本發(fā)明涉及水電機組狀態(tài)評估方法，特別是一種基于多指標(biāo)融合的水電機組狀態(tài)評估方法。

背景技術(shù)：

1、水電機組是將水能轉(zhuǎn)化為電能的重要設(shè)備，其運行狀況直接影響局部，甚至整個電力系統(tǒng)的安全穩(wěn)定運行。水電機組的設(shè)備故障，如水淹機組、發(fā)電機掃膛、發(fā)電機線棒燒毀、水輪機葉片斷裂、變壓器爆炸等情況，都可能導(dǎo)致機組的強迫停運和非計劃停運，造成電力系統(tǒng)震蕩，嚴(yán)重影響電站和電網(wǎng)的安全穩(wěn)定性。因此，為確保水電機組及電網(wǎng)的安全穩(wěn)定運行，提高設(shè)備利用率，避免重大經(jīng)濟損失和人員傷亡，必須對水電機組運行狀態(tài)進行合理的監(jiān)測與評估。同時水電機組的運行狀態(tài)受到多方面的影響，我們需要考慮多指標(biāo)因素，將不同指標(biāo)進行數(shù)據(jù)融合，運用主客觀權(quán)重相結(jié)合的方法去準(zhǔn)確的評估水電機組的運行狀態(tài)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服上述不足，提供一種基于多指標(biāo)融合的水電機組狀態(tài)評估方法，解決現(xiàn)有的水電機組評估方法存在指標(biāo)權(quán)重不夠精確以及沒有考慮同一目標(biāo)層中各指標(biāo)之間相互的影響，導(dǎo)致評估的狀態(tài)與現(xiàn)實情況有所偏差的技術(shù)問題。

2、為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：一種基于多指標(biāo)融合的水電機組狀態(tài)評估方法，它包括如下步驟：

3、步驟一：根據(jù)水電機組的實時運行狀態(tài)，以及數(shù)據(jù)傳感器采集的實時數(shù)據(jù)，構(gòu)建出相應(yīng)的動態(tài)評估指標(biāo)，構(gòu)建包含運行數(shù)據(jù)集及動態(tài)安全指標(biāo)的初始樣本集；

4、步驟二：針對初始樣本集，引入劣化度來表示定量指標(biāo)，對初始樣本集進行處理，以達(dá)到數(shù)據(jù)壓縮的目的，并且生成高效樣本集；

5、步驟三：使用模糊綜合評價方法，對水電機組的綜合狀態(tài)評估構(gòu)建評價指標(biāo)體系，對于其中包含的多個指標(biāo)按照屬性進行分層，形成一個多層次體系，并對體系中的所有目標(biāo)構(gòu)建對應(yīng)的隸屬度和評價等級，得到各個指標(biāo)的模糊評價矩陣；

6、步驟四：根據(jù)生成的高效樣本集，利用層次分析法去計算各項指標(biāo)的主觀權(quán)重，利用決策與實驗室評估法去計算各項指標(biāo)的客觀權(quán)重，將得到的各指標(biāo)的主觀權(quán)重和客觀權(quán)重綜合考慮得到指標(biāo)的實際加權(quán)集；

7、步驟五：對各個指標(biāo)的模糊評價矩陣進行綜合加權(quán)計算，得到項目層中項目目標(biāo)的模糊評價矩陣；

8、步驟六：同步驟四，對項目層中的各個目標(biāo)進行權(quán)重計算，然后對項目目標(biāo)的模糊評估矩陣進行加權(quán)計算，最終得到目標(biāo)層水電機組的綜合狀態(tài)評估矩陣，然后根據(jù)最大隸屬度原則，得到水電機組的狀態(tài)。

9、進一步地，在步驟二中針對初始樣本集，引入劣化度來表示定量指標(biāo)，對初始樣本集進行處理，以達(dá)到數(shù)據(jù)壓縮的目的，如公式(1)所示：

10、

11、式中：c為某運行變量經(jīng)過標(biāo)準(zhǔn)歸一化后的值；ci為該運行變量的原始值；cmin為指標(biāo)的理想值；cmax為指標(biāo)的極限值；通過此方式使所有變量的值都在0至1內(nèi)變化。

12、進一步地，步驟三中，對水電機組的綜合狀態(tài)評估構(gòu)建評價指標(biāo)體系，對于其中包含的多個指標(biāo)按照屬性進行分層，形成一個多層次體系，包括：

13、目標(biāo)層：水電機組的綜合狀態(tài)評估；

14、項目層：振動，擺動，脈沖，溫度；

15、指標(biāo)層：振動包括上蓋振動(x,y,z)和軸系振動(a,b,c)，擺動指數(shù)包括水電導(dǎo)擺x和y，壓力脈動指標(biāo)包括蝸殼壓力脈動和排氣管壓力脈動，溫度指標(biāo)包括水導(dǎo)瓦溫度和水導(dǎo)油溫度。

16、進一步地，步驟三中，得到各個指標(biāo)的模糊評價矩陣如公式(2)和(3)所示：

17、xjk＝djk/d???(2)

18、式中：d代表指標(biāo)集代表總的專家人數(shù)，djk代表指標(biāo)集ci中對第j個評價指標(biāo)做出第k級評語的專家人數(shù)，xjk為第j個指標(biāo)的對第k級評語的隸屬度；

