基于灰色预测和风险评估的变压器检修决策方法技术

本发明专利技术公开了一种基于灰色预测和风险评估的变压器检修决策方法，包括：分别获取变压器状态变量、变压器故障类型的历史数据和当前实测数据，并根据灰色预测的方法获取变压器在tk时刻的状态变量的预测值；采用基于信息熵的模糊C均值聚类算法，结合变压器在tk时刻的状态变量的数据，计算变压器tk时刻各故障的发生概率；确定tk时刻变压器各检修策略的费用期望，并与变压器故障总风险费用期望进行比较，确定变压器最佳检修时间和最佳检修策略。本发明专利技术在计算变压器各故障发生概率时充分考虑个体变压器与整体变压器故障概率的差异，并将表征样本分布情况的信息熵作为先验知识代入模糊聚类算法，提高了变压器故障概率计算的准确性。

Decision making method of transformer maintenance based on grey prediction and risk assessment

【技术实现步骤摘要】
基于灰色预测和风险评估的变压器检修决策方法
本专利技术涉及变压器检修决策方法，尤其涉及了一种基于灰色预测和风险评估的变压器检修决策方法。
技术介绍
变压器是电力系统的关键枢纽设备，其运行状态直接关系到整个电力系统的安全与稳定，因此对变压器制定合理的检修策略尤其重要。变压器检修决策方法通常是基于风险评估建立的，通过对故障严重后果和故障概率进行分析做出检修决策。目前变压器检修决策方法在评估变压器故障严重后果时大多依据用户或专家的经验进行打分，这种做法通用性不强；在分析变压器故障概率时大多采用威布尔分布计算变压器故障概率，但是个体变压器故障概率与威布尔分布表征的总体变压器故障概率差异较大，采用威布尔分布会引入很大的误差。此外，目前现有的变压器检修决策方法大多只给出了检修操作的建议，对于具体的检修时间没有提及。
技术实现思路
本专利技术针对现有技术中现有计算方法通用性不强并且误差大等缺点，提供了一种基于灰色预测和风险评估的变压器检修决策方法。为了解决上述技术问题，本专利技术通过下述技术方案得以解决：一种基于灰色预测和风险评估的变压器检修决策方法，包括：分别获取变压器状态变量、变压器故障类型的历史数据和当前实测数据，并根据灰色预测的方法获取变压器在tk时刻的状态变量的预测值；采用基于信息熵的模糊C均值聚类算法，结合变压器在tk时刻的状态变量的数据，计算变压器tk时刻各故障的发生概率；对所述变压器各故障的后果进行量化，并结合所述变压器tk时刻各故障的发生概率，计算tk时刻变压器故障总风险费用期望；确定tk时刻变压器各检修策略的费用期望，并与变压器故障总风险费用期望进行比较，确定变压器最佳检修时间和最佳检修策略。作为一种可实施方式，所述变压器的状态变量包括油中溶解气体H2、CH4、C2H2、C2H4、C2H6、CO、CO2、油中微水、绕组吸收比、铁芯接地电流以及油中糠醛含量，分别记为x1-x11；所述变压器故障类型包括绕组故障、套管故障、绝缘介质故障、铁芯故障、分接开关故障、引线故障以及漏油故障，分别记为y1-y7；将每种故障类型标记为两种故障模式，两种故障模式包含导致变压器停运模式和导致变压器能效降低模式，分别记为y1,1、y1,2、y2,1、y2,2…y7,1、y7,2。作为一种可实施方式，所述根据灰色预测的方法获取变压器在tk时刻的状态变量的预测值的具体做法包括：采用以GM(1,1)模型为基础的灰色模型对变压器状态变量进行预测，以变压器状态变量xi,i＝1,2,...,11的历史数据和当前实测数据为基础进行建模，GM(1,1)建模过程如下：其中，t1,t2,...,tn-1为间隔为的等间隔历史数据采集时刻，tn为当前时刻，为tk时刻变压器状态变量xi的数据，对当前实测数据进行累加得到采用以下公式表示：其中，对建立白化微分方程，公式表示如下：其中，a为发展系数，b为灰色作用量，将白化微分方程离散化，公式表示如下：其中，k表示第k个数据采集时刻，表示数据采样间隔，取代入离散化后的白化微分方程得到：经过移项得到以下公式：令k＝1,2,...,n-1，经过移项后的公式转换成以下结果：此时，引入以下符号：则有：令则有：进一步转化得到：令x(1)(t0)＝x(0)(t1)，得到离散后的白化微分方程的解，公式如下：其中，为累加数据在第k+1个采样时刻tk+1的预测值，此时，将数据还原得到以下公式：其中，即为变压器状态变量xi在第k个采样时刻tk的预测值xi(tk)，k＝1,2,...