孙 睿

（辽宁省电力有限公司盘锦供电公司，辽宁 盘锦 124000）

配网变压器是配网系统中重要的设备之一，其能够安全稳定的运行对整个配网系统的可靠性具有重要的影响[1-3]。配网变压器具有复杂的内部结构，在变压器的运行过程中极易出现绝缘老化、管路损坏以及维护不当等问题，这些问题会造成变压器的故障，从而对配网系统的安全运行造成影响。变压器一旦发生故障，就会使故障原因的排查和处理遇到困难，最终造成变压器事故抢修的延误。运行设备的状态评估方法能够通过对设备的运行状态进行分析，对设备进行故障诊断，及时发现设备的潜在问题，因此对配网变压器的运行状态评估就显得尤为重要。针对目前配网变压器运行状态评估中模糊方法不能考虑数据随机性的缺点，本文选用了云模型对变压器的运行状态进行评估，综合考虑了运行状态的模糊性和随机性，从而最大程度的查找设备运行过程中的问题[4-10]。因此，对配网变压器运行状态评估的云模型的研究对保证系统的安全稳定运行具有重要的意义。

1 云模型理论基础

云模型主要用来表示定性概念和定量之间的不确定的转换关系。云模型中可以用以下3个数值来表示云的数字特征。

1）云的期望

云是由许多云滴组成的，因此期望指的是云滴的分布关系，具体为空间中的坐标数值，也可以视为云滴重心所在的位置

2）云的熵

云的熵表现了云模型中不确定性的程度，熵为模糊性和随机性的融合，是一个大的宏观概念。

3）云的超熵

云的超熵表示了云滴的凝聚程度，模糊性和随机性共同决定了超熵的数值。

云的发生器是云算法的具体形式，具体有X条件发生器和Y条件发生器两种形式，X和Y分别表示了不同数值的隶属范围。式中 Ex为期望值，En和He为方差，x、y为正态随机数，（x, y）则组成了一个云滴。

图1 X条件发生器

图2 Y条件发生器

云模型的评判方法主要有指标、权重、评价 3项，同时对应着指标集、权重集和评价集3个集合。具体表示如下：

1）云模型评判的指标集合：U ={U0, U1, U2,… ,Um}。

2）云模型评判的权重集合：U = { V0, V1, V2,… ,Vm}。

3）云模型评判的评价集合：U ={W0, W1, W2,… ,Wm}。

2 配网变压器运行状态评估云模型的建立

配网变压器运行状态评估的云模型主要通过对变压器运行中的指标作为模型的输入数据，通过对模型的评估得出变压器当前的运行状态。具体模型如图3所示。

图3 配网变压器运行状态评估云模型

图4 建立配网变压器运行状态评估的评估体系

云模型建立的关键是建立配网变压器运行状态评估的评估体系，具体如图4所示。

在对配网变压器运行状态罗列完成后，即需要对不同的运行状态的特性进行分类，本文将变压器的运行状态划分为优秀状态、良好状态、注意状态、异常状态和严重状态 5种运行状态。具体见表 1。分别给出了不同的运行状态的评分以及相对应的维修策略。通过采用层次法计算不同指标所对应的权重的数值，具体数值见表 2。分别为不同指标所对应下一层各指标的权重同时计算得到不同指标下云模型的隶属函数，见表3。

表1 变压器的运行状态分类

表2 各项指标的固定权重的计算

表3 云模型的隶属函数

3 实例分析

以某配网变压器为例进行分析。首先选取的变压器的型号为 SFPSZ8-120000/220，选取运行数据进行处理和分析。已知该变压器的运行时间为4年，无大修记录，运行正常。具体的实验数据见表4。

表4 实验数据

按照上述所给模型对变压器的目标评价向量进行求解，最终得到目标评价向量为（0.6053, 0.7085,0.6798, 0.563, 0.4275），评价的分值低于60，处于上述所列状态中需要注意的状态，所需要采取的措施为优先维修的措施。

为了判断云评估模型的准确性，选取文献[4]中的模糊评价方法进行同样的状态评估，所得结果为（0.0948, 0.419, 0.442, 0.003），通过该结果对变压器的状态进行分析，可得变压器同样处于需要注意的状态和一般的状态的中间值。考虑实际情况，变压器已经运行了较为长的时间，而且没有进行过大修，经观察发现一些绝缘线路已经出现老化的现象，其处于优先维修的状态更为准确一些，因此可以得出云模型的状态评估结果更为准确。

4 结论

本文主要对配网变压器的运行状态分析的云模型进行了研究。云模型方法综合考虑了运行状态的模糊性和随机性，从而可以最大程度的查找设备运行过程中的问题。本文建立了配网变压器的运行状态评估模型，对变压器的运行状态进行了分类，求解了指标权重和隶属函数，并选取实例进行了分析，验证了模型的准确性。对配网变压器运行状态评估的云模型的研究对保证系统的安全稳定运行具有重要的意义。

[1] 吴立增. 变压器状态评估方法的研究[D]. 保定: 华北电力大学, 2005.

[2] 刘敦楠, 陈雪青, 何光宇, 等. 电力市场评价指标体系的原理和构建方法[J]. 电力系统自动化, 2005,29(23): 2-7, 14.

[3] 袁志坚, 孙才新, 袁张渝, 等. 变压器健康状态评估的灰色聚类决策方法[J]. 重庆大学学报(自然科学版), 2005, 28(3): 22-25.

[4] 纪航, 朱永利, 郭伟. 基于模糊综合评判的变压器状态评分方法研究[J]. 继电器, 2006, 34(5): 29-33.

[5] 赵文清, 朱永利. 电力变压器状态评估综述[J]. 变压器, 2007, 44(11): 9-12, 74.

[6] 张青. 多指标综合评价失效因素分析及模型[J]. 统计与决策, 2005, 18(5): 6-8.

[7] 谢红玲, 律方成. 基于信息融合的变压器状态评估方法研究[J]. 华北电力大学学报, 2006, 33(2): 8-11.

[8] 谢可夫, 罗安. 遗传算法在变压器故障诊断中的应用[J]. 电力自动化设备, 2005, 25(4): 55-58.

[9] 李俭, 孙才新, 陈伟根, 等. 基于灰色聚类分析的充油电力变压器绝缘故障诊断的研究[J]. 电工技术学报, 2002, 17(4): 80-83.

[10] 郑蕊蕊, 赵继印, 吴宝春, 等. 基于加权灰靶理论的电力变压器绝缘状态分级评估方法[J]. 电工技术学报, 2008, 23(8): 60-66.