CN103020433B - 一种电力设备状态的评价方法 - Google Patents

Abstract

本申请公开了一种通用性好、配置灵活的电力设备状态的评价方法，包括步骤：(1)当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成；(2)根据基础模型库，构建基层数据接口引擎；(3)评价模型实例化，其包括定义评价层次关系和定义评价算法规则；(4)将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接口处理引擎。

Description

一种电力设备状态的评价方法

技术领域

本发明涉及电力系统自动化的技术领域，尤其涉及一种电力设备状态的评价方法。

背景技术

目前电力设备状态检修正处于积极探索研究阶段，其核心的状态评价模型还不成熟。同时，支撑其实现的软件系统也不具备灵活改进特征，无法支撑算法模型的改善。当前常用的状态检修软件系统主要有两种模式：一种是将状态检修作为生产管理系统软件的一个功能模块，与生产管理过程中的其他业务配合支撑状态检修；另一种是将状态检修系统作为一个独立的软件系统，通过信息集成或者数据接口实现对电力企业状态检修业务的支撑。无论是哪种软件系统模式，作为其核心内容的状态评价功能都是建立在固定的状态评价方法模型基础上的，无法灵活定义和应用状态评价模型来保障状态评价效果。

当前常用的评价模型有：

(1)权重扣分模型

该模型将设备健康状况具体化为各种权重的指标及状态量，每个指标或状态量设置相应的基准扣分值，评价时根据设备实际情况对比权重与基准扣分值逐级扣分，扣分越少则设备状态越好。

(2)百分制模型

该模型设定设备最佳健康状态为一百分，将设备健康状况划分为各个健康指标，每个指标都具有其特定的评价算法，由相应的状态量来表征计算。评价时根据设备实际情况按照既定算法生成状态量并计算各个健康指标，最后获得设备整体健康状况，得分越高则表明设备健康状况越好。

以上两种模型都具有数据源复杂、评价算法为层级递进结构的特点。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种通用性好、配置灵活的电力设备状态的评价方法。

本发明的技术方案是：这种电力设备状态的评价方法，包括以下步骤：

(1)当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成，模型库包括模型名称、模型的评价对象、对象设备关系和对象评价规则，指标库是评价模型的每个评价指标基本信息，状态量库包括分组状态量及普通状态量；

(2)根据基础模型库，构建基层数据接口引擎；

(3)评价模型实例化，其包括定义评价层次关系和定义评价算法规则；评价层次分为状态量层、指标层和评价细则层，三个层次分别表示评价模型的模型库、指标库、状态量库的实例化；在进行评价层次关系时，采用自上而下的模式定义模型实例层次，即首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围，其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则，然后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义；构建一个可扩充的专家规则库，专家规则库中包含数学、逻辑算法，利用专家规则库中的算法进行迭代、组合得到满足需要的算法规则，形成阶梯型评价体系；

(4)将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接口处理引擎；数据接口处理引擎根据定义的触发规则，触发算法解析引擎，算法解析引擎调用解析正确的信息点处理算法，将基础数据加工成状态评价需要的信息点结果存储到评价结果库中，再解析普通状态量算法利用信息点结果生成普通状态量结果，然后按照已定义的层次结构依次解析算法生成各级分组状态量及评价指标结果，最后解析细则算法规则利用各个指标结果获得设备最终评价结果；

(5)当设备的基础数据生成以后，引擎将自动触发数据接口引擎与算法解析引擎，按照事先配置好的算法规则加工基础数据，形成信息点结果与状态量结果集，存储到最新与历史结果集中，为设备的最终评价计算提供依据；当有设备状态评价需要的情况下，评价方法将自动解析评价模型的应用范围与启用条件，为评价对象找到匹配的评价算法，调用算法解析引擎，按照评价方法的层次结构从分组状态量开始逐级计算，计算结果以最新与历史结果并存的方式存储；引擎解析模型对象评价规则，综合各个层级计算结果，汇总形成最终的评价结果，并生成评价报告。

