
[0067] Dl* ={D!ii}i，(m= 1 , 2, A) (4j
[0068] 在隨機自舉的同時，保證各故障類型樣本集合的樣本數量近似相等，則可以在確 保概率分布特性不變的前提下，消除樣本集合不均衡對變壓器狀態特征關聯提取正確性的 影響，得到的等量增廣樣本集合P為：
[0069] i*={Di*}，（i = l，2，. ? ?，9) (5)
[0070]本發明實施例所述步驟2中，所述閾值Apriori-PSO-CV算法實施例的實施流程如 圖2所示。其技術方案為，首先，將等量增廣樣本集合P中的每個故障類型增廣樣本隨機分 成K個相互獨立的子集，各個子集的樣本數量相等，從均分后的每個故障類型增廣樣本中各 取一個子集重新合并為驗證集，均分后每個故障類型增廣樣本的其余K-1子集合并為訓練 集;然后以閾值Apriori算法建立故障類型-故障征兆關聯辨識映射集合;然后基于故障類 型-故障征兆關聯辨識矩陣，初始化故障征兆常權適應度函數權重，并以K折驗證集平均故 障診斷誤判率最小為優化目標對所述常權適應度進行全局PS0優化;最后，檢查PS0進程結 束條件是否滿足，即如果尋優達到最大進化代數或K折驗證集平均故障診斷誤判率小于給 定值，則結束尋優過程，輸出當前的故障征兆常權適應度函數權重優化結果，用于故障征兆 常權計算。
[0071] 其中，由K-1訓練集建立故障類型-故障征兆關聯辨識矩陣的過程為：
[0072] 對于每個故障類型FTi的K-1訓練集樣本，由包含故障征兆?5」(」_ = 1，2-，111)的樣本 比例為判據構成的1-候選集關聯辨識映射向量為，
[0073] RfSi -FT, = | ^ I rFS, -FT, > SFS -FT ] ⑶
[0074] 對于不同的故障類型，記每個故障類型FT」對應的1-候選集關聯辨識映射向量長 度為。其中，故障征兆比例-巧為K-1訓練集中故障類型FTj樣本出現故障征兆FSi 的次數與故障類型FTj的樣本數的比值，令故障征兆關聯閾值￡fs-ft = 0.7。
[0075] 由式(6)所述每個故障類型FTj對應的1-候選集關聯辨識映射向量構造的故障類 型-故障征兆關聯辨識映射集合為：
[0076 ] RFS.-= {R% -奸,}，/? = 1，2, " ?，. 9 ..(7)
[0077]對K-1訓練集分別按故障類型和故障征兆統計發生次數，記各故障類型的發生次 數為Nnj(j = l，2，. . .，n)各故障征兆發生次數為Mf：s，(i = l，2,…，m)，令
(8)
[0079]則常權適應度函數的表達式為
[0081]其中，式(9)中的權重向量滿足 (9)
[0082] W1+W2+W3 = 1 (10)
[0083] 式(9)中，為故障類型FTj樣本中包含故障征兆FSi的故障類型FTj樣本比例； %-碼為故障征兆FSi樣本中反映故障類型FTj的故障征兆FSi樣本比例；以故障類型FTj的關 聯辨識映射向量長度的倒數表征所述故障類型FT」的故障征兆關聯映射復雜度， 即，與故障類型FTj關聯映射的故障征兆越多，則相應故障征兆對故障類型FTj的基準貢獻度 越小。
[0084] 因此，以式(9)所示的常權適應度函數計算常權，充分考慮了故障征兆比例權重、 故障類型比例權重以及故障類型-故障征兆關聯映射復雜度的影響，能夠更加合理地表示 各故障征兆在關聯映射故障類型中的權重。結合粒子群優化算法(PS0)和交叉驗證算法 (CV)對以測試集故障診斷誤判率最小為優化目標，對所述常權適應度函數的權重向量w =
[W1，W2，W3]進行尋優。
[0085] 在所述閾倌Aoriori-PSO-CV算法中，K折驗證集平均故障診斷誤判率定義為
(11)
[0087]其中，&為第i個驗證集中的樣本個數，N/為該驗證集中故障診斷誤判樣本個數。 [0088]式（11)中K折驗證集平均故障診斷誤判率的計算需要對K折交叉每個驗證集的每 個樣本進行故障診斷過程，每次故障診斷過程均在當前常權適應度函數權重下進行。其中， 每次故障診斷過程實施例的實施流程如圖3所示，其中的步驟3和步驟4與所述基于物元增 廣可拓關聯的變壓器狀態模糊集對評估方法的實施過程相同，即，所述基于物元增廣可拓 關聯的變壓器狀態模糊集對評估方法在常權適應度尋優過程中的每次故障診斷誤判率計 算中均蘊含自調用過程。
[0089] 通過常權適應度尋優過程，得到最終的以故障征兆為行標、以故障類型為列標的 故障類型-故障征兆常權矩陣為
[0090] CWFS_FT ={cwFS _FT ) (12.) v 1 J fmxn
[0091] 本發明實施例所述步驟3中，所述物元可拓過程的基本思想是:通常，電力變壓器 的運行狀態參數只會向單邊劣化發展，因此，其運行狀態取值可以量化為兩個基本區間，其 一為正常運行的量變經典域，其二是狀態劣化凸顯的質變節域。在量變經典域中，變壓器的 運行狀態參量隨著運行時間的增加而量變劣化，在此期間，變壓器仍然能夠正常運行，故障 征兆不會顯現;隨著運行狀態參量的持續劣化，當變壓器的運行狀態參量進入質變節域范 圍時，意味著變壓器將出現某些故障征兆。根據規程，各種電力變壓器可測故障征兆的量變 經典域和質變節域如表3所示。
[0092] 通常，在變壓器運行狀態參量劣化過程中，當故障征兆出現時，會加劇變壓器故障 狀態的惡化，在時間尺度上體現為使得變壓器快速進入異常甚至嚴重故障狀態，反映于量 化數值映射，即，在運行狀態參量的量變經典域和故障節域之間的數值劣化斜率不同，這是 既有變壓器故障征兆劣化計算中未曾考慮的。
[0093]表3電力變壓器故障征兆的量變經典域和質變節域
[0096] 基于上述分析，本發明實施例所述步驟3中，所述物元可拓劣化計算過程為：
[0097] 對于負劣化故障征兆狀態參量x，令量變經典域Xi = [a，b ]，質變節域Xz = [b，c ]，并 且有a>b>c，則參量x關于域Xi U Xz的位置定義為， \d (x,XA-d{xi.Xl)-(a-b),x.^XI
[0098] 外w:卜 不卜;r- (13)
[0099] 其中，d(x，Xi)和d(x，Xz)分別表示參量x與量變經典域Xi和質變節域Xz的矩，有
(14)
[0101] 令負劣化最優點xo = a，則參量x在量變經典域心上關于xo的有效矩定義為
[0102] d(x,Xi,xo)=a-x (15)
[0103] 結合式（13)~（15)，可得負劣化故障征兆狀態參量x在域XiUXz上關于xo的物元可 拓關聯劣化函數為
(16)
[0105] 同理，對于正劣化故障征兆狀態參暈X，有a〈b〈c，式（13)~（15)變為
[0109]為便于所述物元可拓關聯劣化函數（16)相關的模糊隸屬度計算，對式（16)進行歸 一化處理，可得故障征兆FSi對故障類型FL的物元可拓歸一化劣化度為
[0111] 根據歸一化物元可拓關聯劣化函數（16)以及相關規程中規定的故障征兆狀態參 量注意值和警示值的關系，定義的劣化函數值與變壓器故障參量狀態等級映射如表4所示， 其中，s〇 = 0，si = 5/18, S2 = 7/18, S3 = 4/9, S4 = 5/9, S5 = 11/18，S6= 13/18，S7 = 7/9, S8 = 8/ 9，S9=l〇
[0112] 表4物元可拓關聯劣化函數值與變壓器故障參量狀態等級映射表
[0114] 其中，變壓器某一故障征兆處于正常或注意運行狀態表明該變壓器故障征兆狀態 參量處于量變經典域，某一故障征兆處于輕微、異常或嚴重故障運行狀態表明該變壓器故 障征兆狀態參量處于質變節域，從表4所示物元可拓關聯映射可知，物元可拓關聯映射的狀 態區間劃分不同于傳統的等間隔劃分方式，并且物元可拓關聯映射的原象狀態參量劃分也 有別于傳統的等間隔參量漸變方式，其基于的物理事實是，在實際的變壓器狀態變化過程 中，各個狀態之間的量化演變并非是平穩漸變的，即狀態參量的量變過程和質變過程并不 相同，該現象在傳統的等間隔平穩量化歸一過程中是無法體現的。
[0115] 結合故障類型-故障征兆常權矩陣（12)和歸一化物元可拓關聯函數（16 )，令x=XFS;， (々sJo，xf:Si和(他,)〇分另lj表不故障征兆FS i的試驗值和最優值，(木&).|和(Xfs,)z.分別表不故障征 兆的量變經典域和質變節域，由此對故障征兆FSJP權求和可得故障類型FT」的評分值為
[0116] Pfjj = ), ^fs. ) (A>& l〇 I (21) J f=i "
