基于云理論和改進(jìn)證據(jù)理論的避雷器綜合 狀態(tài)評(píng)估模型

魏東亮，蔣逸雯，彭浩，薛峰，李海濤，謝建容，李黎

(1. 廣東電網(wǎng)有限責(zé)任公司東莞供電局，廣東 東莞 523008; 2.華中科技大學(xué) 電氣與電子工程學(xué)院，湖北 武漢 430074; 3. 上海啟亦電子科技有限公司，上海 200052)

避雷器多用于吸收內(nèi)部開關(guān)操作或外部雷擊引起的過(guò)電壓相關(guān)的能量，從而將其幅度限制在可接受的安全值，而過(guò)電壓被認(rèn)為是電氣設(shè)備故障和意外中斷的主要原因[1-2]。因此，避雷器在保護(hù)高壓設(shè)備、維持供電穩(wěn)定性方面發(fā)揮著重要作用[3-4]。

隨著電網(wǎng)經(jīng)濟(jì)性和安全性要求的提高，無(wú)停電的電力避雷器在線狀態(tài)檢修是設(shè)備檢修模式的必然趨勢(shì)[5-7]，為了實(shí)現(xiàn)狀態(tài)檢修，基于監(jiān)測(cè)數(shù)據(jù)挖掘分析的故障預(yù)判和狀態(tài)評(píng)估必不可少[8-11]。近十年來(lái)，研究人員提出了多種基于智能信息處理技術(shù)的電力設(shè)備故障診斷算法，如貝葉斯模型法[12-13]、模糊數(shù)學(xué)法[14]、證據(jù)理論[15-16]、物元理論[17]、高維隨機(jī)矩陣模型[18]等。這些算法大多缺乏對(duì)各狀態(tài)參數(shù)的相關(guān)性分析，指標(biāo)量之間互相孤立。在電網(wǎng)大數(shù)據(jù)的背景下，提取表征設(shè)備不同故障類型的各類指標(biāo)量，能更直觀反映數(shù)據(jù)間的關(guān)聯(lián)程度，提高數(shù)據(jù)的利用效率。

避雷器所處環(huán)境復(fù)雜，對(duì)其進(jìn)行狀態(tài)評(píng)估不僅需要考慮隨機(jī)不確定因素，還涉及到模糊不確定及信息不完全所導(dǎo)致的不確定等[19]。物元理論、集對(duì)理論[20]等方法主觀性較強(qiáng)，評(píng)估結(jié)果易受專家影響。與之相比，云評(píng)估模型考慮到模糊性和隨機(jī)性，并兼顧客觀規(guī)律性；同時(shí)，改進(jìn)的證據(jù)理論不但能解決證據(jù)沖突問題，而且能擴(kuò)大評(píng)估等級(jí)間的隸屬度差異，凸顯化評(píng)估效果。

鑒于此，本文將云理論和改進(jìn)證據(jù)理論結(jié)合，提出一種基于避雷器多源異構(gòu)數(shù)據(jù)的狀態(tài)評(píng)估模型。該模型在避雷器在線監(jiān)測(cè)、停電檢修、帶電測(cè)試、現(xiàn)場(chǎng)巡檢等大數(shù)據(jù)中選取能反映不同故障類型的典型指標(biāo)量；利用云理論實(shí)現(xiàn)隸屬度函數(shù)求取，并確定原始基本概率分配；依據(jù)矩估計(jì)理論提出權(quán)重求取算法，綜合考慮了指標(biāo)量的主客觀因素；引入改進(jìn)證據(jù)理論，降低證據(jù)間沖突，并區(qū)分?jǐn)?shù)值相近的信息，從而確定運(yùn)行狀態(tài)。

