CN105074598B - 用于输电和配电资产状态预测和诊断的系统和方法 - Google Patents

Abstract

一种用于电气传输、生成和配电资产健康的预测和诊断分析的计算机实现的系统和方法，包括具有非瞬态计算机可读介质的计算机，能够接收关于资产、其部件、部件子系统和其涉及的参数的数据。存储在非瞬态计算机可读介质上的指令执行预测性地计算全部资产健康并计算子系统的状态和部件参数，提供差资产健康的原因诊断的指令。

Description

用于输电和配电资产状态预测和诊断的系统和方法

技术领域

本公开涉及诸如变压器、断路器和电池的输电和配电资产的状态预测和诊断。特别地，本公开涉及资产故障诊断、检测和全部资产健康的统计方法。

背景技术

诸如变压器、断路器和电池的电气资产包含巨大的成本，并且为了最大化它们整个生命周期实现的价值，它们的适当维护是必需的。资产的大量操作信息可以通过传感器、监督和管理系统，以及通过培训过的技术人员的检查获得。为了预测资产故障以及诊断资产故障的原因，需要分析操作信息。

发明内容

一种用于输电、发电和配电的资产健康的预测和诊断分析的计算机实现的系统和方法，包括具有非瞬态计算机可读介质的计算机，非瞬态计算机可读介质能够接收关于资产、其部件、部件子系统和其涉及的参数的数据。存储在非瞬态计算机可读介质上的指令执行预测性地计算全部资产健康的指令，并计算子系统和部件参数的状态，提供差资产健康的原因诊断。

附图说明

在附图中，结合下面提供的具体描述所示的结构和方法，描述用于诊断和预测故障和整个电气资产情况的系统和方法的各方面。应当注意到单个部件可以设计为多个部件或者多个部件可以设计为单个部件。

进一步地，在附图和下面的描述中，相似部分分别在所有附图和书面描述中用相同的标号指示。附图并不是按比例绘制的，并且为了方便说明，放大了特定部分的比例。

图1示出了系统100的原理图。

图2-4示出了资产102的健康的贝叶斯模型200。

图5示出了关于OPS随机变量的状态的概率分布的概率表500。

图6示出了方法600。

图7示出了方法700。

具体实施方式

图1示出了在电气发配电系统的多个资产102a至102x中使用的状态监测和诊断计算机系统100。图1所示的资产102a-102x是变压器。然而，根据本教导的其它方面，检测和诊断系统100可以由其它资产102a-102x实现。资产102a-102x可以包括但不限于各种类型的变压器，例如大型、中型和小型的配电变压器、发电变压器、干式变压器、柱上安装型变压器和大功率变压器。资产102a-102x还可以包括非变压器资产，非变压器资产包括但不限于断路器、开关、避雷器、电池、冷却系统、线与线连接、继电器或者在发配电系统中实现的其它设备。

检测和诊断系统100包括计算机104。计算机104可以包括处理器106、诸如硬盘驱动器的非瞬态计算机可读介质108，或者可以存储可执行指令109、一个或多个数据库110a-110z以及诸如由在线传感器118a-118y提供的输入数据111的随机存取存储器(RAM)。计算机104还包括用于通过连接115与监控和数据采集(SCADA)网络通信的SCADA适配器113，以及用于通过通信连接117a-117y与在线传感器118a-118y通信的通信适配器116a-116y。通过母线103可以影响计算机104的内部部件之间的通信。

用户接口适配器120允许用户接口122和系统100通过连接121的通信。用户接口122可以为多种形式，包括但不限于触摸屏、键盘、监视器或鼠标。在其它方面，用户接口122的多种形式可以通过连接至一个或多个合适的界面适配器120实现。例如，包括键盘、监视器和鼠标的结构可以用现成的计算机104实现。在另一个示例中，系统100可以在具有触摸屏的平板设备上实现。一般而言，不受到限制时，本文所述的系统和方法可以在具有各种形式，包括但不限于主机、分布式系统、笔记本电脑、台式电脑和诸如平板的手持设备的各种计算设备上实现。