[0117]考慮故障類型決策狀態變量評分對權重組態的影響，通過變權計算對常權系數進 行修正，
[0118] vwFI = (mFT PpTl\jcwFTip^ ) (22)
[0119] 其中，為故障類型FTj的常權系數，反映該故障類型對變壓器運行狀態的表征 準確度，假設每個故障類型均能較準確地表征變壓器某一方面的運行狀態，于是有 cw FT,=]/n出為變權系數，考慮到變壓器狀態指標參數的嚴重偏離將會影響整個變壓器的安 全性，故取0 = 0.2。
[0120] 本發明實施例所述步驟4中，為平衡變壓器狀態等級模糊性的模擬性能，并盡可能 確保變壓器狀態等級信息的有效性，采用半梯-半嶺型模糊隸屬度函數來量化變壓器各故 障征兆的物元可拓關聯劣化程度，
(23)
[0122] 歸一化后的物元可拓關聯函數（19)對應的模糊隸屬同異反評價狀態表達式如式 (23)所示。
[0123] 本發明實施例所述步驟4中，基于上述分析，故障征兆FSi對故障類型FT」的同異反 評價向量為
[0124] 廠紐戌-打,=(心frj，r2 ([kv盯,)，':，(廠尸'?,-打,)，'、(【符廠盯,)，'"[符，一打,）（2:4)
[0125] 若故障類型FTj的關聯故障征兆個數為Nj，結合各故障征兆FSi對故障類型FTj的常 權系數，可得故障類型FT」的同異反評價向量為 -VSRf'-ft, ' -VSh-FT.
[0126] VSRfs^.= c\vFSi,c\vFSl _FTj,? ? ?,cu'fsXj； (25) VSRFSx廠FTj
[0127] 本發明實施例所述步驟4中，進一步地，故障類型FT」的聯系度為 雕碑-叫「F縦]_ 「 VSRF%.-FT VSRE-2
[0128] /JFTj_ = CWfSi _FT^ , CWFS2 _FTj ,..., ^'fSNj -KTj : ； P〇) j SRFs -FT丨 J5 _
[0129] 其中，同異反系數向量VSRE為
[0130] VSRE = [VSREi, VSRE2, ?'', VSREs]T (27)
[0131] 本發明實施例所述步驟4中，由于物元可拓關聯劣化函數的非線性特性，因此，多 元聯系度的同異反系數向量不能采用均分法求解，根據表4的運行狀態歸一化區間多元聯 系數劃分，采用區間中值作為同異反系數向量元素，有
，由于同一度和 對立度系數通常取1和-1，對同異反系數向量進行尺度伸縮可得
[0132] 本發明實施例所述步驟4中，進一步地，由所述故障類型FT」的聯系度可求得變壓 器整體運行狀態的聯系度為
[0133] #ir='y',vwFT:^JFT, .(2.8) j-
[0134] 綜上所述，式（26)和式（28)分別為所述電力變壓器各故障類型FT」和整體運行狀 態對應的量化評價指標，通過與表4所述運行狀態歸一化量化區間進行對比，可以得出當前 運行電力變壓器所處的運行狀態以及可能存在的故障類型。
[0135] 上述雖然結合附圖對本發明的【具體實施方式】進行了描述，但并非對本發明保護范 圍的限制，所屬領域技術人員應該明白，在本發明的技術方案的基礎上，本領域技術人員不 需要付出創造性勞動即可做出的各種修改或變形仍在本發明的保護范圍以內。
【主權項】
1. 基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法，其特征是，包括： 步驟1:對電力變壓器可能存在的故障類型進行劃分，然后將采集到的變壓器故障樣本 集按照劃分的故障類型分類;進行分類故障樣本集等量增廣，形成增廣故障樣本集合； 步驟2:選取變壓器的故障征兆集合，基于增廣故障樣本集構造故障類型-故障征兆關 聯辨識矩陣，計算優化的故障征兆常權系數； 步驟3:構造變壓器故障征兆集合數據的量變經典域和質變節域，進而得到各故障征兆 的物元關聯函數，結合優化的故障征兆常權系數，計算各故障類型對應的最優變權系數； 步驟4:歸一化各故障征兆的物元關聯函數，定義故障征兆的物元關聯函數與變壓器故 障參量狀態等級映射表； 步驟5:計算變壓器狀態評估所需的同異反評價矩陣，根據最優變權系數得到電力變壓 器各故障類型和整體運行狀態的集對分析多元聯系度，結合故障征兆的物元關聯函數與變 壓器故障參量狀態等級映射表，對變壓器運行狀態進行分析評估。