；将所述变压器各个状态变量当前实测数据和所述变压器状态变量预测值xi(tk)，k＝1,2,...进行记录，记录公式表示如下：其中，tn为当前时刻，分别为等间隔的预测时刻，x(t)表示t时刻变压器状态变量x的值。作为一种可实施方式，所述采用基于信息熵的模糊C均值聚类算法，结合变压器在tk时刻的状态变量的数据，计算变压器tk时刻各故障的发生概率，具体步骤包括：对所述变压器状态变量的历史、当前和预测数据进行归一化处理，公式如下：其中，t1～tn-1为历史数据采集时刻，tn为当前时刻，为变压器状态变量预测时刻，xi(tk)*为归一化处理后tk时刻变压器的状态变量xi的数据；将变压器状态变量历史数据设置为集合S＝(z1,z2,...,zj,...,zn-1)，其中，zj＝(x1(tj)*,x2(tj)*,...,x11(tj)*),j＝1,2,...,n-1为第j个数据采集时刻tj样本状态变量归一化后的值，采用最大最小距离法确定所述集合S的类别数和各类别对应的初始聚类中心，将所述集合S中的各个样本分别归入距离最近的聚类中心所在的类别，并确定模糊聚类算法其他参数；采用改进模糊C均值聚类算法进一步确定所述集合S的各个类别对应的新聚类中心，公式如下：其中，dij为第j个样本zj到第i个聚类中心vi的欧式距离，c为类别的数目，ωj为样本zj的分布权重，ρij为样本zj对应第i个类别的模糊隶属度，l为各个类别中样本的个数，m＝2为模糊指数，J为目标函数，其中，模糊隶属度ρij通过以下公式得到：其中，dij为第j个样本zj到第i个聚类中心vi的欧式距离，c为类别的数目；通过训练样本的分布权重来更新所有类别的聚类中心，公式如下：其中，ωj为样本zj的分布权重，ρij为样本zj对应类别i的模糊隶属度，l为各个类别中样本的个数，zj表示第j个样本，vi表示新的聚类中心；重复步骤直至新的聚类中心vi对应的目标函数J与前一轮目标函数的差值小于阈值ε，则算法结束并确定c个聚类中心；通过确定好的c个聚类中心来计算tk,k＝n,n+1,...,n+n1时刻变压器状态变量数据属于各类别的概率，公式如下：其中，ρi为tk时刻变压器状态变量数据对应类别i的模糊隶属度，即属于类别i的概率，di为tk时刻变压器状态变量数据到第i个聚类中心vi的欧式距离，c为类别的数目；计算变压器tk,k＝n,n+1,...,n+n1时刻各故障的发生概率，公式如下：其中，ρj为变压器t时刻故障j的发生概率，ρi为t时刻变压器状态变量数据属于类别i的概率，为统计得到的所述集合S中类别i里第j种故障类型所占比例，nij为类别i中第j种故障类型的样本个数，ni为类别i的样本个数；所述采用所述基于信息熵的模糊聚类算法计算变压器故障概率，并将所述变压器当前实测数据和预测数据对应各故障的发生概率的记录如下：其中，tn为当前时刻，分别为等间隔的预测时刻，p(y,t)表示变压器t时刻故障y的发生概率。作为一种可实施方式，所述对所述变压器各故障的后果进行量化，根据所述tk时刻变压器各故障的发生概率，计算tk时刻变压器故障总风险费用期望，具体步骤包括：对变压器不同故障模式进行分析，得到不同故障模式后果，将所述不同故障模式后果量化为货币；根据量化好的货币，确定tk,k＝n,n+1,...,n+n1时刻变压器各故障的风险费用，公式如下：其中，E(yi,j)为变压器发生停运故障时的风险费用，E*(yi,j)为变压器发生能效下降故障时每天的风险费用，tn为当前时刻；根据所述tk,k＝n,n+1,...,n+n1时刻变压器各故障的风险费用以及所述发生概率的记录来确定tk,k＝n,n+1,...,n+n1时刻变压器故障总风险费用期望，公式如下本文档来自技高网...

