CN105224782A - 一种基于故障模式的变电设备故障概率计算方法 - Google Patents
一种基于故障模式的变电设备故障概率计算方法 Download PDFInfo
- Publication number
- CN105224782A CN105224782A CN201410553820.3A CN201410553820A CN105224782A CN 105224782 A CN105224782 A CN 105224782A CN 201410553820 A CN201410553820 A CN 201410553820A CN 105224782 A CN105224782 A CN 105224782A
- Authority
- CN
- China
- Prior art keywords
- fault mode
- equipment
- fault
- probability
- defect
- 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.)
- Granted
Links
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力系统中变电设备在线监测与故障诊断领域,涉及一种新的基于设备故障模式的故障概率计算方法。具体包括,根据建立起来的设备故障树计算各类故障模式的发生概率Pi(i=1,2...n),各类故障模式的严重程度Ii(i=1,2...n)以及各类故障模式对设备的危害度Wi(i=1,2...n)。当各故障模式相互独立时,各故障模式造成设备的故障率λ可按照故障可靠性理论中的串联模型进行计算,即<maths num="0001"></maths>其中对变电设备各类故障模式相应缺陷存在概率Pi的计算,是基于在线监测数据统计概率分布规律的缺陷概率计算方法;对各类故障模式所对应的缺陷的严重程度Ii计算,是根据设备缺陷的发展过程以及特征参数的发展变化规律获得的;而故障模式的危害度Wi则是使用模糊层次分析法得到的。
Description
技术领域
本发明属于电力系统中变电设备(变电设备包括变压器、GIS设备、断路器、互感器、避雷器)在线监测与故障诊断领域,涉及一种新的基于设备故障模式的故障概率计算方法。
技术背景
近年来对电能需求的不断增加,使得电力系统向大容量、超高压和跨区域方向发展。但电力系统的发展速度并不能时时完全满足需求量的增长,于是电网超负荷运行便时有发生。而超负荷运行会严重缩短电力设备的使用寿命,进而导致大面积停电事故发生。由此可见,如何保证电气设备安全工作、及时发现存在的隐患、有效减少电力系统事故、提高供电可靠性,成为电力系统工作者急需解决的难题。
变电站是电力系统的重要组成部分,是发电厂与电力用户之间输送电能与分配电能的中间环节,它担负着变电的重要任务。变电设备发生故障时,要求运行维护人员能够迅速准确地判别故障元件与故障性质,及时处理故障,在最短时间内恢复系统的正常运行。电力行业普遍采用定期维修制度,但这种维修方法不考虑设备实际状况的差异,容易产生过剩维修和维修不足的双重局限。因此为了更好的保障设备的正常运行,出现了一种新的维修策略,即状态维修策略。状态维修以设备实际健康状态,包括设备的历史运行、检修及试验状态和连续监测数据为基础,对设备当前运行状况进行评估、预测,在设备故障发生前安排检修时间和项目,使设备尽可能长时间的处于安全、稳定运行状态,具有极强针对性和时效性。而要实现状态维修,必须有赖于完善的设备状态在线监测和故障诊断技术,即对设备状态的检测和对所检测信息的分析。
随着计算机、传感器及信息处理技术的长足发展,变压器在线监测系统、高压断路器在线监测系统等变电设备在线监测系统已得到较为广泛的应用。而在故障诊断方面,由于初期的目视、触摸、监听等日常检查难以对设备故障做出准确的诊断,所以通常只有通过电气试验、绝缘油试验等预防性试验以及油中溶解气体分析来发现设备内部的绝缘故障,并对故障的部位和严重程度做出一定的预测。当前,人工智能的理论和方法已逐步融入故障诊断领域,维护人员关于故障诊断的经验和知识被系统化,形成知识库,这既有利于故障诊断知识的积累和扩大,又可以大大减少人力,提高了诊断的准确率。基于专家系统、神经网络、模糊理论和粗糙集等技术的智能综合故障诊断方法目前在变电设备的故障诊断中都有成功的应用。
故障模式是设备故障的外部表现形式,它们是可以通过人的感官或测量仪器、仪表观测到的故障形式。在进行设备的故障诊断时,首先需要通过事实数据确定故障模式,而后是通过确定的故障模式判断其对系统的影响,提出针对性的维修措施和处理办法。变电设备故障模式多种多样,发生故障的原因复杂,一个简单的故障模式就可能对应两条甚至多条原因,同时,不同的故障模式下的诸多原因也有可能部分相同,一个故障模式的发生还可能会导致其它故障模式的发生。而现有的诊断方法都未能将诊断对象看成一个有机的整体,没有有效地考虑各种故障现象之间可能存在的相互联系,缺乏故障模式系统化的理论基础和统一的综合方法,不能对设备故障状况有全局性的了解。
所以针对上述情况,十分有必要提出一种模型或方法来将各故障机理、故障模式、故障模式的危害度有机地联系起来,从而了解故障模式对最终引发设备故障的影响。
发明内容
本发明的内容是一种基于故障模式的变电设备故障概率计算方法。主要思路是通过建立变电设备故障模式树及相应故障模式子树,利用各故障模式的发生概率P、缺陷的严重程度I、缺陷的危害度W来求解该变电设备发生故障概率,以此达到指导设备状态维修的目的。
方法的具体实施步骤如下所示:
步骤1:为变电设备划分故障树,即划分设备的各类故障模式。
步骤2:计算变电设备第i种故障模式的发生概率即变电设备中是否存在相应缺陷(既模式)的概率Pi。
取所测变电设备第i种故障模式中某一可实时在线监测的特征参数X,利用该设备处于正常状态D1和存在第i种缺陷D2的先验概率P(D1)、P(D2),以及参数X在设备正常D1和存在第i种缺陷D2的概率密度函数f(X|D1)、f(X|D2),通过如下计算公式得到该设备在所选特征参数X的某一测量值x条件下,此故障模式发生的概率P(D2|X),即Pi
其中先验概率
同样,f(X|D1)和f(X|D2)也来自已有故障分析和实验总结成果。
步骤3:通过设备的状态量表征第i种故障模式的归一化严重程度Ii。
选取另一参数Y作为第i种故障模式缺陷严重程度的判断标准,即认为参数Y与缺陷严重程度具有某种比例关系可以进行归一化处理,且此缺陷发展过程中X(可以与步骤2中的特征参数X相同也可以不同)随Y的变化规律,即二者的函数关系y=f(x)为已知。将整个缺陷发展过程中Y的数值变化归一化成缺陷的严重程度Ii,即可得到缺陷严重程度Ii与特征参数X的函数关系Ii=g(x),于是特征参数X的任意测量值x便与缺陷的严重程度Ii的取值(0≤Ii≤1)一一对应,完成了故障模式严重程度Ii的获取。
步骤4:参考已建立的设备故障树,使用模糊层次分析法(FAHP),计算该故障模式对设备的危害程度Wi。
步骤5:将第i种故障模式的发生的概率Pi、缺陷严重程度Ii以及对设备的危害程度Wi相乘,得到第i种故障模式引起设备发生故障的概率λi。
λi=WiIiPi(3)
步骤6:当各故障模式相互独立时,按照故障可靠性理论中的串联模型将所有(n种)故障模式各自引起设备发生故障的概率相加,即为设备此时的故障率λ。
本发明的创新点与创新效果
(1)本发明将变电设备三种可靠性参数,即故障模式发生的概率P、缺陷严重程度I以及对设备的危害程度W有机地结合起来,通过三者相乘计算某一故障模式引起变电设备发生故障的概率,并在此基础上推广到对各类故障模式引起变电设备发生故障概率的计算。这样能够更全面准确地了解各类故障模式对变电设备故障发生的影响,避免了因为考虑不周造成的检修遗漏。
(2)通过故障树划分出相互独立的故障模式,并有针对性地从其中一种故障模式出发,使单一故障模式下的计算更为准确,同时模式之间没有影响,可以用简单的串联模型相叠加,使对变电设备故障概率总体的计算更为简洁。
(3)故障模式的发生概率P及缺陷严重程度1的计算将历史数据与实时在线监测数据紧密结合,以已总结出的规律为参照,有理有据。设备的危害程度W的计算使用基于专家系统的模糊层次分析法,方法成熟。这些都保证了最终变电设备故障概率计算的准确性。
具体实施方法
以变压器为例,每一步骤的具体实施如下所述:
(1)故障树的建造
故障树是一种树状逻辑因果关系图,它用规定的事件、逻辑门和其它符号描述系统中各种事件之间的因果关系。通过故障树能把系统故障的各种可能因素联系起来,有利于我们发现系统的薄弱环节和系统故障的趋势。
故障树分析法是先构建一个体现故障间因果关系的倒树结构,然后通过树的简化和定量分析获得系统的薄弱环节。其关键是建造故障树,故障树建造的完善程度将直接影响其定性分析和定量计算的准确性。实际上建树过程常常是一种反复的过程,应广泛吸取和掌握设计、使用等方面的知识和经验,对系统进行仔细、透彻地分析,多次讨论、修改,将会使建造的故障树更完善。
本发明故障树的建造遵循2006-12-01华北电力大学刘世欣硕士论文文献《基于故障树的变电设备故障诊断专家系统-刘世欣》第三章所述的方法内容,同时为了增强故障树的客观性和合理性,以及解决故障树搭建初期资料调研分析阶段遇到的问题,还借助了该文献第二章故障模式及影响分析(FMEA)中的原因分析和影响分析项目内容。
