CN112966837A - 基于任务可靠度分析的变电站设备维护方法 - Google Patents

基于任务可靠度分析的变电站设备维护方法 Download PDF

Info

Publication number
CN112966837A
CN112966837A CN202110161025.XA CN202110161025A CN112966837A CN 112966837 A CN112966837 A CN 112966837A CN 202110161025 A CN202110161025 A CN 202110161025A CN 112966837 A CN112966837 A CN 112966837A
Authority
CN
China
Prior art keywords
fault
reliability
point
influence
availability
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.)
Granted
Application number
CN202110161025.XA
Other languages
English (en)
Other versions
CN112966837B (zh
Inventor
李孟凡
陶政臣
徐庆红
郑思光
韦嘉晖
范笑宇
胡祁敏
冯甘雨
郑伯涛
王天豪
陈晓煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202110161025.XA priority Critical patent/CN112966837B/zh
Publication of CN112966837A publication Critical patent/CN112966837A/zh
Application granted granted Critical
Publication of CN112966837B publication Critical patent/CN112966837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于任务可靠度分析的变电站设备维护方法，包括：针对变电站系统的可能故障点，建立故障树；采用故障树分析法，分别确定可能故障点的最小割集；建立可能故障点的可靠性关联矩阵；计算可能故障点的任务可靠度；确定可能故障点的任务可靠度的合理的波动范围；进行敏感性分析，确定变电站允许的信息设备的可用率的波动区间和物理设备的可用率的波动区间；根据确定的设备的可用率的波动区间，计算设备的维护周期。本发明根据故障点的可靠性要求，利用敏感性分析，确定变电站允许的设备的可用率的范围，并依此确定设备的维护或更换的周期，保证设备的可用性，保证变电站的可靠度始终处于合理的范围内，使变电站的输变电更有保障。

