基于电力大数据的配电变压器状态评估方法

张国云 孔令号

(1.国网冀北电力有限公司技能培训中心,河北 保定 071000;2.国网河北省电力有限公司保定供电分公司,河北 保定 071000)

0 引言

配电变压器是电网中最重要的末端设备,在电力系统中数量庞大且作用重大,由于电能供应需求波动和运行环境变化,配电变压器的运行状态不一,一旦发生供电异常和中断,可能会引起人员伤亡、安全事故、经济损失等一系列严重的后果[1-2]。当前供电公司对配电变压器主要采用日常计划巡视和故障抢修维护等方式保障供电可靠性,在人力、物力、财力有限的情况下,充分利用电力大数据精确识别配电变压器的运行状态,对供电公司有序巡视、精准检查和优化服务等工作将产生重大意义。

文献[3]克服了主观因素的缺陷,综合变压器的特点提出了一种基于模糊层次分析法的变压器状态评估方法。文献[4]充分利用变压器的多元状态监测信息,分析了多元T2控制图、多元累积和控制图以及多元指数加权滑动平均控制图3种典型多元统计控制图用于变压器状态评判的构建方法。文献[5]基于多时段信息融合构建配电变压器运行状态评估模型。文献[6]为提高配电变压器的故障预测水平和使用寿命,提出了配电变压器运行状态的大数据分析评估方法,构建了常规评估方法与大数据方法结合的业务流程架构。文献[7]为了提高配电设备故障预测水平,提出了一种常规综合评估方法与实时评估方法相结合的配电设备运行状态实时评估方法。文献[8]基于对电力系统多源数据的提取与处理,建立了融合外部气象因素、设备内部健康状况以及当前运行条件的10 kV 配电变压器实时状态评估模型。

随着智能电能表全覆盖和全量数据高频采集,海量数据为大数据深化分析提供契机[9-12],本文提出了一种基于电力大数据的配电变压器状态评估方法,在定义了配电变压器运行状态指标体系的基础上,应用用电信息采集系统的电压、电流、负荷等多维数据形成指标数据矩阵,基于模糊聚类理论对配电变压器进行聚类分析,从而为优化巡视运维计划和提升优质服务水平提供一定数据支撑。

1 灰色分析与模糊聚类理论

1.1 灰色分析理论

灰色关联分析[13]是对系统因素发展态势进行量化度量的一种方法,其核心思想是依据影响因素序列的相似程度来判断紧密联系程度,影响因素序列越接近,相应之间的关联度就越大,反之就越小。设Xi为某一因素序列,假如其在序号k上的数据分别为xi(k)(k=1,2,…,n),则称Xi=[xi(1),xi(2),…,xi(n)]为该曲线的数据序列。设Xi Dm=[xi(1)dm,xi(2)dm,…,xi(n)dm]。

若xi(k)d3=,k=1,2,…,n,则称D3为区间值化算子,Xi D3为行为序列Xi在均值化算子D3下的像,简称区间值像。

假如设序列

则γ(X0,Xi)满足灰色四公理,ξ为分辨系数,称γ(X0,Xi)为X0与Xi的灰色关联度。

1.2 模糊聚类理论

模糊聚类分析[14]是一种有力的软划分分析工具,核心思想就是基于模糊数学语言对待划分的对象按照相应要求进行客观描述和科学分类。为得到论域X的模糊相似矩阵,需按照一定方法或准则,将论域内任意2个元素间赋予[0,1]之间的数值以代表彼此的相近程度,则称此数值为此两元素间的相似系数,论域X元素的所有相似系数便构成了模糊相似矩阵。然后可以用逐次平方方法得到该模糊相似矩阵的传递闭包t(R),将模糊相似矩阵变为模糊等价矩阵。

2 配电变压器大数据状态评估算法

随着用电信息采集系统扩容升级和智能电表普及应用,配电变压器电压、电流、功率因数、三相不平衡度等多维度的电气数据传到采集主站,为此可以制定每台配电变压器的评价指标体系。在定义配电变压器理想运行状态的基础上,基于灰色分析理论,将全域内所有待评估变压器的运行状态指标分别与理想状态变压器进行灰色关联分析,从而得到各个指标的灰色关联值,然后再依据模糊聚类分析的思想,可以将供电公司所辖的所有配电变压器看作评估论域X={x1,x2,…,xi,…,xn},依据论域X中的待聚类对象的每一个指标的灰色关联值,进行模糊聚类分析,从而依据不同的分类水平确定类别,这样就可以为配电变压器巡视检修计划提供数据支撑。

2.1 配电变压器分析指标体系

综合考虑表征配电变压器运行状态指标和用电信息采集所获取的数据,分别选择电压、电流、负载率、三相不平衡度和功率因数五类指标,具体如表1所示。

表1 配电变压器分析指标体系

上述指标中,电压类指标描述了配电变压器的电压稳定程度;电流类指标描述了配电变压器的负荷水平;负载率是该变压器实际承担的负荷与其额定容量之比,表征变压器的承载能力,负载率越高、越平稳代表变压器负荷特性越好;三相不平衡度是指在该变压器三相电流(或负荷)平衡程度;功率因数在一定电压和功率下,该值越高表征变压器效益越好。