1 狀態(tài)評(píng)估框架

金屬氧化物避雷器因長(zhǎng)期承受雷擊過(guò)電壓和操作過(guò)電壓，或因使用年限過(guò)長(zhǎng)、所處環(huán)境濕熱，極易發(fā)生閥片老化、內(nèi)部受潮、表面裂化等不同類型故障[21]，故避雷器的狀態(tài)評(píng)估實(shí)際是一個(gè)多屬性決策問題，主要可從故障類型及其相關(guān)指標(biāo)量考慮。本文參考金屬氧化物避雷器狀態(tài)評(píng)價(jià)導(dǎo)則[22]，結(jié)合實(shí)際運(yùn)行檢修經(jīng)驗(yàn)，將避雷器的故障歸納為內(nèi)部受潮(F1)、絕緣老化(F2)、外絕緣污穢或老化(F3)、異常放電(F4)這4種類型，并選取典型指標(biāo)量有效反映避雷器運(yùn)行狀況[23]，具體結(jié)果如圖1和表1所示。

表1中，I1、I2、I6為停電檢修指標(biāo)；I3、I4、I10為帶電測(cè)試指標(biāo)；I5、I11為在線監(jiān)測(cè)指標(biāo)；I7、I9為現(xiàn)場(chǎng)巡檢指標(biāo)；I8、I12為基本信息指標(biāo)。因此，典型指標(biāo)不僅考慮了避雷器基本信息，還涉及在線監(jiān)測(cè)、帶電測(cè)試、停電檢修、現(xiàn)場(chǎng)巡檢等多源數(shù)據(jù)。

圖1 避雷器典型故障類型及對(duì)應(yīng)指標(biāo)量Fig.1 Typical fault types and corresponding indexes of arrestors

表1 典型指標(biāo)
Tab.1 Typical indexes

編號(hào)指標(biāo)定義編號(hào)指標(biāo)定義I1直流1 mA下參考電壓U1mAI7本體外絕緣表面情況I20.75U1mA下的泄漏電流I8密封件運(yùn)行年限I3運(yùn)行電壓下的泄漏電流I9外套與法蘭結(jié)合情況I4運(yùn)行電壓下的阻性電流I10局部放電量I5電阻片芯組溫升I11紫外成像監(jiān)測(cè)I6底座絕緣電阻I12外絕緣抗污能力

因不同指標(biāo)的量綱與數(shù)量級(jí)存在差異，導(dǎo)致數(shù)據(jù)較難統(tǒng)一計(jì)算，故需要對(duì)各指標(biāo)量進(jìn)行歸一化處理。對(duì)于定量指標(biāo)(即I1、I2、I3、I4、I5、I6、I8、I10)類的指標(biāo)量，可將其計(jì)算轉(zhuǎn)為量綱一的量。如絕緣電阻等越大越優(yōu)類型的指標(biāo)量，采用式(1)計(jì)算；如泄漏電流等越小越優(yōu)類型的指標(biāo)量，采用式(2)計(jì)算。

(1)

(2)

式(1)、(2)中：歸一化值x為相對(duì)劣化度；xm為實(shí)測(cè)值；maxxm和minxm為《電力設(shè)備預(yù)防性試驗(yàn)規(guī)程》[24]定義的最大值和最小值。

對(duì)于定性指標(biāo)(即I7、I9、I11、I12)類的指標(biāo)量，本文通過(guò)建立不同的專家評(píng)分表將其轉(zhuǎn)換為[0,1]間的常數(shù)，具體評(píng)分標(biāo)準(zhǔn)見表2。

表2 定性指標(biāo)I7、I9、I11、I12的語(yǔ)義描述及相應(yīng)評(píng)分值
Tab.2 Semantic descriptions and corresponding scores of qualitative indexes I7、I9、I11and I12

定性指標(biāo)語(yǔ)義描述xI7硅橡膠憎水性異常,外絕緣破損0～0.2硅橡膠憎水性能良好,外絕緣破損0.2～0.5硅橡膠憎水性異常,外絕緣未破損0.5～0.8硅橡膠憎水性良好,外絕緣未破損0.8～1I9外套與法蘭連接螺栓松動(dòng)、脫落0～0.4外套與法蘭結(jié)合情況較為良好0.4～0.7外套與法蘭結(jié)合緊密0.7～1I111 min內(nèi)放電光斑數(shù)量大于5 0000～0.21 min內(nèi)放電光斑數(shù)量為1 000～5 0000.2～0.51 min內(nèi)放電光斑數(shù)量為500～1 0000.5～0.81 min內(nèi)放電光斑數(shù)量小于5000.8～1I12外絕緣最小公稱爬電比距大于1.1S0～0.2外絕緣最小公稱爬電比距為0.9S～1.1S0.2～0.5外絕緣最小公稱爬電比距為0.6S～0.9S0.5～0.8外絕緣最小公稱爬電比距小于0.6S0.8～1

