基于灰色关联的弱电设备线路故障智能检修方法研究
时间：2022-12-09 15:25:07 来源：柠檬阅读网 本文已影响 人 
倪旭明
(国网金华供电公司，浙江 金华 321001)
智能电网中的弱电设备在整个电网结构汇总中起到了保护电网与设备安全的重要作用。智能电网与传统电网在技术方面具有本质上的差异[1-2]。为了保证智能电网运行中的稳定性与安全性，本文对弱电设备线路故障检修方法进行了研究。
提高弱电设备的可靠性是智能电网运行安全研究的一个重要课题。科学有效的智能检修方法有助于提升弱电设备的安全性，大量的专家学者提出了对应的检修方法，希望能在以往研究的基础上，提高检修效果，实现弱电设备的有效应用。通过大量的文献研究发现，当前使用的故障检修方法并未达到人们预期的效果。文献[3]中提出了一种利用广义变比建立了故障诊断模型，对极性故障进行分析的方法，此种方法可以很好地对设备回路展开研究，但是运算过程过于缓慢。文献[4]中提出了一种以可靠性框图法为基础的故障率模型，此模型对于检修周期的依赖性过大，使用中具有一定的局限性。针对现有检修方法中存在的问题，本文设计了一种新的故障智能检修方法。通过模糊C均值算法进行线路故障的聚类分析，基于灰色关联系数进行故障诊断，构建智能检修模型。
1.1 线路故障聚类分析
为了避免出现传统方法的问题，首先确定设备线路故障标准顺序。使用模糊C均值算法[5]确定故障类型，为后续的故障诊断及检修提供基础。
聚类过程中数据的隶属度aij可表示为：
(1)
式中：C为S的子集合个数，S为可获取到的设备数据集合。
故障分类目标函数设定如式(2)所示。
(2)
(3)
根据拉格朗日算法[6]，将约束条件与式(3)结合，则有：
(4)
由此可以得到：
(5)
(6)
进行迭代计算，直到达到终止条件，得到目标函数的最小值。由于矩阵A具有独立性，则有：
(7)
根据式(7)，得到故障标准顺序处理过程的约束条件，具体如式(8)所示。
(8)
通过式(8)完成故障标准处理过程，并根据此结果得到后续检修过程的数据基础。
1.2 设备线路故障诊断
根据聚类分析中得到的数据基础，构建线路故障诊断模型。本文使用灰色关联系数作为模型构建的基础。为提升故障诊断的可靠性，将模型构建为赋权关联度模型，具体模型结构如式(9)所示。
(9)
式中:a0(k)为初始时刻样本数据的距离平方和。为了获取有效的加权系数，则原始数据矩阵可表示为：
B=[bij]m×n
(10)
式中:u为设备电路的模式种类;bij为第i种故障模式中的第j项指标的数据。对式(10)进行初始化处理，得到对应的矩阵F。则F可表示为：
F=[fij]m×n
(11)
式中:fij为设备电路的初始电流。根据式(11)计算故障模式的比重Y，则有：
(12)
由此可得到数据第j项的信息熵Lj，具体公式如式(13)所示。
(13)
根据式(13)，计算第j项的变化程度，并对其变化程度系数进行定义，具体公式如式(14)所示。
Vi=1-Lj
(14)
由式(14)可得到模型计算过程中对应的加权系数χi，具体计算过程如式(15)所示。
(15)
将计算得到的加权系数应用到构建的诊断模型中，以此完成弱电设备故障的诊断工作。
1.3 设备线路保护检修
根据故障诊断结果，构建弱电设备线路保护检修模型。本文使用分布函数完成此部分处理过程。根据Weibull分布函数[7-8]得到设备运行状态，具体模型如式(16)所示。
(16)
式中:γ为状态参数；
κ为故障尺度参数；
t为时间。在此模型的使用过程中，状态参数与故障尺度参数函数的取值结果较为重要，假设在模型中具有两组故障信息ηk以及ηj，则有：
(17)
式中:k与j分别为两组故障信息的数据量，根据式(18)，进行分解计算[9-10]，具体过程如式(18)所示。
(18)
式中:η为设备故障率;x为故障位置。根据式(18)可得到故障段的初始位置，具体公式如式(19)所示。
(19)
确定弱电设备线路故障的具体位置，并根据此结果进行检修。至此，基于灰色关联的弱电设备线路故障智能检修方法设计完成。
2.1 试验环境
本文完成了基于灰色关联的弱电设备线路故障智能检修方法的设计。为验证此方法具有使用价值，构建试验环节对其使用效果加以分析。为提升结果对比度，使用文献[3]方法与文献[4]方法与灰色关联方法进行对比，以此确定灰色关联方法可有效弥补现有方法中的不足。为保证试验过程中变量的单一性，将主要涉及的设备参数设定如表1所示。
表1 弱电设备参数
使用表1参数完成弱电装置的组装工作，使用灰色关联方法、文献[3]方法与文献[4]方法对其进行检修，对比三种方法的使用区别。
2.2 试验条件
在本次试验过程中，将试验指标设定为三部分，通过3组指标对灰色关联方法与文献[3]方法、文献[4]方法进行综合分析。根据文献研究结果，将试验对比指标设定为故障类别识别效果、故障点诊断效果以及故障诊断误判率。在本次试验中，将表2中的5类线路故障作为对照对象，使用灰色关联方法、文献[3]方法与文献[4]方法对目标线路进行检测，并预设本次试验中，每个指标共进行5次试验过程，获取试验结果，分析灰色关联方法、文献[3]方法与文献[4]方法的故障识别效果进行对照分析，结果如表2所示。
表2 线路故障类型预设结果
2.3 试验结果
根据图1试验结果可知，灰色关联方法对于故障类型的识别误差较低，均在3%以下，而文献[3]与文献[4]方法故障类型的识别误差较高，最高可达6.5%，这是由于灰色关联方法使用了模糊C均值聚类算法进行故障的识别，该算法优化了目标函数，以此获取样本到类别中心的隶属度，提高了识别故障类型的准确度。
图1 故障类别识别效果
如图2所示，本次试验过程中，故障类别识别效果具体体现为故障识别误差。通过对此指标的研究可以发现，灰色关联方法的识别误差较低且识别结果较为稳定，在多次试验过程中，没有出现故障种类变化的情况。文献[3]方法与文献[4]方法的类别识别率误差较高，识别结果波动性较大，多次出现类别变换的情况，可见此种方法具有不稳定性。综合试验结果可知，就故障类别识别指标而言，灰色关联方法的使用效果优于文献[3]方法与文献[4]方法。在后续的研究中，应对文献[3]方法与文献[4]方法的此部分性能展开优化，以提升文献[3]方法与文献[4]方法的使用稳定性。
图2 故障点诊断效果
对图2进行分析可以看出，灰色关联方法的故障点诊断效果相对较好，可以对故障点进行精准识别，确定故障发生的位置。文献[3]方法与文献[4]方法与其相比使用效果较差，仅能得到故障发生的区段位置，不能对其进行精准地识别。同时，对诊断速度进行对比也可以看出，灰色关联方法的诊断速度相对较高，文献[3]方法与文献[4]方法的诊断速度较低。当应用到实际电网中时，灰色关联方法的优越性将会更加突出。综合试验结果可以确定，灰色关联方法的使用效果优于文献[3]方法与文献[4]方法。
根据图3可知，在故障诊断误判率指标对比过程中，灰色关联方法的试验结果明显优于文献[3]方法与文献[4]方法。在对预设的5种故障展开判断时，灰色关联方法可以在最短的时间内完成诊断工作并对此故障进行维修。文献[3]方法与文献[4]方法在对预设故障进行诊断时，耗时相对较差且误判率较高。对试验结果进行分析后可知，灰色关联方法的诊断精度相对较高，使用此方法可得到更加真实准确的故障判定结果。
图3 故障诊断误判率
将故障类别识别效果、故障点诊断效果以及故障诊断误判率试验结果进行分析可知，灰色关联方法的使用效果优于文献[3]方法与文献[4]方法。
在电力系统中，弱电设备电路是一个重要的组成部分，其工作状态直接影响着智能电网的运行情况。目前，弱电设备检修方法使用效果较差。因此，本文设计出一种更加先进的检修方法。经试验验证可知此方法的使用效果优于传统方法，在日后的研究中可将此方法作为弱电设备日常维护的主要方法，推动智能电网的普及与发展。
猜你喜欢 弱电灰色关联 建筑智能化弱电施工管理规划措施建材发展导向(2022年5期)2022-04-18智能化建筑弱电工程施工技术及验收电子乐园·下旬刊(2021年3期)2021-02-08弱电智能化系统在建筑工程中的应用分析电子乐园·下旬刊(2021年3期)2021-02-08基于网络通信技术下弱电智能化建筑系统的分析装备维修技术(2020年6期)2020-11-20“一带一路”递进，关联民生更紧当代陕西(2019年15期)2019-09-02奇趣搭配学苑创造·A版(2018年11期)2018-02-01灰色时代Coco薇(2017年2期)2017-04-25她、它的灰色时髦观Coco薇(2017年2期)2017-04-25智趣读者(2017年5期)2017-02-15感觉为了孩子（3～7岁）(2016年8期)2016-05-14