通信适配器116a-116y可以具有允许数据从在线传感器118a-118y传输到计算机104的各种合适的形式。在线传感器118a-118y和计算机104之间的连接117a-117y可以是硬线连接或无线连接，以及可以是各种通信协议的形式，例如但不限于DNP3.0、MODBUS或IEC61850。还可以实现标准因特网或网络通信协议。作为一个非限制性的示例，一个或多个通信适配器116a-116y可以连接计算机104至公司专用网或专有的TCP/IP网络。因此，任意的一个或多个在线传感器118a-118y可以通过这种公司专用网或者专有的TCP/IP网络建立连接117a-117y。在线传感器118a-118y检测与资产102a-102x的状态和操作参数，资产130的状态和操作参数以及部件子系统140a-140c的状态和操作参数有关的传感器输入信息119a-119y。应当注意的是，当所示的资产102a具有一个资产部件130和三个子系统140a-140c时，正如本文进一步描述的，多个资产部件130可以包括在特定资产102a-102x中，每一个具有一个或多个子系统140a-140c。由在线传感器118a-118y收集的传感器输入信息119a-119y通过在线传感器118a-118y产生输出，其可以根据本教导作为输入数据111写在计算机可读介质108上并用于更新一个或多个数据库110a-110z。如此处所使用的，资产102数据、部件130数据、部件130参数数据和子系统数据参考与各个资产102和组成部分状态和代表参数有关的操作信息相关的存储信息，而不管是否通过在线传感器118a-118y、离线传感器124、SCADA网络114或技术人员手动输入的读数或专业信息接收的。

在线传感器118a-118y可以持续地或间断地提供与资产102a-102x相关的输出数据至计算机104。间断信号可以被偶尔地提供至计算机104或者在范围为几毫秒到几天的周期时间间隔后到达。输出数据可以通过传感器118a-118y自动传输或被计算机104请求。

除了在线传感器118a-118y，离线传感器124还可以检测关于资产102的操作信息125。可以用各种方式从离线传感器124采集数据。技术人员可以记录传感器124读数并接着手动地通过用户接口122输入数据。离线传感器124还可以产生传感器输出126，其可以为在传感器124上的读数形式，例如位于传感器124上的测量仪器上的读数。在另一个示例中，来自传感器124的数据可以写入非瞬态计算机可读介质局部至传感器124，其可以接着通过上传至计算机104传递，例如，通过复制到可以被进一步复制到非瞬态计算机可读介质108的便携式非瞬态介质。

除了从在线传感器118和离线传感器124接收的数据，资产102a-102x的操作数据可以通过SCADA网络114和局部处理资产102a-102x的远程终端设备(RTU)的使用获得。当SCADA网络114如图1所示时，还可以根据本教导实现其它资产控制和数据采集协议，包括但不限于分布式控制系统(DCS)。从SCADA网络114接收的数据包括但不限于涉及资产102a-102x的电压或电流负载幅值和相位、环境温度、顶层油温、绕组温度、继电器脱扣状态和各种警报。例如，从资产102a-102x局部的RTU接收的SCADA数据通过连接128a-128x传输并在之后通过通信连接115传输至计算机104。通过SCADA网络接收的信息可以存储在保持关于特定资产102a-102x的长期操作数据的历史中。历史可以作为一个或多个数据库110a-110z存储在计算机104上。

除了在线传感器118a-118y、离线传感器118a-118y和从SCADA网络114获得的信息，可以执行资产102a-102x的其它评估形式。例如，资产102a-102x上的油漆状态的评估不需要装备仪器来检测，以及可以通过技术人员使用主观判断评估状态来执行。正如本文进一步所讨论的，定性评估或定量结果的分配，例如可以从在线传感器118a-118y读数或离线传感器124读数产生，到允许变量的建模的对应的随机变量的有效状态之一。

