CN106203829A - 一种考虑天气状态的接触网可靠性评估方法 - Google Patents
一种考虑天气状态的接触网可靠性评估方法 Download PDFInfo
- Publication number
- CN106203829A CN106203829A CN201610541142.8A CN201610541142A CN106203829A CN 106203829 A CN106203829 A CN 106203829A CN 201610541142 A CN201610541142 A CN 201610541142A CN 106203829 A CN106203829 A CN 106203829A
- Authority
- CN
- China
- Prior art keywords
- weather
- state
- under
- rate
- class component
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000007812 deficiency Effects 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 21
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002085 persistent effect Effects 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 2
- 230000009452 underexpressoin Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑天气状态的接触网可靠性评估方法,该方法考虑了天气状态对可靠性评估带来的影响,同时能够克服因统计误差或者统计资料不足带来的不确定性问题,可用于接触网系统不同天气状态下的可靠性评估。其步骤为:1)将天气状态分为正常天气、恶劣天气、灾难天气,计算不同天气状态下各类元件的故障率与修复率。2)将不同天气状态下各类元件的故障率、修复率看作随机模糊变量,用三角形模糊数来表示随机模糊变量的模糊分布,对步骤1)中所求故障率与修复率进行随机模糊化处理。3)考虑天气状态的系统可靠性指标计算,根据GO法推导计算公式,运用可信性理论求解随机模糊变量的数学期望值,即为接触网系统的可靠性指标。
Description
技术领域
本发明涉及牵引供电系统可靠性评估领域,尤其是接触网系统可靠性的评估。
背景技术
随着社会科技发展,高速铁路的总里程数迅猛增加,与此同时,高铁的安全可靠运行也得到了越来越多的关注,其中高速铁路牵引供电系统的可靠运行与高铁的安全稳定运营密切相关,高速铁路牵引供电系统要求具有极高的运行可靠性,无备用接触网系统是牵引供电系统的关键组成部分,其能否安全可靠的进行服役直接关系到机车的安全、稳定运营。因此,如何更加准确评估接触网的可靠性并使之提高,成为提高整个高速铁路可靠性的关键。
接触网系统由完全暴露于室外的元件组成,受外部天气因素影响较大,其故障率与修复率具有随机模糊的特性,不是恒定常数。目前,虽然国内外对考虑接触网可靠性受天气影响的研究鲜有报道,但针对输配电系统可靠性受天气状态影响的研究相对较多,针对于接触网系统的可靠性评估基本都是基于元件恒定故障率来进行的,并没有考虑天气状态的影响以及故障率与修复率的随机模糊性,在我国电气化铁路中,如兰新线、武广线等的接触网系统受大风、雷雨等恶劣天气情况的影响较严重,其子系统元件故障率、修复率的随机模糊性明显,因此,在进行接触网可靠性评估时很有必要考虑天气状态对其评估结果的影响。
为此,要制定一个充分考虑天气状态以及元件故障率、修复率随机模糊性的可靠性评估方法,该方法达到以下两个目的:(1)考虑天气状态对接触网可靠性的影响,使系统可靠性指标能够反映不同天气状态对接触网可靠性的影响;(2)解决元件故障率与修复率的随机模糊性,使可靠性指标更加准确。最终实现考虑天气状态以及元件故障率、修复率随机模糊性的接触网可靠性性评估。
发明内容
本发明的目的是提出一种考虑天气状态对接触网可靠性影响的评估方法,同时克服现场难以得到不同天气状态下元件故障率、修复率的问题,解决接触网系统各类元件故障率与修复率的不确定问题。
本发明目的是通过如下的手段实现的:
一种考虑天气状态的接触网可靠性评估方法,考虑了天气状态对可靠性评估的影响指标且克服因统计误差或统计资料不足带来的不确定性,对接触网系统在不同天气状态下的可靠性进行评估,包括如下主要步骤:
