輸變電設(shè)備優(yōu)化檢修（OM）若干關(guān)鍵技術(shù)研究.pdf

1、輸變電設(shè)備是組成電力系統(tǒng)的主要元件。在當(dāng)前電力需求不斷增大和電力企業(yè)商業(yè)化運(yùn)營的環(huán)境下，設(shè)備的可利用率和維護(hù)成本直接關(guān)系到系統(tǒng)運(yùn)行可靠性、企業(yè)效益與市場競爭力。因此需要設(shè)備管理部門能夠及時掌握設(shè)備的運(yùn)行狀態(tài)和健康狀態(tài)，正確地對設(shè)備進(jìn)行故障檢測和診斷，通過合理的檢修體制預(yù)防和消除設(shè)備的故障。在全面總結(jié)我國電網(wǎng)企業(yè)現(xiàn)有檢修體制的基礎(chǔ)上，借鑒其它工業(yè)領(lǐng)域的研究成果，提出了電網(wǎng)企業(yè)優(yōu)化檢修（Optimal Maintenance，OM）的思想：

2、逐步減少定期檢修，避免重要設(shè)備的事后檢修，推行狀態(tài)檢修，制訂以可靠性為中心的綜合檢修計劃，保證系統(tǒng)的可靠性，降低檢修成本。輸變電設(shè)備優(yōu)化檢修的核心是狀態(tài)檢修，其實現(xiàn)依賴于狀態(tài)監(jiān)測技術(shù)、狀態(tài)評估技術(shù)、故障診斷技術(shù)、檢修計劃優(yōu)化技術(shù)，企業(yè)信息化技術(shù)的發(fā)展。本文對這幾個領(lǐng)域的若干關(guān)鍵技術(shù)進(jìn)行了研究，并著重以電力變壓器為例進(jìn)行了應(yīng)用。 對狀態(tài)監(jiān)測中的故障檢測功能進(jìn)行了分析?；诜蔷€性系統(tǒng)辨識模型的故障檢測方法要求模型本身具有較高的辨識精

3、度，因此提出一種基于差異進(jìn)化算法（Differential Evolution，DE）和粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）的新型混合進(jìn)化算法DEPSO，以及基于DEPSO的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neural Network，RBFNN）模型，并應(yīng)用于預(yù)測SF6氣體絕緣變壓器表面溫度。該模型用DEPSO算法訓(xùn)練RBFNN隱層中心的數(shù)量和位置，并采用遞推

4、最小二乘法確定網(wǎng)絡(luò)輸出層的權(quán)值。對某變電站SF6氣體絕緣變壓器的表面溫度預(yù)測結(jié)果表明：與BP網(wǎng)絡(luò)、基于進(jìn)化規(guī)劃、PSO的RBFNN相比，這種建模方法具有更高的辨識精度。 輸變電設(shè)備的狀態(tài)評估是一個多屬性決策問題，需要對其狀態(tài)進(jìn)行合理劃分，并綜合考慮監(jiān)測資料、工作環(huán)境、運(yùn)行檢修記錄，建立綜合的評估指標(biāo)體系。以變壓器為例，根據(jù)狀態(tài)評估指標(biāo)具有層次性和模糊不確定性的特點，提出了一種改進(jìn)的證據(jù)推理方法用于評估變壓器的狀態(tài)。證據(jù)的初始基本

5、概率賦值通過層次分析法及模糊評估法獲取，改進(jìn)的方法適用于證據(jù)間出現(xiàn)高度沖突的情況。實例分析表明了該方法的有效性。指標(biāo)體系的建立方法和改進(jìn)的證據(jù)推理方法同樣適用于輸電線路和斷路器等輸變電設(shè)備的狀態(tài)評估。 提出一種新穎的多分類多核學(xué)習(xí)支持向量機(jī)變壓器故障診斷方法，相對于傳統(tǒng)的兩分類支持向量機(jī)，該方法具備諸多優(yōu)點。算法針對單一的優(yōu)化目標(biāo)函數(shù)求解，只需設(shè)計一組參數(shù)，大大降低了支撐向量機(jī)在解決多類問題中模型構(gòu)造和參數(shù)選擇的難度；核函數(shù)是多

6、個基核函數(shù)的組合，提高了分類的精度；將模型分解為兩個凸優(yōu)問題進(jìn)行求解，問題的復(fù)雜度低，求解速度快。診斷實例表明，該方法能保證很高的診斷準(zhǔn)確率，具有很好的實用性和推廣性。 從輸變電設(shè)備檢修計劃編制的實際需求出發(fā)，建立了考慮多種約束條件、以系統(tǒng)全年可靠性指標(biāo)最優(yōu)為目標(biāo)的檢修計劃優(yōu)化模型。模型中考慮了設(shè)備實際狀態(tài)對其故障率的轉(zhuǎn)化，以及檢修對故障率的影響。針對該模型的特點，提出了一種改進(jìn)的免疫算法，該算法在上一代最優(yōu)抗體的基礎(chǔ)上，通過一

7、個較小鄰域范圍和一個較大鄰域范圍的并行搜索，使得該方法具備較強(qiáng)的局部尋優(yōu)能力和全局尋優(yōu)能力，有效提高算法的收斂速度和收斂精度。通過馬爾可夫鏈的分析，證明了本文提出該算法的全局收斂性。最后，通過對標(biāo)準(zhǔn)IEEE RTS96單區(qū)域系統(tǒng)進(jìn)行仿真，證明了本文模型及算法的實用性。 為了提高輸變電設(shè)備檢修決策信息平臺的集成能力及系統(tǒng)的柔性，提出了基于面向服務(wù)架構(gòu)（Services—Oriented Architecture，SOA）的輸變電設(shè)