金宗浩,王 濤,臧家義*,楊家奎
1.齊魯工業(yè)大學(山東省科學院) 電子電氣與控制學部 信息與自動化學院,山東 濟南 250353;2.濟南置真電氣有限公司,山東 濟南 250100
隨著城市規(guī)模的不斷擴大,架空線路逐漸減少,電纜線路逐漸取代架空線路成為配電網的主力[1-2],交聯(lián)聚乙烯(XLPE)電纜因其耐熱性能優(yōu)良、長期運行穩(wěn)定,還具備優(yōu)良的電氣性能從而被廣泛使用。目前對于電纜的檢修策略主要是定期檢修和事后檢修[3],一方面其遵循一定的試驗周期容易造成“過度檢修”或者“檢修不足”,具有盲目隨意性,另一方面隨著電纜的大量應用,檢修人手不足,使得電纜的運維管理和檢修工作的矛盾也進一步加劇。而狀態(tài)檢修則通過日常的檢查、試驗、巡視等方法,對電纜的狀態(tài)量進行收集提取,根據(jù)狀態(tài)量進行電纜健康狀態(tài)的分析評估,能夠對電纜可能發(fā)生的故障進行預測,科學的制定檢修或者更換的策略,一定程度上解決了定期檢修存在的弊端,具有重要的現(xiàn)實意義。
電力電纜狀態(tài)評估的相關研究主要針對高壓電纜,對于配電電纜的研究較少[4-6],因運行環(huán)境和結構等不同,利用高壓電纜的方法來評估配電電纜并不完全適用。文獻[7]中利用羥基指數(shù)、OIT(氧化誘導期)、絕緣結晶度等理化特性進行診斷,但是由于電纜老化不均勻,每一層的特性變化不一致,對于電纜的老化狀態(tài)評估并不可靠。文獻[8]中采用了打分法對電纜進行評價,過于依賴專家經驗,主觀性強,無法準確反映真實狀態(tài)。文獻[9]提出了利用貝葉斯算法進行故障檢測的方法,但是貝葉斯方法需要提前先驗概率,但是大多數(shù)電纜在運行時是在不明確的情況下進行的。文獻[10]利用神經網絡來進行狀態(tài)的預測,具有自學習和適應性強的特點,但需要大量的樣本進行訓練,樣本較少不具代表性,評估結果不盡人意。
對于以上問題,本文對配電電纜的功能結構等因素,構建電纜健康狀態(tài)評估指標體系,建立了電纜健康狀態(tài)評估模型,利用層次分析法確定各特征量的權重,引入改進證據(jù)理論對證據(jù)進行融合,從而對電纜的健康狀態(tài)進行評估。該算法兼顧了主觀經驗,降低了證據(jù)的沖突程度,提高了狀態(tài)評估的有效性。
因影響電纜運行的因素眾多,為了多方面的檢測電纜的運行狀態(tài),就要選擇具有代表性的指標作為電纜狀態(tài)評估的因素,根據(jù)Q/GDW645—2011《配網設備狀態(tài)評價導則》、Q/GDW1512—2014《電力電纜及通道運維規(guī)程》、QGDW456—2010《電纜線路狀態(tài)評價導則》等標準,依據(jù)全面性和科學性原則,選取了7個狀態(tài)量來構建電纜健康狀態(tài)評估指標體系。
(1)電纜在線檢測信息,包括:局部放電、電纜溫度、電壓偏差。局部放電過程同時伴隨著聲、光、熱等不良現(xiàn)象,會加速電纜的老化,是評估電纜狀態(tài)最有效的方法。當電纜故障或者線路負載過重等情況下,電纜運行溫度升高,電纜絕緣降低,從而對電纜的正常運行產生不良影響。電壓過高容易導致電纜線路薄弱點發(fā)生擊穿或閃絡,從而破壞電纜的正常運行,而電壓過低,則會增加線路的損耗。
(2)電纜運行環(huán)境包括環(huán)境溫度和環(huán)境濕度。環(huán)境溫濕度作為電纜的環(huán)境信息的評估指標[11],當環(huán)境溫度過高時,則不利于電纜運行的散熱和絕緣;電纜運行環(huán)境濕度過高時,容易發(fā)生絕緣擊穿。
(3)電纜歷史數(shù)據(jù)信息包括運行年限和運行巡檢。隨著運行年限的增加,電纜的狀態(tài)也在變差,電纜的壽命周期遵循“浴盆曲線”,為了方便計算用文獻[7]的方法進行狀態(tài)的標定,具體公式如下:
t1=Aexp(Btop),
(1)
式中:A為幅值系數(shù)取值為0.953 1;B為老化系數(shù)取值為0.019 17;top為運行的年限。
根據(jù)電纜實驗數(shù)據(jù),依據(jù)上述標準,可得電纜指標的評判依據(jù)如表1。
