高速鐵路牽引變電所健康狀態(tài)評估

趙峰，陳子文，陳小強，王英

高速鐵路牽引變電所健康狀態(tài)評估

趙峰，陳子文，陳小強，王英

(蘭州交通大學 自動化與電氣工程學院，甘肅 蘭州 730070)

為了全面監(jiān)測并評估高速鐵路牽引變電所的健康狀態(tài)，提出一種基于模糊灰色聚類與組合賦權(quán)相結(jié)合的健康狀態(tài)評估方法，并將其應用到牽引變電所健康狀態(tài)評估中。利用熵權(quán)法與層次分析法確定牽引變電所關(guān)鍵設備指標的權(quán)重；通過組合賦權(quán)法對指標權(quán)重進行組合；利用灰色聚類系數(shù)表示各設備的健康狀態(tài)。在此基礎上，采用模糊評判法實現(xiàn)對牽引變電所健康狀態(tài)的評估。以西北某牽引變電所為例進行分析，健康狀態(tài)評估結(jié)果為較好，與實際檢測結(jié)果一致。研究結(jié)果表明：所提出的方法適用于牽引變電所的分層模型，能有效實現(xiàn)牽引變電所的健康狀態(tài)評估，為智能牽引變電所的發(fā)展提供理論依據(jù)。

牽引變電所；模糊灰色聚類；組合賦權(quán)；健康狀態(tài)

高鐵牽引供電系統(tǒng)作為電力機車能量的直接來源，能否保持安全可靠運行是保障整個高速鐵路安全運營的前提。牽引變電所是高鐵牽引供電系統(tǒng)中的重要組成部分，其一次設備主要由高壓帶電設備組成。為了滿足高鐵供電的需求，牽引變電所都是沿線布置，有時候不便于人工進行巡檢，牽引變電所一次設備在長期使用的過程中難免會出現(xiàn)性能下降的問題，嚴重時甚至會發(fā)生故障。因此，及時準確地掌握牽引變電所設備的運行狀況，適時對其健康狀態(tài)進行評估，對于保障高鐵運行安全，合理規(guī)劃牽引變電所檢修周期以及推進智能牽引變電所的建設均具有重要意義。目前，針對牽引變電所健康狀態(tài)評估的研究較少，相關(guān)研究主要集中于地鐵牽引供電系統(tǒng)以及接觸網(wǎng)等設備的健康狀態(tài)評估上。王玘等[1]基于多層免疫原理，利用模糊統(tǒng)計實現(xiàn)了地鐵牽引供電系統(tǒng)的健康狀態(tài)評估；程宏波等[2]建立了高鐵牽引供電系統(tǒng)多層免疫模型，對高鐵牽引供電系統(tǒng)進行了健康監(jiān)測與定性評估；王思華等[3]利用綜合評估方法實現(xiàn)了牽引變電所的風險評估，但僅僅停留在定性分析上；程宏波等[4]利用模糊狀態(tài)評估法建立了接觸網(wǎng)健康狀態(tài)評估模型，采用熵權(quán)法確定了接觸網(wǎng)不同指標的權(quán)重，實現(xiàn)了對接觸網(wǎng)健康狀態(tài)的評估；劉仕兵等[5]運用灰色聚類與組合賦權(quán)法構(gòu)建了接觸網(wǎng)健康狀態(tài)模型，利用組合賦權(quán)法確定權(quán)重彌補了主觀賦權(quán)法與客觀賦權(quán)法的不足，使得評估結(jié)果更加合理。為了實現(xiàn)牽引變電所的健康狀態(tài)評估，本文采用模糊灰色聚類與組合賦權(quán)法相結(jié)合的方法。模糊灰色聚類可以綜合考慮多種因素，從而解決牽引變電所設備之間關(guān)系隨機不確定的問題；組合賦權(quán)法則降低了權(quán)重確定過程中，主觀人為因素的影響，同時也避免了單純依賴檢測數(shù)據(jù)導致的誤差，使得評估結(jié)果更加科學合理。