A、计算不同天气状态下各类元件的故障率、修复率
根据IEEE标准导则将天气分为正常天气、恶劣天气、灾难天气三个状态,计算不同天气状态下各类元件的故障率、修复率;
A1、计算不同天气状态下某类元件的故障率λj:
式中,上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态;λavg为1个统计周期内不考虑天气状态时统计得到的某类元件的平均故障率;Fj表示某类元件在不同天气下发生故障次数占统计周期内该元件总故障次数的百分比,取灾难天气下Fs为5%、恶劣天气下Fd为45%、正常天气下Fn为50%;Pj表示不同天气状态的持续时间占统计周期的百分比,取灾难天气Ps为0.1%、恶劣天气Pd为9.9%、正常天气Pn为90%;
A2、计算不同天气状态下某类元件的修复率μj:
Tavg为某类元件一个统计周期内平均修复时间;μavg=1/Tavg为1个统计周期内不考虑天气状态时统计得到的某类元件的平均修复率;
Ψs、Ψd、Ψn分别为灾难天气、恶劣天气、正常天气状态下的平均修复时间,取Ψs:Ψd:Ψn=1.5:1.2:1;
Fj表示某类元件在不同天气下发生故障次数占统计周期内该元件总故障次数的百分比,取灾难天气下Fs为5%、恶劣天气下Fd为45%、正常天气下Fn为50%;
根据Tavg=ΨsFs+ΨdFd+ΨnFn获得不同天气状态下的平均修复时间Ψs、Ψd、Ψn;
定义μj为不同天气状态下某类元件的修复率,则不同天气状态下某元件的修复率可由μj=1/Ψj计算得到;
B、不同天气状态下各类元件的故障率、修复率的模糊化处理
定义分别为不同天气状态下某类元件的故障率和修复率,i=1,2,3,…,m,表示第i种类型元件,m为系统中元件类型;将A所得不同天气状态下各类元件的故障率修复率处理为三角形分布的模糊变量其中,表示j天气状态下i类元件的修复率或故障率的模糊变量,a和c表示模糊变量的下限和上限,b表示出现可能性最大的模糊变量的值,取a值和c值分别为几个统计年的或的最小值和最大值,取b值为几个统年的或的均值;
C、考虑天气状态的接触网系统可靠性评估
定义为系统在j中天气状态下的故障率,为系统在j中天气状态下的修复率,Aj为系统在j中天气状态下的可用率;由GO法建立接触网系统失效的GO图模型,运用可信性理论求解接触网系统可靠性指标:
系统故障率为:
系统修复率为:
系统可用率为:
上述三式中,
上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态;
分别表示不同天气状态下某类元件的故障率和修复率;
m表示系统中元件类型;
等式右边,Epro-fuz[·]表示随机模糊变量·的数学期望值。
所述的步骤C中,运用可信性理论求解接触网系统可靠性指标的具体计算步骤为:
步骤1从中任意抽取一变量其中指第i种类型元件在第j种天气状态下故障率或修复率的模糊区间,指第i种类型元件在第j种天气状态下故障率或修复率模糊区间内的任一元素值,上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态,下标i=1,2,3,…,m指第i种类型元件;
步骤2按下式计算模糊变量的隶属度函数
步骤3重复步骤1和步骤2Q次,即从中任意抽取Q个变量(k=1,2,3,…,Q),表示k个第i种类型元件在第j种天气状态下故障率或修复率模糊区间内的任一元素值,并分别计算的隶属度函数
步骤4计算的最大值
步骤5计算函数的数学期望值
当求取系统故障率时,定义函数(k=1,2,3,…,Q);
当求取系统修复率时,定义函数(k=1,2,3,…,Q);
当求取系统可用率时,定义函数(k=1,2,3,…,Q);
步骤6重复步骤1至步骤5共W次,得到W个vp和Efp,其中,p=1,2,3,…,W;其中vp表示经过计算后的W个的最大值的第p个,Efp表示W个函数的数学期望值第p个。
步骤7取W次计算中Efp的最小值和最大值
步骤8置e=0,MAX=0,MIN=1;
步骤9依次从区间[l,h]上随机生成rp(p=1,2,3,…,W),并判断Efp是否大于rp:
若Efp>rp,则取MAX=vp;若Efp<rp,则取MIN=1-vp;
并计算:e=e+0.5×(MAX+MIN);
其中rp表示产生的W个属于[l,h]随机数的第p个。
步骤10计算接触网系统可靠性指标其中表示函数关于随机模糊变量的期望值。
通过步骤A求解得到不同天气状态下各类元件故障率、修复率,对步骤A所得不同天气状态下各类元件故障率、修复率进行随机模糊化处理,将可靠性指标计算转化为随机模糊变量数学期望的求解问题,根据GO法推导计算公式,运用可信性理论求解随机模糊变量的数学期望值,即为接触网系统的可靠性指标。
与现有技术相比,本发明的有益效果是:
1、不同天气状态下可靠性指标存在较大差异,在接触网可靠性评估中,分别求取不同天气状态下可靠性指标十分必要。该方法只需统计周期内平均故障率与修复率以及不同天气状态持续时间占统计周期百分比Pj即可求取不同天气状态下接触网系统可靠性指标,该方法能够求得不同天气状态下接触网系统的可靠性指标,同时克服现场难以得到不同天气状态下元件故障率、修复率的问题,减少现场数据统计工作量。
2、将不同天气状态下故障率与修复率看作一个随机模糊变量能够直观地反映其模糊性与随机性,不同模糊区间上下限对计算结果有一定影响,计算时可将统计周期内几个日历年中λavg、μavg的最大值作为模糊区间上限,最小值作为下限,均值作为可能性最大值,从而保证数据完整性,贴近现场实际情况,这对我国运行时间短,缺少实际统计数据的高速铁路可靠性评估有一定实用价值。
下面结合具体实施方式对本发明作进一步详细说明。
具体实施方式
实施例:
一种考虑天气状态的接触网可靠性评估方法,考虑了天气状态对可靠性评估的影响指标且克服因统计误差或统计资料不足带来的不确定性问题,对接触网系统在不同天气状态下的可靠性进行评估,包括如下主要步骤:
A、计算不同天气状态下各类元件的故障率、修复率
根据IEEE标准导则将天气分为正常天气、恶劣天气、灾难天气三个状态,计算不同天气状态下各类元件的故障率、修复率;
A1、计算不同天气状态下某类元件的故障率λj:
式中,上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态;λavg为1个统计周期内不考虑天气状态时统计得到的某类元件的平均故障率;Fj表示某类元件在不同天气下发生故障次数占统计周期内该元件总故障次数的百分比,取灾难天气下Fs为5%、恶劣天气下Fd为45%、正常天气下Fn为50%;Pj表示不同天气状态的持续时间占统计周期的百分比,取灾难天气Ps为0.1%、恶劣天气Pd为9.9%、正常天气Pn为90%;
A2、计算不同天气状态下某类元件的修复率μj:
Tavg为某类元件一个统计周期内平均修复时间;μavg=1/Tavg为1个统计周期内不考虑天气状态时统计得到的某类元件的平均修复率;
Ψs、Ψd、Ψn分别为灾难天气、恶劣天气、正常天气状态下的平均修复时间,取Ψs:Ψd:Ψn=1.5:1.2:1;
Fj表示某类元件在不同天气下发生故障次数占统计周期内该元件总故障次数的百分比,取灾难天气下Fs为5%、恶劣天气下Fd为45%、正常天气下Fn为50%;
根据Tavg=ΨsFs+ΨdFd+ΨnFn获得不同天气状态下的平均修复时间Ψs、Ψd、Ψn;
定义μj为不同天气状态下某类元件的修复率,则不同天气状态下某元件的修复率可由μj=1/Ψj计算得到;
B、不同天气状态下各类元件的故障率、修复率的模糊化处理
定义分别为不同天气状态下某类元件的故障率和修复率,i=1,2,3,…,m,表示第i种类型元件,m为系统中元件类型;将A所得不同天气状态下各类元件的故障率修复率处理为三角形分布的模糊变量其中,表示j天气状态下i类元件的修复率或故障率的模糊变量,a和c表示模糊变量的下限和上限,b表示出现可能性最大的模糊变量的值,取a值和c值分别为几个统计年的或的最小值和最大值,取b值为几个统年的或的均值;
C、考虑天气状态的接触网系统可靠性评估
定义为系统在j中天气状态下的故障率,为系统在j中天气状态下的修复率,Aj为系统在j中天气状态下的可用率;由GO法建立接触网系统失效的GO图模型,运用可信性理论求解接触网系统可靠性指标:
系统故障率为:
系统修复率为:
系统可用率为:
上述三式中,
上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态;
分别表示不同天气状态下某类元件的故障率和修复率;
m表示系统中元件类型;
等式右边,Epro-fuz[·]表示随机模糊变量·的数学期望值。
所述的步骤C中,运用可信性理论求解接触网系统可靠性指标的具体计算步骤为:
步骤1从中任意抽取一变量其中指第i种类型元件在第j种天气状态下故障率或修复率的模糊区间,指第i种类型元件在第j种天气状态下故障率或修复率模糊区间内的任一元素值,上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态,下标i=1,2,3,…,m指第i种类型元件;
步骤2按下式计算模糊变量的隶属度函数
步骤3重复步骤1和步骤2Q次,即从中任意抽取Q个变量(k=1,2,3,…,Q),表示k个第i种类型元件在第j种天气状态下故障率或修复率模糊区间内的任一元素值,并分别计算的隶属度函数