2. 如權利要求1所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，所述步驟1中，進行分類故障樣本集等量增廣的方法為： 根據劃分的電力變壓器故障類型對采集的變壓器故障樣本集進行歸類，得到歸類樣本 集合； 通過隨機自舉得到的k次集合對歸類樣本集合進行增廣，得到等量增廣故障樣本集合。3. 如權利要求1所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，所述步驟2中， 將等量增廣故障樣本集合中的每個故障類型增廣樣本，按照驗證集樣本和訓練集樣本 進行k折劃分； W闊值Apriori算法建立故障類型-故障征兆關聯辨識矩陣； 基于故障類型-故障征兆關聯辨識矩陣，初始化故障征兆常權適應度函數權重，并WK 折驗證集平均故障診斷誤判率最小為優化目標，對故障征兆常權適應度函數權重進行全局 PSO優化;得到優化的故障征兆常權系數。4. 如權利要求3所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，建立故障類型-故障征兆關聯辨識矩陣的方法具體為： 對于每個故障類型FTi的訓練集樣本，由包含故障征兆FS撕樣本比例為判據構成1-候 選集關聯辨識映射向量； 由每個故障類型FT苗4應的1-候選集關聯辨識映射向量構造故障類型-故障征兆關聯辨 識矩陣。5. 如權利要求3所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，所述K折驗證集平均故障診斷誤判率具體為：其中，斯f為第i個驗證集中故障診斷誤判樣本個數，Ni為第i個驗證集中的樣本個數;k 為交叉驗證折疊重復次數。6. 如權利要求1所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，所述步驟3中，各故障征兆的物元關聯函數為： 故障征兆狀態參量X在量變經典域Xi上關于XO的有效矩與故障征兆狀態參量X關于域Xi UXz的位置的比值;其中，量變經典域Xi=[a，b]，質變節域Xz = [b，c]，且有a〉b〉c。7. 如權利要求1所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，所述步驟3中，各故障類型對應的最優變權系數為：其中，CW巧為故障類型FTj的常權系數，CWft尸1/化0為變權系數，為對故障征兆FSi加 權求和得到的故障類型FT北勺評分值。8. 如權利要求1所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，所述步驟4中，變壓器狀態評估所需的同異反評價矩陣具體為：其中，ew踢巧為故障征兆常權系數;為故障征兆FSi對故障類型FT撕同異反評 價向量;i = l，2,. . .，j。9. 如權利要求1所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，所述步驟4中，電力變壓器各故障類型和整體運行狀態的集對分析多元聯系度具 體為其中，胃巧為故障類型對應的最優變權系數，//巧為故障類型F町的聯系度。10. 如權利要求3所述的一種基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法， 其特征是，K折驗證集平均故障診斷誤判率的計算需要對K折交叉每個驗證集的每個樣本進 行故障診斷過程，每次故障診斷過程均在當前常權適應度函數權重下進行;故障診斷過程 自調用基于物元增廣可拓關聯的變壓器狀態模糊集對評估方法的過程。
【文檔編號】G01R31/02GK105911407SQ201610211816
【公開日】2016年8月31日
【申請日】2016年4月7日
【發明人】彭飛, 任敬國, 陳玉峰, 辜超, 朱文兵, 杜修明, 周加斌, 朱孟兆, 王建, 朱慶東, 李 杰, 張振軍, 白德盟, 莊哲, 李小鵬, 趙元哲, 王旭峰, 冒波波
【申請人】國網山東省電力公司電力科學研究院, 國家電網公司, 山東中實易通集團有限公司