此电力设备状态的评价方法的评价算法为阶梯型评价体系，所以其通用性好、配置灵活。

附图说明

图1是根据本发明的电力设备状态的评价方法的架构图；

图2是根据本发明的电力设备状态的评价方法的相关数据表E-R图；

图3是根据本发明的电力设备状态的评价方法的具体实现算法过程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

这种电力设备状态的评价方法，包括以下步骤：

(1)当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成，模型库包括模型名称、模型的评价对象、对象设备关系和对象评价规则，指标库是评价模型的每个评价指标基本信息，状态量库包括分组状态量及普通状态量；

(2)根据基础模型库，构建基层数据接口引擎；

(3)评价模型实例化，其包括定义评价层次关系和定义评价算法规则；评价层次分为状态量层、指标层和评价细则层，三个层次分别表示评价模型的模型库、指标库、状态量库的实例化；在进行评价层次关系时，采用自上而下的模式定义模型实例层次，即首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围，其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则，然后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义；构建一个可扩充的专家规则库，专家规则库中包含数学、逻辑算法，利用专家规则库中的算法进行迭代、组合得到满足需要的算法规则，形成阶梯型评价体系；

(4)将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接口处理引擎；数据接口处理引擎根据定义的触发规则，触发算法解析引擎，算法解析引擎调用解析正确的信息点处理算法，将基础数据加工成状态评价需要的信息点结果存储到评价结果库中，再解析普通状态量算法利用信息点结果生成普通状态量结果，然后按照已定义的层次结构依次解析算法生成各级分组状态量及评价指标结果，最后解析细则算法规则利用各个指标结果获得设备最终评价结果；

(5)当设备的基础数据生成以后，引擎将自动触发数据接口引擎与算法解析引擎，按照事先配置好的算法规则加工基础数据，形成信息点结果与状态量结果集，存储到最新与历史结果集中，为设备的最终评价计算提供依据；当有设备状态评价需要的情况下，评价方法将自动解析评价模型的应用范围与启用条件，为评价对象找到匹配的评价算法，调用算法解析引擎，按照评价方法的层次结构从分组状态量开始逐级计算，计算结果以最新与历史结果并存的方式存储；引擎解析模型对象评价规则，综合各个层级计算结果，汇总形成最终的评价结果，并生成评价报告。

此电力设备状态的评价方法的评价算法为阶梯型评价体系，所以其通用性好、配置灵活。

以下详细说明该电力设备状态的评价方法。

1构建基础模型库

基础模型库是整个通用评价模型多层结构的基础，如图1所示，基础模型库由模型库、指标库及状态量库三个基础库构成。通过这三个库描述整个模型的基本内容：包括评价对象、评价对象与相关设备关系、对象评价规则、评价指标与状态量构成。

当某个具体评价模型确定下来时，其相应的评价指标及状态量也相应的确定了。在对其进行实用化前，需要构建基础模型，即分析模型的评价内容，形成图1所示的三个基础库。其中：

模型库的描述内容为模型名称、模型的评价对象、对象设备关系和对象评价规则(即由对象相关的设备评价结果来评价对象健康状况的专家规则或算法)；

指标库是模型库的子库，一个评价模型对应一系列评价指标，指标库描述了各个评价模型的每个评价指标基本信息；

状态量库主要描述模型库中各个模型所包含的各种状态量，包括分组状态量及普通状态量。

模型的实例化应用都将以这三个基础库中的内容为基础，实例化的过程即这三个库中内容的组合分析过程。

2构建基层数据接口引擎

各种评价模型本质都是按照一定的方法规则分析处理设备基础数据实现设备状态评价。普通状态量则是从设备评价的角度对设备基础数据的高度抽象与综合，同时也是整个评价模型的基础构成。因此，评价模型的实例化应用的第一个步骤为分析设备基础数据，获取并形成有用的信息点，从而抽象综合形成状态量，如图1中的阶段Ⅰ所示。

