CN112668249B - 电网一次设备大修技改方案在线构建方法及系统 - Google Patents

Abstract

本公开提出了电网一次设备大修技改方案在线构建方法，包括：在线获取电网一次设备的同类型、同厂家设备不同运行年份的设备年度运维数据；基于运维数据建立电网一次设备在有限数据量下的成本预测模型；基于预测的设备未来成本费用，以电网一次设备年均成本最低为目标，确定设备经济寿命年限；根据设备当前的运行年限以及求得的经济寿命年限和设备本身的技术寿命年限之间的关系，确定技改方案或大修方案；将在线形成的技改方案或大修方案进行可视化展示。

Description

电网一次设备大修技改方案在线构建方法及系统

技术领域

本公开属于电网一次设备技术领域，尤其涉及电网一次设备大修技改方案在线构建方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

当前，随着电网资产改革与输配电价改革逐步深入，电网资产管理日渐趋于精益化，逐渐由粗放型转向精准投资、最大化设备利用率方向。

如何通过电网一次设备大修技改投资决策实现设备效益最大化，既能满足设备全寿命周期内最大经济效应，又能保证电网运行安全性，成为当前电网大修技改决策难题。

目前的电网一次设备大修技改投资决策方案的形成是基于历史经验确定，没有定量、准确的评估方法，不能准确的形成所需要的修技改投资决策方案。

另外，目前缺乏各类设备技改大修后全寿命周期的成本数据积累和展示平台，不能展示整个过程相关数据，不利于进行后续的分析。

发明内容

为克服上述现有技术的不足，本公开提供了电网一次设备大修技改方案在线构建方法，利用在线数据建立方案，更好准确可靠。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

一方面，公开了电网一次设备大修技改方案在线构建方法，包括：

在线获取需进行技改或大修设备的历史成本数据，同时选取与其同类型、同厂家设备不同运行年份的历史成本数据；

基于有限数据量下的设备成本数据建立该设备全寿命周期的成本预测模型；

基于预测的设备未来成本费用，以电网一次设备年均LCC成本最低为目标，确定设备经济寿命年限；

根据设备当前的运行年限以及求得的经济寿命年限和设备本身的技术寿命年限之间的关系，确定技改方案或大修方案；

将在线形成的技改方案或大修方案进行可视化展示。

其中，历史成本数据包括运行成本、检修成本、故障成本等。

进一步的技术方案，在线获取的数据为从设备管理系统中获取的，所述设备管理系统中存储的同类型、同厂家设备不同运行年份的设备年度运维数据为实时更新的数据。

进一步的技术方案，在线获取电网一次设备的同类型、同厂家设备不同运行年份的设备年度成本数据(包含运行成本、检修成本、故障成本)之后，首先进行数据预处理，删除重复数据，补全缺失数据。

在线获取电网一次设备数据时，包括设备的名称、出厂时间、维修数据、设备的实物I D编号，删除重复数据时以I D编号为标准，删除重复I D编号。

进一步的技术方案，补全缺失数据时，以该设备的缺失年份的前后数据的平均值作为补充数据。

进一步的技术方案，建立电网一次设备在有限数据量下的成本预测模型时，基于ARIMA预测模型和极限学习机预测模型的组合预测算法，在设备年度运维数据基础上，分别预测得到设备全寿命周期内的缺失的运检成本数据、故障成本数据和报废处置费用数据。

进一步的技术方案，将ARIMA预测模型所获得的预测结果及极限学习机预测模型所获得的预测结果分别设置对应的权重得到组合预测数据。

进一步的技术方案，将组合预测数据进行按照时间进行存储。

另一方面，公开了电网一次设备大修技改方案在线构建系统，包括：

在线数据获取模块，被配置为：在线获需技改或大修设备的历史成本数据、与其同类型、同厂家设备不同运行年份的设备年度成本数据；

预测模型建立模块，被配置为：基于所获取历史成本数据建立电网一次设备在有限数据量下的成本预测模型；

方案确定模块，被配置为：基于预测的设备未来成本费用，以电网一次设备年均LCC成本最低为目标，确定设备经济寿命年限；

根据设备当前的运行年限以及求得的经济寿命年限和设备本身的技术寿命年限之间的关系，确定技改方案或大修方案；

展示模块，被配置为：将在线形成的技改方案或大修方案进行可视化展示。

以上一个或多个技术方案存在以下有益效果：

1、本公开技术方案通过实时在线的方式获取电网一次设备的历史成本数据，避免了依靠人为经验确定的盲目性和粗放性，本公开方案包含有最新的数据，数据更加全面，同时也避免了人为录入存在误差的可能，所获得预测结果更加准确。

2、本公开技术方案预测模型基于ARIMA预测模型和极限学习机的组合预测算法，避免了单一模型预测结果的偏差较大的问题。

3、本公开技术方案将形成的方案可视化展示，展示时包含设备的历史维修数据、每种方案的最终成本、方案实施后每年的预测成本及设备的其他基本信息，上述数据均可关联至设备的实物“I D”编号，实现设备从投运到报废退役全寿命周期成本数据的完整展示，以便后续进行分析。

4、本公开技术方案以设备在全寿命周期内质量最可靠、技术最优、成本最低为目的，建立科学、合理、客观的一次设备大修技改决策方法，既能确保设备运行安全性，又能从经济角度提升资产管理效能，为电网提质增效、开源节流提供保障。能够最大化设备的经济价值，同时保证设备的安全可靠性，符合降本增效的发展趋势，从精准投资角度提升电网资产运行效益。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为本公开实施例方法的流程图；

图2为本公开实施例设备经济寿命年确定示意图；

图3为本公开实施例四象限分析法示意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

本实施例公开了电网一次设备大修技改方案在线构建方法，在线获取电网一次设备的同类型、同厂家设备不同运行年份的设备年度运维数据；

基于运维数据建立电网一次设备在有限数据量下的成本预测模型；

基于预测的设备未来成本费用，以电网一次设备年均成本最低为目标，确定设备经济寿命年限；

根据设备当前的运行年限以及求得的经济寿命年限和设备本身的技术寿命年限之间的关系，确定技改方案或大修方案；

将在线形成的技改方案或大修方案进行可视化展示。

其中，在线获取的数据是从生产管理系统获取历史技改大修、日常运维等项目费用，并进行在线归集分摊，实现历史成本由项目到单体设备的分解，所有历史运维费用分摊到单体设备的成本数据均存储于本发明建立的技改大修方案决策系统中。

在线获取电网一次设备的同类型、同厂家设备不同运行年份的设备年度历史成本数据之后，首先进行数据预处理，删除重复数据，补全缺失数据。

在线获取电网一次设备数据时，包括设备的名称、出厂时间、维修数据、设备的I D编号，删除重复数据时以I D编号为标准，删除重复I D编号。

补全缺失数据时，以该设备的缺失年份的前后数据的平均值作为补充数据。

建立电网一次设备在有限数据量下的成本预测模型时，基于ARIMA预测模型和极限学习机预测模型的组合预测算法，在设备年度运维数据基础上，分别预测得到设备全寿命周期内的缺失的运检成本数据、故障成本数据和报废处置费用数据。

将ARIMA预测模型所获得的预测结果及极限学习机预测模型所获得的预测结果分别设置对应的权重得到组合预测数据。

参见附图1所示，在具体实施例子中，具体步骤包括：

(1)获取同类型、同厂家设备不同运行年份的设备年度历史成本费用(包括运行费用、检修费用、故障成本费用)，建立设备在有限数据量下的成本预测模型，预测设备未来成本费用。

由于目前无法完成同类型设备全寿命周期内各年度的运维检修成本数据积累，故采用基于ARIMA预测模型和极限学习机的组合预测算法，在有限数据量基础上，分别预测得到设备全寿命周期内的缺失的运检成本、故障成本和报废处置费用。

1)ARIMA预测模型

时间序列自回归移动平均模型简记为ARIMA(p,d,q)模型，其中，p、d、q分别为自回归模型的阶数、差分阶数和移动平均模型的阶数。

首先，通过d次差分将非平稳时间序列转化为平稳时间序列，并对此平稳时间序列进行定阶和参数估计得到p，q的值；然后，利用ARMA(p，q)模型对时间序列进行预测分析。

设y_i是d阶单整序列，ARMA(p,q)模型可表示为：

其中，i＝1，2,……p；j＝1,2,……,q。

为自回归系数；p为自回归的阶次；θ_j为移动平均系数；q为移动平均的阶次；{ε}为白噪声序列。ARIMA(p，d，q)预测过程为:

a)序列预处理。一个时间序列经过预处理，可以被识别为平稳非白噪声序列，说明该序列是一个蕴含着相关信息的序列，可以利用模型对该序列进行建模。

b)模型识别。由给出的序列样本，根据样本自相关系数(AC)和偏自相关系数(PAC)的性质，选择阶数适当的ARMA(p，q)模型进行拟合。

c)参数估计。根据已经识别的模型及阶数，对模型进行参数估计和显著性检验。

d)模型拟合与检验。对得到的时间序列初步拟合模型，用统计检验的方法进行残差检验，如果拟合模型通不过检验，转向步骤(b)，重新选择模型再拟合。

e)模型预测。利用拟合模型，对时间序列预测未来的设备成本f(i)。

2)极限学习机预测模型

给定训练样本集

测试样本集

权值因子,极限学习机的的激活函数v(x)和隐藏层节点数量L。具体步骤如下：

a)根据训练样本

建立灰色预测模型，确定灰色预测模型的参数a和b，计算灰色预测模型在t-i时刻的预测误差的方差e_i-1，i＝0，1，……，M，M≤N；

b)根据训练样本

训练极限学习机，计算极限学习机在t-i时刻的预测误差的方差e_i-1,i＝0，1，……，M，M≤N；

c)根据第步骤a和b得到的预测误差的方差值，计算Gev和Eev；

d)根据步骤a)中建立的灰色预测模型和b)训练的极限学习机分别计算测试样本集

的预测结果G(x)和E(x)；

e)根据误差不等权的组合权系数的计算公式及c)和d)的结果，计算预测结果h(x)。

3)组合预测

设ARIMA预测模型和极限学习机预测模型权重分别为λ₁和λ₂，其权重按照方差倒数法确定。计算公式为：

基于ARIMA预测模型和极限学习机的组合预测模型结果可表示为：

(2)以设备LCC年均成本最低为目标，确定设备经济寿命年限。

设备的经济寿命指设备从投运开始，至其在使用过程中达到年均成本最低时，作为其经济寿命经，即为年总费用AC最小，如图2所示。

一台新设备的年总费用AC主要包括3部分：

AC＝C_I+C_M-C_s (4)

其中：

C_I—年投资成本，设备基建技改资本化支出，每年分摊费用，第n年的分摊量为

C_I＝(K_O-K_Ln)/n (5)

其中，K_O为设备的原值，K_Ln为第n年的设备残值。

C_M—年运行维护成本，设备的运行维护成本包括日常运行检修维护费用、大修费用等。

C_Mi—第i年设备的运维检修费用，已发生年份以实际发生成本为准，未发生年份获取同类型同厂家历史年份数据，通过基于ARIMA预测模型和极限学习机的组合预测算法预测得到。年均运维检修费用为

C₁—年日常运维费用，C₂——年大修费用。

C_s——净残值，报废资产处置成本与处置收入的差值。

在不考虑资金时间价值的情况下，年费用AC为：AC＝C_I+C_M-C_s。若考虑到资金的时间价值，设i为年利率，则年费用AC为：

AC＝F(n)＝[C_I+C_M-C_s](A/P，i，n) (7)

其中，(A/P，i，n)为资本回收因数，n为设备投运年限，有n≥1。A为年均成本，P为目前价值。设备的经济寿命为使AC取得最小值的n^*。

n^*＝F^-1(AC_min) (8)

因此，设备最小年费用AC_min表示为：

AC_min＝AC(n^*) (9)

(3)通过四象限分析法从技术角度和经济角度判断设备状态。根据设备当前的运行年限n以及求得的经济寿命年限n^*和设备本身的技术寿命年限n^#，首先判断三者关系，参见附图3所示。

若n<n^*且n<n^#，转到步骤(4)；

若n<n*但n>n^#，转到步骤(4)；

若n>n^*但n<n^#，选择技改更换设备；

若n>n^*且n>n^#，选择技改更换设备。

(4)分别计算技改方案和大修方案的年均成本，若技改方案年均LCC成本更低，选择技改方案更换设备；若大修后年均LCC成本更低，则选择大修修复设备。

将组合预测数据进行按照时间进行存储。

另一方面，公开了电网一次设备大修技改方案在线构建系统，包括：

在线数据获取模块，被配置为：在线获取电网一次设备的同类型、同厂家设备不同运行年份的设备年度运维数据；

预测模型建立模块，被配置为：基于运维数据建立电网一次设备在有限数据量下的成本预测模型；

方案确定模块，被配置为：基于预测的设备未来成本费用，以电网一次设备年均成本最低为目标，确定设备经济寿命年限；

根据设备当前的运行年限以及求得的经济寿命年限和设备本身的技术寿命年限之间的关系，确定技改方案或大修方案；

展示模块，被配置为：将在线形成的技改方案或大修方案进行可视化展示。

本实施例的目的是提供一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。

本实施例的目的是提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述方法的步骤。

以上实施例的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。

本领域技术人员应该明白，上述本公开的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (7)

1.电网一次设备大修技改方案在线构建方法，其特征是，包括：

步骤(1)在线获取同类型、同厂家设备不同运行年份的设备年度历史成本费用，包括运行费用、检修费用和故障成本费；在线获取的数据是从生产管理系统获取历史技改大修、日常运维项目费用，并进行在线归集分摊，实现历史成本由项目到单体设备的分解；

基于有限数据量下的设备成本数据建立该设备全寿命周期的成本预测模型；

建立电网一次设备在有限数据量下的成本预测模型时，基于ARIMA预测模型和极限学习机预测模型的组合预测算法，在设备年度运维数据基础上，分别预测得到设备全寿命周期内的缺失的运检成本数据、故障成本数据和报废处置费用数据；

步骤(2)基于预测的设备未来成本费用，以电网一次设备年均LCC成本最低为目标，确定设备经济寿命年限；

所述设备经济寿命是指设备从投运开始，至其在使用过程中达到年均成本最低时，作为其经济寿命，即为年总费用最小；

考虑到资金的时间价值，设i为年利率，则年费用AC为：

AC＝F(n)＝[C_I+C_M-C_s](A/P，i，n) (7)

其中，(A/P，i，n)为资本回收因数，n为设备投运年限，n≥1；A为年均成本，P为目前价值；C_I表示年投资成本，设备基建技改资本化支出，每年分摊费用；C_M表示年运行维护成本；C_Mi表示第i年设备的运维检修费用，已发生年份以实际发生成本为准，未发生年份获取同类型同厂家历史年份数据，通过基于ARIMA预测模型和极限学习机的组合预测算法预测得到；

设备的经济寿命为使AC取得最小值的n^*；

n^*＝F^-1(AC_min)；

步骤(3)判断设备当前的运行年限n以及求得的经济寿命年限n^*和设备本身的技术寿命年限n^#之间的关系：

若n<n^*且n<n^#，转到步骤(4)；

若n<n*但n>n^#，转到步骤(4)；

若n>n^*但n<n^#，选择技改更换设备；

若n>n^*且n>n^#，选择技改更换设备；

步骤(4)分别计算技改方案和大修方案的年均成本，若技改方案年均LCC成本更低，选择技改方案更换设备；若大修后年均LCC成本更低，则选择大修修复设备；

步骤(5)将在线形成的技改方案或大修方案进行可视化展示；

所述的可视化展示，包含设备的历史维修数据、每种方案的最终成本、方案实施后每年的预测成本及设备的其他基本信息，是设备从投运到报废退役全寿命周期成本数据的完整展示。

2.如权利要求1所述的电网一次设备大修技改方案在线构建方法，其特征是，在线获取电网一次设备的同类型、同厂家设备不同运行年份的设备年度运维数据之后，首先进行数据预处理，删除重复数据，补全缺失数据；

在线获取电网一次设备数据时，包括设备的名称、出厂时间、维修数据、设备的的实物ID编号，删除重复数据时以ID编号为标准，删除重复ID编号。

3.如权利要求1所述的电网一次设备大修技改方案在线构建方法，其特征是，补全缺失数据时，以该设备的缺失年份的前后数据的平均值作为补充数据。

4.如权利要求1所述的电网一次设备大修技改方案在线构建方法，其特征是，将组合预测数据进行按照时间进行存储。

5.电网一次设备大修技改方案在线构建系统，其特征是，包括：

在线数据获取模块，被配置为：在线获取同类型、同厂家设备不同运行年份的设备年度历史成本费用，包括运行费用、检修费用和故障成本费；在线获取的数据是从生产管理系统获取历史技改大修、日常运维项目费用，并进行在线归集分摊，实现历史成本由项目到单体设备的分解；

预测模型建立模块，被配置为：基于运维数据建立电网一次设备在有限数据量下的成本预测模型；

建立电网一次设备在有限数据量下的成本预测模型时，基于ARIMA预测模型和极限学习机预测模型的组合预测算法，在设备年度运维数据基础上，分别预测得到设备全寿命周期内的缺失的运检成本数据、故障成本数据和报废处置费用数据；

方案确定模块，被配置为：基于预测的设备未来成本费用，以电网一次设备年均成本最低为目标，确定设备经济寿命年限；

所述设备经济寿命是指设备从投运开始，至其在使用过程中达到年均成本最低时，作为其经济寿命，即为年总费用最小；

考虑到资金的时间价值，设i为年利率，则年费用AC为：

AC＝F(n)＝[C_I+C_M-C_s](A/P，i，n) (7)

其中，(A/P，i，n)为资本回收因数，n为设备投运年限，n≥1；A为年均成本，P为目前价值；C_I表示年投资成本，设备基建技改资本化支出，每年分摊费用；C_M表示年运行维护成本；C_Mi表示第i年设备的运维检修费用，已发生年份以实际发生成本为准，未发生年份获取同类型同厂家历史年份数据，通过基于ARIMA预测模型和极限学习机的组合预测算法预测得到；

设备的经济寿命为使AC取得最小值的n^*；

n^*＝F^-1(AC_min)；

判断设备当前的运行年限n以及求得的经济寿命年限n^*和设备本身的技术寿命年限n^#之间的关系：

若n<n^*且n<n^#，转到步骤(4)；

若n<n*但n>n^#，转到步骤(4)；

若n>n^*但n<n^#，选择技改更换设备；

若n>n^*且n>n^#，选择技改更换设备；

分别计算技改方案和大修方案的年均成本，若技改方案年均LCC成本更低，选择技改方案更换设备；若大修后年均LCC成本更低，则选择大修修复设备；

展示模块，被配置为：将在线形成的技改方案或大修方案进行可视化展示；

所述的可视化展示，包含设备的历史维修数据、每种方案的最终成本、方案实施后每年的预测成本及设备的其他基本信息，是设备从投运到报废退役全寿命周期成本数据的完整展示。

6.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-4任一所述的方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1-4任一所述的方法的步骤。

Images