【技术保护点】
一种基于灰色预测和风险评估的变压器检修决策方法，其特征在于，包括：分别获取变压器状态变量、变压器故障类型的历史数据和当前实测数据，并根据灰色预测的方法获取变压器在tk时刻的状态变量的预测值；采用基于信息熵的模糊C均值聚类算法，结合变压器在tk时刻的状态变量的数据，计算变压器tk时刻各故障的发生概率；对所述变压器各故障的后果进行量化，并结合所述变压器tk时刻各故障的发生概率，计算tk时刻变压器故障总风险费用期望；确定tk时刻变压器各检修策略的费用期望，并与变压器故障总风险费用期望进行比较，确定变压器最佳检修时间和最佳检修策略。

【技术特征摘要】
1.一种基于灰色预测和风险评估的变压器检修决策方法，其特征在于，包括：分别获取变压器状态变量、变压器故障类型的历史数据和当前实测数据，并根据灰色预测的方法获取变压器在tk时刻的状态变量的预测值；采用基于信息熵的模糊C均值聚类算法，结合变压器在tk时刻的状态变量的数据，计算变压器tk时刻各故障的发生概率；对所述变压器各故障的后果进行量化，并结合所述变压器tk时刻各故障的发生概率，计算tk时刻变压器故障总风险费用期望；确定tk时刻变压器各检修策略的费用期望，并与变压器故障总风险费用期望进行比较，确定变压器最佳检修时间和最佳检修策略。2.根据权利要求1所述基于灰色预测和风险评估的变压器检修决策方法，其特征在于，所述变压器的状态变量包括油中溶解气体H2、CH4、C2H2、C2H4、C2H6、CO、CO2、油中微水、绕组吸收比、铁芯接地电流以及油中糠醛含量，分别记为x1-x11；所述变压器故障类型包括绕组故障、套管故障、绝缘介质故障、铁芯故障、分接开关故障、引线故障以及漏油故障，分别记为y1-y7；将每种故障类型标记为两种故障模式，两种故障模式包含导致变压器停运模式和导致变压器能效降低模式，分别记为y1,1、y1,2、y2,1、y2,2…y7,1、y7,2。3.根据权利要求1所述基于灰色预测和风险评估的变压器检修决策方法，其特征在于，所述根据灰色预测的方法获取变压器在tk时刻的状态变量的预测值的具体做法包括：采用以GM(1,1)模型为基础的灰色模型对变压器状态变量进行预测，以变压器状态变量xi,i＝1,2,...,11的历史数据和当前实测数据为基础进行建模，GM(1,1)建模过程如下：其中，t1,t2,...,tn-1为间隔为的等间隔历史数据采集时刻，tn为当前时刻，为tk时刻变压器状态变量xi的数据，对当前实测数据进行累加得到采用以下公式表示：其中，对建立白化微分方程，公式表示如下：其中，a为发展系数，b为灰色作用量，将白化微分方程离散化，公式表示如下：其中，k表示第k个数据采集时刻，表示数据采样间隔，取代入离散化后的白化微分方程得到：经过移项得到以下公式：令k＝1,2,...,n-1，经过移项后的公式转换成以下结果：此时，引入以下符号：则有：令则有：进一步转化得到：令x(1)(t0)＝x(0)(t1)，得到离散后的白化微分方程的解，公式如下：其中，为累加数据在第k+1个采样时刻tk+1的预测值，此时，将数据还原得到以下公式：其中，即为变压器状态变量xi在第k个采样时刻tk的预测值xi(tk)，k＝1,2,...；将所述变压器各个状态变量当前实测数据和所述变压器状态变量预测值xi(tk)，k＝1,2,...进行记录，记录公式表示如下：其中，tn为当前时刻，分别为等间隔的预测时刻，x(t)表示t时刻变压器状态变量x的值。4.根据权利要求1所述基于灰色预测和风险评估的变压器检修决策方法，其特征在于，所述采用基于信息熵的模糊C均值聚类算法，结合变压器在tk时刻的状态变量的数据，计算变压器tk时刻各故障的发生概率，具体步骤包括：对所述变压器状态变量的历史、当前和预测数据进行归一化处理，公式如下：其中，t1～tn-1为历史数据采集时刻，tn为当前时刻，为变压器状态变...

【专利技术属性】
技术研发人员：罗静，张玄武，蔡一彪，吴芳基，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：浙江,33