基于专家系统的设备状态评价研究与应用

舒越 郭晨鋆 马显龙 于虹 朱珏佩 李昊

摘 要： 为了能及时、准确、动态掌握电力设备状态的变化情况，提高状态评价结果的应用水平，根据包括在线监测、带电检测、生产管理系统等多个数据来源，基于专家系统模型，结合设备状态模糊性分析，构建设备状态评价体系架构。在此基础上，通过设备状态数据获取与预处理分析，研究状态量选取和构建设备的自动状态评价模型。最后通过实例应用，验证该方法的实用性与先进性，从而为设备状态的准确、自动评价提供一种参考。

关键词： 专家系统; 模糊数学; 知识库; 输配电设备; 状态评价

中图分类号： TP393      文献标志码： A

Research on Automatc Evaluaton of Equpment Condton Based on

Expert System and ts Applcaton

SHU Yue1， GUO Chenjun2， MA Xanlong2， YU Hong2， ZHU Yupe1， L Hao2

（1. Baoshan Power Supply Bureau， Yunnan Power Grd Co. Ltd.， Baoshan 678000;

2. Electrc Power Research nsttute， Yunnan Power Grd Co. Ltd.， Kunmng 650217）

Abstract： n order to handle the change of power equpment state n a tmely and accurate and dynamc manner， mprove the applcaton level of the status evaluaton results， accordng to the expert system model， combned wth the equpment state fuzzness analyss， an equpment state evaluaton system s constructed. The system s based on the expert system model， combned wth the fuzzy analyss of the state of the equpment. Through the acquston and pre-processng analyss of devce state data， the automatc state evaluaton model of the devce s selected and constructed by the state quantty. Fnally， the practcalty and advance of the method are verfed by the applcaton of the example， t can provde a reference for the accurate and automatc evaluaton of the devce state.

Key words： Expert system; Fuzzy mathematcs; Knowledge base; Transmsson and dstrbuton equpment; State evaluaton

0 引言

设备状态评价是电网设备管理的重要方面，仅仅依靠人工手段难以对设备状态做出准确评价。随着智能电网的快速发展，供电可靠性安全性对设备状态评价的准确性提出了更高的要求，以往人工评价的方法存在效率较低、准确性不高的缺点[1，2]。目前设备状态评价工作主要存在以下问题：设备状态评价自动化程度不高，状态监测等数据未纳入评价全过程中，评价的准确性和实时性不高[3-6]。为提高状态评价结果的应用水平，本研究利用大数据相关技术，采用涵盖包括在线监测、带电检测、生产管理系统等多个数据来源，通过状态评价算法实现设备状态自动化评价。本研究通过对电力主网一次设备的运行健康状态进行深层次的细致评价，基于专家系统模型，结合设备状态模糊性分析，构建设备状态评價体系架构;在此基础上，通过设备状态数据获取与预处理分析，研究状态量选取和构建设备的自动状态评价模型，为降本增效工作提供了的支撑。

1 专家系统模型

专家知识库中含有大量的相关领域的专家知识，在变压器状态评价时可以通过案例匹配等方式实现变压器的状态评价，除此之外，专家知识库还具备自我学习功能，通过已有的专家经验形成状态评价规范，当输入新的案例时可以进行自我判断，得出评价结果[7-8]。电力变压器评价结果通过验证后专家知识库可以将新案例进行存储，实现案例库的更新和迭代。专家知识库的构建极大地方便了新的运行人员的培训学习，使他们能够快速获取相关知识，提高电力变压器状态评价的效率。由于输变电设备类型繁多、技术参数复杂，单一模型很难反映故障的运行情况和健康状态。因此本研究利用模糊数学的方法，包括模糊状态量、隶属度等，对输变电设备进行状态评价。

