CN109492913B - 一种配电终端的模块化风险预测方法、装置及可存储介质 - Google Patents
一种配电终端的模块化风险预测方法、装置及可存储介质 Download PDFInfo
- Publication number
- CN109492913B CN109492913B CN201811347988.3A CN201811347988A CN109492913B CN 109492913 B CN109492913 B CN 109492913B CN 201811347988 A CN201811347988 A CN 201811347988A CN 109492913 B CN109492913 B CN 109492913B
- Authority
- CN
- China
- Prior art keywords
- power distribution
- module
- distribution terminal
- failure rate
- index data
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000012423 maintenance Methods 0.000 claims abstract description 95
- 238000003860 storage Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 75
- 238000004891 communication Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013024 troubleshooting Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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—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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种配电终端的模块化风险预测方法、装置及可存储介质，本申请以配电终端内部的各个工作模块为预测对象，根据获取到的运维指标数据，通过熵权法先分别得到配电终端的各个工作模块的风险概率值，再根据各个工作模块的风险概率值，通过上下限法求得配电终端整体的可靠性预测值，解决了现有的以配电终端整体为单位的风险预测方法误差大的技术问题。
Description
技术领域
本申请涉及配电终端运维与管理领域，尤其涉及一种配电终端的模块化风险预测方法、装置及可存储介质。
背景技术
随着电力市场化进程的不断推进以及用户对电能可靠性和质量要求的不断提升，未来的电网必须能够提供更加安全、可靠、清洁、优质的电力供应，提供更加优质的服务。因此，建设智能电网已经成为了电力工业的变革与进步主要发展方向。
配电终端是配电自动化现场监测与控制设备，其可靠性对配电自动化至关重要。配电终端在实际运行过程中，出现故障的原因较多，恶劣运行环境、人为因素、管理因素等都可能导致配电终端局部或整体发生故障。
然而，现有的配电终端风险预测是根据终端整体的故障事件进行统计，并实施预测，而且当前的配电终端大多都采用复杂的封闭式设计，随着其设计标准、元器件选型、接口标准的多样化和复杂化，导致了现有的以配电终端整体为单位的风险预测结果误差越来越大的技术问题。
发明内容
本申请提供了一种配电终端的模块化风险预测方法、装置及可存储介质，用于解决现有的以配电终端整体为单位的风险预测方法误差大的技术问题。
有鉴于此，本申请第一方面提供了一种配电终端的模块化风险预测方法，包括：
根据预置的配电终端检测指标，从终端故障数据库中获取配电终端中的各个工作模块的运维指标数据，其中，所述检测指标与所述运维指标数据一一对应；
通过熵权法，计算与所述运维指标数据相对应的熵权系数；
根据所述检测指标与所述工作模块的预置关联关系，筛选并分类与所述工作模块相关联的所述运维指标数据，并根据筛选出的所述根据所述运维指标数据和所述熵权系数，通过加权求和方式，分别得到所述配电终端中的各个工作模块的风险概率值；
通过上下限法，对所述各个工作模块的风险概率值进行运算，得到所述配电终端的可靠性预测值。
优选地，所述获取所述配电终端检测指标对应的运维指标数据之前还包括：
统计所述配电终端的历史运维数据，并根据所述检测指标，生成所述终端故障数据库。
优选地，所述通过熵权法，计算与所述运维指标数据相对应的熵权系数具体包括：
对获取到的所述运维指标数据进行标准化处理，根据经过标准化处理后的运维指标数据，通过信息熵计算公式，得到所述运维指标数据的信息熵值；
根据所述信息熵值，再根据预置的熵权转换公式，计算得到所述信息熵值对应的熵权系数。
优选地，所述信息熵计算公式为：
式中，Ej为所述信息熵值，Yij为经过标准化处理后的运维指标数据，n为一组运维指标数据的数据量。
优选地，所述熵权转换公式为：
式中，Wi为所述熵权系数，k为所述运维指标数据的总数量。
优选地，所述工作模块具体包括：中央处理模块、操作回路模块、通信模块、电源模块和采集模块。
优选地，根据配电终端中的各个所述工作模块和所述配电终端的检测指标的对应关系具体包括：
所述中央处理模块的检测指标包括：任务运行系统故障率、系统参数设定故障率和GPS对时系统故障率；
所述操作回路模块的检测指标包括：控制系统故障率和系统响应故障率；
所述通信模块的检测指标包括：上行通信单元故障率；下行通信单元故障率；
所述电源模块的检测指标包括：电源电网侧故障率、蓄电池系统故障率、电池活化系统故障率；
所述采集模块的检测指标包括：采集单元故障率和传感器探头故障率。
本申请第二方面提供了一种配电终端的模块化风险预测装置，包括：
数据获取单元，用于根据配电终端中的各个所述工作模块和所述配电终端的检测指标的对应关系，从终端故障数据库中获取所述各个工作模块的运维指标数据，其中，所述检测指标与所述运维指标数据一一对应；
单模块风险计算单元，用于通过熵权法，计算与所述运维指标数据相对应的熵权系数，并根据所述运维指标数据和所述熵权系数，通过加权求和方式，分别得到所述配电终端中的各个工作模块的风险概率值；
终端风险计算单元，用于通过上下限法，对所述各个工作模块的风险概率值进行运算，得到所述配电终端的可靠性预测值。
优选地，还包括：
数据库构建单元，用于统计所述配电终端的历史运维数据，并根据所述工作模块检测指标，生成所述终端故障数据库。
本申请第三方面提供了一种计算机可存储介质，所述计算机可存储介质中存储有计算机程序，该程序被处理器执行时实现以下步骤：
根据配电终端中的各个所述工作模块和所述配电终端的检测指标的对应关系，从终端故障数据库中获取所述各个工作模块的运维指标数据，其中，所述检测指标与所述运维指标数据一一对应；
通过熵权法，计算与所述运维指标数据相对应的熵权系数；
根据所述检测指标与各个所述工作模块之间的对应关系，筛选并分类与所述工作模块相关联的所述运维指标数据，并根据筛选出的所述根据所述运维指标数据和所述熵权系数，通过加权求和方式，分别得到所述配电终端中的各个工作模块的风险概率值；
通过上下限法，对所述各个工作模块的风险概率值进行运算，得到所述配电终端的可靠性预测值。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种配电终端的模块化风险预测方法，包括：根据预置的配电终端检测指标，从终端故障数据库中获取配电终端中的各个工作模块的运维指标数据，其中，所述检测指标与所述运维指标数据一一对应；通过熵权法，计算与所述运维指标数据相对应的熵权系数；根据所述检测指标与所述工作模块的预置关联关系，筛选并分类与所述工作模块相关联的所述运维指标数据，并根据筛选出的所述根据所述运维指标数据和所述熵权系数，通过加权求和方式，分别得到所述配电终端中的各个工作模块的风险概率值；通过上下限法，对所述各个工作模块的风险概率值进行运算，得到所述配电终端的可靠性预测值。
本申请以配电终端内部的各个工作模块为预测对象，根据获取到的运维指标数据，通过熵权法先分别得到配电终端的各个工作模块的风险概率值，再根据各个工作模块的风险概率值，通过上下限法求得配电终端整体的可靠性预测值，解决了现有的以配电终端整体为单位的风险预测方法误差大的技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种配电终端的模块化风险预测方法的第一个实施例的流程图；
图2为本申请提供的一种配电终端的模块化风险预测方法的第二个实施例的流程图；
图3为配电终端中的各个工作模块的一个实施例的逻辑结构示意图；
图4为上下限法的原理示意图；
图5为本申请提供的一种配电终端的模块化风险预测装置的第一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种配电终端的模块化风险预测方法、装置及可存储介质，用于解决现有的以配电终端整体为单位的风险预测方法误差大的技术问题。
信息熵最先是由申农将熵的概念引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用，熵权法是根据指标变异性的大小来确定客观权重。一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。
上下限法，又称边值法，通过将一个复杂系统先简单地看成是某些单元的串联系统，计算该串联系统的可靠性预测值的上限和下限，再逐步考虑系统的复杂情况，逐次求出系统可靠性更精确的上限和下限，当达到一定精度要求后，再将上限和下限合成单一的预测值，作为满足实际精确度要求的最终可靠性预测值。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
请参阅图1和图2，本申请实施例提供了一种配电终端的模块化风险预测方法，包括：
101、根据预置的配电终端检测指标，从终端故障数据库中获取配电终端中的各个工作模块的运维指标数据，其中，检测指标与运维指标数据一一对应；
需要说明的是，首先根据预置的配电终端检测指标，获取配电终端中的各个工作模块的运维指标数据，其中，获取的运维指标数据的数据量与检测指标的数量是一一对应，即一个检测指标对应一组运维指标数据，例如，假设给定了k个指标，则获取的运维指标数据就有X1,X2,...,Xk。
102、通过熵权法，计算与运维指标数据相对应的熵权系数；
需要说明的是，在获取到运维指标数据后，以一组运维指标数据为单位，通过熵权法，计算出与运维指标数据相对应的熵权系数，其中，本实施例的熵权系数具体为根据一组运维指标数据的信息熵进一步地计算得到的权重系数。
具体地，首先将获取到的各组运维指标数据进行标准化处理，假设获取到k个指标X1,X2,...,Xk，其中Xi＝{x1,x2,...,xn}。假设对各运维指标数据标准化后的值为Y1,Y2,...,Yk，那么
然后根据信息论中信息熵的定义，一组数据的信息熵
其中
如果pij＝0，则定义
再根据信息熵的计算公式，计算出各个指标的信息熵为E1,E2,...,Ek。通过信息熵计算各指标的权重，即熵权系数：
103、根据检测指标与工作模块的预置关联关系，筛选并分类与工作模块相关联的运维指标数据，并根据筛选出的根据运维指标数据和熵权系数，通过加权求和方式，分别得到配电终端中的各个工作模块的风险概率值；
需要说明的是，在得到各个检测指标对应的熵权系数后，根据检测指标与工作模块的预置关联关系，筛选并分类与工作模块相关联的运维指标数据，并根据筛选出的根据运维指标数据和熵权系数，通过加权求和方式，分别得到配电终端中的各个工作模块的风险概率值。
其中，检测指标与工作模块之间设置有预置关联关系，例如，工作模块Z1的检测项包括两个指标，且这两个指标对应的运维指标数据具体为X1、X2和X3，接着根据工作模块Z1的三组运维指标数据以及与该两组运维指标数据对应的熵权系数的加权和，得到工作模块Z1的风险概率值，然后以同样的方式，分别求得配电终端其他工作模块的风险概率值。
104、通过上下限法，对各个工作模块的风险概率值进行运算，得到配电终端的可靠性预测值。
需要说明的是，在得到了配电终端各个工作模块的风险概率值后，通过上下限法，对各个工作模块的风险概率值进行运算，得到配电终端的可靠性预测值。
进一步地，获取配电终端检测指标对应的运维指标数据之前还包括：
100、统计配电终端的历史运维数据，并根据检测指标，生成终端故障数据库。
具体地，根据配网自动化系统中的终端故障状态及历史检修信息，结合已有的配电终端故障典型案例，统计已有数据，形成配电终端故障概率数据库，作为配电终端故障模型仿真的数据基础。建立以配电终端类型配电终端厂家、配电终端生产年份(2016、2017、2018)、配电终端运行环境等为指标的数据库，数据库包含了以往各种故障发生时故障原因的分类与汇集，形成终端故障数据库。
进一步地，本实施例的工作模块可以具体划分为：中央处理模块、操作回路模块、通信模块、电源模块和采集模块。
进一步地，根据配电终端中的各个工作模块和配电终端的检测指标的对应关系具体包括：
中央处理模块的检测指标包括：任务运行系统故障率、系统参数设定故障率和GPS对时系统故障率；
操作回路模块的检测指标包括：控制系统故障率和系统响应故障率；
通信模块的检测指标包括：上行通信单元故障率；下行通信单元故障率；
电源模块的检测指标包括：电源电网侧故障率、蓄电池系统故障率、电池活化系统故障率；
采集模块的检测指标包括：采集单元故障率和传感器探头故障率。
为了更清楚地解释本申请的技术方案，下面结合图3和图4，对本申请的可靠性预测值的具体计算过程进行解释。
其中，图3为配电终端中的各个工作模块的一个实施例的逻辑结构示意图，如图3所示，考虑到模块间存在逻辑联系，建立如图3所示的配电终端故障树分析图。图中，Z1代表中央控制单元状态模块，Z2代表操作控制回路状态模块，Z3代表通信网络状态模块，Z4代表蓄电池状态模块，Z5代表充电器状态模块，Z6代表采集单元状态模块。利用上下限法分析模型，运用综合概率公式求解。
请参阅图4，图4为本申请的上下限法的原理示意图，首先假定配电终端中非串联部分的可靠度为1，从而忽略其影响，这样算出的配电终端可靠度显然是最高的，这就是第一次简化的上限值；然后假设非串联单元不起冗余作用，全部作为串联单元处理，这样处理配电终端的方法最为简单，所计算的可靠性为最低，即第一次简化的下限值。如果考虑一些非串联单元同时失效的影响，并以此修正上述上限值，则上限值会更逼近真值。同理，若考虑某些非串联单元失效不引起配电终端失效的情况，则又会使配电终端的可靠性下限值提高而接近真值。考虑的因素越多，所进行的操作次数越多，上下限值越接近真值，最后通过综合公式得到近似配电终端可靠度。
具体的，以图3所示的结构为例，
(一)上限Rt的计算
第一次预计的算式为：
第二次预计的算式为：
Rt (2)＝1-F1-F2＝R1R2R3R6(1-F4F5)
(二)下限Rb的计算
下限值为正常工作状态之和
第一次预计为只考虑单元没有故障时，系统处于正常工作状态的情况，
第一次预计的算式为：
第二次预计为考虑并联单元中只有一个元件故障时，系统处于正常工作状态的情况。
第二次预计的算式为：
可以证明，把预计的Rt,Rb，用几何平均公式可以得到较为实用的配电终端系统可靠性预测值Rs。
Rs＝1-[(1-Rt (2))(1-Rb (2))]1/2
式中，Rt表示计算的上限值，RbF表示单元故障概率，R代表单元正常运行概率，其中，在第一次上限值预测的算式中，第四个需要累加的单元为Z6；
另外，本实施例给出了一种架构的配电终端的可靠性预测值计算方法，对于不同的厂家的配电终端的复杂结构，同样可以参照本实施例提供的基于上下限法的模块化风险预测方法，多次迭代计算，最终实现更精确地对配电终端进行风险分析。
本实施例以配电终端内部的各个工作模块为预测对象，根据获取到的运维指标数据，通过熵权法先分别得到配电终端的各个工作模块的风险概率值，再根据各个工作模块的风险概率值，通过上下限法求得配电终端整体的可靠性预测值，解决了现有的以配电终端整体为单位的风险预测方法误差大的技术问题。
以上为本申请提供的一种配电终端的模块化风险预测方法的第一个实施例的详细说明，下面为本申请提供的一种配电终端的模块化风险预测装置的第一个实施例的详细说明。
请参阅图5，本申请实施例提供了一种配电终端的模块化风险预测装置，包括：
数据获取单元201，用于根据配电终端中的各个工作模块和配电终端的检测指标的对应关系，从终端故障数据库中获取各个工作模块的运维指标数据，其中，检测指标与运维指标数据一一对应；
熵权系数计算单元202，用于通过熵权法，计算与运维指标数据相对应的熵权系数；
单模块风险计算单元203，用于根据检测指标与工作模块的预置关联关系，筛选并分类与工作模块相关联的运维指标数据，并根据筛选出的根据运维指标数据和熵权系数，通过加权求和方式，分别得到配电终端中的各个工作模块的风险概率值；
终端风险计算单元204，用于通过上下限法，对各个工作模块的风险概率值进行运算，得到配电终端的可靠性预测值。
优选地，还包括：
数据库构建单元200，用于统计配电终端的历史运维数据，并根据工作模块检测指标，生成终端故障数据库。
除此以外，本实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
根据配电终端中的各个工作模块和配电终端的检测指标的对应关系，从终端故障数据库中获取各个工作模块的运维指标数据，其中，检测指标与运维指标数据一一对应；
通过熵权法，计算与运维指标数据相对应的熵权系数；
根据检测指标与各个工作模块之间的对应关系，筛选并分类与工作模块相关联的运维指标数据，并根据筛选出的根据运维指标数据和熵权系数，通过加权求和方式，分别得到配电终端中的各个工作模块的风险概率值；
通过上下限法，对各个工作模块的风险概率值进行运算，得到配电终端的可靠性预测值。
本实施例以配电终端内部的各个工作模块为预测对象，根据获取到的运维指标数据，通过熵权法先分别得到配电终端的各个工作模块的风险概率值，再根据各个工作模块的风险概率值，通过上下限法求得配电终端整体的可靠性预测值，解决了现有的以配电终端整体为单位的风险预测方法误差大的技术问题。
同时，通过本申请的模块化风险预测方法，还可以将计算得到的各个工作模块的风险概率值用作故障维护的参考数据，当配电终端发生故障时，运维人员可以故障情况结合各个工作模块的风险概率值，对风险概率值较高的模块有计划地进行优先排查，还可以克服当前运维人员只能根据故障情况对所有可能的故障进行逐一排查，导致的排查的效率和准确性受运维人员的技术水平影响，可以达到了提高故障点排查效率的额外效果。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (6)
1.一种配电终端的模块化风险预测方法，其特征在于，包括：
统计所述配电终端的历史运维数据，并根据检测指标，生成终端故障数据库；
根据预置的配电终端检测指标，从终端故障数据库中获取配电终端中的各个工作模块的运维指标数据，其中，所述检测指标与所述运维指标数据一一对应；所述工作模块具体包括：中央处理模块、操作回路模块、通信模块、电源模块和采集模块；其中，所述检测指标与工作模块的预置关联关系包括：
所述中央处理模块的检测指标包括：任务运行系统故障率、系统参数设定故障率和GPS对时系统故障率；
所述操作回路模块的检测指标包括：控制系统故障率和系统响应故障率；
所述通信模块的检测指标包括：上行通信单元故障率；下行通信单元故障率；
所述电源模块的检测指标包括：电源电网侧故障率、蓄电池系统故障率、电池活化系统故障率；
所述采集模块的检测指标包括：采集单元故障率和传感器探头故障率；
通过熵权法，计算与所述运维指标数据相对应的熵权系数；
根据所述检测指标与所述工作模块的预置关联关系，筛选并分类与所述工作模块相关联的所述运维指标数据，并根据筛选出的所述根据所述运维指标数据和所述熵权系数，通过加权求和方式，分别得到所述配电终端中的各个工作模块的风险概率值；通过上下限法，对所述各个工作模块的风险概率值进行运算，得到所述配电终端的可靠性预测值。
2.根据权利要求1所述的一种配电终端的模块化风险预测方法，其特征在于，所述通过熵权法，计算与所述运维指标数据相对应的熵权系数具体包括：
对获取到的所述运维指标数据进行标准化处理，根据经过标准化处理后的运维指标数据，通过信息熵计算公式，得到所述运维指标数据的信息熵值；
根据所述信息熵值，再根据预置的熵权转换公式，计算得到所述信息熵值对应的熵权系数。
3.根据权利要求2所述的一种配电终端的模块化风险预测方法，其特征在于，所述信息熵计算公式为：
式中，Ej为所述信息熵值，Yij为经过标准化处理后的运维指标数据，n为一组运维指标数据的数据量。
4.根据权利要求2所述的一种配电终端的模块化风险预测方法，其特征在于，所述熵权转换公式为：
式中，Wi为所述熵权系数，k为所述运维指标数据的总数量。
5.一种配电终端的模块化风险预测装置，其特征在于，包括：
数据库构建单元，用于统计所述配电终端的历史运维数据，并根据工作模块检测指标，生成所述终端故障数据库；
数据获取单元，用于根据配电终端中的各个所述工作模块和所述配电终端的检测指标的对应关系，从终端故障数据库中获取所述各个工作模块的运维指标数据，其中，所述检测指标与所述运维指标数据一一对应；所述工作模块具体包括：中央处理模块、操作回路模块、通信模块、电源模块和采集模块；其中，所述检测指标与工作模块的预置关联关系包括：
所述中央处理模块的检测指标包括：任务运行系统故障率、系统参数设定故障率和GPS对时系统故障率；
所述操作回路模块的检测指标包括：控制系统故障率和系统响应故障率；
所述通信模块的检测指标包括：上行通信单元故障率；下行通信单元故障率；
所述电源模块的检测指标包括：电源电网侧故障率、蓄电池系统故障率、电池活化系统故障率；
所述采集模块的检测指标包括：采集单元故障率和传感器探头故障率；
熵权系数计算单元，用于通过熵权法，计算与所述运维指标数据相对应的熵权系数；
单模块风险计算单元，用于根据所述检测指标与所述工作模块的预置关联关系，筛选并分类与所述工作模块相关联的所述运维指标数据，并根据筛选出的所述根据所述运维指标数据和所述熵权系数，通过加权求和方式，分别得到所述配电终端中的各个工作模块的风险概率值；
终端风险计算单元，用于通过上下限法，对所述各个工作模块的风险概率值进行运算，得到所述配电终端的可靠性预测值。
6.一种计算机可存储介质，其特征在于，所述计算机可存储介质中存储有计算机程序，该程序被处理器执行时实现以下步骤：
统计配电终端的历史运维数据，并根据检测指标，生成终端故障数据库；
根据配电终端中的各个工作模块和所述配电终端的检测指标的对应关系，从终端故障数据库中获取所述各个工作模块的运维指标数据，其中，所述检测指标与所述运维指标数据一一对应；所述工作模块具体包括：中央处理模块、操作回路模块、通信模块、电源模块和采集模块；其中，所述检测指标与工作模块的预置关联关系包括：
所述中央处理模块的检测指标包括：任务运行系统故障率、系统参数设定故障率和GPS对时系统故障率；
所述操作回路模块的检测指标包括：控制系统故障率和系统响应故障率；
所述通信模块的检测指标包括：上行通信单元故障率；下行通信单元故障率；
所述电源模块的检测指标包括：电源电网侧故障率、蓄电池系统故障率、电池活化系统故障率；
所述采集模块的检测指标包括：采集单元故障率和传感器探头故障率；
通过熵权法，计算与所述运维指标数据相对应的熵权系数；
根据所述检测指标与各个所述工作模块之间的对应关系，筛选并分类与所述工作模块相关联的所述运维指标数据，并根据筛选出的所述根据所述运维指标数据和所述熵权系数，通过加权求和方式，分别得到所述配电终端中的各个工作模块的风险概率值；
通过上下限法，对所述各个工作模块的风险概率值进行运算，得到所述配电终端的可靠性预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811347988.3A CN109492913B (zh) | 2018-11-13 | 2018-11-13 | 一种配电终端的模块化风险预测方法、装置及可存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811347988.3A CN109492913B (zh) | 2018-11-13 | 2018-11-13 | 一种配电终端的模块化风险预测方法、装置及可存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109492913A CN109492913A (zh) | 2019-03-19 |
| CN109492913B true CN109492913B (zh) | 2022-01-25 |
Family
ID=65695813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811347988.3A Active CN109492913B (zh) | 2018-11-13 | 2018-11-13 | 一种配电终端的模块化风险预测方法、装置及可存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109492913B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111591B (zh) * | 2021-04-29 | 2022-06-21 | 南方电网电力科技股份有限公司 | 基于模块化配电终端内部故障自动诊断方法、装置及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324992A (zh) * | 2013-07-11 | 2013-09-25 | 国家电网公司 | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 |
| CN104980950A (zh) * | 2014-04-03 | 2015-10-14 | 中国移动通信集团浙江有限公司 | 一种网络优化服务器、实现网络优化的移动设备和系统 |
| CN107067341A (zh) * | 2017-04-01 | 2017-08-18 | 重庆大学 | 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法 |
| CN107292490A (zh) * | 2017-05-18 | 2017-10-24 | 国网浙江省电力公司杭州供电公司 | 试运行变电站运行风险评估体系及评估方法 |
| CN107563680A (zh) * | 2017-10-20 | 2018-01-09 | 广东电网有限责任公司电力科学研究院 | 一种基于ahp和熵权法的配电网可靠性评估方法 |
-
2018
- 2018-11-13 CN CN201811347988.3A patent/CN109492913B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324992A (zh) * | 2013-07-11 | 2013-09-25 | 国家电网公司 | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 |
| CN104980950A (zh) * | 2014-04-03 | 2015-10-14 | 中国移动通信集团浙江有限公司 | 一种网络优化服务器、实现网络优化的移动设备和系统 |
| CN107067341A (zh) * | 2017-04-01 | 2017-08-18 | 重庆大学 | 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法 |
| CN107292490A (zh) * | 2017-05-18 | 2017-10-24 | 国网浙江省电力公司杭州供电公司 | 试运行变电站运行风险评估体系及评估方法 |
| CN107563680A (zh) * | 2017-10-20 | 2018-01-09 | 广东电网有限责任公司电力科学研究院 | 一种基于ahp和熵权法的配电网可靠性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 熵权法及其改进;无;《豆丁，https://www.docin.com/p-1613356547.html》;20160601;正文第6,22-23页 * |
| 第四章 可靠性预计和分配;无;《百度文库https://wenku.baidu.com/view/d0c722d4e43a580216fc700abb68a98270feac61.html》;20181011;正文第2,12-21页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109492913A (zh) | 2019-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111368890A (zh) | 故障检测方法及装置、信息物理融合系统 | |
| CN112699913A (zh) | 一种台区户变关系异常诊断方法及装置 | |
| CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
| CN102129060B (zh) | 电能表可靠性检测方法及装置 | |
| CN106772205A (zh) | 一种电力计量自动化系统终端设备异常监测方法及装置 | |
| CN109697570B (zh) | 变电站二次设备状态评估方法、系统及设备 | |
| CN108199795A (zh) | 一种设备状态的监测方法和装置 | |
| CN116125361B (zh) | 电压互感器误差评估方法、系统、电子设备及存储介质 | |
| CN105471647B (zh) | 一种电力通信网故障定位方法 | |
| CN111967620A (zh) | 一种光伏组件诊断方法、装置、设备及可读存储介质 | |
| CN112712256A (zh) | 一种低压配网设备检修顺序评估方法 | |
| CN116467648A (zh) | 一种基于物联表的非线性台区电力故障的早期监测方法 | |
| CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
| CN109492913B (zh) | 一种配电终端的模块化风险预测方法、装置及可存储介质 | |
| CN109409629B (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
| Lutska et al. | Forecasting the efficiency of the control system of the technological object on the basis of neural networks | |
| CN115858606A (zh) | 时序数据的异常检测方法、装置、设备及存储介质 | |
| CN112595918A (zh) | 一种低压集抄故障的检测方法及装置 | |
| CN111953531A (zh) | 网络故障分析方法及装置 | |
| CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
| CN111614504A (zh) | 基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法及系统 | |
| CN107480703A (zh) | 交易故障检测方法及装置 | |
| CN114237098B (zh) | 一种电气产品的智能化数字管理系统 | |
| CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 | |
| CN114662589A (zh) | 一种电表故障研判方法、装置、设备和可读存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200110 Address after: 510000 room 501-503, annex building, Huaye building, No.1-3, Chumo new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province Applicant after: Guangdong Electric Power Research Institute of energy technology limited liability company Address before: 510600 No. 757 Dongfeng East Road, Guangzhou, Guangdong, Yuexiu District Applicant before: GUANGDONG STATE GRID CO., LTD. Applicant before: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Applicant after: China Southern Power Grid Power Technology Co.,Ltd. Address before: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Applicant before: GUANGDONG ELECTRIC POWER SCIENCE RESEARCH INSTITUTE ENERGY TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |