CN111812427A - 一种电力电子装置的健康状态评估方法及系统 - Google Patents
一种电力电子装置的健康状态评估方法及系统 Download PDFInfo
- Publication number
- CN111812427A CN111812427A CN202010474398.8A CN202010474398A CN111812427A CN 111812427 A CN111812427 A CN 111812427A CN 202010474398 A CN202010474398 A CN 202010474398A CN 111812427 A CN111812427 A CN 111812427A
- Authority
- CN
- China
- Prior art keywords
- health state
- evaluation index
- electronic device
- power electronic
- data
- 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
- 230000036541 health Effects 0.000 title claims abstract description 286
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 177
- 238000006731 degradation reaction Methods 0.000 claims abstract description 82
- 230000015556 catabolic process Effects 0.000 claims abstract description 78
- 238000012544 monitoring process Methods 0.000 claims abstract description 60
- 230000003862 health status Effects 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 33
- 230000032683 aging Effects 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 claims description 5
- 230000003412 degenerative effect Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims 2
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
Images
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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种电力电子装置的健康状态评估方法及系统,所述方法包括:基于预先设定的评价指标体系从各相关系统获取在线监测数据;基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。本发明为实现柔直系统中大容量电力电子装置的故障自动诊断及系统状态检修,提高柔直系统运行可靠性,减少故障损失,提高系统维修效率创造条件。
Description
技术领域
本发明涉及直流设备在线监测领域,具体涉及一种电力电子装置的健康状态评估方法及系统。
背景技术
设备的健康状态是指随着设备工作时间的推移,设备性能从正常逐渐下降直至功能失效即故障的渐变过程。从概念上来说,设备的健康状态表征了设备及其部件执行设计功能的能力。在柔直系统中,大容量电力电子装置是用于大功率电能变换和控制的设备,包括换流阀、直流断路器等。根据电力电子装置的自身特点,其健康状态可定义为:电力电子装置运行特征参数偏离其最佳运行参考值的程度。电力电子装置的健康状态水平不仅与其运行工况条件以及长期负荷水平有关,而且还与其所采用的电力电子器件所处电、热、磁、结构等环境及系统冗余设计情况相关。因此,电力电子装置的健康状态水平取决于构成装置的各种电力电子器件性能的下降和失效程度,反映了各种电力电子器件在正常运行期间满足其设计功能并保持其可靠性稳定在一定范围内的综合概率水平。
针对大容量电力电子装置的健康状态信息的实时提取及评估方法的研究,可以实现柔直系统重要设备生命周期健康状态优化管理,进而提升整个系统的可靠性,对推动柔直产业的进一步发展具有重大意义。然而,目前针对大容量电力电子装置健康状态的研究成果,多集中于对装置中电力电子器件或模块的失效机理、故障特征参数分析以及电子元件选择和管理等方面,不能对装置的健康状态退化过程实现有效预测、评估和管理。