步骤4计算的最大值
步骤5计算函数的数学期望值
当求取系统故障率时,定义函数(k=1,2,3,…,Q);
当求取系统修复率时,定义函数(k=1,2,3,…,Q);
当求取系统可用率时,定义函数(k=1,2,3,…,Q);
步骤6重复步骤1至步骤5共W次,得到W个vp和Efp,其中,p=1,2,3,…,W;其中vp表示经过计算后的W个的最大值的第p个,Efp表示W个函数的数学期望值第p个
步骤7取W次计算中Efp的最小值和最大值
步骤8置e=0,MAX=0,MIN=1;
步骤9依次从区间[l,h]上随机生成rp(p=1,2,3,…,W),并判断Efp是否大于rp:
若Efp>rp,则取MAX=vp;若Efp<rp,则取MIN=1-vp;
并计算:e=e+0.5×(MAX+MIN);
其中rp表示产生的W个属于[l,h]随机数的第p个。
步骤10计算接触网系统可靠性指标其中表示函数关于随机模糊变量的期望值。
本例中选择W=Q=1000,通过步骤A求解得到不同天气状态下各类元件故障率、修复率,对步骤A所得不同天气状态下各类元件故障率、修复率进行随机模糊化处理,将可靠性指标计算转化为随机模糊变量数学期望的求解问题,根据GO法推导计算公式,运用可信性理论求解随机模糊变量的数学期望值,即为接触网系统的可靠性指标。
Claims (2)
1.一种考虑天气状态的接触网可靠性评估方法,考虑了天气状态对可靠性评估的影响指标且克服因统计误差或统计资料不足带来的不确定性,对接触网系统在不同天气状态下的可靠性进行评估,包括如下主要步骤:
A、计算不同天气状态下各类元件的故障率、修复率
根据IEEE标准导则将天气分为正常天气、恶劣天气、灾难天气三个状态,计算不同天气状态下各类元件的故障率、修复率;
A1、计算不同天气状态下某类元件的故障率λj:
式中,上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态;λavg为1个统计周期内不考虑天气状态时统计得到的某类元件的平均故障率;Fj表示某类元件在不同天气下发生故障次数占统计周期内该元件总故障次数的百分比,取灾难天气下Fs为5%、恶劣天气下Fd为45%、正常天气下Fn为50%;Pj表示不同天气状态的持续时间占统计周期的百分比,取灾难天气Ps为0.1%、恶劣天气Pd为9.9%、正常天气Pn为90%;
A2、计算不同天气状态下某类元件的修复率μj:
Tavg为某类元件一个统计周期内平均修复时间;μavg=1/Tavg为1个统计周期内不考虑天气状态时统计得到的某类元件的平均修复率;
Ψs、Ψd、Ψn分别为灾难天气、恶劣天气、正常天气状态下的平均修复时间,取Ψs:Ψd:Ψn=1.5:1.2:1;
Fj表示某类元件在不同天气下发生故障次数占统计周期内该元件总故障次数的百分比,取灾难天气下Fs为5%、恶劣天气下Fd为45%、正常天气下Fw为50%;
根据Tavg=ΨsFs+ΨdFd+ΨnFn获得不同天气状态下的平均修复时间Ψs、Ψd、Ψn;
定义μj为不同天气状态下某类元件的修复率,则不同天气状态下某元件的修复率可由μj=1/Ψj计算得到;
B、不同天气状态下各类元件的故障率、修复率的模糊化处理
定义分别为不同天气状态下某类元件的故障率和修复率,i=1,2,3,…,m,表示第i种类型元件,m为系统中元件类型;将A所得不同天气状态下各类元件的故障率修复率处理为三角形分布的模糊变量其中,表示j天气状态下i类元件的修复率或故障率的模糊变量集合,a和c表示模糊变量的下限和上限,b表示出现可能性最大的模糊变量的值,取a值和c值分别为几个统计年的或的最小值和最大值,取b值为几个统年的或的均值;
C、考虑天气状态的接触网系统可靠性评估
定义为系统在j种天气状态下的故障率,为系统在j种天气状态下的修复率,Aj为系统在j种天气状态下的可用率;由GO法建立接触网系统失效的GO图模型,运用可信性理论求解接触网系统可靠性指标:
系统故障率为:
系统修复率为:
系统可用率为:
上述三式中,
上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态;
分别表示不同天气状态下某类元件的故障率和修复率;
m表示系统中元件类型;
等式右边,Epro-fuz[·]表示随机模糊变量·的数学期望值。
2.根据权利要求1所述的一种考虑天气状态的接触网可靠性评估方法,其特征在于:所述的步骤C中,运用可信性理论求解接触网系统可靠性指标的具体计算步骤为:
步骤1从中任意抽取一变量其中指第i种类型元件在第j种天气状态下故障率或修复率的模糊变量集合,指第i种类型元件在第j种天气状态下故障率或修复率模糊区间内的任一元素值,上标j=s、d、n,分别表示灾难、恶劣、正常三种天气状态,下标i=1,2,3,…,m指第i种类型元件;
