（广东电网有限责任公司物流服务中心）
摘要：随着工业革命的一次次推进，越来越多的新技术应用到我们的生产生活中。由于科技发展更新的速度太快，在建设变电站时，电力企业同步更新速度落后于科技发展速度。目前，电力企业普遍缺乏能够评价智能变电站二次设备性能的评估规范体系，同时也缺乏满足从整体上评估智能变电站的评估方法，无法做出科学准确的评估。而为满足评估需求，给予电力企业的运营维护管理提供可靠的保障，作者针对智能变电站二次设备性能评估方法展开了深入分析，希望能够为相关的工作人员带来一定的参考价值。
关键词：智能变电站；二次设备；变电性能评估方法
电力企业在建设电网的过程中，最重要的环节就是对智能变电站的建设，因为其在输电、配电、用电等方面都扮演着极其重要的角色。和传统的变电站相比，智能变电站在二次设备上发生了重大的改变，其功能也比以前更加多样。而变电设备发挥其装置功能的前提是与系统内其他装置进行联动。因而，在建构变电二次设备性能的评估指标时应将各项指标置于整体变电系统中考虑。但变电站二次设备的系统较为复杂，并且随着新技术的广泛应用，而相关的工作人员又缺少对专业技能知识的了解，导致当二次设备发生问题时，很难及时找到故障所在并加以解决，给整个变电站系统带来了较大的安全隐患。
一、智能变电站二次设备性能评估方法分析的特点
1、不确定性。不确定性主要体现在建构变电站二次设备时，智能变电站二次设备构成较为复杂，涉及智能变电的各个方面，并且每一方面都存在着较多的影响因素，因此在对其性能评估指标进行选择的过程中，不可避免地会出现缺选漏选的情况。除此之外，由于我国当前科学技术水平还存在一定的限度，因此对于部分性能评估指标的信息还不能完全获取，这些都导致性能评估指标的选取存在较大的不确定性。
2、模糊性。智能变电站二次设备的模式性主要表现为人工操作的模糊性。智能变电站二次设备的评估工作主要由人工完成，而由于人具有一定的主观性，因此其主观性不可避免地会渗透到整个评估过程中。但是在实际的评估过程中，不同的人在认识上存在一定的模糊性，所以在对同一个智能变电站二次设备的性能进行评估时，这种模糊性的存在也会导致最终评估结果具有较大的不确定性。
二、智能变电站二次设备性能评估方法
在对智能变电站二次设备性能进行评估时，要充分考虑到评估目的、评估指标及评估结果三项因素，在综合分析的基础上明确评估的结果。实践中，设计评估的方法的思路可被概括为：首先、全面了解评估对象，确定评估指标，为确定评估方法奠定基础；其次、对评估指标进行赋权，明确不同指标的权重比例，并在次基础上建立评估模型；最后、对评估结果进行分析，得出有效结论。其中，明确评估指标、指标赋权及建立评估模型是最重要的环节。目前，实践中存有较多的智能变电设备的评估方法，依其不同的性质可将其分为四种：第一、专家评估法，主要包括：专家打分法。第二、运筹学与数学法，主要包括层次分析法与模糊分析法；第三、新型评估法、主要包括灰色评估发与人工网络评估法；第四、混合评估法、主要将其他方法综合在一起进行评估。本次研究对重点评估方法做出详细分析，具体如下：
1、层次分析法。层次分析法主要应用于处理较为复杂的评估问题。通过将待评估的问题分为不同层次而确定不同的评估指标，分配不同的指标权重，从而实现对项目涉及问题的充分评估。层次分析法的分析流程可被概括为：首先、结合分析对象的特征，及分析对象中各项组成因素之间的关系。并在此基础上确定本次分析的层次结构。其次、建立评估矩阵，对评估因素进行分组比较。同时0评估因素中相对一致的权重一致性进行检验。当符合一致性条件时，才可以进行排序并计算综合指数。我们可以看到，层次分析法能够将定量分析和定性分析有机地结合在一起，能够对权重进行合理的计算，评估结果具有很好的直观性、可靠性，并且运用起来方便灵活，还易于理解，在众多的电力设备评估分析方法中，是被广泛应用的一种。
尽管层次分析法的优点较多，但是其也存在一定的不足之处：其评估范围往往受到一定限制，在对规模较多的分析对象进行评估时，往往会产生一定问题。经过研究表明，该方法适用于因素个数低于9个的系统。在层次分析法中，通常由一些专家给出各项指标的重要性等级，因此其在一定程度上会受到来自于专家主观判断性的影响，而专家在进行判断的过程中经常会由于其主观偏好的存在，导致对一些客观规律造成了歪曲，使得最终结果的准确度、可信度大大降低。
2、主成分分析法。主成分分析法主要强调：在保留指标关键信息的基础上简化指标，将多重指标变更为综合性指标。主成分分析法的计算流程可被概括为：首先、对原始数据进行标准化处理，计算出相关系数矩阵以及其特征根，并再此基础上分别计算正交化特征向量（标准）、特征根信息贡献率及主成分个数。最后、将样本指标植入主成分中进行计算，取得评估结果。需要说明的是：针对特定指标使用主成分分析法时，应首先进行定量化分析，在定量化基础上进行分析。而指标间的关联性与主成分个数呈反相关关系，关联程度越高，主成分数量越少。主成分分析法就越适用，优势就越多。主成分分析法具有可比性强、全面详细、合理可行等优点，但是该法也存在一定的不足之处。比如当我们对多成分进行赋权时，函数有效性区分也会随之降低。并且由于不同指标间发生信息重叠的情况，也会给主成分分析法带来一定程度的影响。