假设模型中有普通状态量“设备运行环境”，则在实际中表征该状态量的基础数据应该包括设备运行过程中的温度、湿度等。那么，如何从基础数据库中获取表征该状态量的这些基础数据，以及获取后形成什么样的可用数据生成状态量就是该阶段需要做的内容。这里，对于基础数据的处理采用了一种定时调度任务的处理方式，通过灵活的配置定义，将各种形式的基础数据按既定的规则转换成相应的信息点，再加工处理成为各个状态量。这样，实现了基础数据与状态评价的松耦合，评价模型与基础数据库的隔离，保障状态评价模型的应用不依赖于某种固定的信息系统，不受某种基础数据库限制，而可以灵活移植，应用更为广泛。

3评价模型实例化

对于同一个评价模型来说，在不同的应用环境下，模型内部的各级评价指标及评价算法可能需要做相应的适应性调整，才能真正满足现场实际应用的需要。因此，在本通用评价模型中，设计了一个可定义算法及评价级别的模型实例化结构，为不同的应用环境在同一模型框架下定义不同的评价细则，并应用到软件系统中。

评价模型实例化包括两大方面的内容：定义评价层次关系和定义评价算法规则。

(1)评价层次关系定义

在本通用评价模型中，评价层次可以分为三大层级：状态量层、指标层和评价细则层，如图1中的阶段Ⅱ、Ⅲ、Ⅳ所示，三个层级分别表示基础评价模型的三个基础库内容的实例化。

在进行评价层次关系时，需要采用自上而下的模式定义模型实例层次。首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围(例如某种型号设备、某类型设备等)；其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则；最后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量可以是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义。通过这样三个步骤就可以完成各种需要的状态评价结构体系，在这种阶梯结构中，每个层级都是上一层级的评价依据，在系统实现时，只需要按照已定义的层级结构逐层评价就可以得到模型的最终评价结果。

(2)评价算法规则定义

定义好评价层次后，还需要进一步定义具体如何评价计算。如图1所示，本通用评价模型构建了一个可扩充的专家规则库，专家规则库中包含了各种基本的数学、逻辑算法，同时还能够自定义各种复杂分析算法，另外专家规则库还能够方便的将模型实例化定义的新算法扩充到库中，方便各类算法规则的组合重复利用。

在模型实例化定义各个层级间的算法规则时，只需要利用专家规则库中提供的各种基本算法规则进行迭代、组合就可以得到满足各种计算需要的算法规则。定义完各个层级间的算法规则后就完成了整个评价模型的实例化，形成图1所示的一个阶梯型评价体系。

4评价细则初始化

完成好状态评价模型实例化，只需要将分析定义好的模型实例内容生成到数据库(相关数据表E-R图，如图2所示)，并加载与本模型配合的算法解析引擎与数据接口处理引擎，就可以在软件系统中应用状态评价模型实例。

数据接口处理引擎能够根据事先定义好的触发规则，在基础数据产生时或其他条件下，触发算法引擎的处理计算。

算法引擎能够根据数据接口处理引擎发出的触发消息，调用解析正确的信息点处理算法，将基础数据加工成状态评价需要的信息点结果存储到评价结果库中；再解析普通状态量算法利用信息点结果生成普通状态量结果，然后按照已定义的层次结构依次解析算法生成各级分组状态量及评价指标结果，最后解析细则算法规则利用各个指标结果获得设备最终评价结果。这样就实现了设备状态评价模型的实例化应用。

5评价方法算法

在实际应用中，本评价方法将按照图3所示的算法过程进行评价计算。本算法总体上分为两部分计算：一部分为由数据接口引擎通过调度任务发起的实时评价计算；另一部分为由周期计划或者人工触发的设备评价触发计算。这样就可以将计算量最为庞大复杂的基础数据处理、信息点与状态量计算分散到日常的闲暇时段，与最终的设备评价计算分离，提高引擎对模型计算的效率。这样，当整个评价方法启用之后，将按如下的规则进行分析计算：