发明内容
为了解决现有技术中所存在的上述不足,本发明提供了一种电力电子装置的健康状态评估方法,包括:
基于预先设定的评价指标体系从各相关系统获取在线监测数据;
基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;
基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;
其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。
优选的,所述基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度,包括:
判断各健康状态参数获取的监测数据类型;
当健康状态参数对应的监测数据类型为模拟量数据时,利用模拟量数据的劣化程度公式进行计算,得到健康状态参数中模拟量数据的劣化程度;
当健康状态参数对应的监测数据类型为信号量数据时,利用信号量数据的劣化程度公式进行计算,得到健康状态参数中信号量数据的劣化程度。
优选的,所述模拟量数据的劣化程度公式,如下式所示:
式中:da为第a个健康状态参数在t时刻的劣化程度;xat为第a个健康状态参数在t时刻的模拟量数值;xa2为最优阈值区间的上限值;xa3为最优阈值区间的上下限值;xa1为告警阈值区间的上限值;xa4为告警阈值区间的下限值;k为劣化速率控制因子。
优选的,所述信号量数据的劣化程度公式,如下式所示:
式中:db为第b个健康状态参数在t时刻的劣化程度;tb为信号量数据自上次完成更换或彻底修复的时间;Tb为信号量数据的平均故障间隔时间;k为劣化速率控制因子。
优选的,所述基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态,包括:
基于每个健康状态综合评价指标下所有健康状态参数的劣化程度,以及基于离线数据预先计算得到的每个健康状态参数在所属健康状态综合评价指标中的参数隶属度,得到各健康状态综合评价指标的指标值;
基于各健康状态综合评价指标的指标值和预先计算得到的各健康状态综合评价指标的权重,得到电力电子装置的健康状态的评分;
基于所述电力电子装置的健康状态的评分和运行等级划分规则得到电力电子装置的健康状态。
优选的,所述健康状态综合评价指标的指标值,按下式计算:
式中:Si为第i个健康状态综合评价指标的指标值;ωi,j为第j个健康状态参数在第i个健康状态综合评价指标下的健康状态参数隶属度;n为第i个健康状态综合评价指标下的健康状态参数的个数;di,j为第j个健康状态参数在第i个健康状态综合评价指标下的劣化程度。
优选的,所述健康状态综合评价指标的权重的计算,包括:
基于历史数据统计健康状态综合评价指标的故障发生率和退行工况影响程度;
基于所述健康状态综合评价指标的故障发生率和退行工况影响程度,确定健康状态综合评价指标在电力电子装置整体健康状态评估中的权重;
基于电力电子装置的投运时间、运行年限和/或环境状况对健康状态综合评价指标在电力电子装置整体健康状态评估中的权重进行校正。
优选的,按下式对健康状态综合评价指标在电力电子装置整体健康状态评估中的权重进行校正:
优选的,所述评价指标体系的设定,包括:
基于电力电子装置的健康状态设置系统级;
为所述系统级中电力电子装置的健康状态设置多个健康状态综合评价指标,生成模块级;
为所述模块级中每个健康状态综合评价指标设置多个健康状态参数,生成器件级;
所述健康状态综合评价指标为基于选取电力电子装置的典型老化及故障特征类型进行确定;
所述健康状态参数为利用历史数据采用关联分析方法对监测的健康状态参数进行分类进行确定。
基于同一发明构思,本发明还提供了一种电力电子装置的健康状态评估系统,包括:
获取模块,用于基于预先设定的评价指标体系从各相关系统获取在线监测数据;
计算模块,用于基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;
评估模块,用于基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;
其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。
优选的,所述计算模块,包括:
判断单元,用于判断各健康状态参数获取的监测数据类型;
模拟量数据计算单元,用于当健康状态参数对应的监测数据类型为模拟量数据时,利用模拟量数据的劣化程度公式进行计算,得到健康状态参数中模拟量数据的劣化程度;
信号量数据计算单元,用于当健康状态参数对应的监测数据类型为信号量数据时,利用信号量数据的劣化程度公式进行计算,得到健康状态参数中信号量数据的劣化程度。
