CN106777577A - 一种基于运行数据预测高压开关产品剩余寿命的方法 - Google Patents

一种基于运行数据预测高压开关产品剩余寿命的方法 Download PDF

Info

Publication number
CN106777577A
CN106777577A CN201611084434.XA CN201611084434A CN106777577A CN 106777577 A CN106777577 A CN 106777577A CN 201611084434 A CN201611084434 A CN 201611084434A CN 106777577 A CN106777577 A CN 106777577A
Authority
CN
China
Prior art keywords
switch gear
voltage switch
service data
residual life
inspection
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
Application number
CN201611084434.XA
Other languages
English (en)
Inventor
郑军
骆虎
武星
成勇
王瑜
刘宇
李劭頔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China XD Electric Co Ltd
Original Assignee
China XD Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China XD Electric Co Ltd filed Critical China XD Electric Co Ltd
Priority to CN201611084434.XA priority Critical patent/CN106777577A/zh
Publication of CN106777577A publication Critical patent/CN106777577A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于运行数据预测高压开关产品剩余寿命的方法，包括：步骤一：收集基础数据和运行数据；步骤二：整理运行数据，建立数据库；并将收集到的数据进行归类，筛选；步骤三：对已归类的数据采用偏锋度检验、似然比检验、χ2检验、F检验方法中一种进行分布类型的检验，确定最优分布模型；步骤四：针对步骤三所选定的分布类型，进行参数估计和区间估计；步骤五：用步骤四得到的计算结果绘制高压开关的可靠性指标曲线；依据该可靠性指标曲线，预测高压开关产品的剩余寿命。本发明可以较为准确的预测高压开关的剩余寿命，尤其是可以对电力开关产品的可靠性按照不同的分类进行分析处理，来指导开关设备的设计、制造和使用过程。

Description

一种基于运行数据预测高压开关产品剩余寿命的方法
技术领域
本发明涉及高压开关技术领域，特别涉及一种基于运行数据预测高压开关产品剩余寿命的方法。
背景技术
高压开关设备是指在电压3千伏以上，频率50赫兹及以下的电力系统中运行的户内和户外交流开关设备。高压开关主要用于电力系统(包括发电厂，变电站，输配电和用户)的控制和保护，它既可根据电网需要将一部分电力设备或线路投入或退出运行，也可在电力设备或线路发生故障时将故障部分从电网快速切除，从而保障电网中无故障部分的设备正常运行、及运行维护人员的安全，因此高压开关设备对电力系统的安全稳定运行起着至关重要的作用。随着我国电力需求量日益增大、电力设备规模日益庞大且对供电可靠性的要求日益提高，如何对数量巨大、关系复杂的电力设备进行有效管理将关系到我国的电力工业是否能快速地可持续地发展。为适应我国电力生产、建设的迅速发展，提高设备的可靠性、经济性、维修性，发挥其最佳效益，必须对高压开关产品进行可靠性评估。
影响高压开关产品可靠性的因素主要有开合性能、绝缘性能、载流性能、机械性能、机构及传动性能、辅助和控制回路性能等六个方面。由于高压开关负荷变动、外部环境条件变化等诸多因素的影响，其可靠性与其运行时间并不一致，这就要求对高压开关设备的可靠性进行评估，以避免重大事故的发生。目前国内外专家对电力开关产品的可靠性评估仍未能很好的解决。
发明内容
本发明的目的在于提供一种基于运行数据预测高压开关产品剩余寿命的方法。
为了实现上述目的，本发明采用如下技术方案：
一种基于运行数据评估高压开关设备可靠性的方法，包括以下步骤：
一种基于运行数据预测高压开关产品剩余寿命的方法，包括以下步骤：
步骤一：针对同一电压等级、相同类型的高压开关，收集基础数据和运行数据；
步骤二：整理步骤一收集的运行数据，建立数据库；并将收集到的数据进行归类，筛选：对运行数据首先按照地区进行归类，之后进一步依据故障类型进行筛选归类；
步骤三：对已归类的数据采用偏锋度检验、似然比检验、χ2检验、F检验方法中一种进行分布类型的检验；得到已归类的数据与若干种分布模型之间的拟合优度，选出拟合优度最好的模型为最优分布模型；
步骤四：针对步骤三所选定的分布类型，进行参数估计和区间估计；
步骤五：用步骤四得到的计算结果绘制高压开关的可靠性指标曲线；依据该可靠性指标曲线，预测高压开关产品的剩余寿命。
本发明进一步的改进在于：所述基础数据和运行数据包括：基础台帐、故障信息和缺陷信息。
本发明进一步的改进在于：所述基础台帐包括设备型号和投运日期。
本发明进一步的改进在于：故障信息包括故障发生时间、故障部件位置、故障性质、故障技术原因、故障处理方式和故障检修时间。
本发明进一步的改进在于：缺陷信息包括缺陷发生时间、缺陷部件位置、缺陷性质、缺陷技术原因、是否停电处理、处理方式和检修消缺时间。
本发明进一步的改进在于：所述若干种分布模型包括指数分布模型、威布尔分布模型和正态分布模型。
相对于现有技术，本发明具有以下有益效果：本发明可以较为准确的评估高压开关可靠性指标，尤其是可以对电力开关产品的可靠性按照不同的分类进行分析处理，来指导开关设备的设计、制造和使用过程。
附图说明
图1是预测高压开关寿命的流程图；
图2是西安首次失效导致停电累计概率分布图；
图3是西安首次失效导致停电失效率分布图。
具体实施方式
参照图1所示，本发明一种基于运行数据预测高压开关产品剩余寿命的方法，包括以下步骤：
步骤一：针对同一电压等级、相同类型的高压开关，根据表1和表2所示的高压开关可靠性研究对数据和采集的要求，收集基础数据和运行数据；
步骤二：参照表3所示，整理步骤一收集的运行数据，建立数据库；并将收集到的数据进行归类，筛选：对运行数据首先按照地区进行归类，之后进一步依据故障类型进行筛选归类；
步骤三：对已归类的数据采用偏锋度检验、似然比检验、χ2检验、F检验方法中一种进行分布类型的检验；得到已归类的数据与指数分布模型、威布尔分布模型、正态分布模型之间的拟合优度，选出拟合优度最好的模型为最优分布模型；
步骤四：针对步骤三所选定的分布类型，进行参数估计和区间估计；
步骤五：用步骤四得到的计算结果绘制高压开关的可靠性指标曲线；依据该可靠性指标曲线，预测高压开关产品的剩余寿命。
关于实施步骤的补充说明：
步骤一中，采集的数据范畴包括基础台帐、故障信息和缺陷信息三大方面，其中必要的统计数据如下：
①基础台帐：设备型号和投运日期；
②故障信息：故障发生时间、故障部件位置、故障性质、故障技术原因、故障处理方式和故障检修时间；
③缺陷信息：缺陷发生时间、缺陷部件位置、缺陷性质、缺陷技术原因、是否停电处理、处理方式和检修消缺时间。
以下通过一个实例，来具体说明本方法的具体实施方案。
实例：
本例以某地区的363kV断路器的统计数据为依据，进行目标产品的可靠性分析，具体操作如下：
步骤一：收集相关数据：本次可靠性分析的数据来源为某地区/市断路器调研数据和系统PMS记录数据，数据信息包括断路器基础台账、产品类型、机构形式、投运时间、故障/缺陷发生时间、故障/缺陷发生位置、故障/缺陷技术原因、故障/缺陷处理方式；
363kV断路器有效数据411条。其中断路器最长运行时间为7949天，出现首次失效的样本数量为113台，首次失效且导致停电检修的共69台；
步骤二：按照数据来源地区将所收集数据进行划分，这里只给出首次失效且导致停电模型的相关数据：西安地区首次失效引起停电的23个，咸阳地区首次失效引起停电4个，其他地区首次失效引起停电42个；
步骤三：根据可靠性理论，断路器首次失效时间的分布应该为威布尔分布。根据数据库可以获得的数据如下表所示。在此，使用χ2检测方法判断是否接受该失效时间满足威布尔分布的假设。
定义表中故障时间依次为t1≤t2≤…≤tr。则r值为：取xi＝lnti及Vi＝(r-i)(x(r-i+1)-x(r-i)，(i＝1,2,…,r-1)，则可以计算处对应的xi,Vi。
之后建立如下统计量：
由统计理论可以得到，B2/c为自由度为r-2的χ2变量。计算获得：
B2＝21.2969；c＝1.1733；B2/c＝18.1505。
取显著性水平α＝0.1，查表可以获得：
由于因此可以认为断路器失效时间满足威布尔分布。
步骤四由于断路器的失效时间满足威布尔分布，根据现有数据可以进行参数的点估计和区间估计。
首先进行参数的最大似然估计。对于总样本数n＝411，失效数r＝26。记录对应的时间为：t1≤t2≤…≤tr，则对应的似然函数可以记作：经过整理简化后，可以得到：
利用数值法可以求解该方程的值，获得对应的参数m,η的估计值
经过计算，获得的估值为：
根据最大似然估计结果可以计算置信度区间为90％的参数估计。根据可靠性理论，如果取置信度1-α，对于参数m,η，其对应的区间估计方法分别为：
参数m的置信区间为：其中参数W1,W2的计算方法如下：
参数c＝2.14628-1.361119×q，K1＝xα/2 2[c(r-1)]，K2＝x1-α/2 2[c(r-1)]。
参数η的置信区间为其中参数A1,A2计算方法如下：
首先，可以计算以下常数：
A4＝0.49q-0.134+0.622q-1
A5＝0.2445×(1.78-q×(2.25+q))
A6＝0.029-1.083×ln(1.325q)
在r<n时，有：
经过计算，在α＝0.1时。W1＝0.6736,W2＝1.2916，A1＝0.3150,A2＝7.9302。参数m的置信区间为：[0.4622,0.8863]。参数η的置信区间为[132628.75,3338611.94]。
步骤五：用步骤四得到的计算结果绘制高压开关的可靠性指标曲线；依据该可靠性指标曲线，评估高压开关产品的剩余寿命。
表1高压开关可靠性研究对数据的要求
表2高压开关可靠性研究数据信息采集要求
表3高压开关可靠性研究数据处理分析分类

Claims (6)

1.一种基于运行数据预测高压开关产品剩余寿命的方法，其特征在于，包括以下步骤：
步骤一：针对同一电压等级、相同类型的高压开关，收集运行数据；
步骤二：整理步骤一收集的运行数据，建立数据库；并将收集到的数据进行归类，筛选：对运行数据首先按照地区进行归类，之后进一步依据故障类型进行筛选归类；
步骤三：对已归类的数据采用偏锋度检验、似然比检验、χ2检验、F检验方法中一种进行分布类型的检验；得到已归类的数据与若干种分布模型之间的拟合优度，选出拟合优度最好的模型为最优分布模型；
步骤四：针对步骤三所选定的分布类型，进行参数估计和区间估计；
步骤五：用步骤四得到的计算结果绘制高压开关的可靠性指标曲线；依据该可靠性指标曲线，预测高压开关产品的剩余寿命。
2.根据权利要求1所述的一种基于运行数据预测高压开关产品剩余寿命的方法，其特征在于，所述基础数据和运行数据包括：基础台帐、故障信息和缺陷信息。
3.根据权利要求2所述的一种基于运行数据预测高压开关产品剩余寿命的方法，其特征在于，所述基础台帐包括设备型号和投运日期。
4.根据权利要求2所述的一种基于运行数据预测高压开关产品剩余寿命的方法，其特征在于，故障信息包括故障发生时间、故障部件位置、故障性质、故障技术原因、故障处理方式和故障检修时间。
5.根据权利要求2所述的一种基于运行数据预测高压开关产品剩余寿命的方法，其特征在于，缺陷信息包括缺陷发生时间、缺陷部件位置、缺陷性质、缺陷技术原因、是否停电处理、处理方式和检修消缺时间。
6.根据权利要求1所述的一种基于运行数据预测高压开关产品剩余寿命的方法，其特征在于，所述若干种分布模型包括指数分布模型、威布尔分布模型和正态分布模型。
CN201611084434.XA 2016-11-30 2016-11-30 一种基于运行数据预测高压开关产品剩余寿命的方法 Pending CN106777577A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611084434.XA CN106777577A (zh) 2016-11-30 2016-11-30 一种基于运行数据预测高压开关产品剩余寿命的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611084434.XA CN106777577A (zh) 2016-11-30 2016-11-30 一种基于运行数据预测高压开关产品剩余寿命的方法

Publications (1)

Publication Number Publication Date
CN106777577A true CN106777577A (zh) 2017-05-31

Family

ID=58913332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611084434.XA Pending CN106777577A (zh) 2016-11-30 2016-11-30 一种基于运行数据预测高压开关产品剩余寿命的方法

Country Status (1)

Country Link
CN (1) CN106777577A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063240A (zh) * 2018-06-20 2018-12-21 国家电网有限公司 基于早期失效期判别的特高压gis母线使用寿命评估方法
CN109255555A (zh) * 2018-10-16 2019-01-22 中国电力科学研究院有限公司 基于历史运行信息的电力大数据设备生命周期估计方法
WO2022246758A1 (zh) * 2021-05-27 2022-12-01 西门子股份公司 产品状态量化和剩余寿命预测方法、装置和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102981452A (zh) * 2012-12-28 2013-03-20 吉林大学 数控机床三类功能部件的可靠性建模与可靠性评估方法
CN103019135A (zh) * 2012-11-28 2013-04-03 北京金风科创风电设备有限公司 风机部件的寿命预测方法及系统
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
CN104239694A (zh) * 2014-08-28 2014-12-24 北京交通大学 一种城轨列车转向架的故障预测与视情维修方法
CN105701350A (zh) * 2016-01-13 2016-06-22 安徽理工大学 间歇性工作开关电源剩余寿命预测方法
CN105718620A (zh) * 2014-12-04 2016-06-29 国家电网公司 换流阀冷却系统关键元器件可靠性统计分析的建模方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103019135A (zh) * 2012-11-28 2013-04-03 北京金风科创风电设备有限公司 风机部件的寿命预测方法及系统
CN102981452A (zh) * 2012-12-28 2013-03-20 吉林大学 数控机床三类功能部件的可靠性建模与可靠性评估方法
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
CN104239694A (zh) * 2014-08-28 2014-12-24 北京交通大学 一种城轨列车转向架的故障预测与视情维修方法
CN105718620A (zh) * 2014-12-04 2016-06-29 国家电网公司 换流阀冷却系统关键元器件可靠性统计分析的建模方法
CN105701350A (zh) * 2016-01-13 2016-06-22 安徽理工大学 间歇性工作开关电源剩余寿命预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
武星 等: ""高压开关设备可靠性评价指标及计算方法探究"", 《高压电器》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063240A (zh) * 2018-06-20 2018-12-21 国家电网有限公司 基于早期失效期判别的特高压gis母线使用寿命评估方法
CN109063240B (zh) * 2018-06-20 2023-06-06 国家电网有限公司 基于早期失效期判别的特高压gis母线使用寿命评估方法
CN109255555A (zh) * 2018-10-16 2019-01-22 中国电力科学研究院有限公司 基于历史运行信息的电力大数据设备生命周期估计方法
CN109255555B (zh) * 2018-10-16 2023-10-27 中国电力科学研究院有限公司 基于历史运行信息的电力大数据设备生命周期估计方法
WO2022246758A1 (zh) * 2021-05-27 2022-12-01 西门子股份公司 产品状态量化和剩余寿命预测方法、装置和系统

Similar Documents

Publication Publication Date Title
Razi-Kazemi et al. Circuit-breaker automated failure tracking based on coil current signature
CN103454516B (zh) 智能化变电站二次设备健康状态诊断方法
CN104281982B (zh) 一种基于电网拓扑结构的变电站设备状态评估方法
CN108491990A (zh) 一种风电场设备状态评价及检修决策支持检测方法及系统
CN104392288B (zh) 一种高压断路器部件检修方法
CN103714493B (zh) Sf6断路器剩余寿命评估方法
CN106777577A (zh) 一种基于运行数据预测高压开关产品剩余寿命的方法
CN107657375A (zh) 一种用于电网故障判定、核查及故障影响范围分析的方法
CN103630768A (zh) 变电站内变压器故障诊断方法
CN104459378B (zh) 一种智能变电站故障诊断方法
CN104331042A (zh) 水电厂计算机监控系统的状态评价方法
CN104538957B (zh) 用于统计低频低压切负荷容量的电网模型自适应处理方法
CN110941918A (zh) 智能化变电站故障分析系统
CN104103019A (zh) 含分布式电源的配电网运行风险评估方法及评估系统
CN106529763B (zh) 一种配电系统运行分析方法和装置
CN109116181A (zh) 一种基于最大概率的故障指示器故障判定方法
CN113239526A (zh) 一种基于综合概率算法的配电网故障风险评估方法
CN106295240A (zh) 一种基于模糊数学的电力变压器状态评估方法
CN107563620A (zh) 一种基于设备全寿命信息的综合评价方法
CN104484828B (zh) 一种基于逻辑回归的高压电器运行质量评估方法及系统
CN103345715A (zh) 电力设备改造方法
CN114971168A (zh) 基于多系统交互的电缆线路同期线损率异常分析方法
CN116882595B (zh) 一种变电站综合性能预测方法及系统
Babu et al. Reliability evaluation of distribution structures considering the presence of false trips
CN114693186B (zh) 一种差异化组合式变电站多故障事件分析处理方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170531