在线传感器118a-118y、离线传感器124和来自SCADA网络114的信息，以及在资产102a-102x上执行的任何其它评估可以包含大量采样资产102a-102x的操作状态，包括接收的关于资产102a本身的信息，例如通过传感器118c接收的。通过资产102a-102x的一部分的检测可以得到更多粒化信息。通过传感器118a接收资产部件130的状态或操作参数，以及通过传感器118b接收部件子系统140b的状态或操作参数。资产部件130的示例包括有载抽头变换器、油保护系统、冷却系统、套管、避雷器、主邮箱和变压器资产102a-102x的有效部分。资产102a-102x参数的示例是操作历史、维修记录和资产102a-102x经历的故障次数。归于全部资产102a-102x的参数可以被识别为资产参数。子系统140a-140c的示例是干燥剂，其是油保护系统或者电扇和泵的子系统，电扇和泵是冷却系统的子系统。部分参数的示例包括作为用于有载抽头变换器部分130的参数的操作次数或者作为油保护系统的参数的油位。应当注意的是，特定参数和子系统140a-140c可以被共享或者可以同样地应用于多于一个部件130。例如，引起破坏性振动的噪声水平可以在主箱体中、冷却系统和有效部分中共享。

参考图2，贝叶斯网络200是资产102a-102x中的一个的健康状况的模型，资产102a-102x在本文中分别或统称为资产102。参考资产102是示例性的而不是限制性的。网络200的形式为定向的、非循环式的图表，图表具有表示资产概率状态、资产参数、部件130、部件子系统140a-140c和部件参数的箭头202和节点204-288。在节点旁示出用于特定节点变量的概率分布。每个节点是与对应于资产健康、资产参数、部件130、部件子系统140a-140c和部件参数的随机变量相关的。与任何特定节点相关的随机变量可以具有基于其特定特性的一个或多个可能的状态或结果。那些状态或结果上的概率分布反应了历史数据，合并在分布中的任何专业信息和分布的任何更新可以根据本文的教导执行。箭头204表示与箭头起始的节点有关的资产参数、部件130、部件子系统140a-140c以及部件参数的状态具有与箭头终点的节点有关的资产102和部件130的因果关系。

标记为HINDEX的资产节点204表示由GOOD(良好)结果中的值所指示的整个系统的健康。在HINDEX变量的GOOD结果中的较高的分数表示相对好的资产102健康。大于50％BAD(不好的)的分布被认为是故障读数，其可以触发技术人员的动作。应当注意的是，图2中的节点的概率分布是归一化的，使得随机变量的概率在任何特定节点的可得状态中的一个状态是100％。根据本教导的一个方面，用于每个节点的结果分布为从2个状态到任何整数个状态，无论2个状态例如并没有限制，为故障和无故障，正确和错误，开通和关闭或者其它状态对。

LTC部件节点206对应于有载抽头变换器，其机制为在诸如资产102的变压器的操作中改变变压器上的有效绕组的数量。有载抽头变换器具有多种特性和子系统，其对应的状态影响如网络200中的箭头202规定的关系所示的LTC节点206的状态分布。

多个子系统和参数具有LTC部件节点206上的因果效应。用于随机变量ContWear的子系统节点208对应于与转换开关接触的抽头接换器触点的磨损。触点的状态由视觉检查确定，然后其结果可以存储在数据库110a-110z中。在线传感器118a-118y和离线传感器124还可以检查与触点磨损和性能有关的特性，并因此推断触点的性能和磨损。LTC_DGA节点210对应于用于有载抽头变换器的油系统的溶解气体分析随机变量。有载抽头变换器的油系统从用于变压器资产102的油系统分离开并占据较小的体积。同样地，占据有载抽头变换器油系统的油可以用与资产102油系统中的油以不同的方式劣化。各种在线传感器118a-118y和离线传感器124可以用于执行有载抽头变换器中的溶解气体的检测，并提供对应于LTC_DGA随机变量的经验数据。OilFilter节点212对应于有载抽头变换器的油过滤器的状态，其可以在上一次的更换时间或者例如通过检查过滤器的油压测量。ControlCabinet节点214指代有载抽头变换器控制箱的状态。通过确定电路的任何连接是否松开并且安装在箱体内部的任何加热器是否正确地操作可以可视地执行控制箱的评估。Mechanism节点216对应于有载抽头变换器的机制状态，例如任何电机、弹簧、开关、轴、齿轮和电机保护装置。机制的评估可以被可视地执行，或者可以是设备102的服务持续时间的函数。NumOp节点218对应于自有载抽头变换器上执行的最近一次维修以来的操作的次数。

OPS节点220对应于资产102的油保护系统，其负责从外部空气隔离油，还通过从油移除气体和杂质保存油。在油保存系统上具有因果效应的子系统和参数包括干燥剂、油位和油袋。Desicant节点222对应于干燥剂，其移除湿气并具有预定的寿命。同样地，与Desiccant节点222有关的随机变量可以对应于干燥剂的寿命。Oil Level节点224对应于变压器中的油位。Bag Member节点226对应于油袋，如果损坏，其不仅会导致油泄漏还会使杂质进入油。

Cooling节点228对应于资产102的冷却系统。对应于随机变量TopOilTemp的节点230涉及冷却系统中的油温，而FanPumps节点232对应于用于计算资产102的热交换器周围的空气和有助于资产102内的油循环的风扇和泵。风扇和泵的电流可以表征电机故障，因此可以用作为用于FanPumps节点232的随机变量的可观察量。

ActivePart节点234对应于变压器资产102的有效部分，其包括变压器的绕组和磁芯，其配件和用于绕组和磁芯的机械支撑。与随机变量FRA有关的节点236对应于变压器资产102的频率响应分析。频率响应分析用于检测机械移动或变压器资产的有效部分中的损坏，包括绕组和磁芯。频率响应分析的目标是确定是否因年久或者作为特定事件的结果而发生移位，包括但不限于诸如翻新、修理、事故、故障或运输的事件。用于执行频率响应分析测量的归一化程序可以在用于油浸式变压器的频率响应分析的应用和说明的IEEE草案指南中找到；2012年8月的PC57.149/D9.3。DFR节点238对应于电介质频率响应分析。电介质频率响应分析包含测量频谱上的绝缘材料的电容和介电损耗。WindTTR节点240与绕组的变压器匝数比例测试有关。变压器匝数比例测试包含当输入电压施加到变压器时，测试无负载的输出电压。InsRF节点242与绝缘功率因数有关，其通过确定资产102的变压器的介电损耗泄漏电流测量。AGE节点244对应于有效部分的年龄。GasInOil节点取决于用于GasRate节点248、GasLevels节点250和DuvalT节点252的随机变量。GasRate节点248对应于用于在资产102油中溶解的一种或多种气体的气体产生速率，包括但不限于氢、甲烷、乙烯、乙烷、乙炔、丙烷、一氧化碳和二氧化碳。GasLevels节点250对应于资产102油中的溶解气体的程度。DuvalT变量涉及用于资产102的杜瓦尔三角分析的结果，具有对应于杜瓦尔三角的不同区域的随机变量的不同可能状态。用于GasInOil节点246的随机变量的状态的加权分布取决于用于GasRate节点248、GasLevels节点250和DuvalT节点252的随机变量的分布。应当注意的是，GasRate节点248、GasLevels节点250和DuvalT节点252具有两个以上可能的结果。

Bushings节点254对应于资产102的套管。BushCPF节点256和BshOilLev节点258分别对应于套管的电容值和功率因数，以及套管中的绝缘油的程度。Main Tank节点260对应于资产的主油箱的状态。PaintFnsh节点262对应于油箱的外部终端的状态。例如，油漆的损坏以及油箱底层金属的暴露可以增加油箱腐蚀量并加快腐蚀的发生。

许多其它节点表示与子系统和部件参数有关的变量，其状态影响多个部件。对于这些节点，为清楚起见，省略了对应的概率分布。Load节点264对应于资产102上的负载。OilLeak节点266对应于泄漏事件的总数或者可替换为油泄漏的总量。OilQuality节点268对应于绝缘油中的杂质的存在或不足。PDTest节点270对应于部分放电测试。在部分放电测试期间，施加高压电源至资产，并执行变压器的部分放电以及观察引起的特性。部分放电测试包括电介质频率响应(DFR)和频率响应分析(FRA)。MainCab节点272对应于资产102的主控制箱及其状态，包括其加热器是否是操作的。InfraRed节点274对应于通过红外照相机检测的散热问题，例如任何部件是否超出参考温度一定度数。HotSpot节点276对应于绕组热点，其可以从油温、负载电流和资产102的设计数据计算。Gauges节点278对应于资产102上的测量仪器的状态，例如温度测量仪和主油箱上的油位测量仪。NoiseVib节点280对应于资产102的物理振动的程度。

