CN115455729A - 基于故障率拟合的电网安全稳定控制装置可靠性评估方法 - Google Patents

Abstract

本发明公开了一种基于故障率拟合的电网安全稳定控制装置可靠性评估方法。首先采集安全稳定控制装置的历史故障率和全程状态监测量；随后，建立安全稳定控制装置故障率拟合模型，该模型可结合协变量向量，实时反映设备的状态；接着拟合出安全稳定控制装置故障率函数，求解参数拟合的估计参数，该函数可以表征安控装置在运行周期内的故障率变化情况；最后利用安全稳定控制装置故障率拟合过程中的估计参数，考虑安全稳定控制装置关联，建立安全稳定控制装置可靠度及复合故障率函数，表征安全稳定控制装置运行周期中的安全性，从而实现电力系统安全稳定控制装置运行故障的实时评估。

Description

基于故障率拟合的电网安全稳定控制装置可靠性评估方法

技术领域

本发明涉及电力系统保护和控制技术领域，具体涉及基于故障率拟合的电网安全稳定控制装置可靠性评估方法。

背景技术

与继电保护作为电网抵御干扰的第一道防线类似，安全稳定控制系统(安控系统)作为第二道防线保证着电网的正常运行。安全稳定控制装置(安控装置)通过一定的控制逻辑相互配合，使得安控系统可以实现预防控制、紧急控制和恢复控制等功能。由于违规操作、定值设置与实际电网不匹配以及设备长时间运行老化等隐患问题，安控装置在运行过程中存在着失效风险。安控装置失效导致安控系统拒动或误动，可能引发大规模的电网安全稳定问题。因此，对安控装置进行失效风险分析及可靠性评估，对于保障电力系统应对电网故障的抵御能力意义重大。

现有的设备可靠性评估主要依赖于对故障设备的历史运行数据进行统计，利用统计方法对设备的故障概率进行计算，包括故障树、马尔可夫等方法。故障树法将整个电力系统分解为多个子系统和底层部件，通过计算底层部件的失效分布，配合系统内部各个子系统之间的逻辑关系，获得顶层系统的失效分布。马尔可夫法通过建立装置或系统的状态转移模型，结合不同元件对装置的重要性，分析装置或系统转移至故障状态的原因及概率。但是，上述方法对样本容量的大小有着较高的要求，系统内部复杂的影响机理和高耦合度导致的状态数量爆炸性增长也使得相应的计算复杂度指数上升。

近年来，数据需求量小、计算简洁的基于参数拟合的设备可靠性评估开始进入人们的视野。极大似然估计、同伦算法和灰色-三参数威布尔分布逐渐得到应用。但是，目前鲜有安控装置参数拟合的研究。由于组成元件、运行原理、功能等的区别，一次设备和继电保护的可靠性评估方法难以直接应用于安控装置。因此亟需结合安全稳定控制装置本身的结构特点，建立合适的安全稳定控制装置故障率模型，实现电力系统安全稳定控制装置的可靠性评估。

发明内容

针对上述现有技术的不足，本发明实际需要解决的问题是：如何从安全稳定控制装置的运行周期中采集历史统计数据和状态监测量，并统计出离散的故障率数据。如何建立安全稳定控制装置的故障率拟合模型，并提出符合运行状态的协变量组。如何利用采集到的离散数据拟合出符合装置运行规律的故障率函数，且函数检验达标。如何利用故障率拟合过程所得的估计参数，求解安控装置的可靠度与复合故障概率等可靠性评价指标，实现装置的可靠性评估。

为了解决上述技术问题，本发明采用了如下的技术方案:

基于故障率拟合的电网安全稳定控制装置可靠性评估方法，包括如下步骤：

S101、采集安全稳定控制装置的历史故障率和全程状态监测量；

S102、根据预设连接函数和预设基准故障率函数，建立安全稳定控制装置故障率拟合模型；

S103、将历史故障率和历史状态监测量带入安全稳定控制装置故障率拟合模型中，得到连接函数的回归系数；

S104、将历史故障率、回归系数以及历史状态监测量带入安全稳定控制装置故障率拟合模型中，拟合得到基准故障率函数的估计参数，并进行检验；

S105、利用通过检验的估计参数，计算得到安全稳定控制装置的可靠度；

S106、利用通过检验的估计参数、回归系数和当前状态监测量，结合安全稳定控制装置的关联情况，计算得到安全稳定控制装置的复合故障率；

S107、基于所述安全稳定控制装置可靠度，预测得到安全稳定控制装置的可能故障类型；基于所述复合故障概率，预测得到安全稳定控制装置出现故障的概率。

现有的设备可靠性评估主要依赖于对故障设备的历史运行数据进行统计，利用统计方法对设备的故障概率进行计算，包括故障树、马尔可夫等方法。故障树法通过计算底层部件的失效分布，获得顶层系统的失效分布；马尔可夫法通过建立装置或系统的状态转移模型，分析装置或系统转移至故障状态的原因及概率。但是，上述方法对样本容量的大小有着较高的要求，系统内部复杂的影响机理和高耦合度导致的状态数量爆炸性增长也使得相应的计算复杂度指数上升。与现有技术相比，本发明具有以下有益效果：

1.利用安全稳定控制装置运行过程中方便采集的数据和状态量计算离散故障率，在符合装置实际情况的同时，避免了采用其他计算方法可能造成的高误差，保证了后续计算的准确度。

2.本发明通过将二参数威布尔分布与协变量向量组合，构建了符合装置故障率变化规律的故障率模型，既保留了威布尔分布曲线可调、参数易得的优点，还强调了运行环境、役龄、生产厂家等因素对装置故障率的影响，极大程度地还原了装置的实际运行情况。

3.本发明采用参数拟合的方式对安全稳定控制装置的故障率函数及相关参数进行求解，数据需求量小、计算简洁，避免了传统可靠性评估方法可能遇到的样本容量要求大、计算复杂度过高等问题。

4.计算可靠度等可靠性评价指标时，本发明仅需要已经取得的故障率函数具体值或者估计参数，极大得简化了安控装置可靠性评估的分析逻辑和求解过程，具有较好的通用性。

5.本发明实施方式明确，仅需采集安全稳定控制装置的历史统计数据和全程状态监测量，通过参数拟合的方式求解装置故障率函数与估计参数，并将计算结果用于安全稳定控制装置可靠性评价指标的分析中。整体方案易于实现，具有较强的经济性和实用性。

附图说明

为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1是本发明公开的基于故障率拟合的电网安全稳定控制装置可靠性评估方法流程图；

图2是本发明实施例中安全稳定控制装置的故障率函数曲线图；

图3是本发明实施例中安全稳定控制装置的可靠度函数曲线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明公开了基于故障率拟合的电网安全稳定控制装置可靠性评估方法，包括如下步骤：

S101、采集安全稳定控制装置的历史故障率和全程状态监测量；

S102、根据预设连接函数和预设基准故障率函数，建立安全稳定控制装置故障率拟合模型；

S103、将历史故障率和历史状态监测量带入安全稳定控制装置故障率拟合模型中，得到连接函数的回归系数；

S104、将历史故障率、回归系数以及历史状态监测量带入安全稳定控制装置故障率拟合模型中，拟合得到基准故障率函数的估计参数，并进行检验；

S105、利用通过检验的估计参数，计算得到安全稳定控制装置的可靠度；

S106、利用通过检验的估计参数、回归系数和当前状态监测量，结合安全稳定控制装置的关联情况，计算得到安全稳定控制装置的复合故障率；

S107、基于所述安全稳定控制装置的可靠度，预测得到安全稳定控制装置的可能故障类型；基于所述复合故障率，预测得到安全稳定控制装置出现故障的概率。

在本发明实施例中，本发明基于采集安全稳定控制装置的历史故障率和全程状态监测量，得到装置运行的离散故障率，并利用参数拟合计算了装置的协变量回归系数以及估计参数，将计算结果用于装置可靠性评价指标的求解，实现了安全稳定控制装置的可靠性评估。本发明能有效挖掘安全稳定控制装置实时运行的规律，对装置的失效情况做出预测，保证装置安全稳定运行。

具体实施时，步骤S101中，所述采集到的历史故障率可以反映安全稳定控制装置在A健康度、B设备役龄、C环境条件以及D生产厂商下的故障率。

可以得到如表1所示的故障率分布：

表1 安控装置故障率分布

可以理解的是，所述故障率受到健康度、运行役龄、环境条件以及生产厂商的综合影响，即每个因素的改变都会对故障率造成一定影响。这里为了方便展示，令上述表格中环境条件和生产厂商是不变的，只展示了健康度和运行役龄变化的情况。

具体实施时，步骤S101中，所述全程状态监测量既包括历史状态监测量，也包括当前状态监测量；所述历史状态监测量和所述当前状态监测量所需采集的监测量都是一致的，反映的是不同时间段的状态监测量；本发明使用所述历史状态监测量计算得到安全稳定控制装置故障率拟合模型的回归系数和估计参数，使用所述当前状态监测量计算得到当前安全稳定控制装置出现故障的概率，实现对安装稳定控制装置的可靠性评估。

具体实施时，步骤S101中，所述全程状态监测量包括安全稳定控制装置故障维修次数、安全稳定控制装置定期检修次数、安控装置运行环境平均温度、安控装置运行环境平均湿度、安控装置总运行时长以及安控装置所属生产厂家。

可以理解是，上述采集的状态监测量中，针对某一确定的安控装置，除了安控装置所属生产厂家为定值以外，其他状态监测量都有可能发生变化，这种变化能够反映安控装置所处的状态变化，本发明能够根据这种状态变化情况，计算出相应状态下的复合故障率，从而实现对安控装置的可靠性评估。

具体实施时，步骤S102中，本发明利用二参数威布尔分布与协变量向量组合，分别设计了预设基准故障率函数和预设连接函数，构建了符合装置故障率变化规律的故障率模型，表示为：

λ(t|Z)＝λ₀(t)ψ(Z(t))

式中，λ(t|Z)表示在装置故障率的协变量Z下的拟合故障率，λ₀(t)为基准故障率；ψ(Z(t))为连接函数，反映处于不同协变量Z(t)对故障率的影响；Z(t)为装置故障率的协变量。

具体实施时，所述协变量包括：

健康度：反映设备整体运行状态；与安全稳定控制装置故障维修次数、安全稳定控制装置定期检修次数有关，按照设备的当前状态，分为5个等级：正常﹑注意、异常、严重和故障，对应的协变量取值分别为0～1的不同取值；例如可以依次取0、0.1、0.3、0.6和1；

设备役龄：代表着设备运行时间的长短，设备的役龄越大，出现元件老化、运行模式不匹配等故障现象的概率也就越高，对应的协变量取值为设备运行的时间长短；例如设备役龄为6年，那么对应的协变量取值就可以为6。

环境条件：反映安控装置广域运行的特征，按照设备工作的平均温度、平均湿度与相应的预设阈值的差别，得到协变量取值；例如设备工作的平均温度为40℃，平均湿度为40％，假设预设的平均温度阈值为45℃，预设的平均湿度阈值为50％；那么设备工作的平均温度和平均湿度都没有超过相应的预设阈值，那么对应的协变量取值就可以为1，否则协变量取值就可以为2。

生产厂商：反映设备故障隐患的不同程度，设备生产厂家可能存在的家族性缺陷，所以本发明由同类产品的故障情况确定生产厂商对应的协变量取值；举个例子，南瑞继保的装置取值为1，北京四方的装置取值为2，长园深瑞的装置取值为3，国电南自的装置取值为4，许继电气的装置取值为5。

具体实施时，安全稳定控制装置协变量的选择按以下方法确定：

该装置部署在城镇区域，运行役龄已有6年，期间定期检修3次，故障维修1次。根据前文所述的协变量取值原则，设备役龄可直接作为对应协变量的取值；因为工作在城镇中，其运行环境协变量取值为1；根据设备的历史检修记录，该装置的健康度处于“异常”状态，协变量取值为0.3；考虑到该生产厂家可能存在的家族性缺陷，对应的协变量取值为3。最终，该设备的协变量取值如表2所示：

表2 安控装置协变量

具体实施时，步骤S103中，装置故障率的拟合协变量组的连接函数的计算方法包括：

S301、根据采集的历史故障率，获取两个处于不同协变量下的同种装置的故障率分布；

S302、将两个装置的故障率分布相除，消去基准故障率，得到两个装置连接函数的比较情况；

S303、采用控制变量法，连续改变某一协变量的取值，获得该变化的协变量下的一系列的连接函数比值；

S304、基于求得的连接函数比值，采用数理统计方法求得该变化的协变量所对应的回归系数；直至求得所有协变量对应的回归系数；

S305、根据协变量与该协变量对应的回归系数，拟合得到装置故障率的拟合协变量组的连接函数，表示为：

ψ(Z(t))＝exp(γ_ageZ_age(t)+γ_envZ_env(t)+γ_HIZ_HI(t)+γ_mauZ_mau(t))

