CN112173041B - 一种船舶综合监测,控制及风险评估预测方法及系统 - Google Patents
一种船舶综合监测,控制及风险评估预测方法及系统 Download PDFInfo
- Publication number
- CN112173041B CN112173041B CN202010384344.2A CN202010384344A CN112173041B CN 112173041 B CN112173041 B CN 112173041B CN 202010384344 A CN202010384344 A CN 202010384344A CN 112173041 B CN112173041 B CN 112173041B
- Authority
- CN
- China
- Prior art keywords
- risk
- ship
- unit
- state
- load
- 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.)
- Expired - Fee Related
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title description 7
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000005206 flow analysis Methods 0.000 claims abstract description 30
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 239000000203 mixture Substances 0.000 claims abstract description 5
- 238000010248 power generation Methods 0.000 claims description 34
- 238000004146 energy storage Methods 0.000 claims description 30
- 238000012423 maintenance Methods 0.000 claims description 27
- 230000006854 communication Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 claims 1
- 101150080778 INPP5D gene Proteins 0.000 description 178
- 239000003990 capacitor Substances 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 19
- 230000007704 transition Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 230000006698 induction Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 10
- 238000000342 Monte Carlo simulation Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 6
- 230000008439 repair process Effects 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 239000012792 core layer Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000002940 Newton-Raphson method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- REQCZEXYDRLIBE-UHFFFAOYSA-N procainamide Chemical compound CCN(CC)CCNC(=O)C1=CC=C(N)C=C1 REQCZEXYDRLIBE-UHFFFAOYSA-N 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种船舶综合风险评估方法,包括:根据船舶综合电力推进系统各功能单元组成,建立单元风险评估模型,获得各单元风险参数;在船舶综合电力推进系统满负载全速航行状态和半负载巡航状态下对功能单元进行风险分级,获得满负载全速航行状态和半负载巡航状态下单元风险等级;根据单元风险评估模型和单元风险等级,建立系统风险评估矩阵;根据风险评估矩阵,对船舶综合电力推进系统进行系统潮流分析,得到单元失效下的一次船舶综合电力推进系统风险评估;根据所有单元风险参数随机生成单元的风险序列,根据单元风险序列对船舶综合电力推进系统进行多风险评估,得到系统风险参数和风险发生概率。
Description
技术领域
本发明涉及一种船载智能化控制技术,特别涉及船舶综合监测,控制及风险评估预测方法及系统。
背景技术
随着科学技术与船舶工业的迅猛发展,智能化船舶将成为主流趋势。船舶信息网络系统相关技术的研究越来越引起船舶工程界的重视。船舶信息网络集成化这使得全船数据信息的采集与应用成为可能,使得网络中心能对舰船实时状态进行更加充分的监测与控制,也将使得船舶信息网络系统具备了全船的递阶/协同控制能力。一个大型船舶可能存在上百(千) 个船载设备需要通过遍布全船的船舶信息网络系统网络进行数据传输。而对于一个船载系统,其每个执行器/传感器均会选择与之最近的分布式控制单元(RTU)进行连接,而不是将所有的设备集中在一个RTU上。这使得,一个船载设备将需要引入多个DCU来实现闭环控制;同时,对于某一RTU而言,其可能会隶属于多个闭环系统。
毫无疑问,这种“就近连接”的接入方式能极大程度的简化布线难度、降低布线成本,并提升了船载系统的可靠性。然而,由于船舶信息网络系统协同工作方式与分布式拓扑结构,在船载设备运行过程中,所需调用的RTU之间数据通信过程不得不占用大量的网络资源。此外,对于单一RTU而言,其将需要嵌入多个不同船载系统的控制策略来实现对不同执行器的控制。因而如何设计实现一款能准确、高效、实时进行执行器控制的远程终端成船舶信息网络系统亟待解决的问题之一。
同时,随着综合电力推进船舶研究的不断深入,船舶综合电力推进系统作为一种新兴的推进系统,比传统推进系统存在着更多的风险。这些风险中,有一部分是由于综合电力推进船舶内部因素,即各元件、单元、模块的自身随机性失效产生的,还有一部分则是由于船舶所处外界因素,即海况、温度等条件的变化引起系统内部各元件、单元、模块失效而产生的。但是,无论是哪种风险导致的失效,都很可能会造成船舶综合电力推进系统局部电力故障,甚至最终导致整个系统瘫痪,造成严重的后果。因此需要根据船舶综合电力推进系统的特性,对船舶综合电力推进系统风险评估技术进行研究,尽量减少风险发生概率和风险后果造成的损失。此外,当综合电力推进船舶在海面航行时,综合电力推进系统各单元发生失效的随机性、海洋环境的随机性以及船舶所处的运行状态的随机性等因素,很可能会导致综合电力推进船舶各单元的性能发生变化,从而影响船舶的基本性能以及其他性能。
而现有技术中的船舶综合电力推进系统风险评估大多借鉴电力系统风险评估,无法根据船舶综合电力推进系统的特性,对船舶综合电力推进系统进行风险发生概率和风险后果的评估,缺少对单元失效-环境影响-系统状态三者之间的关系以及对船舶综合电力推进系统的影响的考虑。
发明内容