注：S為不同污穢等級(jí)地區(qū)的爬電比距限值。Ⅰ級(jí)輕污穢地區(qū)，S=17 mm/kV；Ⅱ級(jí)中等污穢地區(qū)，S=20 mm/kV；Ⅲ級(jí)重污穢地區(qū)，S=25 mm/kV；Ⅳ級(jí)特重污穢地區(qū)，S=31 mm/kV。

由圖1可得，指標(biāo)量集合可為{Xe1，Xe2，…，XeM}(e=1，2，…，E)。同時(shí)，將避雷器運(yùn)行狀態(tài)分為“良好狀態(tài)(等級(jí)L1，概率為P(L1))”“正常狀態(tài)(等級(jí)L2，概率為P(L2))”“注意狀態(tài)(等級(jí)L3，概率為P(L3))”“異常狀態(tài)(等級(jí)L4，概率為P(L4))”“嚴(yán)重狀態(tài)(等級(jí)L5，概率為P(L5))”共5種等級(jí)，故評(píng)估等級(jí)集合L={L1，L2，…，LN}。M為指標(biāo)量個(gè)數(shù)，N為評(píng)估等級(jí)個(gè)數(shù)，E為故障類型個(gè)數(shù)，本文中，M根據(jù)故障類型確定，N=5，E=4。

2 避雷器運(yùn)行狀態(tài)綜合評(píng)估模型

2.1 云理論

云理論用自然語(yǔ)言客觀反映了模糊性與隨機(jī)性，描述了定性描述與定量數(shù)據(jù)間的映射關(guān)系，典型模型的數(shù)字特征示意圖如圖2所示。

圖2 云模型的3個(gè)數(shù)字特征示意圖Fig.2 Three digital features of the cloud model

如圖2所示，云模型的數(shù)字特征可以表示為(Ex，En，He)。期望Ex反映云的重心位置，本文中代表了避雷器典型指標(biāo)量在數(shù)域上的坐標(biāo)；熵En描述了數(shù)域中可被接受的不確定程度，本文中反映了采集數(shù)據(jù)的隨機(jī)性與數(shù)據(jù)所處等級(jí)的模糊性；超熵He表示每個(gè)數(shù)據(jù)對(duì)應(yīng)語(yǔ)言值確定性的凝聚性，本文中反映各指標(biāo)之間的關(guān)聯(lián)性。

2.2 隸屬度函數(shù)的求取

模糊性可由隸屬度描述，隸屬度rij表示第i個(gè)指標(biāo)量屬于第j個(gè)狀態(tài)等級(jí)的可能性。根據(jù)相對(duì)劣化度和運(yùn)行狀態(tài)之間的關(guān)系，x的5個(gè)劣化度級(jí)別區(qū)間確定為：[0，a)、[a，b)、[b，c)、[c，d)、[d，+∞)，表3為不同指標(biāo)等級(jí)界限a、b、c、d的數(shù)值。結(jié)合(Ex，En，He)可得云模型的數(shù)字特征(見表4)，根據(jù)正態(tài)云生成算法[25]，即可生成單指標(biāo)量的正態(tài)云模型。

表3 避雷器狀態(tài)評(píng)估等級(jí)界限
Tab.3 Grade limits of arrestor condition assessment

指標(biāo)abcdI10.10.20.250.3I20.30.60.90.95I30.20.50.750.85I40.20.40.750.8I50.40.60.80.9I60.20.40.60.8I70.20.50.60.8I80.10.50.60.85I90.20.40.60.8I100.20.40.60.8I110.20.50.60.8I120.20.50.60.8

表4 云模型的隸屬度確定方法
Tab.4 Determination method for membership degree of the cloud model

評(píng)估等級(jí)ExjEnjHeL10(Ex2-Ex1)/60.01L2(a+b)/2(Ex2-Ex1)/60.01L3(b+c)/2(Ex3-Ex2)/60.01L4(c+d)/2(Ex4-Ex3)/60.01L5d(Ex5-Ex4)/60.01

