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(gè)電網(wǎng)結(jié)構(gòu)匯總中起到了保護(hù)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(yùn)行中的穩(wěn)定性與安全性，本文對(duì)弱電設(shè)備線路故障檢修方法進(jìn)行了研究。

提高弱電設(shè)備的可靠性是智能電網(wǎng)運(yùn)行安全研究的一個(gè)重要課題?？茖W(xué)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(xué)者提出了對(duì)應(yīng)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(shí)現(xiàn)弱電設(shè)備的有效應(yīng)用。通過大量的文獻(xiàn)研究發(fā)現(xiàn)，當(dāng)前使用的故障檢修方法并未達(dá)到人們預(yù)期的效果。文獻(xiàn)[3]中提出了一種利用廣義變比建立了故障診斷模型，對(duì)極性故障進(jìn)行分析的方法，此種方法可以很好地對(duì)設(shè)備回路展開研究，但是運(yùn)算過程過于緩慢。文獻(xiàn)[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(duì)于檢修周期的依賴性過大，使用中具有一定的局限性。針對(duì)現(xiàn)有檢修方法中存在的問題，本文設(shè)計(jì)了一種新的故障智能檢修方法。通過模糊C均值算法進(jìn)行線路故障的聚類分析，基于灰色關(guān)聯(lián)系數(shù)進(jìn)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(jì)

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(biāo)準(zhǔn)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(gè)數(shù)，S為可獲取到的設(shè)備數(shù)據(jù)集合。

故障分類目標(biāo)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(jìn)行迭代計(jì)算，直到達(dá)到終止條件，得到目標(biāo)函數(shù)的最小值。由于矩陣A具有獨(dú)立性，則有：

(7)

根據(jù)式(7)，得到故障標(biāo)準(zhǔn)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(biāo)準(zhǔn)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(shí)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(xiàng)指標(biāo)的數(shù)據(jù)。對(duì)式(10)進(jìn)行初始化處理，得到對(duì)應(yīng)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(jì)算故障模式的比重Y，則有：

(12)

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

(13)

根據(jù)式(13)，計(jì)算第j項(xiàng)的變化程度，并對(duì)其變化程度系數(shù)進(jìn)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(jì)算過程中對(duì)應(yīng)的加權(quán)系數(shù)χi，具體計(jì)算過程如式(15)所示。

(15)

將計(jì)算得到的加權(quán)系數(shù)應(yīng)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(hù)檢修

根據(jù)故障診斷結(jié)果，構(gòu)建弱電設(shè)備線路保護(hù)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(yùn)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(shí)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(jìn)行分解計(jì)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(jìn)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(jì)完成。

2 試驗(yàn)分析

2.1 試驗(yàn)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(jì)。為驗(yàn)證此方法具有使用價(jià)值，構(gòu)建試驗(yàn)環(huán)節(jié)對(duì)其使用效果加以分析。為提升結(jié)果對(duì)比度，使用文獻(xiàn)[3]方法與文獻(xiàn)[4]方法與灰色關(guān)聯(lián)方法進(jìn)行對(duì)比，以此確定灰色關(guān)聯(lián)方法可有效彌補(bǔ)現(xiàn)有方法中的不足。為保證試驗(yàn)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(xiàn)[3]方法與文獻(xiàn)[4]方法對(duì)其進(jìn)行檢修，對(duì)比三種方法的使用區(qū)別。

2.2 試驗(yàn)條件

在本次試驗(yàn)過程中，將試驗(yàn)指標(biāo)設(shè)定為三部分，通過3組指標(biāo)對(duì)灰色關(guān)聯(lián)方法與文獻(xiàn)[3]方法、文獻(xiàn)[4]方法進(jìn)行綜合分析。根據(jù)文獻(xiàn)研究結(jié)果，將試驗(yàn)對(duì)比指標(biāo)設(shè)定為故障類別識(shí)別效果、故障點(diǎn)診斷效果以及故障診斷誤判率。在本次試驗(yàn)中，將表2中的5類線路故障作為對(duì)照對(duì)象，使用灰色關(guān)聯(lián)方法、文獻(xiàn)[3]方法與文獻(xiàn)[4]方法對(duì)目標(biāo)線路進(jìn)行檢測，并預(yù)設(shè)本次試驗(yàn)中，每個(gè)指標(biāo)共進(jìn)行5次試驗(yàn)過程，獲取試驗(yàn)結(jié)果，分析灰色關(guān)聯(lián)方法、文獻(xiàn)[3]方法與文獻(xiàn)[4]方法的故障識(shí)別效果進(jìn)行對(duì)照分析，結(jié)果如表2所示。

