CN109687426A - 故障率参数建模方法、装置、设备与存储介质 - Google Patents
故障率参数建模方法、装置、设备与存储介质 Download PDFInfo
- Publication number
- CN109687426A CN109687426A CN201811399519.6A CN201811399519A CN109687426A CN 109687426 A CN109687426 A CN 109687426A CN 201811399519 A CN201811399519 A CN 201811399519A CN 109687426 A CN109687426 A CN 109687426A
- Authority
- CN
- China
- Prior art keywords
- equipment
- failure rate
- failure
- reason
- fault
- 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.)
- Granted
Links
Classifications
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种故障率参数建模方法、装置、设备与存储介质,该方法,包括:根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。通过上述方法可以实现对不同的设备分析影响其故障率的原因,并根据不同的故障停电责任原因,对设备的故障设备故障历史数据进行归类划分,计算任意一种故障停电责任原因的故障率,能够有效提高故障率参数的计算精度,充分反映不同区域中设备的故障率参数的差异,提高配电网可靠性评估的精确度。
Description
技术领域
本发明涉及配电网可靠性评估技术领域,具体涉及一种故障率参数建模方法、装置、设备与存储介质。
背景技术
配电网承担着将电能从电源或输电网传输到不同电压等级用户的重要任务,直接与用户相连,对供电可靠性影响较大。统计资料显示:大约有80%的停电事故由配电系统故障造成。因此,准确快速地进行配电网可靠性评估十分重要。
目前,工程上应用的配电网可靠性评估算法可分为模拟法和解析法两大类。模拟法通过对配电网元件状态的概率分布抽样来进行状态选择,评估状态后果并利用统计学方法得到可靠性指标。模拟法适合对复杂配电网进行可靠性计算,但其计算精度往往受到各种因素的限制。相对于发输电系统而言,配电网的元件不可用率通常较小,现有的可靠性评估研究通常仅考虑一阶失效事件。基于这些特点,解析法由于生成系统状态简单且计算精度高等原因,在配电网可靠性评估中得到广泛应用。
而设配电网可靠性评估的精确度主要依赖于备故障率参数,但是,目前国内外针对配电网可靠性评估中设备故障率参数选取的研究主要采用以下方法:
1)统计相关系统中设备历史故障数据,计算统计年限内各设备故障数的平均值,将其作为元件故障率参数进行配电网可靠性评估计算。在进行配电网可靠性评估时,这种方法对整个配电网系统的设备采用统一的故障率参数。这种方法可以评估不同配网网架结构带来的可靠性差异,但是无法区分由于各区域设备可靠性水平不一导致的可靠性影响,而且不能有效反映配电网设备状态水平的变化趋势,无法准确体现配电网当前的实际可靠性水平。2)以历史统计结果得到的配电网设备故障率为基准,通过对配电网设备故障原因进行分析,从配电网设备所处内部自身运行状态和外界影响因素对设备故障率进行量化修正。此方法可以在可靠性评估中考虑不同区域设备的可靠性差异。但是由于修正指数的确定没有严格的标准依据,修正后的设备故障率难以精确地反映不同区域中设备的故障率参数差异,导致故障率参数精度不足,从而降低可靠性评估的精确度。
发明内容
基于此,本发明提供了一种故障率参数建模方法、装置、设备与存储介质,其能有效提高故障率参数的计算精度,充分反映不同区域中设备的故障率参数的差异,提高配电网可靠性评估的精确度。
第一方面,本发明实施例提供了一种故障率参数建模方法,包括:
根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;
根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。
优选地,所述根据任意一种故障停电责任原因对应的设备故障历史数据,计算任意一种故障停电责任原因的故障率,具体包括:
根据公式(1),计算任意一种配电设备故障停电责任原因的故障率;
其中,n表示设备在暴露时间内的故障次数;T为设备的总暴露时间;λij表示对于第i个设备由第j种故障停电责任原因导致的故障率。
优选地,所述故障停电责任原因包括设计施工原因、设备原因、运行维护原因、外力因素原因、自然因素原因、用户影响原因、低压设施故障原因、发电设施故障及输变电设施故障原因。
优选地,所述设备包括变电站10KV母线、架空线路、电缆线路、隔离开关、断路器、熔断器、负荷开关、配电变压器以及联络开关。
优选地,所述根据任意一种故障停电责任原因对应的设备故障历史数据,计算任意一种故障停电责任原因的故障率,具体包括:
根据预设的地区区域特征,对所述设计施工原因对应的设备故障历史数据进行分类统计,计算所述设计施工原因的故障率;
根据预设的品牌特征、所述设备运行年限、所述设备原因对应的设备故障历史数据,计算所述设备原因的故障率;
根据预设的变电站区域特征,对所述运行维护原因对应的设备故障历史数据进行分类统计,计算所述运行维护原因的故障率;
根据所述设备所属的区域特征和品牌特征,计算预设的外力故障下的各设备的故障率,并根据各种所述外力故障下各设备的故障率,计算所述外力因素原因的故障率矩阵;
根据预设的变电站供电区域特征,对所述自然因素原因对应的设备故障历史数据进行分类统计,计算所述自然因素原因的故障率;
根据预设的用户类型特征,对所述用户影响原因对应的设备故障历史数据进行分类统计,计算所述用户影响原因的故障率;
根据所述地区区域特征,对所述低压设施故障原因对应的设备故障历史数据进行分类统计,计算所述低压设施故障原因的故障率;
根据预设的线路特征,分别对所述发电设施故障及输变电设施故障原因对应的设备故障历史数据进行分类统计,计算所述发电设施故障及输变电设施故障原因的故障率。
优选地,所述根据预设的品牌特征、所述设备运行年限、所述设备原因对应的设备故障历史数据,计算所述设备原因的故障率,具体包括:
根据预设的品牌特征,对所述设备原因对应的设备故障历史数据进行分类统计,得到所述设备对应不同品牌特征下的品牌故障率;
通过预设的Weibull模型,对所述设备在任意一品牌特征下的品牌故障率进行曲线拟合,得到所述设备在任意一品牌特征下的故障率浴盆曲线;
根据所述设备的运行年限,从所述设备在任意一品牌特征下的所述故障率浴盆曲线选取所述设备的运行年限对应的品牌故障率作为所述设备在任意一品牌特征下的故障率;
根据所述设备在任意一品牌特征下的故障率,计算所述设备原因的的故障率矩阵。
优选地,所述方法还包括以下品牌特征确定步骤:
通过信息熵特征选取法,计算所述设备原因对应的设备故障历史数据的第一信息熵;
根据所述设备所属的品牌,通过所述信息熵特征选取法,计算在不同品牌下所述设备原因对应的设备故障历史数据的第二信息熵;
根据所述第一信息熵与所述第二信息熵,计算所述设备在不同品牌下的信息增益;
按照所述信息增益由大到小对所述设备的各个品牌进行排序,并将排在设定序号后的所有品牌设定为一般品牌特征,排在所述设定序号前的N品牌依次设定为品牌i特征;其中,i≤N。
第二方面,本发明实施例提供了一种故障率参数建模装置,包括:
数据划分模块,用于根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;
故障率计算模块,用于根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。
第三方面,本发明实施例提供了一种故障率参数建模设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述的故障率参数建模方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的故障率参数建模方法。
相对于现有技术,本发明实施例提供的一种故障率参数建模方法的有益效果在于:所述故障率参数建模方法,包括:根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。通过上述方法可以实现对不同的设备分析影响其故障率的原因,并根据不同的故障停电责任原因,对设备的故障设备故障历史数据进行归类划分,计算任意一种故障停电责任原因的故障率,能够有效提高故障率参数的计算精度,充分反映不同区域中设备的故障率参数的差异,提高配电网可靠性评估的精确度。
附图说明
图1是本发明第一实施例提供的一种故障率参数建模方法的流程图;
图2是本发明提供的设备的故障率浴盆曲线的示意图;
图3是本发明提供的配电网设备故障率求取方法的流程图;
图4是本发明第二实施例提供的故障率参数建模装置的结构示意图;
图5是本发明第三实施例提供的故障率参数建模设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明第一实施例提供的故障率参数建模方法的流程图。
所述故障率参数建模方法,包括:
S11:根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;
S12:根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。
可靠性管理系统存储了大量的故障设备故障历史数据,依据预设的故障停电责任原因,对该可靠性管理系统存储的大量的故障设备故障历史数据进行分类,从而求取每一种设备分别针对每种故障停电责任原因的故障率,得到设备的故障率向量。本实施例通过对不同的设备分析影响其故障率的原因,并根据不同的故障停电责任原因,对设备的故障设备故障历史数据进行归类划分,计算任意一种故障停电责任原因的故障率,能够有效提高故障率参数的计算精度,充分反映不同区域中设备的故障率参数的差异,提高配电网可靠性评估的精确度。
在一种可选的实施例中,所述根据任意一种故障停电责任原因对应的设备故障历史数据,计算任意一种故障停电责任原因的故障率,具体包括:
根据公式(1),计算任意一种配电设备故障停电责任原因的故障率;
其中,n表示设备在暴露时间内的故障次数;T为设备的总暴露时间;λij表示对于第i个设备由第j种故障停电责任原因导致的故障率。
在一种可选的实施例中,所述故障停电责任原因包括设计施工原因、设备原因、运行维护原因、外力因素原因、自然因素原因、用户影响原因、低压设施故障原因、发电设施故障及输变电设施故障原因。
具体地,所述外力因素原因包括以下外力故障:树或广告牌压线、交通车辆破坏和外部施工影响、动物因素、盗窃、异物短路和其他外力因素。所述发电设施故障及输变电设施故障原因为10KV及以上发电设施故障及输变电设施故障原因。
在一种可选的实施例中,所述设备包括变电站10KV母线、架空线路、电缆线路、隔离开关、断路器、熔断器、负荷开关、配电变压器以及联络开关。
在一种可选的实施例中,所述根据任意一种故障停电责任原因对应的设备故障历史数据,计算任意一种故障停电责任原因的故障率,具体包括:
根据预设的地区区域特征,对所述设计施工原因对应的设备故障历史数据进行分类统计,计算所述设计施工原因的故障率;
设计施工引起的故障主要是电网规划设计不周或者施工安装不当的原因。该类故障具有较强的随机性,随机分布水平的差异主要是由于所在区域的规划设计和实施安装水平不同,不宜采取全部整体取平均值来计算设备故障率的方法。因此,本发明将设计施工原因对应故障率的精细化统计标准设置为三类的地区区域特征,即城市、农村、偏远地区。
将由设计施工引起的设备故障历史数据分此分区统计,然后采用公式(1)分别计算三类地区区域特征对应的设备的故障率,从得到以下所述设计施工原因下的故障率典型值集合:
λi1=[λi1,城 λi1,农 λi1,偏] (2)
根据预设的品牌特征、所述设备运行年限、所述设备原因对应的设备故障历史数据,计算所述设备原因的故障率;
根据预设的变电站区域特征,对所述运行维护原因对应的设备故障历史数据进行分类统计,计算所述运行维护原因的故障率;
运行维护引起的故障主要是检修试验质量、运行管理或者责任原因不清的原因。该类故障的随机性来自于不同区域甚至不同变电站的运行维护管理水平不同,不宜采取全部整体样本取平均值来计算设备故障率的方法。本发明将运行维护的的精细化统计标准设定为变电站区域特征。将由运行维护引起的历史统计故障数据按所属变电站归类统计,然后对每个变电站设备的故障率进行估计,得到以下故障率集合。
λi3=[λi3,变1 λi3,变2 λi3,变3…] (3)
根据所述设备所属的区域特征和品牌特征,计算预设的外力故障下的各设备的故障率,并根据各种所述外力故障下各设备的故障率,计算所述外力因素原因的故障率矩阵;
外力因素引起的故障主要可分为树或广告牌压线、交通车辆破坏、外部施工影响、动物因素、盗窃、异物短路以及其他外力因素等7部分。针对每种外力故障分别求取各设备的故障率,得到设备故障率矩阵λi4;
其中,λi4,k表示对于第i类设备第4种故障停电责任原因中第k中外力故障的故障率。
其中,公式(1)中的故障率参数λi4通过公式(5)计算:
然后按照每个设备的所属的区域特征和品牌特征(属性特征),求得该故障停电责任原因下各外力故障的故障率λi4,k,具体各外力故障的统计故障率计算分析如下:
(1)树或广告牌压线
根据已有记录数据分析,树或广告牌压线引起的故障主要由专职人员管理巡查不力导致,和各区域供电局的管理水平相关。若采取全部样本的平均值来计算设备故障率的方法,对各区域的可靠性管理水平无法反映。
由此,本发明将树或广告牌压线导致故障率部分的精细化统计标准设定为变电站区域特征,根据设备故障历史数据按照变电站区域设备归类统计,然后分别计算得到以下故障率集合:
λi4,1=[λi4,1变1 λi4,1变2 λi4,1变3…] (6)
(2)交通车辆破坏和外部施工影响
经过实际调研结果表明,交通车辆破坏和外部施工影响的故障大部分发生在某些特定的线路上,具有明显的地点特征。
因此,本发明将交通车辆破坏和外部施工影响导致故障率部分的精细化统计标准设定为线路地点特征。将此类历史统计故障数据分线路归类统计,然后计算每条线路的故障率,得到以下故障率集合:
λi4,2={λi4,2线1 λi4,2线2 λi4,2线3…] (7)
λi4,3=[λi4,3线1 λi4,3变2 λi4,3变3…] (8)
(3)动物因素、盗窃、异物短路和其他外力因素
由动物因素、盗窃、异物短路和其他外力因素引起的外力故障是完全随机事件,因此采用全体样本数据取平均值来计算设备故障率(例如动物因数对应的设备故障历史数据取平均值得到λi4,4),得到设备故障率:λi4,4,、λi4,5、λi4,6、λi4,7。
根据预设的变电站供电区域特征,对所述自然因素原因对应的设备故障历史数据进行分类统计,计算所述自然因素原因的故障率;
自然因素指自然灾害和气候因素。自然灾害包括台风、海啸、冰灾、地震等。气候因素包括雷击、大风大雨、高温等。这些因素引起的故障都具有很强的区域特征,比如沿海地区是台风高发区等,不宜采取全体样本平均值来计算设备故障率的方法。
因此,本发明将自然因素对应故障率的精细化统计标准设定为变电站供电区域。将由自然灾害和气候因素引起的历史统计故障数据分变电站归类统计,然后计算每个区域设备的故障率,得到以下故障率集合:
λi5=[λi5,变1 λi5,变2 λi5,变3…] (9)
根据预设的用户类型特征,对所述用户影响原因对应的设备故障历史数据进行分类统计,计算所述用户影响原因的故障率;
用户影响引起的故障和与其相连的变压器发生故障的后果一样,故将此类故障折算到与其相连的变压器上,并且不同用户类型的故障率不同,故障引起的后果也不相同,故本发明将此类故障以设定的用户类型特征归类统计,然后根据设备故障历史数据计算每种用户类型特征的故障率,得到以下故障率集合:
λi6=[λi6,户1 λi6,户2 λi6,户3…] (10)
根据所述地区区域特征,对所述低压设施故障原因对应的设备故障历史数据进行分类统计,计算所述低压设施故障原因的故障率;
低压设施故障的发生与电网规划设计以及地区经济发展水平息息相关,其故障后果和与其相连的变压器发生故障的后果一样,故将此类故障折算到与其相连的变压器上,并且分区域(城市、农村、偏远地区)归类统计,然后根据设备故障历史数据计算每个区域设备的故障率,得到以下故障率集合:
λi7=[λi7,城 λi7,农 λi7,偏] (11)
根据预设的线路特征,分别对所述发电设施故障及输变电设施故障原因对应的设备故障历史数据进行分类统计,计算所述发电设施故障及输变电设施故障原因的故障率。
10kV及以上输变电设施故障和发电设施故障的后果和与其相连的10kV母线的故障后果一致,故将此类故障等效到与其相连的10kV母线上,并且分线路归类统计,然后根据设备故障历史数据计算故障率,得到以下发电设施故障原因的故障率集合λi8和输变电设施故障原因故障率集合λi9:
λi8=[λi8,线1 λi8,线2 λi8,线3…] (12)
λi9=[λi9,线1 λi9,线2 λi9,线3…] (13)
根据任意一种故障停电责任原因对应的设备故障历史数据,计算任意一种故障停电责任原因的故障率之后,通过分析统计,最终可以得到各故障停电责任原因下设备的故障率的选取规则。
具体地,该选取规则如下表所示:
根据上述步骤计算求得各故障停电责任原因下的设备的故障率后,因为上述故障停电责任原因两两互斥,故使用以下公式计算配电设备的故障率:
通过公式(14),计算各个设备的故障率应用到中压配电网可靠性评估中,采用中压配电网可靠性评估分块算法,可以计算求取该配电网的可靠性指标。
本发明分别对影响各故障停电责任原因下故障率λij的属性特征(例如预设的地区区域特征、品牌特征、变电站区域特征、区域特征、变电站供电区域特征、用户类型特征、线路特征)建模计算,从而得到各故障停电责任原因对应的精细化统计标准,提高故障率参数的计算精度。
在一种可选的实施例中,所述根据预设的品牌特征、所述设备运行年限、所述设备原因对应的设备故障历史数据,计算所述设备原因的故障率,具体包括:
根据预设的品牌特征,对所述设备原因对应的设备故障历史数据进行分类统计,得到所述设备对应不同品牌特征下的品牌故障率;
本实施中,采用公式(1)对分类后的所述设备原因对应的设备故障历史数据计算所述设备对应不同品牌特征下的品牌故障率。
通过预设的Weibull模型,对所述设备在任意一品牌特征下的品牌故障率进行曲线拟合,得到所述设备在任意一品牌特征下的故障率浴盆曲线;
设备原因引起的故障主要是设备质量不良或者设备老化的原因。经典的设备故障率曲线形状为图1所示的浴盆型。一般情况下具体表现为,元件的故障率在其寿命期内存在3个区别明显的过程:初始损坏期、有效寿命期及衰耗期。本发明使用Weibull模型来描述设备下降、恒值、上升的非线性故障率,其函数表达式为:
其中,θ和γ是正数,分别表示特征寿命和分布形状参数。如图2所示,对于故障率浴盆曲线的每个阶段取不同的θ和γ。
根据所述设备的运行年限,从所述设备在任意一品牌特征下的所述故障率浴盆曲线选取所述设备的运行年限对应的品牌故障率作为所述设备在任意一品牌特征下的故障率;
根据公式(1)计算设备在设备责任原因下的每年的故障率,得到图2的故障率浴盆曲线,然后根据该设备的运行年限在浴盆故障曲线中选取相应的故障率。
设备原因中故障率的随机性取决不同品牌设备具有不同的故障率浴盆曲线参数分布,进一步影响不同品牌设备故障率的大小。本发明将设备原因故障率的精细化统计标准设定为品牌特征;将根据每类设备的不同品牌分类统计其故障率,然后根据上述Weibull模型分别选取不同的参数拟合其故障率浴盆曲线,得到以下故障率曲线集合:
其中,品牌1,2,3等表示品牌质量与平均质量水平存在明显差异的品牌。一般品牌表示为品牌质量与平均质量水平不存在明显差异的品牌。
根据所述设备在任意一品牌特征下的故障率,计算所述设备原因的的故障率矩阵。
在一种可选的实施例中,所述方法还包括以下品牌特征确定步骤:
通过信息熵特征选取法,计算所述设备原因对应的设备故障历史数据的第一信息熵;
在本实施例中,判定某一品牌i是否为一般品牌的方法为信息熵特征选取法。信息熵是指把当前信息中排除了冗余后的平均信息量,计算公式如下:
其中,Infor表示为未分类前总体样本的信息熵;m是样本内的事件类别,包括故障与非故障2类;pi为对应类别事件发生的概率。
本实施例通过公式(17),计算计算所述设备原因对应的设备故障历史数据的第一信息熵。
根据所述设备所属的品牌,通过所述信息熵特征选取法,计算在不同品牌下所述设备原因对应的设备故障历史数据的第二信息熵;
在本实施例中,取某品牌特征i作为数据分类指标后,重新计算数据集合的信息熵如下:
其中,infori为品牌特征i作为分类特征下的总体样本的信息熵;k为品牌特征i产生的特征样本集合,即品牌特征i样本和非品牌特征i样本;D和Dj分别为总样本数和对应特征样本集合内的样本数。
根据所述第一信息熵与所述第二信息熵,计算所述设备在不同品牌下的信息增益;
按照所述信息增益由大到小对所述设备的各个品牌进行排序,并将排在设定序号后的所有品牌设定为一般品牌特征,排在所述设定序号前的N品牌依次设定为品牌i特征;其中,i≤N。
在本实施例中,将公式(17)计算所得的第一信息熵减去公式(18)计算所得的第二信息熵,得到所述设备在不同品牌下的信息增益,即分类前后两个信息量的随机性差异,也就反映了该品牌特征i对该系统随机性的影响贡献。对不同品牌特征以信息增益排序后,即可确定排名靠后的品牌为一般品牌。
如图3所示,为了方便理解,下面对结合实际情况的配电设备故障率求取方法的过程进行说明:
1、历史统计数据;
2、按照每个设备的属性特征(区域特征或品牌特征)求得各种故障责任原因下的故障率;
3、枚举配电网设备;
4、判断设备属性(区域类型、品牌类型、线路类型、所连用户类型、所述变电站类型);
5、计算该设备每种故障责任原因下的故障率λi1~λi9;
6、根据公式求取该设备故障率;
7、设备枚举是否完成;若否,则返回步骤3;若是,则执行步骤8;
8、中压配电网可靠性评估分块算法;
9、计算配电网可靠性指标。
相对于现有技术,本发明的有益效果在于:本发明以相关系统设备故障历史数据为基础,从故障停电责任原因出发,分析每种故障停电责任原因下的设备故障率随即特性,提出了各自精细化统计标准,如是否区分配电区域范围差异,是否区分供电馈线范围差异,是否分设备品牌差异等。由所确定的精细化统计标准,将历史故障数据划分为不同部分进行故障率参数计算。通过上述的故障率参数建模方法解决现有的精细化统计标准的确定的难题,考虑样本数据统计分布的情况下,最大程度地保留了个体特征标示,实现了在最小化损失个体特征标示,同时能较好的解决故障率参数估计之中的过拟合和欠拟合问题,保证样本数据合理分配的情况下完成故障率参数估计。
参见图4,其实本发明实施例提供的一种故障率参数建模装置的示意图,所述故障率参数建模装置,包括:
数据划分模块1,用于根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;
故障率计算模块2,用于根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。
在一种可选的实施例中,所述故障率计算模块2,用于根据公式(1),计算任意一种配电设备故障停电责任原因的故障率;
其中,n表示设备在暴露时间内的故障次数;T为设备的总暴露时间;λij表示对于第i个设备由第j种故障停电责任原因导致的故障率。
在一种可选的实施例中,所述故障停电责任原因包括设计施工原因、设备原因、运行维护原因、外力因素原因、自然因素原因、用户影响原因、低压设施故障原因、发电设施故障及输变电设施故障原因。
在一种可选的实施例中,所述设备包括变电站10KV母线、架空线路、电缆线路、隔离开关、断路器、熔断器、负荷开关、配电变压器以及联络开关。
在一种可选的实施例中,所述故障率计算模块2具体包括:
第一故障率计算单元,用于根据预设的地区区域特征,对所述设计施工原因对应的设备故障历史数据进行分类统计,计算所述设计施工原因的故障率;
第二故障率计算单元,用于根据预设的品牌特征、所述设备运行年限、所述设备原因对应的设备故障历史数据,计算所述设备原因的故障率;
第三故障率计算单元,用于根据预设的变电站区域特征,对所述运行维护原因对应的设备故障历史数据进行分类统计,计算所述运行维护原因的故障率;
第四故障率计算单元,用于根据所述设备所属的区域特征和品牌特征,计算预设的外力故障下的各设备的故障率,并根据各种所述外力故障下各设备的故障率,计算所述外力因素原因的故障率矩阵;
第五故障率计算单元,用于根据预设的变电站供电区域特征,对所述自然因素原因对应的设备故障历史数据进行分类统计,计算所述自然因素原因的故障率;
第六故障率计算单元,用于根据预设的用户类型特征,对所述用户影响原因对应的设备故障历史数据进行分类统计,计算所述用户影响原因的故障率;
第七故障率计算单元,用于根据所述地区区域特征,对所述低压设施故障原因对应的设备故障历史数据进行分类统计,计算所述低压设施故障原因的故障率;
第八故障率计算单元,用于根据预设的线路特征,分别对所述发电设施故障及输变电设施故障原因对应的设备故障历史数据进行分类统计,计算所述发电设施故障及输变电设施故障原因的故障率。
在一种可选的实施例中,所述第二故障率计算单元包括:
品牌故障率计算单元,用于根据预设的品牌特征,对所述设备原因对应的设备故障历史数据进行分类统计,得到所述设备对应不同品牌特征下的品牌故障率;
曲线拟合单元,用于通过预设的Weibull模型,对所述设备在任意一品牌特征下的品牌故障率进行曲线拟合,得到所述设备在任意一品牌特征下的故障率浴盆曲线;
故障率选取单元,用于根据所述设备的运行年限,从所述设备在任意一品牌特征下的所述故障率浴盆曲线选取所述设备的运行年限对应的品牌故障率作为所述设备在任意一品牌特征下的故障率;
故障率矩阵计算单元,用于根据所述设备在任意一品牌特征下的故障率,计算所述设备原因的的故障率矩阵。
在一种可选的实施例中,所述装置还包括:
第一信息熵计算模块,用于通过信息熵特征选取法,计算所述设备原因对应的设备故障历史数据的第一信息熵;
第二信息熵计算模块,用于根据所述设备所属的品牌,通过所述信息熵特征选取法,计算在不同品牌下所述设备原因对应的设备故障历史数据的第二信息熵;
增益计算模块,用于根据所述第一信息熵与所述第二信息熵,计算所述设备在不同品牌下的信息增益;
品牌特征确定模块,用于按照所述信息增益由大到小对所述设备的各个品牌进行排序,并将排在设定序号后的所有品牌设定为一般品牌特征,排在所述设定序号前的N品牌依次设定为品牌i特征;其中,i≤N。
由于本实施例中故障率参数建模装置的原理与第一实施例中的故障率参数建模方法的相同,在此不在重复说明。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
参见图5,是本发明第三实施例提供的故障率参数建模设备的示意图。如图4所示,该故障率参数建模设备包括:至少一个处理器11,例如CPU,至少一个网络接口14或者其他用户接口13,存储器15,至少一个通信总线12,通信总线12用于实现这些组件之间的连接通信。其中,用户接口13可选的可以包括USB接口以及其他标准接口、有线接口。网络接口14可选的可以包括Wi-Fi接口以及其他无线接口。存储器15可能包含高速RAM存储器,也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器15可选的可以包含至少一个位于远离前述处理器11的存储装置。
在一些实施方式中,存储器15存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:
操作系统151,包含各种系统程序,用于实现各种基础业务以及处理基于硬件的任务;
程序152。
具体地,处理器11用于调用存储器15中存储的程序152,执行上述实施例所述的故障率参数建模方法,例如图1所示的步骤S11。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如数据划分模块。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述故障率参数建模设备中的执行过程。
所述故障率参数建模设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述故障率参数建模设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是故障率参数建模设备的示例,并不构成对故障率参数建模设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
所称处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器11是所述故障率参数建模设备的控制中心,利用各种接口和线路连接整个故障率参数建模设备的各个部分。
所述存储器15可用于存储所述计算机程序和/或模块,所述处理器11通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述故障率参数建模设备的各种功能。所述存储器15可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器15可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述故障率参数建模设备集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本发明第四实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一实施例的故障率参数建模方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种故障率参数建模方法,其特征在于,包括:
根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;
根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。
2.如权利要求1所述的故障率参数建模方法,其特征在于,所述根据任意一种故障停电责任原因对应的设备故障历史数据,计算任意一种故障停电责任原因的故障率,具体包括:
根据公式(1),计算任意一种配电设备故障停电责任原因的故障率;
其中,n表示设备在暴露时间内的故障次数;T为设备的总暴露时间;λij表示对于第i个设备由第j种故障停电责任原因导致的故障率。
3.如权利要求2所述的故障率参数建模方法,其特征在于,所述故障停电责任原因包括设计施工原因、设备原因、运行维护原因、外力因素原因、自然因素原因、用户影响原因、低压设施故障原因、发电设施故障及输变电设施故障原因。
4.如权利要求3所述的故障率参数建模方法,其特征在于,所述设备包括变电站10KV母线、架空线路、电缆线路、隔离开关、断路器、熔断器、负荷开关、配电变压器以及联络开关。
5.如权利要求4所述的故障率参数建模方法,其特征在于,所述根据任意一种故障停电责任原因对应的设备故障历史数据,计算任意一种故障停电责任原因的故障率,具体包括:
根据预设的地区区域特征,对所述设计施工原因对应的设备故障历史数据进行分类统计,计算所述设计施工原因的故障率;
根据预设的品牌特征、所述设备运行年限、所述设备原因对应的设备故障历史数据,计算所述设备原因的故障率;
根据预设的变电站区域特征,对所述运行维护原因对应的设备故障历史数据进行分类统计,计算所述运行维护原因的故障率;
根据所述设备所属的区域特征和品牌特征,计算预设的外力故障下的各设备的故障率,并根据各种所述外力故障下各设备的故障率,计算所述外力因素原因的故障率矩阵;
根据预设的变电站供电区域特征,对所述自然因素原因对应的设备故障历史数据进行分类统计,计算所述自然因素原因的故障率;
根据预设的用户类型特征,对所述用户影响原因对应的设备故障历史数据进行分类统计,计算所述用户影响原因的故障率;
根据所述地区区域特征,对所述低压设施故障原因对应的设备故障历史数据进行分类统计,计算所述低压设施故障原因的故障率;
根据预设的线路特征,分别对所述发电设施故障及输变电设施故障原因对应的设备故障历史数据进行分类统计,计算所述发电设施故障及输变电设施故障原因的故障率。
6.如权利要求5所述的故障率参数建模方法,其特征在于,所述根据预设的品牌特征、所述设备运行年限、所述设备原因对应的设备故障历史数据,计算所述设备原因的故障率,具体包括:
根据预设的品牌特征,对所述设备原因对应的设备故障历史数据进行分类统计,得到所述设备对应不同品牌特征下的品牌故障率;
通过预设的Weibull模型,对所述设备在任意一品牌特征下的品牌故障率进行曲线拟合,得到所述设备在任意一品牌特征下的故障率浴盆曲线;
根据所述设备的运行年限,从所述设备在任意一品牌特征下的所述故障率浴盆曲线选取所述设备的运行年限对应的品牌故障率作为所述设备在任意一品牌特征下的故障率;
根据所述设备在任意一品牌特征下的故障率,计算所述设备原因的的故障率矩阵。
7.如权利要求5所述的故障率参数建模方法,其特征在于,所述方法还包括以下品牌特征确定步骤:
通过信息熵特征选取法,计算所述设备原因对应的设备故障历史数据的第一信息熵;
根据所述设备所属的品牌,通过所述信息熵特征选取法,计算在不同品牌下所述设备原因对应的设备故障历史数据的第二信息熵;
根据所述第一信息熵与所述第二信息熵,计算所述设备在不同品牌下的信息增益;
按照所述信息增益由大到小对所述设备的各个品牌进行排序,并将排在设定序号后的所有品牌设定为一般品牌特征,排在所述设定序号前的N品牌依次设定为品牌i特征;其中,i≤N。
8.一种故障率参数建模装置,其特征在于,包括:
数据划分模块,用于根据预设的若干种故障停电责任原因,对设备的故障设备故障历史数据进行归类划分;
故障率计算模块,用于根据任意一种故障停电责任原因对应的设备的故障设备故障历史数据,计算任意一种故障停电责任原因的故障率。
9.一种故障率参数建模设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的故障率参数建模方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的故障率参数建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811399519.6A CN109687426B (zh) | 2018-11-22 | 2018-11-22 | 故障率参数建模方法、装置、设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811399519.6A CN109687426B (zh) | 2018-11-22 | 2018-11-22 | 故障率参数建模方法、装置、设备与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109687426A true CN109687426A (zh) | 2019-04-26 |
CN109687426B CN109687426B (zh) | 2020-12-04 |
Family
ID=66184372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811399519.6A Active CN109687426B (zh) | 2018-11-22 | 2018-11-22 | 故障率参数建模方法、装置、设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109687426B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398651A (zh) * | 2019-08-07 | 2019-11-01 | 广东科鉴检测工程技术有限公司 | 一种仪器电控系统的可靠性试验方法 |
CN111190415A (zh) * | 2020-01-21 | 2020-05-22 | 北京市劳动保护科学研究所 | 一种工业控制系统可用率测试方法及系统 |
CN111581802A (zh) * | 2020-04-30 | 2020-08-25 | 重庆大学 | 一种配电设备实时综合故障率计算方法和系统 |
CN111835002A (zh) * | 2020-01-02 | 2020-10-27 | 南方电网科学研究院有限责任公司 | 一种配电网可靠性评估方法、装置及存储介质 |
CN113988709A (zh) * | 2021-11-18 | 2022-01-28 | 广东电网有限责任公司 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251045A (zh) * | 2016-07-21 | 2016-12-21 | 中国南方电网有限责任公司电网技术研究中心 | 基于多种主导因素的配电网供电可靠性评估方法 |
CN106570792A (zh) * | 2016-11-14 | 2017-04-19 | 国网天津市电力公司 | 一种面向可靠性评估的配电设备状态评价方法 |
-
2018
- 2018-11-22 CN CN201811399519.6A patent/CN109687426B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251045A (zh) * | 2016-07-21 | 2016-12-21 | 中国南方电网有限责任公司电网技术研究中心 | 基于多种主导因素的配电网供电可靠性评估方法 |
CN106570792A (zh) * | 2016-11-14 | 2017-04-19 | 国网天津市电力公司 | 一种面向可靠性评估的配电设备状态评价方法 |
Non-Patent Citations (1)
Title |
---|
李马晓: "高压输电线路运维项目的计划与控制", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398651A (zh) * | 2019-08-07 | 2019-11-01 | 广东科鉴检测工程技术有限公司 | 一种仪器电控系统的可靠性试验方法 |
CN110398651B (zh) * | 2019-08-07 | 2022-05-10 | 广东科鉴检测工程技术有限公司 | 一种仪器电控系统的可靠性试验方法 |
CN111835002A (zh) * | 2020-01-02 | 2020-10-27 | 南方电网科学研究院有限责任公司 | 一种配电网可靠性评估方法、装置及存储介质 |
CN111190415A (zh) * | 2020-01-21 | 2020-05-22 | 北京市劳动保护科学研究所 | 一种工业控制系统可用率测试方法及系统 |
CN111190415B (zh) * | 2020-01-21 | 2021-06-15 | 北京市劳动保护科学研究所 | 一种工业控制系统可用率测试方法及系统 |
CN111581802A (zh) * | 2020-04-30 | 2020-08-25 | 重庆大学 | 一种配电设备实时综合故障率计算方法和系统 |
CN111581802B (zh) * | 2020-04-30 | 2024-02-02 | 重庆大学 | 一种配电设备实时综合故障率计算方法和系统 |
CN113988709A (zh) * | 2021-11-18 | 2022-01-28 | 广东电网有限责任公司 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109687426B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109687426A (zh) | 故障率参数建模方法、装置、设备与存储介质 | |
CN102545213B (zh) | 电网线损实时管理系统及方法 | |
CN106199276B (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
CN110095744A (zh) | 一种电子式互感器误差预测方法 | |
CN109655712A (zh) | 一种配电网线路故障原因分析方法与系统 | |
WO2020252785A1 (zh) | 用电异常识别方法、装置和计算机可读存储介质 | |
CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
Abbasghorbani et al. | Reliability‐centred maintenance for circuit breakers in transmission networks | |
CN105488118B (zh) | 电气设备故障信息的展示方法和装置 | |
CN103618638B (zh) | 评估电力通信网检修方案的方法 | |
CN109241169A (zh) | 配电网运行信息多源异构数据融合数据库集成方法 | |
CN105471647B (zh) | 一种电力通信网故障定位方法 | |
CN103048573A (zh) | 一种用于电力系统运行风险评估的方法及装置 | |
CN115842342A (zh) | 一种分布式配电网的拓扑识别方法及装置 | |
CN112583119A (zh) | 一种基于智能融合终端的低压智能台区模拟平台系统 | |
CN110322688A (zh) | 一种数据处理的方法、数据查询的方法及相关设备 | |
CN113033617A (zh) | 一种基于大数据台区线损数据深度挖掘分析方法 | |
CN115456410A (zh) | 一种电网风险的评估方法及评估系统 | |
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 | |
CN104680239A (zh) | 一种基于元件失效模型的配电网检修方案优化方法及装置 | |
CN102195341B (zh) | 一种输电系统可靠性评价分析处理装置 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN109449930B (zh) | 配电网可靠性评估修复时间参数建模方法、设备与介质 | |
CN106159940A (zh) | 基于电网负荷特性分析的pmu最优布点方法 | |
Xue et al. | An efficient and robust case sorting algorithm for transient stability assessment |
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 |