表1 在線監(jiān)測信息評判依據(jù)
傳統(tǒng)方法只是將所有狀態(tài)量一起融合,最終的結果缺乏各特征量的差異,因此對上述指標進行分層劃分,細化評估體系,將電纜的評估指標分為電纜在線監(jiān)測信息、電纜環(huán)境運行信息、電纜歷史數(shù)據(jù)信息三部分,第一層指標為3個,第二層指標為7個,如圖1所示。
圖1 電纜健康狀態(tài)評估指標體系
根據(jù)現(xiàn)有標準選取能反映電纜狀態(tài)的特征量,建立了評估指標體系,利用選取的電纜狀態(tài)指標體系來建立電纜狀態(tài)評估模型,根據(jù)評估模型評估的結果進行科學的制定檢修策略。首先對屬于不同量綱的狀態(tài)量進行劣化度處理,在利用模糊隸屬度函數(shù)進行每個狀態(tài)量的評價,并根據(jù)層次分析法來確定權重,以此來建立電纜狀態(tài)評估模型,對電纜健康狀態(tài)進行評估。
模糊綜合評價法是1965年美國Zadeh[12]對德國數(shù)學家George Contor的理論[13]進行了改進,提出了模糊集的概念,從而可以對不確定信息進行描述,將人們決策的模糊性,以數(shù)學形式表達出來。電纜設備特征參量就存在著模糊性,也影響著電纜狀態(tài)的不確定性,稱為模糊不確定性。模糊數(shù)學的核心是隸屬度函數(shù),利用隸屬度函數(shù)將電纜故障的定性分析轉化為模糊數(shù)學的對事件定量分析,為了求得各特征量對電纜狀態(tài)的隸屬度,需要建立適合的隸屬度函數(shù),采用的是半梯和三角相結合的隸屬度函數(shù)。
層次分析法是通過專家的經驗對所評價的特征量兩兩對比[14]以此來求得其相應的權重,主要步驟是建立判斷矩陣,進行一致性校驗,來驗證判斷矩陣是否有沖突,一致性校驗公式如下:
一致性校驗通過后,在進行權重的計算。公式如下:
根據(jù)一致性校驗獲得的判斷矩陣,計算的權重如表2所示。
表2 各狀態(tài)量權重
對上述的評估指標,用標準化處理來統(tǒng)一反映指標劣化的程度,數(shù)值越小則表示為電纜的狀態(tài)越好,數(shù)值越大表示電纜的狀態(tài)越差,對接近于1的指標,則認為該狀態(tài)有所異常,應安排適當?shù)臋z修以排除故障,對于越小越優(yōu)型指標,劣化度處理表達式為:
對于中間型指標,劣化度處理表達式為:
在上式中,xmax、xmin表示為特征量的上下限;β、α為最適宜的上下邊界值。
1976年Dempster等提出來的證據(jù)理論概念[15],用來量化命題的可信度,對于一個事件可以表達為“不確定”或者“不知道”,與貝葉斯相比,能夠用來處理不確定信息,而且更符合人們的邏輯習慣。DS合成法則就是對兩個或者多個基本概率分配函數(shù)進行正交的運算,如果證據(jù)不是完全沖突的,則根據(jù)DS法則可以形成一個新的信任函數(shù),這個信任函數(shù)就是兩個或多個證據(jù)聯(lián)合作用產生的[16],用它來描述物體的一個綜合的狀態(tài)。
2.4.1 基本概率分配函數(shù)
定義Θ是識別框架,A表示為Θ中的任一子集,記作A?Θ,若存在映射m:2Θ→[0,1],并且滿足:
使得m(X)>0的X稱為焦元,稱m為Θ的基本概率分配(BPA),m(X)稱為X的mass函數(shù)。
設Bel1,Bel2,…,Beln是識別框架Θ上的n個置信度函數(shù),m1,m2,…,mn是對應的mass函數(shù),X1,X2,…,Xn為對應的焦元,合成后的mass函數(shù)為m(X),則:
A=X1∩X2∩…∩Xn。
(8)
2.4.3 證據(jù)的修正
實際電纜故障中,由于各個特征量是從多方面獲得的結果,證據(jù)體存在高度沖突時,容易引起錯誤的結果,導致診斷決策失誤[17],因此引入了證據(jù)的平均距離來降低證據(jù)體的沖突程度,給沖突證據(jù)重新分配不同的權重,從而使得診斷結果更加貼近實際。
對于x種狀態(tài)量和y種狀態(tài),對得到的BPA函數(shù)進行修正步驟如下:
(1)計算x組概率分配函數(shù)的均值:
(2)計算均值與對應的每組證據(jù)的基本概率分配之間的距離:
(3)重新分配重要性系數(shù),當證據(jù)源與均值相差較大時,分配低的重要性系數(shù),反之則認為證據(jù)源可靠,應分配大的重要性系數(shù),使得距離與重要性系數(shù)成反比,表示如下:
有人說,煙酒是吸毒的入門藥,這并不是危言聳聽。我國幾乎所有的吸毒者在嘗試毒品之前,均已形成吸煙或飲酒的嗜好。有些煙酒依賴者最初就是因為誤吸了他人提供的摻有毒品的香煙而開始吸毒成癮的。一般來說,從不嘗試煙酒的人,其吸毒的可能性比吸煙或者飲酒者要小得多。
(4)歸一化處理,得到各自的重要性系數(shù):
(5)對證據(jù)理論重新修正,沖突高的證據(jù)較少分配,并增加未知程度。
綜上所述,在分析配電電纜狀態(tài)量的基礎上,根據(jù)狀態(tài)量的一定屬性綜合多種因素建立了多層狀態(tài)評估體系,以模糊數(shù)學為基礎,結合修正的證據(jù)理論,建立了電纜運行狀態(tài)的評估模型,以此來實現(xiàn)對電纜運行狀態(tài)的評估。
(1)首先進行評估指標的劣化度處理,對不同單位、不同量綱的數(shù)據(jù)一化計算,進行初級評判,若該狀態(tài)量劣化度超過0.9則認為該狀態(tài)存在嚴重異常,應檢查該狀態(tài)存在的問題,若沒有異常,則進行下一步。
(2)模糊隸屬度函數(shù)則根據(jù)劣化度處理的結果,建立模糊關系矩陣,把電纜狀態(tài)的不確定性和模糊性轉化為定量評價,得到每一層的模糊關系矩陣。
(3)根據(jù)層次分析法來確定權重,體現(xiàn)主觀經驗的重要性;根據(jù)對每一層的模糊評價,構造了基本概率分配函數(shù),并利用修正證據(jù)理論來進行證據(jù)的修正,將沖突的證據(jù)進行重新分配,一定程度上解決了證據(jù)沖突的問題,最后通過證據(jù)理論來進行證據(jù)的融合,根據(jù)融合的結果進行電纜健康狀態(tài)的評估。電纜健康狀態(tài)的評估模型實現(xiàn)流程如圖2所示。
圖2 電纜健康狀態(tài)評估模型實現(xiàn)流程
為了驗證該方法有效性,對國網某供電公司所轄的10 kV濱湖線YJV22-8.7/10-3*240 mm2電纜線路于2021年12月21日采集數(shù)據(jù),該線路投運一年內無故障,采集到的數(shù)值如表3所示。
表3 電纜的監(jiān)測數(shù)據(jù)
將所有數(shù)值劣化度處理以后,將數(shù)值帶入到隸屬度函數(shù)中,分別得到S1在線監(jiān)測信息矩陣、S2環(huán)境運行信息矩陣、S3歷史數(shù)據(jù)信息矩陣如下:
利用各模糊矩陣和其權重,進行各層模糊評判得:A1=W1*S1=[0.23 0.72 0.05 0]、A2=W2*S2=[0 0.17 0.83 0]、A3=W3*S3=[0.57 0.43 0 0]。
將上述矩陣的結果,作為證據(jù)理論的概率分配函數(shù),如表4所示。
表4 基本概率分配函數(shù)表
表5 修正后的基本概率分配函數(shù)
根據(jù)修正的結果,利用證據(jù)理論對證據(jù)進行融合,融合結果如表6。
表6 融合結果
通過表6可以看出,未修正前的概率分配函數(shù)因為高度沖突,所以結果過于絕對,不能反映真實狀況,修正后的函數(shù)對于注意的比重降低了,對于不確定性的比重提高,說明該電纜大概率處于注意狀態(tài),也可能有其他的問題。經檢查,是電纜運行年限較長,且測量時為高峰用電時刻,負荷較重,而且運行環(huán)境較為惡劣,環(huán)境溫度和濕度過高,導致電纜的評估結果出現(xiàn)很大的不確定性,因此評估的結果能夠準確地反映電纜的狀態(tài)。
電纜線路評估指標如溫度、局放、理化特性等指標眾多,利用單一的局放和溫度等傳感器提供的信息來進行分析有著大量的不確定性,容易使得各評估指標存在沖突而影響電纜線路的評估。將層次分析法和證據(jù)理論相結合,并進行修正改進,不僅兼顧了主觀經驗,還降低了證據(jù)的沖突程度,實例也驗證了該方法的有效性。