其中，ψ(Z(t))表示连接函数，Z_age、Z_env、Z_HI、Z_mau分别为根据设备役龄﹑设备所处的环境条件、设备的健康度以及设备所属的生产厂商选择的协变量数值；γ_age、γ_env、γ_HI、γ_mau分别为设备役龄、环境条件、健康度以及生产厂商对应协变量的回归系数，表征协变量对故障率影响程度的大小。

在本发明的优选实施例中，除了采用一般的数理统计方法求得该变化的协变量所对应的回归系数以外，还可以通过改进后的熵权法计算得到各个协变量对应的回归系数。具体包括：

S301A、根据设备役龄、环境条件、健康度以及生产厂商构建初始决策矩阵I；

其中，初始决策矩阵I表示为：

式中，x_ij表示第i个安控装置的第j个协变量对应的回归系数取值，i＝{1,2,...,m}，m表示安控装置的数量；j＝{1,2,3,4}，依次代表设备役龄、环境条件、健康度以及生产厂商。

S302A、对所述初始决策矩阵进行标准化，让各个协变量取值处于同一统计标准下；

S303A、利用信息熵计算公式，求得标准化后的各协变量的信息熵，表示为：

式中，p_ij表示标准化后的第i个安控装置的第j个协变量对应的回归系数取值。

S304A、得到各协变量的回归系数w_j，回归系数w_j的计算公式表示为：

式中，x_ij表示第i个安控装置的第j个协变量取值，e_a表示第a个协变量的信息熵；e_j表示第j个协变量的信息熵；e_b表示第b个协变量的信息熵；i＝{1,2,...,m}。

本实施例利用改进后的熵权法来计算不同回归系数，可以避免计算的回归系数信息与对应的熵值信息不一致的现象，使得所述回归系数更符合实际情况。

具体实施时，步骤S104中，安全稳定控制装置的故障率函数拟合方法为：

S401、将采集的历史故障率进行整理，按顺序把“时间”和“故障率”分别设置为两个集合，按时间顺序排列出采样周期内装置的离散故障率。

S402、将采样周期内装置的离散故障率生成故障率数据的故障率函数图像；

举个例子，可以通过打开MALAB软件中的cftool工具，将“时间”集合设定为X轴，“故障率”集合设定为Y轴，勾选“自动拟合”选项，即可获得基于该组故障率数据的故障率函数图像如图2所示。

S403、将威布尔分布公式与带入回归系数和历史状态监测量的安全稳定控制装置故障率拟合模型进行比较，估计得到基准故障率函数的估计参数；

举个例子，将MATLAB提供的威布尔分布公式abx^(b-1)*exp((-ax)^b)与安全稳定控制装置故障率拟合模型λ(t|Z)进行比较，由于λ(t|Z)中连接函数ψ(Z(t))是由安控装置的协变量取值(通过对应的历史状态监测量确定的)和回归系数计算得到的，所以将λ(t|Z)中ψ(Z(t))部分消除，将剩余部分与基准故障率函数进行比较，估计得到基准故障率函数的形状参数β＝b和尺度参数

