CN110095669A - 一种输变电设备状态检测方法 - Google Patents
一种输变电设备状态检测方法 Download PDFInfo
- Publication number
- CN110095669A CN110095669A CN201910381016.4A CN201910381016A CN110095669A CN 110095669 A CN110095669 A CN 110095669A CN 201910381016 A CN201910381016 A CN 201910381016A CN 110095669 A CN110095669 A CN 110095669A
- Authority
- CN
- China
- Prior art keywords
- equipment
- state
- risk
- model
- detection
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种输变电设备状态检测方法,包括分别建立设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型;根据设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型;根据设备状态检测策略优化模型,获取上述各参数。本发明实施例可以提高设备状态检修效益,为制定设备寿命管理策略提供了新的研究思路。模型能够统筹不同故障模式间经济关联对设备状态检测策略的影响,对提高设备状态检修效益是可行、有效的。
Description
技术领域
本发明涉及供电系统技术领域,特别涉及一种输变电设备状态检测方法。
背景技术
状态检测是获取设备状态信息的有效手段,合理的设备状态检测间隔能够有效防止设备“欠检修”或者“过检修”,对确保电力系统运行的可靠性与经济性至关重要。
设备状态检测策略的基本模型是由Barlow等人于1963年首次提出的,自此,考虑状态检测策略的决策问题逐渐受到关注。如一篇文献以电力设备的检修方式和检修频率为决策量,以设备检修费用和系统停运损失之和最小为目标,对设备检修策略进行优化;有一篇文献基于半马尔可夫决策过程研究了设备状态检修策略;有一篇文献考虑非周期状态检测对设备可靠性的影响,通过蒙特卡洛模拟法求解设备可靠性指标;在此基础上,有一篇文献通过马尔可夫过程描述设备非周期状态检测,利用解析法求解设备可靠性指标,提高了问题求解效率;有一篇文献考虑渐进老化与随机冲击对GIS设备可靠性的影响,综合考虑设备运行可靠性和检修费用,对设备周期性检测频率和检修策略进行优化。然而,上述研究就设备个体检修决策展开,没有考虑设备检修与系统运行风险之间的关系。为此,有一篇文献为计及统计参数不确定对检修决策的影响,结合模糊数学理论优化设备检修策略;有一篇文献针对电力系统同一输电间隔内的设备,对不同设备状态检测频率和检修方式进行联合优化。
综观现有研究,关于设备状态检测策略的研究无法量化不同类型故障间机会维修策略对电力系统风险的影响,由于机会维修能够减少系统检修费用和停运损失,因此,计及机会维修有利于提高设备状态检修的效益。目前,在电力系统检修决策中,机会维修得到广泛应用,如有一篇文献和一篇文献分别针对电力设备和发电机组建立机会维修模型,显著了提高了系统运行的可靠性和经济性。不足之处在于,上述研究针对电力系统短期检修计划决策展开,无法反映机会维修对系统长期运行成本的影响。
发明内容
本发明提供一种至少部分解决上述技术问题的输变电设备状态检测方法。
第一方面,本发明提供一种输变电设备状态检测方法,包括:
分别建立设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型;其中,所述设备检修风险模型为设备检修风险、每个预防性检修状态对应的稳态概率、每个突发性故障对应的稳态概率之间的关系模型,所述设备故障风险模型为设备故障风险和异常状态对应的每个子状态对应的稳态概率之间的关系模型,所述设备检测风险模型为设备检测风险和每个设备检测状态对应的稳态概率之间的关系模型,所述系统运行风险模型为系统运行风险和每个设备的稳态可用度之间的关系模型;
根据所述设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型;
根据所述设备状态检测策略优化模型,获取设备的状态检测频率、每个预防性检修状态对应的稳态概率、每个突发性故障对应的稳态概率、异常状态对应的每个子状态对应的稳态概率、每个设备检测状态对应的稳态概率和每个设备的稳态可用度。
优选地,根据所述设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型,包括:
根据所述设备检修风险模型、设备故障风险模型和设备检测风险模型,建立设备风险模型;
根据所述设备风险模型和所述系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型。
优选地,所述设备检修风险模型,包括:
其中,CRP为设备检修风险;CP,i为设备状态Mi对应的预防性检修费用,为已知量;Mi为第i个预防性检修状态;C0为实施机会维修相比单独进行预防性检修所节省的费用,为已知量;为设备状态Mi对应的稳态概率;为设备状态mi对应的稳态概率,状态mi:表示第i个突发性故障;为设备状态m3对应的稳态概率,状态m3:表示第3个突发性故障;μi为设备状态mi对应的修复率,为已知量;ωi为设备i的状态Mi对应的修复率,为已知量;μ3为设备状态m3对应的修复率,为已知量;CP,2为设备异常状态对应的预防性检修费用,为已知量。
优选地,所述设备故障风险模型,包括:
其中,CRF为设备故障风险;CF,M、CF,m分别为设备老化故障、突发性故障对应的检修费用,为已知量;为设备状态D2,i对应的稳态概率;λ2为设备由状态D2,i向故障状态的转移率,为已知量;D2,i为异常状态对应的第i个子状态。
优选地,所述设备检测风险模型,包括:
其中,CRI为设备检测风险;CI为设备检测费用,为已知量;为设备状态Ii对应的稳态概率,Ii为第i个设备检测状态;δ为设备平均检测时间的倒数,为已知量。
优选地,所述设备风险模型,包括:
Rα=CRP+CRF+CRI
其中,Rα为设备风险。
优选地,所述系统运行风险模型,包括:
其中,Rsys为系统运行风险;S为系统故障场景集合,为已知量;sevs为事故场景s对应的系统负荷削减量,以天为基本单位进行计算,为已知量;Hw为每天包含的小时数,为已知量;Al表示设备l的稳态可用度;ce为系统单位失负荷损失,为已知量;N为系统中的设备数目,为已知量;Ns为故障场景s中处于故障状态的设备数目,为已知量。
优选地,所述设备状态检测策略优化模型,包括:
s.t.γl,min≤γl≤γl,max
式中,y表示系统总风险;γl表示设备l的状态检测频率;γl,min、γl,max分别表示设备l的状态检测频率的下限和上限。
由上述技术方案可知,本发明实施例可以提高设备状态检修效益,为制定设备寿命管理策略提供了新的研究思路。模型能够统筹不同故障模式间经济关联对设备状态检测策略的影响,对提高设备状态检修效益是可行、有效的。
附图说明
图1为本发明一实施例提供的设备老化故障状态转移过程图;
图2为本发明一实施例提供的计及检测策略的设备状态转移过程图;
图3为本发明一实施例提供的计及突发性故障的设备状态转移过程图;
图4为本发明一实施例提供的计及机会维修的设备状态转移过程图;
图5为本发明一实施例提供的一种输变电设备状态检测方法的流程图;
图6为本发明一实施例提供的设备状态检测策略优化模型的求解流程图;
图7a和图7b分别为本发明一实施例提供的变电站a和变电站b的结构示意图;
图8为变压器可用度变化曲线图;
图9为变压器风险变化曲线图;
图10为变电站a总风险变化曲线图;
图11为变电站b总风险变化曲线图;
图12为变压器T1可用度变化曲线图。
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做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。
在设备老化故障建模中,一般采用多状态马尔可夫过程。图1给出设备老化故障状态转移过程。图中,D0表示正常状态,D1和D2分别表示注意状态和异常状态,F表示故障状态。设备各状态间转移率为常数(λ0、λ1、λ2),修复率为μf。在设备运行过程中,可以通过状态检测获取设备的状态信息,从而制定设备检修策略。
为计及设备状态检测策略,建立图2所示设备状态转移过程。图中,设备老化过程用正常状态、注意状态和异常状态表示。其中,正常状态用D0,1表示,注意状态用D1,1和D1,2两个子状态表示,异常状态用D2,1、D2,2和D2,3三个子状态表示。
研究周期内,对设备进行周期性状态检测,检测频率为γ,只有经过状态检测或者检修后(包括预防性检修、机会维修和故障后检修)才可以确定设备的实际状态。若经过上一次状态检测或检修后确定设备处于正常状态,在未进行下一次检测或检修前,设备实际状态可能为D0,1、D1,1或D2,1,由于检修人员无法感知设备状态变化,因此,会认为设备仍处于正常状态;若经过上一次状态检测或检修后确定设备处于注意状态,在未进行下一次检测或检修前,设备实际状态可能为D1,2、D2,2,由于检修人员无法感知设备是否发生了状态变化,仍会认为设备处于注意状态;若经过上一次状态检测或检修后确定设备处于异常状态,则设备的状态对检修人员而言是确定的,即状态D2,3。
图中,I0、I1、I2表示设备检测状态,当检测到设备处于正常状态时,不需要进行预防性检修;当检测到设备处于注意状态或者异常状态时,进行预防性检修。为描述不完全检修的影响,令设备从注意状态修复至状态D0,1、D1,2和D2,3的概率分别为p0、p1、p2,修复率为ω1;令设备从异常状态修复至状态D0,1、D1,2、D2,3的概率分别为q0、q1、q2,修复率为ω2。
图2仅考虑了设备老化故障模式,为进一步计及突发性故障的影响,设备状态转移过程可用图3表示。
在图3中,状态mi,j表示设备在状态Di,j发生突发性故障,设备进入状态mi,j的故障率为λ3,修复率为μm。设备进入状态mi,j后,若只进行最小维修,则设备修复至故障前的状态。但是,考虑到不同类型故障间存在经济关联,可以在进入状态mi,j后对设备进行机会维修。即,若在状态mi,j发现设备处于注意状态或异常状态,则在进行故障后检修的同时对设备进行机会维修。由于设备实际老化状态需要通过状态检测才能确定,因此,当设备进入状态mi,j后,要增加状态检测(机会检测),考虑机会维修时,设备状态转移过程如图4所示。
图4中,新引入的各状态定义如下:
状态m0:表示设备在状态D0,1发生突发性故障,进行机会检测和机会维修;
状态m1:表示设备在状态D1,1或状态D1,2发生突发性故障,进行机会检测和机会维修;
状态m2:表示设备在状态D2,1或状态D2,2发生突发性故障,进行机会检测和机会维修;
状态m3:表示设备在状态D2,3发生突发性故障,由于当设备从状态D2,3进入状态m3后,不需要增加状态检测即可确定设备的老化状态,因此,在状态m3不需要机会检测即可进行机会维修。
图4中相关参数计算如下:
1)当设备进入状态m0、m1、m2后,由于设备发生故障前的老化状态无法确定,需要增加机会检测,考虑设备机会检测持续时间的影响,可得设备修复率计算为
式中,Δd为实施机会维修所节省的平均时间。
2)当设备从状态D2,3进入状态m3后,不需要增加机会检测,此时设备修复率计算为
本发明在进行设备检测策略优化时,决策量为设备检测频率γ和机会维修策略。由于图4给出的设备状态转移过程满足马尔可夫过程,可通过马尔可夫理论求解设备可靠性指标。
令表示设备处于各个状态的稳态概率,则设备稳态状态概率满足
πT=π (5)
式中,T为设备状态转移矩阵,式(5)可以写为
π(T-I)=π (6)
式中,T-I为单位阵,T-I可以写为
式中,b0、b1、b2分别为
进一步,考虑全概率条件可得
求解式(9),可得设备稳态可用度表示为
基于上述,再参照图5,图5为本发明一实施例提供的一种输变电设备状态检测方法的流程图。
如图5所示的一种输变电设备状态检测方法,包括:
S501、分别建立设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型;其中,所述设备检修风险模型为设备检修风险、每个预防性检修状态对应稳态概率、每个突发性故障对应的稳态概率之间的关系模型,所述设备故障风险模型为设备故障风险和异常状态对应的每个子状态对应的稳态概率之间的关系模型,所述设备检测风险模型为设备检测风险和每个设备检测状态对应的稳态概率之间的关系模型,所述系统运行风险模型为系统运行风险和每个设备的稳态可用度之间的关系模型;
S502、根据所述设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型;
S503、根据所述设备状态检测策略优化模型,获取设备的状态检测频率、每个预防性检修状态对应的稳态概率、每个突发性故障对应的稳态概率、异常状态对应的每个子状态对应的稳态概率、每个设备检测状态对应的稳态概率和每个设备的稳态可用度。
作为一种优选实施例,所述步骤S502,包括:
根据所述设备检修风险模型、设备故障风险模型和设备检测风险模型,建立设备风险模型;
根据所述设备风险模型和所述系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型。
作为一种优选实施例,所述设备检修风险模型,包括:
其中,CRP为设备检修风险;CP,i为设备状态Mi对应的预防性检修费用,为已知量;Mi为第i个预防性检修状态;C0为实施机会维修相比单独进行预防性检修所节省的费用,为已知量;为设备状态Mi对应的稳态概率;为设备状态mi对应的稳态概率,状态mi:表示第i个突发性故障;为设备状态m3对应的稳态概率,状态m3:表示第3个突发性故障;μi为设备状态mi对应的修复率,为已知量;ωi为设备i的状态Mi对应的修复率,为已知量;μ3为设备状态m3对应的修复率,为已知量;CP,2为设备异常状态对应的预防性检修费用,为已知量。
设备检修风险是指设备进行预防性检修和机会维修对应的设备个体损失,包括预防性检修风险和机会维修风险。
作为一种优选实施例,所述设备故障风险模型,包括:
其中,CRF为设备故障风险;CF,M、CF,m分别为设备老化故障、突发性故障对应的检修费用,为已知量;为设备状态D2,i对应的稳态概率;λ2为设备状态D2,i向故障状态的转移率,为已知量;D2,i为异常状态对应的第i个子状态。
设备故障风险是指设备故障引起的个体损失。
作为一种优选实施例,所述设备检测风险模型,包括:
其中,CRI为设备检测风险;CI为设备检测费用,为已知量;为设备状态Ii对应的稳态概率;Ii为第i个设备检测状态;δ为设备平均检测时间的倒数,为已知量。
作为一种优选实施例,所述设备风险模型,包括:
Rα=CRP+CRF+CRI (14)
其中,Rα为设备风险。
针对图4中的马尔可夫过程采用频率和持续时间法求解设备风险。
系统运行风险为系统停电损失费用的期望值,本发明根据系统削减负荷损失计算系统运行风险,考虑系统中事故发生概率和引起的损失,作为一种优选实施例,所述系统运行风险模型,包括:
其中,Rsys为系统运行风险;S为系统故障场景集合,为已知量;sevs为事故场景s对应的系统负荷削减量,以天为基本单位进行计算,为已知量;Hw为每天包含的小时数,为已知量;Al表示设备l的稳态可用度;ce为系统单位失负荷损失,为已知量;N为系统中的设备数目,为已知量;Ns为故障场景s中处于故障状态的设备数目,为已知量。
作为一种优选实施例,所述设备状态检测策略优化模型,包括:
式中,y表示系统总风险;γl表示设备l的状态检测频率;γl,min、γl,max分别表示设备l的状态检测频率的下限和上限。
作为一种优选实施例,所述步骤S503可通过遗传算法优化设备状态检测频率和机会维修策略,如图6所示,主要包括以下步骤:
(1)初始化染色体种群。种群中每个个体代表系统中各设备状态检测频率和机会维修策略。
(2)针对种群中每个个体,进行染色体解码,得到系统的检修方案,判断其是否满足上述约束条件,若满足,则计算该个体对应的系统总风险,即在设备层,依据设备状态检测频率和所采取的机会维修策略,建立设备马尔可夫状态转移过程,利用上述公式(11)-(14)计算设备风险;在系统层,考虑系统负荷需求,求取系统运行风险。最后,将系统总风险作为其适应度值;若不满足,则直接赋予一个较大的数值作为其对应的适应度值。
(3)判断算法是否收敛,若收敛,则以适应度最小的个体对应的检修方案作为模型的解;否则,通过染色体之间的交叉、变异、选择,生成下一代种群,返回步骤(2)。
下面通过一个具体实施例说明本发明。
本实施例对图7a和图7b所示变电站进行分析,为便于对比,给出了2种典型变电站结构:变电站a和变电站b。以变压器T1为研究对象,状态转移率参数见表1,检修费用参数见表2。假设其他设备可用度为99.9%,系统负荷大小为50MW,单位失负荷损失为1.053万元/MWh。
表1 变压器状态转移率
表2 变压器检修费用
设定设备不同故障模式间的经济关联参数为C0=2万元,Δd=7天,分析以下2种检修策略:
(1)策略1,不计及机会维修;
(2)策略2,计及机会维修。
图8为变压器T1可用度随其状态检测频率的变化曲线。
从图8中可以看出:
(1)当变压器状态检测频率较低时,变压器可用度随状态检测频率的增加而增大,但是,当变压器可用度达到最大值后,随着状态检测频率的增加而逐渐降低,变压器从“欠检修”状态过渡到“过检修”状态;
(2)策略2对应的变压器可用度最大,最佳检测频率为0.0035次/天,这是由于通过机会维修有利于节省变压器的平均停运时间,提高了变压器可用度。
图9为变压器风险随状态检测频率的变化曲线。
从图9可以看出:
(1)当检测频率较低时,变压器风险随状态检测频率的增加而减小,但当变压器风险达到最小值后,随着检测频率的增加而逐渐增加,变压器从“欠检修”状态过渡到“过检修”状态;
(2)策略2对应的变压器风险最小,最佳检测频率为0.0016次/天,这是由于机会维修有利于节省变压器检修费用,从而减小变压器对应的风险。
图10为变电站a总风险随检测频率的变化曲线,由于变电站a可靠性较低,变压器T1故障后对变电站运行风险影响较大,因此,如何降低变电站运行风险是检修决策的主要矛盾,导致变压器可用度最大时对应的变电站总风险最小,最佳检测频率为0.0035次/天,变电站总风险最小值为32.7。
图11为变电站b总风险随检测频率的变化曲线,由于变电站b中变压器T1故障后对变电站运行风险影响较小,如何降低变压器风险是检修决策的主要矛盾,因此,综合考虑变压器风险和变电站运行风险,变压器T1最佳检测频率为0.002次/天,变电站b总风险最小为0.161。
令变压器不同故障模式间经济关联有所减小,设定Δd=2天,图12为变压器T1可用度变化曲线,从图中可以看出:当不同故障模式间经济关联减弱时,实施机会维修节省的变压器停运时间有所减少,导致变压器可用度随之降低,这说明经济关联对变压器可用度有较明显的影响。
当经济关联减弱时,以变压器风险和变电站运行风险之和最小为目标,进行检修决策,表3为计算结果。
表3 不同检修策略对比
由表3可知:
1)对变电站a,由于不同类型故障模式间经济关联减弱,实施机会维修导致变电站总风险增加,策略1对应的变电站总风险最小,变压器最佳检测频率为0.009次/天。
2)同样地,对变电站b,策略1对应的变电站总风险最小,但变压器最佳检测频率为0.0036次/天,这是由于对变电站b而言如何降低变压器风险是检修决策的主要矛盾。
上述实施例表明:计及机会维修优化设备状态检测策略是有意义的,不同类型故障模式间经济关联对设备风险和系统运行风险有着重要影响,应该从系统整体角度出发进行检修决策。
本发明实施例可以提高设备状态检修效益,为制定设备全寿命周期管理策略提供了新的研究思路。模型能够统筹不同故障模式间经济关联对设备状态检测策略的影响,对提高设备状态检修效益是可行、有效的。
本发明可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上实施方式仅适于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (8)
1.一种输变电设备状态检测方法,其特征在于,包括:
分别建立设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型;其中,所述设备检修风险模型为设备检修风险、每个预防性检修状态对应的稳态概率、每个突发性故障对应的稳态概率之间的关系模型,所述设备故障风险模型为设备故障风险和异常状态对应的每个子状态对应的稳态概率之间的关系模型,所述设备检测风险模型为设备检测风险和每个设备检测状态对应的稳态概率之间的关系模型,所述系统运行风险模型为系统运行风险和每个设备的稳态可用度之间的关系模型;
根据所述设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型;
根据所述设备状态检测策略优化模型,获取设备的状态检测频率、每个预防性检修状态对应的稳态概率、每个突发性故障对应的稳态概率、异常状态对应的每个子状态对应的稳态概率、每个设备检测状态对应的稳态概率和每个设备的稳态可用度。
2.根据权利要求1所述的方法,其特征在于,根据所述设备检修风险模型、设备故障风险模型、设备检测风险模型和系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型,包括:
根据所述设备检修风险模型、设备故障风险模型和设备检测风险模型,建立设备风险模型;
根据所述设备风险模型和所述系统运行风险模型,以系统总风险最小为目标,建立包括目标函数和约束条件的设备状态检测策略优化模型。
3.根据权利要求2所述的方法,其特征在于,所述设备检修风险模型,包括:
其中,CRP为设备检修风险;CP,i为设备状态Mi对应的预防性检修费用,为已知量;Mi为第i个预防性检修状态;C0为实施机会维修相比单独进行预防性检修所节省的费用,为已知量;为设备状态Mi对应的稳态概率;为设备状态mi对应的稳态概率,状态mi:表示第i个突发性故障;为设备状态m3对应的稳态概率,状态m3:表示第3个突发性故障;μi为设备状态mi对应的修复率,为已知量;ωi为设备i的状态Mi对应的修复率,为已知量;μ3为设备状态m3对应的修复率,为已知量;CP,2为设备异常状态对应的预防性检修费用,为已知量。
4.根据权利要求3所述的方法,其特征在于,所述设备故障风险模型,包括:
其中,CRF为设备故障风险;CF,M、CF,m分别为设备老化故障、突发性故障对应的检修费用,为已知量;为设备状态D2,i对应的稳态概率;λ2为设备由状态D2,i向故障状态的转移率,为已知量;D2,i为异常状态对应的第i个子状态。
5.根据权利要求4所述的方法,其特征在于,所述设备检测风险模型,包括:
其中,CRI为设备检测风险;CI为设备检测费用,为已知量;为设备状态Ii对应的稳态概率,Ii为第i个设备检测状态;δ为设备平均检测时间的倒数,为已知量。
6.根据权利要求5所述的方法,其特征在于,所述设备风险模型,包括:
Rα=CRP+CRF+CRI
其中,Rα为设备风险。
7.根据权利要求6所述的方法,其特征在于,所述系统运行风险模型,包括:
其中,Rsys为系统运行风险;S为系统故障场景集合,为已知量;sevs为事故场景s对应的系统负荷削减量,以天为基本单位进行计算,为已知量;Hw为每天包含的小时数,为已知量;Al表示设备l的稳态可用度;ce为系统单位失负荷损失,为已知量;N为系统中的设备数目,为已知量;Ns为故障场景s中处于故障状态的设备数目,为已知量。
8.根据权利要求7所述的方法,其特征在于,所述设备状态检测策略优化模型,包括:
s.t.γl,min≤γl≤γl,max
式中,y表示系统总风险;γl表示设备l的状态检测频率;γl,min、γl,max分别表示设备l的状态检测频率的下限和上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910381016.4A CN110095669B (zh) | 2019-05-08 | 2019-05-08 | 一种输变电设备状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910381016.4A CN110095669B (zh) | 2019-05-08 | 2019-05-08 | 一种输变电设备状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110095669A true CN110095669A (zh) | 2019-08-06 |
CN110095669B CN110095669B (zh) | 2021-09-24 |
Family
ID=67447439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910381016.4A Active CN110095669B (zh) | 2019-05-08 | 2019-05-08 | 一种输变电设备状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110095669B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819262A (zh) * | 2019-10-30 | 2021-05-18 | 中国石油化工股份有限公司 | 存储器、工艺管道检维修决策方法、装置和设备 |
CN114021755A (zh) * | 2021-11-26 | 2022-02-08 | 国网陕西省电力公司汉中供电公司 | 一种基于区块链的输变电设备故障远程维修方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020169514A1 (en) * | 2001-03-01 | 2002-11-14 | Evren Eryurek | Automatic work order/parts order generation and tracking |
CN102360467A (zh) * | 2011-10-12 | 2012-02-22 | 西安交通大学 | 一种考虑元件老化特性的配电系统长期检修策略制定方法 |
WO2015171650A1 (en) * | 2014-05-05 | 2015-11-12 | Vigilent Corporation | Operational performance-weighted redundancy for environmental control systems |
CN106447201A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于马尔可夫决策过程的输变电设备最佳检修决策方法 |
CN109376421A (zh) * | 2018-10-17 | 2019-02-22 | 国网重庆市电力公司电力科学研究院 | 一种智能变电站保护设备的故障率评估方法 |
CN109670838A (zh) * | 2018-11-30 | 2019-04-23 | 中国电力科学研究院有限公司 | 一种互联型能源系统风险交易的规避方法及系统 |
-
2019
- 2019-05-08 CN CN201910381016.4A patent/CN110095669B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020169514A1 (en) * | 2001-03-01 | 2002-11-14 | Evren Eryurek | Automatic work order/parts order generation and tracking |
CN102360467A (zh) * | 2011-10-12 | 2012-02-22 | 西安交通大学 | 一种考虑元件老化特性的配电系统长期检修策略制定方法 |
WO2015171650A1 (en) * | 2014-05-05 | 2015-11-12 | Vigilent Corporation | Operational performance-weighted redundancy for environmental control systems |
CN106447201A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于马尔可夫决策过程的输变电设备最佳检修决策方法 |
CN109376421A (zh) * | 2018-10-17 | 2019-02-22 | 国网重庆市电力公司电力科学研究院 | 一种智能变电站保护设备的故障率评估方法 |
CN109670838A (zh) * | 2018-11-30 | 2019-04-23 | 中国电力科学研究院有限公司 | 一种互联型能源系统风险交易的规避方法及系统 |
Non-Patent Citations (1)
Title |
---|
BO XU: "Maintenance Scheduling of Power Equipment Considering Opportunistic Maintenance Strategy", 《2019 4TH ASIA CONFERENCE ON POWER AND ELECTRICAL ENGINEERING (ACPEE 2019)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819262A (zh) * | 2019-10-30 | 2021-05-18 | 中国石油化工股份有限公司 | 存储器、工艺管道检维修决策方法、装置和设备 |
CN114021755A (zh) * | 2021-11-26 | 2022-02-08 | 国网陕西省电力公司汉中供电公司 | 一种基于区块链的输变电设备故障远程维修方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110095669B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109103874B (zh) | 考虑负荷特性与分布式电源接入的配电网可靠性评估方法 | |
Pereira et al. | A particle swarm optimization (PSO) approach for non-periodic preventive maintenance scheduling programming | |
Li et al. | An opportunistic maintenance strategy for offshore wind turbine system considering optimal maintenance intervals of subsystems | |
CN106355343A (zh) | 一种配电网综合风险评估方法 | |
WO2016200485A1 (en) | Outage prevention in an electric power distribution grid using smart meter messaging | |
CN104917085A (zh) | 一种优化可靠性与经济性的变压器检修决策方法 | |
CN109583601B (zh) | 一种配电设备状态检修策略优化方法 | |
WO2010138906A1 (en) | Capital asset planning system | |
CN110095669A (zh) | 一种输变电设备状态检测方法 | |
CN111815476A (zh) | 基于极端冰灾的电网薄弱环节识别方法及装置 | |
CN103198364A (zh) | 基于遗传算法的核电站主变压器寿命管理策略寻优方法 | |
CN110137958A (zh) | 一种用户电压暂降分析方法及其系统 | |
CN117691645A (zh) | 一种用于智能微电网的储能系统 | |
CN110458472B (zh) | 一种配电网设备准实时资产运行效率的计算方法 | |
Dehghani et al. | An overview of the assessment metrics of the concept of resilience in electrical grids | |
Sun et al. | Failure analysis of floating offshore wind turbines with correlated failures | |
CN112086967A (zh) | 一种基于有效约束识别的电网热稳边界辨识方法 | |
Shafiee et al. | A multi-criteria decision model to mitigate the operational risks of offshore wind infrastructures | |
CN115809836B (zh) | 考虑分布式储能应急供电能力的配电网韧性规划的方法 | |
Stewart et al. | Integrated multi-scale data analytics and machine learning for the distribution grid and building-to-grid interface | |
CN106329515B (zh) | 一种基于静态可靠性概率指标的电网可靠性水平判定方法 | |
CN116308299A (zh) | 一种站房设备风险评估方法及装置 | |
CN114221901B (zh) | 一种能源互联网cps韧性调度方法、系统及其存储介质 | |
CN110222896A (zh) | 一种利用备用变压器降低变电站运行风险的方法 | |
CN102231081B (zh) | 一种流程工业设备用能状态诊断方法 |
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 |