注：Exj、Enj分別為評(píng)估等級(jí)Lj(j=1，2，…，N)相應(yīng)的期望值、熵值。

以底座絕緣電阻為例，生成的云模型如圖3所示。

圖3 底座絕緣電阻的云模型Fig.3 The cloud model of base insulation resistance

在M個(gè)指標(biāo)量中，選擇第i個(gè)指標(biāo)量Xi，確定等級(jí)界限a—d和云模型，若每個(gè)指標(biāo)量均產(chǎn)生P朵云，則M個(gè)指標(biāo)量共產(chǎn)生P×M朵云。讀取避雷器試驗(yàn)指標(biāo)數(shù)據(jù)X0，若Xi=X0時(shí)，與某一朵正態(tài)云模型的交點(diǎn)有V個(gè)云滴，則取此V個(gè)云滴的隸屬度均值作為該指標(biāo)的隸屬度。

2.3 基于矩估計(jì)理論的最優(yōu)組合賦權(quán)法

層次分析法(analytic hierachy process，AHP)簡(jiǎn)單方便，但主觀性較強(qiáng)；熵權(quán)法充分利用數(shù)據(jù)的客觀性并挖掘信息，但缺乏自適應(yīng)和自學(xué)習(xí)的能力。為了克服常權(quán)重系數(shù)易受單一賦權(quán)方法影響而產(chǎn)生偏倚的不足，本節(jié)根據(jù)矩估計(jì)理論對(duì)主客觀因素進(jìn)行綜合考量，從而確定指標(biāo)的最優(yōu)組合權(quán)重。

2.3.1 基于AHP法的主觀權(quán)重計(jì)算

為了減少指標(biāo)性質(zhì)不同導(dǎo)致相互比較的困難，AHP法引入1-9標(biāo)度法，采用相對(duì)尺度，兩兩比較指標(biāo)對(duì)決策目標(biāo)的影響，并構(gòu)建判斷矩陣H。根據(jù)判斷矩陣H，可求出其最大特征根λmax和其對(duì)應(yīng)的經(jīng)歸一化后的特征向量W=(ω1，ω2，…，ωM)，指標(biāo)量個(gè)數(shù)M即為判斷矩陣階數(shù)。由此得到的向量W即為對(duì)應(yīng)評(píng)估指標(biāo)的權(quán)重向量。

為了判斷各指標(biāo)間是否一致，不致出現(xiàn)相互矛盾的結(jié)果，進(jìn)行判斷矩陣的一致性檢驗(yàn)。

由圖1可知，對(duì)于內(nèi)部受潮(F1)故障，有9個(gè)對(duì)應(yīng)的指標(biāo)量，故M=9。參照金屬氧化物避雷器狀態(tài)評(píng)價(jià)導(dǎo)則[19]中對(duì)于異常指標(biāo)量的扣分?jǐn)?shù)值，判斷矩陣H構(gòu)造為

對(duì)于絕緣老化(F2)故障，M=6，則

對(duì)于外絕緣污穢或老化(F3)故障，M=3，則

對(duì)于異常放電(F4)故障，M=2，則

對(duì)于整體故障類型，M=4，則

2.3.2 基于熵權(quán)法的客觀權(quán)重計(jì)算

對(duì)于內(nèi)部受潮(F1)故障，rij構(gòu)成的矩陣R為5行9列的矩陣，R中某一行元素代表避雷器處于某一運(yùn)行狀態(tài)等級(jí)時(shí)指標(biāo)量的最大歸一化值，若超過(guò)該值，內(nèi)部受潮故障發(fā)生的可能性增大，避雷器將朝劣化的方向運(yùn)行。矩陣R的構(gòu)造為

對(duì)于絕緣老化(F2)故障，R為5行6列的矩陣，即

對(duì)于外絕緣污穢或老化(F3)故障，R為5行3列的矩陣，即

對(duì)于異常放電(F4)故障，R為5行2列的矩陣，即

對(duì)于整體故障類型，R為5行4列的矩陣，即

2.3.3 組合權(quán)重計(jì)算

本文用AHP法和熵權(quán)法分別對(duì)指標(biāo)量的主觀權(quán)重與客觀權(quán)重進(jìn)行計(jì)算，其中，AHP的專家打分?jǐn)?shù)據(jù)、熵權(quán)法的計(jì)算輸入數(shù)據(jù)及計(jì)算過(guò)程見附錄。設(shè)主觀權(quán)重集合Ws={ω11，ω12，…，ω1M}，客觀權(quán)重集合Wb={ω21，ω22，…，ω2M}，則每個(gè)指標(biāo)量均有2個(gè)權(quán)重樣本，那么該指標(biāo)量的組合權(quán)重ωi應(yīng)與其2個(gè)樣本的偏差越小越好。本文定義參數(shù)α和β分別為主觀權(quán)重與客觀權(quán)重的相對(duì)重要程度系數(shù)[26]，則ωi的優(yōu)化模型為

(3)

依據(jù)矩估計(jì)的基本理論，可計(jì)算第i個(gè)指標(biāo)量主客觀權(quán)重的相對(duì)重要程度系數(shù)αi和βi，即

(4)

對(duì)于指標(biāo)量整體，可認(rèn)為從2個(gè)權(quán)重總體中分別抽取T個(gè)樣本，同樣根據(jù)矩估計(jì)理論，可得

(5)

通過(guò)對(duì)式(3)的求解，即可得出最優(yōu)組合權(quán)重集合A={ω1，ω2，…，ωM}。為了反映數(shù)據(jù)之間的關(guān)聯(lián)程度，本文引入?yún)?shù)μ，表示指標(biāo)量i與評(píng)估等級(jí)j之間的聯(lián)系度，可由隸屬度與權(quán)重系數(shù)加權(quán)所得，定義為

μij=ωirij.

(6)

2.4 基于證據(jù)推理的信息融合模型

證據(jù)理論是一種推理和處理不確定性的方法，它依靠數(shù)據(jù)的累積，降低數(shù)據(jù)間的沖突，有效融合多數(shù)據(jù)源、結(jié)構(gòu)不同的信息，具體步驟如下。

2.4.1 確定識(shí)別框架

一個(gè)綜合決策問題可能產(chǎn)生的所有結(jié)果的集合定義為識(shí)別框架Θ。本文的識(shí)別框架包括5種避雷器運(yùn)行狀態(tài)以及不確定度θ，即

Θ={L1，L2，L3，L4，L5，θ}.

(7)

2.4.2 選定證據(jù)并計(jì)算基本信度

本文將各指標(biāo)量作為互相獨(dú)立的證據(jù)，并將聯(lián)系度的數(shù)值結(jié)果作為證據(jù)理論的基本信度分配(basic probability assignment，BPA)，這種定義證據(jù)及BPA的計(jì)算函數(shù)稱為m函數(shù)，該函數(shù)滿足

(8)

式中：空集?代表不可能事件；B為識(shí)別框架Θ的子集。

同時(shí)，為了區(qū)別證據(jù)間的可信度，引入可信度系數(shù)λi，其數(shù)值越大表明證據(jù)可信度越高，定義如下：

(9)

λi=λωi/ωmax.

(10)

式中：λ為優(yōu)先可信度系數(shù)，本文取0.9；ωmax為權(quán)重ωi中的最大值，即ωmax=max{ω1，ω2，…，ωM}。

2.4.3 證據(jù)融合

為避免因證據(jù)沖突造成評(píng)估結(jié)果誤差，采用如下所示的信息融合方法：

(11)

(12)

式中：B1和B2均為識(shí)別框架Θ的子集；m1(B1)和m2(B2)分別為B1的BPA值(證據(jù)體1)和B2的BPA值(證據(jù)體2)，證據(jù)體1—6及其順序如式(7)所示；ψ為B1和B2相交的非空子集；K為衡量不同證據(jù)間沖突程度的系數(shù)。當(dāng)K接近無(wú)窮大，即數(shù)據(jù)高度沖突時(shí)，原有規(guī)則完全忽略了矛盾信息，不合常理，為此，本節(jié)提出了一種降低證據(jù)間沖突的預(yù)處理算法，如式(13)—(16)所示：

(13)

(14)