为了量化分析各个配电变压器的运行状态,在此定义配电变压器理想运行状态如表2所示,以此量化评估所有待评估的配电变压器的各类指标。

表2 配电变压器理想运行状态指标

2.2 评估算法

以配电变压器理想运行状态为标杆,利用灰色分析理论计算所有待评估配电变压器的对应指标与理想运行状态的灰色关联值,该值越高,代表待评估配电变压器的运行状态越接近理想运行状态,反之,则代表越偏离理想运行状态。

配电变压器理想运行状态指标矩阵如下

待评估配电变压器运行状态指标矩阵如下

对于ξ∈(0,1),则待评估配电变压器各个指标与理想运行状态指标的灰色关联值计算公式如下所示

经过如上计算各个灰色关联值之后,可以得到待评估配电变压器所有指标的灰色关联值,这样就形成了待评估配电变压器的灰色评价指标体系。模糊分析是用模糊数据的语言对待分类的研究对象进行“软分类”,将所有待评估的配电变压器看作待评估论域X={x1,x2,…,xi,…,xn},并将上述灰色分析计算得到的待评估对象的灰色评价指标体系作为论域对象的评估指标,从而可以形成评估论域的指标矩阵如下所示

公式(5)得到的评估论域指标矩阵是带有量纲的数据矩阵,进一步进行标准化、正规化处理后,可以得到正规化矩阵X′=[x′ki]n×5,再以选择数量积法、夹角余弦法、相关系数法、贴近度法、距离法等计算方法核定任意2个研究对象之间相似程度,从而得到所有研究对象的模糊相似矩阵R=[rij]n×n,从而进一步根据模糊相似矩阵或者模糊等价矩阵对论域对象进行聚类分析。

从电力大数据角度,根据模糊聚类分析之后的结果,以远程的方式,迅速将所管辖的全部配电变压器进行聚类分析成多个类别,再综合考虑供电公司实际工作承载能力,按照轻重缓急更加科学化、更加合理化、更加精准化安排日常检修巡视等工作,而并不是单纯依靠周期(或特殊)巡视逐个现场检查或者发生事故后再进行修复,这样既能够让数据多跑路,从而节省人力、物力,还能前移设备缺陷治理关口,防患于未然,破解传统巡视检修计划盲目、无序的状态。同样,由于用电信息采集系统也可以获得用户配电变压器的运行数据,从而该方法也可以应用于重要用户用电安全评估,为用户出具用电安全分析报告,指导其安全用电。

3 算例分析

利用MATLAB对上述文中提到的配电变压器大数据状态评估算法进行编程,以10台配电变压器为例进行算例验证,基于用电信息采集数据,就可以赋予每台配电变压器在表1所示配电变压器分析指标体系下相应指标的数值,可以得到配电变压器运行状态指标矩阵,利用MATLAB 程序进行计算,将此矩阵中每个配电变压器的指标与表2定义的配电变压器理想运行状态对应的指标进行灰色分析,就可以得到所有待评估对象的指标灰色关联值,如表3所示。

表3 10台配电变压器的灰色关联值矩阵

利用MATLAB 程序进行计算,将上述关联值矩阵进行正规化处理得到正规化矩阵,据此计算配电变压器企业a1-a10之间的相似度程度,从而得到所有模糊相似矩阵R=[rij]n×n,并将该矩阵进行逐次平方后得到模糊等价矩阵R*=,如表4所示。

表4 10台配电变压器相互之间的等价矩阵

依据表4所示的模糊等价矩阵,分别得到置信水平λ为1、0.97、0.968、0.967、0.922、0.918、0.913、0.899、0.831、0.826时候的截矩阵t(R)λ,并依据此截矩阵得到该10台配电变压器动态聚类变化矩阵如表5所示。

表5 10台配电变压器动态聚类矩阵

表中的“0”代表独自成为一类,“1”代表合并成为一类,这样就可以得到在不同置信水平下,配电变压器运行状态的聚类结果,并且通过置信水平从大到小对10台配电变压器进行依次模糊聚类的过程,可以知道逐渐聚成一类的配电变压器先后出现的顺序为{a4、a9}-{a10}-{a6}-{a1、a5}-{a8}-{a3}-{a2}-{a7},结合配电变压器的初始状态参数,供电公司可以将巡视检修计划顺序定为{a7}-{a2}-{a3}-{a8}-{a1、a5}-{a6}-{a10}-{a4、a9},对供电公司管辖范围内所有配电变压器进行模糊聚类分析时,同样能够将数量庞大的配电变压器分成若干类,从而为供电公司对配电变压器进行检修巡视决策提供一定数据支撑。

4 结论

针对配电变压器运行状态评估,提出了一种基于电力大数据的评估方法,为供电公司科学、精准、合理开展配电变压器巡视提供一定数据依据,通过理论构建及算例分析,基本验证了其可行性和有效性。

(1)利用电力大数据赋予配电变压器指标灰色关联值,再利用模糊聚类对配电变压器运行状态进行聚类分析形成巡视检修计划先后顺序,为供电公司巡视检修提供了相对科学、客观的决策依据。

(2)配电变压器评价指标体系从电压、电流、功率因数等多个维度反映了其运行状态,解决了人为主观的问题,对配电变压器状态评估具有一定的指导作用。