表2 線路故障類型預(yù)設(shè)結(jié)果

2.3 試驗(yàn)結(jié)果

根據(jù)圖1試驗(yàn)結(jié)果可知，灰色關(guān)聯(lián)方法對(duì)于故障類型的識(shí)別誤差較低，均在3%以下，而文獻(xiàn)[3]與文獻(xiàn)[4]方法故障類型的識(shí)別誤差較高，最高可達(dá)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(jìn)行故障的識(shí)別，該算法優(yōu)化了目標(biāo)函數(shù)，以此獲取樣本到類別中心的隸屬度，提高了識(shí)別故障類型的準(zhǔn)確度。

圖1 故障類別識(shí)別效果

如圖2所示，本次試驗(yàn)過程中，故障類別識(shí)別效果具體體現(xiàn)為故障識(shí)別誤差。通過對(duì)此指標(biāo)的研究可以發(fā)現(xiàn)，灰色關(guān)聯(lián)方法的識(shí)別誤差較低且識(shí)別結(jié)果較為穩(wěn)定，在多次試驗(yàn)過程中，沒有出現(xiàn)故障種類變化的情況。文獻(xiàn)[3]方法與文獻(xiàn)[4]方法的類別識(shí)別率誤差較高，識(shí)別結(jié)果波動(dòng)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(yàn)結(jié)果可知，就故障類別識(shí)別指標(biāo)而言，灰色關(guān)聯(lián)方法的使用效果優(yōu)于文獻(xiàn)[3]方法與文獻(xiàn)[4]方法。在后續(xù)的研究中，應(yīng)對(duì)文獻(xiàn)[3]方法與文獻(xiàn)[4]方法的此部分性能展開優(yōu)化，以提升文獻(xiàn)[3]方法與文獻(xiàn)[4]方法的使用穩(wěn)定性。

圖2 故障點(diǎn)診斷效果

對(duì)圖2進(jìn)行分析可以看出，灰色關(guān)聯(lián)方法的故障點(diǎn)診斷效果相對(duì)較好，可以對(duì)故障點(diǎn)進(jìn)行精準(zhǔn)識(shí)別，確定故障發(fā)生的位置。文獻(xiàn)[3]方法與文獻(xiàn)[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(duì)其進(jìn)行精準(zhǔn)地識(shí)別。同時(shí)，對(duì)診斷速度進(jìn)行對(duì)比也可以看出，灰色關(guān)聯(lián)方法的診斷速度相對(duì)較高，文獻(xiàn)[3]方法與文獻(xiàn)[4]方法的診斷速度較低。當(dāng)應(yīng)用到實(shí)際電網(wǎng)中時(shí)，灰色關(guān)聯(lián)方法的優(yōu)越性將會(huì)更加突出。綜合試驗(yàn)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(xiàn)[3]方法與文獻(xiàn)[4]方法。

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

圖3 故障診斷誤判率

將故障類別識(shí)別效果、故障點(diǎn)診斷效果以及故障診斷誤判率試驗(yàn)結(jié)果進(jìn)行分析可知，灰色關(guān)聯(lián)方法的使用效果優(yōu)于文獻(xiàn)[3]方法與文獻(xiàn)[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(gè)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(yùn)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(jì)出一種更加先進(jìn)的檢修方法。經(jīng)試驗(yàn)驗(yàn)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(hù)的主要方法，推動(dòng)智能電網(wǎng)的普及與發(fā)展。