CN113537753B - 一种智能组件环境适应性评估方法 - Google Patents

一种智能组件环境适应性评估方法 Download PDF

Info

Publication number
CN113537753B
CN113537753B CN202110781618.6A CN202110781618A CN113537753B CN 113537753 B CN113537753 B CN 113537753B CN 202110781618 A CN202110781618 A CN 202110781618A CN 113537753 B CN113537753 B CN 113537753B
Authority
CN
China
Prior art keywords
intelligent component
environment
evaluation
environment adaptability
adaptability
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.)
Active
Application number
CN202110781618.6A
Other languages
English (en)
Other versions
CN113537753A (zh
Inventor
刘正阳
程林
周盟
江翼
张静
罗传仙
石悠旖
杨旭
周文
曾静岚
陈敏维
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.)
State Grid Corp of China SGCC
Wuhan NARI Ltd
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
NARI Group Corp
Original Assignee
State Grid Corp of China SGCC
Wuhan NARI Ltd
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
NARI Group Corp
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 State Grid Corp of China SGCC, Wuhan NARI Ltd, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd, NARI Group Corp filed Critical State Grid Corp of China SGCC
Priority to CN202110781618.6A priority Critical patent/CN113537753B/zh
Publication of CN113537753A publication Critical patent/CN113537753A/zh
Application granted granted Critical
Publication of CN113537753B publication Critical patent/CN113537753B/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
    • G06Q10/06—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
    • G06F17/16—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
    • 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

Abstract

本发明提供了一种智能组件环境适应性评估方法，包括以下步骤：通过历史缺陷和故障确定智能组件环境适应性特征参量；对智能组件环境适应性特征参量对智能组件环境适应性的影响标度，得到评估因子并给出定量分析；基于评估因子构建智能组件环境适应性评估矩阵；对智能组件环境适应性评估矩阵进行一致性检验；通过环境参量对每个智能组件环境适应性特征参量进行评估，并构建环境参量评估矩阵；对环境参量评估矩阵进行一致性检验；根据经过一致性检验的智能组件环境适应性评估矩阵和环境参量评估矩阵计算得到环境参量对环境适应性特征量的总权重排序。本发明有利于提高智能组件的可靠性。

Description

一种智能组件环境适应性评估方法
技术领域
本发明属于电力设备技术领域，具体涉及一种智能组件环境适应性评估方法。
背景技术
目前国内对状态监测装置侧重于常温环境下准确性及可靠性的研究，对于极寒，高热，大风沙等恶劣环境下状态监测装置运行影响及监测诊断技术研究国内还未见开展，尚处于起步阶段。其专用计量标准装置的研制尚在起步阶段，未见有技术成熟的装置运行及比较成熟的技术报告，只有少数供电公司针对当地情况，进行了一定的研究。
现有智能组件的环境试验评估主要还是采用实验室针对单个环境量进行测试认证，没有考虑到智能组件的故障或失效是一个综合的因素，现有的技术可能更多的是控制单一变量的测试方法，随着人工智能和物联网传感技术的发展，从多个维度对智能组件的运行状态及运行环境进行实时动态监测，综合评估智能组件环境适应性。
智能组件一般由传感器、监测智能电子装置(IED)、站端监测后台3个部分组成，系统通过传感器技术、采集分析、通信传输等技术实现对变电设备运行状态的实时感知、监视预警、分析诊断和评估预测，传感器、监测智能电子装置(IED)工作在户外，这两部分是否能够在恶劣条件下正常工作，是否能够安全稳定的运行是决定系统能否正常工作的关键因素。
现行的对环境温度和防护等级的规定并不一定能很好的适用于诸如蒙东，甘肃，青海等极寒，高温或强风沙地区，上述常规在线监测装置的传感技术是否能够继续适用还没有直接的研究成果支撑。但相关传感器在诸如航天等其他领域已经得到了较多的应用。智能组件受恶劣环境影响，其运行寿命、监测稳定性受到影响，现有的实验室检测方法对于环境防护检测和数据检测是分开进行的，对于在线监测传感器、IED等易受环境影响的关键部件，缺乏有效的实验室验证检测方法。
发明内容
本发明的目的就是为了解决上述背景技术存在的不足，提供一种智能组件环境适应性评估方法，具体的说是对智能组件的环境关键参量进行适应性评估，有利于提高智能组件的可靠性。
本发明采用的技术方案是：一种智能组件环境适应性评估方法，包括以下步骤：
S1，通过历史缺陷和故障确定智能组件环境适应性特征参量；
S2，将智能组件环境适应性特征参量对智能组件环境适应性的影响进行标度，得到评估因子；
S3，基于评估因子构建智能组件环境适应性评估矩阵；
S4，对智能组件环境适应性评估矩阵进行一致性检验；
S5，通过环境参量对每个智能组件环境适应性特征参量进行评估，并构建环境参量评估矩阵；
S6，对环境参量评估矩阵进行一致性检验；
S7，根据经过一致性检验的智能组件环境适应性评估矩阵和环境参量评估矩阵计算得到环境参量对环境适应性特征量的总权重值,
S8，基于环境参量和环境参量对环境适应性特征量的总权重值计算得到智能组件环境适应性评估结果智能组件环境适应性特征参量智能组件环境适应性特征参量。
上述技术方案中，步骤S1具体包括以下步骤：根据历史数据分析智能组件在不同环境下出现的缺陷和故障，确定智能组件环境适应性特征参量。
上述技术方案中，步骤S2具体包括以下步骤：对智能组件环境适应性特征参量记为Z，n个智能组件环境适应性特征参量对应评估因子的记为x1、x2、x3…xn，设定n个评估因子的标定值；X＝{x1，x2，x3，…，xn}为环境适应性特征量对智能组件环境适应性特征参量Z的影响因素。
上述技术方案中，步骤S3具体包括以下步骤：每次取两个评估因子xi、xj，计算评价因子xi、xj对智能组件环境适应性Z的影响大小之比aij，aij＝xi/xj；构建智能组件环境适应性评估矩阵A，记为A＝(aij)n*n，其中i,j＝1,2,3,…，n。
上述技术方案中，步骤S4具体包括以下步骤：通过智能组件环境适应性评估矩阵A的最大特征值λmax与随机一致性指标的最大特征平均值λ的比值来对评估矩阵的一致性进行检验；当比值小于0.01时，则一致性检验通过，继续执行步骤S5；否则，返回步骤S2重新设定评估因子的标度值。
上述技术方案中，步骤S5具体包括以下步骤：,计算m个环境参量对影响因素X的影响大小之比bkl，bkl＝ek/el，其中m个环境参量记为e1、e2、e3…em；构建智能组件环境适应性特征参量评估矩阵E，记为
Figure BDA0003154363900000031
其中k,l＝1,2,3,…,m；h＝1,2,3,…,n智能组件环境适应性特征参量。
上述技术方案中，步骤S6具体包括以下步骤：通过智能组件环境适应性特征参量评估矩阵E的最大特征值λmax’与随机一致性指标的最大特征平均值λ’的比值来对评估矩阵的一致性进行检验；当比值小于0.01时，则一致性检验通过，继续执行步骤S7；否则，返回步骤S2重新设定评估因子的标度值。
上述技术方案中，步骤S7具体包括以下步骤：
对智能组件环境适应性评估矩阵A进行归一化处理，得到每个环境适应性特征参量的权重，评价因子xp的权重ap记为:
Figure BDA0003154363900000032
对每个环境适应性特征量进行归一化处理，得到环境参量对每个环境适应性特征量的权重,环境参量eq对评价因子xq的权重记为
Figure BDA0003154363900000033
记为：
Figure BDA0003154363900000041
根据智能组件环境适应性的特征参量的权重和环境参量对每个特征量的权重换算计算得到环境参量对环境适应性特征量的总权重值，环境参量ei对评价因子xj的总权重值记为
Figure BDA0003154363900000042
其中，p,q＝1,2,3,…
本发明提供了一种智能组件环境适应性评估系统，包括智能组件环境适应性特征参量获取单元、评估因子生成单元、智能组件环境适应性评估矩阵生成单元、环境参量评估矩阵生成单元单元、评估结果生成单元，其中：
智能组件环境适应性特征参量获取单元用于根据历史缺陷和故障确定智能组件环境适应性特征参量并将智能组件环境适应性特征参量的计算结果发送至评估因子生成单元和环境参量评估矩阵生成单元；
评估因子生成单元根据智能组件环境适应性特征参量对智能组件环境适应性的影响进行标度，得到评估因子，并将评估因子的计算结果发送至智能组件环境适应性评估矩阵生成单元；
智能组件环境适应性评估矩阵生成单元基于评估因子构建智能组件环境适应性评估矩阵，并对智能组件环境适应性评估矩阵进行一致性检验，如果一致性检验不通过发送反馈指令至评估因子生成单元，评估因子生成单元重新设定评估因子的标度值；
环境参量评估矩阵生成单元通过环境参量对每个智能组件环境适应性特征参量进行评估，构建环境参量评估矩阵，并对环境参量评估矩阵进行一致性检验，如果一致性检验不通过发送反馈指令至评估因子生成单元，评估因子生成单元重新设定评估因子的标度值；
评估结果生成单元接收经过一致性检验的智能组件环境适应性评估矩阵和环境参量评估矩阵，并据此计算得到环境参量对环境适应性特征量的总权重值，通过环境参量和环境参量对环境适应性特征量的总权重值计算得到智能组件环境适应性评估结果。
本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述技术方案中所述的方法的步骤。
本发明的有益效果是：本发明通过环境参量、评估特征量与智能组件环境适应性的权重关系，评估矩阵的建立，结合历史数据中智能组件的缺陷和故障特性，能够有效地改善智能组件运行状态的评估，并对智能组件环境适应的评估特征量进行权重配比，针对不同的环境对智能组件的硬件进行调整，提高智能组件的质量特性，从而确保智能组件环境适应性的提高，减小智能组件的运检成本。
附图说明
图1为本发明的流程示意图；
图2为本发明的具体实施例应用示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。
如图1所示，本发明提供了一种智能组件环境适应性评估方法，包括以下步骤：
第一步，通过已有的典型缺陷及故障案例分析智能组件环境适应性的关键特征参量。本具体实施例中智能组件环境适应性特征参量确定为智能组件的供电能力、接口防护能力、传感器可靠性、计算效率，从四个方面评估智能组件的环境适应性。
第二步，对智能组件环境适应性特征参量对智能组件环境适应性的影响标度，并给出定量分析。
第三步，构建智能组件环境适应性特征参量评估矩阵A，定量、简洁、有效的评估判断智能组件的环境适应性。
第四步，对智能组件环境适应性特征参量评估矩阵A中所选的评价因子参数进行一致性检验，确保影响评价因子标度的合理性，得到智能组件环境适应性特征参量对智能组件环境适应性的影响权重排序。
第五步，构建环境参量(高温、低温、大温差、强风沙尘)对智能组件环境适应性的评估矩阵，用于评估环境参量对环境适应性特征参量的影响。
第六步，对环境参量智能组件环境适应性特征参量的评估矩阵进行一致性检验，确保矩阵定量参数的合理性；计算得到环境参量对环境适应性特征参量的有效权重排序。
第七步，结合两个经过一致性检验的评估矩阵，得到环境参量对智能组件环境适应性的总权重排序，基于环境参量的具体参数值和环境参量对环境适应性特征量的总权重值计算得到智能组件环境适应性评估结果，从而形成智能组件环境适应性关键参量的评估方法。
具体实现方法如下：
以历史数据为依托，分析智能组件在不同环境下可能出现的缺陷和故障，确定智能组件环境适应性的评估参量,即为供电能力、接口防护能力、传感器可靠性、计算效率。对智能组件环境适应性记为Z，其评估因子的记为x1、x2、x3、x4，即X＝{x1，x2，x3，x4}对Z的影响因素。
为了考虑因素X中因子之间的影响关系，每次取两个因子xi、xj，用aij表示xi、xj对Z的影响大小之比，即为aij＝xi/xj，构建智能组件环境适应性Z的评估矩阵，记为A＝(aij)4*4表示，即称为A为Z-X之间的成对比较评估矩阵。
A x1 x2 x3 x4
x1 1 a12 a13 a14
x2 a21 1 a23 a24
x3 a31 a32 1 a34
x4 a41 a42 a43 1
智能组件环境适应性评估矩阵A对应的最大特征值λmax的特征向量。通过评估矩阵的最大特征值λmax与随机一致性指标λ的比值来对评估矩阵的一致性进行检验。当比值小于0.01时，则检验通过，进入下一步；否则，需要重新设定评估因子的标度值。λmax是矩阵A的最大特征值，属于基本数学理论，随机一字形指标的最大特征值是通过随机方法构造500个样本矩阵，求得最大特征平均值λ。
对智能组件环境适应性评估矩阵A进行归一化处理，得到智能组件环境适应性的特征参量的权重，其计算方法：影响因子x1的权重可记为a1，则
Figure BDA0003154363900000071
同理可得到影响因子x2、x3、x4的权重分别为a2、a3、a4。
可记为：
A x1 x2 x3 x4
权重 a1 a2 a3 a4
智能组件环境适应性通过一致性检验后，接下来构建环境参量对每个智能组件环境适应性特征参量进行评估，环境参量可定义为高温、低温、大温差、强风沙尘，记为e1、e2、e3、e4，则其环境参量对每个智能组件环境适应性特征参量的评估矩阵E，其构建形式同智能组件环境适应性评估矩阵，用bkl表示ek、el对X的影响大小之比，即为bkl＝ek/el，形成如下评估矩阵：
Figure BDA0003154363900000072
环境参量对每个智能组件环境适应性特征参量的评估矩阵E的一致性检验与智能组件环境适应性评估矩阵的一致性检验采用同一种方式。如果检验通过，进入下一步；否则，需要重新设定评估因子的标度值。
接下来时对每个特征量x1、x2、x3、x4进行归一化处理，得到环境参量(e1、e2、e3、e4)对每个特征量(x1、x2、x3、x4)的权重换算。
可记为：
Figure BDA0003154363900000081
根据两个智能组件环境适应性评估矩阵与特征量评估矩阵，可得到智能组件环境适应性与环境参量之间的权重值，记为如下：
Figure BDA0003154363900000082
通过上述方法，通过环境参量的变化有效的评估智能组件的环境适应性，能快速得到智能组件对那种环境适应性抵抗能力较弱，开发人员有针对性及时的进行设计方案调整，提高产品在供电能力、接口防护能力、传感器可靠性、计算效率等方面做出优化整改。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对发明的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在发明待批的权利要求保护范围之内。

Claims (5)

1.一种智能组件环境适应性评估方法，其特征在于：包括以下步骤：
S1，通过历史缺陷和故障确定智能组件环境适应性特征参量；所述智能组件用于变电设备运行状态的实时感知、监视预警、分析诊断和评估预测；所述环境适应性特征参量包括供电能力、接口防护能力、传感器可靠性、计算效率；
S2，将智能组件环境适应性特征参量对智能组件环境适应性的影响进行标定，得到评估因子；
S3，基于评估因子构建智能组件环境适应性评估矩阵；
S4，对智能组件环境适应性评估矩阵进行一致性检验；
S5，通过环境参量对每个智能组件环境适应性特征参量进行评估，并构建环境参量评估矩阵；所述环境参量包括：高温、低温、大温差和强风沙尘；
S6，对环境参量评估矩阵进行一致性检验；
S7，根据经过一致性检验的智能组件环境适应性评估矩阵和环境参量评估矩阵计算得到环境参量对智能组件环境适应性特征参量的总权重值；
S8，基于所述总权重值计算得到智能组件环境适应性评估结果；
步骤S1具体包括以下步骤：根据历史数据分析智能组件在不同环境下出现的缺陷和故障，确定智能组件环境适应性特征参量；
步骤S2具体包括以下步骤：对智能组件环境适应性记为Z ，n个智能组件环境适应性特征参量对应的评估因子记为x1、x2、x3…xn，设定n个评估因子的标定值；X={x1，x2，x3，…，xn}为智能组件环境适应性特征参量对智能组件环境适应性Z的影响因素；
步骤S3具体包括以下步骤：每次取两个评估因子xi、xj，计算评估因子xi、xj对智能组件环境适应性Z的影响大小之比a ij，a ij=xi/xj；构建智能组件环境适应性评估矩阵A，记为A=(a ij)n*n，其中i,j=1,2,3,…，n；
步骤S5具体包括以下步骤： 计算m个环境参量对影响因素X的影响大小之比bkl，bkl=ek/el，其中m个环境参量记为e1、e2、e3…em；构建环境参量评估矩阵E，记为E=(
Figure QLYQS_1
)m*m，其中k,l=1,2,3,…,m；h=1,2,3,…,n；
步骤S7具体包括以下步骤：
对智能组件环境适应性评估矩阵A进行归一化处理，得到每个环境适应性特征参量的权重，评估因子xp的权重a p记为:
Figure QLYQS_2
；
对每个智能组件环境适应性特征参量进行归一化处理，得到环境参量对每个智能组件环境适应性特征参量的权重,环境参量eq对评估因子xp的权重记为
Figure QLYQS_3
，记为：
Figure QLYQS_4
；p=1,2,3,…,n；q=1,2,3,…,m;
根据智能组件环境适应性特征参量的权重和环境参量对评估因子的权重计算得到环境参量对智能组件环境适应性特征参量的总权重值，环境参量ei对智能组件环境适应性的总权重值记为
Figure QLYQS_5
。
2.根据权利要求1所述的一种智能组件环境适应性评估方法，其特征在于：步骤S4具体包括以下步骤：通过智能组件环境适应性评估矩阵A的最大特征值λmax与随机一致性指标的最大特征平均值λ的比值来对评估矩阵A的一致性进行检验；当比值小于0.01时，则一致性检验通过，继续执行步骤S5；否则，返回步骤S2重新设定评估因子的标定值。
3.根据权利要求1所述的一种智能组件环境适应性评估方法，其特征在于：步骤S6具体包括以下步骤：通过环境参量评估矩阵E的最大特征值λmax’与随机一致性指标的最大特征平均值λ’的比值来对评估矩阵E的一致性进行检验；当比值小于0.01时，则一致性检验通过，继续执行步骤S7；否则，返回步骤S2重新设定评估因子的标定值。
4.一种智能组件环境适应性评估系统，其特征在于：用于实现权利要求1所述的智能组件环境适应性评估方法；包括智能组件环境适应性特征参量获取单元、评估因子生成单元、智能组件环境适应性评估矩阵生成单元、环境参量评估矩阵生成单元、评估结果生成单元，其中：
智能组件环境适应性特征参量获取单元用于根据历史缺陷和故障确定智能组件环境适应性特征参量并将智能组件环境适应性特征参量的计算结果发送至评估因子生成单元和环境参量评估矩阵生成单元；所述智能组件用于变电设备运行状态的实时感知、监视预警、分析诊断和评估预测；所述环境适应性特征参量包括供电能力、接口防护能力、传感器可靠性、计算效率；
评估因子生成单元根据智能组件环境适应性特征参量对智能组件环境适应性的影响进行标定，得到评估因子，并将评估因子的计算结果发送至智能组件环境适应性评估矩阵生成单元；
智能组件环境适应性评估矩阵生成单元基于评估因子构建智能组件环境适应性评估矩阵，并对智能组件环境适应性评估矩阵进行一致性检验，如果一致性检验不通过发送反馈指令至评估因子生成单元，评估因子生成单元重新设定评估因子的标定值；
环境参量评估矩阵生成单元通过环境参量对每个智能组件环境适应性特征参量进行评估，构建环境参量评估矩阵，并对环境参量评估矩阵进行一致性检验，如果一致性检验不通过发送反馈指令至评估因子生成单元，评估因子生成单元重新设定评估因子的标定值；所述环境参量包括：高温、低温、大温差和强风沙尘；
评估结果生成单元接收经过一致性检验的智能组件环境适应性评估矩阵和环境参量评估矩阵，并据此计算得到环境参量对智能组件环境适应性特征参量的总权重值，通过环境参量对智能组件环境适应性特征参量的总权重值计算得到智能组件环境适应性评估结果。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的方法的步骤。
CN202110781618.6A 2021-07-08 2021-07-08 一种智能组件环境适应性评估方法 Active CN113537753B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110781618.6A CN113537753B (zh) 2021-07-08 2021-07-08 一种智能组件环境适应性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110781618.6A CN113537753B (zh) 2021-07-08 2021-07-08 一种智能组件环境适应性评估方法

Publications (2)

Publication Number Publication Date
CN113537753A CN113537753A (zh) 2021-10-22
CN113537753B true CN113537753B (zh) 2023-06-27

Family

ID=78098354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110781618.6A Active CN113537753B (zh) 2021-07-08 2021-07-08 一种智能组件环境适应性评估方法

Country Status (1)

Country Link
CN (1) CN113537753B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006107102A (ja) * 2004-10-05 2006-04-20 Canon Inc ３ｄモデルによる製品環境アセスメント評価システム
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN110299192A (zh) * 2019-06-28 2019-10-01 中国兵器工业第五九研究所 一种轻武器部件及其复合材料、高分子材料的环境适应性评价方法
CN112184008A (zh) * 2020-09-27 2021-01-05 科大国创云网科技有限公司 一种基于层次分析法的基站智慧节能模型评估方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8447859B2 (en) * 2007-12-28 2013-05-21 International Business Machines Corporation Adaptive business resiliency computer system for information technology environments
CN107941537B (zh) * 2017-10-25 2019-08-27 南京航空航天大学 一种机械设备健康状态评估方法
CN108563525B (zh) * 2018-04-13 2021-04-20 中国人民解放军陆军装甲兵学院 复杂系统可靠性仿真中智能体环境任务干涉方法及系统
CN109919441A (zh) * 2019-01-31 2019-06-21 中国人民解放军92942部队 一种基于证据推理的舰船装备环境适应性评估方法
CN110852615A (zh) * 2019-11-11 2020-02-28 黑龙江省电工仪器仪表工程技术研究中心有限公司 一种典型环境下智能电能表可靠性综合评价模型
CN112668862A (zh) * 2020-12-23 2021-04-16 华中科技大学 一种生产线的适应性量化评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006107102A (ja) * 2004-10-05 2006-04-20 Canon Inc ３ｄモデルによる製品環境アセスメント評価システム
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN110299192A (zh) * 2019-06-28 2019-10-01 中国兵器工业第五九研究所 一种轻武器部件及其复合材料、高分子材料的环境适应性评价方法
CN112184008A (zh) * 2020-09-27 2021-01-05 科大国创云网科技有限公司 一种基于层次分析法的基站智慧节能模型评估方法及系统

Also Published As

Publication number Publication date
CN113537753A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN111461555B (zh) 一种生产线质量监测方法、装置及系统
CN108681633B (zh) 一种基于状态参数的凝结水泵故障预警方法
Yang et al. A novel model-based fault detection method for temperature sensor using fractal correlation dimension
CN107016236B (zh) 基于非线性量测方程的电网假数据注入攻击检测方法
Tran et al. Comparative investigations on reference models for fault detection and diagnosis in centrifugal chiller systems
KR100867938B1 (ko) 종속변수 유사도와 커널 회귀법을 이용한 발전소 계측기성능감시용 예측방법
CN108549908B (zh) 基于多采样概率核主成分模型的化工过程故障检测方法
CN112785091A (zh) 一种对油田电潜泵进行故障预测与健康管理的方法
Yang et al. A hybrid model-based fault detection strategy for air handling unit sensors
CN112070357A (zh) 一种基于改进bp神经网络的雷达辐射源威胁评估方法
CN112100574A (zh) 一种基于重采样的aakr模型不确定度计算方法及系统
Maes et al. Hierarchical modeling of pipeline defect growth subject to ILI uncertainty
CN113295399B (zh) 换流阀元件状态评估方法、装置、电子设备和存储介质
CN113721182B (zh) 一种电力互感器性能在线监测结果可靠度评估方法及系统
CN115270266A (zh) 基于改进层次分析法的边坡监测状态风险判断方法
Liu et al. Misspecification analysis of two‐phase gamma‐Wiener degradation models
CN113537753B (zh) 一种智能组件环境适应性评估方法
CN117390635A (zh) 一种基于大数据分析的安全监测方法和系统
CN117235664A (zh) 配电通信设备的故障诊断方法、系统和计算机设备
CN112380763A (zh) 一种基于数据挖掘的堆内构件可靠性分析系统及方法
CN115951292A (zh) 一种电子式电压互感器误差状态在线评估方法及装置
CN114254904B (zh) 一种风电机组机舱运行健康度评价方法及装置
CN116128690A (zh) 一种碳排放量成本值计算方法、装置、设备及介质
CN115034383A (zh) 网络的训练方法和温度预测方法、装置、设备及存储介质
CN107885139A (zh) 用于监视传感器布置的功能的方法

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
GR01 Patent grant
GR01 Patent grant