所述基准故障率函数表示为：

式中，λ₀(t)表示基准故障率，β为形状参数；η为尺度参数。

根据上述实施例提供的数据，即可得形状参数β＝b＝0.704，尺度参数

对应的基准故障率函数为：

具体实施时，步骤S103中，安全稳定控制装置故障率函数的评价按如下方法进行：

残差检验：对原始故障数据组成的数列X⁽⁰⁾与拟合结果组成的数列

进行绝对误差与相对误差的计算，误差值越小，拟合的精度就越高。

绝对误差可写为：

相对误差可写为：

式中，X⁽⁰⁾(k)为收集到的安全稳定控制装置在某一时刻的实际故障率，

为同一时刻故障率函数的取值。

关联度检验：通过计算原始数列X⁽⁰⁾与拟合数列

的关联系数和关联度，来验证它们之间的相关性。

关联系数可写为：

式中，Δ(j)为绝对误差，max/min对应绝对误差的最大/最小值；ρ为分辨率，一般取值为0.5。

关联度为：

当关联度r>0.55时，可以认为模型通过检验。

将图2中函数曲线在每一年的故障率取值与表1中的故障率离散数据点代入绝对误差和相对误差公式。

即可得到拟合结果与实际数据之间的绝对误差和相对误差如表3所示。

表3 绝对误差与相对误差

为了验证故障率拟合结果与实际故障率变化情况的关联性，将绝对误差的数值代入关联系数的公式，可以计算出故障率函数与实际值之间的关联系数如表4所示：

表4 关联系数

将表4中的关联系数代入关联度公式，可以得到安控装置故障率函数的关联度：0.71，证明本发明的故障率拟合方法具有较高的可信度。

具体实施时，步骤S105中，安全稳定控制装置的可靠度函数通过以下方法确定：

式中，F(x)表示概率分布函数，R(x)表示可靠度函数，η>0为尺度参数；β>0为形状参数，当β<1时，故障率函数递减，对应安控装置初期投入运行的状态；当β＝1时，故障率函数呈指数分布，此时故障率趋于稳定，对应安控装置的稳定运行期；当β>1时，故障率函数递增，安控装置可靠性下降并开始进入损耗期；γ为门限参数，表征着安控装置进入损耗期的时间节点。

利用安控装置故障率函数曲线，可以确定装置进入损耗期的时间节点，以及可靠度函数中的门限参数γ＝1.32。在门限参数的基础上，配合故障率函数中的尺度参数和形状参数，可以得到该装置的可靠度函数为：

根据上述公式，可以得到安全稳定控制装置的可靠度函数如图3所示。

具体实施时，步骤S106中，安全稳定控制装置的复合故障概率计算方法为：

将具体故障率模型用于与样本装置有联系的其他安控装置的故障率计算中，以基准故障率λ₀(t)为基础，利用关联装置各自的协变量组进行调整，可以得到每个关联装置的故障率函数。

安全稳定控制装置复合故障率函数按以下方法建立：

式中，P_i(t)表示第i个安控装置的复合故障率，λ_i(t)表示第i个安控装置的拟合故障率；k＝1表示故障的安控装置没有关联装置；k≠1表示故障的安控装置具有关联装置；U_i(t)为第i个安控装置的关联故障率：

式中：M为处于故障状态的装置所在的关联集包含的安控装置总数目。

选择装置进入损耗期的时间节点(γ＝1.32)作为故障率的采样点，可以得到所有关联装置此刻的故障率如表5所示：

表5 关联装置的故障率分布

将上述数据代入公式

可以得到此时该装置的关联故障概率为：0.88。对应的装置复合故障概率为：

具体实施时，步骤S107中，利用可靠度函数的表达式与曲线，对安控装置的历史运行规律进行归纳总结，预测装置后续的运行状况以及可能遭遇的故障类型，制定相应的检修维护方案。基于安控装置的复合故障概率，对安控装置单独运行与组合运行情况下出现故障的可能性大小进行估计，考虑采用简化系统等方式减少安控装置的关联设备数量，降低装置的故障率。

上述计算过程表明，参数拟合方法在小样本的条件下，仍然能够以较高的可信度求得安全稳定控制装置的故障率函数以及估计参数，后续可靠性评价指标的计算能够直接准确得反映安全稳定控制装置在系统内的运行情况，为装置的可靠性评估提供参考。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，包括如下步骤：

S101、采集安全稳定控制装置的历史故障率和全程状态监测量；

S102、根据预设连接函数和预设基准故障率函数，建立安全稳定控制装置故障率拟合模型；

S103、将历史故障率和历史状态监测量带入安全稳定控制装置故障率拟合模型中，得到连接函数的回归系数；

S104、将历史故障率、回归系数以及历史状态监测量带入安全稳定控制装置故障率拟合模型中，拟合得到基准故障率函数的估计参数，并进行检验；

S105、利用通过检验的估计参数，计算得到安全稳定控制装置的可靠度；

S106、利用通过检验的估计参数、回归系数和当前状态监测量，结合安全稳定控制装置的关联情况，计算得到安全稳定控制装置的复合故障率；

S107、基于所述安全稳定控制装置的可靠度，预测得到安全稳定控制装置的可能故障类型；基于所述复合故障率，预测得到安全稳定控制装置出现故障的概率。

2.根据权利要求1所述的基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，步骤S101中，安全稳定控制装置的全程状态监测量包括：

