耿蘇杰，王秀利

(南京理工大學(xué) 經(jīng)濟(jì)管理學(xué)院，江蘇 南京 210094)

0 引言

受各種不確定因素和突發(fā)事件的影響，電力設(shè)備的全景運(yùn)行狀態(tài)呈現(xiàn)多態(tài)性和不確定性，威脅著電力系統(tǒng)的安全和穩(wěn)定運(yùn)行。隨著信息檢測(cè)和存儲(chǔ)技術(shù)的發(fā)展，電網(wǎng)系統(tǒng)中積累了大量的數(shù)據(jù)資源描述電力設(shè)備在運(yùn)行中的特征指標(biāo)變化和歷史故障信息，如何從這些具有不同時(shí)效性的多維數(shù)據(jù)中抽取出有用的關(guān)聯(lián)知識(shí)，實(shí)現(xiàn)電力設(shè)備在運(yùn)行過(guò)程中的故障診斷和狀態(tài)評(píng)估，具有十分重要的理論研究和工程應(yīng)用價(jià)值[1-3]。

目前，數(shù)據(jù)知識(shí)在故障診斷和狀態(tài)評(píng)估研究中的應(yīng)用可分為兩類：

(1)從歷史運(yùn)行數(shù)據(jù)中提取故障或狀態(tài)轉(zhuǎn)化的規(guī)律知識(shí)，并概括描述為服從某種概率分布，實(shí)現(xiàn)對(duì)設(shè)備故障或剩余壽命的預(yù)測(cè)。Caballé等[4]采用泊松分布描述系統(tǒng)的內(nèi)部退化過(guò)程；Song等[5]在可靠性建模的過(guò)程中采用正態(tài)分布函數(shù)模擬故障的劣化過(guò)程；文獻(xiàn)[6-7]基于逆高斯分布函數(shù)預(yù)測(cè)電池的剩余壽命，該方法適用于簡(jiǎn)單設(shè)備和單元部件的故障診斷和狀態(tài)評(píng)估。但電力設(shè)備是由多部件構(gòu)成的復(fù)雜系統(tǒng)，受外部環(huán)境和運(yùn)行工況的影響，單一的概率分布函數(shù)難以準(zhǔn)確描述其全景運(yùn)行狀態(tài)的轉(zhuǎn)化過(guò)程。

(2)從數(shù)據(jù)資源中抽取故障與指標(biāo)間的關(guān)聯(lián)知識(shí)，構(gòu)建設(shè)備運(yùn)行狀態(tài)的定量評(píng)估模型。文獻(xiàn)[8-10]采用關(guān)聯(lián)規(guī)則技術(shù)建立了電力變壓器運(yùn)行狀態(tài)的評(píng)估指標(biāo)體系，結(jié)合不同的權(quán)重計(jì)算方式分別構(gòu)建線性評(píng)估模型，從設(shè)備的實(shí)際運(yùn)行數(shù)據(jù)中量化其所處的狀態(tài)等級(jí)，具有一定的實(shí)用性和有效性。但是，不同特征指標(biāo)取值的獲取方式并不完全相同，有些數(shù)據(jù)通過(guò)紅外傳感等技術(shù)實(shí)時(shí)反饋，有些則是在周期性預(yù)檢實(shí)驗(yàn)中得到，在故障測(cè)度中具有不同的時(shí)效性。而且，不同故障所具備的危害性不同，隨著故障狀態(tài)的變化，其在設(shè)備全景狀態(tài)評(píng)估中的重要性是不均衡和動(dòng)態(tài)模糊的。現(xiàn)有的線性評(píng)估方法在對(duì)故障狀態(tài)進(jìn)行評(píng)分和賦權(quán)的過(guò)程中忽略了這兩個(gè)問題，具有一定的應(yīng)用局限性。

貝葉斯網(wǎng)絡(luò)(Bayesian Networks, BN)技術(shù)是一種概率圖形模型，具備系統(tǒng)建模、推理和診斷能力，是數(shù)據(jù)挖掘技術(shù)中處理事件多態(tài)性和不確定性邏輯關(guān)系最有效的方法之一，在故障診斷[11]和可靠性分析[12-13]中的應(yīng)用有效性已經(jīng)被證明。在完全信息條件下，貝葉斯網(wǎng)絡(luò)在識(shí)別陶瓷殼變形的故障原因[14]、模擬復(fù)雜系統(tǒng)的故障時(shí)間[15]、推理預(yù)警系統(tǒng)中的導(dǎo)彈目標(biāo)類型[16]以及分析動(dòng)態(tài)運(yùn)行狀態(tài)下系統(tǒng)的退化過(guò)程[17]等方面取得了不錯(cuò)的應(yīng)用效果。另外，針對(duì)狀態(tài)多樣性和信息不確定性問題，文獻(xiàn)[18-19]提出采用模糊理論改進(jìn)貝葉斯網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)的可靠性評(píng)估?；陔娏υO(shè)備運(yùn)行的多態(tài)性和不確定性，結(jié)合具有不同時(shí)效性的特征指標(biāo)和模糊故障信息，本文構(gòu)建了一個(gè)改進(jìn)的三層貝葉斯網(wǎng)絡(luò)模型，采用時(shí)效評(píng)分函數(shù)測(cè)度故障的模糊狀態(tài)；進(jìn)而根據(jù)不同等級(jí)故障的危害性差異，在網(wǎng)絡(luò)中融合多個(gè)模糊函數(shù)[20-21]描述不同故障狀態(tài)對(duì)設(shè)備運(yùn)行的模糊影響程度，實(shí)現(xiàn)對(duì)電力設(shè)備全景運(yùn)行狀態(tài)的評(píng)估。

基于電力設(shè)備運(yùn)行狀態(tài)相關(guān)的靜態(tài)基礎(chǔ)數(shù)據(jù)、預(yù)試定檢數(shù)據(jù)和動(dòng)態(tài)檢視數(shù)據(jù)，本文提出一種融合多個(gè)模糊函數(shù)改進(jìn)的貝葉斯網(wǎng)絡(luò)故障診斷和狀態(tài)評(píng)估方法，分階段實(shí)現(xiàn)對(duì)設(shè)備模糊故障狀態(tài)的測(cè)度和全景運(yùn)行狀態(tài)的定量評(píng)估，解決了電力設(shè)備運(yùn)行過(guò)程中故障狀態(tài)模糊和全景狀態(tài)轉(zhuǎn)化的不確定性問題。

1 貝葉斯網(wǎng)絡(luò)故障診斷和狀態(tài)評(píng)估模型的構(gòu)建

電力設(shè)備故障診斷和狀態(tài)評(píng)估所需的數(shù)據(jù)可分為由初始值和限制閾值構(gòu)成的靜態(tài)基礎(chǔ)數(shù)據(jù)、定期預(yù)檢的準(zhǔn)動(dòng)態(tài)數(shù)據(jù)以及可實(shí)時(shí)獲取的動(dòng)態(tài)數(shù)據(jù)三大類，具有不同的時(shí)效性。記預(yù)試定檢指標(biāo)和實(shí)時(shí)檢測(cè)指標(biāo)分別為A={A1,A2,…,AK}和B={B1,B2,…,BH}。根據(jù)南方電網(wǎng)的規(guī)程文件，本文將電力設(shè)備的運(yùn)行狀態(tài)分為五個(gè)等級(jí){正常，注意，輕微，異常，緊急}，記為F={F1,F2,…,F5}，具體描述如表1所示。

