CN112766657A - 基于故障概率和设备状态的单台设备质量评价方法 - Google Patents

Abstract

本发明公开了一种基于故障概率和设备状态的单台设备质量评价方法。本发明提出了明确的、具有比较完备的理论支撑的设备质量表征参数Q和可供计算的设备质量评价数学模型，该数学模型不但以数理统计分析理论为基础，而且结合了设备状态量观测值，使得计算结果比现有的扣分等方法更加准确。本发明同时考虑了设备已发生的运行时间，以及设备的状态量变化过程，比单纯使用设备状态量进行状态评价进而对于设备质量进行评价要准确。

Description

基于故障概率和设备状态的单台设备质量评价方法

技术领域

本发明属于电力设备状态评价领域，具体是地说是一种以设备故障概率为质量评价标准、以设备状态量为判断依据，且用于单台设备质量评价的方法。

背景技术

输变电设备的健康状态对电网的安全运行至关重要，健康状态不良的电力设备将严重威胁电网的安全运行水平，甚至引发电网事故。如何对电力设备质量进行精确评价，及时发现电力设备的潜在缺陷、避免意外事故发生、最大限度地提高设备的可用率、延长设备的使用寿命，已成为电力行业的重要课题。

目前，对于设备状态的评价，主要集中在对设备当前状态的评价，进而根据当前状态评价结果采取相应的维修策略。目前的电力设备检修工作，所遵循的状态评价导则是通过量化反映设备运行状况的直接现象或者由试验手段得到的间接参量，并与导则或规程中的注意值进行对比，最终通过预设的评分模型得出评价结果。例如，《Q/GDW 169-2008油浸式变压器(电抗器)状态评价导则》中，将变压器的状态分成了正常状态、注意状态、异常状态、严重状态等四种状态，并且规定了如何通过变压器当前多种状态参数的具体数值进行扣分，进而根据变压器的状态扣分值来评判变压器当前状态。显然，目前的设备状态评价体系，针对的是设备当前的状态，目标是确定某台设备眼下是否应该维修、采取什么样的维修(例如，带电检修、停电检修、返厂检修等)，缺乏对于设备质量的评价方法和评价模型。

设备质量评价，是基于设备当前状态(即，设备已经运行了一段时间之后的状态，设备已经存在老化、劣化现象)推算设备使用寿命或者若干年后的故障率的过程。设备的使用寿命越长，或者使用了若干年后的故障率越低，表明设备质量越好。设备质量评价与状态评价的区别在于，前者涉及利用设备当前状态(例如，老化程度、劣化程度)推算设备使用寿命或者若干年后故障率。

目前，缺乏明确的设备质量评价方法，主要不足如下：

1)即使对于设备状态评价，也是以相关的标准为依据，这些标准中的大部分诊断判据来自专家经验，缺乏基于设备实际数据数理统计结果的判据；

2)基于设备当前状态，推算设备使用寿命的研究，集中在对设备单一状态量的预测模型上的研究，通过建立预测模型，预测设备状态量的变化趋势，进而推断设备的预期寿命。例如，对变压器油中溶解气体这一状态量开展的灰色预测、时间序列预测、最小二乘法和其他预测方法。显然，这种预测方法只能是对某一台设备状态量的预测，其预测结果中包含了这台设备的状态性能劣化规律和测量误差，但是不能反映出各台设备之间状态性能劣化规律的中的随机性成分、也不能反映多台设备状态性能劣化过程中的共性规律。即，现有电力设备状态量预测算法中，对于某一台设备状态性能劣化函数的预测是确定的(即，劣化规律或者状态量随时间的变化函数中的参数是确定的，简单而言就是设备劣化速度是固定的)，难以反映出某一设备劣化过程中的随机因素(即，设备劣化速度具有随机性)；而且不考虑其他设备的状态变化数据，即，不参考这一个设备的整体状态劣化规律。因而，现有的状态量预测方法所得到的预测结果准确性不高。

3)没有明确的、具有比较完备的理论支撑的设备质量表征参数和可供计算的设备质量评价数学模型。正如前文所述，现有的电力设备状态评价，以扣分为状态表征方式，评价结果粗略分成四级，不够准确和精细。对于设备质量评价方法，即使这种粗略的、主观的方法，也不存在。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于故障概率和设备状态的单台设备质量评价方法，其以设备故障概率为质量评价标准、设备状态量为判断依据，用于单台设备质量评价，以准确评价设备质量。

为此，本发明采用如下的技术方案：一种基于故障概率和设备状态的单台设备质量评价方法，其包括：

第一步，假设设备的状态量x随时间的变化符合由公式(1)表示的线性规律，即使该状态量x不随时间发生线性变化，也能够将该状态量x转化成一个随时间线性变化的量：

y_i＝x_i+ε_i＝U_iβ+V_ib_i+ε_i (1)

上式中，

表示第i台设备的实际状态量数值；

表示第i台设备的状态量的实测值；m_i为对第i台设备测量的状态量数据个数，测量时刻为

n为设备数量；β＝(β₁,β₂,…β_p)^T为对应于固定效应协变量

的参数向量，p为该参数向量中具体参数的个数，且U_i是时间t的函数；b_i＝(b_i1,b_i2,…b_iq)^T为对应于随机效应协变量

的参数向量，且V_i是时间t的函数，且b_i是q维高斯随机向量，均值为0，协方差为Σ，即b_i～N(0,Σ)(N(0，Σ)表示均值为0、协方差为Σ的正态分布，“～”是表示b_i属于N(0，Σ))；且对于不同的设备，b₁,b₂,…b_n相互独立；

是测量误差，诸ε_ij独立、服从正态分布，且具有0均值和常数方差σ²；

根据上述假设，状态量的观测值y_i服从m_i元正态分布，即y_i～N(U_iβ,Ω_i)，其中协方差矩阵Ω_i为：

式中，

为m_i阶单位矩阵；

第二步，将n台设备的状态量实测值y_i和由公式(2)得到的协方差矩阵Ω_i代入公式(3)，估算参数向量β的估计值

第三步，将由公式(3)得到的估计值

代入公式(4)，得到第i台设备的随机效应参数向量b_i的后验概率分布的均值

则

第四步，将

和b_i的后验概率分布

代入公式(5)和公式(6)，利用随机变量的函数的概率密度分布函数计算方法，计算运行时间到达τ时第i台设备的状态量x的预测值

的概率密度分布函数

其中：

第五步，假设设备发生故障时的状态量阈值是L，而且当状态量x的数值大于L时设备就会发生故障，利用

的概率密度分布函数

计算运行时间到达τ时第i台设备的故障概率F(τ)：

第六步，基于第i台设备运行时间到达τ时的故障概率F(τ)，给出该设备的量化质量评价结果Q：

Q＝100×(1-F(τ)) (10)。

本发明具有的有益效果是：

1)本发明提出了明确的、具有比较完备的理论支撑的设备质量表征参数Q和可供计算的设备质量评价数学模型，该数学模型不但以数理统计分析理论为基础，而且结合了设备状态量观测值，使得计算结果比现有的扣分等方法更加准确。

2)本发明采用的数学模型，不但反映了各台设备之间状态性能劣化规律的中的随机性成分(体现在对

的估计中)、而且反映了多台设备状态性能劣化过程中的共性规律(体现在对

的估计中)，使得计算结果比现有的状态量预测方法所得到的预测结果更加准确。

3)本发明采用的数学模型同时考虑了设备已发生的运行时间，以及设备的状态量变化过程，比单纯使用设备状态量进行状态评价进而对于设备质量进行评价要准确。

附图说明

图1为本发明单台设备质量评价方法的流程图。

具体实施方式

以下结合具体实施方式，对本发明的技术进行详细描述。应当知道的是，以下具体实施方式仅用于帮助本领域技术人员理解本发明，而非对本发明的限制。

本实施例为一种基于故障概率和设备状态的单台设备质量评价方法，如图1所示，其包括：

第一步，假设设备的状态量x随时间的劣化发展符合由公式(1)表示的线性规律，即使该状态量x不随时间发生线性变化，也能够将该状态量x转化成一个随时间线性变化的量：

y_i＝x_i+ε_i＝U_iβ+V_ib_i+ε_i (1)

上式中，

表示第i台设备的实际状态量劣化值；

表示第i台设备的状态量的实测值；m_i为对第i台设备测量的状态量数据个数，测量时刻为

1≤i≤n，n为设备数量；β＝(β₁,β₂,…β_p)^T为对应于固定效应协变量

的参数向量，p为该参数向量中具体参数的个数，且U_i是时间t的函数；b_i＝(b_i1,b_i2,…b_iq)^T为对应于随机效应协变量

的参数向量，且V_i是时间t的函数，且b_i是q维高斯随机向量，均值为0，协方差为Σ，即b_i～N(0,Σ)；且对于不同的设备，b₁,b₂,…b_n相互独立；

是测量误差，诸ε_ij独立、服从正态分布，且具有0均值和常数方差σ²；

根据上述假设，状态量的观测值y_i服从m_i元正态分布，即y_i～N(U_iβ,Ω_i)，其中协方差矩阵Ω_i为：

式中，

为m_i阶单位矩阵；

根据现有技术，确定固定效应协变量U_i的内容和数量(例如，取u_i1为时间变量，u_i2为环境温度，u_i3为设备的工作电压等)、随机效应协变量V_i的内容和数量(例如，取v_i1为环境温度，v_i2为设备的工作电压等)，确定协方差为Σ和常数方差σ²的具体数值。

第二步，将20台设备(即，n＝20)的状态量实测值y_i和由公式(2)得到的协方差矩阵Ω_i代入公式(3)，估算参数向量β的估计值

第三步，将由公式(3)得到的估计值

代入公式(4)，得到第i台设备的随机效应参数向量b_i的后验概率分布的均值

则

第四步，将

和b_i的后验概率分布

代入公式(5)和公式(6)，利用随机变量的函数的概率密度分布函数计算方法，计算运行时间到达30年(即，τ＝30年)时第i台设备的状态量x的预测值

的概率密度分布函数

其中：

第五步，假设设备发生故障时的状态量阈值是L，而且当状态量x的数值大于L时设备就会发生故障，利用

的概率密度分布函数

计算运行时间到达τ时第i台设备的故障概率F(τ)：

第六步，基于第i台设备运行时间到达τ时的故障概率F(τ)，给出该设备的量化质量评价结果Q：

Q＝100×(1-F(τ)) (10)。

本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种基于故障概率和设备状态的单台设备质量评价方法，其特征是，包括：

第一步，假设设备的状态量x随时间的变化符合由公式(1)表示的线性规律，即使该状态量x不随时间发生线性变化，也能够将该状态量x转化成一个随时间线性变化的量：

y_i＝x_i+ε_i＝U_iβ+V_ib_i+ε_i (1)

上式中，

表示第i台设备的实际状态量数值；

表示第i台设备的状态量的实测值；m_i为对第i台设备测量的状态量数据个数，测量时刻为

1≤i≤n，n为设备数量；β＝(β₁,β₂,…β_p)^T为对应于固定效应协变量

的参数向量，p为该参数向量中具体参数的个数，且U_i是时间t的函数；b_i＝(b_i1,b_i2,…b_iq)^T为对应于随机效应协变量

的参数向量，且V_i是时间t的函数，且b_i是q维高斯随机向量，均值为0，协方差为Σ，即b_i～N(0,Σ)；且对于不同的设备，b₁,b₂,…b_n相互独立；

是测量误差，诸ε_ij独立、服从正态分布，且具有0均值和常数方差σ²；

根据上述假设，状态量的观测值y_i服从m_i元正态分布，即y_i～N(U_iβ,Ω_i)，其中协方差矩阵Ω_i为：

式中，

为m_i阶单位矩阵；

第二步，将n台设备的状态量实测值y_i和由公式(2)得到的协方差矩阵Ω_i代入公式(3)，估算参数向量β的估计值

第三步，将由公式(3)得到的估计值

代入公式(4)，得到第i台设备的随机效应参数向量b_i的后验概率分布的均值

则

第四步，将

和b_i的后验概率分布

代入公式(5)和公式(6)，利用随机变量的函数的概率密度分布函数计算方法，计算运行时间到达τ时第i台设备的状态量x的预测值

的概率密度分布函数

其中：

第五步，假设设备发生故障时的状态量阈值是L，而且当状态量x的数值大于L时设备就会发生故障，利用

的概率密度分布函数

计算运行时间到达τ时第i台设备的故障概率F(τ)：

第六步，基于第i台设备运行时间到达τ时的故障概率F(τ)，给出该设备的量化质量评价结果Q：

Q＝100×(1-F(τ)) (10)。

Images