示出了多个资产参数和部件，对于其不存在和那些资产参数和部件具有因果关系的节点，使得箭头指向模型200内资产参数和部件，例如，使得没有其它节点和用于那些资产参数和部件的节点具有因果关系。ThruFault节点282反映了一年中所经历的故障次数，其通过断路器跳闸以保护资产102的频率确定。Arrester节点284对应于例如最小化照明效果的过压保护系统。History节点286对应于维修、更换、翻新和故障历史中的一个或多个。MAINT节点288反映了最近执行的维修或测试的实例。Switching节点290对应于资产的开关的状态。TripProtect节点292对应于警报和跳闸的历史。

在图2中，用于随机变量的初步分布可以通过使用诸如可以存储在数据库110上的历史信息确定。在确定分布时，专业知识还可以输入至系统100中，例如通过确定阈值，当满足特定概率条件时，其结果对应于随机变量的特定状态，以及故障状态的可能性。这种初步的概率分布可以用作贝叶斯分析中的先验分布。

参考图3，网络200已经更新为反映接收的关于有载抽头变换器触点的磨损程度的数据。例如，评估该触点的技术人员可以输入该数据。在图3中，触点完全失效的数据调节在故障状态中调节节点208处的ContWear随机变量至100％，被称作节点208中的BAD。在故障状态的LTC节点206的概率是有原因地部分取决于触点磨损的状态。

通常，符号P(A)对应于A的概率，其中A是具有一个或多个状态的参数，并且P(A|B)表示B条件下A的概率。通常，贝叶斯定理被记载为：P(A|B)＝P(B|A)P(A)/P(B)。因此，B发生条件下A发生的概率等于A条件下B发生的概率乘以A发生的概率除以B发生的概率。在用贝叶斯定理确定线路抽头变换器的触点状态处于BAD状态的条件下，贝叶斯定理可以用于计算LTC节点206处于BAD或故障状态的更新的概率：P(LTC＝BAD|ContWear＝BAD)＝P(ContWear＝BAD|LTC＝BAD)P(LTC＝BAD))/(P(ContWear＝BAD))。一旦ContWear节点208的概率状态在节点208上反映为100％BAD，LTC节点206被调整为反映新的概率分布，有载抽头变换器大约82.01％在故障状态，并且大约17.99％不在故障状态。进一步地，贝叶斯定理可以用于计算处于故障状态的资产102的概率：P(Asset＝BAD|LTC＝BAD)＝(P(LTC＝BAD|Asset＝BAD)P(LTC＝BAD))/(P(Asset＝BAD))。计算结果是图3的资产节点204上所示的指数值，其显示了资产的更新健康分数为66.90％不健康以及33.10％健康。

用于LTC节点206和HINDEX节点204的更新分布由系统基于存储在非瞬态计算机可读介质108上的输入数据确定。在图3所示的示例中，由ContWear节点208表示的有载抽头变换器触点磨损和由LTC节点206表示的有载抽头变换器的状态以及进一步地由HINDEX节点204表示的所有资产之间的有向图200示出了因果关系。但是，参考图4，基于部件相关的接收的数据，系统可以更新全部资产102a-102x的资产健康信息，以及对应于子系统和其状态可以有原因地影响部件状态的部件参数的随机变量分布。

继续参考图4，关于有载抽头变换器状态的数据表示故障状态，使得100％确定有载抽头变换器出现故障。通过采用下式可以计算资产在不健康状态下的概率：P(Asset＝BAD|LTC＝BAD)＝(P(LTC＝BAD|Asset＝BAD)P(LTC＝BAD))/(P(Asset＝BAD))。对于子系统和部件参数，特定的更新值可以通过应用贝叶斯定理确定。例如，对于有原因地影响有载抽头变换器的任何随机变量x，在BAD状态的随机变量的概率可以通过应用下式确定：P(Asset＝BAD|LTC＝BAD)＝(P(LTC＝BAD|Asset＝BAD)P(LTC＝BAD))/(P(Asset＝BAD))。例如，其中被更新的随机变量是ContWear，在负状态中的随机变量ContWear的概率可以通过应用下式确定：P(Asset＝BAD|LTC＝BAD)＝(P(LTC＝BAD|Asset＝BAD)P(LTC＝BAD))/(P(Asset＝BAD))。这样，可以在了解部件130或资产118a-118x本身之一的故障上确定诊断信息。

参考图5，用于OPS节点200的概率分布表500的一部分显示了用于有关资产102a-102x的油保存系统的子系统和参数502的多个可能状态。特别地，由于BAD分类的概率大于50％，表的一部分显示了具有BAD状态的Oil Quality、InfraRed、OilLeak和Dessicant随机变量。表显示当OilLevel、BagMemb和Gauge结果为GOOD或BAD时的结果，以及表条目504对应于油保护系统的健康。可以通过使用历史数据产生用于所有节点204-290的分布。专业信息还可以输入至表示各种概率分布的专业评估的表。专业人员可以提供初始概率表来源的初始关系，包括是否基于历史数据确定的健康状态或其它初始分布。表可以作为数据结构存储在计算机可读介质108上，例如在关于特定节点的概率分布的数据库110中，作为有原因地影响模型200中的特定节点的与节点有关的随机变量的函数。例如，表还更新为基于从传感器118或从技术人员测试接收的数据计算得到的贝叶斯概率。

参考图6，健康预测方法600包括构建资产102的贝叶斯模型的步骤602。贝叶斯模型200将至少部分反映在存储在计算机可读介质108上的指令109。在步骤604中，例如，通过使用历史概率分布和有关概率分布的专业人员输入信息，先验概率的分布被创建并存储在先验概率分布的数据库中。在步骤606中，例如，子系统或部件参数数据是从传感器118接收的并作为数据111写在计算机可读介质上，反映子系统或部件参数的操作信息。在步骤608中，基于接收的子系统或部件参数数据，使用贝叶斯定理更新与部件节点有关的概率分布。在步骤610中，基于用于部件节点的更新的概率分布，使用贝叶斯定理更新与资产节点有关的概率分布。在步骤612中，在步骤604中创建的先验概率采用用于部件节点和资产节点的新概率分布更新。

参考图7，诊断方法700包括构建资产102的贝叶斯模型200的步骤702。正如图6和方法600，贝叶斯模型200可以至少一部分反映在存储在计算机可读介质108上的指令109中。在步骤704中，例如，通过使用历史概率分布和有关概率分布的专业人员输入信息，先验概率的分布被创建并存储在先验概率分布的数据库中。在步骤706中，例如，部件130数据可以作为数据111在计算机可读介质上接收，反映部件130的操作信息。在步骤708中，基于接收的部件数据，使用贝叶斯定理更新与子系统节点和部件参数节点有关的概率分布。在步骤710中，基于用于部件节点的更新的概率分布，使用贝叶斯定理更新与资产节点有关的概率分布。在步骤712中，采用用于资产节点和用于子系统和部件参数的节点的新概率分布更新在步骤704中创建的先验概率。

对于本公开的目的，除非另有规定，“一”或“一个”意味着“一个或多个”。在一定程度上，术语“包括”或“包含”用在说明书或权利要求书中，其意在与作为过渡词在权利要求书中使用的术语“包括”类似的方式解释该术语。进一步地，在一定程度上，使用术语“或”(例如A或B)，其意在表示“A或B或两者”。当申请人意在表示“仅仅A或B但不是两者”时，使用术语“仅仅A或B但不是两者”。因此，本文中术语“或”的使用是包含性而非排他性使用的。见布莱恩A.加纳，现代法律用语词典(A Dictionary of Modern Legal Usage624)(2d.Ed.1995).并且，在一定程度上，在说明书或权利要求书中使用的术语“在...之内”或“到...里”，其意在另外表示“在...之上”或“到...上”。正如本文所使用的，本领域技术人员可以理解“大约”并且基于其使用的内容改变至一定程度。如果存在一些对本领域技术人员不清楚的术语的使用，在其使用的内容中，“大约”表示最多加或减特定条款的10％。从大约A到B意在表示从大约A到大约B，其中A和B是具体的数值。

尽管本公开示出了各种实施例，并且尽管具体描述了这些实施例，发明人并不意在限制或以任何方式限制所要求的发明的范围至这些细节。其它优点和修改对于本领域技术人员来说是明显的。因此，本发明，在其更广的方面，不限于具体细节和所示且所描述的说明性示例。因此，可以背离这些细节但不背离申请人所要求的发明的精神或范围。此外，前述的实施例是说明性的，并且没有单独的特征或元素对于可能在本申请或之后的申请中所要求的所有可能组合来说是必须的。

