CN111401580B - 一种大长段高压电缆运维方法 - Google Patents
一种大长段高压电缆运维方法 Download PDFInfo
- Publication number
- CN111401580B CN111401580B CN202010161056.0A CN202010161056A CN111401580B CN 111401580 B CN111401580 B CN 111401580B CN 202010161056 A CN202010161056 A CN 202010161056A CN 111401580 B CN111401580 B CN 111401580B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- fault
- long
- line section
- executing
- 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
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- 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
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种大长段高压电缆运维方法,其将大长段高压电缆划分为若干个线路区段,并逐段判断其风险水平,若风险水平不可接受,则进一步评估该线路区段的故障概率,得到故障分布,从而估运维时间间隔,再确定线路区段的故障状态空间,得到其故障状态转移矩阵,进而依据不同运维方案的可靠性和总维护成本,选定运维方案。最终确定包括所选定的运维方案和运维时间间隔的运维策略,并执行该运维策略。本发明的能够精确地评估电缆线路区段状态,从而制定适用的运维策略,适用于大长段电缆线路的配套运维。
Description
技术领域
本发明属于大长段电缆运维技术领域,具体设计一种大长段高压电缆运维方法。
背景技术
大长段电缆是指电缆段长利用不同的金属护层接地方式被优化增长的电缆。大长段电缆的段长远比传统的500m交叉互联段的段长更长。电缆段的延长可以减少电缆接头的使用,增加电缆系统的可靠性。同时,电缆区段的延长导致了接地点监测位置的减少以及电缆系统分段的改变。对于段长较短的线路,每一段电缆线路的环境类似、运维状态相似,长度较短的线路以自然区段为单位进行状态评估是相对准确的;但是对于大长段电缆线路来说,线路的跨度较大,区段较长(未来可能进一步延长),每个自然区段内线路的环境可能会有较大的差别,部分区段敷设环境周围可能含有腐蚀性的物质,从而导致部分区段电缆外护套的腐蚀,进而导致部分区段的温度、介质损耗、泄漏电流(护层电流)、局放测量的不同。对于已经出现故障/缺陷的情况,大长段电缆还会导致故障/缺陷测寻难度的增大,可以预见传统的运维手段或策略对大长段电缆可能出现不适用的情况。对于大长段的电缆线路亟需配套适用的运维策略。
发明内容
本发明的目的是提供一种适用于大长短高压电缆的运维方法。
为达到上述目的,本发明采用的技术方案是:
一种大长段高压电缆运维方法,包括以下步骤:
步骤1:收集被选作运维优化对象的大长段电缆的信息,然后执行步骤2;
步骤2:将所述大长段电缆划分为若干个线路区段,然后执行步骤3:
步骤3:逐次选定各所述线路区段,每选定一个所述线路区段,则执行步骤4;
步骤4:确定所述线路区段中故障/缺陷的发展过程,利用贝叶斯网络开发从原因到后果的故障情景,然后执行步骤5;
步骤5:对所述线路区段进行风险评估,从而确定所述线路区段的风险水平,判断所述线路区段的风险水平是否可接受,若是则返回步骤3,否则执行步骤6;
步骤6:评估所述线路区段的故障概率,然后执行步骤7;
步骤7:基于所述线路区段的故障概率和对应时间,确定所述线路区段的故障分布,然后执行步骤8;
步骤8:基于所述线路区段的故障分布和故障失效概率评估运维时间间隔,然后执行步骤9;
步骤9:基于所述线路区段中故障的状态等级确定所述线路区段的故障状态空间,然后执行步骤10;
步骤10:基于所述线路区段的故障状态空间确定其符合马尔可夫过程的故障状态转移矩阵,然后执行步骤11;
步骤11:基于所述线路区段的故障状态转移矩阵评估不同运维方案的可靠性,并得到所述线路区段对应的总维护成本,然后执行步骤12;
步骤12:基于所述线路区段对应的不同运维方案的可靠性和总维护成本,选定运维方案,然后执行步骤13;
步骤13:确定包括所选定的运维方案和运维时间间隔的运维策略,并执行所述运维策略。
所述步骤1中,收集的所述大长段电缆的信息至少包括局部放电信息、护层接地电流信息、介质损耗信息、温度信息、周围环境信息。
所述步骤2中,依据所述大长段电缆中运行风险的不同划分所述线路区段。
所述步骤4中,采用的贝叶斯网络模型包括两个实例节点和一个常规节点,所述实例节点分别为电缆故障/缺陷发展和安全隐患,所述常规节点为后果。
所述步骤5中,选择所述线路区段中概率最大的故障情景来评估其风险水平。
所述步骤6中,利用贝叶斯网络反向推演来评估所述线路区段的故障概率。
所述步骤6中,以故障/缺陷的影响因素作为变量,使用贝叶斯定理更新所述变量的先验概率以得到对应的后验概率,从而进行故障概率评估。
所述步骤11中,利用电缆维护矩阵表示所述线路区段的故障状态转移矩阵,进而得到所述线路区段对应的总维护成本。
所述步骤12中,以可靠性最大、总维护成本最低或可靠性和总维护成本相互平衡为目标,选定所述运维方案。
所述步骤12中,当以可靠性和总维护成本相互平衡为目标时,所述可靠性和所述总维护成本分别对应可调系数k1和k2,且k1+k2=1。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:本发明的能够精确地评估电缆线路区段状态,从而制定适用的运维策略,适用于大长段电缆线路的配套运维。
附图说明
附图1为本发明的大长段高压电缆运维方法的流程图。
附图2为本发明的大长段高压电缆运维方法中采用的贝叶斯网络模型图。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
实施例一:如附图1所示,一种大长段高压电缆运维方法,包括以下步骤:
步骤1:收集被选作运维优化对象的大长段电缆的信息,然后执行步骤2。
该步骤中,当一条电缆线路被选作运维优化对象后,收集的大长段电缆的信息为必要信息,至少包括局部放电信息、护层接地电流信息、介质损耗信息、温度信息、周围环境信息等,还可以包括可能的腐蚀物质信息、已经被腐蚀的程度、外部形貌的变化信息等。
步骤2:将大长段电缆划分为若干个线路区段,然后执行步骤3。
该步骤中,依据大长段电缆中运行风险的不同划分线路区段。因为整条电缆线路各区段的运行风险可能不同,可能受到的外部环境影响也不同,因此,需要根据一定的标准对不同风险等级的线路区段进行重新划分。
步骤3:逐次选定各线路区段,每选定一个线路区段,则执行步骤4,即针对每个线路区段分别进行分析,每次分析一个线路区段。
步骤4:确定线路区段中故障/缺陷的发展过程,以及风险因素和实效情景,利用贝叶斯网络开发从原因到后果的故障情景,然后执行步骤5。
由于在贝叶斯网络模型中可能有很多节点,电缆故障/缺陷的发展过程在贝叶斯网络模型中的表述可能不够清晰。为了更清晰的描述电缆故障/缺陷的发展过程,建立了如图2所示的对象导向的贝叶斯网络模型应用于该步骤中。所建立的贝叶斯网络模型包括两个实例节点和一个常规节点,实例节点分别为电缆故障/缺陷发展和安全隐患,常规节点为后果。显然,“电缆故障/缺陷发展”和“安全隐患”都会导致“后果”,“后果”的不同取决于不同的“电缆故障/缺陷发展”和“安全隐患”结合程度。
步骤5:对线路区段进行风险评估,从而确定线路区段的风险水平,判断线路区段的风险水平是否可接受,若是则返回步骤3,否则执行步骤6。
利用电缆故障/缺陷的影响与故障概率评估的结果可以进一步评估出不同“后果”的概率,这个概率就是线路的故障风险。故障/缺陷风险的概率可由历史统计数据给出。对于一个以上的重大故障情景,选择线路区段中概率最大的故障情景来评估其风险水平。将评估的风险与可接受的风险标准进行比较,以确定当前的风险水平。若当前分析电缆区段的风险水平可接受,则选取下一个电缆区段重复步骤3~5。
步骤6:评估线路区段的故障概率,然后执行步骤7。
该步骤中,利用贝叶斯网络反向推演来评估线路区段的故障概率。
根据专家经验和历史故障/缺陷的统计情况罗列故障/缺陷的影响因素和预防手段,并利用贝叶斯网络模型对各影响因素进行分析,得到各影响因素的故障概率。以各影响因素为变量,考虑到变量的条件依赖性,变量U={A1,…,An}的联合概率分布P(U)可以表示为式(1)。
式(1)中,Pa(Ai)是Ai的父变量集。
在概率更新过程中,使用贝叶斯定理更新变量的先验概率以在给出新观察或证据E时获得后验概率,可以使用式(2)来表示通过概率更新获得的变量的后验概率。
式(2)中,P(U,E)为事件/变量U和E同时发生的概率,P(E)为事件/变量E发生的概率。
以故障/缺陷的影响因素作为变量,使用贝叶斯定理更新变量的先验概率以得到对应的后验概率,从而进行故障概率评估。
步骤7:基于线路区段的故障概率和对应时间,确定线路区段的故障分布,然后执行步骤8。
线路的故障分布是线路本身特性的反映,是故障概率与时间的关系,这通常是通过历史故障数据、专家经验、试验数据、监测数据等确定的。
步骤8:基于线路区段的故障分布和故障失效概率评估运维时间间隔,然后执行步骤9。
最佳运维时间间隔可由线路的故障失效概率和故障/缺陷分布确定。在对线路的风险评估结果中,如果发现有些风险因素的故障概率较高,则需要采取合适的运维策略。线路的故障分布通常通过历史统计数据获得,但是实际中的故障样本通常较少。因此,常用的用于验证电缆的故障分布的模型主要有3种,即对数正态分布,威布尔分布和恒定失效率分布。为了叙述方便,这里假设电缆的故障分布服从2参数的威布尔分布,如式(3)所示。
式(3)中F(t)表示电缆的故障概率,t表示电缆的投运时长,β和η是威布尔分布的2个参数,一般可选取比η值稍小的数值作为运维时间间隔。
步骤9:基于线路区段中故障的状态等级确定线路区段的故障状态空间,然后执行步骤10。
电缆故障/缺陷的状态可通过《电缆线路状态评价导则》确定,视状态量的轻重可分为4个等级,状态评价表如表1所示。这样,电缆的状态空间可被定义为S=[0,Ⅰ,Ⅱ,Ⅲ,Ⅳ]。状态量正常时,不扣分,用0表示。
表1状态量评价表
步骤10:基于线路区段的故障状态空间确定其符合马尔可夫过程的故障状态转移矩阵,然后执行步骤11。
状态转移矩阵表示电缆的不同故障/缺陷状态之间的转移概率。根据表1中定义的状态空间,状态转移矩阵P可表示为式(4)。
式(4)中,Pij表示状态i转移到状态j的概率(i,j=1,2,3,4,5分别对应状态0,Ⅰ,Ⅱ,Ⅲ,Ⅳ),Pij的值可通过历史统计数据和表1获得。实际上,电缆的运维不一定是以年为单位,m个自然运维间隔后的状态转移矩阵可以用式(5)表示,其状态转移过程服从马尔可夫过程。
P(m)=Pm (5)
步骤11:基于线路区段的故障状态转移矩阵评估不同运维方案的可靠性,并得到线路区段对应的总维护成本,然后执行步骤12。
该步骤中,利用电缆维护矩阵表示线路区段的故障状态转移矩阵,进而得到线路区段对应的总维护成本。进而基于线路区段对应的不同运维方案的可靠性和总维护成本,选定运维方案。
电缆线路的运维方案显然对线路的状态转移矩阵造成影响。设一种运维方案用Rq={r1,r2,r3,r4}表示,其中ri代表电缆的故障/缺陷状态i对应的运维方案,在没有采用任何运维方案之前,电缆的故障/缺陷状态i不会自行改变;如果电缆段进行了更换,电缆的故障/缺陷状态i会变为0。电缆的维护矩阵可用式(6)表示。
式(6)中,λi表示采用维护方案ri后的故障概率,λi=1表示未采用任何维护方案;μi表示维护方案ri成功的概率;τ表示成功更换的概率;λi+μi+τ=1。则状态转移矩阵变为式(7)所示。
对于实际的线路运维,成本因素是另一个必须考虑的因素,在本发明中成本信息用向量C表示,如式(8)所示。
C=[c1 c2 c3 c4 c5] (8)
式(8)中,ci表示维护方案ri的成本;则运维方案的总成本如式(9)所示。
式(9)中,I为线路的初始状态向量,I=[10000]。
步骤12:基于所述线路区段对应的不同运维方案的可靠性和总维护成本,选定运维方案,然后执行步骤13。
根据上述分析,运维策略的制定主要有2方面制约因素:1)电缆各区段的可靠性必须在可接受的程度以上;2)运维方案的成本必须在可接受的程度以内。因此,该步骤中,在制定运维策略时,以可靠性最大或总维护成本最低为目标,或者以可靠性和总维护成本相互平衡为目标,同时二者又相互制约,互为约束条件,从而选定运维方案。
在可靠性最大的运维策略制定中,可表示为式(10)所示的形式。
式(10)中,Cp表示运维方案的最高预算。
在成本最低最大的运维策略制定中,可表示为式(11)所示的形式。
式(11)中,Pp表示可接受的最高故障概率。
在可靠性和成本相互平衡的运维策略制定中,可表示为式(12)所示的形式。
式(12)中,k1和k2分别表示可靠性和总维护成本对应的根据实际需求可调的系数,且k1+k2=1。
步骤13:确定包括所选定的运维方案和运维时间间隔的运维策略,并执行运维策略。
本方案对电缆系统的区段进行重新定义,根据电缆对历史故障数据、专家经验、试验数据、在线监测数据的分析,利用贝叶斯网络模型对大长段电缆线路区段进行重新的划分,并在此基础上利用马尔可夫过程在重新确定的运维时间间隔基础上对电缆线路可靠性进行评估,从而制定出适用的运维策略。其适用于大长段电缆线路的配套运维;且采用全新的电缆线路分段模式,更精确的评估电缆线路区段状态。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种大长段高压电缆运维方法,其特征在于:所述大长段高压电缆运维方法包括以下步骤:
步骤1:收集被选作运维优化对象的大长段电缆的信息,然后执行步骤2;
步骤2:将所述大长段电缆划分为若干个线路区段,然后执行步骤3:
步骤3:逐次选定各所述线路区段,每选定一个所述线路区段,则执行步骤4;
步骤4:确定所述线路区段中故障/缺陷的发展过程,利用贝叶斯网络开发从原因到后果的故障情景,然后执行步骤5;
步骤5:对所述线路区段进行风险评估,从而确定所述线路区段的风险水平,判断所述线路区段的风险水平是否可接受,若是则返回步骤3,否则执行步骤6;
步骤6:评估所述线路区段的故障概率,然后执行步骤7;
步骤7:基于所述线路区段的故障概率和对应时间,确定所述线路区段的故障分布,然后执行步骤8;
步骤8:基于所述线路区段的故障分布和故障失效概率评估运维时间间隔,然后执行步骤9;
步骤9:基于所述线路区段中故障的状态等级确定所述线路区段的故障状态空间,然后执行步骤10;
步骤10:基于所述线路区段的故障状态空间确定其符合马尔可夫过程的故障状态转移矩阵,然后执行步骤11;
步骤11:基于所述线路区段的故障状态转移矩阵评估不同运维方案的可靠性,并得到所述线路区段对应的总维护成本,然后执行步骤12;
步骤12:基于所述线路区段对应的不同运维方案的可靠性和总维护成本,选定运维方案,然后执行步骤13;
步骤13:确定包括所选定的运维方案和运维时间间隔的运维策略,并执行所述运维策略。
2.根据权利要求1所述的一种大长段高压电缆运维方法,其特征在于:所述步骤1中,收集的所述大长段电缆的信息至少包括局部放电信息、护层接地电流信息、介质损耗信息、温度信息、周围环境信息。
3.根据权利要求1所述的一种大长段高压电缆运维方法,其特征在于:所述步骤2中,依据所述大长段电缆中运行风险的不同划分所述线路区段。
4.根据权利要求1所述的一种大长段高压电缆运维方法,其特征在于:所述步骤4中,采用的贝叶斯网络模型包括两个实例节点和一个常规节点,所述实例节点分别为电缆故障/缺陷发展和安全隐患,所述常规节点为后果。
5.根据权利要求1所述的一种大长段高压电缆运维方法,其特征在于:所述步骤5中,选择所述线路区段中概率最大的故障情景来评估其风险水平。
6.根据权利要求1所述的一种大长段高压电缆运维方法,其特征在于:所述步骤6中,利用贝叶斯网络反向推演来评估所述线路区段的故障概率。
7.根据权利要求6所述的一种大长段高压电缆运维方法,其特征在于:所述步骤6中,以故障/缺陷的影响因素作为变量,使用贝叶斯定理更新所述变量的先验概率以得到对应的后验概率,从而进行故障概率评估。
8.根据权利要求1所述的一种大长段高压电缆运维方法,其特征在于:所述步骤11中,利用电缆维护矩阵表示所述线路区段的故障状态转移矩阵,进而得到所述线路区段对应的总维护成本。
9.根据权利要求1所述的一种大长段高压电缆运维方法,其特征在于:所述步骤12中,以可靠性最大、总维护成本最低或可靠性和总维护成本相互平衡为目标,选定所述运维方案。
10.根据权利要求9所述的一种大长段高压电缆运维方法,其特征在于:所述步骤12中,当以可靠性和总维护成本相互平衡为目标时,所述可靠性和所述总维护成本分别对应可调系数k 1和k 2,且k 1+k 2=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010161056.0A CN111401580B (zh) | 2020-03-10 | 2020-03-10 | 一种大长段高压电缆运维方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010161056.0A CN111401580B (zh) | 2020-03-10 | 2020-03-10 | 一种大长段高压电缆运维方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111401580A CN111401580A (zh) | 2020-07-10 |
CN111401580B true CN111401580B (zh) | 2022-06-10 |
Family
ID=71430761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010161056.0A Active CN111401580B (zh) | 2020-03-10 | 2020-03-10 | 一种大长段高压电缆运维方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401580B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616090A (zh) * | 2014-11-19 | 2015-05-13 | 南昌大学 | 基于风险评估的电缆检修策略方法 |
CN110399593A (zh) * | 2019-06-12 | 2019-11-01 | 广东电网有限责任公司 | 一种计数式的高压电缆故障概率和风险评估方法 |
-
2020
- 2020-03-10 CN CN202010161056.0A patent/CN111401580B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616090A (zh) * | 2014-11-19 | 2015-05-13 | 南昌大学 | 基于风险评估的电缆检修策略方法 |
CN110399593A (zh) * | 2019-06-12 | 2019-11-01 | 广东电网有限责任公司 | 一种计数式的高压电缆故障概率和风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111401580A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hjartarson et al. | Predicting future asset condition based on current health index and maintenance level | |
CN110414552B (zh) | 一种基于多源融合的备件可靠性贝叶斯评估方法及系统 | |
CN108022058B (zh) | 一种风力机状态可靠性评估方法 | |
CN112345874B (zh) | 一种基于5g的实验室仪器设备在线故障诊断方法及系统 | |
Duan et al. | A two-level Bayesian early fault detection for mechanical equipment subject to dependent failure modes | |
CN110059894A (zh) | 设备状态评估方法、装置、系统及存储介质 | |
Vermeer et al. | Asset-management decision-support modeling, using a health and risk model | |
CN111339661B (zh) | 一种高压电缆巡检周期自动规划方法 | |
CN111025041A (zh) | 电动汽车充电桩监测方法及其系统、计算机设备、介质 | |
CN115640895A (zh) | 一种变压器故障预测方法、装置及电子设备 | |
CN115372881A (zh) | 一种电压互感器计量误差评估方法及系统 | |
CN112379325A (zh) | 一种用于智能电表的故障诊断方法及系统 | |
EP3637121B1 (en) | System and method of adaptive remaining useful life estimation using constraint convex regression from degradation measurement | |
CN111401580B (zh) | 一种大长段高压电缆运维方法 | |
Hoskins et al. | Modelling the degradation of condition indices | |
CN112734201B (zh) | 基于预期故障概率的多台设备整体质量评价方法 | |
CN114252748A (zh) | 一种电缆中间接头绝缘状态评估方法、系统及装置 | |
CN110619413A (zh) | 用于评估风力发电机组健康度的方法及装置 | |
CN112613191A (zh) | 电缆健康状态评估方法、装置、计算机设备和存储介质 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN115936515A (zh) | 电缆运行状态的确定方法、装置、存储介质和电子设备 | |
JP6971936B2 (ja) | 電力機器の保全支援装置、方法およびプログラム | |
CN116388403B (zh) | 一种智能配电在线监测预警方法及系统 | |
CN116879663B (zh) | 基于多参数监测的spd在线寿命预测系统与预测方法 | |
CN115526411A (zh) | 一种引入海底电缆检修成本的海缆状态检修决策优化方法 |
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 |