2 体系框架

遵循国家电网公司信息化总体架构设计及要求，总体设计充分考虑公司已有业务系统及平台，根据输变电设备的原始资料、运行资料、检修试验资料以及运行环境等其他资料数据，结合电网公司设备状态评价导则，对主变、隔离开关、断路器等主要设备关键状态量进行自动识别抽取，多维度、客观准确的反映设备的运行状况以及发生故障的趋势。设备状态模糊性包括数值和语义的两方面的不确定性。具体而言，一方面将设备的试验数据转换成专家库的精确判断值和国家相关标准及规程的过程具有不确定性，另一方面专家库中国家标准及规程文字描述具有语义程度的不确定性。基于专家系统的设备状态评价体系架构如图1所示：

1） 基础数据层包括在线监测、带电检测、生产管理等数据来源，这些原始数据通过不同的方法和手段生成建模数据。通过系统集成达到数据共享。

2） 依据国家电网公司输变电设备状态检修标准，建立了数据获取、数据处理、监测预警、状态评价、状态诊断、预测评估、风险评估、决策建议等功能，通过对缺陷数据进行实时分析计算，从而得到设备的实时评价结果。

3 基于专家系统的设备状态评价模型

3.1 设备状态数据获取与预处理

3.1.1 设备状态数据获取

与电网设备状态关系密切的数据信息来源较为复杂，要对设备状态进行评估，首先要收集设备的相关信息，包括：

（1） 设备台账信息，包括设备型号、投运年限、生产厂家等基础信息。

（2） 在线监测信息，包括设备实时的运行信息。以主变压器为例，具体包含设备温度、铁芯接地电流、局部放电、微水、油中溶解气和套管绝缘等信息。

（3） 设备运行检修信息、缺陷信息，包括设备检修周期、缺陷类型、缺陷描述、缺陷等级等直接反映设备状态的关键信息。

（4） 外部信息，包括温度、湿度、天气、安置环境等因素。这类信息一般通过外部数据获取。对设备状态产生一定影响。

3.1.2 设备状态数据预处理

数据预处理是在构建状态评价模型之前的准备工作，通过数据清洗和数据集成的方式，能够有效处理重复数据、不完整数据、错误数据，从而提高模型的精度和运行效率[9-11]。设备状态数据清洗指通过挖掘算法识别设备状态数据中的离群点和异常值，或根据规则丢弃部分“脏数据”，如设备状态数据格式错误、超出正常阂值范围、数据跳变等情况，通过缺失值填充或平滑处理等方法，提高设备状态数据质量的过程。设备状态数据数据集成是将融合多源设备运行数据和信息，将设备运行数据转换成模型适用的输入形式。设备状态数据预处理是设备状态评价中的重要工作，将原始数据转变为可自动识别的状态量。设备状态评价的数据预处理流程如图2所示。

3.2 设备状态状态分析与评估

设备状态自动评价依次按照从设备、部件、状态量、判断标准进行分析评估，通过对设备状态量及规则、劣化程度及权重系数、评价标准的定义，形成对此类设备的自动状态评价模型。设备状态状态分析与评估过程如图3所示。

在不同类型的设备中，其功能相对独立的单元即为设备部件。本研究以输变电设备中的油浸式变压器为例，进一步阐述设备状态评价模型。油浸式变压器可以分为本体、套管、冷却系统、分接开关和非电量保护等部件。

3.2.1 状态量选取

本研究基于设备台账信息、设备在线监测信息、设备运检信息、缺陷信息等多数据源获取设备的状态评价指标。为了方便验证，本研究选取主变器作为研究对象。选择试验数据、绝缘油试验参数和油中溶解气体参数进行变压器状态评价分析。变压器状态评价指标如表1所示。

3.2.2 状态量权重及扣分

以变压器为例，设备状态量分别有四个等级1-4，权重从低到高，反映的是其在状态评价中的重要程度。主要根据《一次设备状态评价导则》和《在线监测标准》和业务经验，同时参考相关文献[12-13]，设置权重。在不同的劣化程度下，通过比较变压器的不同状态量对其运行状态产生的大小不一的影响，并按照其劣化程度为依据可将状态量划成四个等级：分别为级、级、级和V级。4个等级对应的基础扣分值为2，4，8，10分。状态量应扣分值等于状态量应扣分值的大小取决于状态量的劣化程度以及状态量所占的权重的乘积。如果该状态量状态正常则不扣分。变压器状态量权重及扣分如表2所示。

3.2.3 设备状态综合评价方法

设备状态综合评价方法通过将设备的本体和部件作为整体的考虑而进行评价。只有当所有部件状态正常时，则该设备状态评价为正常;而当设备中大于一个部件状态不正常，那么设备综合评价评分等于所有设备的扣分合计值，且综合评价得分一定以部件评价中状态最严重的为准。以变压器为例，一般将运行状态分为正常状态、注意状态、异常状态和严重状态四个等级。变压器扣分概况及状态等级如表3所示。

3.3 设备状态系统知识库模型

設备状态专家系统包括知识库、推理机、规则集，其主要根据《一次设备状态评价导则》和《在线监测标准》和业务经验总结得到。根据阈值和规则判定，获得设备的状态评价。设备状态评价专家系统框架如图4所示。

具体如下：

（1） 知识库、规则集：包括设备状态自动评价的规则和判断标准。包括《一次设备状态评价导则》、《在线监测标准》、《预防性检修试验规程》、业务经验和国内外权威文献的总结。

（2） 推理机：进行设备的健康状态评价。提供故障预警。

（3） 数据库接口：包括数据获取、数据预处理和数据缓存的功能。

3.3.1 知识库设计

本研究以某南方电网公司变电设备导则和规程作为知识库的来源，通过程序将状态量、状态评价导则的各类判定规则以知识库的形式固化和存储在数据库中，作为评价设备健康程度的判断依据。设备状态评价知识库规则存储表如表4所示：

3.3.2 规则集

规则集是状态评价推理所使用的所有规则的集合。规则集的构建极大的提高了设备状态评价的自动化、智能化。本研究采用的是基于产生式的知识表示法。产生式表示法是“当前1个或N个条件为真时，则结论为真”的表示形式。常见形式为：“f 前提条件，Then结论”[14、15]。其条件可以是一个或多个逻辑的组合，但结论仅为一个。例如主变压器的色谱分析的规则如下：

#总烃扣分规则

defzt_score_deducton_rules（df， value， rate）：

score_deducton = 0

f df[value] > 150：

score_deducton = 12

f df[value] > 150 and df[rate] > 0.1：

score_deducton = 30

return score_deducton

#乙炔扣分规则

defyq_score_deducton_rules（df，voltage_level，value， rate）：

score_deducton = 0

f df[voltage_level]== '500 kV' and df[value] > 5：

score_deducton = 30

elfdf[value]> 1 and df[value] < 5：

score_deducton = 30

return score_deducton

#氢气扣分规则

defqq_score_deducton_rules（df， value， rate）：

score_deducton = 0

f df[value] > 150 and df[value] < 160：

score_deducton = 8

elfdf[value] > 160：

score_deducton = 16

return score_deducton

以主变压器的色谱分析状态量为例，主变压器色谱分析规则如表5所示。

当某种气体浓度达到注意值时，要进行跟踪分析，结合三比值进行分析

3.3.3 系统推理机模型

推理机是根据加载解析的知识库规则，并根据知识库中所获取的设备状态量数据和判断依据进行推理的执行过程。设备状态评价推理机模型如图5所示。

4 实例

4.1 应用对象

为了进一步验证模型的准确性，比如选取某变电站500 kV主变压器进行分析。该变压器由厦门ABB电器控制设备有限公司生产，运行年限为23年。油中溶解气体数据、油试验数据、试验数据、缺陷数据，如表6、表7、表8所示。

4.2 设备评价分析

基于专家系统的设备状态评价，结合变压器基本信息、油中溶解气体数据，油试验数据、高压试验数据、缺陷信息，得到最终设备状态评价结果如表10所示。

每个部分得分率均在90%及以上且核心项目全部合格的设备评价为“完好”;每个部分得分率均在70%以上，但至少有一个部分得分在90%以下，且核心项目全部合格的设备评价为“较好”;只要有一个部分的得分率在70%以下，或有核心项目不合格的设备评价为“注意”。如设备未能被评为“完好”，应提出针对性的分析和处理意见。通过对设备历史单向评价和综合评价具体设备状态量性能指标的对比和趋势分析功能，从而得出某一设备的健康状况水平，从而指导运行、检修单位和管理部门制定合理检修计划和预防措施。

5 总结

本研究以电力设备作为研究对象，以设备多源数据为基础，通过将专家知识库引入到电力设备状态评价中，结合设备状态模糊性分析，构建设备状态评价体系架构;在此基础上，通过设备状态数据获取与预处理分析，研究状态量选取和构建设备的自动状态评价模型;最后通过实例应用，验证该方法的实用性与先进性，实验结果显示本研究设计的模型实现了设备状态的健康状态评价，为运维检修工作提供了有益参考，为进一步支撑电力业务的辅助决策，提高供电可靠性和安全性提供一种支撑。

参考文献

[1] 魏嘉玮.浅析电网设备台账数据质量现状[J].科技创新导报，2017，14（34）：64-65.

[2] 李振杰， 卞朝晖， 陈学民， 等. 变压器油色谱在线监测数据有效性评估[J]. 高压电器， 2018（6）：158-163.

[3] 贺川双， 杜修明， 严英杰， 等. 基于数据挖掘和主成分分析的电力设备状态评价[J]. 高压电器， 2017（12）：34-41.

[4] Munkova D， Munk M. An automatc evaluaton of machne translaton and Slavc languages[C]// EEE nternatonal Conference on Applcaton of nformaton & Communcaton Technologes. 2015：1-5.

[5] Chao C， Qn X. Research of vehcle automatc emergency brakng system evaluaton methods[C]// nternatonal Conference on ntellgent & Connected Vehcles. 2017：1-9.

[6] Sh J， Wang Y， Chen T， et al. Automatc evaluaton of traumatc bran njury based on terahertz magng wth machne learnng[J]. Optcs Express， 2018， 26（5）：6371-6381.

[7] Du W L， Tan X L. An Automatc Evaluaton Platform for Feature Matchng Algorthms Based on an Orbtal Optcal Pushbroom Stereo magng System[J]. EEE Geoscence & Remote Sensng Letters， 2018（99）：1-5.

[8] 胡吉祥. 供電企业配电网可靠性评估系统的设计与实现[D]. 成都：电子科技大学，2015.

[9] 刘捷丰. 基于介电特征量分析的变压器油纸绝缘老化状态评估研究[D]. 重庆：重庆大学，2015.

[10] 雷帆. 基于大数据分析的电力变压器状态评估与故障诊断技术研究[D]. 成都：西南交通大学，2016.

[11] 孙鹏， 黄绪勇， 耿苏杰. 基于实时监测和例行试验数据的电力变压器状态动态评估方法[J]. 电力自动化设备， 2018，38（3）：210-217.

[12] 张彪， 王渝红， 李兴源. 高压直流输电设备状态评价专家系统研究[J]. 计算机工程与设计， 2014， 35（2）：690-694.

[13] 郑惠俊， 袁海文. 配电设备健康状态评价专家系统的设计与实现[J]. 应用科技， 2017（4）：55-59.

[14] 江丹宇. 基于油中甲醇含量的油纸绝缘老化状态评估方法研究[D].成都：西南交通大学， 2017.

[15] 耿艳， 崔慧军， 于洋，等. 基于辅助决策专家库的设备健康水平预测研究[J]. 华北电力技术， 2017（11）：41-47.

（收稿日期： 2019.06.28）

作者简介：舒越（1991-），男，助理工程师，研究方向：高电压试验、变电检修工作。文章编号：1007-757X（2020）01-0115-05