CN111274546A - 一种电缆系统故障分析方法 - Google Patents

一种电缆系统故障分析方法 Download PDF

Info

Publication number
CN111274546A
CN111274546A CN202010118891.6A CN202010118891A CN111274546A CN 111274546 A CN111274546 A CN 111274546A CN 202010118891 A CN202010118891 A CN 202010118891A CN 111274546 A CN111274546 A CN 111274546A
Authority
CN
China
Prior art keywords
cable
fault
function
weibull distribution
parameter
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
Application number
CN202010118891.6A
Other languages
English (en)
Inventor
廖雁群
惠宝军
韦亦龙
李迪
伍斯恒
李闻博
黄顺涛
叶宇婷
傅明利
黄培专
邹国惠
袁永毅
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.)
Guangdong Power Grid Co Ltd
Zhuhai Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Zhuhai Power Supply Bureau of Guangdong Power Grid Co 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 Guangdong Power Grid Co Ltd, Zhuhai Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202010118891.6A priority Critical patent/CN111274546A/zh
Publication of CN111274546A publication Critical patent/CN111274546A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电缆线路技术领域，特别是涉及基于Weibull分布的电缆系统故障分析方法，包括收集待评估地区的电缆线路运行数据信息；建立电缆线路的Weibull分布参数函数；引入能影响高压电缆故障的影响因素，并估计影响因素的电缆故障回归参数，将影响因素及回归参数加入Weibull分布参数函数建立基于Weibull分布的故障风险模型及优化后的可靠度函数；选取要分析的电缆样本数据及影响因素，对影响因数的回归参数进行估计，从而计算电缆样本的故障率或可靠度。本发明能够结合实际电缆运行工况及条件对具体电缆线路的故障概率进行评估，从而为电缆运维管理部门提供快速做出检修或更换策略的一种依据，实现电缆个体差异化管理，保证电缆线路可靠运行。

Description

一种电缆系统故障分析方法
技术领域
本发明涉及电缆线路技术领域，特别是涉及基于Weibull分布的电缆系统故障分析方法。
背景技术
高压电缆输电线路故障会造成重要电力设备的损坏，导致局部甚至大面积的停电。停电不仅造成电力公司和用户的经济损失，还会造成对社会和环境影响的间接损失。由于XLPE电缆生产工艺的差异，在电缆敷设过程中导致的损伤以及电缆运行环境恶劣等因素，极大地影响了电缆长期使用的可靠性，使许多电缆的实际寿命往往达不到设计要求，电缆提前进入老化期，为电力系统的运行安全埋下了重大隐患。如何评估运行XLPE电缆系统的故障风险，进而提前合理安排电缆的检修及更换，已经成为高压电缆领域亟待解决的问题。
目前高压电缆故障概率的计算方法主要包括两类，一类基于实验室内进行电缆加速老化试验，通过检测电缆样品的物化特性来反映电缆老化状况，进而推算故障概率，这类方法可以得到较完整的电缆数据分析样本，但由于试验环境与电缆实际运行环境存在差异，试验结果不一定能真实反映电缆运行状况；另一类为通过对电缆实际运行数据进行统计建模分析，这类方法可以利用现场实际运行数据进行统计分析，但需要收集一定数量的电缆数据。
有研究人员利用Weibull分布模型对电缆故障数据进行分析并根据结果对故障进行预测。应用Weibull分布模型可以分析所收集的电缆故障数和运行时间之间的关系，并通过故障数据对Weibull分布中的参数进行估计，统计分析电缆发生在不同时间发生故障的概率和可靠度，根据结果进行故障预测和运维退役决策。该方法能较好地结合电缆故障数据对电缆故障进行预测，但未能结合各电缆实际运行工况的不同，无法反映在不同运行条件对电缆可靠性的影响。
发明内容
本发明提供一种基于Weibull故障风险模型的电缆系统故障分析方法，其能够结合实际电缆运行工况及条件对具体电缆线路的故障概率进行评估，从而为电缆运维管理部门提供快速做出检修或更换策略的一种依据，实现电缆个体差异化管理，保证电缆线路可靠运行。
本发明的技术方案为：
一种电缆系统故障分析方法，包括以下步骤：
S1：收集待评估地区的电缆线路运行数据信息，数据信息包括电缆的运行时间、运行条件、运行环境，还可以包括历次试验结果及故障情况等；
S2：建立电缆线路的Weibull分布参数函数，包括两参数形式的故障概率密度函数、故障概率分布函数、可靠度函数及故障率函数；
S3：从步骤S1收集的数据信息中引入能影响高压电缆故障的影响因素，并估计影响因素的电缆故障回归参数，将影响因素及回归参数加入步骤S2中的故障率函数，建立基于Weibull分布的故障风险模型及优化后的可靠度函数；
S4：选取要分析的电缆样本数据及影响因素，对影响因数的回归参数进行估计，从而计算电缆样本的故障率或可靠度。
进一步，步骤S1中的运行时间指的是电缆服役时间，即从投入使用到因故障而停止运行的时间。
进一步，步骤S1中的运行条件涉及的因素有电压、电流、温度、负荷率中的一种或多种。
进一步，步骤S1中的运行环境指的是电缆的铺设方式，包括隧道、直埋、穿管、顶管中的任一铺设方式。
进一步，步骤S2中的故障概率密度函数、故障概率分布函数、故障可靠度函数及故障率函数分别为公式(1)、(2)、(3)、(4)所示；
故障概率密度函数：
Figure BDA0002392334030000021
故障概率分布函数：
Figure BDA0002392334030000022
可靠度函数：
Figure BDA0002392334030000031
故障率函数：
Figure BDA0002392334030000032
其中t为电缆的运行时间，β为电缆的形状参数，η为电缆的尺度参数。
进一步，当β<1时，故障率随运行时间增加而下降，表明电缆线路处于早期故障模式；当β＝1时，故障率不随时间变化，表明电缆线路处于随机失效的模式；当β>1时，故障率随运行时间增加而增加，表明电缆线路处于老化阶段；当1<β<4时，表示线路处于老化初期；当β>4时，表示线路处于老化的中晚期，在这个阶段，当电缆线路一旦开始老化，将会迅速老化失效。
进一步，采用极大似然估计法对Weibull分布中的参数β和η进行估计。
进一步，因为现有的Weibull分布模型无法考虑个体因素，因此无法准确评估个体电缆线路的运行情况，因此本发明需引入能影响高压电缆故障的各种因素的比例因子，包括影响因素及与其对应的回归参数。步骤S3中设影响因素为X，与影响因数X对应的回归参数为α，回归参数α表示与电缆故障相关的影响因数X的权重，所以基于Weibull分布的故障风险模型及优化后的可靠度函数如公式(5)、(6)所示；
故障风险模型：
Figure BDA0002392334030000033
优化后的可靠度函数：
Figure BDA0002392334030000034
其中Xj为第j个与电缆故障相关的影响因素，αj为影响因素Xj所对应的回归参数；当αj为正值时，表示第j个影响因素对电缆故障起到正面的作用效果；当αj为负值时，表示第j个影响因素对电缆故障起到负面的作用效果；当αj等于0时，则表示第j个影响因素与电缆故障无关；q表示影响因素的个数，j＝1,2,3…q。
其中，从步骤S1收集的数据信息中引入电缆故障相关的影响因数X包括：负荷率、温度、电压、电流、敷设方式(敷设环境)等，还可以包括电缆质量因素(不同厂家)、电缆附件质量因素(不同厂家)、安装因素、接地环流因素、局部放电量等，根据实际情况，可选择1～q个影响因数。
进一步，根据公式(5)和(6)还能得出优化后的概率密度函数，如公式(7)所示；
f(t,X)＝h(t,X)·R(t,X)(7)。
进一步，回归参数α能通过经验估计、最大似然函数法估计、贝叶斯推断中的一种方法进行估计。
本发明的有益效果为：
本方法作为传统基于故障时间的Weibull分布参数函数的改进，能将高压电缆故障影响因素及其对应的回归参数纳入模型进行考虑，同时分析故障数据和影响因数数据，可以更加准确的评估特定线路的故障概率分布，并可以进行相应的寿命预测，及时作出合理的处理决策。
附图说明
图1是本发明的流程示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
实施例1：
如图1所示，本发明提供一种电缆系统故障分析方法，包括以下步骤：
S1：收集待评估地区的电缆线路运行数据信息，数据信息包括电缆的运行时间、运行条件、运行环境，还可以包括历次试验结果及故障情况等；
运行时间指的是电缆服役时间，即从投入使用到因故障而停止运行的时间；运行条件涉及的因素有电压、电流、温度、负荷率中的一种或多种；运行环境指的是电缆的铺设方式，包括隧道、直埋、穿管、顶管中的任一铺设方式；
S2：建立电缆线路的Weibull分布参数函数，包括两参数形式的故障概率密度函数、故障概率分布函数、可靠度函数及故障率函数，分别为公式(1)、(2)、(3)、(4)所示；
故障概率密度函数：
Figure BDA0002392334030000051
故障概率分布函数：
Figure BDA0002392334030000052
可靠度函数：
Figure BDA0002392334030000053
故障率函数：
Figure BDA0002392334030000054
其中t为电缆的运行时间，β为电缆的形状参数，η为电缆的尺度参数；
当β<1时，故障率随运行时间增加而下降，表明电缆线路处于早期故障模式；当β＝1时，故障率不随时间变化，表明电缆线路处于随机失效的模式；当β>1时，故障率随运行时间增加而增加，表明电缆线路处于老化阶段；当1<β<4时，表示线路处于老化初期；当β>4时，表示线路处于老化的中晚期，在这个阶段，当电缆线路一旦开始老化，将会迅速老化失效；
可以采用极大似然估计法对Weibull分布中的参数β和η进行估计。
S3：从步骤S1收集的数据信息中引入能影响高压电缆故障的影响因素，并估计影响因素的电缆故障回归参数，将影响因素及回归参数加入步骤S2中的故障率函数，建立基于Weibull分布的故障风险模型及优化后的可靠度函数；
因为现有的Weibull分布模型无法考虑个体因素，因此无法准确评估个体电缆线路的运行情况，因此本发明需引入能影响高压电缆故障的各种因素的比例因子，包括影响因素及与其对应的回归参数；设影响因素为X，与影响因数X对应的回归参数为α，回归参数α表示与电缆故障相关的影响因数X的权重，所以基于Weibull分布的故障风险模型及优化后的可靠度函数如公式(5)、(6)所示；
故障风险模型：
Figure BDA0002392334030000061
优化后的可靠度函数：
Figure BDA0002392334030000062
其中Xj为第j个与电缆故障相关的影响因素，αj为影响因素Xj所对应的回归参数；当αj为正值时，表示第j个影响因素对电缆故障起到正面的作用效果；当αj为负值时，表示第j个影响因素对电缆故障起到负面的作用效果；当αj等于0时，则表示第j个影响因素与电缆故障无关；q表示影响因素的个数，j＝1,2,3…q；
其中，从步骤S1收集的数据信息中引入电缆故障相关的影响因数X包括：负荷率、温度、电压、电流、敷设方式(敷设环境)等，还可以包括电缆质量因素(不同厂家)、电缆附件质量因素(不同厂家)、安装因素、接地环流因素、局部放电量等，根据实际情况，可选择1～q个影响因数；
根据公式(5)和(6)还能得出优化后的概率密度函数，如公式(7)所示；
f(t,X)＝h(t,X)·R(t,X)(7)；
回归参数α能通过经验估计、最大似然函数法估计、贝叶斯推断中的一种方法进行估计；
S4：选取要分析的电缆样本数据及影响因素，对影响因数的回归参数进行估计，从而计算电缆样本的故障率或可靠度。
本发明可根据上述计算得到的故障率或可靠度来准确的评估特定线路的故障概率分布，并可以进行相应的寿命预测，及时作出合理的处理决策。
实施例2：
本实施例以某地区的电缆系统为例；
1)电缆线路运行数据信息的收集
选取某地区113组高压故障电缆或退役电缆的运行数据，如表1所示。
表1某地区高压故障电缆或退役电缆运行数据
线路序号 投运日期 运行服役时间/天
1 2008/5/31 4107
2 2008/5/31 4107
3 2008/5/31 4107
4 2009/2/16 3846
5 2011/11/30 2829
6 2011/11/30 2829
… … …
110 2014/4/15 1962
111 1996/9/1 8397
112 1999/12/12 7200
113 2010/8/12 3304
2)Weibull分布参数函数的参数估计
应用极大似然估计法对这些电缆数据进行Weibull分布的参数估计，其估计结果如表2所示。由表2所示参数估计结果，β估计数值为2.463，表示该地区目前在运的高压电缆处于老化状态初期；η估计数值为12349，即其特征寿命为12349天，表示在此估计结果下，大约有63.2％的高压电缆会在投运约40年后发生老化故障。
表2 Weibull分布参数估计结果
参数 数值
β 2.4630
η 12349
3)Weibull分布故障风险模型的参数选取及估计
为简单起见，故障风险模型在本部分仅考虑两个因素，即影响因数包括负荷率和电缆敷设方式。其中影响因数的回归参数采用经验数值估算，结合不同运行条件下的电缆寿命情况、专家知识和实际线路运维经验，考虑该地区气候特点，电缆经验寿命(可靠度为36.8％，即故障概率为63.2％时的电缆寿命)如表3所示。
假设X1表示负荷率，在低负载时：X1≦0.3，在正常负载时：0.3<X1≦0.7，在高负载时：0.7<X1≦1；假设X2表示电缆敷设方式，设定环境干燥指非直埋敷设情况，即X2＝0；环境潮湿指直埋敷设情况，即X2＝1。则表3转化为如表4所示。根据公式(6)及表4，很容易计算出影响因素X1、X2对应的回归系数α1、α2，从而得出该地区高压电缆的Weibull分布故障风险模型(仅考虑负荷率和电缆敷设方式)。
表3不同运行状况下电缆寿命经验信息
运行状况 电缆寿命/a
低负载，环境干燥 >40
正常负载，环境干燥 30～40
正常负载，环境潮湿 20～30
高负载，环境潮湿 15～20
表4不同运行状况下电缆寿命经验信息
Figure BDA0002392334030000081
4)基于特定电缆线路的故障率或可靠度计算
假定线路运行负载率X1＝0.3，电缆敷设方式为直埋敷设，即X2＝1，回归系数α1、α2采用经验数值估算得出为11.03和1.98，电缆投运年限t＝40，β估计数值为2.463，η估计数值为12349，并将上述参数代入公式(5)和(6)，则很容易计算出此时的电缆线路的故障概率及该线路的可靠度。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种电缆系统故障分析方法，其特征在于，包括以下步骤：
S1：收集待评估地区的电缆线路运行数据信息，数据信息包括电缆的运行时间、运行条件、运行环境；
S2：建立电缆线路的Weibull分布参数函数，包括两参数形式的故障概率密度函数、故障概率分布函数、可靠度函数及故障率函数；
S3：从步骤S1收集的数据信息中引入能影响高压电缆故障的影响因素，并估计影响因素的电缆故障回归参数，将影响因素及回归参数加入步骤
S2中的故障率函数，建立基于Weibull分布的故障风险模型及优化后的可靠度函数；
S4：选取要分析的电缆样本数据及影响因素，对影响因数的回归参数进行估计，从而计算电缆样本的故障率或可靠度。
2.根据权利要求1所述的一种电缆系统故障分析方法，其特征在于，步骤S1中的运行时间指的是电缆服役时间，即从投入使用到因故障而停止运行的时间。
3.根据权利要求1所述的一种电缆系统故障分析方法，其特征在于，步骤S1中的运行条件涉及的因素有电压、电流、温度、负荷率中的一种或多种。
4.根据权利要求1所述的一种电缆系统故障分析方法，其特征在于，步骤S1中的运行环境指的是电缆的铺设方式，包括隧道、直埋、穿管、顶管中的任一铺设方式。
5.根据权利要求1所述的一种电缆系统故障分析方法，其特征在于，步骤S2中的故障概率密度函数、故障概率分布函数、故障可靠度函数及故障率函数分别为公式(1)、(2)、(3)、(4)所示；
故障概率密度函数：
Figure FDA0002392334020000011
故障概率分布函数：
Figure FDA0002392334020000021
可靠度函数：
Figure FDA0002392334020000022
故障率函数：
Figure FDA0002392334020000023
其中t为电缆的运行时间，β为电缆的形状参数，η为电缆的尺度参数。
6.根据权利要求5所述的一种电缆系统故障分析方法，其特征在于，当β<1时，故障率随运行时间增加而下降，表明电缆线路处于早期故障模式；当β＝1时，故障率不随时间变化，表明电缆线路处于随机失效的模式；当β>1时，故障率随运行时间增加而增加，表明电缆线路处于老化阶段；当1<β<4时，表示线路处于老化初期；当β>4时，表示线路处于老化的中晚期。
7.根据权利要求5所述的一种电缆系统故障分析方法，其特征在于，采用极大似然估计法对Weibull分布中的参数β和η进行估计。
8.根据权利要求1所述的一种电缆系统故障分析方法，其特征在于，步骤S3中的影响因素为X，与影响因数X对应的回归参数为α，回归参数α表示与电缆故障相关的影响因数X的权重，所以基于Weibull分布的故障风险模型及优化后的可靠度函数如公式(5)、(6)所示；
故障风险模型：
Figure FDA0002392334020000024
优化后的可靠度函数：
Figure FDA0002392334020000025
其中Xj为第j个与电缆故障相关的影响因素，αj为影响因素Xj所对应的回归参数；当αj为正值时，表示第j个影响因素对电缆故障起到正面的作用效果；当αj为负值时，表示第j个影响因素对电缆故障起到负面的作用效果；当αj等于0时，则表示第j个影响因素与电缆故障无关；q表示影响因素的个数，j＝1,2,3…q。
9.根据权利要求8所述的一种电缆系统故障分析方法，其特征在于，根据公式(5)和(6)还能得出优化后的概率密度函数，如公式(7)所示；
f(t,X)＝h(t,X)·R(t,X) (7)。
10.根据权利要求8所述的一种电缆系统故障分析方法，其特征在于，回归参数α能通过经验估计、最大似然函数法估计、贝叶斯推断中的一种方法进行估计。
CN202010118891.6A 2020-02-26 2020-02-26 一种电缆系统故障分析方法 Pending CN111274546A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010118891.6A CN111274546A (zh) 2020-02-26 2020-02-26 一种电缆系统故障分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010118891.6A CN111274546A (zh) 2020-02-26 2020-02-26 一种电缆系统故障分析方法

Publications (1)

Publication Number Publication Date
CN111274546A true CN111274546A (zh) 2020-06-12

Family

ID=71003691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010118891.6A Pending CN111274546A (zh) 2020-02-26 2020-02-26 一种电缆系统故障分析方法

Country Status (1)

Country Link
CN (1) CN111274546A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931334A (zh) * 2020-06-28 2020-11-13 中国电力科学研究院有限公司 一种用于评估电缆设备运行可靠性的方法及系统
CN112859822A (zh) * 2021-04-25 2021-05-28 北京邮电大学 基于人工智能的设备健康分析及故障诊断的方法及系统
CN112881877A (zh) * 2021-02-23 2021-06-01 中国电力科学研究院有限公司 一种高压绝缘老化状态的评估方法及系统
CN113095523A (zh) * 2021-05-08 2021-07-09 北京潞电电气设备有限公司 电缆故障大数据预警系统
CN113361187A (zh) * 2021-05-08 2021-09-07 广西电网有限责任公司电力科学研究院 一种电网线路运行安全优化方法、系统及存储介质
CN115186422A (zh) * 2022-09-09 2022-10-14 特变电工山东鲁能泰山电缆有限公司 一种同相并联电缆运行特性仿真分析方法、装置及介质
CN116029165A (zh) * 2023-03-30 2023-04-28 国网江苏省电力有限公司苏州供电分公司 一种计及雷电影响的电力电缆可靠性分析方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102179722A (zh) * 2010-12-20 2011-09-14 西安瑞特快速制造工程研究有限公司 基于比例故障率模型的数控机床运行可靠性评估方法
CN104616091A (zh) * 2014-11-19 2015-05-13 南昌大学 一种基于层次分析法的城市配电网的综合分析方法
CN105260863A (zh) * 2015-11-26 2016-01-20 国家电网公司 一种基于电力电缆故障信息的故障单影响因素分析方法
CN105302941A (zh) * 2015-09-17 2016-02-03 广州供电局有限公司 高压单芯电缆寿命评估方法及系统
CN108985498A (zh) * 2018-06-26 2018-12-11 广西电网有限责任公司电力科学研究院 一种基于风险评估的电缆退役更换方法
CN109598435A (zh) * 2018-11-30 2019-04-09 西安交通大学 一种配电网电缆运行状态评价方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102179722A (zh) * 2010-12-20 2011-09-14 西安瑞特快速制造工程研究有限公司 基于比例故障率模型的数控机床运行可靠性评估方法
CN104616091A (zh) * 2014-11-19 2015-05-13 南昌大学 一种基于层次分析法的城市配电网的综合分析方法
CN105302941A (zh) * 2015-09-17 2016-02-03 广州供电局有限公司 高压单芯电缆寿命评估方法及系统
CN105260863A (zh) * 2015-11-26 2016-01-20 国家电网公司 一种基于电力电缆故障信息的故障单影响因素分析方法
CN108985498A (zh) * 2018-06-26 2018-12-11 广西电网有限责任公司电力科学研究院 一种基于风险评估的电缆退役更换方法
CN109598435A (zh) * 2018-11-30 2019-04-09 西安交通大学 一种配电网电缆运行状态评价方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZEYANG TANG ET AL.: "Comparison of the Weibull and the Crow-AMSAAModel in Prediction of Early Cable Joint Failures", 《IEEE TRANSACTIONS ON POWER DELIVERY》 *
周承科 等: "电力电缆资产的状态评估与运维决策综述", 《高电压技术》 *
孙建: "滚动轴承振动故障特征提取与寿命预测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
康建设: "《装备可靠性工程》", 31 October 2019 *
李院生 等: "基于更新过程的备件需求量预测修正方法", 《电信快报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931334A (zh) * 2020-06-28 2020-11-13 中国电力科学研究院有限公司 一种用于评估电缆设备运行可靠性的方法及系统
CN112881877A (zh) * 2021-02-23 2021-06-01 中国电力科学研究院有限公司 一种高压绝缘老化状态的评估方法及系统
CN112859822A (zh) * 2021-04-25 2021-05-28 北京邮电大学 基于人工智能的设备健康分析及故障诊断的方法及系统
CN113095523A (zh) * 2021-05-08 2021-07-09 北京潞电电气设备有限公司 电缆故障大数据预警系统
CN113361187A (zh) * 2021-05-08 2021-09-07 广西电网有限责任公司电力科学研究院 一种电网线路运行安全优化方法、系统及存储介质
CN113095523B (zh) * 2021-05-08 2023-01-10 北京潞电电气设备有限公司 电缆故障大数据预警系统
CN115186422A (zh) * 2022-09-09 2022-10-14 特变电工山东鲁能泰山电缆有限公司 一种同相并联电缆运行特性仿真分析方法、装置及介质
CN116029165A (zh) * 2023-03-30 2023-04-28 国网江苏省电力有限公司苏州供电分公司 一种计及雷电影响的电力电缆可靠性分析方法及系统

Similar Documents

Publication Publication Date Title
CN111274546A (zh) 一种电缆系统故障分析方法
CN109598435B (zh) 一种配电网电缆运行状态评价方法及系统
CN107256449B (zh) 一种智能变电站继电保护装置状态评价与评估方法
CN110598726A (zh) 一种基于随机森林的输电杆塔鸟害风险预测方法
CN110516848B (zh) 一种基于生存分析模型的电力设备维修成本优化方法
CN105719094A (zh) 一种输电设备状态评估方法
CN113313371B (zh) 配电网风险评估方法、装置、计算机设备及存储介质
CN104462718A (zh) 一种变电站经济运行年限区间评估方法
CN111339661B (zh) 一种高压电缆巡检周期自动规划方法
Tarigan A Novelty Method Subjectif of Electrical Power Cable Retirement Policy
CN107527121A (zh) 一种电网的信息系统运行状态诊断预测的方法
CN115860546A (zh) 一种变电设备全寿命周期成本-效能综合评估方法及系统
CN112381258B (zh) 表计运行生命周期预测方法及装置
CN109359742B (zh) 一种地铁子系统预防维修周期的生成方法
CN114034997A (zh) 一种基于多参量的绝缘子劣化程度预测方法及系统
CN107563641B (zh) 一种计及灾害偏好的配电网抗灾多场景差异化规划方法
CN112347663B (zh) 融合变压器健康状态和役龄的故障概率预测方法
CN103679547A (zh) 一种针对继电保护消缺步骤的优化方法
ul Hassan et al. Online static security assessment for cascading failure using stacked De-noising Auto-encoder
CN115907472A (zh) 一种基于主客观综合赋权方法的导线故障风险评估方法
CN115877145A (zh) 一种变压器重过载工况大数据交叉评估系统及方法
CN112766657B (zh) 基于故障概率和设备状态的单台设备质量评价方法
CN113128482B (zh) 一种多因素影响的输电线路异常放电风险等级评估方法
CN113406537B (zh) 一种电力设备故障程度的定量评估方法
Feng et al. Getting the most out of historic reliability 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

Application publication date: 20200612

RJ01 Rejection of invention patent application after publication