首先，当设备的基础数据生成以后，引擎将自动触发数据接口引擎与算法解析引擎，按照事先配置好的算法规则加工基础数据，形成信息点结果与状态量结果集，存储到最新与历史结果集中，为设备的最终评价计算提供依据。

然后，当有设备状态评价需要的情况下，评价方法将自动解析评价模型的应用范围与启用条件，为评价对象找到匹配的评价算法，调用算法解析引擎，按照评价方法的层次结构从分组状态量开始逐级计算，计算结果以最新与历史结果并存的方式存储。

最后，引擎解析模型对象评价规则，综合各个层级计算结果，汇总形成最终的评价结果，并生成评价报告。

本申请的优点如下：

电力设备状态评价方法能够支持各种目前常用的各种电力设备状态评价模型的实例化应用，并且支持某个具体模型的灵活改进，在软件系统中方便的实现目前常用的各种电力设备状态评价模型体系，快速的将各种状态评价模型理论转化为实用软件。同时，该引擎还同样能够用于其他的各种层级式的评价模型实用化构建，方便快速的将层级评价模型理论投入到实际应用中。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。

Claims (1)

1.一种电力设备状态的评价方法，其特征在于，包括以下步骤：

(1)当获取评价模型后，构建基础模型库，即评价模型的评价内容，基础模型库由模型库、指标库、状态量库构成，模型库包括模型名称、模型的评价对象、对象设备关系和对象评价规则，指标库是评价模型的每个评价指标基本信息，状态量库包括分组状态量及普通状态量；

(2)根据基础模型库，构建基层数据接口引擎；

(3)评价模型实例化，其包括定义评价层次关系和定义评价算法规则；评价层次分为状态量层、指标层和评价细则层，三个层次分别表示评价模型的模型库、指标库、状态量库的实例化；在进行评价层次关系时，采用自上而下的模式定义模型实例层次，即首先，为模型定义评价细则，定义内容包括评价细则名称与评价范围，其次，为已定义的评价细则配置评价指标，即从指标库中选择当前模型实例需要用到的评价指标配置给对应评价细则，然后，为各个评价指标配置状态量，即指标的评分依据量，指标配置的状态量是普通状态量或者分组状态量，如果是分组状态量则还可以为其继续配置子层级状态量，实现评价层级的灵活定义；构建一个可扩充的专家规则库，专家规则库中包含数学、逻辑算法，利用专家规则库中的算法进行迭代、组合得到满足需要的算法规则，形成阶梯型评价体系；

(4)将评价模型实例化内容生成到数据库，并加载与本模型配合的算法解析引擎与数据接口处理引擎；数据接口处理引擎根据定义的触发规则，触发算法解析引擎，算法解析引擎调用解析正确的信息点处理算法，将基础数据加工成状态评价需要的信息点结果存储到评价结果库中，再解析普通状态量算法利用信息点结果生成普通状态量结果，然后按照已定义的层次结构依次解析算法生成各级分组状态量及评价指标结果，最后解析细则算法规则利用各个指标结果获得设备最终评价结果；

(5)当设备的基础数据生成以后，引擎将自动触发数据接口引擎与算法解析引擎，按照事先配置好的算法规则加工基础数据，形成信息点结果与状态量结果集，存储到最新与历史结果集中，为设备的最终评价计算提供依据；当有设备状态评价需要的情况下，评价方法将自动解析评价模型的应用范围与启用条件，为评价对象找到匹配的评价算法，调用算法解析引擎，按照评价方法的层次结构从分组状态量开始逐级计算，计算结果以最新与历史结果并存的方式存储；引擎解析模型对象评价规则，综合各个层级计算结果，汇总形成最终的评价结果，并生成评价报告。