CN103136709A - 基于电网设备的典型故障树评价方法 - Google Patents
基于电网设备的典型故障树评价方法 Download PDFInfo
- Publication number
- CN103136709A CN103136709A CN2013100881160A CN201310088116A CN103136709A CN 103136709 A CN103136709 A CN 103136709A CN 2013100881160 A CN2013100881160 A CN 2013100881160A CN 201310088116 A CN201310088116 A CN 201310088116A CN 103136709 A CN103136709 A CN 103136709A
- Authority
- CN
- China
- Prior art keywords
- equipment
- evaluation
- tree
- state
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于电网设备的典型故障树评价方法,旨在提供一种评价树配置灵活,设备评价实时、高效的基于电网设备的典型故障树评价方法。它包括建立模型树,对设备、设备评价项目进行组织,生成台帐;建立评价模型树:进行模型树和模型节点评价算法的匹配;建立模型节点评价算法;台帐关联评价模型节点;开始设备状态量评价;反向确定设备评价状态。本发明的评价方法采用从下到上逐步提交的过程,使得上层设备提取设备评价的时间空间减少。当需要评价出整个设备树的时候只需要提取每个节点的评分即可,从而提高了整体评价的效率。
Description
技术领域
本发明涉及一种基于电网设备的典型故障树评价方法。
背景技术
在电网设备评价过程中,设备的评价包含对设备总体的评价以及设备各部件的状态评价、还包含一些设备家族性缺陷的评价。设备总体的评价结果将取决于设备各个部件以及共性指标的评价结果。而设备以及设备的构成都是以树形的结构形成的。设备的评价就是评价设备树的各个节点,怎样灵活的组织设备树进行准确、高效的评价就是本专利研究的目的。
以往的设备评价过程主要采用评价单元的方式进行评价,设备的评价单元组成不够灵活,在每次评价的时候都需要建立评价单元,而且评价的主体结果完全直接的依赖于各个部件的评价结果,导致设备的评价不灵活、评价速度过慢等问题。
发明内容
本发明克服了现有技术中的缺点,提供了一种评价树配置灵活,设备评价实时、高效的基于电网设备的典型故障树评价方法。
为了解决上述技术问题,本发明是通过以下技术方案实现的:一种基于电网设备的典型故障树评价的实现方法,包括以下步骤:
建立模型树,对设备、设备评价项目进行组织,生成台帐;
建立评价模型树:进行模型树和模型节点评价算法的匹配;
建立模型节点评价算法;
台帐关联评价模型节点;
开始设备状态量评价;
反向确定设备评价状态。
具体的,所述建立模型树的节点属性包含设备分类、设备、设备状态量。
具体的,所述建立模型节点评价算法包括:分类评价结果计算、设备评价结果计算、状态量评价结果计算。
具体的,所述设备评价结果计算依据建立评价模型树中的设备评价规则,通过识别设备规则中的逻辑符号,并通过识别的逻辑计算出设备最终的状态值。
具体的,所述建立评价模型树的节点属性包括:设备状态量评价规则、设备评价规则、设备分类计算规则、状态量属性。
与现有技术相比,本发明具有如下优点:
(1)由于设备的评价其实就是具体台账的评价,对于一个设备台账来说,它的评价方式以及结果取决于它采用的评价设备,如果我们需要更改评价的方式只需要修改对应设备的状态量评价方式即可,或者直接切换设备台账所属的设备即可实现评价方式的改变。所以采用该种评价树模型来实现设备的评价可以实现灵活的配置。
(2)由于评价采用从下到上逐步提交的过程,使得上层设备提取设备评价的时间空间减少。因为每个状态量评价完成之后将自动计算出该设备的评分。当需要评价出整个设备树的时候只需要提取每个节点的评分即可,这样减少了每次计算的时间。从而提高了整体评价的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种具体实施例的流程示意图;
图2为本发明评价模型树的结构示意图;
图3为本发明评价过程的流程示意图;
图4为本发明设备评价的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1所示为本发明的一个具体实施例,它包括以下步骤:
步骤a:建立模型树,其节点属性包括:设备分类、设备、设备状态量。
设备分类:主要实现设备的组织功能。
设备:为设备具体名称,体现了设备的最小构成单元。
设备状态量:设备状态量为设备树的子节点,体现了父级节点(即设备的)的各种评价项目。类似体检的详细检查项。
步骤b:建立评价模型树,评价模型树的结构如图2所示,其节点的属性包括:设备状态量评价规则、设备评价规则、设备分类计算规则、状态量属性。