本发明的目的是提供一种船舶综合监测,控制及风险评估预测方法及系统,能够实现船舶运用数据准确、高效、实时的采集,并根据船舶综合电力推进系统的特性,对船舶综合电力推进系统进行风险发生概率和风险后果的评估,同时考虑单元失效-环境影响-系统状态三者之间的关系以及对船舶综合电力推进系统的影响。
本发明解决其技术问题所采用的技术方案是:
一种船舶风险评估方法,其特征在于:
S1:搭建船舰控制终端设备,采集船舰运行数据;
S2:根据船舶综合电力推进系统各功能单元组成,建立单元风险评估模型,获得各单元风险参数;
S3:在船舶综合电力推进系统满负载全速航行状态和半负载巡航状态下对功能单元进行风险分级,获得满负载全速航行状态和半负载巡航状态下单元风险等级;
S4根据单元风险评估模型和单元风险等级,建立系统风险评估矩阵;
S5根据风险评估矩阵,对船舶综合电力推进系统进行系统潮流分析,得到单元失效下的一次船舶综合电力推进系统风险评估;
S6根据所有单元风险参数随机生成单元的风险序列,根据单元风险序列对船舶综合电力推进系统进行多风险评估,得到系统风险参数和风险发生概率。
本发明的有益效果是:
1、本发明结合船舶本身功能分区,如发电模块、推进模块、区域负载模块等,做对应功能级监测架构,并按不同态势下做重要性分级,同时,提取对应不同系统下监测的功能特性以及对应收集数据本身的数据特征;
2、本发明考虑单元失效-环境影响-系统状态三者之间的关系以及对船舶综合电力推进系统的影响利用自学习算法模型,做相关风险评估预测,并含危险状态示警及进一步针对性维护。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出船舶风险评估方法流程图;
图2示出船舶信息网络系统网络拓扑结构图;
图3示出船舶信息网络系统组成图;
图4示出船舶信息网络系统远程控制终端外观图;
图5示出船舶信息网络系统远程控制终端结构图;
图6示出船舶信息网络系统远程控制终端原理图;
图7示出船舶信息网络系统远程控制终端程序流程图;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不限定本发明。结合图1对本发明作进一步说明如下:
S1:搭建船舰控制终端设备,采集船舰运行数据
结合图2,船舶信息网络系统布局突破船载系统自身的封闭式布线规则,将每个执行器、传感器就近连接在相应的设备上并以此介入环形网络,系统将完全满足所需的互联互通目标,极大限度的减少了船载系统的布线难度,优化了系统的拓扑结构,提升了系统的可靠性。此时,船舶信息网络系统内的控制器将不再单一的隶属于某一个船载系统,而是负责与之相邻却隶属于不同船载系统的执行器及传感器。两个船载系统的执行器与传感器接入多个就近的远程控制终端中,并接入分布式控制单元中,与船舶信息网络系统的顶层网络连接,实现了数据信息的统一采集与利用。
结合图3,采用多个独立子网与船舶信息网络系统的网络进行子系统与核心层之间的数据通信。
1、组件
操作单元,根据不同的船舶任务类型及情景模式,船舶系统的任务指令可由人机交互界面(HCI)及船舶信息网络系统核心层发布。需要说明的是,船舶信息网络系统中的一些常规的船舶任务是由核心层自发运行的,如火灾检测、减摇控制等。与此同时,核心层也会依照其内嵌的决策系统通过HCI向用户提供辅助决策建议。另外,船舶信息网络系统采用三个主机(HOST)进行相关的数据处理与存储。
船舶信息网络系统的分布式控制单元(Distributed Controller Units,DCUs)通过预定义的编码序列及控制算法来实现对船舶系统的控制及监视,并通过其接口与船舶信息网络及相关子系统网络进行连接,进而实现闭环。
船舶信息网络系统远程终端单元(Remote terminal units,RTUs)的主要功能是传感器信息采集与执行器驱动控制,其接口与DCU连接,进而构成了船舶信息网络系统的相关子网络。
2、网络
船舶信息网络系统网路,作为船舶信息网络系统的骨干网络,船舶信息网络系统网络的设计目标是最大限度的将船舶环境内的DCU就近添加入信息系统中。为了提升冗余性及抗干扰性,船舶信息网络系统骨干网络的设计采用双环形网络结构,其在工作过程中,总有一个环形网络处于激活状态,而另一个网络处于待机状态,因此与骨干网络直接连接的DCUs、主机、CCI等均采用双接口连接方式与信息系统网络进行数据通信。
结合图4,船舶信息网络系统远程控制终端的主要组成部分包括:A箱体,B键盘,C液晶显示器,D为数据通信端口、E电源端口、F1-F5为五个执行器接口。其中B现实的数值区间为0000.0—9999.9,用以显示各执行器的控制指令;C键盘按键包括:数字键‘1’、‘2’、‘3’、‘4’、‘5’、‘6’、‘7’、‘8’、‘9’、‘0’,电源开关按键‘X’,执行器控制模式设定键‘Y’、液晶显示内容设定键‘Z’;接口F1-F5为远程控制终端所设的执行器接口;数据通信端口D通过数据线与船舶信息网络系统网络连接,实现与其他分布式控制单元的数据通信,其通信形式采用串口232通信协议;电源端口G的输入工作电压为 12V。
结合图5,船舶信息网络系统远程控制终端的控制电路主要包括数据处理模块、电机驱动模块、通信接口模块、按键模块、显示模块、电源模块、时钟模块、存储模块等。其中数据处理芯片的功能包括以下4点:1.通过采集键盘模块设定底层执行器的工作模式;2.通过采集通信接口模块数据信息对船舶信息网络所发布的控制信息进行采集;3.控制显示模块显示各执行器的工作情况;4.控制电机驱动模块对执行器1~5进行控制以实现与其功能。本专利采用STC89C52单片机作为数据处理模块的核心芯片,1602液晶屏作为显示模块,采用 AT24C02进行数据存储,采用MAX232串口通信芯片实现数据通信,通过CPLDEPM7128SLC84-15 配合UDN2916LB实现执行器控制功能,并由按键及CPLD构成键盘模块。
如图6所示,船舶信息网络系统远程控制终端的总输入电压VIN为12V,由电源接口G 引入,G正极引入端接按键开关X,实现电源通断。X另一端接7805(U2)管脚1。U2管脚2 悬空、管脚3输出5V工作电压(Vcc)、管脚4接地,接于1、4管脚间的电容C1、C2与接于 3、4管脚间的电容C3、C4均为降噪电容,电阻R1(1.5kΩ)一端接Vcc(+5V电源)另一端与发光二极管D1端连接,D1另一端接地。本专利所选用的数据处理芯片为STC89C52单片机(U9),其管脚38接5V工作电压,管脚16接GND,石英晶振11.0592MHz(Y1)的两个2管脚分别U9 的管脚13(XTAL1)、14(XTAL2)连接,电容C10(30pF)、C11(30pF)的一端分别接在Y1(XTAL1、 XTAL2)上,另一端接地;电容C8(10uF)与由按键S1与电阻R5(1kΩ)组成的串联支路并联接于U9管脚4(RST)与+5V电源之间,电阻R4(10kΩ)接于RST与GND之间。电阻R2(10kΩ)接于U9管脚29与+5V电源之间。排阻RP1为9针10kΩ排阻,其管脚1接Vcc(+5V电源),管脚2至管脚9分别接U9的管脚37至管脚30。
结合图7,船舶信息网络系统远程控制终端的程序流程包括以下步骤:
步骤1.系统初始化,读取存储器U11中所存储的控制策略,完成后进入步骤2;
步骤2,激活各执行器,完成后进入步骤3;
步骤3,按键‘Y’是否触发,若是进入步骤4,若否进入步骤6;
步骤4,进入执行器模式设定步骤,扫描键盘触按情况,并等待,若按键‘Y’被再次触发,进入步骤5,否则等待;
步骤5,依照所设定控制模式,调用相关控制策略,完成后进入步骤6;
步骤6,获取DCU对RTU各执行器的控制模式,若缺省则进入步骤8,若存在新模式指令,则进入步骤7;
步骤7,重设执行器运行模式,完成后进入步骤8;
步骤8,接收执行器控制指令及相关数据信息,完成后进入步骤9;
步骤9,数据运算,对执行器进行控制,完成后返回步骤3。
船舶综合电力推进系统风险评估目标为美国DDG1000舰,采用MVDC(中压直流)综合电力推进系统,系统主要包括四个涡轮同步发电机组、一个环形总线,两个推进子系统、四个区域负载、一个特殊负载(雷达负载)、一个高能脉冲负载和一个高容量能源存储设备。
S2:根据船舶综合电力推进系统各功能单元组成,建立单元风险评估模型,获得各单元风险参数;
船舶综合电力推进系统单元风险评估数学建模是船舶综合电力推进系统风险评估的基础。
S201发电模块单元风险评估数学建模
船舶综合电力推进系统的发电模块由四个涡轮发电模块组成,分别为两个主发电模块和两个备用发电模块。因此将发电机模块分为四个单元进行风险评估。
在原动机和齿轮组组成的串联网络模型中,λ1和λ2分别为原动机和齿轮组处于失效状态的概率,μ1和μ2分别为原动机和齿轮组处于维修状态的概率,γ1和γ2分别为原动机和齿轮组处于运行状态的概率;因此有串联元件组的风险参数如下:
γs1=γ1·γ2 (2-1)
λs1+μs1=λ1+λ2+μ1+μ2-λ1λ2-μ1μ2-λ1μ2-λ2μ1 (2-2)
在励磁和同步发电机组成的元件组停运模型中,λ3和λ4分别为励磁和同步发电机处于失效状态的概率,μ3和μ4分别为励磁和同步发电机处于维修状态的概率,γ3和γ4分别为励磁和同步发电机处于运行状态的概率;因此有元件组停运模型的风险参数如下:
在更大串联网络模型中,λ5为整流器处于失效状态的概率,μ5为整流器处于维修状态的概率,γ5为整流器处于运行状态的概率;因此有串联元件组的风险参数如下:
最后使用综合评价法对整个主发电模型1进行风险评估,w1和w2分别为串联元件组和功率下垂系数单元的权重,w1和w2通过权重分析的方法得到,则主发电模型1的风险参数为:
{λMG1,μMG1,γMG1}=w1{λs1,μs1,γs1}+w2{λ5,μ5,γ5} (2-7)
上式中,λMG1、μMG1和γMG1分别为主发电模块1处于失效状态、维修状态和运行状态的概率。
备用发电模型和主发电模型的结构一致,因此风险评估模型也是一样的,在这里就不再重复了。
S202推进模块单元风险评估数学建模
船舶综合电力推进系统的推进模块由两个推进子模块组成,分别为左舷推进模块和右舷推进单元,因此将推进模块分为两个单元进行风险评估。
在电机驱动控制单元和电机驱动组成的元件组停运模型中,λ2和λ3分别为电机驱动控制单元和电机驱动处于失效状态的概率,μ2和μ3分别为电机驱动控制单元和电机驱动处于维修状态的概率,γ2和γ3分别为电机驱动控制单元和电机驱动处于运行状态的概率;因此有元件组停运模型的风险参数如下:
在永磁电动机和螺旋桨组成的串联网络模型中,λ4和λ5分别为永磁电动机和螺旋桨处于失效状态的概率,μ4和μ5分别为永磁电动机和螺旋桨处于维修状态的概率,γ4和γ5分别为永磁电动机和螺旋桨处于运行状态的概率;因此有串联元件组的风险参数如下:
γs=γ4·γ5 (2-10)
λs+μs=λ4+λ5+μ4+μ5-λ4λ5-μ4μ5-λ4μ5-λ5μ4 (2-11)
最后使用综合评价法对整个右舷推进单元进行风险评估,w1、w2和w3分别为制动电阻器、元件组停运模型和串联网络元件组的权重,w1、w2和w3通过权重分析的方法得到,则右舷推进单元的风险参数为:
{λSPM,μSPM,γSPM}=w1{λ1,μ1,γ1}+w2{λu,μu,γu}+w3{λs,μs,γs} (2-12)
上式中,λSPM、μSPM和γSPM分别为右舷推进单元处于失效状态、维修状态和运行状态的概率。
左舷推进模型和右舷推进模型的结构一致,因此风险评估模型也是一样的,在这里也不再重复了。
S203区域负载模块单元风险评估数学建模
船舶综合电力推进系统的负载模块除了脉冲负载,还有普通区域负载,两者的结构也有很大的区别,因此将其分为两部分进行风险评估数学建模。
船舶综合电力推进系统的区域负载模块由五个模块组成,分别为DC1恒定电阻模块,DC2 电流注入恒功率模块,AC1恒定阻抗模块,AC2非控感应电动机(占10%)和恒定阻抗(占 90%)模块,AC3单相负载模块。因此将区域负载模块分为五个单元进行风险评估。
以AC2区域负载模块为例,对区域负载模块单元进行风险评估数学建模,AC2区域负载模块主要由三个普通元件和两个控制元件组成,三个普通元件分别为逆变器、感应电动机和阻抗负载,两个控制元件分别为感应电动机控制单元和电压控制单元。
在感应电动机控制单元和感应电动机组成的元件组停运模型中,λ2和λ3分别为感应电动机控制单元和感应电动机处于失效状态的概率,μ2和μ3分别为感应电动机控制单元和感应电动机处于维修状态的概率,γ2和γ3分别为感应电动机控制单元和感应电动机处于运行状态的概率;因此有元件组停运模型的风险参数如下:
在并联网络模型中,λ4为阻感负载处于失效状态的概率,μ4为阻感负载处于维修状态的概率,γ4为阻感负载处于运行状态的概率;因此有并联元件组的风险参数如下:
γp=γu+γ4-γu·γ4 (2-15)
λp+μp=(λu+μu)·(λ4+μ4)=λuλ4+μuμ4+λuμ4+λ4μu (2-16)
在串联网络模型中,λ1为逆变器处于失效状态的概率,μ1为逆变器处于维修状态的概率,γ1为逆变器处于运行状态的概率;因此有串联元件组的风险参数如下:
γs=γ1·γp (2-17)
λs+μs=λ1+λp+μ1+μp-λ1λp-μ1μp-λ1μp-λpμ1 (2-18)
最后使用综合评价法对整个AC2区域负载模型进行风险评估,w1和w2分别为串联元件组和电压控制单元的权重,w1和w2通过权重分析的方法得到,则AC2区域负载模型的风险参数为:
{λAC2,μAC2,γAC2}=w1{λs,μs,γs}+w2{λ5,μ5,γ5} (2-19)
上式中,λAC2、μAC2和γAC2分别为AC2区域负载模型处于失效状态、维修状态和运行状态的概率。
其他区域负载模型和AC2区域负载模型的结构类似或者更简单,因此风在这里就不再一一列举了。
S204脉冲负载模块单元风险评估数学建模
船舶综合电力推进系统的脉冲负载模块只有一个,因此作为一个单元进行风险评估。
对脉冲负载模块单元进行风险评估数学建模,脉冲负载模块结构比较简单,主要由一个普通元件和一个控制元件组成,分别为可控恒功率负载和脉冲功率控制器。
在可控恒功率负载和脉冲功率控制器组成的元件组停运模型中,λ1和λ2分别为可控恒功率负载和脉冲功率控制器处于失效状态的概率,μ1和μ2分别为可控恒功率负载和脉冲功率控制器处于维修状态的概率,γ1和γ2分别为可控恒功率负载和脉冲功率控制器处于运行状态的概率,因此有脉冲负载模型的风险参数如下:
S205能量存储模块单元风险评估数学建模
船舶综合电力推进系统的能量存储模块只有一个,因此作为一个单元进行风险评估。
对能量存储模块单元进行风险评估数学建模,能量存储模块主要由两个普通元件和一个控制元件组成,两个普通元件分别为DC-DC转换器和超级电容器,控制元件为能量存储控制器。由于能量存储控制单元和串联网络元件组的关系无法用拓扑图表示,因此采用综合评价法进行风险评估。
在DC-DC转换器和超级大电容组成的串联网络元件组模型中,λ1和λ2分别为DC-DC转换器和超级大电容处于失效状态的概率,μ1和μ2分别为DC-DC转换器和超级大电容处于维修状态的概率,γ1和γ2分别为DC-DC转换器和超级大电容处于运行状态的概率,因此有串联网络元件组模型的风险参数如下:
γs=γ1·γ2 (2-22)
λs+μs=λ1+λ2+μ1+μ2-λ1λ2-μ1μ2-λ1μ2-λ2μ1 (2-23)
之后使用综合评价法对整个能量存储模型进行风险评估,w1和w2分别为串联元件组和能量存储控制单元的权重,w1和w2通过权重分析的方法得到,则能量存储模型的风险参数为:
{λESM,μESM,γESM}=w1{λs,μs,γs}+w2{λ3,μ3,γ3} (2-24)
上式中,λESM、μESM和γESM分别为能量存储模型处于失效状态、维修状态和运行状态的概率。
单元风险评估模型及风险评估参数是船舶综合电力推进系统风险评估的基础。S2立足于为后续的全系统风险评估研究做基础准备工作。
S3在船舶综合电力推进系统满负载全速航行状态和半负载巡航状态下对功能单元进行风险分级,获得满负载全速航行状态和半负载巡航状态下单元风险等级
在船舶综合电力推进系统中,各单元在不同工况下对于船舶风险属性的影响是不同的,本发明主要考虑两种工况,即满负载全速航行状态和半负载巡航状态下各单元对船舶风险属性的影响。
本发明将单元风险分为三级,一级为最重要单元,二级为重要单元,三级为普通单元。
在满负载全速航行状态下,一般为战斗状态,要保持发电系统、推进系统、雷达系统和武器系统的正常运行,因此主发电单元、推进单元、高能脉冲单元、雷达单元、总线单元及与其相连的支路均为最重要单元;能量存储单元、备用发电单元及与其相连的支路均为重要单元;其他单元和支路则为普通单元。
在半负载巡航状态下,需保证推进系统和雷达系统正常运行,且发电系统只需要有一侧主发电机和备用发电机可以供电即可,因此推进单元、雷达单元、总线单元及与其相连的支路为最重要单元;主发电单元、备用发电单元、能量存储单元、高能脉冲单元及与其相连的支路为重要单元;其他单元及与其相连的支路为普通单元。
因此,以满负载全速航行状态为工况一,半负载巡航状态为工况二,则在两种工况下,船舶综合电力推进系统节点和支路的风险分级表如下:
表1节点风险分级表
表2支路风险分级表
S4根据单元风险评估模型和单元风险等级,建立系统风险评估矩阵
船舶综合电力推进系统风险评估矩阵包括三个矩阵,即节点矩阵、支路矩阵和发电矩阵,与普通风险拓扑模型不同的是,这三个矩阵中分别加入了节点、支路和发电节点的风险级别、失效状态概率、维修状态概率和不可用率,这四个参数则是船舶综合电力推进系统风险评估的关键。
S401风险评估节点矩阵
风险评估节点矩阵中最重要参数的是失效状态概率、维修状态概率和不可用率,在本发明中以节点1(能量存储模块)为例详细阐述了单元风险参数计算过程。
首先根据元件风险评估数学建模方法,对能量存储模块中的所有元件进行元件风险评估数学建模和风险参数计算。以超级电容元件为例进行元件风险评估数学建模和风险参数计算
超级电容元件为可修复强迫停运风险数学模型,超级电容元件的风险数据大部分来源于美国2013年的技术报告。
d=8.69446519 e=0.00014690 r=0.00022831 (4-1)
公式4-1中,d为超级电容单位周期内运行时间(年),e为单位周期内失效时间(年), r为单位周期内维修时间(年)。
λ为可修复强迫停运风险数学模型处于失效状态的概率,μ为可修复强迫风险停运模型处于维修状态的概率,γ为可修复强迫停运风险数学模型处于运行状态的概率。λ、μ和γ的计算如下:
因此,对于超级电容,元件的不可用率U可以表示为:
f为超级电容元件平均失效频率(失效次数/年),因此,f的计算过程为:
同理,能量存储模块的元件风险参数计算结果如表3所示:
表3能量存储模块元件风险参数
根据能量存储模块模型,采用单元风险评估方法对能量存储模块单元进行风险评估数学建模,能量存储模块主要由两个普通元件和一个控制元件组成,两个普通元件分别为DC-DC 转换器和超级电容器,控制元件为能量存储控制器。
在DC-DC转换器和超级大电容组成的串联网络元件组模型中,λ1和λ2分别为DC-DC转换器和超级大电容处于失效状态的概率,μ1和μ2分别为DC-DC转换器和超级大电容处于维修状态的概率,γ1和γ2分别为DC-DC转换器和超级大电容处于运行状态的概率,因此有串联网络元件组模型的风险参数计算过程如下:
γs=γ1·γ2=0.99978382 (4-7)
λs+μs=λ1+λ2+μ1+μ2-λ1λ2-μ1μ2-λ1μ2-λ2μ1=0.00021618 (4-8)
之后使用综合评价法对整个能量存储模型进行风险评估,w1和w2分别为串联元件组和能量存储控制单元的权重,w1和w2通过权重分析的方法得到,则能量存储模型的风险参数计算过程如下:
w1=0.8327 w2=0.1673 (4-9)
{λESM,μESM,γESM}=w1{λs,μs,γs}+w2{λ3,μ3,γ3} (4-10)
λESM=0.00006173 (4-11)
μESM=0.00013056 (4-12)
γESM=0.99980771 (4-13)
上式中,λESM、μESM和γESM分别为能量存储模型处于失效状态、维修状态和运行状态的概率。
能量存储模块的不可用率UESM为:
UESM=λESM+μESM=0.00019229 (4-14)
能量存储模块的失效频率fESM则可以通过3个元件的失效频率进行估算,由于每次元件失效都会对整个模块进行维护,因此fESM的计算过程如下:
fESM=max(f1,f2,f3)=0.13052768 (4-15)
同理对所有单元节点的风险进行计算,计算结果如表4所示:
表4船舶综合电力推进系统节点风险参数
根据表4中的节点风险参数和表1节点风险分级参数,生成船舶综合电力推进系统风险评估节点矩阵,矩阵参数包括节点编号、节点类型、注入有功、注入无功、有功单元、无功单元、电压、失效状态概率、维修状态概率、运行状态概率、不可用率、失效频率和两种工况下的风险分级参数。
S402风险评估支路矩阵
船舶综合电力推进系统风险评估支路矩阵的计算过程和风险评估节点矩阵类似,支路矩阵的风险参数主要由线路自身属性(连接方式、线路长度、横截面积、材质等属性)决定,具体计算过程就不在赘述,船舶综合电力推进系统支路风险参数如表5所示。
表5船舶综合电力推进系统支路风险参数
根据表5支路风险参数和表2支路风险分级参数,生成船舶综合电力推进系统风险评估支路矩阵,矩阵参数包括起始节点编号、终止节点编号、支路电阻、支路电抗、支路变比、支路容量、失效状态概率、维修状态概率、运行状态概率、不可用率、失效频率和两种工况下的风险分级参数。
S403风险评估发电矩阵
船舶综合电力推进系统风险评估发电矩阵的风险参数包括在风险评估节点矩阵中,船舶综合电力推进系统发电节点风险参数如表6所示。
表6船舶综合电力推进系统发电节点风险参数
根据表6中的发电节点风险参数和表1中的节点风险分级参数,生成船舶综合电力推进系统风险评估发电矩阵,矩阵参数包括节点编号、发电机最大有功出力、最大无功出力、失效状态概率、维修状态概率、运行状态概率、不可用率、失效频率两种工况下的风险分级参数。
本发明生成的船舶综合电力推进系统风险评估节点矩阵、支路矩阵和发电矩阵将为船舶综合电力推进系统风险评估提供数据基础。
S5根据风险评估矩阵,对船舶综合电力推进系统进行系统潮流分析,得到单元失效下的一次船舶综合电力推进系统风险评估
本发明将以系统风险拓扑模型为基础,对船舶综合电力推进系统电气连接属性进行潮流分析,这也是本发明提出的船舶综合电力推进系统多风险评估方法的核心。
本发明采用三种船舶综合电力推进系统风险评估潮流分析方法:灵敏度分析法、直流故障分析法和单元失效下的最优潮流分析法,并根据船舶综合电力推进系统三个风险评估矩阵进行系统的潮流分析,包括正常工作状态下的潮流分析和风险发生后单元失效下的潮流分析,正常工作状态下的潮流分析结果将作为对比参照值,风险发生后单元失效下的潮流分析将采用非序贯蒙特卡洛模拟法进行多次重复计算,之后与正常工作状态下的潮流分析结果进行对比分析,得到船舶综合电力推进系统多风险评估结果。
船舶综合电力推进系统风险拓扑模型体现了船舶综合电力推进系统的物理连接属性和电气连接属性。其中,系统的电气连接属性分析比较复杂,其风险评估主要是在系统的某一单元或多个单元发生失效后,计算系统的线路潮流、母线电压、节点功率等参数,之后分析是否会引起周边线路过载或发生连锁失效等问题,因此采用潮流分析法来实现。
S501正常工作状态下的潮流分析
对船舶综合电力推进系统进行正常工作状态下的潮流分析,采用牛顿拉夫逊法,具体分析过程如下所示。
首先根据船舶综合电力推进系统风险评估支路矩阵和节点矩阵参数,计算支路导纳矩阵和节点导纳矩阵,其中支路导纳矩阵计算公式如下:
公式5-1中,k为支路矩阵中第k条支路,ylk为第k条支路的导纳,Rk为第k条支路的电阻,Xk为第k条支路的电抗。
支路导纳矩阵应该为k*k的矩阵,对角线为支路自导纳,其他元素为支路之间的互导纳,在船舶综合电力推进系统模型中,认为支路之间的互导纳相比于自导纳可以忽略不计,因此列出的只是每条支路的自导纳。
接下来对船舶综合电力推进系统节点导纳进行计算,首先重新定义ylpq为节点p和节点 q之间支路的导纳,因此有节点导纳的计算公式如下:
公式5-2为节点自导纳计算公式,ybkk为节点k自导纳,ylki为与节点k连接的第i条支路,nk为与节点k连接的支路总数;公式5-3为节点间互导纳计算公式,ybjk为节点j 与节点k的互导纳,yljki为节点j与节点k之间第i条支路的导纳,njk为节点j与节点k 之间支路总数,而对于节点导纳矩阵,有:
ybjk=ybkj j≠k (5-4)
因此节点导纳矩阵为关于对角线对称矩阵。为了方便计算,对节点矩阵的行顺序进行重新排列,顺序依次为PQ节点、PV节点和平衡节点;则新编号对应原始编号的序列为:
tp={3,5,6,7,8,9,10,11,13,15,14,12,4,2,1} (5-5)
为方便计算后将节点矩阵的顺序还原,则原始编号对应新编号的序列为:
tp1={15,14,1,13,2,3,4,5,6,7,8,12,9,11,10} (5-6)
同时生成节点与支路的关联矩阵M,矩阵M中,行序为重新排序后的节点编号,列序为支路矩阵编号,矩阵元素中,若节点为支路的起点则为1,若节点为支路的终点则为-1。
根据牛顿拉夫逊法,按步骤计算修正方程,形成雅可比矩阵,求解修正方程,进行修正和迭代。具体计算过程就不再赘述。
本发明对潮流分析的迭代次数做出限制,如果在80次迭代之内,潮流还未收敛,则认为潮流不收敛,最后得到各节点功率矩阵,矩阵参数包括节点类型、节点编号、节点实际注入有功、实际注入无功、负载有功、负载无功、实际电压和相角。
S502风险发生后单元失效下的潮流分析
船舶综合电力推进系统在风险发生后单元失效下的风险拓扑模型进行潮流分析,对船舶综合电力推进系统风险发生后单元失效下的潮流分析具体过程如下:
1)单元失效模拟:对节点矩阵和支路矩阵的每个单元取[0,1]之间的随机数,假设单元失效率大于随机数则认为该单元失效,单元失效率小于或等于随机数则认为该单元未失效,单元失效模拟过程可以由下式表达:
公式5-7中,λi为单元i的失效率,ai为单元i取得的随机数,si为单元i状态,失效状态为1,工作状态为0。
这里要说明,风险发生后单元失效下的潮流分析中,虽然单个单元失效的情况比较常见,但是也有可能出现多个单元发生失效的情况。
2)单元失效后矩阵重组:首先对失效单元进行分类,确定单元所属矩阵,之后对所属矩阵进行该单元失效后的结构重组,在这里以节点6(雷达负载)失效为例,节点6属于节点矩阵,但是当节点6失效后,对支路矩阵与节点6相连的支路也产生的影响,同时由于节点编号重排,因此对发电矩阵也有一点影响。
对于节点矩阵,去除节点6后对节点进行重排,对于支路矩阵,要去除与节点6相关的支路,之后对剩下节点进行重排形成重组后支路矩阵,对发电矩阵进行调整,由于节点矩阵中对节点进行了重排,所以对发电矩阵中节点编号进行调整,形成重组后发电矩阵。
3)单元失效下潮流分析:采用单元失效下的最优潮流分析方法,对单元失效下的重组节点矩阵、支路矩阵和发电矩阵进行潮流分析,潮流分析结果为各节点功率矩阵,矩阵参数包括节点类型、节点编号、节点实际注入有功、实际注入无功、负载有功、负载无功、实际电压和相角。
最后将节点6失效引发风险后的潮流分析结果与正常工作状态下的潮流分析结果进行对比分析,则得到该次节点6失效引发的系统风险评估结果。
完成了船舶综合电力推进系统风险拓扑模型在单元失效停运后单元失效下的最优潮流计算分析,对于系统中某一单元失效停运来说,这已经基本完成了该单元失效下的一次船舶综合电力推进系统风险评估。
但是,船舶综合电力推进系统含有很多单元,根据之前的章节可知,每个单元失效停运的方式也很多,因此,在船舶综合电力推进系统风险评估过程中,考虑到多单元风险的情况,系统风险状态可能有数千种或更多,因此需要一种方法根据所有单元的风险参数随机生成单元的风险序列,根据单元风险序列对船舶综合电力推进系统风险状态进行大量重复模拟,模拟次数越多,对系统风险状态的描述就越接近真实状态。
S6根据所有单元风险参数随机生成单元的风险序列,根据单元风险序列对船舶综合电力推进系统进行多风险评估,得到系统风险参数和风险发生概率。
船舶综合电力推进系统多风险评估方法,是以所有单元的风险状态和风险参数为输入变量,以系统的风险状态和风险参数作为输出变量,设单元总数为N,则有:
s、rp分别为系统风险状态和风险参数,rp包括系统失效频率Ff、失效概率Pf、失效平均持续时间Df等参数,MC为蒙特卡洛模拟,RPF为风险潮流分析,si、rpi分别为第i个单元的风险状态和风险参数,式中所有单元的风险状态都以单元自身风险参数为概率条件同时随机抽样决定。具体数学描述如下:
使用[0,1]区间的均匀分布作为每个单元的状态随机抽样区间,单元状态分为正常工作状态和失效停运状态,其中失效停运状态为失效状态和维修状态的集合,且单元之间相互独立。设系统中的单元总数为N,单元i状态为si,单元i失效概率为λi,单元i在[0,1]均匀分布区间取得的随机数为ai,则单元i的状态随机抽样过程如下式所示:
公式6-2中,单元处于正常工作状态时,si=1;单元处于失效停运状态时,si=0。则系统状态s为:
在非序贯蒙特卡洛模拟的系统状态抽样中,当一个系统状态被选定,则对系统的状态进行分析,如果系统处于失效状态,则s=0,反之则s=1,在失效状态下对船舶综合电力推进系统进行风险评估。
当系统状态抽样的次数足够多的时候,系统状态s的抽样频率可以被当作其概率的无偏估计,如下式所示:
公式6-4中,M为系统状态抽样数;m(s)是在系统状态抽样中,系统状态s=0出现的次数。由此可得系统状态的频率f(s)和平均持续时间d(s),如下式所示:
公式6-5和公式6-6中,λk为元件k从状态s离开的状态转移率,即假设状态s下,元件k处于正常工作状态,则λk为元件k的失效率,元件k处于失效停运状态,则λk为元件k 的修复率。
这里要注意的是,修复率k并不等于单元处于维修状态的概率,而是单元处于维修状态的概率与从维修状态到正常工作状态转移率的乘积,在后面就不再赘述。
由公式6-4可知,在系统状态抽样次数为M时,每种系统状态的概率都被计算出来,且每种系统状态的概率之间都是相互独立互斥的,因此系统的失效概率为所有系统失效状态概率的和,如下式所示:
公式6-7中,G为所有系统失效状态的集合。而系统的失效频率为:
公式6-8中,fmn为系统从状态m向状态n的转移概率,因此公式中的第二项为系统失效状态间的所有转移频率,在求取系统失效频率时应该将系统失效状态间的转移频率全部去除,但是在非序贯蒙特卡洛模拟中很难做到,而且在船舶综合电力推进系统风险评估中,系统状态的转换主要发生在正常工作状态和失效停运状态之间,失效停运状态之间的转换极少发生,因此第二项经常被忽略,则系统失效频率可以简化为:
根据公式6-7和公式6-9,得到系统失效停运状态的平均持续时间Df如下所示:
最后则可以根据以上公式和参数,对船舶综合电力推进系统的风险参数进行计算分析,以求取系统单元失效后功率削减期望值为例,假设系统的功率削减期望为E(C),系统在状态s下失效所引起的功率削减为C(s)(C(s)来自风险评估潮流分析),则计算公式如下:
接下来的小节将详细阐述使用蒙特卡洛模拟对船舶综合电力推进系统风险参数进行计算的过程。
S601船舶综合电力推进系统多风险评估参数
船舶综合电力推进系统多风险评估结果是由系统的风险参数来表达的。在本发明中,船舶综合电力推进系统风险评估结果主要由5个风险评估参数来表达,分别为:系统风险发生概率PRO(Probability of Risk Occurrence)、系统期望缺供电力EDNS(ExpectedDemand Not Supplied,MW)、系统期望缺供电量EENS(Expected Energy Not Supplied,MWh)、系统期望单元失效频率EFUF(Expected Frequency of Unit Failure,failures/y)和系统单元失效平均持续时间ADUF(Average Duration of Unit Failure,h/failure)。
根据上一节中蒙特卡洛模拟得到的系统参数,5个参数的计算表达式分别如下式所示:
1)系统风险发生概率PRO
系统风险发生概率,即为船舶综合电力推进系统工作时发生单元失效的概率。在船舶综合电力推进系统中,假设单元节点总数为NU,则有单元节点k的单元失效概率PROk可由下式表达:
公式6-12中,Pik是与单元节点k处于失效停运状态i的概率,Nk为引起单元节点k削减单元的状态总数。
根据公式6-12,系统风险发生概率PRO则可以由下式得出:
2)系统期望缺供电力EDNS
系统期望缺供电力,即为船舶综合电力推进系统发生风险时,所损失的负载功率的期望值,假设系统的单元节点数为NU,则单元节点k的期望缺供电力EDNSk可由下式表达:
公式6-14中,Lk为单元节点k的平均单元功率,单位为兆瓦。则系统期望缺供电力EDNS 为:
3)系统期望缺供电量EENS
系统期望缺供电量,即船舶综合电力推进系统在一定时间T内,由于风险引起单元失效而损失的电量的期望值。系统期望缺供电量一般可以由系统期望缺供电力乘以时间T得出,即:
EENS=EDNS*T (6-16)
系统期望缺供电量也可以由状态s的概率,状态s下的功率削减量以及时间T得出:
公式6-17中,NU为单元节点集合,P(s)为系统处于状态s的概率,C(s)为状态s的功率削减量,单位为兆瓦,Fk为单元节点k全部失效状态的集合。
4)系统期望单元失效频率EFUF
系统期望单元失效频率,是指船舶综合电力推进系统在单位时间内(一般为一年内)发生单元失效的频率。对于船舶综合电力推进系统中的单元节点k,根据状态概率和状态频率之间的关系,单元节点k的失效状态频率为:
公式6-18中,fsk为单元节点k的失效状态频率,λj为在状态s下的元件j离开所处状态的转移概率,M为离开状态s的转移概率的和。
根据公式6-18,单元节点k的期望单元失效频率EFUFk为:
公式6-19本应该减去单元节点k失效状态间的所有转移频率但是在船舶综合电力推进系统风险评估中,单元节点状态的转换主要发生在正常工作状态和失效停运状态之间,失效停运状态之间的转换极少发生,因此失效状态间的所有转移频率都被省略。
根据公式6-19,系统期望单元失效频率EFUF为
公式6-20中,NU为单元节点集合,EFUFmn为单元节点m和单元节点n同时失效的频率,如果在船舶综合电力推进系统中有更多单元节点同时失效,则可由公式6-20继续推导得出。
5)系统单元失效平均持续时间ADUF
系统单元失效平均持续时间,是指船舶综合电力推进系统发生单元失效的平均持续时间的期望值。
系统单元失效平均持续时间ADUF可以根据系统风险发生概率PRO和系统期望单元失效频率EFUF,通过下式求出:
系统风险发生概率PRO、系统期望缺供电力EDNS和系统期望缺供电量EENS为船舶综合电力推进系统多风险评估中的主要风险参数,系统期望单元失效频率EFUF和系统单元失效平均持续时间ADUF则用于对主要风险参数进行补充。
S602船舶综合电力推进系统风险分级策略
在对船舶综合电力推进系统多风险评估中,除了要对风险发生概率和风险发生后电力损失进行评估外,更要对单元失效风险造成的船舶功能损失进行评估。
根据船舶综合电力推进系统运行特性,在满负载全速航行状态和半负载巡航状态两种工况下,将系统风险分为三级,一级为严重风险,二级为重要风险,三级为普通风险。
满负载全速航行状态,即战斗状态下,严重风险包括船舶主发电机失效,推进器损坏,武器失灵,雷达失效,总线电网大面积损毁;重要风险包括船舶备用发电机失效,能量存储设备失效;普通风险包括区域负载失效,部分支路受损。
半负载巡航状态下,严重风险包括船舶主发电机全部失效,推进器损坏,雷达失效总线电网大面积损毁;重要风险包括船舶发电机部分失效,能量存储设备失效,武器失灵;普通风险包括区域负载失效,部分支路受损。
因此设满负载全速航行状态为工况一,半负载巡航状态为工况二,则在两种工况下,单元失效风险引起船舶综合电力推进系统风险分级表如下:
表7船舶综合电力推进系统风险分级表
根据表7,将船舶综合电力推进系统风险发生概率PRO分为一级风险发生概率PRO1,二级风险发生概率PRO2和三级风险发生概率PRO3。所以有:
PRO=PRO1+PRO2+PRO3 (6-22)
S603船舶综合电力推进系统多风险评估数字仿真
根据船舶综合电力推进系统相关参数,采用船舶综合电力推进系统多风险评估方法,分别在满负载全速航行状态和半负载巡航状态下对船舶综合电力推进系统进行多风险评估,由于在设定船舶综合电力推进系统风险拓扑参数时,设定基准功率为100MW,因此,此处中的 EDNS的基准值为100MW,同理,EENS的基准值为100MWh,之后在各章节中就不再具体说明。系统多风险评估数字仿真结果如下。
满负载全速航行状态下多风险评估数字仿真
船舶综合电力推进系统在满负载全速航行状态下的风险性是最高的,因此,首先对此状态下的船舶综合电力推进系统进行多风险评估。
设定每次多风险评估中的蒙特卡洛模拟次数k为10000,系统期望缺供电量EENS的时间 T为100小时。
满负载全速航行状态下,综合电力推进船舶在满负载全速航行状态下,系统的风险发生概率基本维持在2.9%到3.75%之间,平均风险发生概率为为3.3285%。其中,一级风险发生概率为0.41%到0.70%之间,平均概率为0.56%;二级风险发生概率为0.82%到1.38%之间,平均概率为1.1%;三级风险发生概率为1.35%到1.92%之间,平均概率为1.67%。
满负载全速航行状态下,综合电力推进船舶在满负载全速航行状态下,系统的期望缺供电力基本在0.92MW到1.19MW之间,均值为1.0143MW,即在满负载全速航行状态下,船舶综合电力推进系统的发生风险导致的缺供电力的每小时期望值为0.92MW到1.19MW,平均值为 1.0143MW。
满负载全速航行状态下,综合电力推进船舶在满负载全速航行状态下的100小时内,系统发生风险的期望缺供电量基本在88MWh到120MWh之间,平均值为101.4MWh,即在满负载全速航行状态下100小时内,船舶综合电力推进系的发生风险而导致的缺供电量期望值为 88MWh到120MWh,平均值为101.4MWh。
半负载巡航状态下多风险评估数字仿真
本发明对在半负载巡航状态下的船舶综合电力推进系统进行多风险评估。
同样设定每次多风险评估中的蒙特卡洛模拟次数k为10000,系统期望缺供电量EENS 的时间T为100小时。
在半负载巡航状态下,只有一侧主发电机和备用发电机供电,假设为左舷发电系统供电,推进模块半负载运行,脉冲负载关闭,区域负载减半。
半负载巡航状态下,综合电力推进船舶在半负载巡航状态下,系统的风险发生概率基本在1.39%到1.98%之间,平均风险发生概率为1.685%。其中,一级风险发生概率为0.19%到 0.36%之间,平均概率为0.28%;二级风险发生概率为0.41%到0.75%之间,平均概率为0.56%;三级风险发生概率为0.63%到1.03%之间,平均概率为0.94%。
半负载巡航状态下,综合电力推进船舶在半负载巡航状态下,系统的期望缺供电力基本在0.39MW到0.59MW之间,均值为0.4861MW,即在半负载巡航状态下,船舶综合电力推进系统的发生风险导致的缺供电力的每小时期望值为0.39MW到0.59MW,平均值为0.4861MW。
在半负载巡航状态下,综合电力推进船舶在半负载巡航状态下的100小时内,系统发生风险的期望缺供电量基本在38MWh到58MWh之间,均值为48.65MWh,即在半负载巡航状态下 100小时内,船舶综合电力推进系的发生风险而导致的缺供电量期望值为38MWh到58MWh,平均值为48.65MWh。
S604多风险评估数字仿真结果分析
本发明对船舶综合电力推进系统在满负载全速航行状态和半负载巡航状态下的风险评估结果进行分析。
首先对船舶综合电力推进系统在两种状态下的风险发生概率进行比对分析,满负载全速航行状态下的风险发生概率要高于半负载巡航状态,平均值约相差0.0164,而且从图上可以看出,全速航行状态下的风险发生概率波动幅度较大,稳定性稍差。
接下来对船舶综合电力推进系统在两种状态下的期望缺供电力进行比对分析,满负载全速航行状态下的期望缺供电力要高于半负载巡航状态,平均值约相差0.5274MW,而且从图上可以看出,全速航行状态下的期望缺供电力上下波动幅度较大。
最后对船舶综合电力推进系统在两种状态下的期望缺供电量进行比对分析,满负载全速航行状态下的期望缺供电量要高于半负载巡航状态,平均值约相差52.738MW,而且从图上可以看出,全速航行状态下的期望缺供电力上下波动幅度较大。
根据船舶综合电力推进系统在满负载全速航行状态和半负载巡航状态下的风险评估结果以及对比分析,可以得到以下结论:
1)在两种工况下,均有PRO1<PRO2<PRO3,且一级风险发生概率远小于二级和三级风险;
2)船舶综合电力推进系统满负载全速航行状态下的风险性较高,大概是巡航状态下的2 倍左右;
3)船舶综合电力推进系统满负载全速航行状态下的风险参数波动较大,而波动引起的高峰值更容易引起突发状况出现,导致风险发生。
在船舶综合电力推进系统多风险评估数字仿真中,首先对满负载全速航行状态下的船舶综合电力推进系统进行100次多风险评估试验,得到多风险评估结果,即在满负载全速航行状态下,船舶综合电力推进系统的风险发生概率基本在2.9%到3.75%之间,平均风险发生概率为3.3285%,其中,一级风险发生概率为0.41%到0.70%之间,平均概率为0.56%;二级风险发生概率为0.82%到1.38%之间,平均概率为1.1%;三级风险发生概率为1.35%到1.92%之间,平均概率为1.67%;缺供电力的每小时期望值为0.92MW到1.19MW,平均值为1.0143MW;之后采用同样的方法对半负载巡航状态下的船舶综合电力推进系统进行多风险评估,并得到多风险评估结果,在半负载巡航状态下的风险发生概率基本在1.39%到1.98%之间,平均风险发生概率为1.685%,其中,一级风险发生概率为0.19%到0.36%之间,平均概率为0.28%;二级风险发生概率为0.41%到0.75%之间,平均概率为0.56%;三级风险发生概率为0.63%到1.03%之间,平均概率为0.94%;缺供电力的每小时期望值为0.39MW到0.59MW,平均值为 0.4861MW。最后对两种状态下的多风险评估结果进行比对分析,得出船舶综合电力推进系统多风险评估结论,即在两种工况下,均有PRO1<PRO2<PRO3,且一级风险发生概率远小于二级和三级风险,船舶综合电力推进系统全速航行状态下的风险性较高,大概是巡航状态下的2 倍左右,且系统全速航行状态下的风险参数波动较大,而波动引起的高峰值更容易引起突发状况出现,导致风险发生。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。尽管本发明已进行了一定程度的描述,明显地,在不脱离本发明的精神和范围的条件下,可进行各个条件的适当变化。可以理解,本发明不限于所述实施方案,而归于权利要求的范围,其包括所述每个因素的等同替换。
Claims (5)
1.一种船舶风险评估方法,其特征在于:
S1:搭建船舰控制终端设备,采集船舰运行数据;
S2:根据船舶综合电力推进系统各功能单元组成,建立单元风险评估模型,获得各单元风险参数;
S3:在船舶综合电力推进系统满负载全速航行状态和半负载巡航状态下对功能单元进行风险分级,获得满负载全速航行状态和半负载巡航状态下单元风险等级;所述单元风险等级包括船舶综合电力推进系统满负载全速航行状态节点风险分级、满负载全速航行状态支路风险分级和半负载巡航状态节点风险分级和半负载巡航状态支路风险分级;
S4根据单元风险评估模型和单元风险等级,建立系统风险评估矩阵;
S5根据风险评估矩阵,对船舶综合电力推进系统进行系统潮流分析,得到单元失效下的一次船舶综合电力推进系统风险评估;
S6根据所有单元风险参数随机生成单元的风险序列,根据单元风险序列对船舶综合电力推进系统进行多风险评估,得到系统风险参数和风险发生概率;
其中,所述S4中系统风险评估矩阵包括风险评估节点矩阵,风险评估支路矩阵和风险评估发电矩阵;
所述风险评估节点矩阵是根据节点风险参数和节点风险分级参数生成,矩阵参数包括节点编号、节点类型、注入有功、注入无功、有功单元、无功单元、电压、失效状态概率、维修状态概率、运行状态概率、不可用率、失效频率、满负载全速航行状态和半负载巡航状态工况下的风险分级参数;
所述风险评估支路矩阵,所述风险评估支路矩阵是根据支路风险参数和支路风险分级参数生成,矩阵参数包括起始节点编号、终止节点编号、支路电阻、支路电抗、支路变比、支路容量、失效状态概率、维修状态概率、运行状态概率、不可用率、失效频率、满负载全速航行状态和半负载巡航状态工况下的风险分级参数;
所述风险评估发电矩阵,所述风险评估发电矩阵根据发电节点风险参数和节点风险分级参数生成,矩阵参数包括节点编号、发电机最大有功出力、最大无功出力、失效状态概率、维修状态概率、运行状态概率、不可用率、失效频率、满负载全速航行状态和半负载巡航状态工况下的风险分级参数;
所述S6根据单元风险序列对船舶综合电力推进系统进行多风险评估包括:
S601船舶综合电力推进系统多风险评估参数,包括系统风险发生概率、系统期望缺供电力、系统期望缺供电量、系统期望单元失效频率和系统单元失效平均持续时间;
S602船舶综合电力推进系统风险分级,包括:根据船舶综合电力推进系统运行特性,在满负载全速航行状态和半负载巡航状态两种工况下;将系统风险分为三级,一级为严重风险,二级为重要风险,三级为普通风险;将船舶综合电力推进系统风险发生概率分为一级风险发生概率,二级风险发生概率和三级风险发生概率。
2.如权利要求1所述的风险评估方法,其特征在于,所述S2中单元风险评估模型包括发电模块风险评估模型、推进模块风险评估模型、区域负载模块风险评估模型、脉冲负载模块风险评估模型和能量存储模块风险评估模型。
3.如权利要求1所述的风险评估方法,其特征在于,所述S5中系统潮流分析包括系统正常工作状态下潮流分析。
4.如权利要求1或3所述的风险评估方法,其特征在于,所述S5中系统潮流分析还包括风险发生后单元失效下的潮流分析。
5.一种利用权利要求1所述船舶风险评估方法的船舶综合监测装置,其特征在于:该装置包括数据处理芯片、电机驱动模块、通信接口模块、键盘模块、控制模块和若干执行器;所述数据处理芯片通过采集键盘模块设定底层执行器的工作模式;通过采集所述通信接口模块数据信息对舰船信息网略所发布的信息进行采集;控制模块通过控制电机驱动模块对各执行器进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010384344.2A CN112173041B (zh) | 2020-05-09 | 2020-05-09 | 一种船舶综合监测,控制及风险评估预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010384344.2A CN112173041B (zh) | 2020-05-09 | 2020-05-09 | 一种船舶综合监测,控制及风险评估预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112173041A CN112173041A (zh) | 2021-01-05 |
CN112173041B true CN112173041B (zh) | 2022-05-20 |
Family
ID=73919066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010384344.2A Expired - Fee Related CN112173041B (zh) | 2020-05-09 | 2020-05-09 | 一种船舶综合监测,控制及风险评估预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112173041B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894135A (zh) * | 2016-05-24 | 2016-08-24 | 哈尔滨工程大学 | 船舶综合电力推进系统风险预测评估方法及装置 |
CN108683173A (zh) * | 2018-05-25 | 2018-10-19 | 哈尔滨工程大学 | 船舶中压直流配电网络故障工况粒子群重构方法 |
CN110264099A (zh) * | 2019-06-27 | 2019-09-20 | 武汉理工大学 | 船舶周边区域海盗入侵评估系统 |
-
2020
- 2020-05-09 CN CN202010384344.2A patent/CN112173041B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894135A (zh) * | 2016-05-24 | 2016-08-24 | 哈尔滨工程大学 | 船舶综合电力推进系统风险预测评估方法及装置 |
CN108683173A (zh) * | 2018-05-25 | 2018-10-19 | 哈尔滨工程大学 | 船舶中压直流配电网络故障工况粒子群重构方法 |
CN110264099A (zh) * | 2019-06-27 | 2019-09-20 | 武汉理工大学 | 船舶周边区域海盗入侵评估系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112173041A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Skeleton-network reconfiguration based on topological characteristics of scale-free networks and discrete particle swarm optimization | |
Ernst et al. | Power systems stability control: reinforcement learning framework | |
Lin et al. | Division algorithm and interconnection strategy of restoration subsystems based on complex network theory | |
CN103296677A (zh) | 一种在线大电网恢复辅助决策系统 | |
CN105894135A (zh) | 船舶综合电力推进系统风险预测评估方法及装置 | |
Jiang et al. | A novel iterative contingency filtering approach to corrective security-constrained optimal power flow | |
Duerr et al. | Load balancing with energy storage systems based on co-simulation of multiple smart buildings and distribution networks | |
CN112287504A (zh) | 一种配电网离线/在线一体化仿真系统和方法 | |
CN108306285A (zh) | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 | |
Lin et al. | Scenario generation and reduction methods for power flow examination of transmission expansion planning | |
CN103455948A (zh) | 一种配电系统多维多分辨率建模与分析方法 | |
Mylonopoulos et al. | A comprehensive review of modeling and optimization methods for ship energy systems | |
Zhang et al. | Application of an adequacy equivalent method in bulk power system reliability evaluation | |
CN112173041B (zh) | 一种船舶综合监测,控制及风险评估预测方法及系统 | |
CN113112142A (zh) | 智能配电网自愈能力评估方法 | |
CN103326356B (zh) | 考虑人工调度知识的电网关键断面极限传输容量计算方法 | |
CN117175548A (zh) | 一种基于随机潮流的连锁故障紧急控制方法 | |
CN104283208A (zh) | 大型电网概率性可用输电能力的分解协调计算方法 | |
CN109713720A (zh) | 一种新能源并网运行的电力电量平衡方法 | |
Peter et al. | Fault detection and identification of fault location in hybrid microgrid using artificial neural network | |
Wang et al. | Research on Cascading Failures Model of Power Grid Based on Complex Network | |
CN113991686A (zh) | 一种多能耦合配电系统故障恢复方法、装置及存储介质 | |
Li et al. | Decomposed input-output stability analysis and enhancement of integrated power systems | |
Zhi et al. | Design of Risk Prediction Assessment for Ship-Integrated Electric Propulsion System | |
CN111740409A (zh) | 一种柔性交直流混合智能配电网输电稳态分析方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220520 |