19、

20、式中：xnr代表對指標(biāo)集ci中的第n個評價指標(biāo)做出的對第r級評語的隸屬度，ri為同一層內(nèi)指標(biāo)的模糊評價矩陣。

21、進一步地，步驟四中，利用層次分析法去計算各項指標(biāo)的主觀權(quán)重的具體步驟如下：

22、4.1、構(gòu)建水電機組的綜合模型，以水電機組為目標(biāo)構(gòu)建多層次指標(biāo)系統(tǒng)；

23、4.2、根據(jù)比較不同指標(biāo)的重要度，構(gòu)建判斷矩陣，如公式(4)所示：

24、

25、式中：vi代表選取的第i個指標(biāo)，vj代表選取的第j個指標(biāo)，cij代表第i個指標(biāo)和第j個指標(biāo)的重要度關(guān)系；

26、4.3、根據(jù)上述得到的判斷矩陣c，如公式(5)所示：

27、c＝(cij)n×n???(5)

28、式中：cij>0,cii＝1；

29、4.4、計算判斷矩陣的最大特征值以及相應(yīng)的特征向量，同時根據(jù)特征值去定義一致性指標(biāo)ci，如公式(6)所示：

30、

31、式中：λmax為判斷矩陣的最大特征值，n為對應(yīng)的特征向量數(shù)；

32、若ci＝0,那么具有完全的一致性；若ci逼近于0，那么具有較好的一致性；若ci越大，那么一致性越差；

33、4.5、根據(jù)矩陣階數(shù)所對應(yīng)的隨機性指標(biāo)ri和矩陣的一致性指標(biāo)ci，去定義一致性比率，如公式(7)所示：

34、

35、式中：cr為一致性比率；

36、4.6、當(dāng)矩陣滿足一致性要求后，對判斷矩陣c的最大特征值對應(yīng)的特征向量采取歸一化處理，便可以得到對應(yīng)的權(quán)重集(w1,w2,…,wn),其中ci如公式(8)所示：

37、

38、式中：pi為判斷矩陣對應(yīng)的特征向量。

39、進一步地，步驟四中，利用決策與實驗室評估法去計算各項指標(biāo)的客觀權(quán)重的具體步驟如下：

40、4-1、根據(jù)三角模糊函數(shù)，將同一層下指標(biāo)之間的影響關(guān)系根據(jù)對應(yīng)的表格轉(zhuǎn)化為三角模糊判斷集；

41、4-2、利用dematel法反映指標(biāo)體系中各指標(biāo)的相互影響關(guān)系，采用cfcs方法解模糊化計算客觀權(quán)重；

42、4-3、建立初始直接影響矩陣，收集專家判斷意見根據(jù)影響關(guān)系轉(zhuǎn)化為三角模糊數(shù)(lij,mij,uij)，得到第k位專家給出的初始直接影響矩陣如公式(9)所示：

43、

44、4-4、計算標(biāo)準(zhǔn)化三角模糊數(shù)，如公式(10)所示：

45、

46、式中：表示三角模糊數(shù)右側(cè)值和左側(cè)值的差距為標(biāo)準(zhǔn)的三角模糊數(shù)值；

47、4-5、根據(jù)左右標(biāo)準(zhǔn)值計算標(biāo)準(zhǔn)化總值如公式(11)所示：

48、

49、4-6、計算第i個因素對第j個因素的影響值得到直接影響矩陣d，如公式(12)所示：

50、

51、式中：dij表示k個專家的判別均值，d為專家判別均值構(gòu)成的直接影響矩陣；

52、4-7、標(biāo)準(zhǔn)化處理矩陣d并計算綜合影響矩陣t,如公式(13)所示：

53、

54、式中：表示矩陣d每行元素和中的最大值；

55、4-8、將矩陣t中元素分別按照行與列進行疊加，分別求取影響度e，被影響度f，中心度m和原因度h，如公式(14)所示：

56、

57、式中：tij為綜合影響矩陣t中的影響因子；

58、4-9、計算客觀權(quán)重如公式(15)所示：

59、

60、進一步地，步驟四中，將得到的各指標(biāo)的主觀權(quán)重和客觀權(quán)重綜合考慮得到指標(biāo)的實際加權(quán)集如公式(16)所示：

61、

62、式中：為指標(biāo)的主觀權(quán)重，為指標(biāo)的客觀權(quán)重。

63、進一步地，步驟五中，得到項目層中項目目標(biāo)的模糊評價矩陣如公式(17)所示：

64、

65、式中：表示項目層中某個項目目標(biāo)b歸屬于4中狀態(tài)評價等級的不同隸屬度值，r為指標(biāo)模糊評價權(quán)重矩陣，w為指標(biāo)對應(yīng)的權(quán)重矩陣。

66、本發(fā)明有益效果：

67、1、本發(fā)明解決了現(xiàn)有的水電機組評估方法存在指標(biāo)權(quán)重不夠精確以及沒有考慮同一目標(biāo)層中各指標(biāo)之間相互的影響，導(dǎo)致評估的狀態(tài)與現(xiàn)實情況有所偏差的技術(shù)問題。

68、2、本發(fā)明實現(xiàn)對水電機組從正常狀態(tài)演變?yōu)楣收蠣顟B(tài)這一演變過程的動態(tài)實時監(jiān)測，進而達(dá)到對水電機組的安全預(yù)警，減少經(jīng)濟損失和人員傷亡的技術(shù)效果。

69、3、本發(fā)明減少了水電機組因故障可能導(dǎo)致的能源損耗，提高了水電機組的發(fā)電效率，幫助優(yōu)化了水電機組的性能。

70、4、本發(fā)明利用模糊數(shù)學(xué)處理水電機組評估中可能出現(xiàn)的不確定性，提高了評估方法的靈活性和適應(yīng)性。