杜 江， 張燁燁， 王景芹， 岳 帥

(1. 河北工業(yè)大學(xué) 電磁場和電器可靠性省部共建重點(diǎn)實(shí)驗(yàn)室， 天津 300130；2. 首都航天機(jī)械公司， 北京 100071)

變壓器設(shè)計(jì)專家系統(tǒng)初始方案的決策方法研究

杜 江1， 張燁燁1， 王景芹1， 岳 帥2

(1. 河北工業(yè)大學(xué) 電磁場和電器可靠性省部共建重點(diǎn)實(shí)驗(yàn)室， 天津 300130；2. 首都航天機(jī)械公司， 北京 100071)

針對現(xiàn)有變壓器設(shè)計(jì)專家系統(tǒng)尚不能根據(jù)已有設(shè)計(jì)方案智能確定出最優(yōu)初始方案的問題， 提出了一種基于加權(quán)灰靶理論確定最優(yōu)初始方案的方法， 包含靶心度分析和貢獻(xiàn)度分析. 在構(gòu)建加權(quán)灰靶理論數(shù)學(xué)決策模型的基礎(chǔ)上， 對10 kV級油浸式配電變壓器設(shè)計(jì)專家系統(tǒng)初始方案的確定進(jìn)行了實(shí)例演示， 并將演示結(jié)果與采用模糊理論方法得到的結(jié)果進(jìn)行對比， 驗(yàn)證了基于加權(quán)灰靶理論確定最優(yōu)初始方案的方法的可行性和優(yōu)越性.

變壓器； 專家系統(tǒng)； 加權(quán)灰靶理論

0 引 言

當(dāng)前電力建設(shè)發(fā)展迅速， 變壓器的市場廣闊， 競爭激烈. 以節(jié)能降耗省材為目標(biāo)的變壓器優(yōu)化設(shè)計(jì)越來越受到人們重視. 目前常用的變壓器優(yōu)化設(shè)計(jì)方法有正交試驗(yàn)法、 正多面體法、 循環(huán)遍歷法等傳統(tǒng)優(yōu)化算法和粒子群算法、 人工魚群算法、 遺傳算法等智能仿生算法[1-2]， 這些算法均未涉及專家經(jīng)驗(yàn). 而變壓器設(shè)計(jì)是一個(gè)復(fù)雜多變量非線性問題， 設(shè)計(jì)過程非常依賴于專家經(jīng)驗(yàn)， 如何將優(yōu)秀設(shè)計(jì)人員的豐富經(jīng)驗(yàn)運(yùn)用到設(shè)計(jì)中， 建立準(zhǔn)確完善的設(shè)計(jì)方案， 是當(dāng)前研究的熱點(diǎn). 在此背景下， 變壓器設(shè)計(jì)專家系統(tǒng)[3]應(yīng)運(yùn)而生. 變壓器設(shè)計(jì)問題不能用具體的函數(shù)形式求解， 只能用嘗試變換再判斷的方法， 因此專家系統(tǒng)中初始方案的質(zhì)量一定程度上決定設(shè)計(jì)周期的長短和設(shè)計(jì)結(jié)果的好壞. 然而現(xiàn)有的變壓器設(shè)計(jì)專家系統(tǒng)確定初始方案一般都是直接法， 即根據(jù)用戶的要求和已有方案憑經(jīng)驗(yàn)給出初始方案， 因此存在大量的主觀因素. 針對這個(gè)問題， 人們引進(jìn)了數(shù)學(xué)的方法， 如模糊理論的方法[4]， 對已有的多個(gè)方案進(jìn)行綜合評價(jià)， 相對客觀、 完善的確定初始方案. 本文運(yùn)用加權(quán)灰靶理論的方法[5-9]， 對此問題進(jìn)行決策， 并分別從待解決問題的特點(diǎn)、 加權(quán)灰靶理論和模糊理論的標(biāo)準(zhǔn)序列的選取方法以及兩種方法的決策結(jié)果等方面進(jìn)行了分析， 證明了加權(quán)灰靶理論方法的特殊適用性.

1 加權(quán)灰靶理論的決策方法

加權(quán)灰靶理論[10]是運(yùn)用灰色理論的知識處理模式序列的一種分析方法， 包括靶心度分析和貢獻(xiàn)度分析. 按照命題要求在模式序列中找到最靠近目標(biāo)值的數(shù)據(jù)構(gòu)造標(biāo)準(zhǔn)模式， 各模式與標(biāo)準(zhǔn)模式一起構(gòu)成灰靶， 標(biāo)準(zhǔn)模式即為灰靶的靶心. 然后對其它序列進(jìn)行模式識別， 模式變換， 并計(jì)算模式接近靶心的程度， 即靶心度分析； 由于各指標(biāo)對模式靶心度的影響不同， 將各指標(biāo)對靶心度影響的程度進(jìn)行分析， 即貢獻(xiàn)度分析.

加權(quán)灰靶理論的實(shí)現(xiàn)過程： 首先針對被決策的事件集提出待選方案集和評價(jià)指標(biāo)集， 根據(jù)評價(jià)指標(biāo)的不同極性， 確定灰靶的靶心. 用各方案對應(yīng)各指標(biāo)的屬性值與靶心向量構(gòu)造決策矩陣. 由于各指標(biāo)的極性、 量綱不同， 需對決策矩陣進(jìn)行模式識別和模式變換， 將決策矩陣的屬性值統(tǒng)一為正極性， (0,1)之間的值. 其次對各指標(biāo)進(jìn)行權(quán)重計(jì)算， 即灰貢獻(xiàn)度分析， 將變換后的決策矩陣進(jìn)行加權(quán)處理. 最后求得各方案與靶心的距離， 進(jìn)行靶心度分析， 靶心距越小方案越合理.

1.1 決策矩陣R的確定

確定被決策事件集A={a1,a2,a3,…,an}， 從數(shù)據(jù)庫中選出初步符合條件的方案集B={b1,b2,b3,…,bn}， 確定各個(gè)評價(jià)指標(biāo)， 構(gòu)成指標(biāo)集合V={v1,v2,v3,…,vn}， 根據(jù)B和V確定理想最優(yōu)決策方案r0， 列出方案集B對指標(biāo)集合V的決策矩陣

通常， 在應(yīng)用加權(quán)灰靶理論進(jìn)行灰度決策時(shí)， 參考序列即理想最優(yōu)決策方案是未知的. 由于不同事件不同評價(jià)指標(biāo)存在不同的極性， 因此， 設(shè)計(jì)者在構(gòu)造理想最優(yōu)決策方案時(shí)， 可以根據(jù)不同的極性找到對策矩陣的參考向量r0. 一般情況下， 評價(jià)指標(biāo)的極性分為極大值極性、 極小值極性和適中值極性. 不同極性計(jì)算參考向量的公式如下：

1.2 無量綱處理

由于事件ai的各個(gè)評價(jià)指標(biāo)vj的屬性值的量綱不一致， 導(dǎo)致數(shù)據(jù)差異大， 不能進(jìn)行直接比較， 所以要對R進(jìn)行統(tǒng)一變換. 要求變換后的數(shù)據(jù)均為正極性， 且都為(0,1)之間的數(shù)據(jù). 針對指標(biāo)的不同極性模式變換公式如下：

變換后的對策矩陣

1.3 加權(quán)處理

對于多目標(biāo)決策問題， 方案由多個(gè)評價(jià)指標(biāo)構(gòu)成， 方案的優(yōu)劣與指標(biāo)有關(guān). 由上述可知， 灰靶貢獻(xiàn)度就是考慮各個(gè)評價(jià)指標(biāo)對方案優(yōu)劣的影響程度， 即求得每個(gè)評價(jià)指標(biāo)的相對重要程度， 最簡單的方法就是計(jì)算評價(jià)指標(biāo)的權(quán)重. 權(quán)重分主觀權(quán)重和客觀權(quán)重. 對于設(shè)計(jì)型專家系統(tǒng)初始方案的選擇問題， 主觀權(quán)重反應(yīng)了設(shè)計(jì)者的豐富經(jīng)驗(yàn)； 客觀權(quán)重反應(yīng)了各指標(biāo)間客觀存在的聯(lián)系. 本文采用主觀的層次分析法和客觀的熵權(quán)法進(jìn)行灰貢獻(xiàn)度計(jì)算. 層次分析法的權(quán)重由變壓器設(shè)計(jì)專家依據(jù)豐富的設(shè)計(jì)經(jīng)驗(yàn)以及用戶要求給定. 熵權(quán)重則是由系統(tǒng)熵確定. 熵是評價(jià)系統(tǒng)無序程度的一個(gè)度量， 一般指標(biāo)的信息熵越小， 該系統(tǒng)有序度越大， 權(quán)重就應(yīng)該越高.

層次分析法的權(quán)重

熵權(quán)法權(quán)重的求法：

1) 求各指標(biāo)在各方案中所占的概率

2) 求各指標(biāo)的熵值

3) 求各指標(biāo)的有序度

4) 求各指標(biāo)的熵權(quán)重

總灰貢獻(xiàn)度為

1.4 靶心及靶心距的確定

1) 經(jīng)加權(quán)處理的決策矩陣

2) 靶心

3) 靶心距

si=

1.5 加權(quán)灰靶評估

將各個(gè)方案下的靶心距進(jìn)行比較， 靶心距越小， 方案越接近標(biāo)準(zhǔn)值越優(yōu). 最優(yōu)方案即為靶心距最小的方案.

2 實(shí)例驗(yàn)證

2.1 實(shí)驗(yàn)設(shè)計(jì)

本文以10 kV級不同容量油浸式配電變壓器為例， 以用Microsoft Visual C++ 6.0開發(fā)環(huán)境建立的變壓器設(shè)計(jì)專家系統(tǒng)為平臺， 對基于加權(quán)灰靶理論決策方法確定專家系統(tǒng)的最優(yōu)初始方案進(jìn)行了實(shí)例驗(yàn)證. 并將該方法的決策結(jié)果與用模糊數(shù)學(xué)理論方法所得結(jié)果進(jìn)行了對比、 分析.

本文被決策的事件集A={a1,a2,a3}={確定容量為200 kVA油浸式配電變壓器設(shè)計(jì)專家系統(tǒng)的初始方案； 確定容量為315 kVA油浸式配電變壓器設(shè)計(jì)專家系統(tǒng)的初始方案； 確定容量為500 kVA油浸式配電變壓器設(shè)計(jì)專家系統(tǒng)的初始方案}； 評價(jià)指標(biāo)集合V={v1,v2,v3,…,v7}={短路損耗、 空載損耗， 阻抗電壓， 高壓溫升， 低壓溫升， 空載電流， 成本}； 方案集Bi={bi1,bi2,bi3,bi4}，i=1,2,3， 具體內(nèi)容為符合條件的待選初始方案數(shù)據(jù)， 如表 1 所示.

由此列出方案集Bi對指標(biāo)集合V的決策矩陣Ri， 并對其進(jìn)行上述基于加權(quán)灰靶理論的相應(yīng)操作， 得到?jīng)Q策結(jié)果. 需要注意的是， 本文在進(jìn)行灰貢獻(xiàn)度分析時(shí)， 以計(jì)算各評價(jià)指標(biāo)的權(quán)重來衡量其貢獻(xiàn)度， 而主觀權(quán)重即層次分析法所得的權(quán)重由設(shè)計(jì)者根據(jù)對各指標(biāo)側(cè)重點(diǎn)不同憑設(shè)計(jì)經(jīng)驗(yàn)給出， 本案例中各容量的主觀權(quán)重均為l(1)={0.16,0.12,0.10,0.16,0.14,0.14,0.18}.

作為評價(jià)函數(shù)對各設(shè)計(jì)方案進(jìn)行決策， 從而確定最優(yōu)方案.

表 1 待選初始方案數(shù)據(jù)Tab.1 The data of proposed scheme

2.2 結(jié)果分析

利用加權(quán)灰靶理論、 模糊理論兩種不同的方法對10 kV級容量分別為200, 315, 500 kVA的油浸式配電變壓器設(shè)計(jì)專家系統(tǒng)最優(yōu)初始方案的確定進(jìn)行實(shí)例驗(yàn)證的結(jié)果如表 2 所示.

表 2 比較分析結(jié)果Tab.2 The results of comparative analysis

由上述可知， 加權(quán)灰靶理論和模糊理論兩種數(shù)學(xué)方法無論在解決問題的基本思想上， 還是在標(biāo)準(zhǔn)序列的選取上， 以及對表 1 中待選初始方案的決策結(jié)果上都存在差異. 本文變壓器設(shè)計(jì)專家系統(tǒng)初始方案的確定方法為從已有的幾個(gè)符合各項(xiàng)指標(biāo)要求的合格方案中通過綜合評價(jià)選出最優(yōu)的作為初始方案. 在方案均符合要求的情況下要求各損耗越小越好， 而不是越接近標(biāo)準(zhǔn)值越優(yōu). 因此模糊理論中， 以各指標(biāo)的額定值作為標(biāo)準(zhǔn)， 以標(biāo)準(zhǔn)量化公式求得各方案接近標(biāo)準(zhǔn)值的方法就不盡合理. 而且模糊理論中求得各方案的歐幾里得距離為其它序列與標(biāo)準(zhǔn)序列向量間的平均距離， 對各指標(biāo)對方案影響程度不同的場合， 此決策方法將難以順利發(fā)揮作用. 加權(quán)灰靶理論在確定變壓器設(shè)計(jì)專家系統(tǒng)初始方案的問題上有更強(qiáng)的適用性. 由表2中兩種方法的決策結(jié)果可知， 利用加權(quán)灰靶理論所得方案比灰理論所得方案的各項(xiàng)指標(biāo)值都低， 模糊理論所得方案較加權(quán)灰靶理論得到方案的各項(xiàng)指標(biāo)只是更接近于指定值， 而加權(quán)灰靶理論所得結(jié)果更優(yōu)， 驗(yàn)證了上述分析結(jié)果.

3 結(jié) 論

本文提出了一種基于加權(quán)灰靶理論的決策方法， 運(yùn)用該方法對已有的變壓器設(shè)計(jì)方案進(jìn)行綜合評價(jià)， 從而確定變壓器設(shè)計(jì)專家系統(tǒng)的最優(yōu)初始方案. 并將此方法的結(jié)果與模糊理論方法的評價(jià)結(jié)果進(jìn)行比較分析， 從理論和實(shí)驗(yàn)結(jié)果上說明了加權(quán)灰靶理論的適用性. 克服了傳統(tǒng)變壓器設(shè)計(jì)專家系統(tǒng)通過直接法確定初始方案的不足， 使此過程更加科學(xué)、 完善.

[1] 李俊萍， 蓋國權(quán). 基于自適應(yīng)遺傳算法的電力變壓器優(yōu)化設(shè)計(jì)[J]. 電子設(shè)計(jì)工程， 2015， 23(8)： 129-131.

Li Junping， Gai Guoquan. Optimization design of a power transformer by automatically adaptive genetic algorithm[J]. Electronic Design Engineering， 2015, 23(8)： 129-131. (in Chinese)

[2] 潘再平， 張震， 潘曉弘. 基于QPSO算法的電力變壓器優(yōu)化設(shè)計(jì)[J]. 電工技術(shù)學(xué)報(bào)， 2013, 28(11)： 42-47.

Pan Zaiping， Zhang Zhen， Pan Xiaohong. Optimal design of power transformers using quantum-behaved particle swarm optimization[J]. Transactions of China Electrotechnical Society ， 2013， 28(11)： 42-47.(in Chinese)

[3] Hernandez C， Arjona M A. Design of an efficient distribution transformer based on an expert system and FE[C]. Proceeding of the IEEE Conference on Electrical Machines (ICEM), 2010： 1-5.

[4] 趙振衛(wèi)， 王秀和， 孫興東. 永磁直流電動機(jī)初始設(shè)計(jì)方案的事例模糊設(shè)計(jì)法[J]. 電機(jī)與控制學(xué)報(bào)， 2001， 5(3)： 159-162.