附图1是变压器故障模式主树;附图2是载流系统故障树(A子树)部分内容与导线制造不良故障子树内容。
(2)缺陷存在概率Pi
如附图3所示为正常、含局部放电缺陷、含过热缺陷的变压器油中各组分气体的概率分布曲线。得到该曲线图所用的数据包括:来自华北地区五个变电站23台正常运行变压器共23267组的油中溶解气体在线监测数据;178台解体检查确定为放电故障的变压器事故前典型油中溶解气体数据233组,其中高能量放电数据104组,低能量放电数据65组,局部放电数据15组;186台解体检查确定为过热故障的变压器事故前典型溶解气体数据266组,其中700℃以上过热数据152组,700℃以下过热数据114组。采用的统计方法为直接曲线拟合。
由附图3可以看出区分正常与放电缺陷最灵敏的气体是C2H2,其次是C2H4,再次是H2和总烃,且这两种气体灵敏度相似;C2H4对于区分正常与过热最灵敏,其次是C2H6,再次是H2和总烃,且这两种气体灵敏度相似。用特征参数X表示变压器的某一种油中溶解气体的含量,设此状态量的临界值为X0。当X<X0时,变压器为正常状态,用D1表示,当X>X0时,变压器为异常状态,用D2表示,则变压器的状态表达式为:
以过热缺陷为例,那么此时的X可以选为变压器油中C2H6的含量,设变压器处于正常状态的概率为P(D1),存在过热缺陷的概率为P(D2),P(D1)和P(D2)为先验概率,计算公式为
特征参数X的条件概率密度函数f(x|D1)和f(x|D2)分别表示变压器处于正常状态和存在过热缺陷时的概率密度分布曲线。变压器具有某特征参数X(C2H6)时,其存在过热缺陷的概率P(D2|X)的计算公式为
其他故障缺陷存在概率的计算方法皆与上述方法相同。
(3)缺陷严重程度Ii
变压器过热缺陷对应的直接影响是变压器中油纸绝缘的老化程度,而其老化状态最可靠的评价指标为绝缘纸平均聚合度。所以,选取绝缘纸的聚合度Y作为绝缘纸电热老化缺陷严重程度的判断标准。而该缺陷的特征参数X在这里可以选为油中糠醛含量,与(2)中的X不同是因为(2)中所选的特征参数可能与目前的参数Y对应关系不稳定,同时也因为在计算出变压器过热缺陷发生概率Pi后,缺陷严重程度Ii的获取在计算上是与上一步骤无关的独立过程,所以可以重新选取。
本实例中Y随X变化规律的取得是基于实验室110℃下的油纸绝缘加速热老化实验,根据油纸绝缘热老化参数数据,本实例分析得到了油纸绝缘参数随老化时间的变化情况,即绝缘纸平均聚合度Y随热老化的不断进行而逐渐下降,油击穿电压、油酸值、油中糠醛含量X、H2含量、CO2/CO和总烃含量也有类似的变化规律,且在老化时间为264天时,油纸绝缘到达其寿命终点。根据实验得到的这种寿命模型并考虑到就聚合度和糠醛含量数值在老化过程中的单调变化,完全可以将整个老化过程中Y与X各个时刻的数值对应起来,并使用数值分析方法得到Y与X的函数关系y=f(x)。之后将整个老化过程中Y的取值区间视为1,则区间内Y的数值即可归一化为缺陷的严重程度Ii,进而y=f(x)就化为了缺陷严重程度Ii与特征参数X的函数关系Ii=g(x)=1-f(x)/ymax,其中ymax是Y的最大值。
于是特征参数X的任意测量值x便与缺陷的严重程度Ii的取值(0≤Ii≤1)一一对照起来。使用中以Ii=g(x)为根据,便可完由糠醛含量在线监测数值x计算得到的故障模式严重程度Ii,关系图如附图4所示。
(4)故障模式危害度Wi
使用模糊层次分析法,首先要建立层次模型。其基本原理是:将待评价系统的有关替代方案的各种要素分解成若干层次,并以同一层次的各种要素按照上一层要素为准则,进行两两判断比较并计算出各要素的权重。这样,就把要解决的问题按照各个因素之间的隶属关系分层,形成一个递阶的层次结构模型。
例如根据附图2中载流系统故障树可以得到如附图5所示的不同故障对载流系统危害程度的简单层次模型(仅用来说明方法n=4)。接下来需要针对上述算例分别依次计算各个因素层对目标层.、方案层对因素层的权重。权重的每一次计算过程及相应变换公式如附图6所示。
为了得到方案层对目标层的权重,还需要将因素层对目标层的权重向量矩阵与方案层对因素层的权重向量矩阵进行矩阵直积(克罗内克积)运算,这样就可以计算出各类故障关于目标的综合权重(三角模糊数形式)。为了获取常数形式的综合权重,还需利用一些相关方法,比如可能度矩阵等。最终算得的权重值均为小于1的正数,且各方案权重值相加为1,权重值越大表示方案对目标的影响越大。
本发明涉及使用的模糊层次分析法中的具体计算方法是参照2001-8-30徐泽水发表在系统工程学报的文献《模糊互补判断矩阵排序的一种算法-徐泽水》中的算法。
附图说明:
附图1变压器故障模式主树
附图2载流系统故障树(A子树)部分内容与导线制造不良故障子树内容
附图3各溶解气体的概率密度函数图
附图4糠醛含量与油纸绝缘老化严重程度的关系曲线
附图5载流系统简单故障危害层次图
附图6模糊层次分析法(FAHP)示意图。
Claims (4)
1.一种基于故障模式的变电设备故障概率计算方法,其特征是所述方法包括:
步骤1:为变电设备划分故障树;
步骤2:取变电设备第i种故障模式的某一特征参数X,利用该设备处于正常状态D1和存在第i种缺陷D2的先验概率P(D1)、P(D2),以及参数X在设备正常D1和存在第i种缺陷D2的概率密度函数f(X|D1)、f(X|D2),通过如下计算公式得到该设备在所选特征参数X的某一测量值x条件下,此故障模式发生的概率P(D2|X),即Pi:
步骤3:选取第i种故障模式最可靠的评价指标参数Y作为第i种故障模式缺陷严重程度的判断标准,即认为参数Y与缺陷严重程度具有某种比例关系。将整个缺陷发展过程中Y的数值变化归一化成缺陷的严重程度Ii,以X(可以与步骤2中的特征参数X相同也可以不同)和Y的函数关系y=f(x)为依据,带入所选特征参数X的某一测量值x,即可得到此测量值x下另一参数Y的相应数值y,对照归一化后的值就是缺陷严重程度Ii;
步骤4:参考已建立的设备故障树,使用模糊层次分析法,得到该故障模式对设备的危害程度Wi;
步骤5:将第i种故障模式的发生的概率Pi、缺陷严重程度Ii以及对设备的危害程度Wi相乘,得到第i种故障模式引起设备发生故障的概率λi;
λi=WiIiPi(3)
步骤6:当各故障模式相互独立时,将所有(n种)故障模式各自引起设备发生故障的概率相加,即为设备此时的故障率λ。
。
2.根据权利要求1所述的计算方法,其特征是:所选用的特征参数为可实时在线监测的参数。
3.根据权利要求1所述的计算方法,其特征是:变电设备处于正常状态D1和存在第i种缺陷D2的先验概率P(D1)、P(D2),以及参数X在设备正常D1和存在第i种缺陷D2的概率密度函数f(X|D1)、f(X|D2)来自已有的故障分析和实验总结成果。
。
4.根据权利要求1所述的计算方法,其特征是:第i种故障模式中所选特征参数X随缺陷发展即随第i种故障模式缺陷严重程度判断标准Y的变化规律y=f(x),来自已有的实验总结成果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410553820.3A CN105224782B (zh) | 2014-10-16 | 2014-10-16 | 一种基于故障模式的变电设备故障概率计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410553820.3A CN105224782B (zh) | 2014-10-16 | 2014-10-16 | 一种基于故障模式的变电设备故障概率计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105224782A true CN105224782A (zh) | 2016-01-06 |
CN105224782B CN105224782B (zh) | 2018-02-13 |
Family
ID=54993748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410553820.3A Expired - Fee Related CN105224782B (zh) | 2014-10-16 | 2014-10-16 | 一种基于故障模式的变电设备故障概率计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105224782B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760672A (zh) * | 2016-02-22 | 2016-07-13 | 江苏科技大学 | 一种机械设备故障诊断方法 |
CN108376293A (zh) * | 2017-12-29 | 2018-08-07 | 浙江中烟工业有限责任公司 | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 |
CN108808673A (zh) * | 2018-07-10 | 2018-11-13 | 国网安徽省电力有限公司 | 一种保护装置风险度的确定方法及系统 |
CN109740797A (zh) * | 2018-12-07 | 2019-05-10 | 国网江苏省电力有限公司南京供电分公司 | 一种基于条件概率的电力设备缺陷事件预警方法 |
CN110334866A (zh) * | 2019-07-05 | 2019-10-15 | 上海交通大学 | 考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法及系统 |
CN110515796A (zh) * | 2019-07-30 | 2019-11-29 | 平安科技(深圳)有限公司 | 一种基于皮质学习的异常检测方法、装置及终端设备 |
RU2719507C1 (ru) * | 2019-12-16 | 2020-04-20 | федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский горный университет" | Способ оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования |
CN111860881A (zh) * | 2020-06-04 | 2020-10-30 | 中国人民解放军海军工程大学 | 一种多诱因装备故障维修排查方法及装置 |
CN112734201A (zh) * | 2020-12-31 | 2021-04-30 | 国网浙江省电力有限公司电力科学研究院 | 基于预期故障概率的多台设备整体质量评价方法 |
CN112766657A (zh) * | 2020-12-31 | 2021-05-07 | 国网浙江省电力有限公司电力科学研究院 | 基于故障概率和设备状态的单台设备质量评价方法 |
CN113722659A (zh) * | 2021-08-30 | 2021-11-30 | 北京智盟信通科技有限公司 | 一种基于缺陷模式的变电主设备诊断方法和系统 |
CN113988542A (zh) * | 2021-10-08 | 2022-01-28 | 广州运达智能科技有限公司 | 一种城轨列车正线故障的评估方法及系统 |
TWI818737B (zh) * | 2022-09-20 | 2023-10-11 | 國立勤益科技大學 | 產線關鍵製程故障模式與失效樹風險機率評估系統及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989003087A2 (en) * | 1987-10-01 | 1989-04-06 | International Standard Electric Corporation | System integrated fault-tree analysis methods (siftan) |
CN102682208A (zh) * | 2012-05-04 | 2012-09-19 | 电子科技大学 | 基于Bayes信息更新的涡轮盘概率故障物理寿命预测方法 |
CN103198212A (zh) * | 2013-03-15 | 2013-07-10 | 哈尔滨工程大学 | 基于故障树分析的掺铒光纤光源驱动电路可靠性预测方法 |
CN103971024A (zh) * | 2014-05-26 | 2014-08-06 | 华北电力大学(保定) | 小样本失效数据下继电保护系统可靠性评估方法 |
-
2014
- 2014-10-16 CN CN201410553820.3A patent/CN105224782B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989003087A2 (en) * | 1987-10-01 | 1989-04-06 | International Standard Electric Corporation | System integrated fault-tree analysis methods (siftan) |
CN102682208A (zh) * | 2012-05-04 | 2012-09-19 | 电子科技大学 | 基于Bayes信息更新的涡轮盘概率故障物理寿命预测方法 |
CN103198212A (zh) * | 2013-03-15 | 2013-07-10 | 哈尔滨工程大学 | 基于故障树分析的掺铒光纤光源驱动电路可靠性预测方法 |