Claims (11)

1.一种用于确定具有一个或多个子系统的输电或配电资产的健康状况的系统，包括：

计算机，所述计算机具有非瞬态计算机可读介质，并被配置为接收针对所述资产的至少一个部件和所述一个或多个子系统的部件参数数据和子系统数据中的至少一项；

概率分布，所述概率分布用于写在所述计算机可读介质上的用于所述资产、所述至少一个部件、所述部件参数数据和子系统数据中的每一个；

写在所述非瞬态计算机可读介质上的指令，所述指令在执行时基于接收的子系统数据或部件参数数据，更新用于所述至少一个部件的所述概率分布；

写在所述非瞬态计算机可读介质上的指令，所述指令在执行时基于至少一个部件的更新的概率分布，更新用于所述资产的概率分布；以及

写在所述非瞬态计算机可读介质上的指令，所述指令在执行时基于用于所述资产和所述至少一个部件的更新的概率分布，更新用于所述部件参数数据和所述子系统数据的概率分布。

2.根据权利要求1所述的系统，其中所述计算机包括用户输入接口，并被配置为接收来自在线传感器和所述用户输入接口中的至少一个的所述部件参数数据和所述子系统数据中的至少一项。

3.根据权利要求1所述的系统，其中所述至少一个部件的所述概率分布包括变压器的油保护系统、有载抽头变换器、冷却系统、有效部分、套管和主箱体中的至少一项的概率分布。

4.根据权利要求3所述的系统，其中所述概率分布还包括用于所述子系统数据或部件参数数据中的至少一个的概率分布，所述子系统数据或部件参数数据包括油质量、油泄漏、负载或红外线参数中的至少一项。

5.根据权利要求1所述的系统，其中所述概率分布还包括用于所述子系统数据或部件参数数据中的至少一个的概率分布，所述子系统数据或部件参数数据包括油质量、油泄漏、负载或红外线参数中的至少一项。

6.根据权利要求1所述的系统，其中所述至少一个部件的所述概率分布是基于所述子系统数据和所述部件参数数据的所述概率分布、以及使所述子系统数据和部件参数数据的所述概率分布与所述至少一个部件的所述概率分布相关联的数据结构确定的。

7.根据权利要求1所述的系统，其中在执行时更新所述资产的所述概率分布和所述至少一个部件的所述概率分布的写在所述非瞬态计算机可读介质上的所述指令、以及在执行时更新所述部件参数数据和所述子系统数据的所述概率分布的写在所述非瞬态计算机可读介质上的所述指令，在执行时实现贝叶斯计算。

8.根据权利要求1所述的系统，其中写在所述计算机可读介质上的所述资产的所述概率分布、所述至少一个部件的所述概率分布和所述至少一个部件参数数据和子系统数据的所述概率分布是归一化的。

9.根据权利要求1所述的系统，进一步包括：

写在所述非瞬态计算机可读介质上的指令，所述指令在执行时基于所接收的资产数据，更新所述资产的所述概率分布。

10.一种用于确定具有一个或多个子系统的电气传输或配电资产的健康的方法，包括:

提供具有非瞬态计算机可读介质，并被配置为接收针对所述资产的至少一个部件的部件参数数据和针对一个或多个子系统的子系统数据中的至少一项的计算机；

利用计算机接收所述部件参数数据和所述子系统数据中的至少一项；以及

执行写在所述非瞬态计算机可读介质上的指令，所述指令基于接收的部件参数数据和子系统数据，更新所述至少一个部件概率分布；

执行写在所述非瞬态计算机可读介质上的指令，所述指令基于所述至少一个部件的更新的概率分布，更新用于所述资产的概率分布；以及

执行写在所述非瞬态计算机可读介质上的指令，所述指令基于用于所述资产和所述至少一个部件的更新的概率分布，更新用于所述至少一个部件参数数据和所述子系统数据的概率分布。

11.根据权利要求10所述的方法，进一步包括：

执行写在所述非瞬态计算机可读介质上的指令，所述指令基于接收的子系统数据和部件参数数据更新所述资产的所述概率分布和所述部件的所述概率分布。