CN104537487A - 一种输变电设备运行动态风险的评估方法 - Google Patents

Abstract

本发明公开了一种输变电设备运行动态风险的评估方法，结合故障树和事件树分析方法对故障模式的原因和结果进行分析，形成以故障模式为中心节点的领结模型，领结模型能够联合故障树和事件树分析事故的原因、后果以及事故风险，确定相应的风险控制措施。本发明针对输变电设备运行风险，可以动态评估运行风险，相较于现有技术的故障诊断机制，动态故障诊断机制增加了对证据信息需求的判断，减少了诊断过程的盲目性，可有效判断输变电设备的故障情况，因此评估得到的输变电设备的使用寿命结果更准确，更加符合实际情况，从而对工程应用更具有指导意义。

Description

一种输变电设备运行动态风险的评估方法

技术领域

本发明属于电力设备运行技术领域，尤其涉及一种输变电设备运行动态风险的评估方法。

背景技术

电力系统可靠性是指电力系统按可接受的质量标准和所需数量不间断地向电力用户供应电力和电能的能力的量度，它始终是电力系统中最重要的研究问题之一。随着现代电力系统规模的加大，以及用户对电能质量要求的不断提高，特别是国内外的几次大停电事故的发生，电力系统的安全可靠性引起了人们的高度重视。电力系统是一个由发电机、变压器、断路器、输电设备、用电设备等电气设备组成的复杂系统，这些电气设备能否安全可靠运行将直接决定着整个电力系统的安全性与可靠性，由此可见，电气设备的可靠性是电力系统可靠性的基础，电气设备的可靠性评估是整个电力系统可靠性评估的重要组成部分。

根据我国有关电力系统的统计数据得知，2003年-2013年间，由电气设备自身故障引起的电力系统事故在电力系统全部故障中所占的比例呈逐年增加的趋势，每年有60％以上的电力系统事故是由电气设备故障引起的。以2010年云南省为例，云南电网公司发生的较大的电力系统事故有30起，其中，由电气设备故障造成的事故占21起，约为事故总数的70％。从其它国家的电力系统事故统计数据来看，情况也是这样，根据国内外电力系统大停电事故原因的分析结果可知，电气设备自身故障不仅是影响电力系统可靠运行的主要原因，而且是电力系统故障中所占比例最大的。

目前，电力企业正在试行以设备状态检修为主的检修方式，通过对设备实际运行状态的检测分析，及时、有效地安排检修计划，避免了设备检修不足或检修过度的问题。随着电网结构日益复杂、设备不断增多，科学合理的设备运行风险评估，并制定状态检修决策显得尤为重要。

国内外关于设备运行风险评估和状态检修策略的研究主要有3个分支：基于设备全寿命周期成本(LCC)的状态检修、以可靠性为中心的状态检修(RCM)，基于风险评估的状态检修(RBM)。其中，基于LCC的状态检修策略主要偏重于减少设备检测和维修的总费用，没有强调设备检修安排对系统运行可靠性的影响；RCM策略则更多地倾向于提高系统的可靠性，但忽视了设备可能因检修不及时发生故障所造成的各种损失；而RBM策略能突出概率较小但后果较为严重的事件，平衡所有不确定的收益及成本，因此在状态检修决策优化中得到了广泛应用，但由于目前所采用的风险评估指标过于单一，没有综合考虑电网运行可靠性和设备故障损失等因素，影响了检修决策的准确性。

为了有效延长电气设备的使用寿命，就需要对电气设备，特别是变电站和电厂内输变电设备进行评估，而如何科学有效的对输变电设备运行的风险进行评估是一个亟待解决的问题。

发明内容

为了解决上述问题，本发明提供的一种输变电设备运行动态风险的评估方法，按照以下6个步骤进行计算：

S1：故障模式辨识；

本发明采用领结模型分析常见故障模式的原因及后果，在此基础上进行风险预测；对当前可能存在的故障模式，进行故障原因分析和故障后果预测对风险控制至关重要；故障原因不同时，故障发展趋势和可能造成的故障后果都有可能不同；对故障原因常采用故障树分析方法，故障树分析以目标故障模式为顶事件，自上而下地分析可能会造成顶事件的原因，是一种由果至因的分析方法；对故障后果的预测是分析该故障模式后续可能会引起的其他故障模式，以及可能导致的最终功能故障，这直接关系到变压器的运行风险；事件树分析方法被广泛应用于分析某一事件造成的后果，它按照故障发展的时间顺序由初始故障源预估后续可能会引起的故障后果，从而对系统的安全性和可靠性进行分析，是一种由因至果的分析方法；

S2：基于故障因果网络图，构建故障模式的领结模型

本发明结合故障树和事件树分析方法对故障模式的原因和结果进行分析，形成以故障模式为中心节点的领结模型；领结模型能够联合故障树和事件树分析事故的原因、后果以及事故风险，确定相应的风险控制措施，在风险管理领域得到了广泛的应用；领结模型用图形的方式来描述一个关键事件的原因和结果；如图2所示，关键事件位于图形的中间，左侧用故障树分析关键事件的原因，其中直接与关键事件连接的事件称为直接原因；右侧用事件树分析关键事件可能造成的后果，直接与关键事件连接的事件称为直接后果，整个图形形成了领结式的结构，因此称为领结模型，有时也称为领结图分析、蝴蝶结模型；在风险管理领域，领结模型主要用于研究安全措施的设置位置和方式，以减免危险事件的发生，安全措施为安全屏障；

S3：对领结模型左侧的故障原因进行分析、归类，化为单链结构

输变电设备故障因果网络图表现了所有故障模式之间的因果关系，为建立领结模型提供了理论基础，传统的故障树和事件树都可以用因果网络图表示，所以本发明领结模型的左右两侧均采用因果网络图表示；

在通综合诊断后得到输变电设备可能存在的故障模式后，将该故障模式作为领结模型中的关键事件，定位关键事件在整个因果网络图中的具体位置，并沿着连接点向前搜索与之有直接或间接关系的节点，直至到达父节点，即可获得该关键事件的原因节点，将涵盖的所有节点以原有连接方式置于领结模型的左侧与关键事件连接；然后用同样的方法沿着关键事件所在节点向后搜索与之有直接或间接联系的节点直至叶节点，即可获得该关键事件的后果节点，将这些节点置于领结模型的右侧与关键事件连接，由此形成该故障模式的领结模型；对于节点较多的网络图，可应用常见的路径搜索算法确定关键事件左侧的原因节点和右侧的后果节点；

S4：分析领结模型中的致险应力及增险应力，构建半马尔科夫模型

本发明采用半马尔科夫过程描述故障模式的发展过程；

半马尔科夫过程与马尔科夫更新过程有关，马尔科夫更新过程中，如n为非负整数，设X＝{Xn}，Xn∈S，T＝{Tn}，Tn≥0，且0＝T0≤T1≤…<Tn-1≤Tn≤…；若对于任意n≥0，j∈S，t≥0满足式(1)：

$\begin{array}{c}P[X_{n+1}=j,T_{n+1}-T_n\&le;t|X_n,T_n,X_{n-1},T_{n-1},...,X_0,T_0]\\ =P[X_{n+1}=j,T_{n+1}-T_n\&le;t|X_n]\end{array}---\left(1\right)$

则称随机过程{X，T}＝{(Xn，Tn)，n≥0}为马尔科夫更新过程；其中

Q_ij(t)＝P[X_n+1＝j,T_n+1-T_n≤t|X_n＝i]  (2)

式(2)被定义为半马尔科夫核；

若{X，T}＝{(Xn，Tn)，n≥0}为马尔科夫更新过程，则Yt:＝Xn，t∈[Tn,Tn+1]即为半马尔科夫过程；半马尔科夫过程对状态停留时间的分布没有要求，可以为任意分布，当其为指数分布时，半马尔科夫过程就是连续时间的马尔科夫链，可见连续时间的马尔科夫链是半马尔科夫过程的特例；

S5：分为两个步骤S5.1和S5.2同时进行；

S5.1：模型参数获取故障概率求解；

通过分析确定关键事件引起的劣化状态转换关系后，需要获取半马尔科夫过程的参数，即在各个状态的停留时间的概率分布；输变电设备在劣化状态停留时间的概率密度分布普遍为威布尔分布，由此形成了半马尔科夫过程中常见的模型形式Weibull–Markov模型，该模型中所需参数已标示在图7中；

图7中的参数01、12、23，可由劣化统一模型获得；在获取Weibull–Markov模型中的参数后即可根据半马尔科夫过程的数值求解过程获取各个时刻输变电设备处于每个状态的概率，以得到输变电设备风险中的故障概率因素；

S5.2：估测故障原因作用下各劣化状态的维修时间类别，确定各状态的维修费用；

对于图7所示的风险模型，故障后果即为维修各状态所需费用；状态的维修费用采取与风险评估方法相同的方式，即首先依据经验估算状态的维修时间类别，然后查找维修时间类别对应的维修费用；故障维修时间与领结模型左侧的故障原因密不可分；

S6：风险预测；

设备风险为故障概率和故障后果的乘积；通过以上分析获得了图7领结模型对应的半马尔科夫过程模型中输变电设别处于各状态的概率和各状态的维修费用后，根据式3即可获得设备面临的运行风险：

$R\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i\left(t\right)\&CenterDot;C_i---\left(3\right)$

其中R(t)为十倍在t时刻面临的运行风险，n为图7中的状态数，Pi(t)为在t时刻设备处于第i个状态的概率，Ci为修复第i个状态所需的费用。

本发明同现有技术相比，具有以下优点和有益效果：本发明结合故障树和事件树分析方法对故障模式的原因和结果进行分析，形成以故障模式为中心节点的领结模型，领结模型能够联合故障树和事件树分析事故的原因、后果以及事故风险，确定相应的风险控制措施。本发明针对输变电设备运行风险，可以动态评估运行风险，相较于现有技术的故障诊断机制，动态故障诊断机制增加了对证据信息需求的判断，减少了诊断过程的盲目性，可有效判断输变电设备的故障情况，因此评估得到的输变电设备的使用寿命结果更准确，更加符合实际情况，从而对工程应用更具有指导意义。

附图说明

图1是本发明的步骤流程图；

图2是本发明基于领结模型的动态风险预测流程图；

图3是本发明的实施例绕组绝缘老化的领结模型结构图；

图4是本发明的实施例绕组过热的领结模型结构图；

图5是本发明的实施例绕组变形的领结模型结构图；

图6是本发明的领结模型的一般化简结构图(a)存在劣化过程；(b)不存在劣化过程；

图7是本发明所述领结模型对应的半马尔科夫过程模型图。

具体实施方式

下面结合附图对本发明的技术方案进行清楚、完整地描述；一种输变电设备运行动态风险的评估方法，按照以下6个步骤进行计算：

为了解决上述问题，本发明提供的一种输变电设备运行动态风险的评估方法，按照以下6个步骤进行计算：

S1：故障模式辨识；

在制定输变电设备风险控制措施以及运维管理时，不仅需要通过基于综合故障诊断模型的风险评估判断输变电设备当前的运行风险，还需要准确预测故障模式的后续发展过程，估计可能的风险损失；以风险控制为导向的风险预测不仅要预测故障模式的后果，还需要挖掘故障原因，以便从根源上降低故障发展造成的风险损失，这就要求对故障模式同时进行向前向后的分析；本发明应用领结模型分析常见故障模式的原因及后果，在此基础上进行风险预测；

对当前可能存在的故障模式，进行故障原因分析和故障后果预测对风险控制至关重要；故障原因不同时，故障发展趋势和可能造成的故障后果都有可能不同；对故障原因常采用故障树分析方法，故障树分析以目标故障模式为顶事件，自上而下地分析可能会造成顶事件的原因，是一种由果至因的分析方法；对故障后果的预测是分析该故障模式后续可能会引起的其他故障模式，以及可能导致的最终功能故障，这直接关系到变压器的运行风险；事件树分析方法被广泛应用于分析某一事件造成的后果，它按照故障发展的时间顺序由初始故障源预估后续可能会引起的故障后果，从而对系统的安全性和可靠性进行分析，是一种由因至果的分析方法；

S2：基于故障因果网络图，构建故障模式的领结模型；

本发明结合故障树和事件树分析方法对故障模式的原因和结果进行分析，形成以故障模式为中心节点的领结模型；领结模型能够联合故障树和事件树分析事故的原因、后果以及事故风险，确定相应的风险控制措施，在风险管理领域得到了广泛的应用；领结模型用图形的方式来描述一个关键事件的原因和结果；如图2所示，关键事件位于图形的中间，左侧用故障树分析关键事件的原因，其中直接与关键事件连接的事件称为直接原因；右侧用事件树分析关键事件可能造成的后果，直接与关键事件连接的事件称为直接后果，整个图形形成了领结式的结构，因此称为领结模型，有时也称为领结图分析、蝴蝶结模型；在风险管理领域，领结模型主要用于研究安全措施的设置位置和方式，以减免危险事件的发生，安全措施为安全屏障；

S3：对领结模型左侧的故障原因进行分析、归类，化为单链结构；

输变电设备故障因果网络图表现了所有故障模式之间的因果关系，为建立领结模型提供了理论基础，传统的故障树和事件树都可以用因果网络图表示，所以本发明领结模型的左右两侧均采用因果网络图表示；

在通综合诊断后得到输变电设备可能存在的故障模式后，将该故障模式作为领结模型中的关键事件，定位关键事件在整个因果网络图中的具体位置，并沿着连接点向前搜索与之有直接或间接关系的节点，直至到达父节点，即可获得该关键事件的原因节点，将涵盖的所有节点以原有连接方式置于领结模型的左侧与关键事件连接；然后用同样的方法沿着关键事件所在节点向后搜索与之有直接或间接联系的节点直至叶节点，即可获得该关键事件的后果节点，将这些节点置于领结模型的右侧与关键事件连接，由此形成该故障模式的领结模型；对于节点较多的网络图，可应用常见的路径搜索算法确定关键事件左侧的原因节点和右侧的后果节点；

结合实施例对领结模型进行说明，以常见的变压器绕组故障为例，图3、图4和图5给出了以绕组绝缘老化、绕组过热、绕组变形为关键事件的领结模型，用同样的方式可获得其他常见故障模式的领结模型；关键事件的直接原因可能为以矩形表示的其他故障模式或以椭圆表示的故障因素，如绕组绝缘老化的直接原因有绕组过热和工作应力，其中绕组过热为其他故障模式，正常应力为故障原因中的应力因素；直接原因中的其他故障模式还可向左继续搜索，将关键事件的所有直接原因向左搜索到的第一个以椭圆表示的故障因素称为关键事件的直接故障原因，如绕组绝缘老化的直接故障原因包含正常应力、统包绝缘膨胀、导线制造不良、过载和绝缘油散热不良；而绕组过热和绕组变形的直接原因即为它们的直接故障原因；

S4：分析领结模型中的致险应力及增险应力，构建半马尔科夫模型；

基于领结模型输变电设备故障的前因后果进行定性分析，旨在预测故障模式的发展趋势，从而估计设备运行风险；输变电设备故障模式的发展因众多随机因素的影响呈现出不确定性，要准确预测故障模式的发展趋势相当困难，因此多用随机过程来描述故障的发展过程；如果设备未来可能的状态仅与当前状态有关，则故障发展过程可用马尔科夫过程表示；马尔科夫过程是目前应用十分广泛的随机过程，在变压器的维修决策上也得到了应用；传统的马尔科夫过程假设状态的停留时间分布为指数分布，但实际情况中很难满足此要求；为此本发明采用半马尔科夫过程描述故障模式的发展过程；

半马尔科夫过程与马尔科夫更新过程有关，马尔科夫更新过程中，如n为非负整数，设X＝{Xn}，Xn∈S，T＝{Tn}，Tn≥0，且0＝T0≤T1≤…<Tn-1≤Tn≤…；若对于任意n≥0，j∈S，t≥0满足式(1)：

$\begin{array}{c}P[X_{n+1}=j,T_{n+1}-T_n\&le;t|X_n,T_n,X_{n-1},T_{n-1},...,X_0,T_0]\\ =P[X_{n+1}=j,T_{n+1}-T_n\&le;t|X_n]\end{array}---\left(1\right)$

则称随机过程{X，T}＝{(Xn，Tn)，n≥0}为马尔科夫更新过程；其中

Q_ij(t)＝P[X_n+1＝j,T_n+1-T_n≤t|X_n＝i]  (2)

式(2)被定义为半马尔科夫核；

若{X，T}＝{(Xn，Tn)，n≥0}为马尔科夫更新过程，则Yt:＝Xn，t∈[Tn,Tn+1]即为半马尔科夫过程；半马尔科夫过程对状态停留时间的分布没有要求，可以为任意分布，当其为指数分布时，半马尔科夫过程就是连续时间的马尔科夫链，可见连续时间的马尔科夫链是半马尔科夫过程的特例；

获取故障概率的核心是量化关键事件与领结模型左侧原因节点和右侧后果节点间的概率关系，首先需要对领结模型左侧和右侧的结构进行化简；领结模型描述的故障发展过程一般可用两种故障过程描述，一种是由某种性质应力(电、热、机械应力)主导作用下的劣化过程；另一种是故障过程中可能会遭受的其他应力的作用，称为增险应力；将致险和增险应力共同作用下的劣化过程以状态转换图的形式描述，如图6所示，本发明的领结模型的一般化简结构图(a)存在劣化过程，图(b)不存在劣化过程；其中1～n表示劣化状态；另外一种故障过程是不存在劣化过程的突发故障过程，由关键事件直接导致功能故障，描述了领结模型化简后的基本结构，更复杂的情况一般也由这两种基本结构组成；

S5：分为两个步骤S5.1和S5.2同时进行；

S5.1：模型参数获取故障概率求解；

通过分析确定关键事件引起的劣化状态转换关系后，需要获取半马尔科夫过程的参数，即在各个状态的停留时间的概率分布；输变电设备在劣化状态停留时间的概率密度分布普遍为威布尔分布，由此形成了半马尔科夫过程中常见的模型形式Weibull–Markov模型，该模型中所需参数已标示在图7中；

图7中的参数01、12、23，可由劣化统一模型获得；在获取Weibull–Markov模型中的参数后即可根据半马尔科夫过程的数值求解过程获取各个时刻输变电设备处于每个状态的概率，以得到输变电设备风险中的故障概率因素；

S5.2：估测故障原因作用下各劣化状态的维修时间类别，确定各状态的维修费用；

对于图7所示的Weibull–Markov风险模型，故障后果即为维修各状态所需费用；状态的维修费用采取与风险评估方法相同的方式，即首先依据经验估算状态的维修时间类别，然后查找维修时间类别对应的维修费用；故障维修时间与领结模型左侧的故障原因密不可分，以变压器绕组过热引起绕组短路这一故障过程为例进行说明；对于固有故障隐患引起的绕组过热，假设固有故障隐患为局部隐患，则会引起局部绝缘老化，则最终导致的功能故障模式为绕组短路，维修时间可划分为第3类，即维修时间超过30天；若因过载或绝缘油散热不良引起的绕组过热，会造成绕组绝缘整体老化，因此引起绕组短路后的处理方式一般是更换新绕组；在确定维修时间类别后，即可获得对应的维修费用，如变压器实施例，表1所示；可见，对于图7所示的Weibull–Markov变压器风险模型，状态维修费用可能会因故障原因的不同而不同，应区别对待；

表1变压器绕组过热维修费用估算示例

S6：风险预测；

设备风险为故障概率和故障后果的乘积；通过以上分析获得了图7领结模型对应的半马尔科夫过程模型中输变电设别处于各状态的概率和各状态的维修费用后，根据式3即可获得设备面临的运行风险：

$R\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i\left(t\right)\&CenterDot;C_i---\left(3\right)$

其中R(t)为十倍在t时刻面临的运行风险，n为图7中的状态数，Pi(t)为在t时刻设备处于第i个状态的概率，Ci为修复第i个状态所需的费用。

Claims (1)

1.一种输变电设备运行动态风险评估方法，其特征在于，按照以下6个步骤进行计算：

S1：故障模式辨识

采用领结模型分析常见故障模式的原因及后果，在此基础上进行风险预测；对故障原因常采用故障树分析方法，故障树分析以目标故障模式为顶事件，自上而下地分析可能会造成顶事件的原因；对故障后果的预测是采用事件树分析方法；

S2：基于故障因果网络图，构建故障模式的领结模型

结合故障树和事件树分析方法对故障模式的原因和结果进行分析，形成以故障模式为中心节点的领结模型；领结模型采用图形的方式来描述一个关键事件的原因和结果；关键事件位于图形的中间，左侧用故障树分析关键事件的原因，其中直接与关键事件连接的事件称为直接原因；右侧用事件树分析关键事件可能造成的后果，直接与关键事件连接的事件称为直接后果，整个图形形成了领结式的结构；

S3：对领结模型左侧的故障原因进行分析、归类，化为单链结构

领结模型的左右两侧均采用因果网络图表示；

在通过综合诊断后得到输变电设备可能存在的故障模式后，将该故障模式作为领结模型中的关键事件，定位关键事件在整个因果网络图中的具体位置，并沿着连接点向前搜索与之有直接或间接关系的节点，直至到达父节点，即可获得该关键事件的原因节点，将涵盖的所有节点以原有连接方式置于领结模型的左侧与关键事件连接；然后用同样的方法沿着关键事件所在节点向后搜索与之有直接或间接联系的节点直至叶节点，即可获得该关键事件的后果节点，将这些节点置于领结模型的右侧与关键事件连接，由此形成该故障模式的领结模型；对于节点较多的网络图，可应用常见的路径搜索算法确定关键事件左侧的原因节点和右侧的后果节点；

S4：分析领结模型中的致险应力及增险应力，构建半马尔科夫模型

采用半马尔科夫过程描述故障模式的发展过程；

S5：分为两个步骤S5.1和S5.2同时进行

S5.1：模型参数获取故障概率求解；

通过分析确定关键事件引起的劣化状态转换关系后，需要获取半马尔科夫过程的参数，即在各个状态的停留时间的概率分布；输变电设备在劣化状态停留时间的概率密度分布普遍为威布尔分布，由此形成半马尔科夫过程中常见的模型形式Weibull–Markov模型；其中的参数01、12、23，由劣化统一模型获得；在获取Weibull–Markov模型中的参数后根据半马尔科夫过程的数值求解过程获取各个时刻输变电设备处于每个状态的概率，以得到输变电设备风险中的故障概率因素；

S5.2：估测故障原因作用下各劣化状态的维修时间类别，确定各状态的维修费用；

对于Weibull–Markov所示的风险模型，故障后果即为维修各状态所需费用；状态的维修费用采取与风险评估方法相同的方式，即首先依据经验估算状态的维修时间类别，然后查找维修时间类别对应的维修费用；故障维修时间与领结模型左侧的故障原因密不可分；

S6：风险预测

设备风险设为故障概率和故障后果的乘积；通过以上分析获得了领结模型对应的半马尔科夫过程模型中输变电设别处于各状态的概率和各状态的维修费用后，根据下式即获得设备面临的运行风险：

$R\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i\left(t\right)\&CenterDot;C_i$

其中R(t)为十倍在t时刻面临的运行风险，n为状态数，Pi(t)为在t时刻设备处于第i个状态的概率，Ci为修复第i个状态所需的费用。