Description

基于任务可靠度分析的变电站设备维护方法
技术领域
本发明属于输变电系统可靠性领域，具体涉及一种基于任务可靠度分析的变电站设备维护方法。
背景技术
随着变电站规模的扩大，智能化程度的提升，变电站设备检修工作的重要性也日渐凸显。虽然智能变电站的推广应用大大降低了运维检修成本，但定期的检修工作是不可或缺的。目前智能变电站设备维修周期的制定大多通过建立数据模型和定量分析的方法，引入固定检测周期对设备进行实时评估，但是固定检测周期的不完全维修可靠度阈值对设备维修周期结果有很大影响，而这样并不能保证检修工作的准确高效。
随着IEC61850标准成为智能变电站系统信息层的统一规约，变电站系统内的各类物理信息设备的联系愈发紧密。在此背景下，通过各类设备的可靠性求得系统整体或子系统的可靠性，进而确定设备维修周期，成为了一种可行的思路。
公开号为CN109784581A的中国专利“一种考虑弹性的系统预防性维修周期优化方法”公开了一种考虑弹性的系统预防性维修周期优化方法，该发明增加了弹性要素，将可用性度量拓展到了性能维度，解决了传统方法考虑因素不全面的问题。吕立波等人2011年发表的论文“基于蒙特卡洛仿真的设备维修周期建模与优化”对设备使用维修流程分析，给出了设备整个使用寿命期内的使用与维修状态转移图，建立了设备整个使用寿命期内的维修周期与平均可用度关系模型。并应用蒙特卡洛仿真方法，结合算例分析得到了使平均可用度达到最大的最佳维修周期。但由于在实际的变电站设备维修中，往往针对的是某一区域内相互连接、相互影响的各类设备，而非系统整体或某一类设备。所以上述方法不能满足通过可靠性确定设备维修周期。
发明内容
本发明的技术问题是对于变电站一个区域内相互连接、相互影响的各类设备，现有技术中缺乏依据系统级别的可靠度要求，逆向演算确定底层设备的可用率范围，并依据设备的可用率范围确定设备的维修或更换周期的方法。
本发明的目的是针对上述问题，提供一种基于任务可靠度分析的变电站设备维护方法，利用故障树分析法确定可能故障点的最小割集，计算故障点的任务可靠度，确定可能故障点的合理波动范围后，采用敏感性分析方法分别确定变电站允许的大影响可靠性设备、中度影响可靠性设备、小影响可靠性设备的可用率的波动区间，进而依据设备的可用率的波动区间确定设备的维修、更换的周期。
本发明的技术方案是基于任务可靠度分析的变电站设备维护方法，包括以下步骤：
步骤1：分析确定变电站系统的可能故障点，建立故障树；
步骤2：采用故障树分析法，分别确定可能故障点的最小割集；
步骤3：建立可能故障点的可靠性关联矩阵；
步骤4：计算可能故障点的任务可靠度；
步骤5：确定可能故障点的任务可靠度的合理的波动范围；
步骤6：采用蒙特卡洛方法对故障点的任务可靠度进行敏感性分析，确定变电站允许的信息设备的可用率的波动区间和物理设备的可用率的波动区间；
步骤7：根据步骤6确定的信息设备、物理设备的可用率的波动区间，计算设备的维护周期。
进一步地，所述大影响故障场景、中度影响故障场景、小影响故障场景定义如下，大影响故障场景：故障点所在区域内，两个及以上的信息设备发生故障，故障范围波及系统；中度影响故障场景：故障点所在区域内，一个信息设备发生故障，但其他信息设备正常工作，故障终止在该局部范围；
小影响故障场景：故障点所在区域内，与其相连的某个物理设备发生故障，信息设备未发生故障，故障终止在初始物理设备。
进一步地，步骤3中，根据可能故障点与所在区域内设备最小割集间的逻辑联系建立可靠性关联矩阵D＝[dij]M×N，可靠性关联矩阵D中元素dij定义如下：
Figure BDA0002936628380000021
进一步地，步骤4中，故障设备判定列向量G＝[gj]N×1中的元素gj定义如下：
Figure BDA0002936628380000022
