CN110428151A - 一种同步调相机油系统的状态评价方法 - Google Patents
一种同步调相机油系统的状态评价方法 Download PDFInfo
- Publication number
- CN110428151A CN110428151A CN201910651574.8A CN201910651574A CN110428151A CN 110428151 A CN110428151 A CN 110428151A CN 201910651574 A CN201910651574 A CN 201910651574A CN 110428151 A CN110428151 A CN 110428151A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- evaluation index
- oil
- oil system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提出一种同步调相机油系统的状态评价方法,首先建立同步调相机油系统的状态评价指标体系,对所述同步调相油系统的健康状态进行定性划分,并对各评价指标数据进行归一化预处理,判断是否有评价指标的归一化数值为1,如果是,则评价结果为“故障”,如果否,则求各预处理后的评价指标的隶属度,构建模糊评判矩阵并求各评价指标的权重,最后结合模糊评判矩阵和权重给出油系统的状态评价结果。本发明既排除了主观因素的干扰,又降低了评价成本,能够对油系统健康状态做出正确评价,以便对其潜在故障及早发现,可以延长调相机的使用寿命,为用户带来显著的经济效益。
Description
技术领域
本发明涉及同步电机的状态评价、运行维护及检修领域,更具体地,涉及一种同步调相机油系统的状态评价方法。
背景技术
由于同步调相机可以向电力系统提供或者吸收无功功率,改善电网的功率因数,且易于调节,安全可靠,故应用于电力系统的无功调节中。随着特高压直流输电工程的发展,大容量同步调相机得到了应用。
大容量同步调相机结构复杂,除了用于能量交换的调相机本体外,还有一些辅助系统。为了维持调相机的正常运行,油系统即是其重要的辅助系统之一。同步调相机的油系统包括润滑油系统、顶轴油系统及盘车用润滑油系统,担负着同步调相机轴承润滑的作用,其正常工作可保障同步调相机组的安全可靠运行。同步调相机是在传统汽轮发电机的基础上进行优化设计而成的,虽然油系统故障在传统的汽轮发电机组中具有多发性的特点,但是其故障多是在较严重时发现的,增加了维护检修的时间成本和经济成本。而对于汽轮发电机组油系统的状态评价,极少见诸于文献报道。
大容量的同步调相机运行时间尚短,其油系统的可靠性有待时间检验,为了保障调相机的安全可靠运行,有必要对其健康状态做出正确评价,以便对其潜在故障及早发现,选择合适的时间进行维护及检修,延长调相机的使用寿命,为用户带来显著的经济效益。
发明内容
为了克服现有技术中存在的缺陷,本发明提出一种同步调相机油系统的状态评价方法,其特征在于,包括以下步骤:
S1:建立同步调相机油系统的评价指标体系;
S2:对所述同步调相油系统的健康状态进行定性划分;
S3:输入待评价指标的样本数据;
S4:对各评价指标数据进行归一化处理;
S5:判断是否有评价指标的归一化数值为1,如果是,则评价结果为“故障”,如果否,则进入步骤S6;
S6:求各预处理后的评价指标的隶属度,构建模糊评判矩阵V;
S7:求各评价指标的权重W;
S8:进行综合评价,求B=W*V;
S9:给出油系统的状态评价结果。
进一步地,
步骤S1中,同步调相机的油系统包括低压润滑油系统及高压顶轴油系统。
进一步地,
所述低压润滑油系统包括润滑油泵、润滑油冷却器、润滑油过滤器和轴瓦,所述高压顶轴油系统包括顶轴油泵、顶轴油过滤器和轴瓦。
进一步地,
步骤S1中,对所述低压润滑油系统和高压顶轴油系统选择油质、进油压力、油量和油温作为评价指标。
进一步地,
所述步骤S2中,将同步调相机油系统的健康状态定性划分为“优良”、“合格”、“预警”、“故障”四个等级,用集合Z表示,Z={z1,z2,z3,z4}={“优良”,“合格”,“预警”,“故障”}。
进一步地,
步骤S4中,所述归一化处理是指,将处于不同数值范围的评价指标进行预处理,换算到[0,1]区间。
进一步地,
步骤S4中,针对各评价指标的性能特点,将上述评价指标分为四种类型进行归一化:双极限型、上极限型、下极限型以及额定值型指标。
进一步地,
双极限型指标是指,指标数值位于某一区间时,均属正常,当超出上、下极限时,说明出现了故障,其归一化方法为:
其中x为评价指标,y(x)为归一化后的指标数值,xmax、xmin分别为指标的上、下极限值,α~β为指标正常运行时的数值范围。
进一步地,
对于上极限值型指标,要求其数值不能高于某一数值,否则,应故障报警,其归一化方法为
其中x为评价指标,y(x)为归一化后的指标数值,α为系统正常运行时指标的允许值,xmax为指标的上极限值。
进一步地,
对于下极限值型指标,要求其数值不能低于某一数值,否则,故障报警,其归一化方法为:
其中x为评价指标,y(x)为归一化后的指标数值,xmin为指标的下极限值。
进一步地,
对于额定值型指标,在额定状态下性能最优,但允许短时间内,偏离额定值某一个范围内运行,其归一化方法为
其中x为评价指标,y(x)为归一化后的指标数值,xN为指标额定值,a为允许的偏差百分比。
进一步地,
所述步骤S6中,
归一化后的评价指标yi与健康等级zj之间的隶属度Vij由下式求出:
式中:Cj为高斯分布的中心,σ为高斯分布的宽度。
进一步地,
“优良”,“合格”,“预警”,“故障”等四种健康等级的高斯分布中心取c={0,0.33,0.66,1},宽度取σ=0.1。
进一步地,所述步骤S6中,
若某评价目标有n个评价指标,分为m个健康状态等级,其模糊评判矩阵可表示为:
其中Vij表示第i个评价指标对健康状态j的隶属度,所述模糊评判矩阵中,取m=4。
进一步地,
所述步骤S7中,首先采用层次分析法确定各指标的固定权重,然后采用信息熵确定各指标的实时权重,最后两者结合,作为评价指标的动态权重。
进一步地,
层次分析法确定评价指标的固定权重wi'包括:
首先根据专家经验、故障统计和维修记录比较当前系统中两两指标对上一目标系统的相对重要程度,构建比较矩阵;然后计算判断矩阵;最后根据判断矩阵求各指标的权重。
进一步地,所述层次分析法确定评价指标的固定权重wi'的具体步骤如下:
第一步:构建同一目标层次下各指标间的比较矩阵A
若某评价目标有n个评价指标,则各指标间的比较矩阵A为
其中aij表示指标i与指标j对上一目标系统的相对重要程度,采用三分度制;aij的取值分别为0(指标i与指标j同样重要),-1(指标i不如指标j重要),1(指标i比指标j重要);
第二步:构建判断矩阵U
其中
第三步:求各指标的固定权重wi'
其中i=1,……,n且
进一步地,
信息熵法确定实时权重wi”包括:
首先利用实时运行数据求各评价指标的熵值:
其中K为评价指标的样本个数,n为评价指标个数,yij表示第i个指标的第j个样本归一化后的数值;
所述评价指标的熵权表达式为:
式中,wi”为各评价指标的实时权重,
进一步地,
将各指标的固定权重与实时权重融合,得到其动态权重为:
各评价指标的权重构成了权重矩阵W,W={w1,w2,…,wn}。
进一步地,
步骤S8包括:
选取合适的模糊算子,将权重W与各个评价目标的模糊评判矩阵V进行模糊运算,然后采用最大隶属度原则,即可获得其评价结果;其中模糊综合评判表达式为
B=W*V=[b1 b2 b3 b4]
取bmax=max(bj|j=1,2,3,4)相对应的zj作为评价结果,其中zj为所述健康状态集合Z中的某种状态。
若bmax=b1,则健康状态为z1=“优良”;若bmax=b2,则健康状态为z2=“合格”;若bmax=b3,则健康状态为z3=“预警”;若bmax=b4,则健康状态为z4=“故障”。
本发明解决了同步调相机油系统的实时状态评价问题。与现有技术相比,本发明将专家经验、运维记录与实时监测数据相结合,采用熵权法实时确立各指标的动态权重、将权重与评价目标的模糊评判矩阵相结合,并采用最大隶属原则获取评价结果,能够对油系统健康状态做出正确评价,以便对其潜在故障及早发现,可以延长调相机的使用寿命,为用户带来显著的经济效益。本发明方法先对油系统总目标进行评价,当系统出现预警或者故障时,再通过对各组件的评价找出预警或者故障的具体部件,提高了评价的效率。本发明既排除了主观因素的干扰,又降低了评价成本,提高了评价的准确性。
附图说明
图1同步调相机油系统的构成。
图2同步调相机油系统的状态评价策略。
图3是本发明的同步调相机油系统的状态评价方法流程图。
图4同步调相机油系统的状态评价流程。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
1.同步调相机油系统的状态评价策略
同步调相机的油系统为自循环系统,由润滑油模块、外部管道及调相机轴瓦形成一个完整的回路。同步调相机的油系统主要包括低压润滑油系统及高压顶轴油系统。低压润滑油系统为调相机轴承提供强制冷却润滑油液,通过润滑油泵从主油箱中吸油,然后送入润滑油冷却器对润滑油进行冷却,冷却后的油再经过过滤器,滤除油中微小颗粒后,供给调相机的轴承。高压顶轴油系统在调相机启动及转子失速时,顶轴油泵从润滑油母管吸收润滑油,经过滤装置后,为轴瓦提供高压顶轴油,将转子强制顶起,在轴瓦内形成油膜,消除轴瓦和轴的摩擦,防止烧瓦。
根据上述同步调相机油系统的构成,将其划分为低压润滑油系统和高压顶轴油系统。除了主油箱和排油雾风机外,低压润滑油系统包括主机润滑油泵、润滑油冷却器、润滑油过滤器和轴瓦。高压顶轴油系统包括顶轴油泵、顶轴油过滤器和轴瓦。同步调相机的油系统示意图如图1所示。
油系统的评价策略采用先整体后组件的评价方法。首先对油系统的整体状态(包括低压润滑油系统和高压顶轴油系统)进行评价,若系统整体评价为正常,则系统可持续运行;若系统出现异常,再逐个评价其系统组件,找出异常部件,以便于维修。其评价策略如图2所示。
2.同步调相机油系统的评价指标体系
同步调相机油系统的健康状态可通过一些物理量所处的范围反映出来,所以选择与油系统健康状态密切相关的物理量作为评价指标,构建其状态评价指标体系。在调相机的运行中,润滑油的油质、进油压力、油量和油温是影响轴承能否正常运转的决定性因素。为了保证润滑油的油质、进油压力、油量和油温处于正常范围内,需要调相机整个油系统均能正常运行。因此,对其顶层的低压润滑油系统和高压顶轴油系统选择油质、进油压力、油量和油温作为评价指标。由于低压润滑油系统和高压顶轴油系统中对油质的要求是一致的,而油质的好坏又是有若干指标表征的,为了便于评价,提高评价过程的效率,将低压润滑油系统和高压顶轴油系统中的油质作为一个子系统单独进行评价,如表1所示。其各组件的评价指标如表2所示。
表1
表2
3.状态评价方法
3.1状态等级的划分
同步调相机油系统的健康状况是一个渐变退化的过程,具有模糊性,为了便于其评价结果应用于系统的运行维护,将其渐变退化的过程采用定性的方法描述。若系统性能指标均在正常运行的范围内,则系统可持续长时间运行,将其健康等级定义为“优良”;若性能指标稍微偏离了正常值的范围,但不影响系统运行,将其状态定义为“合格”,若系统有轻微故障,性能指标偏离了正常范围,不过尚能运行一段时间,应择机进行维修,将其状态定义为“预警”;若系统出现故障,需要停机维修,则其状态定义为“故障”。因此本方法将同步调相机油系统的健康状态定性划分为“优良”、“合格”、“预警”、“故障”四个等级,用集合Z表示,Z={z1,z2,z3,z4}={“优良”,“合格”,“预警”,“故障”}。
3.2评价指标的预处理
由于同步调相机的油系统是由不同子系统构成,而各子系统的评价指标的量纲不同,数据大小的范围也不同,为了便于评价,将处于不同数值范围的评价指标进行预处理,换算到[0,1]区间,这个过程称为“归一化”。针对各评价指标的性能特点,将上述指标分为四种类型进行归一化:双极限型、上极限型、下极限型以及额定值型指标。对于不同类型的指标,采用不同的方法进行数据预处理。假设评价指标用集合X表示,归一化后的数值用集合Y表示。X={x1,x2,…,xn},Y={y1,y2,…,yn},(xi,yi∈R),n为评价指标个数,yi的数值越小,其健康状态的性能越好。
(1)双极限型指标
对于双极限型指标,指标数值位于某一区间时,均属正常。当超出上、下极限时,说明出现了严重故障。属于这类指标的有:主油箱液位、主油箱油温、泵口母管压力、泵出口压力、润滑油冷却器的进口及出口油温、轴承润滑油的进口油温、轴承润滑油的进油压力、轴承顶轴油进油压力、油的运动粘度等。其归一化方法为
xmax、xmin分别为指标的上、下极限值,α~β为指标正常运行时的数值范围。
(2)上极限值型指标
对于上极限值型指标,要求其数值不能高于某一数值,否则,应故障报警。如过滤器两端压差、润滑油冷却器的进出水温差、轴承润滑油的出口油温、油的破乳化度、油中水分、油的酸值、油中颗粒度、油中空气释放值等要求低于某一极限值。其归一化方法为
α为系统正常运行时指标的允许值,xmax为指标的上极限值。
(3)下极限型指标
对于下极限值型指标,要求其数值不能低于某一数值,否则,应故障报警。如油的开口闪点不能过低。
xmin为指标的下极限值。
(4)额定值型指标
有些指标在额定状态下性能最优,不过允许短时间内,偏离额定值某一个范围内运行。如:油泵电机的电压和电流、非出线端轴承润滑油流量、出线端轴承润滑油流量、非出线端轴承顶轴油流量、出线端轴承顶轴油流量等属于这类指标。其归一化方法为
xN为指标额定值,a为允许的偏差百分比。
3.3健康状态评价方法
由于系统的健康状态具有模糊性,故采用模糊推理方法评价同步调相机油系统的健康状态。具体步骤如下:
第一步:评价指标的归一化。
根据评价指标的预处理方法3.2对数据进行归一化处理。
第二步:求各评价指标的隶属度,构建模糊评判矩阵。
求评价指标集合Y与状态等级集合Z之间的模糊关系,用隶属度表示。由于系统的健康状态是一个渐变的过程,满足高斯分布,因此采用高斯函数求隶属度。评价指标yi与健康等级zj之间的隶属关系Vij由下式求出:
式中:Cj为高斯分布的中心,σ为高斯分布的宽度。
“优良”,“合格”,“预警”,“故障”等四种健康等级的高斯分布中心取c={0,0.33,0.66,1},宽度取σ=0.1。
将同一目标层次下各指标的隶属度集综合到一起,就构成了该目标层的模糊评判矩阵。例如,若某一目标有n个评价指标,分为m个健康状态等级,其模糊评判矩阵可表示为:
其中Vij表示第i个评价指标对健康状态j的隶属度。本方法中,取m=4。
第三步:求各评价指标的权重
由于各评价指标随着运行时间的延长其劣化趋势不同,且对系统运行的影响程度也不同,因此采用动态权重描述各指标对评价结果的不同影响程度,以消除主观因素的不确定性。首先采用层次分析法确定各指标的固定权重,然后采用信息熵确定各指标的实时权重,最后两者结合,作为评价指标的动态权重。
(1)层次分析法确定评价指标的固定权重wi'
首先根据专家经验、故障统计和维修记录比较当前系统中两两指标对上一目标系统的相对重要程度,构建比较矩阵;然后计算判断矩阵;最后根据判断矩阵求各指标的权重。具体步骤如下:
第一步:构建同一目标层次下各指标间的比较矩阵A
若某评价目标有n个评价指标,则各指标间的比较矩阵A为
其中aij表示指标i与指标j对上一目标系统的相对重要程度,采用三分度制。aij的取值分别为0(指标i与指标j同样重要),-1(指标i不如指标j重要),1(指标i比指标j重要)。
第二步:构建判断矩阵U
其中
第三步:求各指标的固定权重w′i
(2)信息熵法确定实时权重wi”
首先利用实时运行数据求各评价指标的熵值:
式(10)中:K为评价指标的样本个数,n为评价指标个数,yij表示第i个指标的第j个样本归一化后的数值。
根据信息熵的基本原理,可得评价指标的熵权表达式为:
式中,wi”为各评价指标的权重,
熵权法是一种比较客观的赋权方法。
(3)动态权重
将各指标的固定权重与实时权重融合,得到其动态权重为:
各评价指标的权重构成了权重矩阵W,W={w1,w2,…,wn}
第四步:评价结果
选取合适的模糊算子,将权重W与各个评价目标的模糊评判矩阵V进行模糊运算,然后采用最大隶属度原则,即可获得其评价结果。
模糊综合评判表达式为
B=W*V=[b1 b2 b3 b4] (13)
取bmax=max(bj|j=1,2,3,4)b相对应的zj作为评价结果。其中zj为健康状态集合Z中的某种状态。
若bmax=b1,则健康状态为z1=“优良”;若bmax=b2,则健康状态为z2=“合格”;若bmax=b3,则健康状态为z3=“预警”;若bmax=b4,则健康状态为z4=“故障”。
健康状态评价方法的实现过程如图3所示。
4.油系统的评价流程
整个油系统的健康状态评价采用先整体后组件的评价方法。首先对油系统的整体状态进行评价,若系统整体评价为正常,则系统可持续运行;若系统出现异常,再逐个评价其系统组件,找出异常部件,以便于维修。整个油系统的健康状态评价流程如图4所示。其中各组件的评价方法如图3所示。
申请人结合说明书附图对本发明的实施例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (22)
1.一种同步调相机油系统的状态评价方法,其特征在于,包括以下步骤:
S1:建立同步调相机油系统的评价指标体系;
S2:对所述同步调相油系统的健康状态进行定性划分;
S3:输入待评价指标的样本数据;
S4:对各评价指标数据进行归一化处理;
S5:判断是否有评价指标的归一化数值为1,如果是,则评价结果为“故障”,如果否,则进入步骤S6;
S6:求各预处理后的评价指标的隶属度,构建模糊评判矩阵V;
S7:求各评价指标的权重W;
S8:进行综合评价,求B=W*V;
S9:给出油系统的状态评价结果。
2.根据权利要求1所述的方法,其特征在于,
步骤S1中,同步调相机的油系统包括低压润滑油系统及高压顶轴油系统。
3.根据权利要求2所述的方法,其特征在于,
所述低压润滑油系统包括润滑油泵、润滑油冷却器、润滑油过滤器和轴瓦,所述高压顶轴油系统包括顶轴油泵、顶轴油过滤器和轴瓦。
4.根据权利要求2或3所述的方法,其特征在于,步骤S1中,对所述低压润滑油系统和高压顶轴油系统选择油质、进油压力、油量和油温作为评价指标。
5.根据权利要求1所述的方法,其特征在于,
所述步骤S2中,将同步调相机油系统的健康状态定性划分为“优良”、“合格”、“预警”、“故障”四个等级,用集合Z表示,Z={z1,z2,z3,z4}={“优良”,“合格”,“预警”,“故障”}。
6.根据权利要求5所述的方法,其特征在于,
步骤S4中,所述归一化处理是指,将处于不同数值范围的评价指标进行预处理,换算到[0,1]区间。
7.根据权利要求6所述的方法,其特征在于,
步骤S4中,针对各评价指标的性能特点,将上述评价指标分为四种类型进行归一化:双极限型、上极限型、下极限型以及额定值型指标。
8.根据权利要求7所述的方法,其特征在于,
双极限型指标是指,指标数值位于某一区间时,均属正常,当超出上、下极限时,说明出现了故障,其归一化方法为:
其中x为评价指标,y(x)为归一化后的指标数值,xmax、xmin分别为指标的上、下极限值,α~β为指标正常运行时的数值范围。
9.根据权利要求7所述的方法,其特征在于,
对于上极限值型指标,要求其数值不能高于某一数值,否则,应故障报警,其归一化方法为
其中x为评价指标,y(x)为归一化后的指标数值,α为系统正常运行时指标的允许值,xmax为指标的上极限值。
10.根据权利要求7所述的方法,其特征在于,
对于下极限值型指标,要求其数值不能低于某一数值,否则,故障报警,其归一化方法为:
其中x为评价指标,y(x)为归一化后的指标数值,xmin为指标的下极限值。
11.根据权利要求7所述的方法,其特征在于,
对于额定值型指标,在额定状态下性能最优,但允许短时间内,偏离额定值某一个范围内运行,其归一化方法为
其中x为评价指标,y(x)为归一化后的指标数值,xN为指标额定值,a为允许的偏差百分比。
12.根据权利要求7所述的方法,其特征在于,
所述步骤S6中,
归一化后的评价指标yi与健康等级zj之间的隶属度Vij由下式求出:
式中:Cj为高斯分布的中心,σ为高斯分布的宽度。
13.根据权利要求12所述的方法,其特征在于,
zj所对应的“优良”,“合格”,“预警”,“故障”四种健康等级的高斯分布中心取c={0,0.33,0.66,1},宽度σ=0.1。
14.根据权利要求13所述的方法,其特征在于,
所述步骤S6中,
若某评价目标有n个评价指标,分为m个健康状态等级,其模糊评判矩阵可表示为:
其中Vij表示第i个评价指标对健康状态j的隶属度,所述模糊评判矩阵中,取m=4。
15.根据权利要求14所述的方法,其特征在于,
所述步骤S7中,首先采用层次分析法确定各指标的固定权重,然后采用信息熵确定各指标的实时权重,最后两者结合,作为评价指标的动态权重。
16.根据权利要求15所述的方法,其特征在于,
层次分析法确定评价指标的固定权重wi'包括:
首先根据专家经验、故障统计和维修记录比较当前系统中两两指标对上一目标系统的相对重要程度,构建比较矩阵;然后计算判断矩阵;最后根据判断矩阵求各指标的固定权重wi'。
17.根据权利要求16所述的方法,其特征在于,
所述层次分析法确定评价指标的固定权重wi'的具体步骤如下:
第一步:构建同一目标层次下各指标间的比较矩阵A
若某评价目标有n个评价指标,则各指标间的比较矩阵A为
其中aij表示指标i与指标j对上一目标系统的相对重要程度,采用三分度制;aij的取值分别为0(指标i与指标j同样重要),-1(指标i不如指标j重要),1(指标i比指标j重要);
第二步:构建判断矩阵U
其中
第三步:求各指标的固定权重wi'
其中i=1,……,n且
18.根据权利要求17所述的方法,其特征在于,
信息熵法确定实时权重wi”包括:
首先利用实时运行数据求各评价指标的熵值:
其中K为评价指标的样本个数,n为评价指标个数,yij表示第i个指标的第j个样本归一化后的数值;
所述评价指标的熵权表达式为:
式中,wi”为各评价指标的实时权重,
19.根据权利要求18所述的方法,其特征在于,
将各指标的固定权重与实时权重融合,得到其动态权重为:
各评价指标的权重构成了权重矩阵W,W={w1,w2,…,wn}。
20.根据权利要求19所述的方法,其特征在于,
步骤S8包括:
选取合适的模糊算子,将权重W与各个评价目标的模糊评判矩阵V进行模糊运算,然后采用最大隶属度原则,即可获得其评价结果;其中模糊综合评判表达式为
B=W*V=[b1 b2 b3 b4]
21.根据权利要求20所述的方法,其特征在于,
步骤S9包括:
取bmax=max(bj|j=1,2,3,4)相对应的zj作为评价结果,其中zj为所述健康状态集合Z中的某种状态。
22.根据权利要求21所述的方法,其特征在于,
若bmax=b1,则健康状态为z1=“优良”;若bmax=b2,则健康状态为z2=“合格”;若bmax=b3,则健康状态为z3=“预警”;若bmax=b4,则健康状态为z4=“故障”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910651574.8A CN110428151A (zh) | 2019-07-18 | 2019-07-18 | 一种同步调相机油系统的状态评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910651574.8A CN110428151A (zh) | 2019-07-18 | 2019-07-18 | 一种同步调相机油系统的状态评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110428151A true CN110428151A (zh) | 2019-11-08 |
Family
ID=68411131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910651574.8A Pending CN110428151A (zh) | 2019-07-18 | 2019-07-18 | 一种同步调相机油系统的状态评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428151A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832730A (zh) * | 2020-07-09 | 2020-10-27 | 西安交通大学 | 一种油液不确定状态的信度表征与状态识别的方法 |
CN111832731A (zh) * | 2020-07-09 | 2020-10-27 | 西安交通大学 | 一种多指标监测的油液不确定状态表征及故障诊断的方法 |
CN111915190A (zh) * | 2020-08-03 | 2020-11-10 | 浙江三一装备有限公司 | 液压油健康指数计算方法、装置和计算机设备 |
CN111968268A (zh) * | 2020-06-29 | 2020-11-20 | 南斗六星系统集成有限公司 | 一种新能源车辆健康状况远程评估方法和系统 |
CN112036004A (zh) * | 2020-07-14 | 2020-12-04 | 国网江苏省电力有限公司检修分公司 | 基于相似时刻动态选择调相机油系统油温预测方法和系统 |
CN112529306A (zh) * | 2020-12-16 | 2021-03-19 | 国网江苏省电力有限公司检修分公司 | 基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置 |
CN112749909A (zh) * | 2021-01-18 | 2021-05-04 | 沈阳工业大学 | 一种面向主动维护的电力设备健康状态评估方法 |
CN113128832A (zh) * | 2021-03-16 | 2021-07-16 | 国网湖南省电力有限公司 | 用于大型调相机辅助系统的运行状态在线诊断方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469196A (zh) * | 2015-11-18 | 2016-04-06 | 山东科技大学 | 一种矿井建设项目过程后评价的综合评价方法及系统 |
CN109872077A (zh) * | 2019-03-08 | 2019-06-11 | 国网山东省电力公司电力科学研究院 | 双水内冷同步调相机冷却水系统的状态评价方法及装置 |
-
2019
- 2019-07-18 CN CN201910651574.8A patent/CN110428151A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469196A (zh) * | 2015-11-18 | 2016-04-06 | 山东科技大学 | 一种矿井建设项目过程后评价的综合评价方法及系统 |
CN109872077A (zh) * | 2019-03-08 | 2019-06-11 | 国网山东省电力公司电力科学研究院 | 双水内冷同步调相机冷却水系统的状态评价方法及装置 |
Non-Patent Citations (1)
Title |
---|
吴晓莉等编著: "《MATLAB辅助模糊系统设计》", 31 August 2002 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968268A (zh) * | 2020-06-29 | 2020-11-20 | 南斗六星系统集成有限公司 | 一种新能源车辆健康状况远程评估方法和系统 |
CN111832730A (zh) * | 2020-07-09 | 2020-10-27 | 西安交通大学 | 一种油液不确定状态的信度表征与状态识别的方法 |
CN111832731A (zh) * | 2020-07-09 | 2020-10-27 | 西安交通大学 | 一种多指标监测的油液不确定状态表征及故障诊断的方法 |
CN111832730B (zh) * | 2020-07-09 | 2022-07-26 | 西安交通大学 | 一种油液不确定状态的信度表征与状态识别的方法 |
CN112036004A (zh) * | 2020-07-14 | 2020-12-04 | 国网江苏省电力有限公司检修分公司 | 基于相似时刻动态选择调相机油系统油温预测方法和系统 |
CN112036004B (zh) * | 2020-07-14 | 2024-04-19 | 国网江苏省电力有限公司检修分公司 | 基于相似时刻动态选择调相机油系统油温预测方法和系统 |
CN111915190A (zh) * | 2020-08-03 | 2020-11-10 | 浙江三一装备有限公司 | 液压油健康指数计算方法、装置和计算机设备 |
CN112529306A (zh) * | 2020-12-16 | 2021-03-19 | 国网江苏省电力有限公司检修分公司 | 基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置 |
CN112529306B (zh) * | 2020-12-16 | 2023-12-01 | 国网江苏省电力有限公司检修分公司 | 基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置 |
CN112749909A (zh) * | 2021-01-18 | 2021-05-04 | 沈阳工业大学 | 一种面向主动维护的电力设备健康状态评估方法 |
CN113128832A (zh) * | 2021-03-16 | 2021-07-16 | 国网湖南省电力有限公司 | 用于大型调相机辅助系统的运行状态在线诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428151A (zh) | 一种同步调相机油系统的状态评价方法 | |
CN106569056B (zh) | 电力变压器的故障诊断方法及诊断装置 | |
CN110529202B (zh) | 基于电厂数据的汽轮机故障诊断检测及预警方法及系统 | |
US20130013255A1 (en) | Automatic identification of operating parameters for power plants | |
Yang et al. | Fault detection of wind turbine generator bearing using attention-based neural networks and voting-based strategy | |
CN107013673B (zh) | 一种风电机组齿轮箱润滑系统及其温控阀的故障监测方法 | |
CN111369168B (zh) | 一种适应电网多种调控运行场景的关联特征选择方法 | |
Ma et al. | An intelligent power plant fault diagnostics for varying degree of severity and loading conditions | |
CN109872077B (zh) | 双水内冷同步调相机冷却水系统的状态评价方法及装置 | |
CN112541160A (zh) | 一种旋转机械振动故障诊断相关特征提取方法 | |
Botsaris et al. | Systemic assessment and analysis of factors affect the reliability of a wind turbine | |
CN114169718A (zh) | 一种基于风电机组状态评估提高机组可靠性的方法 | |
CN110289112B (zh) | 基于层次分析和模糊评价的核动力装置健康状态诊断方法 | |
JP3146365B2 (ja) | 排水ポンプシステムの排水優先運転方法および排水ポンプシステム | |
CN111626632A (zh) | 一种换流阀空冷器状态评估方法 | |
Lamhour et al. | Operation and approximation based on the history of failure modes recorded by SCADA system of Amougdoul Moroccan wind farm using FMECA maintenance model | |
Guo et al. | Fault detection and diagnosis for residential hvac systems using transient cloud-based thermostat data | |
Pascoe | Improved control processes to sustain electricity cost savings on a mine water reticulation system | |
CN111898288A (zh) | 一种电力变压器绕组损坏风险评估方法 | |
Lou et al. | A data-mining approach for wind turbine power generation performance monitoring based on power curve | |
Hu | Machine Learning to Scale Fault Detection in Smart Energy Generation and Building Systems | |
Madani et al. | Smart Fault Detection and Diagnosis for Heat Pump Systems | |
Koukoura et al. | An insight into wind turbine planet bearing fault prediction using SCADA data | |
CN113128832A (zh) | 用于大型调相机辅助系统的运行状态在线诊断方法及系统 | |
Wen et al. | Performance evaluation of wind turbines based on SCADA data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191108 |