下面将以110kV~500kV油浸式电力变压器(电抗器)为例介绍评价模型树的节点评价计算规则,评价的结果以评价分数为量化标准:
在评分过程中涉及的两种评分参数:单项权重系数(1、2、3、4)、基本扣分值(2、4、8、10)。
设备状态量评价规则:评分方式为:单项评分权重乘以基本扣分,单个状态量的评价分数取决于评分的判定依据。以下为具体状态量评价表示例。
设备评价规则:设备的评价结果取决于设备的状态量评价结果,设备的评价结果将根据评价分数的不同分为四种状态:正常、注意、异常、严重。这四种状态的判定依据将取决于该设备的评价规则,以下具体列出油浸式电力变压器各个部件的规则表。
设备分类计算规则:通过灵活的算法计算出设备分类的所得评分,算法主要依赖于设备分类的子集元素评分,子集元素可能是设备或者分类。
状态量属性:根据状态计算规则的计算结果反馈状态量。
步骤c:建立模型节点评价算法,根据设备相应的评价项目建立相应的评价算法。模型节点算法分为:设备分类评价结果计算、设备评价结果计算、状态量评价结果计算。
设备分类评价结果计算:设备分类的评价状态由分类下的设备(部件)状态决定,分类总的状态取其设备中最严重的状态结果作为状态。具体的实现为取其所有设备中的最大状态值。在实际运用中状态值由数字代表,分别为0、1、2、3分别代表正常、注意、异常、严重。故在分类评价状态计算中只需要获取子设备的最大状态值即可。
设备评价结果计算:设备计算的依据为步骤b中的设备评分规则。其通过识别设备规则中的逻辑符号(>、=、≥、~),并通过识别的逻辑计算出设备最终的状态值(正常、注意、异常、严重)。具体实现方式如图4所示:
获取设备下所有状态量分数列表;获取成功后判断循环对比状态量评分Y是否在严重状态范围,若Y在范围内则返回严重状态至设备状态值,若Y不在范围内则判断循环对比状态量评分Y是否在异常状态范围,若Y在范围内则返回异常状态至设备状态值,若Y不在范围内则判断循环对比状态量评分Y是否在注意状态范围,若Y在范围内则返回注意状态至设备状态值;若Y不在范围内则判断循环对比状态量评分Y是否在正常状态范围,若Y在范围内则返回正常状态至设备状态值;完成上述判断获取设备状态评价总分Y,判断总分Y是否在注意范围内,若Y在范围内则返回注意状态至设备状态值,若Y不在范围内则判断总分Y是否在正常范围内,若Y在范围内则返回正常状态至设备状态值,如Y不在范围内则返回空状态。
状态量评价结果计算:状态量评价结果的计算数据依据为状态量评价规则。状态量评价的输入项为状态量以何种依据进行判定。确定判定依据的最简单实现为通过手工选择,高级的实现方式为自动根据用户对状态量的描述进行判定,具体判定方式为通过状态量用户检测现象描述与判定标准的字符串匹配程度来实现,字符串匹配主要采用正则表达式匹配方式检测。确定判断依据之后就可以根据状态量评价计算公式计算。公式为:实际扣分=基本扣分×权重系数。
步骤d:台帐关联评价模型节点,实现方法如下:
在电网设备评价过程中,设备都是以具体的设备台账出现的,当获取到设备台账之后需要把设备台账按设备的分类进行划分(即按已建立的设备评价模型树划分)、每个设备必须分配到评价模型树的设备级别,相当于选择了设备评价的类型。划分后的设备就和设备评价树种的评价状态取得了关系,则设备台账就可以提取到需要评价哪些状态量,状态量如何实现评价。设备的评价直接使用评价模型树的配置原则即可完成评价。完成评价之后就可以通过评价状态树逐级反应出设备的评价结果。
步骤e:开始设备状态量评价。本发明的评价过程如图3所示,其评价过程为:
当设备台账确定了设备以后,设备台账便具备了评价的功能,评价将从设备的状态量开始评价,每个状态量都产生评价结果,状态量评价完成之后状态量所属的设备表自动计算出本次评价的设备评分。很多个设备评价得出之后设备的分类也可以通过定义的分类评价规则取得分类所得的评分结果,即从下到上完成了设备的评价。
步骤f:反向确定设备评价状态。
通过以上分析已知道可以通过设备评价树模型完成设备评价,下面将介绍如何实现评价的灵活组织。由于设备的评价其实就是具体台账的评价,对于一个设备台账来说,它的评价方式以及结果取决于它采用的评价设备,如果我们需要更改评价的方式只需要修改对应设备的状态量评价方式即可,或者直接切换设备台账所属的设备即可实现评价方式的改变。所以采用评价树模型来实现设备的评价可以实现灵活的配置。
由于评价采用从下到上逐步提交的过程,使得上层设备提取设备评价的时间空间减少。因为每个状态量评价完成之后将自动计算出该设备的评分。当需要评价出整个设备树的时候只需要提取每个节点的评分即可,这样减少了每次计算的时间。从而提高了整体评价的效率。
本发明是一种基于树形结构的评价模型,通过把树节点分为不同的评价层次。从而把设备分类、设备、评价项以及设备台账有机的集合起来,使得设备的评价变得灵活、高效。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于电网设备的典型故障树评价的实现方法,其特征在于:包括以下步骤:
建立模型树,对设备、设备评价项目进行组织,生成台帐;
建立评价模型树:进行模型树和模型节点评价算法的匹配;
建立模型节点评价算法;
台帐关联评价模型节点;
开始设备状态量评价;
反向确定设备评价状态。
2.根据权利要求1所述基于电网设备的典型故障树评价的实现方法,其特征在于:所述建立模型树的节点属性包含设备分类、设备、设备状态量。
3.根据权利要求1所述基于电网设备的典型故障树评价的实现方法,其特征在于:所述建立模型节点评价算法包括:设备分类评价结果计算、设备评价结果计算、状态量评价结果计算。
4.根据权利要求3所述基于电网设备的典型故障树评价的实现方法,其特征在于:所述设备评价结果计算依据建立评价模型树中的设备评价规则,通过识别设备规则中的逻辑符号,并通过识别的逻辑计算出设备最终的状态值。
5.根据权利要求1所述基于电网设备的典型故障树评价的实现方法,其特征在于:所述建立评价模型树的节点属性包括:设备状态量评价规则、设备评价规则、设备分类计算规则、状态量属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100881160A CN103136709A (zh) | 2013-03-19 | 2013-03-19 | 基于电网设备的典型故障树评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100881160A CN103136709A (zh) | 2013-03-19 | 2013-03-19 | 基于电网设备的典型故障树评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103136709A true CN103136709A (zh) | 2013-06-05 |
Family
ID=48496508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100881160A Pending CN103136709A (zh) | 2013-03-19 | 2013-03-19 | 基于电网设备的典型故障树评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103136709A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159671A (zh) * | 2015-08-24 | 2015-12-16 | 卡斯柯信号有限公司 | 用于信号组态系统的图符与变量关联的方法 |
CN105260823A (zh) * | 2015-09-23 | 2016-01-20 | 中广核核电运营有限公司 | 一种重大设备健康状态的评估方法及系统 |
CN106980922A (zh) * | 2017-03-03 | 2017-07-25 | 国网天津市电力公司 | 一种基于大数据的输变电设备状态评价方法 |
CN110794257A (zh) * | 2019-09-26 | 2020-02-14 | 广西电网有限责任公司电力科学研究院 | 基于失效故障树方法的输电线路导线断股原因分析方法 |
CN113393117A (zh) * | 2021-06-11 | 2021-09-14 | 天闻数媒科技(湖南)有限公司 | 业务评价模型的构建方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663529A (zh) * | 2012-05-14 | 2012-09-12 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种电网事故分析及事故后预评价系统 |
CN102693514A (zh) * | 2012-05-17 | 2012-09-26 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种基于设备风险预控、重点设备监控的变电站设备自动评价方法 |
-
2013
- 2013-03-19 CN CN2013100881160A patent/CN103136709A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663529A (zh) * | 2012-05-14 | 2012-09-12 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种电网事故分析及事故后预评价系统 |
CN102693514A (zh) * | 2012-05-17 | 2012-09-26 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种基于设备风险预控、重点设备监控的变电站设备自动评价方法 |
Non-Patent Citations (5)
Title |
---|
中国南方电网责任有限公司: "110kV~500kV 油浸式电力变压器(电抗器)状态评价导则", 《110KV~500KV 油浸式电力变压器(电抗器)状态评价导则》 * |
国家电网公司: "油浸式变压器(电抗器)状态评价和状态检修导则", 《油浸式变压器(电抗器)状态评价和状态检修导则》 * |
湖北省电力公司: "湖北省电力公司油浸式变压器(电抗器)状态评价实施细则", 《湖北省电力公司油浸式变压器(电抗器)状态评价实施细则》 * |
石延辉: "换流变压器状态评价分析探讨", 《电气时代》 * |
钟顺帆: "110 kV 及以上变压器(电抗器)状态评估方法及案例", 《南方电网技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159671A (zh) * | 2015-08-24 | 2015-12-16 | 卡斯柯信号有限公司 | 用于信号组态系统的图符与变量关联的方法 |
CN105260823A (zh) * | 2015-09-23 | 2016-01-20 | 中广核核电运营有限公司 | 一种重大设备健康状态的评估方法及系统 |
CN106980922A (zh) * | 2017-03-03 | 2017-07-25 | 国网天津市电力公司 | 一种基于大数据的输变电设备状态评价方法 |
CN110794257A (zh) * | 2019-09-26 | 2020-02-14 | 广西电网有限责任公司电力科学研究院 | 基于失效故障树方法的输电线路导线断股原因分析方法 |
CN113393117A (zh) * | 2021-06-11 | 2021-09-14 | 天闻数媒科技(湖南)有限公司 | 业务评价模型的构建方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | A patent quality analysis and classification system using self-organizing maps with support vector machine | |
CN109063976A (zh) | 基于模糊层次分析法的智能制造能力成熟度评价方法 | |
Wang et al. | How many software metrics should be selected for defect prediction? | |
CN103106535B (zh) | 一种基于神经网络解决协同过滤推荐数据稀疏性的方法 | |
CN107301296A (zh) | 基于数据的断路器故障影响因素定性分析方法 | |
CN102855492B (zh) | 基于矿物浮选泡沫图像的分类方法 | |
CN103136709A (zh) | 基于电网设备的典型故障树评价方法 | |
CN103337043B (zh) | 电力通信设备运行状态的预警方法和系统 | |
CN104504508B (zh) | 基于层次分析与小波回归的台区闭环数据分析方法 | |
CN104318268B (zh) | 一种基于局部距离度量学习的多交易账户识别方法 | |
CN104573947A (zh) | 区域智能配电网低压台区综合评价方法 | |
CN105184316A (zh) | 一种基于特征权学习的支持向量机电网业务分类方法 | |
CN109063945A (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
CN107180075A (zh) | 文本分类集成层次聚类分析的标签自动生成方法 | |
CN103514255A (zh) | 一种基于项目层次类别的协同过滤推荐方法 | |
CN109063734A (zh) | 结合多级局部密度聚类的油浸式变压器故障状态评估方法 | |
CN105046389A (zh) | 一种用于电力安全风险评估的智能风险评估方法及其系统 | |
Liu et al. | An overview of decision tree applied to power systems | |
CN105138413A (zh) | 一种配电网在线数据异常检测方法 | |
CN104809658A (zh) | 一种低压配网台区线损的快速分析方法 | |
CN107506350A (zh) | 一种识别信息的方法和设备 | |
CN105512783A (zh) | 用于电磁环网解环方案的综合评价方法 | |
CN107247666A (zh) | 一种基于特征选择和集成学习的软件缺陷个数预测方法 | |
CN107169234A (zh) | 一种采煤机摇臂系统维修性综合评价方法 | |
CN107730158A (zh) | 电网项目智能化评审方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130605 |
|
RJ01 | Rejection of invention patent application after publication |