步骤2按下式计算模糊变量的隶属度函数
步骤3重复步骤1和步骤2Q次,即从中任意抽取Q个变量(k=1,2,3,…,Q),表示k个第i种类型元件在第j种天气状态下故障率或修复率模糊区间内的任一元素值,并分别计算的隶属度函数
步骤4计算的最大值
步骤5计算函数的数学期望值
当求取系统故障率时,定义函数
当求取系统修复率时,定义函数Q);
当求取系统可用率时,定义函数
步骤6重复步骤1至步骤5共W次,得到W个vp和Efp,其中,p=1,2,3,…,W;其中vp表示经过计算后的W个的最大值的第p个,Efp表示W个函数的数学期望值的第p个;
步骤7取W次计算中Efp的最小值和最大值
步骤8置e=0,MAX=0,MIN=1;
步骤9依次从区间[l,h]上随机生成rp(p=1,2,3,…,W),并判断Efp是否大于rp:
若Efp>rp,则取MAX=vp;若Efp<rp,则取MIN=1-vp;
并计算:e=e+0.5×(MAX+MIN);
其中rp表示产生的W个属于[l,h]随机数的第p个;
步骤10计算接触网系统可靠性指标其中表示函数关于随机模糊变量的期望值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541142.8A CN106203829A (zh) | 2016-07-11 | 2016-07-11 | 一种考虑天气状态的接触网可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541142.8A CN106203829A (zh) | 2016-07-11 | 2016-07-11 | 一种考虑天气状态的接触网可靠性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106203829A true CN106203829A (zh) | 2016-12-07 |
Family
ID=57473688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610541142.8A Pending CN106203829A (zh) | 2016-07-11 | 2016-07-11 | 一种考虑天气状态的接触网可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203829A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463950A (zh) * | 2017-07-18 | 2017-12-12 | 西南交通大学 | 一种基于外部气象环境影响的接触网故障预测方法 |
CN108874843A (zh) * | 2017-10-20 | 2018-11-23 | 吉林省气象服务中心 | 交通气象综合信息的展示方法、装置及设备 |
CN111274724A (zh) * | 2020-01-13 | 2020-06-12 | 西南交通大学 | 一种能揭示元件灵敏度的接触网运行风险评估方法 |
CN111652395A (zh) * | 2020-06-12 | 2020-09-11 | 成都国铁电气设备有限公司 | 一种高速铁路接触网设备健康评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091238A (zh) * | 2014-07-11 | 2014-10-08 | 国家电网公司 | 一种恶劣天气下用户用电安全风险演化分析评估方法 |
CN104166788A (zh) * | 2014-07-22 | 2014-11-26 | 国家电网公司 | 一种架空输电线路最佳经济寿命区间评估方法 |
-
2016
- 2016-07-11 CN CN201610541142.8A patent/CN106203829A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091238A (zh) * | 2014-07-11 | 2014-10-08 | 国家电网公司 | 一种恶劣天气下用户用电安全风险演化分析评估方法 |
CN104166788A (zh) * | 2014-07-22 | 2014-11-26 | 国家电网公司 | 一种架空输电线路最佳经济寿命区间评估方法 |
Non-Patent Citations (2)
Title |
---|
