基于多目标优化算法的输变电设备状态评估分析.pdfVIP

电力信息与数字化系统

ElectricPowerInformationandDigitalSystem

基于多目标优化算法的输变电设备状态

评估分析

山西昌和顺机电设备安装工程有限公司侯建威

摘要：为提高输变电设备状态评估的准确性，本文提出基于多目标优化算法的评估方法，阐述此算法的应

用原理，建立输变电设备状态评估模型及目标函数，并进行仿真实验，对比分析基于多目标优化算法的评

估方法和ICE、BPNN、SVM常规方法的应用效果。研究认为，多目标优化算法的评估方式具有结果准确、

效率高的优势，给输变电设备的运维管理提供依据。

关键词：输变电设备；状态评估；多目标优化算法；评估模型

阶段，部分电力企业主要依靠专家分析设得出状态量的扣分值后，根据导则将该设备的

现备的运行数据，据此评估设备的运行状态，健康状况分成四类：正常状态、注意状态、异常状

但此方法对专家的依赖性较强，若专家缺态和严重状态。

席将导致状态评估无法正常进行，同时评估结果可

2基于多目标优化算法的输变电设备状态评估

能由于专家主观因素的干扰而缺乏准确性。鉴于此，

本文提出基于多目标算法的评估策略，以期依靠科2.1 目标函数

学的方法准确评估输变电设备的运行状态。将最小化基分类器的数目和最大化决策分类器

的泛化能力作为集成学习方法的主要优化目标，但

1状态评价分析

两个目标相互矛盾，即决策分类器的精度会随着基

一个完全健康的在运设备的满分为100分，根据分类器数目的减少而降低，难以同时兼顾两个优化

所选状态量的裂化程度，基本扣分值和权重系数进行目标[2]。基于此，本文采用多目标PSO算法优化目

扣分[1]。状态量劣化程度越高，基本扣分值越大，状标函数，在减少基分类器数目的同时提高分类精度。

态量权重系数越高，扣分越多，得分越少，相应的健给定数据集D，即，其中样本数

康状况越差。根据现有的设备评价导则，我们依据设量为N个，并有，训练后获得基SVM分

备的耗损程度将状态量的裂化程度分成Ⅰ、Ⅱ、Ⅲ、类器，共计7个，分类器组合定义为Hs。

Ⅳ4个等级，权重值分为一、二、三、四4个等级。状由于，若st=1，则分类器ht被选择。决策

态量的权重、劣化程度及对应扣分情况见表1。分类器对样本i的输出用Hsi表示，每次迭代时，对

表1状态量的权重、劣化程度及对应扣分表如下两个目标函数做优化处理：

状态量基本状态量应扣分值目标函数1，分类精度：分类器的分类精度通过

劣化程度扣分值权重为1权重为2权重为3权重为4

各样本的均方误差进行反映，其中均方误差最小则

Ⅰ22468

对应的是最大化分类精度。按照式（1）反映集成分

Ⅱ4481216

Ⅲ88162432类器的预测精度：

Ⅳ1010203040