1 模糊灰色聚類與組合賦權(quán)法

1.1 模糊灰色聚類

模糊灰色聚類法是將模糊綜合評判法與灰色聚類法相結(jié)合，形成的一種新的健康狀態(tài)評估方法[5]。在對復雜系統(tǒng)進行健康狀態(tài)評估時，為了簡化分析的過程，通常采取對其進行分級評估的策略，首先將復雜系統(tǒng)劃分為多個單元或子系統(tǒng)，然后利用灰色聚類法對單元或子系統(tǒng)進行健康狀態(tài)評估，稱為1級評估，最后結(jié)合1級評估的結(jié)果，采用模糊綜合評判公式=·{1,2,3,4,5}實現(xiàn)整個系統(tǒng)的健康狀態(tài)評估，稱為2級評估，其中為各設備的權(quán)重，為各設備1級評估結(jié)果。模糊灰色聚類法通過將2種評估方法結(jié)合，既彌補了模糊評判法忽略客觀檢測數(shù)據(jù)的缺點，又彌補了灰色聚類法無法體現(xiàn)評估對象模糊性的缺點，使健康狀態(tài)評估結(jié)果更加合理。

1.2 組合賦權(quán)法

指標的權(quán)重表示其運行狀態(tài)對整個系統(tǒng)健康狀態(tài)的支持度。目前常用的確定權(quán)重的方法主要有主觀賦權(quán)法與客觀賦權(quán)法，其中主觀賦權(quán)法主要根據(jù)專家經(jīng)驗以及現(xiàn)場實際情況給出判斷，該方法雖然可以借鑒專家豐富的經(jīng)驗，但容易受人為主觀因素的影響；客觀賦權(quán)法則是依賴于現(xiàn)場檢測數(shù)據(jù)，雖然具有客觀性，但數(shù)據(jù)測量過程中難免存在誤差，因此該方法容易受誤差的影響[6]。組合賦權(quán)法通過將2種方法進行組合，很好地結(jié)合了2種方法的優(yōu)點，同時彌補了2種方法的不足，使權(quán)重確定結(jié)果兼顧主觀與客觀性。

1.2.1 層次分析法

層次分析法是最常用的主觀賦權(quán)法[7]，根據(jù)各個指標在系統(tǒng)中的重要度對其進行權(quán)重分配，其權(quán)重確定的主要步驟為：

步驟1 確定評估指標。首先根據(jù)評估對象的系統(tǒng)結(jié)構(gòu)和特點，確定系統(tǒng)的評估指標。

步驟2 構(gòu)造比較矩陣。假設待評估對象有個評估指標，根據(jù)指標之間的重要度對其進行兩兩比較，構(gòu)造出一個階的比較矩陣，表1為指標間常用的重要度確定法則。

表1 指標重要度賦值法則

步驟3 檢驗比較矩陣的一致性。通常構(gòu)造出的矩陣是不滿足要求的，可能使重要度的分配存在違反常理的情況，因此需要對其進行一致性檢驗，比較矩陣的一致性檢驗公式為：

式中：為比較矩陣的隨機一致性比率；為比較矩陣的一致性指標，可以通過公式=(max?)/ (?1)獲得；為比較矩陣的平均隨機一致性指標，可以通過查閱表2獲得。當＜0.1時證明比較矩陣滿足一致性檢驗，進行步驟4，否則需要重新構(gòu)造比較矩陣，直至滿足一致性檢驗。

表2 平均隨機一致性指標取值

步驟4 計算權(quán)重。當比較矩陣滿足一致性檢驗后，可以通過公式*=max獲得指標的權(quán)重，其中，max為比較矩陣的最大特征根，為max的特征向量。

層次分析法在進行比較矩陣的構(gòu)造時需要依賴專家經(jīng)驗進行確定，受人為主觀因素影響較大。

1.2.2 熵權(quán)法

熵權(quán)法是最常用的一種客觀賦權(quán)法[8]，該方法根據(jù)指標的信息熵確定其權(quán)重，熵權(quán)法確定權(quán)重的主要分析步驟如下：

步驟1 指標歸一化。由于各個指標參數(shù)與量綱通常是不同的，無法直接進行比較，因此，需要對其進行歸一化處理使其變?yōu)闊o量綱的值，常用的歸一化公式為：

步驟2 計算指標信息熵。第個指標的信息熵可以通過下式進行求解：

步驟3 確定指標權(quán)重。求得指標的信息熵后可以確定指標相應的權(quán)重，第個指標的權(quán)重為：

熵權(quán)法根據(jù)指標檢測數(shù)據(jù)進行權(quán)重分配，具有客觀性，但無法區(qū)分指標之間的重要度，而且數(shù)據(jù)的測量難免會存在誤差，會使評估結(jié)果出現(xiàn)誤差。