CN103971024A (zh) * | 2014-05-26 | 2014-08-06 | 华北电力大学(保定) | 小样本失效数据下继电保护系统可靠性评估方法 |
Non-Patent Citations (1)
Title |
---|
徐泽水: "模糊判断互补矩阵排序的一种算法", 《系统工程学报》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760672B (zh) * | 2016-02-22 | 2018-04-24 | 江苏科技大学 | 一种机械设备故障诊断方法 |
CN105760672A (zh) * | 2016-02-22 | 2016-07-13 | 江苏科技大学 | 一种机械设备故障诊断方法 |
CN108376293A (zh) * | 2017-12-29 | 2018-08-07 | 浙江中烟工业有限责任公司 | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 |
CN108376293B (zh) * | 2017-12-29 | 2021-07-09 | 浙江中烟工业有限责任公司 | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 |
CN108808673A (zh) * | 2018-07-10 | 2018-11-13 | 国网安徽省电力有限公司 | 一种保护装置风险度的确定方法及系统 |
CN109740797A (zh) * | 2018-12-07 | 2019-05-10 | 国网江苏省电力有限公司南京供电分公司 | 一种基于条件概率的电力设备缺陷事件预警方法 |
CN110334866A (zh) * | 2019-07-05 | 2019-10-15 | 上海交通大学 | 考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法及系统 |
CN110334866B (zh) * | 2019-07-05 | 2022-11-11 | 上海交通大学 | 考虑绝缘缺陷类别与故障关联性的电力设备故障概率预测方法及系统 |
CN110515796B (zh) * | 2019-07-30 | 2022-07-01 | 平安科技(深圳)有限公司 | 一种基于皮质学习的异常检测方法、装置及终端设备 |
CN110515796A (zh) * | 2019-07-30 | 2019-11-29 | 平安科技(深圳)有限公司 | 一种基于皮质学习的异常检测方法、装置及终端设备 |
RU2719507C1 (ru) * | 2019-12-16 | 2020-04-20 | федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский горный университет" | Способ оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования |
CN111860881A (zh) * | 2020-06-04 | 2020-10-30 | 中国人民解放军海军工程大学 | 一种多诱因装备故障维修排查方法及装置 |
CN112766657A (zh) * | 2020-12-31 | 2021-05-07 | 国网浙江省电力有限公司电力科学研究院 | 基于故障概率和设备状态的单台设备质量评价方法 |
CN112734201B (zh) * | 2020-12-31 | 2022-07-05 | 国网浙江省电力有限公司电力科学研究院 | 基于预期故障概率的多台设备整体质量评价方法 |
CN112766657B (zh) * | 2020-12-31 | 2022-07-05 | 国网浙江省电力有限公司电力科学研究院 | 基于故障概率和设备状态的单台设备质量评价方法 |
CN112734201A (zh) * | 2020-12-31 | 2021-04-30 | 国网浙江省电力有限公司电力科学研究院 | 基于预期故障概率的多台设备整体质量评价方法 |
CN113722659A (zh) * | 2021-08-30 | 2021-11-30 | 北京智盟信通科技有限公司 | 一种基于缺陷模式的变电主设备诊断方法和系统 |
CN113988542A (zh) * | 2021-10-08 | 2022-01-28 | 广州运达智能科技有限公司 | 一种城轨列车正线故障的评估方法及系统 |
CN113988542B (zh) * | 2021-10-08 | 2023-12-19 | 广州运达智能科技有限公司 | 一种城轨列车正线故障的评估方法及系统 |
TWI818737B (zh) * | 2022-09-20 | 2023-10-11 | 國立勤益科技大學 | 產線關鍵製程故障模式與失效樹風險機率評估系統及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105224782B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105224782A (zh) | 一种基于故障模式的变电设备故障概率计算方法 | |
CN102289590B (zh) | Sf6高压断路器运行状态评估方法及智能系统 | |
CN102663412B (zh) | 基于最小二乘支持向量机的电力设备载流故障趋势预测方法 | |
CN104537487B (zh) | 一种输变电设备运行动态风险的评估方法 | |
CN103926490B (zh) | 一种具有自学习功能的电力变压器综合诊断方法 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN102779230B (zh) | 一种电力变压器系统状态分析和维修决策判断方法 | |
CN103793859B (zh) | 一种风电场运行监控及事件综合评价方法 | |
CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
BR112013026307B1 (pt) | Sistema de avaliação dinâmico para monitorar componentes elétricos de alta tensão e método para avaliar pelo menos um componente elétrico de alta tensão | |
CN1862278A (zh) | 预测电动机剩余寿命的方法和系统 | |
CN104700321A (zh) | 一种输变电设备状态运行趋势分析方法 | |
CN102928720A (zh) | 油浸式主变压器的缺陷率检测方法 | |
CN105225020A (zh) | 一种基于bp神经网络算法的运行状态预测方法和系统 | |
CN110287543B (zh) | 一种继电保护装置寿命预测方法 | |
Sharma et al. | Review of artificial intelligence techniques application to dissolved gas analysis on power transformer | |
CN108846591A (zh) | 一种变电站开关柜多运行状态智能监测系统及评估方法 | |
Khalyasmaa et al. | Expert system for engineering assets' management of utility companies | |
Hongxia et al. | Study on predictive maintenance strategy | |
CN115684821A (zh) | 用于电网故障分析中的ai持续学习的系统和方法 | |
CN104598984A (zh) | 一种基于模糊神经网络的故障预测方法 | |
Milosavljevic et al. | Integrated transformer health estimation methodology based on Markov chains and evidential reasoning | |
CN106802599A (zh) | 一种基于专家数据库的电力变压器故障诊断系统 | |
Kolodenkova et al. | Integrated approach to processing diagnostic data based on heterogeneous cognitive models | |
CN104299070A (zh) | 电网运行趋势实时安全评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180213 Termination date: 20191016 |
|
CF01 | Termination of patent right due to non-payment of annual fee |