SF6气体密度数字化表计可信度评估方法研究

0引言

在高压电气设备中,SF6气体凭借其优异的绝缘性能和灭弧能力,广泛应用于断路器、GIS等关键设备[1]。作为保障设备安全运行的核心参数,SF6气体密度的实时监测直接关系到设备绝缘强度与开断性能[2]。随着智能电网建设的深入推进[3—4],传统机械式密度表的局限性日益凸显,而具备数字化输出、远程传输功能的SF6数字式密度表计逐渐成为在线监测系统的标配设备[5],然而,环境温度波动、机械振动以及电磁干扰等因素都可能对密度表的测量精度产生干扰,可能导致测量数据出现误差,影响其可信度[6—7]。

针对上述问题,现有解决方案主要依赖两种技术路线:一是基于固定周期的实验室校准[8],该方法存在设备停运成本高、校准周期与故障突发性不匹配等缺陷;二是采用双表冗余配置[9],虽能提高系统可靠性,但带来安装空间受限和运维成本倍增的新问题。因此,迫切需要一种能够对SF6密度表数据进行实时评估的方法,通过动态监测数据的可信度,及时识别并处理异常情况,从而有效提升电力系统的运行安全性与供电可靠性。

为解决该问题,本文提出了一种结合设备数据变化特征、校验情况以及历史案例的SF6密度表数据可信度的评估方法,该方法突破了传统阈值判断的局限性,通过层次化评估模型显著提升了密度表状态评估的智能化水平,可为运维人员提供包含数据可信等级、异常类型概率分布在内的决策支持,对预防SF6气体泄漏导致的开断失败等恶性事故具有重要的工程价值。

1SF6密度数字化表计可信度评估原理

层次分析法(AnalyticHierarchyProcess,AHP)是由美国著名运筹学家、匹兹堡大学T.L.Saaty教授提出的一种结构化决策分析方法。该方法通过构建层次化的评价体系,将复杂的多准则决策问题转化为系统化的定量分析过程,现已成为管理科学和系统工程领域最具影响力的决策工具之一。该方法特别适用于难以完全用定量分析解决的复杂决策问题,通过结构化分解和数学建模,将主观判断与客观计算相结合,为决策者提供科学依据。AHP的核心思想是将复杂问题中的各类因素按照其相互关联和隶属关系,构建成一个有序的递阶层次结构。在这一结构中,决策者通过对同一层次内的因素进行两两比较,基于客观现实和主观经验赋予相对重要性判断,再通过数学计算和一致性检验,最终确定各因素相对于总体目标的权重,并据此进行方案排序和综合决策。AHP分析问题的算法流程如图1所示。

AHP通常将决策问题划分为三个基本层次:1)目标层:该层仅包含一个核心元素,即决策的最终目标或理想结果;2)准则层:该层由实现目标所需考虑的关键因素和子因素构成;3)方案层:该层包含具体的决策选项或实施措施,通过权重计算与上层准则关联,最终服务于目标实现。AHP层次划分如图2所示。

2基于层次分析法的SF6密度数字化表计数据可信度评估方法

2.1评价体系及判断矩阵构建

层次分析法将待解决的评估问题系统划分为三个核心层级: 目标层、准则层和方案层。本文的目标层即SF6密度表计的可信度。准则层划分为三个层面:数据统计可信度、数据采样可信度、数据内容可信度。统计可信度从统计角度衡量数据可用性,方案层设置为数据突变、近期统计可用性和历史统计可用性三个指标;采样可信度用于描述数据采样设备对可信度的影响,方案层设置为维护情况和校验情况两个指标;内容可信度从数据内容角度考察数据质量,方案层设置为历史误报率一个指标。SF6密度表计可信度层次划分如图3所示。

为确定各指标权重,构建相对重要性矩阵:

通常采用9标度法进行两指标之间的重要度比较,比例标度如表1所示。

对于SF6密度表在线远传数据,其数据的统计特性表征传感器连续测量过程中的数据稳定性,是评估数据可信度的重要指标。而由于设备校准对数据可信度具有重要作用,因此采样可信度权重可适当增强,综合专家意见,相对重要性矩阵的初始值如表2~5所示。

2.2 故障诊断分析

基于相对重要性判断矩阵,通过求解矩阵的最大特征值λmax对应的特征向量,经归一化处理后即可获得各评价指标的权重分配。该权重向量客观反映了各因素在评价体系中的相对重要性程度。

数据可信度评估指标经计算后最终确定的权重分配如表6所示。

人类思维的局限性可能导致构造的判断矩阵存在不一致性,因此上述权重分配结果的合理性仍需通过一致性检验来验证:

式中:CR为相对重要性矩阵的随机一致性比率;RI为相对重要性矩阵的平均随机一致性指标;CI为相对重要性矩阵的一般一致性指标,计算方法为:

式中:n为相对重要性矩阵阶数。

对于1~3阶的相对重要性矩阵,RI值参考规定值,如表7所示。

当相对重要性矩阵的CR<0.1时,或者λmax=n,CI=0时认为矩阵A具有满意的一致性,否则需对判断矩阵A中的元素进行适当调整,直至其满足一致性要求。一致性校验结果如表8所示,权重分配满足一致性校验结果。

2.3特征可信度评分赋值

对各项指标处于不同状态下的情况进行可信度评分赋值,数据统计可信度方面,数据突变可信度评分如表9所示,近期统计可用性可信度评分如表10所示,历史统计可用性可信度评分如表11所示。

采样可信度评分方面,导则或规程中规定的维护、校准周期为Tf,最近一次维护/校准的时间为t1,可信度评价时间为t2,可信度评分方法为:

内容可用性可信度评分方面,基于历史误报率Fw进行可信度评分,如表12所示。

3现场实例应用

对两个不同变电站GIS设备的SF6密度表计在线监测数据进行分析,2024年10月到2025年3月半年间的SF6密度表计1数据变化情况如图4所示。

由图4可以看出,SF6密度表计主要在0.55~0.58Mpa波动,这是由于SF6密度表计存在温度补偿功能,可以保证在不发生漏气情况下数据的稳定性。2024年12月,SF6密度表计1在线监测系统出现故障,在停止运行一段时间后经过维护重新正常运行。该表计的各项指标可信度评分如表13所示。

基于层次分析法对SF6密度表计1进行可信度评价,结果如表14所示。

最终的评价结果,SF6密度表计1的数据可信度为0.824,数据质量相对良好。

2024年10月到2025年3月半年间SF6密度表计2数据变化情况如图5所示。

由图5可以看出,在2024年10月份,SF6密度表计2出现低密度数值记录情况,经核查后发现为误报,由于10月份的31天中出现了5天的误报数据,因此历史误报率记录为0.16。且SF6密度表计2在2025年3月份的最新数据中记录数据值出现异常提高,且未查询到具体原因,记录为数据突变。该表计的各项指标可信度评分如表15所示。

基于层次分析法对SF6密度表计2进行可信度评价,结果如表16所示。

最终的评价结果,SF6密度表计2的数据可信度为0.681,该表计的数据可信度中等,需经常进行维护与校验,以保证数据准确度。

4结束语

本文基于层次分析法构建SF6密度表数据可信度评价模型,提出了统计可信度、采样可信度和内容可信度三个核心判断指标,并基于表计的测量数据、维护/校验情况以及历史误报率,对各指标进行了置信度评分与权重分配。该模型能够有效评估数据可信度,进而判断表计是否存在问题以及数据是否可用。实验结果表明,该模型在实际应用中具有较高的准确性和实用性,为SF6密度表的数据质量管理提供了科学依据。未来研究可进一步优化模型参数,扩大应用场景,并探索更多影响数据可信度的因素,以提升模型的鲁棒性和适用性。

[参考文献]

[1]周益华,刘胜利,史清芳,等.SF6表计在线监测与巡视方法的研究[J].电工技术,2023(15):144-146.

[2]吴志佳.220kV开关站GIS断路器气室密度继电器改造及应用[J].机电信息,2021(18):16-17.

[3] 陈雪薇,张继东,田园,等.基于迁移学习的电力负荷预测研究[J].机电信息,2021(23):12-14.

[4]李杨.智能电网在电力技术及电力系统规划中的运用研究[J].电工材料,2023(3):46-48.

[5]艾睿.GIS的SF6密度在线监测浅谈[J].科协论坛(下半月),2013(6):111-113.

[6]宋亚凯,张一茗,李少华,等.一种混合式SF6气体密度表的设计[J].电气自动化,2017,39(2):92-94.

[7] 白同元,黄瀚宇,林琳淳,等.基于机器学习的压力传感器故障诊断及剩余寿命预测模型研究[J].科技创新与应用,2021,11(25):32-34.

[8]史亚丽,由志勋.SF6气体密度继电器校验仪校准的探讨[J].计测技术,2012,32(增刊1):55-57.

[9]商琼玲,朱榜超.SF6气体数字式密度继电器的自诊断系统研究[J].电工技术,2024(13):146-149.

《机电信息》2025年第22期第6篇