為了使權(quán)重分配結(jié)果更加科學合理，通過組合賦權(quán)法將層次分析法與熵權(quán)法對指標權(quán)重的分配結(jié)果進行組合，使權(quán)重分配結(jié)果綜合考慮主客觀的影響。假定為將上述2種賦權(quán)法綜合考慮進行組合后的指標權(quán)重，則：

=1+(1?)2(5)

式中：1為熵權(quán)法確定的指標權(quán)重；2為層次分析法確定的指標權(quán)重；是熵權(quán)法在組合權(quán)重中的比例，一般取0.4。

2 牽引變電所健康狀態(tài)評估模型的建立

2.1 牽引變電所評估指標的確定

對牽引變電所進行健康狀態(tài)評估，首先需要確定評估指標。科學合理的評估指標是健康狀態(tài)評估的重要依據(jù)，因此，針對牽引變電所健康狀態(tài)評估的指標必須科學全面地反映牽引變電所的健康狀態(tài)。根據(jù)西北地區(qū)某牽引變電所的電氣主接線，依據(jù)《牽引變電所運行檢修規(guī)程》[9]以及文獻[6]選取牽引變電所關(guān)鍵設備，構(gòu)建牽引變電所健康評估的遞階層次模型，如圖1所示。

圖1中第1層是目標層，代表整個牽引變電所的健康狀態(tài)；第2層是元件層，代表牽引變電所內(nèi)設備的健康狀態(tài)；第3層為指標層，代表相關(guān)設備的評估指標。從指標層向上進行健康狀態(tài)評估，直至最終實現(xiàn)牽引變電所的健康狀態(tài)評估。

2.2 牽引變電所健康狀態(tài)等級劃分

為了更直觀地反映牽引變電所的實際運行情況，體現(xiàn)牽引變電所不同程度的健康狀態(tài)，參考文獻[6]根據(jù)歷史經(jīng)驗將牽引變電所健康狀態(tài)劃分為5個等級，具體描述如下：

1) 好。表示牽引變電所的所有設備的指標參數(shù)均位于最優(yōu)值附近，該狀態(tài)下牽引變電所運行狀態(tài)良好，發(fā)生故障的可能性較低，處于最佳運行狀態(tài)。

2) 較好。表示牽引變電所各項設備的指標參數(shù)略有下降，但仍能保證正常運行。

3) 一般。表示牽引變電所各項設備的指標參數(shù)出現(xiàn)問題，該狀態(tài)下牽引變電所運行狀態(tài)一般，可以滿足正常運行，但是存在發(fā)生故障的可能性。

4) 較差。表示牽引變電所各項設備的指標參數(shù)出現(xiàn)明顯下降的趨勢，該狀態(tài)下存在較多的安全隱患問題，需要安排工作人員對其進行維護。

5) 差。表示牽引變電所各項設備的指標出現(xiàn)惡化，該狀態(tài)下牽引變電所將要或者已經(jīng)發(fā)生故障，需要立即進行檢修維護，提高其可靠性。

圖1 牽引變電所分層分析模型

2.3 灰色聚類白化權(quán)函數(shù)的構(gòu)造

3 實例分析

3.1 確定牽引變電所評估指標

根據(jù)西北地區(qū)某牽引變電所3個時間段的檢測數(shù)據(jù)，對其進行健康狀態(tài)評估。依據(jù)前文建立的牽引變電所健康評估的遞階層次模型，選取15個評估指標。母線A：絕緣子A1，工作溫度A2，機械損傷A3；牽引變壓器B：變壓器油溫B1，溶解氣體成分B2，絕緣電阻B3，介質(zhì)損耗角B4，工作溫度B5；斷路器C：觸頭位移C1，SF6泄漏率C2，開斷時間C3，絕緣電阻C4；饋出線D：電纜溫度D1，絕緣電阻D2，機械損傷D3。

3.2 指標檢測數(shù)據(jù)歸一化處理

由于牽引變電所中高壓帶電設備較多，監(jiān)測的參數(shù)因設備的不同導致差別很大。能體現(xiàn)牽引變電所健康狀態(tài)的指標類型以及量綱都不統(tǒng)一，為了便于對其評估，需要將量綱數(shù)據(jù)轉(zhuǎn)化為無量綱數(shù)據(jù)，因此需要利用式2根據(jù)設備檢測的數(shù)據(jù)與設備的標準閾值進行比較，實現(xiàn)對檢測數(shù)據(jù)的歸一化處理。歸一化后的數(shù)據(jù)如表3所示。

表3 牽引變電所各設備的指標規(guī)范化數(shù)據(jù)

3.3 確定指標權(quán)重

3.3.1 層次分析法確定主觀權(quán)重

依據(jù)前文所述層次分析法的步驟，以牽引變壓器為例進行權(quán)重的確定，首先根據(jù)牽引變壓器相關(guān)指標對于其健康狀態(tài)的重要度兩兩進行比較，構(gòu)造比較矩陣。

3.3.2 熵權(quán)法確定客觀權(quán)重

3.3.3 基于組合賦權(quán)法的權(quán)重確定

針對2種確定權(quán)重法的不足，利用式(5)對2種權(quán)重結(jié)果進行組合，可以得到牽引變電所4個主要設備指標的權(quán)重為：A={0.469 7，0.157 9，0.372 4}，B={0.383 0，0.231 6，0.207 9，0.115 5，0.062 0}，C={0.508 9，0.172 8，0.164 6，0.153 7}，D= {0.121 2，0.584 9，0.293 9}。

組合賦權(quán)法確定的權(quán)重介于2種方法確定的權(quán)重之間，避免了單一權(quán)重確定方法帶來的誤差。

將4個主要設備的指標組合權(quán)重代入式(6)白化權(quán)函數(shù)中，可以求得各元件層的灰色聚類系數(shù)(即健康等級隸屬度)[12]，如表4所示。

表4 牽引變電所各設備健康狀態(tài)評估結(jié)果

對牽引變電所進行健康狀態(tài)評估時，可以利用模糊綜合評判公式=·{1,2,3,4,5}進行求取，其中為各設備的灰色聚類評估結(jié)果，為利用組合賦權(quán)法求出的各設備權(quán)重，“·”為模糊評判算子，常用的模糊評判算子有5種，其中加權(quán)平均型模糊算子(+,⊕)可以綜合考慮各因素的影響，評估結(jié)果更加科學合理，因此，采用加權(quán)平均型模糊算子對牽引變電所的健康狀態(tài)進行評估，結(jié)果如表5所示。

表5 牽引變電所健康狀態(tài)綜合評估結(jié)果

由表4與表5評估結(jié)果可知，牽引變電所及所內(nèi)關(guān)鍵設備母線、牽引變壓器、斷路器、饋出線的健康狀態(tài)等級均為較好，牽引變電所關(guān)鍵設備檢修周期為1~2 a，評估結(jié)果與根據(jù)實際檢測數(shù)據(jù)反應的牽引變電所運行狀況相符。根據(jù)評估結(jié)果可知該牽引變電所無需檢修，或者檢修計劃可以適當延期，其中饋出線處于健康狀態(tài)較差等級的權(quán)重為0.025 8，繼續(xù)長時間運行存在一定的安全隱患，需要格外注意饋出線的狀態(tài)，提前制定檢修方案。

4 結(jié)論

1) 以西北某地區(qū)牽引變電所運行情況為例，證明本文所提出的基于模糊灰色聚類與組合賦權(quán)法相結(jié)合的牽引變電所健康狀態(tài)評估方法是科學有效的。

2) 在確定權(quán)重時采用組合賦權(quán)法，彌補了主觀賦權(quán)法中人為因素導致的不足以及單純依靠客觀賦權(quán)法導致的誤差過大的缺點。

3) 所提出的方法適用于牽引變電所健康狀態(tài)的評估，具有較好的實用價值，對于推進智能牽引變電所的建設具有重要意義。

[1] 王玘, 何正友, 程宏波, 等. 基于多層免疫原理與模糊統(tǒng)計的地鐵牽引供電系統(tǒng)健康評估方法[J]. 鐵道學報, 2015, 37(12): 31?39. WANG Qi, HE Zhengyou, CHENG Hongbo, et al. Health assessment method for metro traction power supply system based on multilayer immune principle and fuzzy statistics[J]. Journal of the China Railway Society, 2015, 37(12): 31?39.

[2] 程宏波, 何正友, 母秀清. 基于多層免疫模型的高鐵牽引供電系統(tǒng)健康監(jiān)測與評估[J]. 電網(wǎng)技術(shù),2012, 36(9): 95?101. CHENG Hongbo, HE Zhengyou, MU Xiuqing. Health monitoring and evaluation of traction power supply system for high speed railway based on multilayer immune model[J]. Power System Technology, 2012, 36(9): 95?101.

[3] 王思華, 吳健. 高鐵牽引變電所風險模糊綜合評估方法研究[J]. 鐵道科學與工程學報, 2017, 14(8): 1589? 1596. WANG Sihua, WU Jian. Fuzzy comprehensive evaluation method of high-speed railway traction substation risk assessment research[J]. Journal of Railway Science and Engineering, 2017, 14(8): 1589?1596.

[4] 程宏波, 何正友, 胡海濤, 等. 高鐵接觸網(wǎng)健康狀態(tài)的熵權(quán)多信息綜合評估[J]. 鐵道學報, 2014, 36(3): 19?24. CHENG Hongbo, HE Zhengyou, HU Haitao, et al. Comprehensive evaluation of health status of high-speed railway catenaries based on entropy weight[J] Journal of the China Railway Society, 2014, 36(3): 19?24.

[5] 劉仕兵, 朱雪龍, 張艷偉, 等. 基于灰色聚類和組合賦權(quán)法的高速鐵路接觸網(wǎng)健康狀態(tài)評估研究[J]. 鐵道學報, 2016, 38(7): 57?63. LIU Shibing, ZHU Xuelong, ZHANG Yanwei, et al. Research on health status of high-speed railway catenaries based on gray clustering and combination assigning method[J]. Journal of the China Railway Society, 2016, 38(7): 57?63.

[6] 何正友. 復雜系統(tǒng)可靠性分析在軌道交通供電系統(tǒng)中的應用[M]. 北京: 科學出版社, 2015: 224?244. HE Zhengyou. Complex system reliability analysis and application in rail transit power supply system[M]. Beijing: Science Press, 2015: 224?244.

[7] Vaidyaab O S. Analytic hierarchy process: An overview of applications[J]. European Journal of Operational Research, 2006, 169(1): 1?29.

[8] CHENG Q Y. Structure entropy weight method to confirm the weight of evaluating index[J]. Systems Engineering Theory & Practice, 2010, 30(7): 1225?1228.

[9] 中華人民共和國鐵道部. 牽引變電所運行檢修規(guī)程[M]. 中國鐵道出版社, 2015. Ministry of Railways of the People’s Republic of China. Maintenance regulations for operation of traction substation[M]. Beijing: China Railway Press, 2015.

[10] Kwiesielewicz M. A note on the fuzzy extension of Saaty’s priority theory[J]. Fuzzy Sets & Systems, 1998, 95(2): 161?172.

[11] Giachetti R E, Young R E. A parameteric representation of fuzzy numbers and their arithmetic operators[J]. Fuzzy Sets & Systems, 1997, 91(2): 185?202.

[12] 胡龍萍, 徐曉鳳. 基于灰色聚類的汽車健康狀態(tài)評估[J]. 計算機技術(shù)與發(fā)展, 2014, 24(10): 216?220. HU Longping, XU Xiaofeng. Automobile health status assessment based on gray clustering[J]. Computer Technology and Development, 2014, 24(10): 216?220.

Assessment of health status of high speed railway traction substation

ZHAO Feng, CHEN Ziwen, CHEN Xiaoqiang, WANG Ying

(School of Automation and Electrical Engineering, Lanzhou Jiaotong University, Lanzhou730070, China)

In order to comprehensively monitor and assess the health status of high-speed railway traction substation, a health status assessment method based on fuzzy grey clustering and combined weighting was proposed, and it was applied to the health status assessment of traction substation. Firstly, entropy weight method and analytic hierarchy process were used to determine the weight of key equipment indexes of traction substation. Secondly, the index weights were obtained by using the combined weighting method, and then the grey clustering coefficient was used for expressing the health status of each equipment. Finally, the fuzzy comprehensive evaluation method was used to evaluate the health state of traction substation. Taking a traction substation in northwest China as an example for analysis, the results of health status assessment were good and consistent with the actual test results. The research shows that the proposed method is applicable to the hierarchical model of traction substation, which can effectively realize the health evaluation of traction substation and provide theoretical basis for the development of intelligent traction substation.

traction substation; fuzzy grey clustering; combination weighting; health status

TM922.3

A

1672 ? 7029(2019)09? 2162 ? 06

10.19713/j.cnki.43?1423/u.2019.09.005

2018?12?05

國家自然科學基金地區(qū)資助項目(51767013)；甘肅省科技廳自然科學基金資助項目(18JR3RA111)；中國鐵路總公司科技研究開發(fā)計劃資助項目(2017J012-A)

趙峰(1966?)，男，上海人，教授，從事鐵道電氣化與自動化、電能質(zhì)量分析及控制方面的研究；E?mail：zhaofeng818@163.com

(編輯 蔣學東)