CN107852025B - 电力传输和配送设备事件排序系统 - Google Patents

电力传输和配送设备事件排序系统 Download PDF

Info

Publication number
CN107852025B
CN107852025B CN201580081935.XA CN201580081935A CN107852025B CN 107852025 B CN107852025 B CN 107852025B CN 201580081935 A CN201580081935 A CN 201580081935A CN 107852025 B CN107852025 B CN 107852025B
Authority
CN
China
Prior art keywords
data
power transmission
subsequence
distribution equipment
criticality
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.)
Active
Application number
CN201580081935.XA
Other languages
English (en)
Other versions
CN107852025A (zh
Inventor
李明
周勤
G·博伊尔
C·谢卡尔
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.)
Accenture Global Services Ltd
Original Assignee
Accenture Global Services 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 Accenture Global Services Ltd filed Critical Accenture Global Services Ltd
Publication of CN107852025A publication Critical patent/CN107852025A/zh
Application granted granted Critical
Publication of CN107852025B publication Critical patent/CN107852025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/003—Environmental or reliability tests
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B3/00—Line transmission systems
    • H04B3/54—Systems for transmission via power distribution lines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
    • G01N2021/1704—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids in gases
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Automation & Control Theory (AREA)
  • Environmental & Geological Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了一种用于开发针对电力系统中的电力传输和配送设备的复合序列的方法和系统。该系统包括排序生成电路，其用于根据综合统计子序列、利用子序列、维护子序列、性能子序列、关键程度子序列和条件子序列来生成用于电力传输和配送设备的复合序列。该系统还包括第一子模型，其用于预测电力系统中的电力传输和配送设备的未来设备序列；以及第二子模型，其生成用于替换公用设施资产的替换控制方案。

Description

电力传输和配送设备事件排序系统
技术领域
本发明涉及电力传输和配送设备的控制和监测领域，具体涉及一种用于为电力传输和配送设备进行事件排序系统和方法。
背景技术
传输和配送公用设施正在运营大量高价值的工业资产，对公司运营条件和能源供应的安全性都有着至关重要的影响。此外，潜在风险可能会大大缩短被设计为在数十年内服务的这些资产的寿命。因此，最好对公用设施资产进行综合评估，标识早期风险，并相应做出维修和更换决定。然而，这可能是个具有挑战性的任务，因为：(1)难以使用广泛范围的操作、测试和维护数据对当代电气设备进行综合评价；(2)考虑到资产性能预测外加运营约束，优化较长时间内的资产维修和更换具有挑战性。为了进行资产健康和风险评估以及资产更换和升级模拟，需要一种用于为电力传输和配送设备进行事件排序的系统和方法。
发明内容
本公开的示例至少提供了用于电力系统中的电力传输和配送设备的事件排序的计算机系统和计算机实现的方法。
在一个实施例中，本公开提供了一种用于开发针对电力系统中的电力传输和配送设备的复合序列和替换控制方案的系统。该系统可以包括存储器、显示器、通信接口、以及与存储器、通信接口和显示器通信的电路。该电路可以包括监测子例程，其用于摄取从监测的电力传输和配送设备接收的数据，并且将所述摄取的数据存储在存储器中。
该系统可以包括第一子模型，其可以被配置为开发针对电力系统中的电力传输和配送设备的未来设备序列，其中未来设备序列可以反映电力传输和配送设备的未来条件，并且第一子模型通过使用从监测电力传输和配送设备接收的摄取的数据来训练。
该系统还可以包括第二子模型，其被配置为根据训练的第一子模型开发替换控制方案，其中可以执行替换控制方案以替换包括电力系统中的电力传输和配送设备的公用设施资产，并且其中第二子模型可以通过使用用于电力传输和配送设备的多个未来维护约束来构造，并且其中第一子模型的输入可以根据构造的第二模型来更新，并且所开发的条件序列和来自所开发的替换控制方案的输出被显示在显示器上的用户界面中。
在另一实施例中，本公开提供了一种用于电力系统中的电力传输和配送设备的事件排序系统。该系统可以包括存储器、显示器、通信接口、排序数据库和排序生成电路。通信接口可以被配置为接收：表示与电力传输和配送设备的预期寿命相关的设备参数的综合统计数据，用于检测电力传输和配送设备何时超过其设计能力的使用数据，表示与维护电力传输和配送设备相关的成本的维护数据，包含反映电力传输和配送设备的可靠性的强制中断的性能数据，包括由反映电力系统中的电力传输和配送设备的重要性的关键程度数据填充的查找表的关键程度数据，以及包括电力系统中的电力传输和配送设备的测试结果数据的条件数据。
排序数据库可以被配置为存储来自通信接口的综合统计数据、利用数据、维护数据、性能数据关键程度数据和条件数据，并且排序生成电路与排序数据库通信，排序生成电路可以被配置为：通过使用综合统计数据来开发综合统计子序列，通过使用利用数据来开发利用子序列，通过使用维护数据来开发维护子序列，通过使用性能数据来开发性能子序列，通过使用关键程度数据来开发关键程度子序列，通过使用条件数据来开发条件子序列，通过使用综合统计子序列、利用子序列、维护子序列中、性能子序列、关键程度子序列和条件子序列来开发用于包括电力系统中的电力传输和配送设备在内的多个公用设施资产的复合序列，以及在第一用户界面中显示复合序列。
排序生成电路还可以建立第一子模型以通过使用复合序列来预测未来设备序列，通过使用综合统计数据、利用数据、维护数据、性能数据和关键程度数据的子集来训练第一子模型，通过使用多个未来维护约束来构造第二子模型，根据第二子模型和经训练的第一子模型来开发包括电力系统中的电力传输和配送设备在内的公用设施资产的替换控制方案，在显示器的第二用户界面中显示替换控制方案的输出，以及根据构造的第二子模型更新第一子模型的输入。
更进一步的，在实施例中，本发明提供了一种用于电力系统中的电力传输和配送设备的事件排序方法，该事件排序方法可以包括：从通信接口接收综合统计数据，该综合统计数据表示与电力传输和配送设备的预期寿命相关的设备参数；从通信接口接收利用数据，该利用数据用于检测电力传输和配送设备何时超过其设计能力；从通信接口接收维护数据，该维护数据表示与维护电力传输和配送设备相关联的成本；从通信接口接收性能数据，该性能数据包含反映电力传输和配送设备的可靠性的强制中断；从通信接口接收关键程度数据，该关键程度数据包括由反映电力系统中的电力传输和配送设备的重要性的关键程度数据填充的查找表；从通信接口接收条件数据，该条件数据包括电力系统中的电力传输和配送设备的测试结果数据。
该方法还可以包括：将来自通信接口的综合统计数据、利用数据、维护数据、性能数据、关键程度数据以及条件数据存储到排序数据库中；排序生成电路通过使用综合统计数据来开发综合统计子序列；排序生成电路通过使用利用数据来开发利用子序列；排序生成电路通过使用维护数据来开发维护子序列；排序生成电路通过使用性能数据来开发性能子序列；排序生成电路通过使用关键程度数据来开发关键程度子序列；排序生成电路通过使用条件数据来开发条件子序列；排序生成电路通过使用综合统计子序列、利用子序列、维护子序列、性能子序列、关键程度子序列以及条件子序列来开发包括电力系统中的电力传输和配送设备在内的多个公用设施资产的复合序列；以及排序生成电路在第一用户界面中显示复合序列。
该方法可以进一步包括：建立第一子模型以通过使用复合序列来预测未来设备序列；通过使用综合统计数据、利用数据、维护数据、性能数据和关键程度数据的子集来训练第一子模型；通过使用多个未来维护约束来构造第二子模型；根据第二子模型和经训练的第一子模型来开发包括电力系统中的电力传输和配送设备在内的公用设施资产的替换控制方案；在第二用户界面中显示替换控制方案的输出；以及根据构造的第二子模型更新第一子模型的输入。
附图说明
参考以下附图和描述可以更好地理解该系统和/或方法。参考以下附图对非限制性和非穷尽性的描述进行描述。附图中的部件不一定按比例绘制，而是将重点放在说明原理上。在附图中，除非另外指明，否则相同的附图标记可以指代贯穿不同附图的相同零部件。
图1示出了描绘用于电力传输和配送设备的事件排序的示例系统图。
图2图示了用于电力传输和配送设备的事件排序方法的高级逻辑流程的示例。
图3图示了关键风险指数与复合指数之间的关系的示例。
图4图示了开发资产风险指数的示例过程。
图5示出了资产模拟模型的示例。
图6图示了示出在形状参数恒定而尺度参数不同的用户界面中显示的风险指数的示例。
图7示出了说明有功功率和无功功率的数据点的数目的示例。
图8示出了说明视在功率的数据点的数目的示例。
图9示出了视在功率的过载数据点的示例。
图10示出了经济风险指数的整体结构/工作流程的示例。
图11示出了用于映射经济风险指数的连续函数的曲线的示例。
图12示出了可以通过调谐参数而改变的曲线的陡度的示例。
图13示出了被映射到风险指数的二十(20)个变压器的二十(20)个比例值。
图14示出了使用成本关键程度的分段线性函数的示例。
图15示出了用于开发额定容量的非线性函数的示例。
图16示出了使用非线性函数计算的变压器的负载子风险指数的示例。
图17示出了大卫三角形(Duval Triangle)三元图的示例。
图18示出了大卫三角形的五个样本点的示例。
图19示出了大卫三角形区域和解释的示例。
图20示出了大卫三角形区域的边界值的示例。
图21示出了子风险指数的大卫三角形可视化。
图22图示了简化的资产投资模拟。
图23示出了说明从比例到子风险指数的转换的示例。
图24图示了模拟框架的处理逻辑。
图25示出了拟合脊线函数(spine line function)的示例。
图26示出了用综合数据集合训练模型的示例。
图27示出了非线性模型的示例。
图28示出了25年来不更换模拟场景的示例。
图29示出了用于替换25年来的每年中具有最差条件的12个资产的模拟场景的示例。
图30示出了用于替换复合风险指数大于72的但是一年中不超过15个资产(25年来273个资产)的模拟情景的示例。
图31示出了用于针对电力传输和配送设备进行事件排序的基础设施体系架构的示例
图32示出了用于针对电力传输和配送设备进行事件排序的平台参考体系架构的示例。
图33图示了可以用于针对电力传输和配送设备进行事件排序的计算机系统的示例。
具体实施方式
从结合附图的下面的具体实施方式中，本公开的示例中的目的、技术建议和优点将变得清楚和完整。本文中所描述的示例仅仅是本公开的示例的一部分，而非全部示例。本领域的技术人员可以基于这些示例来在没有付出创造性劳动的情况下获得所有其他示例。
传输和配送公用设施(“公用设施”)正在运营大量高价值的工业资产，诸如电力传输和配送设备。这些工业资产可能对公司的运营条件和能源供应的安全性产生重大影响。潜在的风险可能会大大缩短被设计为在数十年内服务的这些资产的寿命。因此，最好对公用设施资产进行综合评估，确定早期风险，并且相应地做出维修和更换决定。
然而，对公用设施资产进行综合评估和早期风险标识以做出维修和替换决定可能是个具有挑战性的任务，因为：(1)公用设施可能在广大的地理区域中管理大量高价值资产。可能很难评价资产本身的风险以及外部因子，诸如负载水平和下游电力用户。(2)当代电气设备可能会从投资、运营、测试、维护和客户相关方面生成大量数据。如此，规划人员通常可能缺乏足够的知识和工具以基于大量数据来进行复杂分析。(3)长期资产管理可能需要一致性和透明度。然而，当前很多公用设施仍然可能依靠当地的知识库(诸如经验丰富的人员)来做出决定。但是，不同人员的不同的意见可能导致不一致的做法。而且，经验丰富的员工可能会换工作或退休，并且可能导致知识流失。(4)当维护和升级网络时，公用设施需要提高服务质量，同时降低成本。然而，考虑到资产健康劣化、诸如财务约束和不同的投资策略之类的各种约束，优化投资并且做出由数据驱动的决定可能是个具有挑战性的任务。
本公开提供了一种用于针对电力传输和配送设备进行事件排序的系统和方法，以提供用于资产健康和风险评估以及资产替换和升级模拟的序列。可以设计风险因子和计算算法集合以通过利用多个数据点和定制的非线性方程为资产风险的综合评估提供事件排序。更进一步地，可以为事件排序开发包括第一子模型(资产子模型)和第二子模型(投资子模型)的投资模拟框架。一个子模型的输出与另一子模型的输入周期性链接，其在给定的初始条件和包括财务约束在内的各种约束条件下形成闭环以预测设备健康。所公开的系统和方法可以提供对资产健康的综合评估并且标识潜在的风险。所公开的系统和方法还可以优先考虑资产替换/升级计划，并且给出了对长期资产投资更好的洞察。
图1示出了描绘用于电力传输和配送设备100的事件排序的示例系统图。如图1所示，事件排序系统101可以包括通信接口103、排序数据库102和排序生成电路105。事件排序系统101还可以包括一个或多个处理器或中央处理单元(CPU)104和存储器106，其可以是暂态的或非暂态的。
如图1所示的通信接口103可以接收综合统计数据1021、利用数据1022、维护数据1023、性能数据1024、关键程度数据1025和条件数据1026。通信接口103可以经由网络120从电力传输和配送设备1021接收数据。如图1所示，可以将接收到的综合统计数据1021、利用数据1022、维护数据1023、性能数据1024、关键程度数据1025和条件数据1026存储在排序数据库102中。
综合统计数据1021可以表示可以与电力传输和配送设备的预期寿命相关的设备参数。利用数据1022可以被用于检测电力传输和配送设备何时超过其设计能力。维护数据1023可以表示可能与维护电力传输和配送设备相关联的成本。性能数据1024可能包含可能反映电力传输和配送设备的可靠性的强制中断。并且，关键程度数据1025可以包括可以由可以反映电力系统中的电力传输和配送设备的重要性的关键程度数据填充的查找表。
排序生成电路105可以与排序数据库102和显示电路107通信，该显示电路107可以包括第一用户界面1071、第二用户界面1072和第三用户界面1073。排序生成电路105可以包括程序指令1051，并且排序生成电路105可以与CPU 104、存储器106和排序数据库102通信。程序指令1051可以由CPU 104执行，并且程序指令1051可以被配置为执行以下任务，例如，通过使用综合统计数据1021来开发综合统计子序列1061，通过使用利用数据1022来开发利用子序列1062，通过使用维护数据1023来开发维护子序列1063，通过使用性能数据1024来开发性能子序列1064，通过使用关键程度数据1025来开发关键程度子序列1065，以及通过使用条件数据1026来开发条件子序列106A。
更进一步地，作为进一步的示例，排序生成电路105的程序指令1051可以被配置为：通过使用综合统计子序列1061、利用子序列1062、维护子序列1063、性能子序列1064、关键程度子序列1065和条件子序列开发用于多个公用设施资产的复合序列1066，该多个公用设施资产可以包括电力系统中的电力传输和配送设备1201；以及在第一用户界面1071中显示复合序列1066。然而，复合序列1066的开发可能仅使用一个或多个子序列。例如，可以通过使用综合统计子序列1061、利用子序列1062、维护子序列1063、性能子序列1064和关键程度子序列1065来开发复合序列1066。
排序生成电路105的程序指令1051还可以被配置为并且建立第一子模型1067以通过使用复合序列1066来预测未来设备序列，通过使用综合统计数据1021、利用数据1022、维护数据1023、性能数据1024和关键程度数据1025的子集来训练第一子模型1067；并且通过使用多个未来维护约束来构造第二子模型1068；根据第二子模型1068和训练的第一子模型1067来开发可以包括电力系统中的电力传输和配送设备1021在内的公用设施资产的替换控制方案1069；在第二用户界面1072中显示替换控制方案1069；以及根据构造的第二子模型1068来更新第一子模型1067。替换控制方案1069可以是替换控制模块或者替换控制电路。
作为附加示例，通信接口103可以被配置为进一步接收条件数据，其可以包括电力传输和配送设备的溶解气体数据或绝缘电阻数据。排序生成电路105的程序指令1051可以进一步被配置为通过使用溶解气体数据来开发大卫三角形并且通过使用绝缘电阻数据来开发绝缘电阻子序列，并且通过使用大卫三角形和绝缘电阻子序列来进一步开发复合序列1066。
图2图示了用于电力传输和配送设备的事件排序方法的逻辑200的示例。该逻辑可以在图2所示的系统100中例如作为排序生成电路105中的程序指令来实现。
逻辑200可以包括：从通信接口接收数据(步骤210)。接收步骤210可以包括：从通信接口接收综合统计数据，其可以表示可能与电力传输和配送设备的预期寿命相关的设备参数；从通信接口接收利用数据，其可以被用于检测电力传输和配送设备何时超过其设计能力；从通信接口接收维护数据，其可能表示可能与维护电力传输和配送设备相关联的成本；从通信接口接收性能数据，其可能包含可能反映电力传输和配送设备的可靠性的强制中断；以及从通信接口接收关键程度数据，其可以包括由可以反映电力系统中的电力传输和配送设备的重要性的关键程度数据填充的查找表。
逻辑200可以包括：将数据存储到排序数据库中。逻辑200可以将来自通信接口的综合统计数据、利用数据、维护数据、性能数据和关键程度数据存储到排序数据库中。
逻辑200可以包括开发子序列和复合序列220的步骤。开发步骤220可以包括：排序生成电路通过使用综合统计数据2201来开发综合统计子序列；排序生成电路通过使用利用数据2202来开发利用子序列；排序生成电路通过使用维护数据2203来开发维护子序列；排序生成电路通过使用性能数据2204来开发性能子序列；排序生成电路通过使用关键程度数据2205来开发关键程度子序列。
逻辑200可以包括排序生成电路开发复合序列230的步骤。步骤230可以包括以下步骤：通过使用综合统计子序列、利用子序列、维护子序列、性能子序列和关键程度子序列来开发包括电力系统中的电流传输和配送系统在内的多个固定资产的复合序列(或个别地，复合风险指数)；以及排序生成电路在第一用户界面中显示复合序列。
逻辑200可以包括：建立、训练和构造子模型240。建立步骤240可以包括：通过使用复合序列建立第一子模型2401来预测未来设备序列2501；通过使用综合统计数据、利用数据、维护数据、性能数据和关键程度数据的子集来训练第一子模型。训练第一子模型可能会或可能不会使用从先前步骤接收的数据。步骤240还可以包括：通过使用多个未来维护约束(未示出)来构造第二子模型2402。可以反馈第二子模型2402的结果以更新第一子模型2401的输入。更新的第一子模型2401的结果可以还被用于更新第二子模型2402的输入。
逻辑200可以包括：开发和显示子模型250的输出。子模型的输出可以包括替换控制方案2502和未来设备序列2501。步骤250可以包括：根据第二子模型和经训练的第一子模型开发可以包括电力系统中的电力传输和配送设备在内的公用设施资产的替换控制方案2502，在诸如用户界面之类的显示器2503中显示替换控制方案。
进一步地，逻辑200还可以包括：从通信接口接收条件数据，其可以包括用于电力传输和配送设备的溶解气体数据或绝缘电阻数据，通过使用溶解气体数据开发大卫三角形并且通过使用绝缘电阻数据来开发绝缘电阻子序列，以及通过使用大卫三角形和绝缘电阻子序列来开发复合序列。
作为用于针对电力系统中的电力传输和配送设备进行事件排序的系统或方法的所公开的解决方案的另一示例，解决方案可以由两个主要部分组成：1)基于风险指数的资产健康和风险分析；以及2)长期模型模拟，其包括基于风险指数预测和不同投资策略的投资情景模拟。
1.资产健康和风险分析
资产健康和风险分析可以通过考虑关键资产风险指数来导出(并用于开发资产子序列)，这些关键资产风险指数包括综合统计、经济、条件、性能、利用、关键程度、淘汰以及健康、安全和环境(HS&E)。关键风险指数可以被聚类为复合风险指数(并用于开发资产复合序列)，其可能被设计以引起对高风险资产和人口/地区/等级的关注。
图3图示了关键风险指数与复合指数300之间的关系的示例。如图3所示，综合统计301、经济302、条件303、性能304、利用305、关键程度306、淘汰307和健康、安全和环境(HS&E)308可以被用于开发复合风险指数310。
每个资产类别可以有自己的风险指数，不同的算法可以用于不同的资产类别。图4图示了用于开发资产风险指数400的示例过程。如图4所示，用于包括电力系统中的电力传输和配送设备的公用设施资产的相关数据集合401可以被用于通过采用风险指数算法402来生成资产风险指数403。
作为示例，可以通过使用针对每个资产类别的各种算法和相关数据集来开发0-100风险指数。风险指数(范围1至100)可以被图示为表1。
Figure BDA0001558614330000111
如此，可以开发框架来管理针对不同资产的风险指数算法。框架可以被设计成对最终用户是灵活的和开放的。该框架可以涵盖传输和配送网络的线路和站的大部分资产类别。框架可以被体现为复合指数，以基于电力系统中的电力传输和配送设备在内的公用设施资产(子序列)的风险来开发资产的复合序列。表2示出了针对各种类别的风险指数(可以被称为子序列)和复合指数(可以被称为复合序列)的示例。
Figure BDA0001558614330000121
2.模型模拟
模型仿真可能是资产投资模拟框架，其可以被开发以支持年度资产升级/替换决策过程，同时给出了对长期规划的更好的洞察。图5示出了资产模拟模型的示例。如图5所示，框架可以具有第一子模型(例如，资产子模型)501和第二子模型(例如，投资子模型)502。第二子模型502可以基于先前资产健康条件和其他约束508来做出策略性投资决定。约束508可以包括给定配额/预算508。可以在模拟或初始条件506之前使用真实数据训练的第一子模型501可以基于先前资产健康条件和从第二子模型502输出的结果来预测下一周期内的资产健康条件。子模型的输出可以被周期性地相互馈送，产生给定时间段内的模拟结果。第二子模型502可以输出替换控制方案503以建议在未来时间点的公用设施资产的替换。第一子模型501可以作为随着时间的推移的设备条件504而输出。设备条件可以是资产条件，其用于在未来一段时间内列出针对公用设施资产的资产条件。如图5所示，结果汇总505可以通过使用替换控制方案503和随着时间的推移的设备条件504两者来生成。
模拟模型的实施例可以是可以开发用于电力系统中的电力传输和配送设备的复合序列和替换控制方案的系统。该系统可以包括第一子模型，该第一子模型可以被配置为开发用于电力系统中的电力传输和配送设备的复合序列，其中复合序列可以反映针对电力传输和配送设备的未来设备序列。可以通过使用与电力传输和配送设备相关联的数据来训练第一子模型。
该系统可以包括第二子模型，该第二子模型可以被配置为根据训练的第一子模型来开发替换控制方案，其中替换控制方案可以被用来替换包括电力系统中的电力传输和配送设备在内的公用设施资产。第二子模型可以通过使用针对电力传输和配送设备的多个未来维护约束来构造，并且第一子模型可以根据构造的第二模型来更新，并且开发的复合序列和开发的替换控制方案可以在用户界面中显示。替换控制方案可以是替换控制模块或替换控制电路。
此外，第一子模型可以通过使用包括用于电力传输和配送设备的综合统计数据、利用数据、维护数据、性能数据和关键程度数据的数据的子集来训练。第二子模型的输入还可以根据更新的第一子模型来更新。第一子模型和第二子模型的输入可以被迭代地更新。
所提议的资产健康分析可以提供对资产健康的综合评价并且标识潜在的风险。更具体地，资产健康分析可能有助于：实现更全面的数据驱动型风险评估，提高投资决定的有效性，提高资本支出(CapEx)和运营支出(OpEx)的成本效益，捕捉知识，以及促进作出一致、透明和协作的决策。另外，资产投资模拟可以优先考虑资产替换/升级计划，并且可以基于给定的投资来给出针对长期资产条件的更好的洞察。资产投资模拟还可以比较多个情景，以评估在资产健康方面不同替换水平对资产总量结果的影响。
所公开的资产健康和风险分析可以提供框架，其用于根据相关数据集合对资产风险进行全面和一致的评估。框架还可以被设计为透明和灵活的(例如，可配置算法、可调整权重以及子指数的增加/减少)。进一步地，所公开的资产健康和风险分析可以利用多个相关数据集合和定制的非线性方程来提供风险指数计算方法和算法的集合。
所公开的投资模拟可以提供包括资产子模型和投资子模型的框架。这两个子模型可以形成闭环，以在给定的初始条件和包括财务约束在内的约束条件下，对资产健康状态做出周期性预测。此外，资产子模型可以通过有监督的机器学习方法(诸如广义线性回归、平滑模型、树相关模型或神经网络)使用实际数据来训练。
作为示出资产健康和风险分析的示例，可以使用针对115kV降压变压器的风险指数算法。风险指数算法可以被用于开发用于变压器的子序列和复合序列。表3提供了可能为变压器生成的各种风险指数的示例定义。
Figure BDA0001558614330000141
可以通过使用表3中所示的各种风险指数来生成复合风险指数(或复合序列)。复合风险指数可以是与资产相关联的关键风险指数的聚类汇编，其可能对公用设施商业目标产生影响。复合风险指数可以被设计为引起对高风险资产和针对投资规划动作的人口/地区/等级的关注。复合风险指数可以通过考虑关键资产风险指数(包括年龄与经济、资产条件、性能、利用、关键程度、淘汰(包括设计缺陷)和HS&E(健康、安全与环境))来导出。
综合统计风险指数可以通过使用以下公式来开发：
如果X<＝EOL/2，则RI＝1
如果EOL/2<X<＝EOL，则RI＝100*2(X-EOL/2)/EOL
如果X>EOL，则RI＝100
其中
X：服务年份的资产
EOL：估计的平均寿命
RI：风险指数
初始风险指数还可以通过使用所提出的算法进行归一化。变压器的故障率作为其年龄的函数可能不是真正的两个分段线性函数。因此，所提出的以风险指数作为年龄的指数函数的公式1可以如下：
Figure BDA0001558614330000151
其中
a：形状参数
b：尺度参数
形状参数(a)和尺度参数(b)可以如下示例设置：
a＝5
b＝0.75*EOL/(-log(0.5))^(1/a)
图6图示了示出在用于综合统计风险指数600的用户界面中显示的风险指数的示例。如图6所示，形状a 601的恒定值为5.000，尺度参数b 602变化，曲线605、曲线606、曲线607、曲线608、曲线609对于b具有不同的值。根据图6，对于不同尺度参数b 602，风险指数和资产年龄的曲线603可能不同。在图6中，直线604示出了初始算法的结果，而曲线603示出了所提出的算法。
利用风险指数可以通过使用选择的输入数据来开发。变压器的历史重载和过载条件可以被用作用于开发利用风险指数的主要输入数据。例如，当负载为额定容量的80％至100％时，可能是重载，其中80％是可配置参数，而缺省值可能是(80％至100％)。当负载大于额定容量的100％时，可能是过载。
开发利用风险指数的算法可以是三个条件的分段函数：
1.如果过去没有发生重载或过载，风险指数可能在[1，30]的范围内，其指示变压器的条件非常好或良好，精确RF值将基于历史负载值与额定容量来计算。
2.如果过去发生重载而没有发生过载，则风险指数可能在(30，50)的范围内，其指示变压器的一般条件。
3.如果过去发生过载，则风险指数可能在[50，100]的范围内，其指示变压器的条件为“差”或“非常差”。
为了计算条件2或3的风险指数，可以考虑两个变量：
Smax：最大测量重载值或过载值
Sa：平均测量的重载值或过载值
作为示例，通过以下各项计算针对过载条件的风险指数：
A1 Smax的权重
A2 Sa的权重，A1+A2＝1
Sr 额定容量(单位为MVA或kVA)
Pi 第i次测量的有功功率
Qi 第i次测量的无功功率
Si (Pi**2+Qi**2)的平方根
N 所测量的过载记录的数目，因而i＝1，2，3，...，N
则
Sa＝Sum(Si-Sr)/(N*Sr)，i＝1，2，3，...，N----公式2
以及
RF'＝100*[A1*Smax/(Sr)+A2*Sa]----公式3
因为风险指数可能大于100，所以结果可以被归一化到[50，100]的范围。
为了开发利用风险指数，可以对所接收的原始数据进行数据质量检查。坏数据点(极端数据)可能会产生有偏差的风险指数的潜在风险。
数据准备和条件判断可能包括以下步骤：
1.取回输入数据Sr(额定容量)、Q(无功功率)、P(有功功率)
2.如果Sr≤0，则RF＝0，算法结束
3.计算新数据
Figure BDA0001558614330000171
4.将S中的数据点的数目记为N
5.计算Smax＝max(S)
Smax∈[0，0.8×Sr)→条件1
Smax∈[0.8×Sr，Sr)→条件2
Smax∈[Sr，100×Sr)→条件3
否则，RI＝0，算法结束。
条件1：
Figure BDA0001558614330000172
条件2：
1.将SH定义为S的子集，包括所有测量的重载值
2.将SH中的数据点的数目计为NH
3.计算Sa＝average(SH)
Figure BDA0001558614330000173
A1＝0.7，A2＝0.3
条件3：
1.将S0定义为S的子集，包括所有测量的重载值
2.将S0中的数据点的数目计为N0
3.计算Sa＝average(S0)
Figure BDA0001558614330000174
A1＝5，A2＝3
4.如果RI>100，则设置RI＝100
图7示出了说明有功功率和无功功率的数据点的数目的示例700。在图7中，示出了有功功率701和无功功率702的数据点的数目。图8示出了说明视在功率的数据点的数目的示例800。在图7和图8中，额定电压为115kV。在设置Sr＝100MVA和P之后，可以生成Q(矢量，365*24*4＝35040个点)。因此，Smax＝111.32120，因此它处于条件3下。图9示出了视在功率900的过载数据点的示例。根据图9，RI可以通过使用以下公式来导出：RI＝50+50*(A1*(mean(So)/Sr-1)+A2*(max(So)/Sr-1))＝74.2。
经济风险指数还可以被用于开发维修子序列。图10示出了经济风险指数1000的整体结构/工作流程的示例。如图10所示，应急操作成本1001和修正操作1002可以被用于开发基准比例1005，并且最终可以被用于开发经济风险指数1006。空载损失1003和负荷损失1004的成本可以作为用于开发经济风险因子1006的可选因子而被添加。另一可选步骤可以是基于实际成本与基准1005的比例来计算风险指数。
根据不同的数据可用性，能量损失的成本可能有三种场景：
1)如果表/传感器数据中可能存在能量损失，那么计算可能只是每年的能量损失乘以过去五年电价的总和。
2)如果表数据中没有能量损失，则损失可能由变压器的测试结果来确定。
a.在开路测试中，所测量的P0可能非常接近空载损失，并且可以直接使用。空载损失的成本是：
Figure BDA0001558614330000181
其中
Figure BDA0001558614330000182
第i年的空载损失成本
Ti：第i年的总运营小时数
价格：电价(USD/MWh)
b.在短路测试中，可以获得Re(等效电阻)。然后可以使用有功功率的历史负载数据来计算负荷损失。
Figure BDA0001558614330000191
其中
PL是三相负荷损失(MW)
P是三相有功功率(MW)
U是额定线间电压(115kV)
Re是等效电阻(Ohm)。
负荷损失的成本是：
Figure BDA0001558614330000192
Figure BDA0001558614330000193
第i年的负荷损失成本
价格：电价(USD/MWh)
3)如果能量损失数据和测试数据两者可能不可用，则建议在计算经济风险指数时不包括能量损失。
该算法可以被表达为：
Figure BDA0001558614330000194
其中
i：为1，2，...，5
Figure BDA0001558614330000195
应急操作的数目
Figure BDA0001558614330000196
排定/计划/纠正操作的数目
Figure BDA0001558614330000197
第i年的一个紧急操作的平均成本
Figure BDA0001558614330000198
第i年的一个排定/计划/纠正操作的平均成本
Wi：第i年的加权指数，
Figure BDA0001558614330000199
Figure BDA00015586143300001910
第i年的负荷损失成本
Figure BDA00015586143300001911
第i年的空载损失成本
B：基准成本
比例：实际成本除以基准
RE：经济风险指数
在开发经济风险因子之后，可以映射1-100范围内的风险指数。例如，与基准的比例的范围可以从零到几。针对非常好的典型值可能为0.5，针对非常差的典型值为2.0。由于经济风险指数的范围是[1，100]，所以可能需要函数来将比例映射到RE：RE＝f(比例)
该函数可能是分段线性函数，其包含用于每段的直线。函数还可以是涵盖整个风险指数范围的连续函数，诸如：
Figure BDA0001558614330000201
其中
a是曲线的陡度
b是曲线沿着x轴的移位
Figure BDA0001558614330000202
是用于在[1，100]内调整RE的参数
图11示出了用于映射经济风险指数的连续函数曲线的示例。如图11所示，经映射的经济风险指数可以将测量的变压器分类为非常好1101、良好1102、一般1103、不良1104以及非常差1105。
性能风险指数可以通过使用所提出的具有两步过程的算法来开发：
1.计算与行业平均相比较的历史强迫中断时间小时数
Figure BDA0001558614330000203
其中
i是年份号，1，2，...，5
Wi：第i年的加权指数，
Figure BDA0001558614330000204
其中给予最近一年最大权重
Ti：第i年的总强迫中断小时数
B：工业基准
2.可能需要分段或连续函数以将性能比例转换成性能风险指数。这里还可以使用公式12。图12示出了可以通过调谐参数1200改变的曲线的陡度的示例。如图12所示，曲线1201、曲线1202、曲线1203和曲线1204具有a和b的不同的值组合。表4示出了非常好、良好、一般、不良、非常差的a和b的值组合的示例。实际上，用户可以被用于示出如图12所示的各种曲线。因为不同的用户可能有示出不同的曲线来说明变压器的性能的不同的需求，所以通过如图12和表4所图示的不同曲线示出陡度的能力可以满足不同用户在用户界面中显示变压器性能的需求。
Figure BDA0001558614330000211
表5示出了过去5年中20台变压器每年强制中断时间的数据。在表5中，基准是每个变压器每年20小时，过去5年的Wi值分别为5％、10％、15％、30％和40％，其中因为最近一年可能对变压器条件有最大的影响，所以给予最近一年最大权重。表5的函数中使用的参数有：a＝2.8，b＝-3.6。图13图示了被映射到风险指数1300的二十(20)个变压器的二十(20)比例值。如图13所示，风险指数类别可以是：非常好1301、良好1302、一般1303、不良1304、非常差1305。
表5
Figure BDA0001558614330000212
Figure BDA0001558614330000221
关键程度风险指数可以通过使用从通信接口和整个过程接收的输入数据来开发。为关键程度选择的数据可能包括四个子风险指数：站和变压器的关键程度、变压器的成本、额定容量和平均历史负载。
这四个子指数可以是不同的类型、尺度和单位，并且过程可以被设计为将它们合成为关键程度风险指数。例如：
1.准备输入数据并且调查/估计四个子指数的范围；
2.通过以下三种方法中的一种方法将输入数据的范围映射到子风险指数的范围：查表、线性函数或非线性函数；
3.设置针对四个子指数的权重，并且计算关键程度风险指数。
可以开发用于分类/离散数据的查找表来开发关键程度风险指数。例如，可以获得关于站和变压器关键程度的用户数据。对于数据重要性级别，诸如低/中/高，可以制作二维表。行为站的级别，而列为变压器的级别。表6示出了这种二维表的示例。表6中的数字RIij可以在1和100之间进行配置。
Figure BDA0001558614330000222
Figure BDA0001558614330000231
如果站和变压器的关键程度由0到1之间的实际数据给出，则它们的几何平均可以用作以下线性函数或非线性函数的输入，以获取子风险指数：
1.分段线性函数
对于诸如成本和负载之类的实际数据，分段线性函数可以被用于计算在1和100之间的子风险指数。例如，对于良好拟合的分段线性函数，可能需要六个预设数据点。表7示出了分段线性函数的示例。在表7中，参数值是可配置的，并且需要从参考数据或实际数据中确定。
Figure BDA0001558614330000232
2.非线性函数
对于难以获得预先确定的六个数据对的情形，非线性函数可以被用作备选解决方案，其可能仅需要任何两个数据对。表8示出了非线性函数的示例。在表8中，参数值可以是可配置的，并且可能需要从参考数据或实际数据来确定。
Figure BDA0001558614330000241
当以成本为例时，用于估计子风险指数的非线性函数可以为：
Figure BDA0001558614330000242
其中
Figure BDA0001558614330000243
Figure BDA0001558614330000244
成本是投入成本。
RI是1到100之间的子风险指数。
RI1和C1是第一对给定成本和对应的子风险指数。
RI2和C2是第二对给定成本和对应的子风险指数。
表9示出了加权平均，通过使用该加权平均来按权重对四个子指数分数进行求和。并且，W1+W2+W3+W4＝1。在表9中，参数值可以是可配置的，并且可能需要根据参考数据或实际数据来确定。
Figure BDA0001558614330000245
提供了用于开发关键程度风险指数的两个示例。在这些示例中，可配置的参数可能被随机设置，只是为了说明算法，并且可能需要根据参考数据或实际数据进行修订，而且用于站的三个关键程度级别可能是：低/中/高，而变压器的三个关键程度级别可以是：低/中/高。表10示出了用于风险指数的查找表的示例。如表10所示，高级站中的中级变压器的子风险指数为55。
Figure BDA0001558614330000251
图14示出了使用针对成本关键程度的分段线性函数的示例1400。表11示出了用于图14的针对成本的预设值。在图14中，来自表11的值被绘制为：RI1 1401、RI2 1402、RI31403、RI4 1404、RI5 1405、RI6 1406、以及C1 1411、C2 1412、C3 1413、C4 1414、C5 1415和C61416.
Figure BDA0001558614330000252
图15示出了用于开发针对额定容量的非线性函数的示例1500。表12示出了针对容量和子风险指数的两个预设对。可以估计非线性函数，并且如图15所示绘制它。如图15所示，来自表12的RI1 1501、RI2 1502、R1 1503和R2 1504被用于开发非线性函数。图16示出了使用非线性函数计算的变压器的负载子风险指数的示例1600。在图16中，使用图15所示的非线性函数来计算变压器的负载子风险指数。
Figure BDA0001558614330000253
表13示出了用于开发关键程度风险指数的权重。根据权重，可以计算出关键程度风险指数，其可以是站和变压器的关键程度、变压器成本、额定容量和负载因子的子风险指数的加权平均。
Figure BDA0001558614330000261
除了上文所公开的风险指数之外，多种方法可以被用于评价变压器的条件。例如，可以开发条件风险指数的框架，并且用于两种最常用方法的算法可以作为子指数被添加，即，溶解气体分析(DGA)和绝缘电阻(IR)测试。
此外，还可以在这个框架中添加另外两个子指数，即，过去一年内完成的紧急和计划外工作订单的数目和过去记录的条件等级。如此，在这个框架内，所有子指数都可以被合成为综合条件风险指数。
另外，如果对于其他方法(诸如标准油测试)有特定的需求，可以开发该特定方法并且可以将其添加到框架中。
溶解气体分析(DGA)是一种非常敏感的方法，其可以及早指示初期故障。变压器中使用的绝缘油有时会导致绝缘变压器的劣化。这种劣化可能是烃化合物的复杂混合物的长链。首先可以利用结果来确定变压器是否处于正常条件。如果不是，则大卫三角形方法可以用来确定故障的严重性。表14示出了针对DGA分析的条件、准则和子风险指数的示例。在表14中，μL/L(每升微升)等于ppm(百万分之一)。
Figure BDA0001558614330000262
Figure BDA0001558614330000271
在正常操作条件下，DGA的子风险指数可以通过假设气体与子风险指数之间的线性关系来确定：
RIDGA＝max(RH，RC，RT)×29+1----公式17
Figure BDA0001558614330000272
Figure BDA0001558614330000273
Figure BDA0001558614330000274
其中
RIDGA：子风险指数分数
RH、RC、RT：H2、C2H2和总碳氢化合物在正常操作条件水平的阈值内的比例
H2：H2测试结果(以ppm为单位)
C2H2：C2H2测试结果(以ppm为单位)
THC：总碳氢化合物(以ppm为单位)
大卫三角形方法可以被用于确定故障的严重性。在大卫三角形分析中，三种碳氢化合物气体可能主要被考虑，即甲烷(CH4)、乙炔(C2H2)和乙烯(C2H2)。通过大卫三角形分析溶解气体可以将测试结果(以ppm为单位)转换成百分比(CH4％、C2H4％和C2H2％)：
Figure BDA0001558614330000281
Figure BDA0001558614330000282
Figure BDA0001558614330000283
其中
x＝[CH4](以ppm为单位)，y＝[C2H4](以ppm为单位)，z＝[C2H2](以ppm为单位)
通过使用上述三个读数，大卫三角形方法可以通过遵循相对简单的程序来满足故障诊断的精确度大于95％。
大卫三角形方法可以以三元图的形式表示。三元图可以在二维图中描绘三个变量(a、b和c)。由于二维平面中只有两个自由度，所以c必须等于K-a-b，以减小自由度。大卫三角形分析是适用的，因为三种气体的百分比总和总是100％。
图17示出了大卫三角形三元图的示例1700。如图17所示，三个变量的比例作为等边三角形中的位置。三个顶点表示CH4％1701、C2H4％1703和C2H2％1702。以CH4 1701为例，在三角形的顶部处绘制的点指示100％CH4 1701，而线的底部处的水平条表示0％。C2H21702和C2H4 1703也适用同样的规则。
图18示出了大卫三角形1800的五个样本点的示例。如图18所示，No.11801、No.21802、No.3 1803、No.4 1804和No.5 1805是大卫三角形上的样本点。针对大卫三角形的5个样本点的CH4％、C2H4％和C2H2％值如表15所示。
Figure BDA0001558614330000284
Figure BDA0001558614330000291
图19示出了大卫三角形区域和解释1900的示例。如图19所示，大卫三角形中可以有七个区域。D1 1901、D2 1902、DT 1903、PD 1904、T1 1905、T2 1906和T3 1907。每个区域的含义如表16所示。
表16
Figure BDA0001558614330000292
图20示出了大卫三角形的区域的边界值的示例2000。在图20中，区域被示出为D12001、D2 2002、DT 2003、T1 2005、T2 2006、T3 2007和PD 2004。图20的对应的算法如表17所示。
表17
Figure BDA0001558614330000301
在故障变压器通过大卫三角形诊断之后，对应的子风险指数可以由可配置参数集合确定。表18示出了示例可配置参数集合。示例值集合可以被随机选择以适应以下数据模拟。
表18
Figure BDA0001558614330000302
Figure BDA0001558614330000311
表19示出了在溶解气体分析(DGA)测试中可能超过正常操作条件的三十个变压器的数据模拟。表19示出了数据和诊断结果。图21示出了根据表19的子风险指数的大卫三角形可视化2100。
表19
Figure BDA0001558614330000312
绝缘电阻分析可以利用绝缘电阻测试，其可以被进行以确定从个体绕组到地或个体绕组之间的绝缘电阻。绝缘电阻测试通常可以以兆欧姆(MΩ)为单位直接测量，或者可以通过测量所施加的电压和漏电流来计算。据统计，经过15年至20年的运行，大约30％的大型电力变压器故障是由于绝缘击穿而造成的。
用于开发针对绝缘电阻分析的比例的输入数据可以包括：
MIR：可以进行绝缘电阻测试以确定从个体绕组到地或个体绕组之间的绝缘电阻。对于每个变压器，绝缘电阻测试通常可以以兆欧为单位直接测量。
IR：基于行业参考或铭牌，可能具有对于115KV变压器的最小可接受的IR值。例如，对于66KV至132KV的变压器为600MΩ。
绝缘电阻分析的比例可以被计算如下：
Figure BDA0001558614330000321
其中
MIR：最近测量的绝缘电阻(以MΩ为单位)。
IR：最小可接受绝缘电阻(以MΩ为单位)
该比例可以在函数(f)的帮助下转换成子风险指数[1，100]。该函数可以是可配置的分段线性函数。图23示出了说明从比例到子风险指数的转换的示例。如图23所示，比例2301的范围为1至25，而子风险指数2302的范围为1至100。
还可以开发其他子指数，包括与基准相比较的紧急或计划外工作订单。如果数据可用，则可以计算过去几年的紧急或计划外工作订单的数目。可以使用与公式21和公式22类似的公式来计算与行业基准的比例的加权平均。子风险指数可以使用与公式12类似的公式来计算。
最后记录的条件等级可以被开发。如果维修人员在计划的定期维修或定期检查之后给出总体评价分数。该评价分数还可以用作子指数。
加权平均可以被用于按预设权重对所有子指数分数求和。
Figure BDA0001558614330000322
其中
N：所考虑的子风险指数的总数
RI：条件的风险指数
Figure BDA0001558614330000331
子风险指数，其包括：
i＝1，DGA子风险指数
i＝2，绝缘电阻子风险指数
i＝3，紧急或计划外工作订单子风险指数
i＝4，最后记录的条件等级
Wi：子风险指数i的权重，ΣWi＝100％
复合指数(还可以被称为复合序列)可以是与资产相关联的所有风险指数(或者可以被称为子序列)的加权平均。
复合＝ΣRIiWi----公式24
其中：ΣWi＝100％
表20示出了用于开发复合指数(复合序列)的风险指数(子序列)的示例权重。表21示出了复合分数的示例解释。
Figure BDA0001558614330000332
Figure BDA0001558614330000341
资产投资模拟的目的可以是支持年度决策过程以及针对传输和配送(T&D)资产管理的长期规划。所公开的解决方案可以包括：a)模拟方法和框架，以及b)子模型的设计。
所公开的解决方案可以基于初始状态和投资策略来预测给定多年以来的资产状态。所公开的解决方案还可以被设想为可以通过实际数据来改进该模拟框架下的子模型，并且可以增强特征以适应更多样化的业务需求。
该方法可以根据反馈控制和动态模拟进行开发。在该框架下，一个子模型的输出被周期性地输入到其他模型中，在给定时间内产生模拟结果。图22图示了简化的资产投资模拟2200。如图22所示，投资模拟可以包括第一子模型，例如，资产子模型2201和第二子模型，例如，投资子模型2202。资产子模型2201可以输出随着时间2203的推移的资产条件，并且投资子模型可以输出随着时间的推移的针对资产的替换控制方案2204。资产子模型2201和投资子模型2202可以彼此交换信息。
第一子模型可以是资产子模型，其用于基于给定的资产年龄和相关数据来计算资产状态。第二子模型可以是投资子模型，其用于基于选择策略来做出投资决定。投资决定可以是对资产执行的投资动作，例如，替换。资产状态可以是用于投资决定的资产状态的指示符，例如，资产年龄和风险指数的复合。资产风险指数复合可以是与资产相关联的风险指数的加权平均。资产状态类别可以是资产状态的离散表示。五个可能的值是非常好、良好、一般、不良、以及非常差。
由于该框架可能包含资产子模型和投资子模型。反馈回路可以被设计为做出给定多年以来的年度预测。例如：1)资产子模型可以使用资产年龄和相关数据来预测下一周期的资产状态。2)投资子模型可以基于资产状态和给定策略来做出投资决定。3)资产年龄可以被更新为：如果资产没有被替换，则资产年龄＝资产年龄+1。如果资产被替换，则资产年龄＝1。
图24图示了针对模拟框架的处理逻辑2400。如图24所示，初始化包括：准备资产数据，其包括资产初始状态、年龄等。配置投资策略。初始化2401预测时间T和其他变量。
迭代2402包括：
对于年份＝1至T，执行：
输入该年份的资产状态到资产子模型
预测(年份+1)的资产状态并且记录结果
输入该年份的资产状态到投资子模型
做出替换决定并且记录结果
在替换决定后更新资产年龄
结束循环。
概括2403包括：概括随着时间T的推移的资产状态，并且概括随着时间T的推移的替换。
资产子模型可以通过数据来训练。然而，根据数据可用性，可以开发两种情况来训练资产子模型。情况1是脊线函数，而情况2是统计建模。
图25示出了拟合脊线函数的示例2500。当样本数目的风险指数数据非常有限时，非常简单的样本脊线函数可以被用于预测风险指数。在这种情况下，假定除了资产年龄以外，没有附加数据可用。表22示出了用于拟合如图25所示的脊线函数的有限数据集合(按年龄组的平均指数)，其仅包括公用设施资产的年龄和针对这些年龄的预先确定的风险指数。
表22
Figure BDA0001558614330000361
图26示出了具有综合数据集合的模型训练的示例2600。如图26所示，除了资产年龄和针对该年龄的预先确定的风险指数之外，还提供用于公用设施资产的负载百分比。如此，当综合数据集合可用时，在从数据集合中标识或计算以下变量之后，可以应用统计学习方法：
因变量(Y)：复合风险指数
一个或多个自变量(X1至Xn)：资产年龄和其他可选的预测变量，诸如负载水平、制造商等。
表23示出了用于作为统计学习的模型训练的示例数据集。
表23
Figure BDA0001558614330000362
Figure BDA0001558614330000371
示例线性回归模型可以被训练、测试以及表达为：
Risk_index＝-24.8+0.832*年龄+0.975*Load_Percent
在图26中，可以通过公用设施年龄、负载百分比以及使用公用设施年龄和负载百分比计算的风险指数来建立多元线性模型。
表24示出了模型的可能系数。
表24
Figure BDA0001558614330000372
图27示出了非线性模型的示例2700。当线性模型不能很好地工作时，可以使用其他模型，其包括平滑方法、基于树的模型或神经网络模型。例如，局部回归(loess)是非参数平滑方法。构建预测模型的方法和变量可能会随着实际数据的属性而变化，诸如样本的数目、变量的数目、观察的模式等。
资产状态可以通过使用经训练的模型来预测。当输入可以包括资产的年龄和在建模中使用的其他变量(诸如负载)时，经训练的模型和变量可以被用于预测复合风险指数；并且输出可以包括经估计的资产复合风险指数和被转换成如表25所示的类别的经预测的复合风险指数。
Figure BDA0001558614330000381
表26示出了用于投资子模型的示例逻辑。对于投资子模型，投入可以包括资产复合风险指数和用于替换策略的约束。用于替换策略的约束可能是以下约束中的一个或多个约束，其包括年度配额(按百分数)、年度预算和单位价格、以及资产状态阈值。投资子模型的输出可以是需要被替换的一个或多个资产的列表。
Figure BDA0001558614330000382
图28至图30示出了可能是25年来600台变压器的结果的三种资产投资模拟策略。图28示出了25年来未替换的模拟场景的示例2800。图29可以展示模拟功能性和资产状态劣化。图29示出了用于替换在25年来的每年中具有最差条件的12个资产的模拟情景的示例2900。图29可以评价在给定的替换配额下总体是如何演变的。图30示出了用于替换具有大于72的复合风险指数但是一年内不超过15个(25年273个资产)的资产的模拟场景的示例3000。图30可以评价保持特定的条件需要多少成本。
图31示出了用于针对电力传输和配送设备进行事件排序的基础设施体系架构的示例3100。如图30所示，诸如客户端-M虚拟私有云(VPC)3101之类的各种客户端数据点可以经由诸如VPC对等互联3103和命令控制中心(CCC)VPC 3104之类的一个或多个中间媒介中继来与公司数据中心3102连接。
图32示出了用于针对电力传输和配送设备进行事件排序的平台参考体系架构的示例3200。如图32所示，事件排序的过程可以包括数据源3201、数据摄取和处理3202、分析处理3203、数据存储和仓储3205、以及呈现和可视化3204。
参考图33，可以用于图1和图2中的方法和系统所图示的部件中的一个或多个部件的计算机系统，或者用于被配置为执行本文中的公开中所讨论的方法的任何其他系统中的计算机系统的说明性实施例被示出并且被指定为3300。尽管计算机系统3300在图33中被图示为包括如所图示的所有部件，但是对于由比图33中所恰好图示的部件更少或更多的部件组成的计算系统，也在本创新的范围内。
计算机系统3300可以包括指令集合3324，其可以被执行以使得计算机系统3300执行本文中所公开的方法、过程或基于计算机的功能中的任一或多个方法、过程或基于计算机的功能。例如，如本文中所描述的事件排序可以是由指令集合3324组成的程序，这些指令被控制器3302执行，以执行本文中所公开的方法、过程或基于计算机的功能中的任一或多个方法、过程或基于计算机的功能。这样的程序可以整体地或者以多个部分的任意组合被存储在图33所图示的示例性存储器部件中的一个或多个示例性存储器部件(诸如主存储器3304、静态存储器3306或盘驱动器3316)上。
如所描述的，计算机系统3300可以是移动设备。计算机系统3300还可以使用网络3326连接到其他计算机系统或外围设备。在联网部署中，计算机系统3300可以作为服务器来操作或者作为服务器-客户端用户网络环境中的客户端用户计算机来操作，或者作为对等(或分布式)网络环境中的对等计算机系统。除了实现计算机系统2600的实施例之外，计算机系统3300还可以被实现为或者被并入到各种设备中，诸如个人计算机(“PC”)、平板电脑、机顶盒(“STB”)、个人数字助理(“PDA”)、诸如智能电话或平板之类的移动设备、掌上型计算机、膝上型计算机、台式计算机、网络路由器、交换机或桥接器、或能够执行指定该机器要采取的动作的指令集合(顺序或其他方式)的任何其他机器。在特定实施例中，计算机系统3300可以使用提供话音、视频或数据通信的电子设备来实现。进一步地，虽然图示了单个计算机系统3300，但是术语“系统”还应当被理解为包括系统或子系统的任何集合，其单独地或联合执行一个或多个指令集合以执行一个或多个计算机功能。
如图33所示，计算机系统3300可以包括控制器3302，诸如中央处理单元(“CPU”)、图形处理单元(“GPU”)或两者。而且，计算机系统3300可以包括主存储器3304，并且附加地可以包括静态存储器3306。在计算机系统3300中包括多于一个的存储器部件的实施例中，存储器部件可以经由总线3308彼此通信。如所示出的，计算机系统3300还可以包括显示单元3310，诸如液晶显示器(“LCD”)、有机发光二极管(“OLED”)、平板显示器、固态显示器或者阴极射线管(“CRT”)。附加地，计算机系统3300可以包括一个或多个输入设备3312，诸如键盘、一个或多个按钮、滚轮、用于图像捕捉和/或视觉命令识别的数字相机、触摸屏、触摸板或音频输入设备(例如，麦克风)。计算机系统3300还可以包括信号输出部件(诸如触觉反馈部件3314)以及可以包括扬声器或遥控器的信号生成设备3318。
尽管没有具体图示，但是计算机系统3300可以附加地包括用于标识计算机系统3300的位置的GPS(全球定位系统)部件。
附加地，计算机系统3300可以包括定向单元3328，其包括一个或多个陀螺仪和一个或多个加速度计的任何组合。
计算机系统3300还可以包括网络接口设备3320，其用于允许计算机系统3300经由无线或有线通信信道与其他设备进行通信。网络接口设备3320可以是接口，其用于经由Wi-Fi连接、蓝牙连接、近频通信连接、电信连接、互联网连接、有线以太网连接等与另一计算机系统进行通信。计算机系统3300还可以可选地包括用于接受计算机可读介质3322的盘驱动单元3316。计算机可读介质3322可以包括指令集合，其可由控制器3302执行；和/或计算机可读介质3322可以被计算机系统3300用作附加存储器存储装置。
在特定实施例中，如图33所描绘的，盘驱动单元3316可以包括计算机可读介质3322，其中可以嵌入诸如软件之类的一个或多个指令集合3324。进一步地，指令3324可以体现本文中所描述的方法、过程或逻辑中的一个或多个方法、过程或逻辑。在特定实施例中，在由计算机系统3300执行期间，指令3324可以完全或至少部分地驻留在主存储器3304、静态存储器3306内和/或控制器3302内。主存储器3304和控制器3302还可以包括计算机可读介质。
在备选实施例中，可以构造专用硬件实现方式来实现本文中所描述的方法中的一个或多个方法，这些专用硬件实现方式包括专用集成电路、可编程逻辑阵列和其他硬件设备。可以包括各种实施例的装置和系统的应用可以广泛地包括多种电子和计算机系统。本文中所描述的一个或多个实施例可以使用两个或更多个特定互连硬件模块或设备来实现功能，这些特定互连硬件模块或设备的相关控制和数据信号可以在模块之间或者通过模块进行通信，或者作为专用集成电路的部分。因而，本计算机系统2600可以涵盖软件、固件和硬件实现方式。
按照本公开的各种实施例，本文中所描述的方法可以由计算机系统可执行的软件程序来实现。进一步地，在示例性非限制性实施例中，实现方式可以包括分布式处理、部件/对象分布式处理以及并行处理。可替代地，可以构造虚拟计算机系统处理以实现本文中所描述的一个或多个方法或功能性。
本公开构想了计算机可读介质3322，其包括指令3324或响应于传播的信号而接收并且执行指令3324；使得连接到网络3326的设备可以通过网络3326传递话音、视频或数据。进一步地，指令3324可以经由网络接口设备3320通过网络3326被传送或接收。
虽然计算机可读介质3324被示出为单个介质，但是术语“计算机可读介质”包括存储一个或多个指令集合的单个介质或多个介质，诸如集中式或分布式数据库，和/或相关联的高速缓存和服务器。术语“计算机可读介质”还应当包括任何有形介质，其能够存储、编码或携带由处理器执行的指令集合或使得计算机系统执行本文中所公开的方法或操作中的任一种或多种方法或操作。
在特定的非限制性的示例性实施例中，计算机可读介质3322可以包括固态存储器，诸如存储卡或者容纳一个或者多个非易失性只读存储器(诸如闪存)的其他套件。进一步地，计算机可读介质3322可以是随机存取存储器或其他易失性可重写存储器。附加地，计算机可读介质3322可以包括诸如盘或磁带或其他存储设备的磁光或光学介质，以捕获通过传输介质传递的信息。作为电子邮件的数字文件附件或其他独立信息档案或档案集合可以被认为是等同于有形存储介质的分发介质。因而，本公开被认为包括计算机可读介质3322或分发介质以及其中可以存储数据或指令的其他等同物和后继介质中的任一个或多个。计算机可读介质可以是暂态的或非暂态的。
尽管本说明书描述了可以在特定实施例中参考电力系统通常使用的特定标准和协议来实现的部件和功能，但是本发明不限于这些标准和协议。例如，用于互联网和其他分组交换网络传输(例如，TCP/IP、UDP/IP、HTML、HTTP)的标准表示了现有技术的示例。这样的标准被周期性地由具有基本相同功能的更快或更高效的等同物所取代。因而，具有与本文所公开的功能相同或相似功能的替换标准和协议被认为是其等价物。
本文中所描述的原理可以以许多不同的形式来体现。然而，并非所有描绘的部件都是必需的，并且一些实现方式可以包括附加部件。可以在不背离如本文中所阐述的权利要求的精神或范围的情况下，对部件的布置和类型做出变更。附加地，可以提供不同的或更少的部件。
在整个说明书中以单数或复数形式提及“一个示例”、“一示例”、“示例”、“一个实施例”、“一实施例”、“实施例”等意指结合实施例或示例描述的一个或多个特定特征、结构或特性被包括在本公开的至少一个实施例或一个示例中。因此，在整个说明书中的各个地方以单数或复数形式出现的短语“在一个实施例中”、“在一实施例中”、“在示例实施例中”、“在一个示例中”、“在一示例中”等不一定都是指相同的实施例或单个实施例。更进一步地，特定特征、结构或特性可以在一个或多个实施例或示例中以任何合适的方式组合。
本文中的描述中使用的术语仅用于描述特定示例的目的，而非旨在是限制性的。如本文中所使用的，除非上下文另外明确指示，否则单数形式“一(a)”、“一(an)”和“该(the)”旨在也包括复数形式。此外，如本文中的描述以及随后的权利要求中所使用的，除非上下文另有明确指示，否则“在...中(in)”的含义包括“在...中(in)”和“在...上(on)”。还应当理解，本文中所使用的术语“和/或”是指代并且涵盖相关联的所列项目中的一个或多个项目的任何和所有可能的组合。应当进一步理解，当在本说明书中使用时，术语“可以包括(may include)”、“包括(including)”、“包括(comprises)”和/或“包括(comprising)”指定所述特征、操作、元件和/或部件的存在，但并不排除一个或多个其他特征、操作、元件、部件和/或其组的存在或增加。
示例性环境可以包括服务器、客户端和通信网络。服务器和客户端可以通过通信网络耦合进行信息交换，诸如发送/接收标识信息、发送/接收诸如启动画面图像等之类的数据文件。尽管环境中仅示出一个客户端和一个服务器，但是可以包括任何数目的终端或服务器，并且还可以包括其他设备。
所描述的设备之间的通信可以包括用于向服务器和客户端或在多个服务器或客户端之间提供网络连接的任何适当类型的通信网络。例如，通信网络可以包括互联网或其他类型的计算机网络或电信网络(有线或无线)。在实施例中，所公开的方法和装置可以例如在包括至少一个客户端的无线网络中实现。
在一些情况下，客户端可以是指具有特定计算能力的任何适当的用户终端，诸如个人计算机(PC)、工作站计算机、服务器计算机、手持式计算设备(平板)、智能电话或移动电话、或任何其他用户侧计算设备。在各种实施例中，客户端可以包括网络接入设备。客户端可能是固定的或移动的。
如本文中所使用的，服务器可以指代一个或多个服务器计算机，其被配置为提供某些服务器功能性，诸如数据库管理和搜索引擎。服务器还可以包括一个或多个处理器，其用于并行执行计算机程序。
应当指出，实施例/示例和实施例/示例中的特征可以在不冲突的条件下相互组合。根据结合附图的具体实施方式，创造性的各方面将变得明显。
应当指出，附图的流程图中所图示的步骤可以在使用可执行程序代码的计算机设备集合中执行。并且，尽管在流程图中示出了示例逻辑次序，但是在某些状态下步骤的次序可能与附图中的次序不同。
应当理解，上文所提供的所有示例仅仅是本公开的优选示例中的一些优选示例。对于本领域的技术人员而言，本公开旨在覆盖被包括在本公开的原理之内的各种修改和等同布置。

Claims (24)

1.一种用于监测和控制电力系统中的电力传输和配送设备的更换的系统，包括：
存储器；
显示器；
通信接口；
与所述存储器、所述通信接口和所述显示器通信的电路，所述电路包括：
监测子例程，其用于摄取从所监测的电力传输和配送设备接收的数据，并且将所述摄取的数据存储在所述存储器中；
第一子模型，其被配置为开发用于所述电力系统中的所述电力传输和配送设备的未来设备序列，其中所述未来设备序列反映了所述电力传输和配送设备的未来条件，并且所述第一子模型通过使用从监测所述电力传输和配送设备接收的所述摄取的数据来训练；
第二子模型，其被配置为根据所述训练的第一子模型来开发替换控制方案，其中所述替换控制方案被执行，以替换包括所述电力系统中的电力传输和配送设备的公用设施资产；
其中所述第二子模型通过使用用于所述电力传输和配送设备的多个未来维护约束来构建；以及
其中所述第一子模型的输入根据所构建的第二模型来更新，并且所开发的未来设备序列和来自所开发的替换控制方案的输出被显示在所述显示器上的用户界面中。
2.根据权利要求1所述的系统，其中所述第一子模型通过使用包括用于所述电力传输和配送设备的综合统计数据、利用数据、维护数据、性能数据和关键程度数据的所摄取的数据的子集来训练。
3.根据权利要求1所述的系统，其中所述第二子模型还根据所更新的第一子模型来更新。
4.根据权利要求3所述的系统，其中所述第一子模型和所述第二子模型被迭代地更新。
5.一种用于电力系统中的电力传输和配送设备的事件排序系统，包括：
存储器；
显示器；
通信接口，其被配置为接收:
综合统计数据，其表示与所述电力传输和配送设备的预期寿命相关的设备参数，
利用数据，其被用于检测所述电力传输和配送设备何时超出其设计能力，
维护数据，其表示与维护所述电力传输和配送设备相关联的成本，
性能数据，其包含反映所述电力传输和配送设备的可靠性的强制中断，
关键程度数据，其包括由反映所述电力系统中的所述电力传输和配送设备的重要性的所述关键程度数据所填充的查找表，以及
条件数据，其包括所述电力系统中的所述电力传输和配送设备的测试结果数据；
排序数据库，其被配置为存储来自所述通信接口的所述综合统计数据、所述利用数据、所述维护数据、所述性能数据、所述关键程度数据和所述条件数据；
排序生成电路，其与所述排序数据库通信，所述排序生成电路被配置为：
通过使用所述综合统计数据来开发综合统计子序列，
通过使用所述利用数据来开发利用子序列，
通过使用所述维护数据来开发维护子序列，
通过使用所述性能数据来开发性能子序列，
通过使用所述关键程度数据来开发关键程度子序列，
通过使用所述条件数据来开发条件子序列，
通过使用所述综合统计子序列、所述利用子序列、所述维护子序列、所述性能子序列、所述关键程度子序列和所述条件子序列，来开发用于多个公用设施资产的复合序列，所述多个公用设施资产包括所述电力系统中的电力传输和配送设备，
在所述显示器的第一用户界面中显示所述复合序列，以及
建立第一子模型，以通过使用所述复合序列来预测未来设备序列，
通过使用所述综合统计数据、所述利用数据、所述维护数据、所述性能数据和所述关键程度数据的子集来训练所述第一子模型，
通过使用多个未来维护约束来构建第二子模型，
根据第二子模型和所训练的第一子模型，来开发包括所述电力系统中的所述电力传输和配送设备的公用设施资产的替换控制方案，
在所述显示器的第二用户界面中显示所述替换控制方案的输出，以及
根据所构建的第二子模型来更新所述第一子模型的输入。
6.根据权利要求5所述的系统，其中所述通信接口被配置为进一步接收包括用于所述电力传输和配送设备的溶解气体数据或绝缘电阻数据的所述条件数据，并且所述排序生成电路被配置为通过使用所述溶解气体数据来开发大卫三角形，并且通过使用所述绝缘电阻数据来开发绝缘电阻子序列，以及通过使用所述大卫三角形或所述绝缘电阻子序列来开发所述条件子序列。
7.根据权利要求5所述的系统，其中被配置为开发所述综合统计子序列的所述排序生成电路根据所述电力传输和配送设备的预期寿命确定综合统计原始分数，并且根据预先确定的综合统计尺度将所述综合统计原始分数转换为归一化的综合统计风险指数。
8.根据权利要求7所述的系统，其中被配置为开发所述综合统计子序列的所述排序生成电路根据用户输入值，在所述显示器的第三用户界面中显示所述综合统计原始分数与所述归一化的综合统计分数之间的关系。
9.根据权利要求5所述的系统，其中被配置为开发所述利用子序列的所述排序生成电路根据所述电力传输和配送设备的重载条件和过载条件的发生来确定利用原始分数，其中所述重载条件具有额定容量的80％至100％，所述过载条件超过所述额定容量的100％。
10.根据权利要求5所述的系统，其中被配置为开发所述维护子序列的所述排序生成电路通过使用应急操作成本和修正操作成本来确定维护原始分数并且进行转换。
11.根据权利要求5所述的系统，其中被配置为开发所述性能子序列的所述排序生成电路根据所述电力传输和配送设备的强制中断时间来确定性能原始分数。
12.根据权利要求5所述的系统，其中被配置为开发所述关键程度子序列的所述排序生成电路根据站和变压器的关键程度、变压器成本、相关容量和平均历史负载的数据可用性来确定关键程度原始分数。
13.根据权利要求5所述的系统，其中所述排序生成电路还被配置为通过使用所更新的第一子模型和所更新的第二模型，来更新包括所述电力系统中的所述电力传输和配送设备的公用设施资产的所述替换控制方案。
14.根据权利要求5所述的系统，其中所述排序生成电路还被配置为根据所述第一子模型和所更新的第一子模型，来生成用于包括所述电力系统中的所述电力传输和配送设备的所述公用设施资产的公用设施资产条件，以及在所述显示器的所述第二用户界面中显示所述公用设施资产条件。
15.一种用于电力系统中的电力传输和配送设备的事件排序方法，包括：
从通信接口接收综合统计数据，所述综合统计数据表示与所述电力传输和分配设备的预期寿命相关的设备参数；
从所述通信接口接收利用数据，所述利用数据被用于检测所述电力传输和分配设备何时超过其设计能力；
从所述通信接口接收维护数据，所述维护数据表示与维护所述电力传输和分配设备相关联的成本；
从所述通信接口接收性能数据，所述性能数据包含反映所述电力传输和分配设备的可靠性的强制中断；
从所述通信接口接收关键程度数据，所述关键程度数据包括由反映所述电力系统中的所述电力传输和配送设备的重要性的所述关键程度数据所填充的查找表；
从所述通信接口接收条件数据，所述条件数据包括所述电力系统中的所述电力传输和配送设备的测试结果数据；
将来自所述通信接口的所述综合统计数据、所述利用数据、所述维护数据、所述性能数据、所述关键程度数据以及所述条件数据存储到排序数据库中；
由排序生成电路通过使用所述综合统计数据来开发综合统计子序列；
由所述排序生成电路通过使用所述利用数据来开发利用子序列；
由所述排序生成电路通过使用所述维护数据来开发维护子序列；
由所述排序生成电路通过使用所述性能数据来开发性能子序列；
由所述排序生成电路通过使用所述关键程度数据来开发关键程度子序列；
由所述排序生成电路通过使用所述条件数据来开发条件子序列；
由所述排序生成电路通过使用所述综合统计子序列、所述利用子序列、所述维护子序列、所述性能子序列、所述关键程度子序列以及所述条件子序列，来开发用于包括所述电力系统中的电力传输和配送设备的多个公用设施资产的复合序列；
由所述排序生成电路在第一用户界面中显示所述复合序列；
建立第一子模型，以通过使用所述复合序列来预测未来设备序列；
通过使用所述综合统计数据、所述利用数据、所述维护数据、所述性能数据、所述关键程度数据和所述条件数据的子集来训练所述第一子模型；
通过使用多个未来维护约束来构建第二子模型；
根据所述第二子模型和所训练的第一子模型，来开发包括所述电力系统中的所述电力传输和配送设备的公用设施资产的替换控制方案；
在第二用户界面中显示所述替换控制方案的输出，以及
根据所构建的第二子模型来更新所述第一子模型的输入。
16.根据权利要求15所述的方法，还包括：
从所述通信接口接收条件数据，所述条件数据包括用于所述电力传输和配送设备的溶解气体数据或绝缘电阻数据；
通过使用所述溶解气体数据来开发大卫三角形，并且通过使用所述绝缘电阻数据来开发绝缘子序列；以及
通过使用所述大卫三角形或所述绝缘电阻子序列来开发所述条件子序列。
17.根据权利要求15所述的方法，还包括：
根据所述电力传输和配送设备的所述预期寿命来确定综合统计原始分数；以及
根据预先确定的综合统计尺度，将所述综合统计原始分数转换成归一化的综合统计风险指数。
18.根据权利要求17所述的方法，还包括：
根据用户输入值，在第三用户界面中显示所述综合统计原始分数与所述归一化的综合统计风险指数之间的关系。
19.根据权利要求15所述的方法，还包括：
根据所述电力传输和配送设备的重载条件和过载条件的发生来确定利用风险指数，其中所述重载条件具有额定容量的80％至100％，所述过载条件超过所述额定容量的100％。
20.根据权利要求15所述的方法，还包括：
通过使用应急操作成本和修正操作成本来确定维护风险指数并且进行转换。
21.根据权利要求15所述的方法，还包括：
根据所述电力传输和配送设备的强制中断时间来确定性能风险指数。
22.根据权利要求15所述的方法，还包括：
根据站和变压器的关键程度、变压器成本、相关容量和平均历史负载的数据可用性来确定关键程度风险指数。
23.根据权利要求15所述的方法，还包括：
通过使用所更新的第一子模型和所更新的第二模型，来更新包括所述电力系统中的所述电力传输和配送设备的公用设施资产的所述替换控制方案。
24.根据权利要求15所述的方法，还包括：
根据所述第一子模型和所更新的第一子模型，来生成用于包括所述电力系统中的所述电力传输和配送设备的所述公用设施资产的公用设施资产条件，并且在所述第二个用户界面中显示所述公用设施资产条件。
CN201580081935.XA 2015-08-28 2015-08-28 电力传输和配送设备事件排序系统 Active CN107852025B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2015/088421 WO2017035703A1 (en) 2015-08-28 2015-08-28 Electrical power transmission and distribution equipment event sequencing system

Publications (2)

Publication Number Publication Date
CN107852025A CN107852025A (zh) 2018-03-27
CN107852025B true CN107852025B (zh) 2021-03-12

Family

ID=58186349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580081935.XA Active CN107852025B (zh) 2015-08-28 2015-08-28 电力传输和配送设备事件排序系统

Country Status (3)

Country Link
US (1) US10622808B2 (zh)
CN (1) CN107852025B (zh)
WO (1) WO2017035703A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10592564B2 (en) * 2016-01-22 2020-03-17 Aerinet Solutions, L.L.C. Real-time outage analytics and reliability benchmarking system
US10591970B2 (en) * 2016-05-18 2020-03-17 Abb Schweiz Ag Industrial asset management systems and methods thereof
US20220058590A1 (en) * 2020-08-20 2022-02-24 International Business Machines Corporation Equipment maintenance in geo-distributed equipment
CN112053086B (zh) * 2020-09-18 2022-09-09 国网河南省电力公司濮阳供电公司 基于大数据电网运行诊断系统的工作方法
US11686699B2 (en) * 2020-09-18 2023-06-27 Analog Devices, Inc. System and method for anomaly detection and total capacity estimation of a battery
CN112734270B (zh) * 2021-01-19 2024-01-23 中国科学院地理科学与资源研究所 一种能源风险传导的测度方法、系统及数据平台
CN117526575B (zh) * 2023-12-19 2024-09-06 陕西联众电力科技有限公司 一种用于配电网的一键顺控方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609986A (zh) * 2008-06-20 2009-12-23 上海申瑞电力科技股份有限公司 基于决策树的多级联合协调自动电压控制方法
CN101807265A (zh) * 2008-09-30 2010-08-18 洛克威尔自动控制技术股份有限公司 机器选择、集成和使用的动态多目标优化的系统和方法
CN103457247A (zh) * 2013-08-09 2013-12-18 福州大学 低压系统多层级全范围选择性协调保护技术
CN103797844A (zh) * 2012-09-13 2014-05-14 埃森哲环球服务有限公司 电网削峰填谷的方法、系统和装置及有形计算机可读介质
CN104424086A (zh) * 2013-09-06 2015-03-18 新唐科技股份有限公司 电脑检错模块和方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006509489A (ja) * 2002-12-06 2006-03-16 エレクトリック　パワー　リサーチ　インスチテュート　インコーポレイテッド 無停電源及び発電システム
US8521476B2 (en) * 2008-02-12 2013-08-27 Accenture Global Services Limited System for monitoring the energy efficiency of technology components
US8482290B2 (en) * 2009-02-27 2013-07-09 Makad Energy, Llc System for intelligent automated response to line frequency and voltage disturbances by a central control point communication with a plurality of load control devices

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609986A (zh) * 2008-06-20 2009-12-23 上海申瑞电力科技股份有限公司 基于决策树的多级联合协调自动电压控制方法
CN101807265A (zh) * 2008-09-30 2010-08-18 洛克威尔自动控制技术股份有限公司 机器选择、集成和使用的动态多目标优化的系统和方法
CN103797844A (zh) * 2012-09-13 2014-05-14 埃森哲环球服务有限公司 电网削峰填谷的方法、系统和装置及有形计算机可读介质
CN103457247A (zh) * 2013-08-09 2013-12-18 福州大学 低压系统多层级全范围选择性协调保护技术
CN104424086A (zh) * 2013-09-06 2015-03-18 新唐科技股份有限公司 电脑检错模块和方法

Also Published As

Publication number Publication date
US20190207388A1 (en) 2019-07-04
CN107852025A (zh) 2018-03-27
WO2017035703A1 (en) 2017-03-09
US10622808B2 (en) 2020-04-14

Similar Documents

Publication Publication Date Title
CN107852025B (zh) 电力传输和配送设备事件排序系统
CA2916454C (en) Distribution transformer heavy loading and overloading mid-term and short-term pre-warning analytics model
Aqlan et al. A fuzzy-based integrated framework for supply chain risk assessment
US20160231716A1 (en) System of systems optimizing control for achieving performance and risk outcomes in physical and business operations of connected and interrelated industrial systems
Goyal et al. Asset health management using predictive and prescriptive analytics for the electric power grid
Bugert et al. Effectiveness of responsive pricing in the face of supply chain disruptions
CN111680841A (zh) 基于主成分分析的短期负荷预测方法、系统及终端设备
CN115439003A (zh) 基于智慧燃气物联网的燃气表更换提示方法和系统
Lee et al. Aggregate demand forecast with small data and robust capacity decision in TFT-LCD manufacturing
US9252633B2 (en) System and method for accelerated assessment of operational uncertainties in electrical power distribution systems
CN117670018A (zh) 汽车制造中的风险预测以及交互式风险减轻的系统及方法
CN117674119A (zh) 电网运行风险评估方法、装置、计算机设备和存储介质
CN117764515B (zh) 一种变电站设备的故障检修成本核算方法及系统
Kaminski et al. Artificial neural networks application for top oil temperature and loss of life prediction in power transformers
Campanhola et al. Methodology for Cost Analysis of the Unavailability of Power Transformers in Brazilian Substations
Kogan et al. Determining critical power equipment inventory using extreme value approach and an auxiliary Poisson model
CN114282881A (zh) 折旧测算方法、装置、存储介质及计算机设备
CN115943399A (zh) 生成方法、生成装置、程序、信息处理方法及信息处理装置
JP4419814B2 (ja) サービス品質評価支援装置
US20240264234A1 (en) Anomaly detection in energy storage systems
Viedienina et al. Management of Information Support and Automation of Energy Systems based on Artificial Intelligence
US20240291303A1 (en) Load collectives for energy storage systems
Olar et al. The Design and Applications of Dashboards Used in Electrical and Power Systems
WO2023074308A1 (ja) 情報処理装置及び方法
US20240185149A1 (en) Forecasting energy demand and co2 emissions for a gas processing plant integrated with power generation facilities

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
GR01 Patent grant
GR01 Patent grant