KARIN ALVEHAG 等: "A Reliability Model for Distribution Systems Incorporating Seasonal Variations in Severe Weather", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
王磊 等: "考虑天气变化的输电系统可靠性评估", 《电网技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463950A (zh) * | 2017-07-18 | 2017-12-12 | 西南交通大学 | 一种基于外部气象环境影响的接触网故障预测方法 |
CN107463950B (zh) * | 2017-07-18 | 2021-01-29 | 西南交通大学 | 一种基于外部气象环境影响的接触网故障预测方法 |
CN108874843A (zh) * | 2017-10-20 | 2018-11-23 | 吉林省气象服务中心 | 交通气象综合信息的展示方法、装置及设备 |
CN111274724A (zh) * | 2020-01-13 | 2020-06-12 | 西南交通大学 | 一种能揭示元件灵敏度的接触网运行风险评估方法 |
CN111274724B (zh) * | 2020-01-13 | 2021-08-27 | 西南交通大学 | 一种能揭示元件灵敏度的接触网运行风险评估方法 |
CN111652395A (zh) * | 2020-06-12 | 2020-09-11 | 成都国铁电气设备有限公司 | 一种高速铁路接触网设备健康评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105653764B (zh) | 电网安全事故风险等级在线评估与预警方法 | |
Shi et al. | Comprehensive evaluation index system for wind power utilization levels in wind farms in China | |
CN106203829A (zh) | 一种考虑天气状态的接触网可靠性评估方法 | |
CN103454491B (zh) | 智能电表及电能质量检测方法 | |
CN104682381B (zh) | 大型风电场柔性直流输电系统可靠性计算方法 | |
CN105117839B (zh) | 一种基于连锁故障的电力系统薄弱环节辨识方法 | |
CN103944165B (zh) | 一种大电网参数辨识估计方法 | |
CN107194574B (zh) | 一种基于负荷损失的电网安全风险评估方法 | |
CN103177186B (zh) | 一种电气回路故障概率预测方法 | |
CN104037790B (zh) | 一种基于时序蒙特卡罗模拟的新能源接纳能力评估方法 | |
CN104050604A (zh) | 基于概率潮流的电力系统静态安全评估方法 | |
CN106529791A (zh) | 一种电力系统中支路重要度的评估方法 | |
CN104252686A (zh) | 一种电网安全综合指标确定方法 | |
CN106611243A (zh) | 一种基于garch模型的风速预测残差修正方法 | |
CN111191832A (zh) | 一种台风灾害配电网杆塔故障预测方法及系统 | |
CN109685374A (zh) | 一种基于复杂网络的电网关键单元辨识评估方法 | |
CN104134160A (zh) | 一种基于cream模型的电力系统人因可靠性评价方法 | |
CN111209535B (zh) | 一种电力设备相继故障风险识别方法及系统 | |
CN106779267A (zh) | 一种基于多层模糊法的电力系统模型与数据质量评价方法 | |
CN113569411A (zh) | 一种面向灾害天气的电网运行风险态势感知方法 | |
CN106952178B (zh) | 一种基于量测平衡的遥测不良数据辨识与原因分辨方法 | |
CN108565865A (zh) | 一种含风电的交直流混联系统风险评估方法 | |
CN101709959A (zh) | 一种输电线覆冰厚度的预测方法 | |
CN104680431A (zh) | 一种智能变电站二次系统可靠性评估方法 | |
CN109613372A (zh) | 一种基于多元电网数据库的电网故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |