[發明專利]基于多特征量的復合絕緣子老化狀態綜合評估方法

在審

• 申請號: 201710758376.2
• 申請日: 2017-08-29
• 公開（公告）號: CN107516015A
• 公開（公告）日: 2017-12-26
• 發明（設計）人: 劉啟勝;劉靜雯;唐佳
• 申請（專利權）人: 武漢大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙)42222
• 代理人: 魯力

1.基于多特征量的復合絕緣子老化狀態綜合評估方法，其特征在于，包括以下步驟：

步驟1，定義復合絕緣子的老化狀態表現包括五大類：表觀狀態、憎水性能、電氣性能、機械性能和其他因素；以這五種因素作為項目層，選取外觀檢查、傘盤硬化、憎水性、增水遷移性、泄漏電流、工頻干耐受、陡坡沖擊、工頻干濕閃、密封性能、機械耐受、機械破壞值、運行年限、溫度和濕度這14個指標作為第二層指標層；指標層對應的14個指標即為特征量，對各指標的評估結果根據實際需要建立評語集，評語集是對評估對象整體狀態的等級劃分；評估等級劃分不宜過多或過少，在復合絕緣子老化狀態評估中，評語集表示為V＝{V1，V2，V3，V4}；其中，V1、V2、V3、V4分別表示絕緣子的狀態為預警、一般、較好、良好；完成了兩級評估指標體系的構建、評語集的確定；

步驟2，選擇半梯形與三角形相結合的分布函數作為隸屬函數，隸屬函數定義為：設X是普通集合，有映射A：使當x∈X都有一個數μ_A(x)∈[0,1]，稱為模糊集合簡稱為F集；A(x)稱為x相對與F集A的隸屬程度；μ_A(x)稱為隸屬函數；將14個特征量就評語集所約定的評估等級確定其隸屬度，由于多指標評估系統中，各特征量的數量級和量綱不同，因此需要將數據做歸一化處理；對于定量的數據數值越大性能越優的評估指標，計算公式為x_i＝(C_i-C₀₁)/(C₀-C₀₁)，數值越小性能越優型的評估指標如工頻干濕閃電壓下降值，計算公式為x_i＝(C₀₁-C_i)/(C₀₁-C₀)，式中，x_i為指標i歸一化后的值；C₀為該指標的最優值；C₀₁為該指標的注意值；C_i為指標i的實測值；對于定性的數據，采用專家打分的方法，評分范圍為0-1，分值越小表示該指標的性能越差，分值越大表示指標性能越優；定性指標的模糊分界值統一規定為x₁＝0.2,x₂＝0.4,x₃＝0.6,x₄＝0.8，由各指標對四種狀態的隸屬度函數從而得出模糊綜合評判矩陣；對指標層中每個特征量采用改進層次分析法確定常權，在常權基礎上上，依據變權公式對常權進行修正；變權公式為：式中，x_i是第i個評估因素的值，m是評估因素的個數；w_i為第i種因素的權重；為第i種因素的常權重；各個特征量的變權構成權重集；完成了隸屬函數的確定、特征量數據的歸一化處理、常權的求取、變權的確定；

步驟3，按照模糊綜合評估的評估方法對復合絕緣子老化狀態進行模糊綜合評估；首先由單因素模糊綜合評估，得到最低一級評估指標的隸屬度，構造最底層的模糊矩陣R，然后將該級的權重集與模糊矩陣R按照選定的模糊算子進行模糊運算，得到該級的模糊評判矩陣，再將該評判矩陣作為上一級的模糊矩陣進行上一層的模糊綜合評判，得到最終的模糊評判矩陣。

2.根據權利要求1所述的基于多特征量的復合絕緣子老化狀態綜合評估方法，其特征在于，所述的步驟3中，模糊算子的確定具體為：綜合評估矩陣B＝A&R中A為權重集，R為隸屬度確定的模糊矩陣，&是廣義模糊算子，B是將權重集和模糊矩陣按照模糊算子進行合成得到的綜合矩陣；不同的算子選擇有不同的意義，對同一個問題求解的結果也大不相同，該選擇對評價結果的準確度影響比較重要；對于算子的選擇應該按照實際的目的需求及期望達到的效果進行合理的選擇，采用加權平均型的綜合評判模型，用M(+，·)表示，即

3.根據權利要求1所述的基于多特征量的復合絕緣子老化狀態綜合評估方法，其特征在于，所述步驟1中，綜合評估結果是采用加權平均得到的，即

4.根據權利要求1所述的基于多特征量的復合絕緣子老化狀態綜合評估方法，其特征在于，所述的步驟2中，常權重的確定是采用改進的層次分析法，方法如下：

步驟2.1、確定目標和評估因素集：評價目標是復合絕緣子的老化狀態，評價因素集是權利要求1中所構建的兩層評估體系；

步驟2.2、構造判斷矩陣：以A表示目標，g_i表示評價因素，g_i∈G(i＝1,2,3,...,n)；g_ij表示g_i對g_j的相對重要數值，(j＝1,2,3,...,n)，由此確定判斷矩陣G；

G=g11g12...g1ng21g22...g2n............gn1gn2...gnn]]>

步驟2.3、構造擬優化傳遞矩陣W*：構造G的一個擬優化傳遞矩陣其中b_ij＝lgg_ij(對于任意的i，j)；

W*=w11w12...w1nw21w22...w2n............wn1wn2...wnn]]>

步驟2.4、由矩陣運算求出W*的最大特征值對應的特征向量，將其歸一化即為該目標的常權重分配。