3、人工神经网络法。人工神经网络法是指通过描述变量的方法确定评价目标间非线性关系的一种评估模型。和其他分析方法相比，具有能够对信息进行大规模处理、自适应学习、以及分布式储存等特点。人工神经分析法作为高度非线性动态处理系统，不仅能做出非线性问题做出处理，也能在一定程度上对现行问题做出处理，且这种系统具有极强的容错能力，在具体计算求解时，不会限制问题结构。因而，在学习阶段获取知识时，仅需要操作人员输入准确的输入因子，就能得到我们想要的结果。人工神经网络法和其他方法相比，更加客观需要，其计算所得的结果也更加可靠。但使用人工神经网络法时往往需要进行实现准备大量数据样本。同时，这一评估方法也建立存有大量数据与优质设备的基础上。
4、模糊分析法
模糊关系是模糊分析特性合成的关键要素，且模糊分析法可在不同角度下，综合性地判断被评估对象的状况与状态。它不仅具有被评估对象划分变化区间的能力，还能分析出每个对象所属的等级程度，这样能够使评估描述具有更好的客观性、深入性。模糊综合评估法具有易掌握、模型结构简便的特点，并且还能很好地对一些层次结构复杂、因素繁多的问题进行评判，而且能达到较好的评判效果。在实际的应用过程中，如果我们采用该方法，评估效果将出乎意外的惊人。
因为智能变电站二次设备在性能方面存在模糊不定的特点，经常会处于一种不好不坏的状态，要因而确定其性能指标与设备的性能状况具有一定复杂性与难度。模糊数学理论，即用以解决难题的数学理论，其在性能评估中的运用，将有利于提高性能评估的客观性、准确性和可靠性。
5、灰关联聚类分析法
灰关联聚类分析法，即灰关联分析与古典的聚类思想法适当地结合在一起，并在此基础上，进一步充实可将有利于将原本关联度的数值转变成被评估对象的亲和度，进而进行聚类分析。如果在评估过程中，牵涉到多项量纲的指标，这时应用灰关联聚类法，就能对原始数据展开同一化处理以及统一测度，从而消除不同指标量纲对其产生的影响，与此同时，还能对不同评估设备的性能状况进行定量反应，具有较好的直观性、可靠性。
6、因子法
因子法，即主要根据对少数几个可以控制所有指标，又无法观察到的公因子展开寻找，由于公因子之间缺乏相互相关联性，并且每一个指标都可以近似地表现出公因子之间的线性组合，即可利用数量较少的公因子代替原有的多项指标，实现简化分析的效果，在此期间，还可以根据不同种类的因子展开进一步旋转，对指标展开清晰、合理地分类。采用因子分析法得到的分析结果，会由于原始指标间相关程
度的均衡性发生变化，对其产生一定的影响。除此之外，由于分子得分是估计值，因此和主成分分析法相比较而言，其综合评估值并没有其准确可靠。
三、智能变电站二次设备性能评估指标体系
1、建立二次设备性能评估指标体系的原则
如果电力企业想要将智能变电站二次设备性能评估的工作做好，就必须甄选出一套与变电站发展二次设备性能相适应的评估指标，并确立一套完善规范的评估指标体系。若要评估指标体系全方位和可靠的凸显智能变电站二次设备性能的水平，就必须遵守以下几个原则：（1）科学性原则（2）可行性原则（3）完备性原则（4）系统性与层次性相结合的原则（5）动态性原则。
2、评估指标体系的建立方法
科学合理的评估指标体系将智能变电站二次设备性能与评估专家紧密地联系在一起，同时也为得到准确的性能结论提供了一定的保障。从目前的研究情况来看，最适合建立评估指标体系的两种方法当属数学方法、经验确定法，而主成分分析法则是数学确定法的一种。在确定评估指标体系时，主观随意性是其最大的特点，尽管数学方法能够降低这种随意性，但是也不能完全确保指标间的独立，并且在应用时很难操作。所以，我们通常采用经验确定法。
四、结束语
由于智能变电站二次设备的系统较为复杂，并且设备以及技术更新的速度极快，相关的工作人员缺少实际的工作经验，所以不可避免地会出现当二次功能出现异常时，很难在短时间内找到故障所在并加以解决。并且二次设备的性能评估体系还缺乏完善度，这些都给我国智能变电站的发展带来一定的影响。作者在本文中主要介绍了智能变电站二次设备性能评估分析的方法，旨在希望我国的电力系统能够更好地发展下去。
参考文献：
[1]彭志峰.智能变电站二次设备性能评估方法的研究[D].华北电力大学（保定）华北电力大学，2014.
[2]李圆智.智能变电站网络系统性能测试技术研究[D].华北电力大学，2016.
[3]何建军.智能变电站系统测试技术[M].中国电力出版社，2013.
[4]许磊，张向东，贾楠，等.智能变电站二次系统的通讯测试技术[J].电子技术与软件工程，2016（21）：34-35.