CN107730121A - 电力设备的技改大修状态监测方法和系统 - Google Patents
电力设备的技改大修状态监测方法和系统 Download PDFInfo
- Publication number
- CN107730121A CN107730121A CN201710980057.6A CN201710980057A CN107730121A CN 107730121 A CN107730121 A CN 107730121A CN 201710980057 A CN201710980057 A CN 201710980057A CN 107730121 A CN107730121 A CN 107730121A
- Authority
- CN
- China
- Prior art keywords
- mrow
- power equipment
- cycle
- technological transformation
- unavailability
- 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
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及一种电力设备的技改大修状态监测方法和系统。上述电力设备的技改大修状态监测方法包括:获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,计算电力设备分别在各个运行周期内的总不可用率;根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数;识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,确定电力设备分别在各个运行周期技改大修所产生的累积收益;计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态。
Description
技术领域
本发明电力技术领域,特别是涉及一种电力设备的技改大修状态监测方法和系统。
背景技术
随着我国经济的发展和人民生活水平的提高,电力的需求量越来越大,建设坚强可靠的电网就显得至关重要。为了服务于我国经济的发展,应不断增加和优化电力设备投资的资金投入,加快电网建设的步伐。但是,电力设备投资项目通常规模大、技术复杂、建设环境多变,其从规划设计到建成投运,涉及的投资数额较大。此外,随着我国电力市场化改革的深入,电力企业之间的竞争愈演愈烈,电网企业将面临着巨大的竞争与挑战,低下的投资效率无法满足国家和社会对电网企业的要求。
近年来电力公司在压缩固定资产投资,对资产报废净值率的考核日趋严格,未达到运行年限的设备原则上不能进行改造,同时,电力公司对设备运行可靠性的要求日益提高,因此,在不进行改造的情况下,通过检修工作来提高设备运行的可靠性和运行年限等技改大修措施对电网的可靠运行具有决定性作用。而电力设备技改大修状态的监测,即在技改大修状态对电力设备所在系统进行技改大修,是其进行技改大修过程中的重要环节。过传统方案在监测电力设备技改状态的过程中,所参照的因素单一,容易影响对电力设备进行技改大修的效果。
发明内容
基于此,有必要针对传统方案容易影响对电力设备进行技改大修效果的技术问题,提供一种电力设备的技改大修状态监测方法和系统。
一种电力设备的技改大修状态监测方法,包括如下步骤:
获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率;
根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数;
识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益;
计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态。
一种电力设备的技改大修状态监测系统,包括:
获取模块,用于获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率;
第一确定模块,用于根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数;
第二确定模块,用于识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益;
计算模块,用于计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态。
上述电力设备的技改大修状态监测方法和系统,可以获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,计算电力设备分别在各个运行周期内的总不可用率,根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数,识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,以确定电力设备分别在各个运行周期技改大修所产生的累积收益,再计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态,以在上述最大差值对应的运行周期内确定电力设备的技改大修状态,使电力设备在上述技改大修状态(最大差值对应的运行周期内)进行相应的技改大修,可以提高对电力设备进行技改大修的效果,使电力系统获取极大的收益。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上所述的电力设备的技改大修状态监测方法。
上述计算机可读存储介质上存储的计算机程序,被处理器执行时可以实现如上所述的电力设备的技改大修状态监测方法,可以提高电力设备技改大修的效果。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的电力设备的技改大修状态监测方法。
上述计算机设备中,处理器执行所述程序时可以实现如上所述的电力设备的技改大修状态监测方法,可以对电力设备技改大修时间进行较为准确的确定,保证相应技改大修的效果。
附图说明
图1为一个实施例的电力设备的技改大修状态监测方法流程图;
图2为一个实施例的电力设备的技改大修状态监测系统结构示意图;
图3为一个实施例的计算机设备结构示意图。
具体实施方式
下面结合附图对本发明的电力设备的技改大修状态监测方法和系统的具体实施方式作详细描述。
参考图1,图1所示为一个实施例的电力设备的技改大修状态监测方法流程图,包括如下步骤:
S10,获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率;
上述运行周期可以为一年,即电力设备的一个服役年份为电力设备的一个运行周期。电力设备在各个运行周期内均具有相应的平均失效频率、平均修复时间、服役年龄和后续时间区间,依据电力设备在某运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间这些参数,可以对电力设备在该运行周期内的总不可用率进行计算。具体地,评估老化电力设备对电力系统风险的影响,可以考虑两种设备不可用率,分别是可修复失效不可用率和老化失效不可用率,上述可修复失效不可用率可以依据平均失效频率、平均修复时间进行确定,上述老化失效不可用率可以依据服役年龄、后续时间区间等参数进行确定,分别对上述可修复失效不可用率和老化失效不可用率进行相应的确定后,再应用并集概念,计算电力设备的总不可用率。
S20,根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数;
上述期望缺供电量可以基于电力设备的威布尔分布模型进行确定,具体可以运用蒙特卡洛模拟法对电力设备所在系统的期望缺供电EENS指标(期望缺供电量)进行相应计算。
S30,识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益;
随着电力设备的老化,可靠性降低,电力设备所在系统风险增加,但同时也会存在延期收益,新设备投资费用的延迟投入会产生利息,减去老化线路的维修费用,即可获得推迟技改大修的净收益,对相应的累积收益进行确定。
S40,计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态。
上述技改大修状态可以表示电力设备需要进行技改大修的状态。
上述步骤可以依据累积收益与累计期望损失费用参数设置各个运行周期的构造函数F(m),其中,F(m)=Cinc-CR,对maxF(m)(F(m)的最大值)进行确定,便可以识别累积收益与累计期望损失费用参数之间的差值最大的运行周期,进而在该运行周期内监测电力设备的技改大修状态,确定电力设备的技改大修时间,对电力设备以及电力设备所在的系统进行技改大修,使电力设备的技改大修获得最大收益。
上述包括S10至S40的电力设备的技改大修状态监测方法,可用于同类电力设备技改大修时间的确定,有效提高了所确定的技改大修时间的准确性,保证电力设备技改大修的效果。
本实施例提供的电力设备的技改大修状态监测方法,可以获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,计算电力设备分别在各个运行周期内的总不可用率,根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数,识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,以确定电力设备分别在各个运行周期技改大修所产生的累积收益,再计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态,以在上述最大差值对应的运行周期内确定电力设备的技改大修状态,使电力设备在上述技改大修状态(最大差值对应的运行周期内)进行相应的技改大修,可以提高对电力设备进行技改大修的效果,使电力系统获取极大的收益。
在一个实施例中,上述根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率的过程可以包括:
根据所述平均失效频率、平均修复时间以及电力设备的可修复失效不可用率计算公式计算电力设备的可修复失效不可用率;
根据所述服役年龄、后续时间区间以及电力设备的老化失效不可用率计算公式计算电力设备的老化失效不可用率;
将所述可修复失效不可用率和老化失效不可用率代入总不可用率计算公式计算电力设备的总不可用率。
本实施例对电力设备的可修复失效不可用率和老化失效不可用率分别进行确定,进而对电力设备的总不可用率进行计算,可以保证计算得到的总不可用率的准确性。
作为一个实施例,上述可修复失效不可用率计算公式可以为:
式中,ur表示可修复失效不可用率,f表示平均失效频率,单位可以为次/年(若一个运行周期为一年),MTTR表示平均修复时间(mean time to repair),单位可以为h/次,k表示可修复失效系数,上述可修复失效系数k可以依据电力设备的具体特征进行确定,如确定为8760等值;
所述老化失效不可用率计算公式为:
式中,ua表示老化失效不可用率,t表示后续时间区间,D表示将t等分为N个时段后各个时段的长度,Pi表示第i个时段内电力设备的失效概率;
所述总不可用率计算公式为:
ut=ur+ua-urua,
式中,ut表示总不可用率。
本实施例可以通过包含可修复失效不可用率和老化失效不可用率的总不可用率评估电力设备老化对电力系统风险的影响,其考虑两种设备不可用率,更为完整。
作为一个实施例,上述第i个时段内电力设备的失效概率Pi通过失效概率计算公式确定,所述失效概率计算公式为:
式中,T表示电力设备的服役年龄,α表示电力设备的尺度参数,β表示电力设备的形状参数。
作为一个实施例,上述电力设备的尺度参数α,形状参数β等参数可以通过对电力设备抽样并进行相应实验确定。具体地,上述尺度参数α,形状参数β的确定过程可以包括:
从一批电力设备中随机抽取n个样品进行定时或定数截尾寿命实验,如果进行定时截尾寿命实验,其截尾时间为τ,在截尾时间之前有r个样品失效,对应的实验数据为:t1≤t2≤…≤tr≤τ。
如果进行定数截尾寿命实验,设其截尾数为τ,则实验数据为t1≤t2≤…≤tr。为了表示统一,对于定数截尾寿命实验可以规定τ=tr。
若产品寿命分布为W(α,β),则实验数据的对数似然函数为:
对对数似然函数求导,可得到似然方程为:
上述方程组是一个超越方程组,在解上述方程组时,可以首先用图估计法或其他方法取得迭代初值,再用Newton迭代方法求出α、β的MLE得到参数α、β的极大似然估计就可以得到Weibull分布(威布尔分布)可靠性指标的估计。
作为一个实施例,在电力系统可靠性分析实践中,电力设备状态的随机变化过程需要用可靠性理论的方法进行描述和处理。根据可靠性理论,确定设备的老化失效模型时,可以采用威布尔分布。该分布由上述电力设备的尺度参数α和形状参数β确定。
因此,为能准确分析设备和系统的可靠性,以电力设备的一个运行周期为一年为例,可以执行如下过程:
(1)对相同运行条件下同类电力设备的历史运行数据进行长期的统计,包括已退役设备和在役设备,并将历史数据加工成能反映该设备可靠性水平的数据。对于已退役设备,收集其投运年份和退役年份;对于在役设备,可以收集运行年份数据。
(2)还可以统计收集数据并列表。第1列为服役年份;第2列为服役年份对应的设备存活概率。对于已退役的设备,其服役年份可以为退役年份与投运年份之差。对于在役设备,其服役年份为当前年份与投运年份之差。由步骤(1)收集的数据,可以方便地得到每个年份的在役设备数和退役设备数。每个年份的离散失效概率为该年的退役设备数除以对应的在役设备数。每个年份的存活概率等于1与该年的累积失效概率之差。
威布尔分布模型的可靠性函数可以为:
式中,R表示存活概率,T表示电力设备的服役年龄。
在步骤(2)建立的存活概率表中,可以有M行数据,每行数据对应的R和T以一定误差满足威布尔分布模型的可靠性函数,通过相应计算可得到M对R和T所对应的误差平方和为:
式中,当L取得最小值时,α和β的估计值为最优估计值。可用最优化方法求解上述威布尔分布模型。由上述威布尔分布模型可见,已退役的设备和在役设备对电力设备各个参数估计的值均有贡献,因此,需要收集相同运行条件下同类设备的数据,包括已退役设备和在役设备。
在一个实施例中,上述根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数的过程可以包括:
将电力设备在第j个运行周期内的期望缺供电量和总不可用率代入累计期望损失费用计算公式计算电力设备在的第j个运行周期内累计期望损失费用参数;所述累计期望损失费用计算公式为:
式中,CR表示累计期望损失费用,m表示电力设备技改大修所在的运行周期数,表示第j个运行周期内的期望缺供电量(如考虑线路老化失效和可修复失效时,规划期内第j年的期望缺供电量),表示第j个运行周期内的总不可用率,UIC表示电力设备的单位停电损失参数,UIC的单位可以为元/kWh。
本实施例可以对电力设备运行年限等运行周期的增长,其可靠性逐渐降低,设备老化失效的不可用率随老化而逐渐增大,系统风险逐渐增大,若电力设备所在线路线路推迟到第m个运行周期更新,对电力设备所在系统造成的累计期望损失费用进行相应的确定。
作为一个实施例,上述期望缺供电量可以通过电力设备的EENS指标计算公式确定,所述EENS指标计算公式为:
式中,EENS表示期望缺供电量,Nl表示电力设备多级负荷水平的数目,Fl多级负荷模型中第l级负荷水平下电力设备所在系统全部失效状态集合,pw(S)表示电力设备所在系统的状态概率,具体地,pw(S)=m(S)/M,即M次抽样过程中状态S出现的比例;D(S)表示电力设备所在系统为状态S的系统总负荷削减量,Tl表示第l级负荷水平的时间长度。
作为一个实施例,上述电力设备所在系统为状态S的系统总负荷削减量D(S)可由最优化潮流模型计算确定,上述最优化潮流模型可以包括目标函数和约束条件,目标函数可以为:
约束条件可以包括:
T(S)=A(S)(G-P+D),
0≤Di≤Pi(i∈ψ),
式中,T(S)是失效状态S下的电力设备所在线路有功潮流矢量,A(S)是失效状态S的有功潮流和注入功率间的关系矩阵,G是发电输出功率矢量,P是负荷功率矢量,D是负荷削减矢变量,Gi、Pi、Di和Tk(S)分别是G、P、D和T(S)的元素;和分别Gi和Tk(S)的限值;Ω、ψ和θ分别是系统发电母线、负荷母线及支路的集合。最优化潮流模型的目标是求取满足功率平衡、直流潮流方程及线路潮流和发电处理约束条件下的最小负荷削减总量。
在一个实施例中,上述根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益的过程可以包括:
将投入成本参数和维修费用参数代入累积收益计算公式计算电力设备在相应运行周期技改大修所产生的累积收益;所述累积收益计算公式为:
式中,Cinc表示累积收益,m表示电力设备技改大修所在的运行周期数,r表示新设备投资费用的年利率,V表示投入成本参数(如电力设备所在线路更新需要投入的资金),B表示维修费用参数(如老化线路每年的维修费用),φ表示折现率,其取值范围可以为3%-5%。
本实施例提供的累积收益确定过程考虑到资金的时间价值,具有更高的准确性。
作为一个实施例,随着电力设备的老化,可靠性降低,相应系统风险增加,但同时也会存在延期收益。新设备投资费用的延迟投入会产生利息,减去老化线路的维修费用,即可获得推迟技改大修的净收益。若推迟m年,获得的累积收益还可以表示为:
式中,Ci'nc表示未考虑资金时间价值的累积收益,m表示电力设备技改大修所在的运行周期数,r表示新设备投资费用的年利率,V表示投入成本参数(如电力设备所在线路更新需要投入的资金),B表示维修费用参数(如老化线路每年的维修费用)。上式中的第一部分表示推迟线路更新获得的累积利息,可用复利概念来计算,第二部分表示推迟线路更新而多支付的维修费用。
本实施例提供的电力设备的技改大修状态监测方法,以可靠性理论的电力设备技改大修投资效益评估体系为基础。从电力设备的可靠性评价出发,解析目前电力设备可靠性效益评估的结构组成,在此基础上,结合可靠性优化理论,研究可靠性成本与效益的相关关系,并依据可靠性理论平衡分配,将可靠性理论应用到电力设备技改大修的投资效益评估中去,保证了所确定的技改大修时间确定所产生的收益。
参考图2所示,图2为一个实施例的电力设备的技改大修状态监测系统结构示意图,包括:
获取模块10,用于获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率;
第一确定模块20,用于根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数;
第二确定模块30,用于识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益;
计算模块40,用于计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态。
本发明提供的电力设备的技改大修状态监测系统与本发明提供的电力设备的技改大修状态监测方法一一对应,在所述电力设备的技改大修状态监测方法的实施例阐述的技术特征及其有益效果均适用于电力设备的技改大修状态监测系统的实施例中,特此声明。
基于如上所述的示例,一个实施例中还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上所述的电力设备的技改大修状态监测方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性的计算机可读取存储介质中,如本发明实施例中,该程序可存储于计算机系统的存储介质中,并被该计算机系统中的至少一个处理器执行,以实现包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
基于如上所述的示例,参考图3所示,本发明还提供一种计算机设备60,该计算机设备包括存储器61、处理器62及存储在存储器61上并可在处理器62上运行的计算机程序,所述处理器62执行所述程序时实现如上述各实施例中的任意一种电力设备的技改大修状态监测方法。
上述计算机设备60可以包括电脑等智能处理设备。本领域普通技术人员可以理解存储器61存储的计算机程序,与上述电力设备的技改大修状态监测方法实施例中的描述相对应,处理器62还可用于执行存储器61所存储的其他可执行指令。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电力设备的技改大修状态监测方法,其特征在于,包括如下步骤:
获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率;
根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数;
识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益;
计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态。
2.根据权利要求1所述的电力设备的技改大修状态监测方法,其特征在于,所述根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率的过程包括:
根据所述平均失效频率、平均修复时间以及电力设备的可修复失效不可用率计算公式计算电力设备的可修复失效不可用率;
根据所述服役年龄、后续时间区间以及电力设备的老化失效不可用率计算公式计算电力设备的老化失效不可用率;
将所述可修复失效不可用率和老化失效不可用率代入总不可用率计算公式计算电力设备的总不可用率。
3.根据权利要求2所述的电力设备的技改大修状态监测方法,其特征在于,所述可修复失效不可用率计算公式为:
<mrow>
<msub>
<mi>u</mi>
<mi>r</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mo>&CenterDot;</mo>
<mi>M</mi>
<mi>T</mi>
<mi>T</mi>
<mi>R</mi>
</mrow>
<mi>k</mi>
</mfrac>
<mo>,</mo>
</mrow>
式中,ur表示可修复失效不可用率,f表示平均失效频率,MTTR表示平均修复时间,k表示可修复失效系数;
所述老化失效不可用率计算公式为:
<mrow>
<msub>
<mi>u</mi>
<mi>a</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>t</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<mo>&lsqb;</mo>
<mi>t</mi>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>D</mi>
<mo>/</mo>
<mn>2</mn>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
式中,ua表示老化失效不可用率,t表示后续时间区间,D表示将t等分为N个时段后各个时段的长度,Pi表示第i个时段内电力设备的失效概率;
所述总不可用率计算公式为:
ut=ur+ua-urua,
式中,ut表示总不可用率。
4.根据权利要求3所述的电力设备的技改大修状态监测方法,其特征在于,所述第i个时段内电力设备的失效概率Pi通过失效概率计算公式确定,所述失效概率计算公式为:
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>exp</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mi>T</mi>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>D</mi>
</mrow>
<mi>&alpha;</mi>
</mfrac>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>&beta;</mi>
</msup>
<mo>-</mo>
<mi>exp</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mi>T</mi>
<mo>+</mo>
<mi>i</mi>
<mi>D</mi>
</mrow>
<mi>&alpha;</mi>
</mfrac>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>&beta;</mi>
</msup>
</mrow>
<mrow>
<mi>exp</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>-</mo>
<mfrac>
<mi>T</mi>
<mi>&alpha;</mi>
</mfrac>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>&beta;</mi>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
式中,T表示电力设备的服役年龄,α表示电力设备的尺度参数,β表示电力设备的形状参数。
5.根据权利要求1所述的电力设备的技改大修状态监测方法,其特征在于,所述根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数的过程包括:
将电力设备在第j个运行周期内的期望缺供电量和总不可用率代入累计期望损失费用计算公式计算电力设备在的第j个运行周期内累计期望损失费用参数;所述累计期望损失费用计算公式为:
<mrow>
<msub>
<mi>C</mi>
<mi>R</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mi>EENS</mi>
<mi>j</mi>
</msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>U</mi>
<mi>t</mi>
<mi>j</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>U</mi>
<mi>I</mi>
<mi>C</mi>
<mo>,</mo>
</mrow>
式中,CR表示累计期望损失费用,m表示电力设备技改大修所在的运行周期数,表示第j个运行周期内的期望缺供电量,表示第j个运行周期内的总不可用率,UIC表示电力设备的单位停电损失参数。
6.根据权利要求5所述的电力设备的技改大修状态监测方法,其特征在于,所述期望缺供电量通过电力设备的EENS指标计算公式确定,所述EENS指标计算公式为:
<mrow>
<mi>E</mi>
<mi>E</mi>
<mi>N</mi>
<mi>S</mi>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>l</mi>
</msub>
</munderover>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>S</mi>
<mo>&Element;</mo>
<msub>
<mi>F</mi>
<mi>l</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>p</mi>
<mi>w</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>T</mi>
<mi>l</mi>
</msub>
<mo>,</mo>
</mrow>
式中,EENS表示期望缺供电量,Nl表示电力设备多级负荷水平的数目,Fl多级负荷模型中第l级负荷水平下电力设备所在系统全部失效状态集合,pw(S)表示电力设备所在系统的状态概率,D(S)表示电力设备所在系统为状态S的系统总负荷削减量,Tl表示第l级负荷水平的时间长度。
7.根据权利要求1至6任一项所述的电力设备的技改大修状态监测方法,其特征在于,所述根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益的过程包括:
将投入成本参数和维修费用参数代入累积收益计算公式计算电力设备在相应运行周期技改大修所产生的累积收益;所述累积收益计算公式为:
<mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mi>r</mi>
<mi>V</mi>
<mo>-</mo>
<mi>B</mi>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&phi;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mfrac>
<mo>,</mo>
</mrow>
式中,Cinc表示累积收益,m表示电力设备技改大修所在的运行周期数,r表示新设备投资费用的年利率,V表示投入成本参数,B表示维修费用参数,φ表示折现率。
8.一种电力设备的技改大修状态监测系统,其特征在于,包括:
获取模块,用于获取电力设备在各个运行周期内的平均失效频率、平均修复时间、服役年龄和后续时间区间,根据所述平均失效频率、平均修复时间、服役年龄和后续时间区间计算电力设备分别在各个运行周期内的总不可用率;
第一确定模块,用于根据电力设备在各个运行周期内的期望缺供电量和总不可用率分别确定电力设备的累计期望损失费用参数;
第二确定模块,用于识别所述电力设备分别在各个运行周期内技改大修时,电力设备所在线路更新所需的投入成本参数和维修费用参数,根据所述投入成本参数和维修费用参数确定电力设备分别在各个运行周期技改大修所产生的累积收益;
计算模块,用于计算各个运行周期的累积收益与累计期望损失费用参数之间的差值,在最大差值对应的运行周期内监测电力设备的技改大修状态。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任意一项所述的电力设备的技改大修状态监测方法。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任意一项所述的电力设备的技改大修状态监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710980057.6A CN107730121A (zh) | 2017-10-19 | 2017-10-19 | 电力设备的技改大修状态监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710980057.6A CN107730121A (zh) | 2017-10-19 | 2017-10-19 | 电力设备的技改大修状态监测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107730121A true CN107730121A (zh) | 2018-02-23 |
Family
ID=61212109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710980057.6A Pending CN107730121A (zh) | 2017-10-19 | 2017-10-19 | 电力设备的技改大修状态监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730121A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668249A (zh) * | 2020-07-17 | 2021-04-16 | 国网山东省电力公司电力科学研究院 | 电网一次设备大修技改方案在线构建方法及系统 |
CN113077124A (zh) * | 2021-03-15 | 2021-07-06 | 国家电网有限公司 | 一种电网逾龄设备技改后剩余可使用年限的评估方法 |
TWI752273B (zh) * | 2018-03-28 | 2022-01-11 | 日商三菱電機股份有限公司 | 更新計畫作成支援裝置及更新計畫作成支援方法 |
-
2017
- 2017-10-19 CN CN201710980057.6A patent/CN107730121A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI752273B (zh) * | 2018-03-28 | 2022-01-11 | 日商三菱電機股份有限公司 | 更新計畫作成支援裝置及更新計畫作成支援方法 |
CN112668249A (zh) * | 2020-07-17 | 2021-04-16 | 国网山东省电力公司电力科学研究院 | 电网一次设备大修技改方案在线构建方法及系统 |
CN113077124A (zh) * | 2021-03-15 | 2021-07-06 | 国家电网有限公司 | 一种电网逾龄设备技改后剩余可使用年限的评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Loukatou et al. | Stochastic wind speed modelling for estimation of expected wind power output | |
CN112686464A (zh) | 短期风电功率预测方法及装置 | |
CN105447594A (zh) | 一种基于指数平滑的电力系统灰色负荷预测方法 | |
Wan et al. | Probabilistic load flow computation using first-order second-moment method | |
DE112018000125B4 (de) | Quantifizieren einer kombinierten Auswirkung untereinander abhängiger unsicherer Ressourcen in einem elektrischen Stromnetz | |
CN107730121A (zh) | 电力设备的技改大修状态监测方法和系统 | |
CN106203723A (zh) | 基于rt重构eemd‑rvm组合模型的风功率短期区间预测方法 | |
Almutairi et al. | Use of MCMC to incorporate a wind power model for the evaluation of generating capacity adequacy | |
CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
CN106600037B (zh) | 一种基于主成分分析的多参量辅助负荷预测方法 | |
CN112712281B (zh) | 一种基于云模型的储能工况适应性综合评估方法及系统 | |
CN111967777A (zh) | 一种储能促进清洁能源利用价值的综合评价方法 | |
CN105488598A (zh) | 一种基于模糊聚类的中长期电力负荷预测方法 | |
CN107122919A (zh) | 一种基于智能运营的配网效能评估方法及系统 | |
CN114139940A (zh) | 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法 | |
CN103985062B (zh) | 一种配电网主设备状态检修综合评价方法 | |
CN109728607B (zh) | 一种风电消纳评估方法及装置 | |
Lin et al. | RLOPF (risk-limiting optimal power flow) for systems with high penetration of wind power | |
Ruciński | The impact of the size of the training set on the predictive abilities of neural models on the example of the Day-Ahead Market System of TGE SA | |
CN106097141A (zh) | 光伏发电系统置信容量的三元区间数评估方法 | |
Qin et al. | Uncertainty analysis of power grid investment capacity based on Monte Carlo | |
Mbasso et al. | Demand-supply forecasting based on deep learning for electricity balance in Cameroon | |
CN104573313A (zh) | 峰谷分时电价下的用户响应模型的获取方法及系统 | |
CN111144682A (zh) | 一种配电网运行效率主要影响因素挖掘方法 | |
CN108805366A (zh) | 基于决策形式背景的多因素自适应神经网络电力负荷预测方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |
|
RJ01 | Rejection of invention patent application after publication |