表1 不同等級(jí)狀態(tài)下電力設(shè)備的運(yùn)行和維護(hù)需求描述

本文研究的目的是基于數(shù)據(jù)資源測(cè)度故障發(fā)生的模糊狀態(tài)，識(shí)別潛在故障，進(jìn)而實(shí)現(xiàn)對(duì)電力設(shè)備全景狀態(tài)的評(píng)估，具體過(guò)程如圖1所示。

圖1中，t0為設(shè)備投運(yùn)的開始時(shí)間，記t0=0；tp為對(duì)應(yīng)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)評(píng)估時(shí)間；ts為設(shè)備最近一次預(yù)檢試驗(yàn)的時(shí)間。

貝葉斯網(wǎng)絡(luò)是一種利用先驗(yàn)知識(shí)確立隨機(jī)變量之間關(guān)聯(lián)約束關(guān)系的概率圖形，通過(guò)節(jié)點(diǎn)和有向箭頭表示隨機(jī)變量之間的依賴關(guān)系，具有很好的處理不確定性邏輯關(guān)系的能力。本文基于電力設(shè)備歷史數(shù)據(jù)資源中隱含的關(guān)聯(lián)知識(shí)，構(gòu)建了一個(gè)三層貝葉斯網(wǎng)絡(luò)描述設(shè)備全景狀態(tài)、故障信息和特征指標(biāo)之間的關(guān)聯(lián)關(guān)系，如圖2所示。頂層為設(shè)備運(yùn)行的全景狀態(tài)層，通過(guò)整合所有可能發(fā)生故障的狀態(tài)信息確定；中間層為故障信息層，由電力設(shè)備的主要故障類型構(gòu)成，I=[I1,I2,…,IK]表示M個(gè)可能發(fā)生故障的集合；底層為特征指標(biāo)層，由準(zhǔn)動(dòng)態(tài)和動(dòng)態(tài)檢測(cè)數(shù)據(jù)構(gòu)成，Am和Bm分別表示故障Im(m=1,2,…,M)映射下預(yù)試定檢指標(biāo)和實(shí)時(shí)監(jiān)測(cè)指標(biāo)的集合。

2 數(shù)據(jù)驅(qū)動(dòng)的貝葉斯網(wǎng)絡(luò)故障診斷

為了描述多維和異構(gòu)的特征指標(biāo)與故障之間的關(guān)聯(lián)關(guān)系，在對(duì)設(shè)備歷史運(yùn)行數(shù)據(jù)資源進(jìn)行概率統(tǒng)計(jì)的基礎(chǔ)上，采用貝葉斯定理量化特征指標(biāo)與故障發(fā)生之間的關(guān)聯(lián)知識(shí)。同時(shí)，為了測(cè)度故障的模糊狀態(tài)，構(gòu)造時(shí)效評(píng)分函數(shù)整合其映射下具有不同時(shí)效性的特征指標(biāo)信息。

2.1 故障信息關(guān)聯(lián)知識(shí)的抽取

為了描述故障與特征指標(biāo)之間的關(guān)聯(lián)關(guān)系，采用貝葉斯概率衡量特征指標(biāo)實(shí)測(cè)值超標(biāo)對(duì)故障發(fā)生的重要性程度，即

(1)

式中：Y={Ym:Im=T|m=1,2,…,M}表示不同類型的故障發(fā)生事件;X表示特征指標(biāo)取值超標(biāo)事件；P(Y)和P(X)為先驗(yàn)概率;P(X|Y)為條件概率，經(jīng)樣本統(tǒng)計(jì)計(jì)算得到。

i=1,2,…,N。

(2)

式中ηi規(guī)定了電力設(shè)備在運(yùn)行過(guò)程中實(shí)測(cè)值相對(duì)于限定閾值的極限可變化范圍，由企業(yè)具體給定。而對(duì)于絕對(duì)變化和相對(duì)變化速率雙重限制的指標(biāo)，其實(shí)測(cè)值的歸一化函數(shù)為：

vh=[(1-φh)σh+φhμh]，h=1,2,…,N。

(3)

