CN112749909A - 一种面向主动维护的电力设备健康状态评估方法 - Google Patents
一种面向主动维护的电力设备健康状态评估方法 Download PDFInfo
- Publication number
- CN112749909A CN112749909A CN202110061029.0A CN202110061029A CN112749909A CN 112749909 A CN112749909 A CN 112749909A CN 202110061029 A CN202110061029 A CN 202110061029A CN 112749909 A CN112749909 A CN 112749909A
- Authority
- CN
- China
- Prior art keywords
- state quantity
- quantity index
- power equipment
- index
- state
- 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 35
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012423 maintenance Methods 0.000 title abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims description 23
- 230000008901 benefit Effects 0.000 claims description 10
- 201000010099 disease Diseases 0.000 claims description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 9
- 230000003862 health status Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000001575 pathological effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/06—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
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种面向主动维护的电力设备健康状态评估方法,首先获取电力系统中任意一电力设备的状态量指标数据,通过模糊分布隶属度函数计算各个状态量指标的隶属度,构建成对比较矩阵,计算其最大特征值及对应的各指标的初始权重,并对其进行一致性校验,同时引入客观修正系数对初始的权重系数进行修正,消除主观因素在确定初始权重分配时的影响,能更好地考虑系统运行对于安全、可靠、经济等方面的需求,为研究电力设备主动维护策略提供设备健康状态研究基础;使电力设备处在其全寿命服役周期内保持优良的健康状态,用低成本、高效率的维护策略维持设备的最佳服役性能,从而保证电力系统的安全、可靠、经济运行。
Description
技术领域
本发明涉及力设备状态评估技术领域,具体涉及一种面向主动维护的电力设备健康状态评估方法。
背景技术
长期以来,电力系统工作者主要是通过定期维修的措施来判断电力设备的健康水平,确保电力设备的良好运行状况。其内容主要包括预防性试验、大修、小修等方法。在这样的检修与管理体制下,往往不考虑电力设备的状态如何,定期检修电力设备。在这种检修模式下,很容易出现对健康状态良好的电力设备做了不必要的检修的情况,在电力设备尚未出现健康问题时就对其实行停运检修或更换设备,这种方式必然会造成人力、物力和财力的巨大浪费。同时当前的定期维修体制还存在一定的“维修不足”问题,由于试验方法、试验电压等级等问题,使缺陷未被发现,或由于维修任务过重、时间紧张,造成应当修理的电力设备没有修理,导致电力设备运行时发生故障而引起电力系统及国民经济的重大损失。因此,建立预知性维修制度,走到“需修才修,修必修好”,是当前电力设备检修方式的必然发展趋势。近年来,状态检修作为能够提高检修质量降低检修费用的一种检修方式越来越受到国内外电力企业的欢迎。通常来说状态检修是指以安全、环境、成本等为基础,通过设备评价、检修决策等手段开展设备检修工作,达到设备运行安全可靠、检修成本合理的一种检修策略。对电力设备的状态评价和故障诊断工作主要内容包括:对监测获得的技术数据进行分析、判断,对设备的当前状态做出评价,对其可能出现的故障做相应的分析,并对较为明显存在异常做出准确的故障诊断。对变压器的健康状态准确的评价和故障诊断能够明显提高变压器的安全运行时长,同时还可以减少不必要的检修提高电力设备的运行经济效益,对保证电力系统稳定和节约的运行有着重要的意义。
各方面研究表明,实施针对电力设备健康状态评价后的主动维护可以有力地促进经济效益和社会效益的提高。在电力行业中,其作用主要表现在以下几个方面:
(1)它能最大限度地利用已知信息,进行更详尽的分析,最大限度地了解设备的当前状态,为维修决策提供理论依据。
(2)一旦设备达到维护状态,及时维护不仅可以避免重大设备故障,而且可以避免不必要的维护操作,因此我们正在努力在有限的维护手段下优化使用分配。同时,保证用户生活和生产不受停电干扰,极大地提高供电安全和电力公司在人们心中的形象。
(3)通过对设备状况的分析,对减少类似缺陷故障的发生,提高设备的使用寿命,加强理论研究具有重要的指导作用。
发明内容
针对现有技术的不足,本发明提出一种面向主动维护的电力设备健康状态评估方法,包括:
步骤1:获取电力系统中任意一电力设备的状态量指标数据,所述状态量指标包括增益型状态量指标和成本型状态量指标;
步骤2:将电力设备的健康状态划分为5个等级,分别表示为{健康Q1,亚健康Q2,轻微病态Q3,中度病态Q4,严重病态Q5};
步骤3:构建模糊分布隶属度函数,计算每个状态量指标在不同健康状态等级Qs下的隶属度,s=1,2,3,4,5;
步骤5:根据所有状态量指标的最大值ei计算出各状态量指标对电力设备的客观修正系数αi;
式中,n表示电力设备的状态量指标总数;
步骤6:根据电力设备状态评价导则中的各状态量指标的权重系数,计算两两状态量指标之间的比值构建成对比较矩阵A;
A=(aij)n×n,i,j=1,2,…,n (2)
式中,aij表示状态量指标i、状态量指标j的权重系数的比值,aij>0,aij=1/aji,当i=j时,aii=1;
步骤7:计算成对比较矩阵A的最大特征值λmax,以及最大特征值所对应的n个特征向量{ω1,ω2,…,ωi,…ωn};
步骤8:利用公式(3)计算成对比较矩阵A的随机一致性比率CR:
式中,CI表示成对比较矩阵A的一般一致性偏离程度指标,RI表示成对比较矩阵A的平均随机一致性指标;
步骤9:检验一致性,当n=1,2时不需要进行一致性检验,在n≥3的情况下需要进行一致性检验,当0<CR<0.10时,表示成对比较矩阵A的一致性偏离程度较小,各状态量指标的权重系数分配合理,继续执行步骤10;否则重新调整各状态量指标的权重系数的取值,返回步骤6重新构建成对比较矩阵A;
步骤10:根据状态量指标i的客观修正系数αi以及特征向量ωi,计算出状态量指标i的综合权重系数βi;
步骤11:计算各状态量指标对电力设备的影响因子γE;
步骤12:根据影响因子γE计算得到电力设备的健康值HE;
HE=1-γE (6)。
所述步骤3包括:
步骤3.1:根据状态量指标i的台账信息值c1、警戒值c5,将状态量指标i的取值范围划分为5个区间,分别表示为[c1,c2)、[c2,c3),[c3,c4),[c4,c5),[c5,+∞),其中c2、c3、c4表示在c1~c5之间插入的三个等分点;
步骤3.2:构建效益型的模糊分布隶属度函数如公式(7)所示,其中增益型状态量指标的隶属度采用公式(7)计算;
构建成本型的模糊分布隶属度函数如公式(8)所示,其中成本型状态量指标的隶属度采用公式(8)计算;
本发明的有益效果是:
本发明提出了一种面向主动维护的电力设备健康状态评估方法,通过模糊分布隶属度函数计算各个状态量指标的隶属度,并引入客观修正系数对权重系数进行修正,消除主观因素在确定初始权重分配时的影响,能更好地考虑系统运行对于安全、可靠、经济等方面的需求,为研究电力设备主动维护策略提供设备健康状态评估研究基础;使电力设备处在其全寿命服役周期内保持优良的健康状态,用低成本、高效率的维护策略维持设备的最佳服役性能,从而保证电力系统的安全、可靠、经济运行。
附图说明
图1为本发明中面向主动维护的电力设备健康状态评估方法流程图。
图2为本发明中面向主动维护的电力设备健康状态评估方法原理图。
图3为本发明实施例中状态评估结果、服役性能退化规律和故障演变过程示意图。
具体实施方式
下面结合附图和具体实施实例对发明做进一步说明。如果只利用权重系数来进行评估,会使得权重的确定含有较大的主观性成分,矩阵阶数的改变和主观思维的差异会对评估结果产生较大的干扰,从而影响评估的准确性。而模糊数学可以将一个多指标客体在一维空间内展开实现客观的综合评估。因此,采用模糊数学的方法,通过引入模糊隶属度函数来修正权重系数,可以有效消除矩阵阶数和主观思维对权重结果计算的影响,以保证状态评估结果的客观性和准确性。
如图1~2所示,一种面向主动维护的电力设备健康状态评估方法,采用MATLAB编程实现,包括:
步骤1:获取电力系统中任意一电力设备的状态量指标数据,获取电力设备的状态量指标数据的手段包括在线监测、停电试验、带电检测试验、专业巡检,所述状态量指标包括增益型状态量指标(增益型状态量指标的特点是值越大越健康)和成本型状态量指标(成本型状态量指标的特点是值越小越健康),在线监测获取的数据、停电试验获取的数据、带电检测获取的数据、专业巡检获取的巡检信息作为动态数据,还需要获取台账信息作为静态数据用于作为标准对照信息供电力设备状态评估和故障演变分析;
步骤2:将电力设备的健康状态划分为5个等级,分别表示为{健康Q1,亚健康Q2,轻微病态Q3,中度病态Q4,严重病态Q5};
由于模糊集合可表征为在不同程度上具有某种特定性质的所有元素的总和,隶属度函数可以反映这些元素隶属于该模糊集合的程度,其值介于0~1之间,隶属度函数的值越大,表示该指标隶属于这个模糊集合的程度越高。在模糊分布的值区间内采用等分法来确定隶属度值,这样便于计算机编程的自动处理,且该算法对评估精度影响不大。根据指标自身的物理含义,结合对评估体系的分析,考虑采用效益型(越大越好型)和成本型(越小越好型)两种模糊分布形式。
步骤3:构建模糊分布隶属度函数,计算每个状态量指标在不同健康状态等级Qs下的隶属度,s=1,2,3,4,5,包括:
步骤3.1:根据状态量指标i的台账信息值c1、警戒值c5,将状态量指标i的取值范围划分为5个区间,分别表示为[c1,c2)、[c2,c3),[c3,c4),[c4,c5),[c5,+∞),其中c2、c3、c4表示在c1~c5之间插入的三个等分点;
步骤3.2:构建效益型的模糊分布隶属度函数如公式(7)所示,其中增益型状态量指标的隶属度采用公式(7)计算;
构建成本型的模糊分布隶属度函数如公式(8)所示,其中成本型状态量指标的隶属度采用公式(8)计算;
步骤5:根据所有状态量指标的最大值ei计算出各状态量指标对电力设备的客观修正系数αi;
式中,n表示电力设备的状态量指标总数;
由于引入了客观修正系数对权重系数进行修正,有效地消除了主观因素在确定初始相对权重时的影响,得到的综合权重在评估中既吸取了主观性的方便、高效等优点,又注重客观性而不失准确、严谨,将两者的优点有机地结合了起来。
步骤6:根据电力设备状态评价导则(如变压器的各状态量指标的权重系数取值可以参考DL/T 1685-2017油浸式变压器(电抗器)状态评价导则)中的各状态量指标的权重系数,计算两两状态量指标之间的比值构建成对比较矩阵A;
A=(aij)n×n,i,j=1,2,…,n (2)
式中,aij表示状态量指标i、状态量指标j的权重系数的比值,即标度值,aij>0,aij=1/aji,当i=j时,aii=1;不同标度值所代表的含义如表1所示:
表1T.L.Sataty1-9标度法取值及其含义
步骤7:计算成对比较矩阵A的最大特征值λmax,以及最大特征值所对应的n个特征向量{ω1,ω2,…,ωi,…ωn};
步骤8:阶数和主观思维的差异性会对所建立的成对比较矩阵A产生一定的影响,因此需要对成对比较矩阵A进行一致性校验,利用公式(3)计算成对比较矩阵A的随机一致性比率CR:
式中,CI表示成对比较矩阵A的一般一致性偏离程度指标,RI表示成对比较矩阵A的平均随机一致性指标,用以消除矩阵阶数的影响,其中表2给出了阶数为1~11阶的成对比较矩阵的RI取值;
表2阶数为1~11阶成对比较矩阵的RI值
步骤9:检验一致性:当n=1,2时不需要进行一致性检验,继续执行步骤10;在n≥3的情况下需要进行一致性检验,当0<CR<0.10时,表示成对比较矩阵A的一致性偏离程度较小,各状态量指标的权重系数分配合理,继续执行步骤10,否则根据各状态量指标对电力设备健康状态的影响程度重新调整各状态量指标的权重系数的取值,返回步骤6重新构建成对比较矩阵A;
步骤10:根据状态量指标i的客观修正系数αi以及特征向量ωi,计算出状态量指标i的综合权重系数βi;
步骤11:计算各状态量指标对电力设备的影响因子γE;
式中,Ki表示状态量指标i的监测信息值,当或时,表示状态量指标i隶属于“中度病态”或“严重病态”,Ki=1;当或或时,表示状态量指标i隶属于“健康”或“亚健康”或“轻微病态”,Ki=0,K表示状态序列向量;
步骤12:根据影响因子γE计算得到电力设备的健康值HE;
HE=1-γE (6)
式中,健康值HE∈[0,1],HE越大表明系统的健康状态越好;
通过求取健康值实现了电力系统各个设备的定量健康评估,再参照图3可以确定它们当前所处的状态、服役性能退化程度和故障演变阶段。
Claims (2)
1.一种面向主动维护的电力设备健康状态评估方法,其特征在于,包括:
步骤1:获取电力系统中任意一电力设备的状态量指标数据,所述状态量指标包括增益型状态量指标和成本型状态量指标;
步骤2:将电力设备的健康状态划分为5个等级,分别表示为{健康Q1,亚健康Q2,轻微病态Q3,中度病态Q4,严重病态Q5};
步骤3:构建模糊分布隶属度函数,计算每个状态量指标在不同健康状态等级Qs下的隶属度,s=1,2,3,4,5;
步骤4:统计出状态量指标i在不同健康状态等级Qs下的隶属度的最大值ei,即ei=max{λi (s)},λi (s)表示状态量指标i在电力设备的不同健康状态等级Qs下的隶属度;
步骤5:根据所有状态量指标的最大值ei计算出各状态量指标对电力设备的客观修正系数αi;
式中,n表示电力设备的状态量指标总数;
步骤6:根据电力设备状态评价导则中的各状态量指标的权重系数,计算两两状态量指标之间的比值构建成对比较矩阵A;
A=(aij)n×n,i,j=1,2,…,n (2)
式中,aij表示状态量指标i、状态量指标j的权重系数的比值,aij>0,aij=1/aji,当i=j时,aii=1;
步骤7:计算成对比较矩阵A的最大特征值λmax,以及最大特征值所对应的n个特征向量{ω1,ω2,…,ωi,…ωn};
步骤8:利用公式(3)计算成对比较矩阵A的随机一致性比率CR:
式中,CI表示成对比较矩阵A的一般一致性偏离程度指标,RI表示成对比较矩阵A的平均随机一致性指标;
步骤9:检验一致性,当n=1,2时不需要进行一致性检验,在n≥3的情况下需要进行一致性检验,当0<CR<0.10时,表示成对比较矩阵A的一致性偏离程度较小,各状态量指标的权重系数分配合理,继续执行步骤10;否则重新调整各状态量指标的权重系数的取值,返回步骤6重新构建成对比较矩阵A;
步骤10:根据状态量指标i的客观修正系数αi以及特征向量ωi,计算出状态量指标i的综合权重系数βi;
步骤11:计算各状态量指标对电力设备的影响因子γE;
式中,Ki表示状态量指标i的监测信息值,当或ei=λi (5)时,表示状态量指标i隶属于“中度病态”或“严重病态”,Ki=1;当ei=λi (1)或或ei=λi (3)时,表示状态量指标i隶属于“健康”或“亚健康”或“轻微病态”,Ki=0;
步骤12:根据影响因子γE计算得到电力设备的健康值HE;
HE=1-γE (6)。
2.根据权利要求1所述的一种面向主动维护的电力设备健康状态评估方法,其特征在于,所述步骤3包括:
步骤3.1:根据状态量指标i的台账信息值c1、警戒值c5,将状态量指标i的取值范围划分为5个区间,分别表示为[c1,c2)、[c2,c3),[c3,c4),[c4,c5),[c5,+∞),其中c2、c3、c4表示在c1~c5之间插入的三个等分点;
步骤3.2:构建效益型的模糊分布隶属度函数如公式(7)所示,其中增益型状态量指标的隶属度采用公式(7)计算;
构建成本型的模糊分布隶属度函数如公式(8)所示,其中成本型状态量指标的隶属度采用公式(8)计算;
式中,λi (s)表示状态量指标i在电力设备的不同健康状态等级Qs下的隶属度,z表示状态量指标i的状态量指标值,d=(c5-c1)/4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061029.0A CN112749909A (zh) | 2021-01-18 | 2021-01-18 | 一种面向主动维护的电力设备健康状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061029.0A CN112749909A (zh) | 2021-01-18 | 2021-01-18 | 一种面向主动维护的电力设备健康状态评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112749909A true CN112749909A (zh) | 2021-05-04 |
Family
ID=75652220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110061029.0A Pending CN112749909A (zh) | 2021-01-18 | 2021-01-18 | 一种面向主动维护的电力设备健康状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112749909A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722656A (zh) * | 2021-07-28 | 2021-11-30 | 国网浙江省电力有限公司电力科学研究院 | 一种火力发电机组实时健康度评价方法及系统 |
CN113760955A (zh) * | 2021-09-08 | 2021-12-07 | 大连海事大学 | 一种考虑盒子分形维数和产状的节理多因素分组方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503807A (zh) * | 2016-09-20 | 2017-03-15 | 西南石油大学 | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 |
CN109885907A (zh) * | 2019-01-29 | 2019-06-14 | 南京航空航天大学 | 一种基于云模型的卫星姿控系统健康状态评估和预测方法 |
CN110428151A (zh) * | 2019-07-18 | 2019-11-08 | 国网山东省电力公司电力科学研究院 | 一种同步调相机油系统的状态评价方法 |
-
2021
- 2021-01-18 CN CN202110061029.0A patent/CN112749909A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503807A (zh) * | 2016-09-20 | 2017-03-15 | 西南石油大学 | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 |
CN109885907A (zh) * | 2019-01-29 | 2019-06-14 | 南京航空航天大学 | 一种基于云模型的卫星姿控系统健康状态评估和预测方法 |
CN110428151A (zh) * | 2019-07-18 | 2019-11-08 | 国网山东省电力公司电力科学研究院 | 一种同步调相机油系统的状态评价方法 |
Non-Patent Citations (1)
Title |
---|
王玘: ""基于健康状态的高速铁路牵引供电系统主动维护策略研究"", 《万方数据 知识服务平台》, 19 December 2018 (2018-12-19), pages 3 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722656A (zh) * | 2021-07-28 | 2021-11-30 | 国网浙江省电力有限公司电力科学研究院 | 一种火力发电机组实时健康度评价方法及系统 |
CN113722656B (zh) * | 2021-07-28 | 2024-06-11 | 国网浙江省电力有限公司电力科学研究院 | 一种火力发电机组实时健康度评价方法及系统 |
CN113760955A (zh) * | 2021-09-08 | 2021-12-07 | 大连海事大学 | 一种考虑盒子分形维数和产状的节理多因素分组方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685340B (zh) | 一种配电设备健康状态评估方法及系统 | |
CN108053148B (zh) | 一种电力信息系统故障高效诊断方法 | |
CN112749909A (zh) | 一种面向主动维护的电力设备健康状态评估方法 | |
CN113641959A (zh) | 一种高压电缆接头温度趋势预测方法 | |
CN112686515A (zh) | 变压器运行状态评估方法、装置、计算机设备和存储介质 | |
CN114493157A (zh) | 一种适用分散光伏用户的电能质量评估方法 | |
CN109064074A (zh) | 避雷器状态诊断方法、系统及设备 | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN112257900A (zh) | 一种基于结构方程的含分布式电源的配电网网架优化方法 | |
CN109213119B (zh) | 基于在线学习的复杂工业关键部件故障预测方法及系统 | |
CN110288325A (zh) | 一种建筑施工问题整改方法 | |
CN115758066A (zh) | 一种统计变压器全寿命周期内碳排放量的方法 | |
CN116823008A (zh) | 一种园区能源利用效率评估方法、系统、设备和存储介质 | |
CN115755831A (zh) | 一种基于模糊层次分析的故障诊断方法及系统 | |
CN113406537B (zh) | 一种电力设备故障程度的定量评估方法 | |
Manoj et al. | Oil health index calculation and incipient fault diagnosis in power transformers using fuzzy logic | |
CN113722195A (zh) | 基于ahp层级分析法的局域网运行评估系统及方法 | |
RU2791597C1 (ru) | Система мониторинга, диагностирования и управления техническим состоянием силовых трансформаторов | |
CN117690572B (zh) | 一种基于多元回归的ct使用时间风险预测方法、装置、设备及介质 | |
CN112445632A (zh) | 基于故障数据建模的hpc可靠性评估方法 | |
CN114912737A (zh) | 一种油浸式变压器质量评估方法及系统 | |
CN111832145B (zh) | 一种油浸式电力变压器的故障诊断方法及系统 | |
CN109992086B (zh) | 一种数据中心动力系统的状态测评方法及状态测评装置 | |
Guo et al. | Grey Clustering Model-Based Health Status Assessment of Large Complex Equipment | |
CN116681356A (zh) | 一种电厂设备状态资料库系统处理数据的方法 |
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 |