基于灰色關(guān)聯(lián)的弱電設(shè)備線路故障智能檢修方法研究

倪旭明

(國網(wǎng)金華供電公司，浙江 金華 321001)

0 引 言

智能電網(wǎng)中的弱電設(shè)備在整個電網(wǎng)結(jié)構(gòu)匯總中起到了保護電網(wǎng)與設(shè)備安全的重要作用。智能電網(wǎng)與傳統(tǒng)電網(wǎng)在技術(shù)方面具有本質(zhì)上的差異[1-2]。為了保證智能電網(wǎng)運行中的穩(wěn)定性與安全性，本文對弱電設(shè)備線路故障檢修方法進行了研究。

提高弱電設(shè)備的可靠性是智能電網(wǎng)運行安全研究的一個重要課題?？茖W有效的智能檢修方法有助于提升弱電設(shè)備的安全性，大量的專家學者提出了對應的檢修方法，希望能在以往研究的基礎(chǔ)上，提高檢修效果，實現(xiàn)弱電設(shè)備的有效應用。通過大量的文獻研究發(fā)現(xiàn)，當前使用的故障檢修方法并未達到人們預期的效果。文獻[3]中提出了一種利用廣義變比建立了故障診斷模型，對極性故障進行分析的方法，此種方法可以很好地對設(shè)備回路展開研究，但是運算過程過于緩慢。文獻[4]中提出了一種以可靠性框圖法為基礎(chǔ)的故障率模型，此模型對于檢修周期的依賴性過大，使用中具有一定的局限性。針對現(xiàn)有檢修方法中存在的問題，本文設(shè)計了一種新的故障智能檢修方法。通過模糊C均值算法進行線路故障的聚類分析，基于灰色關(guān)聯(lián)系數(shù)進行故障診斷，構(gòu)建智能檢修模型。

1 基于灰色關(guān)聯(lián)的弱電設(shè)備線路故障智能檢修方法設(shè)計

1.1 線路故障聚類分析

為了避免出現(xiàn)傳統(tǒng)方法的問題，首先確定設(shè)備線路故障標準順序。使用模糊C均值算法[5]確定故障類型，為后續(xù)的故障診斷及檢修提供基礎(chǔ)。

聚類過程中數(shù)據(jù)的隸屬度aij可表示為：

(1)

式中：C為S的子集合個數(shù)，S為可獲取到的設(shè)備數(shù)據(jù)集合。

故障分類目標函數(shù)設(shè)定如式(2)所示。

(2)

(3)

根據(jù)拉格朗日算法[6]，將約束條件與式(3)結(jié)合，則有：

(4)

由此可以得到：

(5)

(6)

進行迭代計算，直到達到終止條件，得到目標函數(shù)的最小值。由于矩陣A具有獨立性，則有：

(7)

根據(jù)式(7)，得到故障標準順序處理過程的約束條件，具體如式(8)所示。

(8)

通過式(8)完成故障標準處理過程，并根據(jù)此結(jié)果得到后續(xù)檢修過程的數(shù)據(jù)基礎(chǔ)。

1.2 設(shè)備線路故障診斷

根據(jù)聚類分析中得到的數(shù)據(jù)基礎(chǔ)，構(gòu)建線路故障診斷模型。本文使用灰色關(guān)聯(lián)系數(shù)作為模型構(gòu)建的基礎(chǔ)。為提升故障診斷的可靠性，將模型構(gòu)建為賦權(quán)關(guān)聯(lián)度模型，具體模型結(jié)構(gòu)如式(9)所示。

(9)

式中:a0(k)為初始時刻樣本數(shù)據(jù)的距離平方和。為了獲取有效的加權(quán)系數(shù)，則原始數(shù)據(jù)矩陣可表示為：

B=[bij]m×n

(10)

式中:u為設(shè)備電路的模式種類;bij為第i種故障模式中的第j項指標的數(shù)據(jù)。對式(10)進行初始化處理，得到對應的矩陣F。則F可表示為：

F=[fij]m×n

(11)

式中:fij為設(shè)備電路的初始電流。根據(jù)式(11)計算故障模式的比重Y，則有：

(12)

由此可得到數(shù)據(jù)第j項的信息熵Lj，具體公式如式(13)所示。

(13)

根據(jù)式(13)，計算第j項的變化程度，并對其變化程度系數(shù)進行定義，具體公式如式(14)所示。

Vi=1-Lj

(14)

由式(14)可得到模型計算過程中對應的加權(quán)系數(shù)χi，具體計算過程如式(15)所示。

(15)

將計算得到的加權(quán)系數(shù)應用到構(gòu)建的診斷模型中，以此完成弱電設(shè)備故障的診斷工作。

1.3 設(shè)備線路保護檢修

根據(jù)故障診斷結(jié)果，構(gòu)建弱電設(shè)備線路保護檢修模型。本文使用分布函數(shù)完成此部分處理過程。根據(jù)Weibull分布函數(shù)[7-8]得到設(shè)備運行狀態(tài)，具體模型如式(16)所示。

(16)

式中:γ為狀態(tài)參數(shù)；κ為故障尺度參數(shù)；t為時間。在此模型的使用過程中，狀態(tài)參數(shù)與故障尺度參數(shù)函數(shù)的取值結(jié)果較為重要，假設(shè)在模型中具有兩組故障信息ηk以及ηj，則有：

(17)

式中:k與j分別為兩組故障信息的數(shù)據(jù)量，根據(jù)式(18)，進行分解計算[9-10]，具體過程如式(18)所示。

(18)

式中:η為設(shè)備故障率;x為故障位置。根據(jù)式(18)可得到故障段的初始位置，具體公式如式(19)所示。

(19)

確定弱電設(shè)備線路故障的具體位置，并根據(jù)此結(jié)果進行檢修。至此，基于灰色關(guān)聯(lián)的弱電設(shè)備線路故障智能檢修方法設(shè)計完成。

2 試驗分析

2.1 試驗環(huán)境

本文完成了基于灰色關(guān)聯(lián)的弱電設(shè)備線路故障智能檢修方法的設(shè)計。為驗證此方法具有使用價值，構(gòu)建試驗環(huán)節(jié)對其使用效果加以分析。為提升結(jié)果對比度，使用文獻[3]方法與文獻[4]方法與灰色關(guān)聯(lián)方法進行對比，以此確定灰色關(guān)聯(lián)方法可有效彌補現(xiàn)有方法中的不足。為保證試驗過程中變量的單一性，將主要涉及的設(shè)備參數(shù)設(shè)定如表1所示。

表1 弱電設(shè)備參數(shù)

使用表1參數(shù)完成弱電裝置的組裝工作，使用灰色關(guān)聯(lián)方法、文獻[3]方法與文獻[4]方法對其進行檢修，對比三種方法的使用區(qū)別。

2.2 試驗條件

在本次試驗過程中，將試驗指標設(shè)定為三部分，通過3組指標對灰色關(guān)聯(lián)方法與文獻[3]方法、文獻[4]方法進行綜合分析。根據(jù)文獻研究結(jié)果，將試驗對比指標設(shè)定為故障類別識別效果、故障點診斷效果以及故障診斷誤判率。在本次試驗中，將表2中的5類線路故障作為對照對象，使用灰色關(guān)聯(lián)方法、文獻[3]方法與文獻[4]方法對目標線路進行檢測，并預設(shè)本次試驗中，每個指標共進行5次試驗過程，獲取試驗結(jié)果，分析灰色關(guān)聯(lián)方法、文獻[3]方法與文獻[4]方法的故障識別效果進行對照分析，結(jié)果如表2所示。

表2 線路故障類型預設(shè)結(jié)果

2.3 試驗結(jié)果

根據(jù)圖1試驗結(jié)果可知，灰色關(guān)聯(lián)方法對于故障類型的識別誤差較低，均在3%以下，而文獻[3]與文獻[4]方法故障類型的識別誤差較高，最高可達6.5%，這是由于灰色關(guān)聯(lián)方法使用了模糊C均值聚類算法進行故障的識別，該算法優(yōu)化了目標函數(shù)，以此獲取樣本到類別中心的隸屬度，提高了識別故障類型的準確度。

圖1 故障類別識別效果

如圖2所示，本次試驗過程中，故障類別識別效果具體體現(xiàn)為故障識別誤差。通過對此指標的研究可以發(fā)現(xiàn)，灰色關(guān)聯(lián)方法的識別誤差較低且識別結(jié)果較為穩(wěn)定，在多次試驗過程中，沒有出現(xiàn)故障種類變化的情況。文獻[3]方法與文獻[4]方法的類別識別率誤差較高，識別結(jié)果波動性較大，多次出現(xiàn)類別變換的情況，可見此種方法具有不穩(wěn)定性。綜合試驗結(jié)果可知，就故障類別識別指標而言，灰色關(guān)聯(lián)方法的使用效果優(yōu)于文獻[3]方法與文獻[4]方法。在后續(xù)的研究中，應對文獻[3]方法與文獻[4]方法的此部分性能展開優(yōu)化，以提升文獻[3]方法與文獻[4]方法的使用穩(wěn)定性。

圖2 故障點診斷效果

對圖2進行分析可以看出，灰色關(guān)聯(lián)方法的故障點診斷效果相對較好，可以對故障點進行精準識別，確定故障發(fā)生的位置。文獻[3]方法與文獻[4]方法與其相比使用效果較差，僅能得到故障發(fā)生的區(qū)段位置，不能對其進行精準地識別。同時，對診斷速度進行對比也可以看出，灰色關(guān)聯(lián)方法的診斷速度相對較高，文獻[3]方法與文獻[4]方法的診斷速度較低。當應用到實際電網(wǎng)中時，灰色關(guān)聯(lián)方法的優(yōu)越性將會更加突出。綜合試驗結(jié)果可以確定，灰色關(guān)聯(lián)方法的使用效果優(yōu)于文獻[3]方法與文獻[4]方法。

根據(jù)圖3可知，在故障診斷誤判率指標對比過程中，灰色關(guān)聯(lián)方法的試驗結(jié)果明顯優(yōu)于文獻[3]方法與文獻[4]方法。在對預設(shè)的5種故障展開判斷時，灰色關(guān)聯(lián)方法可以在最短的時間內(nèi)完成診斷工作并對此故障進行維修。文獻[3]方法與文獻[4]方法在對預設(shè)故障進行診斷時，耗時相對較差且誤判率較高。對試驗結(jié)果進行分析后可知，灰色關(guān)聯(lián)方法的診斷精度相對較高，使用此方法可得到更加真實準確的故障判定結(jié)果。

圖3 故障診斷誤判率

將故障類別識別效果、故障點診斷效果以及故障診斷誤判率試驗結(jié)果進行分析可知，灰色關(guān)聯(lián)方法的使用效果優(yōu)于文獻[3]方法與文獻[4]方法。

3 結(jié)束語

在電力系統(tǒng)中，弱電設(shè)備電路是一個重要的組成部分，其工作狀態(tài)直接影響著智能電網(wǎng)的運行情況。目前，弱電設(shè)備檢修方法使用效果較差。因此，本文設(shè)計出一種更加先進的檢修方法。經(jīng)試驗驗證可知此方法的使用效果優(yōu)于傳統(tǒng)方法，在日后的研究中可將此方法作為弱電設(shè)備日常維護的主要方法，推動智能電網(wǎng)的普及與發(fā)展。