式中：σh對(duì)應(yīng)指標(biāo)絕對(duì)變化的評(píng)分值；φh(φh∈[0,1))刻畫了相對(duì)變化速率在其總評(píng)分值計(jì)算中的相對(duì)重要性；μh為其對(duì)應(yīng)的相對(duì)變化評(píng)分值，

(4)

式中：nh為規(guī)定的相對(duì)變化計(jì)算周期，單位為周，以油浸式電力變壓器為例，其運(yùn)行規(guī)程文件中規(guī)定C2H2氣體的產(chǎn)氣速率不要超過(guò)10%每月，即有nh=4；dh(nh)為指標(biāo)在周期始點(diǎn)的實(shí)測(cè)值；εh為相對(duì)變化速率的限制閾值。

當(dāng)vi<0.2時(shí)被視為指標(biāo)實(shí)測(cè)值超標(biāo)，即X={Xi:vi<0.2|i=1,2,…,N}。

2.2 模糊故障狀態(tài)的測(cè)度

在設(shè)備的運(yùn)行過(guò)程中，單元故障對(duì)應(yīng)的狀態(tài)并不只是確定的“發(fā)生”和“未發(fā)生”，從“未發(fā)生”轉(zhuǎn)化為“確定發(fā)生”期間會(huì)經(jīng)歷一系列變化的模糊中間狀態(tài)。為了描述故障狀態(tài)的模糊劣化過(guò)程，構(gòu)造時(shí)效函數(shù)整合其映射下具有不同時(shí)效性的特征指標(biāo)信息，基于[0,1]范圍內(nèi)的評(píng)分值定量描述單元故障的模糊狀態(tài)，評(píng)分值越低說(shuō)明故障發(fā)生的嚴(yán)重性越高。記E=[E1,E2,…,EM]為各類型故障對(duì)應(yīng)狀態(tài)的評(píng)分值，則

m=1,2,…,M。

(5)

(6)

3 貝葉斯網(wǎng)絡(luò)多狀態(tài)評(píng)估的模糊推理

不同故障的發(fā)生對(duì)設(shè)備運(yùn)行的影響程度是不均衡的，不同故障狀態(tài)在全景狀態(tài)評(píng)估中的相對(duì)重要性是模糊變化的。因此，本文在對(duì)所有故障進(jìn)行危害性等級(jí)分類的基礎(chǔ)上，采用不同的模糊函數(shù)描述其在不同狀態(tài)下的模糊重要性，通過(guò)整合所有故障狀態(tài)信息實(shí)現(xiàn)對(duì)設(shè)備全景狀態(tài)的評(píng)估。

3.1 故障狀態(tài)信息在設(shè)備全景運(yùn)行狀態(tài)評(píng)估中的模糊重要性描述

在設(shè)備處于同一運(yùn)行狀態(tài)時(shí)，一級(jí)故障的劣化只有在達(dá)到一定程度時(shí)才會(huì)對(duì)設(shè)備的穩(wěn)定運(yùn)行產(chǎn)生影響；對(duì)于二級(jí)故障，本文假設(shè)其故障狀態(tài)與其對(duì)設(shè)備運(yùn)行的影響程度是線性相關(guān)的；而對(duì)于具有較高危害性的三級(jí)故障，其劣化程度在很低時(shí)可能就會(huì)影響設(shè)備的安全與穩(wěn)定運(yùn)行，加速其整體劣化。在此基礎(chǔ)上，本文采用高斯模糊函數(shù)、三角模糊數(shù)和拋物型模糊隸屬度函數(shù)分別描述不同等級(jí)故障的模糊重要性：

(7)

(8)

(9)

3.2 設(shè)備全景運(yùn)行狀態(tài)的模糊推斷

(10)

4 模糊貝葉斯網(wǎng)絡(luò)故障診斷和狀態(tài)評(píng)估方法的實(shí)施步驟

從歷史數(shù)據(jù)資源中抽取故障與特征指標(biāo)之間的關(guān)聯(lián)知識(shí)，對(duì)電力設(shè)備的模糊故障狀態(tài)進(jìn)行測(cè)度，診斷其潛在的故障類型。在此基礎(chǔ)上，采用模糊數(shù)描述不同故障對(duì)不同等級(jí)下設(shè)備運(yùn)行影響的重要性程度，通過(guò)所有故障狀態(tài)信息的整合推斷設(shè)備所處的全景狀態(tài)等級(jí)(如圖4)，具體實(shí)現(xiàn)步驟如下：

步驟1整理電力設(shè)備的歷史數(shù)據(jù)資源，根據(jù)故障類型對(duì)數(shù)據(jù)進(jìn)行分類，采用評(píng)分函數(shù)(式(2)～式(4))對(duì)預(yù)試定檢和實(shí)時(shí)監(jiān)測(cè)項(xiàng)指標(biāo)進(jìn)行歸一化。

步驟2統(tǒng)計(jì)樣本并計(jì)算各類型故障發(fā)生和特征指標(biāo)超標(biāo)的先驗(yàn)概率和條件概率，基于貝葉斯概率(式(1))量化兩者之間的關(guān)聯(lián)性，構(gòu)建包含特征指標(biāo)、故障信息和運(yùn)行狀態(tài)的三層貝葉斯網(wǎng)絡(luò)。

步驟3基于式(6)計(jì)算和衡量各故障映射下所有特征指標(biāo)的相對(duì)重要性，進(jìn)而根據(jù)式(5)測(cè)度待評(píng)估設(shè)備的故障狀態(tài)。

步驟4確定各類故障對(duì)應(yīng)的危害性等級(jí)，根據(jù)式(7)～式(9)計(jì)算各故障狀態(tài)對(duì)應(yīng)的模糊重要性，以及在各等級(jí)設(shè)備狀態(tài)評(píng)估中的相對(duì)重要性。

步驟5根據(jù)式(10)計(jì)算故障類綜合指標(biāo)的模糊權(quán)重，進(jìn)而計(jì)算待評(píng)估設(shè)備全景狀態(tài)的模糊綜合評(píng)分值，推斷其所處的狀態(tài)等級(jí)。

5 方法的實(shí)例應(yīng)用和有效性分析

本文以500 kV油浸式變壓器為例對(duì)所提貝葉斯網(wǎng)絡(luò)方法的可行性和有效性進(jìn)行實(shí)驗(yàn)和分析。設(shè)備可能發(fā)生的故障主要有9類，基于危害性程度的分類結(jié)果如圖5所示，對(duì)應(yīng)的預(yù)試定檢特征指標(biāo)A={A1,A2,…,AK}={絕緣油介損，油中含水量，油擊穿電壓，絕緣電阻吸收比，極化指數(shù)，體積電阻率，油中含氣量，紙板聚合度，繞組直流電阻互差，繞組短路阻抗初差，繞組絕緣介損,繞組電容量初差，鐵芯絕緣電阻，糠醛含量}，實(shí)時(shí)監(jiān)測(cè)特征指標(biāo)B={B1,B2,…,BK}={中性點(diǎn)油流靜電電流，H2含量，CO，CO2，CH4，C2H2，C2H4，C2H6，總烴含量，鐵芯接地電流，局部放電量}。