记X＝D·G＝[xi]M×1，列向量X的元素xi具有如下特征：
(1)若列向量X的负值元素的数量大于1，则对应大影响故障场景；
(2)若列向量X的负值元素的数量为1，且正值元素的数量不小于1，则对应中度影响故障场景；
(3)若列向量X没有负值元素，且正值元素的数量不小于1，则对应小影响故障场景。
步骤6中，所述确定变电站允许的信息设备的可用率的波动区间和物理设备的可用率的波动区间，具体过程包括：(1)估算I1、I2的区间范围[I1mim,I1max]、[I2mim,I2max]；(2)利用蒙特卡洛方法正向计算出区间范围[I1mim,I1max]、[I2mim,I2max]作为输入的可能故障点的任务可靠度，将得到的任务可靠度与专家给出的任务可靠度的理想区间进行比较和优化，对区间范围[I1mim,I1max]、[I2mim,I2max]进行逐步调整、优化。
计算出区间范围[I1mim,I1max]、[I2mim,I2max]后，比较判断计算结果区间和专家给出的理想区间之间的差距；采用禁忌搜索算法在自变量的初始区间上进行微步调整，调整一次，重复利用蒙特卡洛方法进行正向演算，计算输出的结果区间，逐步缩小和理想区间的差距，最后确定理想的I1、I2波动区间。
优选地，步骤7中，利用威布尔分布计算物理设备的可用率，物理设备的可用率随时间的分布
Figure BDA0002936628380000031
式中T为物理设备的预防维修周期，m表示威布尔分布的形状参数。
利用指数分布计算信息设备的可用率，信息设备的可用率随时间的分布
P(t)＝e-ωt (b)
式中ω表示信息设备的维修效果系数。
对式(a)、式(b)求反函数，并将步骤6计算得到的区间范围[I1mim,I1max]、[I2mim,I2max]作为反函数的输入，分别计算得到物理设备、信息设备的维修或更换时间。
相比现有技术，本发明的有益效果包括：
1)本发明根据故障点的可靠性要求，利用敏感性分析，确定变电站允许的设备的可用率的范围，并依此确定设备的维护或更换的周期，保证设备的可用性，保证变电站的可靠度始终处于合理的范围内，实现了变电站设备的精细化管理，使变电站的输变电更有保障；
2)本发明将变电站故障分为大影响故障场景、中度影响故障场景、小影响故障场景，并分别确定其对变电站可靠性影响的权重，突出影响变电站可靠性的重点关注对象；
3)本发明定义了可靠性关联矩阵和故障设备判定列向量，可自动判断设备故障与大影响故障场景、中度影响故障场景、小影响故障场景的对应关系，便于计算机自动执行，省时省力。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明实施例的变电站设备维护方法的流程示意图。
图2为本发明实施例的可能故障点的故障树的示意图。
图3为本发明实施例的变电站系统结构示意图。
具体实施方式
实施例的变电站系统如图3所示，将故障场景按其影响程度大小分为大影响故障场景、中度影响故障场景、小影响故障场景，相对应的可能故障点的可靠性分别记为大影响可靠性、中度影响可靠性、小影响可靠性。
大影响故障场景、中度影响故障场景、小影响故障场景定义如下：
大影响故障场景：故障点所在区域内，两个及以上的信息设备发生故障，故障范围波及系统；中度影响故障场景：故障点所在区域内，一个信息设备发生故障，但其他信息设备正常工作，故障终止在该局部范围；
小影响故障场景：故障点所在区域内，与其相连的某个物理设备发生故障，信息设备未发生故障，故障终止在初始物理设备。
如图1所示，基于任务可靠度分析的变电站设备维护方法包括以下步骤：
步骤1：针对变电站系统的可能故障点，建立故障树，如图2所示；
步骤2：采用故障树分析法，分别确定可能故障点的最小割集；
步骤3：根据可能故障点与所在区域内设备最小割集间的逻辑联系建立可靠性关联矩阵D＝[dij]M×N，可靠性关联矩阵D中元素dij定义如下：