μ(xa,xb)=

(G(xa)+G(xb))/(Gab(xb)+Gba(xa)).(15)

(16)

式(13)—(16)中：Gab(xb)為以xb為自變量，所得的xa與xb之間的關(guān)聯(lián)度矩陣；Gba(xa)為以xa為自變量，所得的xb與xa之間的關(guān)聯(lián)度矩陣；G(xa)、G(xb)分別為以xa、xb為自變量所得的關(guān)聯(lián)度矩陣；xa、xb分別為某2種故障類型與不同的評(píng)估等級(jí)的關(guān)聯(lián)性證據(jù)集；Uej、Ufj分別為2種故障類型下的聯(lián)系度矩陣；μ(xa,xb)為xa與xb之間的聯(lián)系度；γ為中間參數(shù)；δ用于量化沖突程度。若0<δ<0.75，認(rèn)為傳統(tǒng)的證據(jù)理論仍然有效；若0.75<δ，則進(jìn)行修正，方法為：

(17)

1+γ(mi,n+1(Gn+1)-1).

(18)

(19)

1+γ(mi+1,n+1(Gn+1)-1).

(20)

(21)

2.4.4 評(píng)估決策

常用的決策策略分為最大隸屬度原則與信度準(zhǔn)則2種，前者容易在評(píng)估數(shù)值差距較小時(shí)判斷不準(zhǔn)確，后者容易在前一狀態(tài)等級(jí)接近置信水平時(shí)產(chǎn)生誤判。故本文采用兩者結(jié)合的方式，判定避雷器的運(yùn)行狀態(tài)等級(jí)。

a)判斷準(zhǔn)確性，其條件為

m(θ)<ε1.

(22)

若不確定度的BPA值m(θ)小于閾值ε1，表明結(jié)果是準(zhǔn)確的。本文取ε1為0.05。若不滿足式(22)，則說(shuō)明證據(jù)特征量不足，要選擇更多證據(jù)進(jìn)行融合。

b)用最大隸屬度原則判斷，其條件為

(23)

c)若不滿足式(23)的條件則繼續(xù)判斷，條件為

若評(píng)估等級(jí)L0的BPA值相加結(jié)果達(dá)到置信水平ε3時(shí)，認(rèn)為避雷器運(yùn)行狀態(tài)為L(zhǎng)0，本文取ε3為0.5。圖4為避雷器綜合評(píng)估的步驟。

W1—故障類型F1指標(biāo)量的組合權(quán)重矩陣；R1—故障類型F1指標(biāo)量的隸屬度矩陣；W4—故障類型F4指標(biāo)量的組合權(quán)重矩陣；R4—故障類型F4指標(biāo)量的隸屬度矩陣；θ1—故障類型F1的不確定度；θ4—故障類型F4的不確定度；m11—故障類型F1等級(jí)1的BPA值，m45—故障類型F4等級(jí)5的BPA值，其他BPA值mej以此類推。圖4 避雷器綜合評(píng)估框架Fig.4 Comprehensive assessment framework of arrestors

3 實(shí)例與分析

3.1 基于信息融合模型的理論分析

廣東省某變電站的110 kV母線上，某單相避雷器投運(yùn)時(shí)間為2011年12月，型號(hào)為YH10W-108/281W，其2016年12月的試驗(yàn)數(shù)據(jù)見表5—6。指標(biāo)量與狀態(tài)等級(jí)之間的隸屬度見表7。

表5 避雷器試驗(yàn)的定量數(shù)據(jù)
Tab.5 Quantitative data of arrestor tests

定量指標(biāo)xmmax xmmin xmxI194.2 kV190 kV90 kV0.042I2272 μA500 μA5 μA0.461I3868.4 μA1 mA500 μA0.263I4602.4 μA650 μA500 μA0.317I52.5 ℃5 ℃0.5 ℃0.556I610 GΩ40 GΩ5 MΩ0.250I85 a20 a00.750I108 pC50 pC00.840

表6 避雷器試驗(yàn)的定性數(shù)據(jù)
Tab.6 Qualitative data of arrestor tests

定性指標(biāo)語(yǔ)義描述xI7本體外絕緣未破損,硅橡膠憎水性良好0.8I9外套與法蘭連接螺栓有明顯的銹蝕0.1I111 min內(nèi)放電光斑數(shù)量為382個(gè)0.82I12位于Ⅲ級(jí)重污穢地區(qū),外絕緣最小公稱爬電比距為24.8 mm/kV0.35

表7 指標(biāo)與狀態(tài)等級(jí)的隸屬度
Tab.7 Membership degrees of indexes and condition grades

指標(biāo)rijL1L2L3L4L5I100001I20000.5370.463I30000.1070.893I4000.4140.5870I5000.2220.7780I60000.250.75I710000I80.20.8000I900001I1010000I1110000I120000.50.5

例如故障類型F1—F4，基于AHP法的主觀權(quán)重Ws={0.444，0.222，0.222，0.111}，基于熵權(quán)法的客觀權(quán)重Wb={0.301，0.247，0.247，0.206}。根據(jù)式(4)計(jì)算得到4種故障類型的主觀相對(duì)重要程度系數(shù)：α1=0.596，α2=0.474，α3=0.474，α4=0.351；計(jì)算得到4種故障類型的客觀相對(duì)重要程度系數(shù)：β1=0.404，β2=0.526，β3=0.526，β4=0.649；通過(guò)編程解得最優(yōu)組合權(quán)重集A={0.387，0.235，0.235，0.173}。評(píng)估指標(biāo)量的權(quán)重同理可得，具體數(shù)值見表8。聯(lián)系度的計(jì)算結(jié)果見表9。

表8 故障類型與指標(biāo)量的權(quán)重系數(shù)
Tab.8 Weight coefficients of fault types and indexes

故障類型權(quán)重求取方法權(quán)重計(jì)算結(jié)果集合F1AHP法{X11,X12,…,X19}={0.061,0.061,0.091,0.091,0.091,0.032,0.073,0.157,0.341}熵權(quán)法{X11,X12,…,X19}={0.097,0.021,0.026,0.081,0.062,0.154,0.138,0.267,0.154}組合權(quán)重法{X11,X12,…,X19}={0.078,0.042,0.060,0.086,0.077,0.091,0.105,0.211,0.250}F2AHP法{X21,X22,…,X26}={0.111,0.111,0.222,0.222,0.222,0.111}熵權(quán)法{X21,X22,…,X26}={0.219,0.047,0.060,0.184,0.140,0.350}組合權(quán)重法{X21,X22,…,X26}={0.161,0.082,0.147,0.204,0.184,0.222}F3AHP法{X31,X32,X33}={0.333,0.333,0.333}熵權(quán)法{X31,X32,X33}={0.479,0.156,0.365}組合權(quán)重法{X31,X32,X33}={0.403,0.249,0.349}F4AHP法{X41,X42}={0.750,0.250}熵權(quán)法{X41,X42}={0.500,0.500}組合權(quán)重法{X41,X42}={0.617,0.383}

表9 聯(lián)系度計(jì)算結(jié)果
Tab.9 Correlation calculation results

故障類型故障類型e與評(píng)估等級(jí)j之間的聯(lián)系度μejL1L2L3L4L5F10.1470.1690.0530.1620.469F20.16100.1250.3230.468F3000.1800.4600.360F40.617000.1970.197

由于故障類型權(quán)重集A={0.387，0.235，0.235，0.173}，故ωmax=0.387，由式(10)計(jì)算λi={0.900，0.548，0.548，0.402}，故BPA計(jì)算結(jié)果見表10。

表10 BPA計(jì)算結(jié)果Tab.10 BPA calculation results

根據(jù)式(11)—(12)，對(duì)表9數(shù)據(jù)進(jìn)行融合，可得：{P(L1)，P(L2)，P(L3)，P(L4)，P(L5)}={0.143，0.136，0.047，0.171，0.504}，m(θ)=0.010。因δ=0.812>0.75，需根據(jù)式(17)—(21)進(jìn)行修正，得{P(L1)，P(L2)，P(L3)，P(L4)，P(L5)}={0.149，0.123，0.052，0.184，0.492}，m(θ)=0.012符合式(22)的判斷標(biāo)準(zhǔn)，結(jié)果是準(zhǔn)確的。根據(jù)式(23)可判斷此避雷器運(yùn)行狀態(tài)屬于等級(jí)L5，即處于劣化嚴(yán)重狀態(tài)，需要立刻進(jìn)行檢修。進(jìn)一步從表7可以看出，參考電壓U1mA和外套與法蘭結(jié)合情況劣化度較高，應(yīng)安排針對(duì)性檢查。

在表9中，就5個(gè)狀態(tài)等級(jí)而言，μ15與μ25數(shù)值是最高的，且僅相差0.192%，若此時(shí)用最大隸屬度原則判斷狀態(tài)極易產(chǎn)生誤判；而經(jīng)過(guò)改進(jìn)證據(jù)理論的融合，根據(jù)表10，可知m15與m25間的數(shù)值相差39.37%，符合最大隸屬度的判斷原則，表明最有可能發(fā)生的故障是內(nèi)部受潮(F1)。因此，改進(jìn)的證據(jù)理論能充分挖掘證據(jù)的隱含信息，區(qū)分不確定性較強(qiáng)的數(shù)據(jù)。

3.2 避雷器解體驗(yàn)證

為進(jìn)一步了解避雷器缺陷的具體情況，選擇該相避雷器進(jìn)行解體實(shí)驗(yàn)。首先將避雷器本體頂端金屬帽拆開，發(fā)現(xiàn)金屬帽靠避雷器面布滿白色受潮痕跡，其上面的4個(gè)螺孔內(nèi)也同樣有白色受潮痕跡，如圖5所示。割開表皮層，露出金屬氧化鋅閥片，發(fā)現(xiàn)閥片表面有凝結(jié)水珠，擦干水珠后，閥片表面存在氧化鋅受潮后產(chǎn)生的黑色痕跡，可知閥片已嚴(yán)重受潮，如圖6所示。

圖5 金屬帽的白色受潮痕跡Fig.5 White moisture traces of metal caps

圖6 閥片表面黑色痕跡Fig.6 Black traces on the valve surface

對(duì)避雷器的解體情況進(jìn)行分析，發(fā)現(xiàn)鉆制的螺孔有白色受潮痕跡，致使法蘭和外套連接不緊密，螺孔接觸到下面的避雷器本體，且未發(fā)現(xiàn)有足夠的密封層，存在水分潮氣從螺孔的間隙滲透進(jìn)入避雷器本體的通道。綜合帶電測(cè)試、停電預(yù)試、設(shè)備解體的數(shù)據(jù)，分析認(rèn)為該避雷器法蘭和外套連接不緊密，密封措施不足，導(dǎo)致此次避雷器受潮。此結(jié)論與計(jì)算得出的結(jié)論(內(nèi)部受潮故障導(dǎo)致避雷器處于高風(fēng)險(xiǎn)狀態(tài))是一致的，驗(yàn)證了本文計(jì)算模型的正確性。

4 結(jié)束語(yǔ)

本文提出的避雷器狀態(tài)評(píng)估模型融合了在線監(jiān)測(cè)、帶電測(cè)試、停電檢修、現(xiàn)場(chǎng)巡檢等多源異構(gòu)數(shù)據(jù)，具有創(chuàng)新性，有利于全面評(píng)估設(shè)備狀態(tài)。

采用最優(yōu)組合法計(jì)算指標(biāo)量權(quán)重，不但綜合考慮了主客觀因素，而且解決了權(quán)重系數(shù)易受單一賦權(quán)方法影響而造成偏倚的不足，使得評(píng)估結(jié)果更加準(zhǔn)確。

算例表明，改進(jìn)證據(jù)理論能夠降低證據(jù)間沖突，融合更多不確定信息，有利于準(zhǔn)確判斷避雷器運(yùn)行狀態(tài)；同時(shí)，改進(jìn)證據(jù)理論能夠區(qū)分聯(lián)系度相近的信息，有利于準(zhǔn)確判斷避雷器故障類型。

通過(guò)避雷器解體分析與理論評(píng)估結(jié)果對(duì)比，證明了本文提出的基于云理論和改進(jìn)證據(jù)理論的避雷器評(píng)估模型的準(zhǔn)確性，此評(píng)估體系可為避雷器的狀態(tài)檢修提供理論支持。