本发明提供的技术方案具有以下有益效果:
本发明提供的技术方案,基于预先设定的评价指标体系从各相关系统获取在线监测数据;基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。本发明通过获取各健康状态参数的劣化程度实现了大容量电力电子装置运行健康状态的有效管理,最大限度延长其等效寿命周期,为提高柔直系统整体运行效率和可靠性提供了有力的技术支撑。
附图说明
图1为本发明提供的一种电力电子装置的健康状态评估方法流程图;
图2为本发明实施例中大容量电力电子装置健康状态评估层次划分示意图;
图3为本发明实施例中大容量电力电子装置健康状态转移流程图;
图4为本发明实施例中大容量电力电子装置健康状态评价流程图;
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1:为了降低评估算法的复杂度,本发明所涉及的评估方法采用分层分级的方式对大容量电力电子装置的健康状态进行评估,并引入健康状态评价综合指标以及指标劣化程度的概念进行计算,本发明提供的一种电力电子装置的健康状态评估方法如图1所示,包括:
S1基于预先设定的评价指标体系从各相关系统获取在线监测数据;
S2基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;
S3基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;
其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。
如图2所示,本发明提供的评估方法将大容量电力电子装置的健康状态评估自下而上分为器件级、模块级和系统级。通过对装置器件对应的健康状态参数进行在线监测采集,计算得出各功能模块的设备健康综合评价指标,并将指标评价结果作为装置整体健康状态评价的输入量,最终得出大容量电力电子装置整体的健康评价结果。
健康状态综合评价指标根据装置可能发生的故障情况以及设计结构重要程度设置,其所涉及的单项健康状态参数的特征集合可由事故信息关联性分析选择得出;劣化程度是对具有异构特性的监测健康状态参数给出针对同一特征的衰退表征指标。装置从健康状态到故障状态的转变是一个相对的逐渐劣化的过程,其劣化状态的迁移如图3所示。本发明将采集的所有多源异构健康状态参数的衰退程度统一用(0,1)区间的劣化程度表示,以劣化程度以及参数权重为依据计算各健康评价表征指标的评估结果。
S2基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度,包括:
本发明所采用的数据包括电气量参数和性能试验参数两种,上述数据具有强烈的异构特性。本发明将所有数据分为模拟量(连续变化)数据和信号量(离散变化)数据两大类。下面介绍这两种数据的劣化程度归一化方法:
I.模拟量数据劣化程度归一化方法,包括:
模拟量数据的标准偏差σ计算公式如下:
其中:xa为模拟量采集数据样本,此处样本需在装置正常运行最优条件下选取;x为模拟量采集数据样本均值;n为模拟量采集数据样本个数;
由此可得模拟量数据的最优阈值区间为:
模拟量数据的告警阈值区间为:
由此可定义模拟量数据的劣化程度为:
在上式中:da为第a个健康状态参数在t时刻的劣化程度;xat为第a个健康状态参数在t时刻的模拟量数值;xa2、xa3分别为最优阈值区间的上下限值,由式2计算得出;xa1、xa4分别为告警阈值区间的上下限值,由式3计算得出;k为劣化速率控制因子,反映了装置状态与该因素指标值变化的对应关系,根据各器件、模块的老化试验或运行经验得出。
II.信号量数据劣化程度归一化方法
信号(状态)量的劣化程度的计算公式为:
在此公式中:db为状态监测信号量数据在t时刻的劣化程度;tb为信号量数据自上次完成更换或彻底修复的时间;Tb为信号量数据的平均故障间隔时间;k为劣化速率控制因子,受故障间隔分布统计结果的影响。
S3基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态,如图4所示,包括:
1.健康状态综合评价指标的确定以及表征健康状态综合评价指标的监测特征参量的选取:选取装置典型老化及故障特征类型,确定健康状态综合评价指标;并利用历史数据样本,采用关联分析方法对监测的健康状态参数进行分类,确定每个健康状态综合评价指标下的健康状态参数特征集,每个健康状态参数特征集中包括多个健康状态参数;
2.表征健康状态参数隶属度的确定:依据历史数据样本中的数据信息和关联规则的计算方法,计算每个健康状态参数在所属健康状态综合评价指标中的参数隶属度;
3.健康状态参数的采集:从不同的分系统中采集与大容量电力电子装置运行状况相关的单项监测数据,并对所获取数据进行数据预处理,最大限度保证所获取的数据的完整性、准确性和精确度;
4.健康状态参数的劣化程度计算:根据当前实时监测数据情况按照公式(1)~(5)计算每个单项设备下健康状态参数的劣化程度;
5.根据每个单项设备健康状态参数的劣化程度及其在健康状态综合评价指标中的参数隶属度按照式6所示计算健康状态综合评价指标的评分;
在此公式中:Si为第i个健康状态综合评价指标的综合支持度;
ωi,j为第j个健康状态参数在第i个健康状态综合评价指标下的参数隶属度;
di,j为第j个健康状态参数在第i个健康状态综合评价指标下的劣化程度;
n为第i个健康状态综合评价指标下健康状态参数的个数;
6.根据历史数据统计各健康状态综合评价指标的故障发生率,以及退行工况(老化)影响程度,确定其在装置整体健康状态评估中的权重ωi,各健康状态综合评价指标权重的计算公式如下:
ωi=单项故障次数/发生故障总次数 (7)
7.根据健康状态综合评价指标的评分结果,参考装置的投运时间、运行年限、环境状况等因素,对健康状态综合评价指标在装置健康状态评估中的权重进行校正,具体校正公式如下:
式中:α为均衡系数,0≤α≤1,其大小由设备运行经验获得,取决于当前综合指标的相对重要程度。α取值越小,说明当前健康状态综合评价指标对被评价装置的健康状态影响越大,为第i个健康状态综合评价指标修正后的权重;ωi为第i个健康状态综合评价指标的权重;为在均衡系数下第i个健康状态综合评价指标的指标值;N为健康状态综合评价指标的个数。
8.根据各健康状态综合评价指标评分和校正后的健康状态综合评价指标的权重计算大容量电力电子装置健康状态的最终评分,其计算公式如下:
9.根据最终评分情况判断大容量电力电子装置的健康状态,大容量电力电子装置的最终健康状态评估结果如表1所示。
表1大容量电力电子装置健康状态评估结果
运行等级 | 优良 | 较好 | 一般 | 注意 | 危险 |
最终评分 | 0.9~1.0 | 0.8~0.9 | 0.6~0.8 | 0.2~0.6 | 0~0.2 |
本发明从柔直系统大容量电力电子装置整体运行可靠性角度入手,采用定性分析与定量计算相结合的方式对装置健康状态进行预测、评估和管理。本发明所涉及算法将监测历史数据、试验数据与在线数监测数据相结合,在充分利用可获取各类异构数据的同时,又降低了预测评估系统的整体复杂程度,为实现大容量电力电子装置运行健康状态的有效管理,最大限度延长其等效寿命周期,提高柔直系统整体运行效率和可靠性提供了有力的技术支撑。
本发明所涉及的评估方法在现有电子电路和电子设备健康状态评估理论的基础上,通过对柔直系统多源可采集数据的信息融合和归一化处理,采用分层分级的方式对大容量电力电子装置的健康状态进行评估。本发明从装置整体运行性能角度为柔直系统中大容量电力电子装置的全周期寿命管理提供了一种在线预测评估方法,为实现柔直系统中大容量电力电子装置的故障自动诊断及系统状态检修,提高柔直系统运行可靠性,减少故障损失,提高系统维修效率创造条件。
本实施例以直流断路器为例,具体阐述本发明提供的评估方法实现步骤:
首先将直流断路器按系统设计结构分为若干子系统,并根据子系统的设计运行情况设置装置的健康状态综合评价指标如表2所示。
表2直流断路器健康综合评价指标设置说明
根据所设置的健康状态综合评价指标,选取与之可相关的健康状态参数,进行关联计算,并最终确定每个健康状态综合评价指标的健康状态参数特征集。健康状态综合评价指标所涉及的健康状态参数特征集选择方法步骤如下:
1.统计被直流断路器在运行中的故障情况以及故障发生时记录的监测信息,分析直流断路器可能发生的故障状况以及能够反映故障状态可能的监测信息;
2.根据统计学原理计算某故障状态下所有监测信息对该故障的支持度和置信度,选择支持度在70%以上且置信度在50%以上的监测信息,作为该种故障的特征监测信息,形成该健康状态综合评价指标的健康状态参数特征集;
例如:针对主支路电力电子模块状态这个综合指标,可选取模拟量包括:主支路电压、主支路电流、子模块电压、子模块电流、子模块电容电压、子模块IGBT结温;
可选取信号量包括:控制电源异常、断路器光接口单元至驱动板上\下行通讯异常、IGBT驱动故障、旁路开关拒动、子模块旁路达冗余、子模块旁路超冗余。
对上述模拟量和信号量的历史监测数据进行统计,计算上述监测信息对主支路电力电子模块状态综合指标的支持度和置信度,计算方法如下:
定义:
1)事物数据库中的子集事物δi={第i个故障状态发生};
2)项集αi,j={第i个故障发生时第j个监测信息超标};
3)项集βj={第i个故障状态发生}=δi;
由于项集βj与子集事物δi的内涵一致,因此监测信息对直流断路器主支路机械开关状态故障发生的支持度,即αi,j→βj的支持度计算公式如下:
Sup(αi,j→βj)=P(αi,j∪βj)
=(σ(αi,j∪βj)/|δi|)×100%
=(σ(αi,j∪δi)/|δi|)×100% (10)
监测信息对直流断路器主支路机械开关状态故障发生的置信度,即αi,j→βj的置信度计算公式如下:
Ci,j=C(αi,j→βj)=P(αi,j∪βj)/P(αi,j)
=(σ(αi,j∪βj)/|D|)/(σ(αi,j)/|D|)
=(σ(αi,j∪δi)/σ(αi,j))×100% (11)
由各监测信息对其所对应综合指标的支持度和置信度可计算其对该健康状态综合评价指标的支持权重,其计算公式如下:
式中:ωi,j为第i个健康状态综合评价指标下第j项监测信息超标的常权重系数;Ci,j为第i个健康状态综合评价指标下第j个监测量信息超标的置信度,n为健康状态参数特征集中所包含的监测量信息个数。
在健康状态综合评价指标的健康状态参数特征集选定后,可以通过在线监测系统实时获取直流断路器的当前监测参量值,计算每个单项监测信息的劣化程度,并通过式6~9进行计算,在线对当前直流断路器的健康状态进行评估。
大容量电力电子装置从健康状态到故障状态的转变是一个相对的、逐渐劣化的过程,特别是绝缘、IGBT模块老化等劣化过程一般来说周期比较长,物理化学变化速度缓慢,且对装置的其他性能影响表现在初期不很明显,是一个从量变到质变的过程。因此本发明参照相关的评价标准及专家经验,将大容量电力电子装置的健康状态水平划分为5个等级,每个等级的健康状态评分范围如表1所示,其划分描述如表3所示。
表3大容量电力电子装置健康状态划分等级
本发明通过对装置的在线监测历史数据进行统计并计算得出健康状态综合评价指标的固定权重,同时利用先验知识对固定权重进行校正,并在线计算装置各子系统监测量的劣化程度及综合评价指标,从而得到比较符合实际情况的设备健康评价结果。
实施例2:基于同一发明构思,本发明还提供了一种电力电子装置的健康状态评估系统,包括:
获取模块,用于基于预先设定的评价指标体系从各相关系统获取在线监测数据;
计算模块,用于基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;
评估模块,用于基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;
其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。
实施例中,所述计算模块,包括:
判断单元,用于判断各健康状态参数获取的监测数据类型;
模拟量数据计算单元,用于当健康状态参数对应的监测数据类型为模拟量数据时,利用模拟量数据的劣化程度公式进行计算,得到健康状态参数中模拟量数据的劣化程度;
信号量数据计算单元,用于当健康状态参数对应的监测数据类型为信号量数据时,利用信号量数据的劣化程度公式进行计算,得到健康状态参数中信号量数据的劣化程度。
实施例中,所述评估模块,包括:
计算指标值单元,用于基于每个健康状态综合评价指标下所有健康状态参数的劣化程度,以及基于离线数据预先计算得到的每个健康状态参数在所属健康状态综合评价指标中的参数隶属度,得到各健康状态综合评价指标的指标值;
计算评分单元,用于基于各健康状态综合评价指标的指标值和预先计算得到的各健康状态综合评价指标的权重,得到电力电子装置的健康状态的评分;
结果单元,用于基于所述电力电子装置的健康状态的评分和运行等级划分规则得到电力电子装置的健康状态。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (11)
1.一种电力电子装置的健康状态评估方法,其特征在于,包括:
基于预先设定的评价指标体系从各相关系统获取在线监测数据;
基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;
基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;
其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。
2.如权利要求1所述的方法,其特征在于,所述基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度,包括:
判断各健康状态参数获取的监测数据类型;
当健康状态参数对应的监测数据类型为模拟量数据时,利用模拟量数据的劣化程度公式进行计算,得到健康状态参数中模拟量数据的劣化程度;
当健康状态参数对应的监测数据类型为信号量数据时,利用信号量数据的劣化程度公式进行计算,得到健康状态参数中信号量数据的劣化程度。
5.如权利要求1所述的方法,其特征在于,所述基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态,包括:
基于每个健康状态综合评价指标下所有健康状态参数的劣化程度,以及基于离线数据预先计算得到的每个健康状态参数在所属健康状态综合评价指标中的参数隶属度,得到各健康状态综合评价指标的指标值;
基于各健康状态综合评价指标的指标值和预先计算得到的各健康状态综合评价指标的权重,得到电力电子装置的健康状态的评分;
基于所述电力电子装置的健康状态的评分和运行等级划分规则得到电力电子装置的健康状态。
7.如权利要求5所述的方法,其特征在于,所述健康状态综合评价指标的权重的计算,包括:
基于历史数据统计健康状态综合评价指标的故障发生率和退行工况影响程度;
基于所述健康状态综合评价指标的故障发生率和退行工况影响程度,确定健康状态综合评价指标在电力电子装置整体健康状态评估中的权重;
基于电力电子装置的投运时间、运行年限和/或环境状况对健康状态综合评价指标在电力电子装置整体健康状态评估中的权重进行校正。
9.如权利要求1所述的方法,其特征在于,所述评价指标体系的设定,包括:
基于电力电子装置的健康状态设置系统级;
为所述系统级中电力电子装置的健康状态设置多个健康状态综合评价指标,生成模块级;
为所述模块级中每个健康状态综合评价指标设置多个健康状态参数,生成器件级;
所述健康状态综合评价指标为基于选取电力电子装置的典型老化及故障特征类型进行确定;
所述健康状态参数为利用历史数据采用关联分析方法对监测的健康状态参数进行分类进行确定。
10.一种电力电子装置的健康状态评估系统,其特征在于,包括:
获取模块,用于基于预先设定的评价指标体系从各相关系统获取在线监测数据;
计算模块,用于基于所述在线监测数据对评价指标体系中各健康状态参数进行计算得到各健康状态参数的劣化程度;
评估模块,用于基于各健康状态参数的劣化程度和各健康状态参数所属健康状态综合评价指标权重,得到电力电子装置的健康状态;
其中,所述评价指标体系包括多个健康状态综合评价指标以及每个健康状态综合评价指标下对应的多个健康状态参数。
11.如权利要求10所述的系统,其特征在于,所述计算模块,包括:
判断单元,用于判断各健康状态参数获取的监测数据类型;
模拟量数据计算单元,用于当健康状态参数对应的监测数据类型为模拟量数据时,利用模拟量数据的劣化程度公式进行计算,得到健康状态参数中模拟量数据的劣化程度;
信号量数据计算单元,用于当健康状态参数对应的监测数据类型为信号量数据时,利用信号量数据的劣化程度公式进行计算,得到健康状态参数中信号量数据的劣化程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474398.8A CN111812427A (zh) | 2020-05-29 | 2020-05-29 | 一种电力电子装置的健康状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474398.8A CN111812427A (zh) | 2020-05-29 | 2020-05-29 | 一种电力电子装置的健康状态评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111812427A true CN111812427A (zh) | 2020-10-23 |
Family
ID=72848602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010474398.8A Pending CN111812427A (zh) | 2020-05-29 | 2020-05-29 | 一种电力电子装置的健康状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111812427A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288297A (zh) * | 2020-11-03 | 2021-01-29 | 北京国电龙源环保工程有限公司 | 一种基于在线脱硫设备和模块的评价系统及其应用方法 |
CN112381380A (zh) * | 2020-11-11 | 2021-02-19 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN113221441A (zh) * | 2020-12-24 | 2021-08-06 | 山东鲁能软件技术有限公司 | 一种电厂设备健康评估的方法及装置 |
CN113221455A (zh) * | 2021-05-10 | 2021-08-06 | 北京和利时系统工程有限公司 | 一种设备的健康状态检测方法和装置 |
CN113327049A (zh) * | 2021-06-17 | 2021-08-31 | 通号(长沙)轨道交通控制技术有限公司 | Gis开关柜的健康等级识别方法、装置及存储介质 |
CN113643249A (zh) * | 2021-08-05 | 2021-11-12 | 复旦大学 | 一种道路综合杆体系的健康状态生成方法及系统 |
CN113704677A (zh) * | 2021-07-27 | 2021-11-26 | 国电南瑞科技股份有限公司 | 一种实现状态检修策略的测控装置检修方法及装置 |
CN113955149A (zh) * | 2021-11-25 | 2022-01-21 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN115396920A (zh) * | 2022-08-22 | 2022-11-25 | 中国联合网络通信集团有限公司 | 设备评估方法、装置及可读存储介质 |
CN115795922A (zh) * | 2023-02-06 | 2023-03-14 | 浪潮通用软件有限公司 | 一种基于设备健康度的设备运行管理方法、系统及介质 |
CN113052340B (zh) * | 2021-03-31 | 2023-04-25 | 广东电网有限责任公司 | 聚合多源数据的预警方法、系统及存储介质 |
CN116543476A (zh) * | 2023-07-05 | 2023-08-04 | 南通鑫腾智能设备科技有限公司 | 一种基于数据云采集的设备状态评估系统 |
CN116861270A (zh) * | 2023-09-04 | 2023-10-10 | 中南大学 | 无人机系统级健康评估方法和系统 |
-
2020
- 2020-05-29 CN CN202010474398.8A patent/CN111812427A/zh active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288297B (zh) * | 2020-11-03 | 2024-01-19 | 国能龙源环保有限公司 | 一种基于在线脱硫设备和模块的评价系统及其应用方法 |
CN112288297A (zh) * | 2020-11-03 | 2021-01-29 | 北京国电龙源环保工程有限公司 | 一种基于在线脱硫设备和模块的评价系统及其应用方法 |
CN112381380A (zh) * | 2020-11-11 | 2021-02-19 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN112381380B (zh) * | 2020-11-11 | 2024-05-21 | 北京航天测控技术有限公司 | 航天器的系统健康检测方法和装置 |
CN113221441A (zh) * | 2020-12-24 | 2021-08-06 | 山东鲁能软件技术有限公司 | 一种电厂设备健康评估的方法及装置 |
CN113221441B (zh) * | 2020-12-24 | 2022-12-02 | 山东鲁能软件技术有限公司 | 一种电厂设备健康评估的方法及装置 |
CN113052340B (zh) * | 2021-03-31 | 2023-04-25 | 广东电网有限责任公司 | 聚合多源数据的预警方法、系统及存储介质 |
CN113221455A (zh) * | 2021-05-10 | 2021-08-06 | 北京和利时系统工程有限公司 | 一种设备的健康状态检测方法和装置 |
CN113327049A (zh) * | 2021-06-17 | 2021-08-31 | 通号(长沙)轨道交通控制技术有限公司 | Gis开关柜的健康等级识别方法、装置及存储介质 |
CN113704677A (zh) * | 2021-07-27 | 2021-11-26 | 国电南瑞科技股份有限公司 | 一种实现状态检修策略的测控装置检修方法及装置 |
CN113643249A (zh) * | 2021-08-05 | 2021-11-12 | 复旦大学 | 一种道路综合杆体系的健康状态生成方法及系统 |
CN113643249B (zh) * | 2021-08-05 | 2024-03-15 | 复旦大学 | 一种道路综合杆体系的健康状态生成方法及系统 |
CN113955149B (zh) * | 2021-11-25 | 2023-06-16 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN113955149A (zh) * | 2021-11-25 | 2022-01-21 | 北京润科通用技术有限公司 | 一种电机系统的健康诊断方法和装置 |
CN115396920A (zh) * | 2022-08-22 | 2022-11-25 | 中国联合网络通信集团有限公司 | 设备评估方法、装置及可读存储介质 |
CN115396920B (zh) * | 2022-08-22 | 2024-04-19 | 中国联合网络通信集团有限公司 | 设备评估方法、装置及可读存储介质 |
CN115795922A (zh) * | 2023-02-06 | 2023-03-14 | 浪潮通用软件有限公司 | 一种基于设备健康度的设备运行管理方法、系统及介质 |
CN116543476A (zh) * | 2023-07-05 | 2023-08-04 | 南通鑫腾智能设备科技有限公司 | 一种基于数据云采集的设备状态评估系统 |
CN116861270B (zh) * | 2023-09-04 | 2023-11-28 | 中南大学 | 无人机系统级健康评估方法和系统 |
CN116861270A (zh) * | 2023-09-04 | 2023-10-10 | 中南大学 | 无人机系统级健康评估方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111812427A (zh) | 一种电力电子装置的健康状态评估方法及系统 | |
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN109814527B (zh) | 基于lstm循环神经网络工业设备故障预测方法及装置 | |
CN109840362B (zh) | 一种基于多目标优化的集成即时学习工业过程软测量建模方法 | |
CN110654948B (zh) | 一种无维保情况下的电梯安全剩余使用寿命确定方法 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN109861206B (zh) | 一种基于支持向量机的暂态功角稳定故障筛选系统及方法 | |
CN110530650B (zh) | 基于广义回归神经网络与箱型图分析的重型燃气轮机性能状态监测方法 | |
CN110654949B (zh) | 一种维保情况下的电梯安全剩余使用寿命确定方法 | |
CN112561352B (zh) | 一种轨道交通信号系统健康评估方法及评估装置 | |
CN112434390B (zh) | 基于多层网格搜索的pca-lstm轴承剩余寿命预测方法 | |
CN112883634B (zh) | 基于多维度分析的直流测量系统状态预测方法及系统 | |
CN111680712B (zh) | 基于日内相似时刻的变压器油温预测方法、装置及系统 | |
CN109359742B (zh) | 一种地铁子系统预防维修周期的生成方法 | |
CN113689072B (zh) | 一种基于马尔科夫链的海上风电机组运行状态评估方法 | |
CN115453356A (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN112332420A (zh) | 电力系统风险评估中的分层负荷削减量确定装置及方法 | |
CN115169038B (zh) | 基于fmeca的海上浮式风机可靠性分析方法及装置 | |
CN111722076A (zh) | 一种基于数据驱动的igbt器件剩余使用寿命预测方法 | |
CN111478332A (zh) | 基于保守极限的暂态稳定紧急控制切机定值在线调整方法 | |
CN114219206A (zh) | 基于灰色层次分析的抽水蓄能机组油系统状态综合评估方法 | |
Zainol et al. | Detecting most influential parameters in high voltage induction motor failure using logistic regression analysis | |
CN112348074B (zh) | 基于数据驱动的配电网停电事件精准化诊断方法、装置及系统 | |
CN110263446B (zh) | 一种基于改进fmea的生产线可靠性改进分析方法、系统 | |
Alghamdi et al. | Detecting fast frequency events in power system: Development and comparison of two methods |
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 |