Figure BDA0002936628380000041
步骤4：计算可能故障点的任务可靠度；
步骤4.1：计算故障点的可用率、不可用率和失效率；
可能故障点可用率计算公式如下：
a.大影响故障场景下，故障点i的可用率
Figure BDA0002936628380000042
b.中度影响故障场景下，故障点i的可用率
Figure BDA0002936628380000043
c.小影响故障场景下，故障点i的可用率
Ai＝APij (3)
Ai表示可能故障点Fi的可用率，AIij表示与可能故障点Fi连接的第j个信息层设备，APij表示与可能故障点Fi连接的第j个物理层设备；
可能故障点不可用率计算公式如下：
a.大影响故障场景下，故障点i的不可用率
Figure BDA0002936628380000051
b.中度影响故障场景下，故障点i的不可用率
Figure BDA0002936628380000052
c.小影响故障场景下，可能故障点i的不可用率
Qi＝QPij (6)
Qi表示可能故障点i的不可用率，QIij表示与可能故障点i连接的第j个信息层设备。QPij表示与可能故障点i连接的第j个物理层设备；
可能故障点失效率计算公式如下：
a.大影响故障场景下，计算可能故障点i的失效率时有
Figure BDA0002936628380000053
b.中度影响故障场景下，计算可能故障点i的失效率时有
Figure BDA0002936628380000054
c.小影响故障场景下，计算可能故障点i的失效率时有
λi＝λPij (9)
λi表示可能故障点i的失效率，λIij表示与可能故障点i连接的第j个信息层设备。λPij表示与可能故障点i连接的第j个物理层设备；
步骤4.2：分别计算可能故障点的大影响可靠性PS1、中度影响可靠性PS2、小影响可靠性PS3；
对于可用率、不可用率、失效率三者与可靠性的定量关系的描述，有
PS＝0.8453·A+0.0365·(1-Q)+0.1182·(1-λ)
步骤4.3：结合大影响可靠性PS1、中度影响可靠性PS2、小影响可靠性PS3，计算得到故障点的任务可靠度
Ps＝w1·PS1+w2·PS2+w3·PS3 (10)
式中w1、w2、w3分别为大影响可靠性PS1、中度影响可靠性PS2、小影响可靠性PS3的权重。
步骤5：确定可能故障点的任务可靠度的合理范围，记为
Figure BDA0002936628380000061
式中PST表示可能故障点的任务可靠度的目标值，I为变电站允许的任务可靠度的波动区间；
步骤6：采用蒙特卡洛方法对故障点的任务可靠度进行敏感性分析，确定变电站允许的信息设备的可用率的波动区间I1和物理设备的可用率的波动区间I2；
蒙特卡洛方法首先建立一个与求解有关的概率模型或者随机过程，使它的参数等于所求问题的解，然后通过对模型或过程的观察或抽样试验来计算所求参数的统计特征，最后给出所求解的近似值。本发明的方法要确定变电站允许的信息设备的可用率的波动区间I1和物理设备的可用率的波动区间I2，根据已知的可能故障点的任务可靠度目标值PST和任务可靠度的合理范围
Figure BDA0002936628380000062
反向推出I1和I2。
反向推理、确定I1、I2的过程包括：(1)估算I1、I2的区间范围[I1mim,I1max]、[I2mim,I2max]；(2)利用蒙特卡洛方法正向计算出区间范围[I1mim,I1max]、[I2mim,I2max]作为输入的可能故障点的任务可靠度，将得到的任务可靠度与专家给出的任务可靠度的理想区间进行比较和优化，对区间范围[I1mim,I1max]、[I2mim,I2max]进行逐步调整、优化。
利用蒙特卡洛方法计算可能故障点的任务可靠度的过程包括：
a)蒙特卡洛输入
1)定义输出量PST，即需测量的量；
2)分别确定与PST相关的输入量I1、I2，以及I1、I2的区间范围[I1mim,I1max]、[I2mim,I2max]；
3)建立PST和I1、I2之间的模型PST＝f(I1,I2)；
4)选择确定蒙特卡洛实验样本量的大小M；
b)蒙特卡洛传播
1)在I1、I2的区间范围[I1mim,I1max]、[I2mim,I2max]内抽取M个样品值in,r，n＝1,2；r＝1,2,...,M；
2)对每个样品量(i1,r,i2,r)，计算相应PST的模型输出值
pSTr＝f(i1,r,i2,r),r＝1,2,...,M；
c)蒙特卡洛输出：将这些M个模型值按严格递增次序排序，通过这些排序的模型值而得到输出量PST的分布函数GPST(η)的离散表示G；
d)报告结果：由G计算在给定包含概率p时的包含区间。
结果区间计算完毕后，比较判断计算结果区间和专家给出的理想区间之间的差距。采用禁忌搜索算法在自变量的初始区间上进行微步调整，调整一次，重复上述步骤利用蒙特卡洛方法进行正向演算，计算任务可靠度的结果区间，逐步缩小和理想区间的差距，最后确定理想的I1、I2波动区间。实施例的禁忌搜索算法参照期刊《电子学报》第47卷刊登的朱毅等的论文“一种基于禁忌搜索的全局最优化模糊聚类算法”公开的基于禁忌搜索的全局最优化模糊聚类算法。
步骤7：分别根据信息设备的可用率的波动区间I1、物理设备的可用率的波动区间I2，利用设备的可用率随时间变化的概率分布函数，计算确定设备的维护周期。
步骤4.3中，权重w1、w2、w3的值根据系统完成规定功能的影响度y1、人员安全的影响度y2、维修等级y3和发生单元的重要度y4来计算确定，具体计算过程包括：
a)系统完成规定功能的影响度y1
通过建立故障树客观、准确地反映故障位置、故障发生变化过程。用最小割集的阶数表示y1，假设某故障发生，建立故障树并求得最小割集分别为L1，L2，…Lj，j＝1，2，…，n，n是最小割集的个数，得到最小割集的阶数分别为R1，R2，…，Ri，可得
y1＝1/Ri (11)
式中i＝1,2,…,m，其中m为最小割集的最大阶数。
b)人员安全的影响度y2
故障会对人员安全造成威胁，危险因素使人员有几率遭受撞击、电击、辐射和烧伤等损害。为便于量化描述，将故障对人员的影响分解为3个作用要素，即故障自身的危险系数d1、系统发生故障的危险系数d2、故障发生单元与系统之间的关联度σ，σ∈[0,1]。由式(11)可得
σ＝1/Ri (12)
依据安全事故等级确定d1,d2，得
y2＝d1+σd2 (13)
式中d1,d2根据下式确定
Figure BDA0002936628380000081
c)故障的维修等级y3
不同设备的故障维修等级略有不同，依据辅助设备和负责人员分为1级、2级和3级。令Mj表示设备j的维修等级，则
y3＝1/Mj (15)
其中Mj取值的集合为{1,2,3}；
d)故障单元重要度y4
重要的单元出现故障与次要单元相比较，具有更高的故障等级，给予更高的加权系数。
加权系数模型
ω＝φ(y)＝y1·y2·y3·y4 (16)
根据式(16)分别计算出权重w1、w2、w3的初始值，再对w1、w2、w3的初始值进行归一化，使得w1+w2+w3＝1。
步骤7中，利用威布尔分布计算物理设备的可用率，物理设备的可用率随时间的分布
Figure BDA0002936628380000082
式中T为物理设备的预防维修周期，m表示威布尔分布的形状参数。
利用指数分布计算信息设备的可用率，信息设备的可用率随时间的分布
P(t)＝e-ωt (b)
式中ω表示信息设备的维修效果系数。
对式(a)、式(b)求反函数，并将步骤6计算得到的区间范围[I1mim,I1max]、[I2mim,I2max]作为反函数的输入，分别计算得到物理设备、信息设备的维修或更换时间。

Claims (6)

1.基于任务可靠度分析的变电站设备维护方法，其特征在于，将故障场景按其影响程度大小分为大影响故障场景、中度影响故障场景、小影响故障场景，相对应的可能故障点的可靠性分别记为大影响可靠性、中度影响可靠性、小影响可靠性，所述智能变电站设备维修周期计算方法包括以下步骤：
步骤1：分析确定变电站系统的可能故障点，建立故障树；
步骤2：采用故障树分析法，分别确定可能故障点的最小割集；
步骤3：建立可能故障点的可靠性关联矩阵；
步骤4：计算可能故障点的任务可靠度；
步骤5：确定可能故障点的任务可靠度的合理的波动范围；
步骤6：采用蒙特卡洛方法对故障点的任务可靠度进行敏感性分析，确定变电站允许的信息设备的可用率的波动区间和物理设备的可用率的波动区间；
步骤7：根据步骤6确定的信息设备、物理设备的可用率的波动区间，计算设备的维护周期。
2.根据权利要求1所述的基于任务可靠度分析的变电站设备维护方法，其特征在于，所述大影响故障场景、中度影响故障场景、小影响故障场景定义如下，
大影响故障场景：故障点所在区域内，两个及以上的信息设备发生故障，故障范围波及系统；
中度影响故障场景：故障点所在区域内，一个信息设备发生故障，但其他信息设备正常工作，故障终止在该局部范围；
小影响故障场景：故障点所在区域内，与其相连的某个物理设备发生故障，信息设备未发生故障，故障终止在初始物理设备。
3.根据权利要求1所述的基于任务可靠度分析的变电站设备维护方法，其特征在于，步骤3中，根据可能故障点与所在区域内设备最小割集间的逻辑联系建立可靠性关联矩阵D＝[dij]M×N，可靠性关联矩阵D中元素dij定义如下：
Figure FDA0002936628370000011
4.根据权利要求3所述的基于任务可靠度分析的变电站设备维护方法，其特征在于，步骤4中，故障设备判定列向量G＝[gj]N×1中的元素gj定义如下：
Figure FDA0002936628370000012
记X＝D·G＝[xi]M×1，列向量X的元素xi具有如下特征：
(1)若列向量X的负值元素的数量大于1，则对应大影响故障场景；
(2)若列向量X的负值元素的数量为1，且正值元素的数量不小于1，则对应中度影响故障场景；
(3)若列向量X没有负值元素，且正值元素的数量不小于1，则对应小影响故障场景。
5.根据权利要求4所述的基于任务可靠度分析的变电站设备维护方法，其特征在于，步骤4包括以下子步骤：
步骤4.1：计算故障点的可用率、不可用率和失效率；
可能故障点可用率计算公式如下：
a)大影响故障场景下，故障点i的可用率
Figure FDA0002936628370000021
b)中度影响故障场景下，故障点i的可用率
Figure FDA0002936628370000022
c)小影响故障场景下，故障点i的可用率
Ai＝APij
Ai表示可能故障点Fi的可用率，AIij表示与可能故障点Fi连接的第j个信息层设备，APij表示与可能故障点Fi连接的第j个物理层设备；
可能故障点不可用率计算公式如下：
a)大影响故障场景下，故障点i的不可用率
Figure FDA0002936628370000023
b)中度影响故障场景下，故障点i的不可用率
Figure FDA0002936628370000024
c)小影响故障场景下，可能故障点i的不可用率
Qi＝QPij
Qi表示可能故障点i的不可用率，QIij表示与可能故障点i连接的第j个信息层设备；QPij表示与可能故障点i连接的第j个物理层设备；
可能故障点失效率计算公式如下：
a)大影响故障场景下，计算可能故障点i的失效率时有
Figure FDA0002936628370000031
b)中度影响故障场景下，计算可能故障点i的失效率时有
Figure FDA0002936628370000032
c)小影响故障场景下，计算可能故障点i的失效率时有
λi＝λPij
λi表示可能故障点i的失效率，λIij表示与可能故障点i连接的第j个信息层设备；λPij表示与可能故障点i连接的第j个物理层设备；
步骤4.2：分别计算可能故障点的大影响可靠性PS1、中度影响可靠性PS2、小影响可靠性PS3；
对于可用率、不可用率、失效率三者与可靠性的定量关系的描述，有
PS＝0.8453·A+0.0365·(1-Q)+0.1182·(1-λ)
步骤4.3：结合大影响可靠性PS1、中度影响可靠性PS2、小影响可靠性的权重PS3，计算得到故障点的任务可靠度
Ps＝w1·PS1+w2·PS2+w3·PS3
式中w1、w2、w3分别为大影响可靠性PS1、中度影响可靠性PS2、小影响可靠性PS3的权重。
6.根据权利要求1-5任意一项所述的基于任务可靠度分析的变电站设备维护方法，其特征在于，步骤6中，所述确定变电站允许的信息设备的可用率的波动区间和物理设备的可用率的波动区间，具体过程包括：(1)估算I1、I2的区间范围[I1mim,I1max]、[I2mim,I2max]；(2)利用蒙特卡洛方法正向计算出区间范围[I1mim,I1max]、[I2mim,I2max]作为输入的可能故障点的任务可靠度，将得到的任务可靠度与专家给出的任务可靠度的理想区间进行比较和优化，对区间范围[I1mim,I1max]、[I2mim,I2max]进行逐步调整、优化；
计算出区间范围[I1mim,I1max]、[I2mim,I2max]后，比较判断计算结果区间和专家给出的理想区间之间的差距；采用禁忌搜索算法在自变量的初始区间上进行微步调整，调整一次，重复利用蒙特卡洛方法进行正向演算，计算输出的结果区间，逐步缩小和理想区间的差距，最后确定理想的I1、I2波动区间。
CN202110161025.XA 2021-02-05 2021-02-05 基于任务可靠度分析的变电站设备维护方法 Active CN112966837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110161025.XA CN112966837B (zh) 2021-02-05 2021-02-05 基于任务可靠度分析的变电站设备维护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110161025.XA CN112966837B (zh) 2021-02-05 2021-02-05 基于任务可靠度分析的变电站设备维护方法

Publications (2)

Publication Number Publication Date
CN112966837A true CN112966837A (zh) 2021-06-15
CN112966837B CN112966837B (zh) 2022-06-21

Family

ID=76274456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110161025.XA Active CN112966837B (zh) 2021-02-05 2021-02-05 基于任务可靠度分析的变电站设备维护方法

Country Status (1)

Country Link
CN (1) CN112966837B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140163936A1 (en) * 2012-12-11 2014-06-12 International Business Machines Corporation System and method for maintenance planning and failure prediction for equipment subject to periodic failure risk
CN106779371A (zh) * 2016-12-05 2017-05-31 国网江西省电力公司经济技术研究院 一种基于设备全寿命周期的配电系统可靠性评估方法
KR101904868B1 (ko) * 2017-04-28 2018-10-10 효성중공업 주식회사 변전소의 자산 관리 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140163936A1 (en) * 2012-12-11 2014-06-12 International Business Machines Corporation System and method for maintenance planning and failure prediction for equipment subject to periodic failure risk
CN106779371A (zh) * 2016-12-05 2017-05-31 国网江西省电力公司经济技术研究院 一种基于设备全寿命周期的配电系统可靠性评估方法
KR101904868B1 (ko) * 2017-04-28 2018-10-10 효성중공업 주식회사 변전소의 자산 관리 방법
US20200096983A1 (en) * 2017-04-28 2020-03-26 Hyosung Heavy Industries Corporation Method for asset management of substation

Also Published As

Publication number Publication date
CN112966837B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN105117602B (zh) 一种计量装置运行状态预警方法
CN105930976B (zh) 基于加权理想点法的节点电压暂降严重程度综合评估方法
CN105825342A (zh) 一种管道失效可能性评价方法及系统
CN106096810A (zh) 基于配电网运行数据与地理拓扑信息的规划方法及系统
CN109525435A (zh) 一种电网业务服务器运行状态预警方法
CN105303331A (zh) 一种变压器维修风险决策方法
CN112116276B (zh) 一种计及电气主设备时变状态的变电站运行风险评估方法
CN113850693A (zh) 基于多源信息融合的配网停电风险综合评估与预警的方法
CN103617447A (zh) 智能变电站的评价系统及评价方法
CN112417627A (zh) 一种基于四维指标体系配电网运行可靠性分析方法
CN109378835A (zh) 基于互信息冗余性最优的大规模电力系统暂态稳定评估系统
KR102379472B1 (ko) 시공간 피해특성을 고려한 다종 데이터 융합 분석방법
CN109613372B (zh) 一种基于多元电网数据库的电网故障诊断方法
CN111160576A (zh) 配电变压器健康度量化评估方法、装置、设备及介质
CN112966837B (zh) 基于任务可靠度分析的变电站设备维护方法
CN114155048A (zh) 关联业务预测的方法、装置、电子设备及存储介质
CN105160448A (zh) 一种基于未确知有理数的电力交易监管风险指标评价方法
CN112633646A (zh) 一种信息系统的评估方法及装置
CN117400771A (zh) 一种基于电动汽车的充电桩充电控制方法
CN114860808A (zh) 基于大数据的配电网设备异常事件关联分析方法
CN113283300B (zh) 一种抽水蓄能机组轴系劣化评估方法及装置
CN114638169A (zh) 变压器时变故障概率计算方法、装置及计算机可读存储介质
Zhiwei et al. Evaluation model of utilization efficiency of equipment assets in power distribution network based on order relation-improved entropy weight method
Tabesh et al. Extended period reliability analysis of water distribution systems based on head driven simulation method
Guo et al. Research on Equipment RCM Maintenance Strategy Based on Importance Assessment and Online Fault Monitoring

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