安全稳定控制装置故障维修次数、安全稳定控制装置定期检修次数、安控装置运行环境平均温度、安控装置运行环境平均湿度、安控装置总运行时长以及安控装置所属生产厂家。

3.根据权利要求1所述的基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，步骤S102中，所述安全稳定控制装置故障率拟合模型为：

λ(t|Z)＝λ₀(t)ψ(Z(t))

式中，λ(t|Z)表示在装置故障率的协变量Z下的拟合故障率，λ₀(t)为基准故障率；ψ(Z(t))为连接函数，反映处于不同协变量Z(t)对故障率的影响；Z(t)为装置故障率的协变量。

4.根据权利要求1所述的基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，步骤S103中，装置故障率的拟合协变量组的连接函数的计算方法包括：

S301、根据采集的历史故障率，获取两个处于不同协变量下的同种装置的故障率分布；

S302、将两个装置的故障率分布相除，消去基准故障率，得到两个装置连接函数的比较情况；

S303、采用控制变量法，连续改变某一协变量的取值，获得该变化的协变量的一系列连接函数比值；

S304、基于求得的连接函数比值，采用数理统计方法求得该变化的协变量所对应的回归系数；直至求得所有协变量对应的回归系数；

S305、根据协变量与该协变量对应的回归系数，拟合得到装置故障率的拟合协变量组的连接函数，表示为：

ψ(Z(t))＝exp(γ_ageZ_age(t)+γ_envZ_env(t)+γ_HIZ_HI(t)+γ_mauZ_mau(t))

其中，ψ(Z(t))表示连接函数，Z_age、Z_env、Z_HI、Z_mau分别为根据设备役龄﹑设备所处的环境条件、设备的健康度以及设备所属的生产厂商选择的协变量数值；γ_age、γ_env、γ_HI、γ_mau分别为设备役龄、环境条件、健康度以及生产厂商对应协变量的回归系数，表征协变量对故障率影响程度的大小。

5.根据权利要求1或4所述的基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，步骤S102中，所述协变量包括：

健康度：按照设备的当前状态，分为5个等级：正常﹑注意、异常、严重和故障，对应的协变量取值分别为0～1的不同取值；

设备役龄：对应的协变量取值为设备运行的时间长短；

环境条件：按照设备工作的平均温度、平均湿度与相应的预设阈值的差别，得到协变量取值；

生产厂商：按照设备故障隐患的不同程度，由同类产品的故障情况确定生产厂商对应的协变量取值。

6.根据权利要求1所述的基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，步骤S104中，安全稳定控制装置故障率函数拟合方法包括：

S401、根据采集的历史故障率，按时间顺序排列出采样周期内装置的离散故障率；

S402、将采样周期内装置的离散故障率生成故障率数据的故障率函数图像；

S403、将威布尔分布公式与带入回归系数和历史状态监测量的安全稳定控制装置故障率拟合模型进行比较，估计得到基准故障率函数的形状参数和尺度参数；所述基准故障率函数表示为：

式中，λ₀(t)表示基准故障率，β为形状参数；η为尺度参数。

7.根据权利要求1所述的基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，步骤S104中，安全稳定控制装置的可靠度函数按以下方法建立：

式中，F(x)表示概率分布函数，R(x)表示可靠度函数，η>0为尺度参数；β>0为形状参数，当β<1时，故障率函数递减，对应安控装置初期投入运行的状态；当β＝1时，故障率函数呈指数分布，此时故障率趋于稳定，对应安控装置的稳定运行期；当β>1时，故障率函数递增，安控装置可靠性下降并开始进入损耗期；γ为门限参数，表征着安控装置进入损耗期的时间节点。

8.根据权利要求1所述的基于故障率拟合的电网安全稳定控制装置可靠性评估方法，其特征在于，步骤S104中，安全稳定控制装置的复合故障率函数按以下方法建立：

式中，P_i(t)表示第i个安控装置的复合故障率，λ_i(t)表示第i个安控装置的拟合故障率；k＝1表示故障的安控装置没有关联装置；k≠1表示故障的安控装置具有关联装置；U_i(t)为第i个安控装置的关联故障率：

式中：M为处于故障状态的装置所在的关联集包含的安控装置总数目。

Images