Zhao Zhenwei， Wang Xiuhe， Sun Xingdong. The fuzzy case design method of permanent magnet direct current motor preliminary design scheme[J]. Electric Machines and Control， 2001, 5(3)： 159-162. (in Chinese)

[5] Li Shuwei， Yang Jie， Zhang Dongsheng. Application of weighted gray target theory in health status assessment of electromechanical actuating system[C]. Proceedings of IEEE International Conference on Mechatronics and Automation, 2014： 3-6.

[6] Luo Dang， Zhang Jing. The development model of new energy vehicle in Henan Province based on the weighted grey target decision[C]. Proceedings of IEEE International Conference on Grey Systems and Intelligent Services, 2011： 597-600.

[7] 雷春燕， 劉從法， 羅日成. 基于多目標(biāo)智能加權(quán)灰靶理論的電力變壓器狀態(tài)維修決策[J]. 電力科學(xué)與技術(shù)學(xué)報(bào)， 2013， 28(2)： 85-88.

Lei ChunYan， Liu Congfa， Luo Richeng. Condition-based maintenance decision of transformer based on multi-attribute intelligent grey target[J]. Journal of Electric Power Science and Technology， 2013, 28(2)： 85-88. (in Chinese)

[8] 鄭玲峰， 王建元， 白志亮， 等. 用改進(jìn)灰靶理論評價(jià)變壓器狀態(tài)[J]. 中國電力， 2011， 44(1)： 28-31.

Zheng Lingfeng， Wang Jianyuan， Bai Zhiliang， et al. Transformer state evaluation based on improved grey target theory[J]. Electric Power， 2011, 44(1)： 28-31. (in Chinese)

[9] 劉思峰， 袁文峰， 盛克勤. 一種新型多目標(biāo)智能加權(quán)灰靶決策模型[J]. 控制與決策， 2010， 25(8)： 1159-1163.

Liu Sifeng， Yuan Wenfeng， Sheng Keqin. Multi-attribute intelligent grey target decision model[J]. Control and Decision， 2010， 25(8)： 1159-1163. (in Chinese)

[10] 鄧聚龍. 灰理論基礎(chǔ)[M]. 武漢： 華中科技大學(xué)出社， 2002.

聲明

本刊已許可中國學(xué)術(shù)期刊(光盤版)電子雜志社在中國知網(wǎng)及其系列數(shù)據(jù)庫產(chǎn)品中，以數(shù)字化方式復(fù)制、匯編、發(fā)行、信息網(wǎng)絡(luò)傳播本刊全文。該社著作權(quán)使用費(fèi)與本刊稿酬一并支付。作者向本刊提交文章發(fā)表的行為即視為同意我編輯部上述聲明。

DecisionMethodResearchonInitialSchemeofTransformerDesignExpertSystem

DU Jiang1， ZHANG Ye-ye1， WANG Jing-qin1， YUE Shuai2

(1. Province-Ministry Joint Key Laboratory of Electromagnetic Field and Electrical Apparatus Reliability，Hebei University of Technology， Tianjin 300130， China；. The Capital Aerospace Machinery Company， Beijing 100071， China)

An approach to determine the optimal initial solution based on the weighted grey target theory was proposed considering the problem of the current transformer design expert system cannot determine the initial solution intelligently according to the existing design. The approach included approaching degree analysis and contribution degree analysis .How to determine the initial solution of 10 kV level oil-immersed distribution transformer design expert system was demonstrated on the basis of building weighted grey target theory mathematical decision model .The feasibility and superiority of the method is verified by comparing with the results obtained by the fuzzy theory method.

transformer； expert system； weighted grey target theory

1673-3193(2017)05-0587-05

2016-06-20

河北省人社廳項(xiàng)目(A2013007001)； 河北省科學(xué)技術(shù)研究與發(fā)展項(xiàng)目(13210129)； 河北省科技支撐計(jì)劃項(xiàng)目(12212171)

杜 江(1972-)， 男， 副教授， 博士， 主要從事變壓器優(yōu)化設(shè)計(jì)和現(xiàn)代智能仿生算法及其應(yīng)用研究.

TM402

A

10.3969/j.issn.1673-3193.2017.05.014