本文所用數(shù)據(jù)資源來(lái)源于云南省電力科學(xué)研究院，從所有20臺(tái)同類型設(shè)備的歷史記錄中采集有效樣本587組(分為487組內(nèi)樣本和100組外樣本)。為便于計(jì)算，對(duì)實(shí)時(shí)監(jiān)測(cè)項(xiàng)指標(biāo)評(píng)分值計(jì)算式(3)中參數(shù)φi(i=1,2,…,11)進(jìn)行概括性賦值：當(dāng)指標(biāo)的相對(duì)變化速率沒有約束時(shí)，即φi=0，適用于指標(biāo){B1,B5,B7,B8,B10,B11}；對(duì)于企業(yè)明確規(guī)定相對(duì)變化速率閾值的指標(biāo)，包括指標(biāo){B2,B3,B4,B6,B9}，考慮到相對(duì)變化速率在采樣周期內(nèi)的時(shí)效性要強(qiáng)于其絕對(duì)變化量，設(shè)φi=0.6。另外，對(duì)于式(5)中的參數(shù)α，根據(jù)企業(yè)對(duì)該類設(shè)備的預(yù)檢周期確定：已知云南電網(wǎng)公司對(duì)樣本設(shè)備的預(yù)檢周期為一年(52周)，則有效性參數(shù)α與時(shí)間間隔Δt之間的關(guān)系如圖6所示，令α=e-0.07Δt，Δt∈[0,52]。

基于487組內(nèi)樣本統(tǒng)計(jì)計(jì)算先驗(yàn)概率P(Ym)、P(Xi)和條件概率P(Xi|Ym)，m=1,2,…,M,i=1,2,…,N。在此基礎(chǔ)上，根據(jù)貝葉斯定理(式(1))量化特征指標(biāo)與故障類型Im之間的關(guān)聯(lián)性。以I6(油流放電故障)為例，特征指標(biāo)A1(絕緣油介損)實(shí)測(cè)值超標(biāo)與該類型故障發(fā)生之間的關(guān)聯(lián)度為：

P(Y6|X1)=P(I6=T|v1<0.2)

5.1 實(shí)例應(yīng)用

一組完整的電力變壓器故障診斷和狀態(tài)評(píng)估樣本如表2所示。

表2 電力變壓器故障診斷和狀態(tài)評(píng)估的樣本示例

b 實(shí)時(shí)監(jiān)測(cè)項(xiàng)指標(biāo)

已知兩類指標(biāo)的采樣時(shí)間差Δt=26(周)?；谑?6)計(jì)算特征指標(biāo)的權(quán)重系數(shù)，并結(jié)合表1所示評(píng)分值計(jì)算各故障狀態(tài)的評(píng)分值，結(jié)果如表3所示。

表3 示例設(shè)備不同故障映射下特征指標(biāo)的權(quán)重系數(shù)及故障狀態(tài)的評(píng)分值

表4 示例樣本中所有故障對(duì)應(yīng)不同運(yùn)行狀態(tài)的模糊重要性和權(quán)重

5.2 有效性分析

為了進(jìn)一步驗(yàn)證本文所提方法的有效性，將其與現(xiàn)有的兩種線性評(píng)估方法分別應(yīng)用于100個(gè)外樣本的故障診斷和狀態(tài)評(píng)估，并對(duì)結(jié)果進(jìn)行比較。現(xiàn)有的線性評(píng)估方法不區(qū)分特征指標(biāo)的時(shí)效性，采用關(guān)聯(lián)規(guī)則抽取特征指標(biāo)與故障類綜合指標(biāo)之間的關(guān)聯(lián)關(guān)系，基于置信度計(jì)算不同故障映射下單項(xiàng)指標(biāo)的權(quán)重系數(shù)，主要對(duì)故障類綜合指標(biāo)權(quán)重的設(shè)置方法進(jìn)行改進(jìn)。根據(jù)故障類綜合指標(biāo)賦權(quán)方式的不同，本文將這兩種現(xiàn)有的線性評(píng)估方法記為變權(quán)評(píng)分法[8]和常權(quán)評(píng)分法[10]，分別采用變權(quán)公式和平均值計(jì)算綜合指標(biāo)的權(quán)重系數(shù)。這3種方法在外樣本故障診斷和狀態(tài)評(píng)估中的有效性對(duì)比如圖8所示。

經(jīng)統(tǒng)計(jì)，本文所提出貝葉斯網(wǎng)絡(luò)方法的總準(zhǔn)確率高達(dá)91%，遠(yuǎn)超于常權(quán)評(píng)估方法的73%和變權(quán)評(píng)估方法的78%，對(duì)應(yīng)的故障診斷準(zhǔn)確率也較高。進(jìn)一步分析發(fā)現(xiàn)，與現(xiàn)有的線性評(píng)估方法相比，模糊貝葉斯網(wǎng)絡(luò)方法的有效性在正常和緊急狀態(tài)樣本中的準(zhǔn)確率尤其高，其主要原因在于網(wǎng)絡(luò)中間層(故障類)指標(biāo)權(quán)重系數(shù)的設(shè)置方法不同：本文所提出方法考慮了故障危害的差異性，采用不同的模糊函數(shù)分別描述其對(duì)設(shè)備運(yùn)行的影響程度，進(jìn)而計(jì)算不同故障狀態(tài)在設(shè)備全景狀態(tài)評(píng)估中的相對(duì)重要性，而常權(quán)或變權(quán)評(píng)估方法在對(duì)故障類指標(biāo)賦權(quán)的過(guò)程中忽略了該實(shí)際問題，所采用的賦權(quán)方式很大程度上會(huì)造成對(duì)某單元輕危害故障破壞能力的夸大，或低估某高危害故障發(fā)生對(duì)設(shè)備甚至整個(gè)電力系統(tǒng)的安全與穩(wěn)定所造成的破壞性，給企業(yè)帶來(lái)額外檢查或維修費(fèi)用的同時(shí)可能會(huì)造成某些意外事故的發(fā)生。綜上所述，本文所提出的模糊貝葉斯網(wǎng)絡(luò)故障診斷和狀態(tài)評(píng)估方法具有更高的實(shí)用性和有效性。

6 結(jié)束語(yǔ)

本文充分利用電網(wǎng)系統(tǒng)中所積累的數(shù)據(jù)資源，構(gòu)建時(shí)效評(píng)分函數(shù)量化故障的模糊狀態(tài)，并基于故障的危害性差異，采用不同的模糊函數(shù)描述其在電力設(shè)備全景狀態(tài)評(píng)估中的重要性程度，改進(jìn)貝葉斯網(wǎng)絡(luò)方法對(duì)電力設(shè)備進(jìn)行故障診斷和狀態(tài)評(píng)估，解決了現(xiàn)有方法的局限性。在測(cè)度模糊故障狀態(tài)的過(guò)程中不僅考慮了特征指標(biāo)與故障發(fā)生之間的關(guān)聯(lián)性，還反映了其時(shí)效性差異；基于故障的不同危害性，采用不同的模糊函數(shù)描述不同故障狀態(tài)對(duì)設(shè)備運(yùn)行的影響程度，實(shí)現(xiàn)設(shè)備所有故障狀態(tài)信息的整合，提高了設(shè)備全景運(yùn)行狀態(tài)評(píng)估的準(zhǔn)確性。最后，以500 kV油浸式變壓器的故障診斷和狀態(tài)評(píng)估驗(yàn)證了該方法的有效性，說(shuō)明其在理論研究和實(shí)際工程應(yīng)用中是有價(jià)值的。隨著數(shù)據(jù)資源的海量積累，結(jié)合系統(tǒng)特性和數(shù)據(jù)中隱含的關(guān)聯(lián)知識(shí)，實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)的可靠性評(píng)估具有十分重要的研究意義。為了合理配置有限維護(hù)資源，并在電力行業(yè)的大力推廣預(yù)測(cè)性維護(hù)策略的應(yīng)用，下一步將研究如何從實(shí)際數(shù)據(jù)中客觀預(yù)測(cè)設(shè)備中隱含故障的劣化趨勢(shì)，進(jìn)而有針對(duì)性的制定維護(hù)/維修計(jì)劃。