CN115511399A - 一种基于动态权重的换电站健康状态评估方法 - Google Patents

一种基于动态权重的换电站健康状态评估方法 Download PDF

Info

Publication number
CN115511399A
CN115511399A CN202211472780.0A CN202211472780A CN115511399A CN 115511399 A CN115511399 A CN 115511399A CN 202211472780 A CN202211472780 A CN 202211472780A CN 115511399 A CN115511399 A CN 115511399A
Authority
CN
China
Prior art keywords
index
calculating
level
health
component
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
Application number
CN202211472780.0A
Other languages
English (en)
Inventor
范方祝
邹魁
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.)
Kunshan Siwopu Intelligent Equipment Co ltd
Original Assignee
Kunshan Siwopu Intelligent Equipment Co ltd
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 Kunshan Siwopu Intelligent Equipment Co ltd filed Critical Kunshan Siwopu Intelligent Equipment Co ltd
Priority to CN202211472780.0A priority Critical patent/CN115511399A/zh
Publication of CN115511399A publication Critical patent/CN115511399A/zh
Pending legal-status Critical Current

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
    • 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—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

本发明涉及一种基于动态权重的换电站健康状态评估方法，包括步骤：将换电站的一级评判指标和二级评判指标按区域划分，得到一级子系统和二级子系统；一级子系统对应一级评判指标，二级子系统对应二级评判指标；将历史部件特征值进行归一化，计算不同分级的部件特征值样本在特征空间中的中心位置和边界，求解得到不同分级的部件特征值向量所处的超球体球心和半径。本发明的有益效果是：本发明利用动态权重方法能够突出关键指标变化时对整体健康度的影响，本发明通过隶属度函数，客观反映设备故障的严重程度等级；本发明通过对机械设备进行状态监测，可以提前发现机械设备潜在的安全隐患，并为换电站的设备维护提供指导信息，实现降本增效。

Description

一种基于动态权重的换电站健康状态评估方法
技术领域
本发明属于换电站电气设备监测领域，尤其涉及一种基于动态权重的换电站健康状态评估方法。
背景技术
随着新能源电动汽车的普及，换电站也逐步推广，新能源电动汽车换电站中各电气设备运行错综复杂；为提升服务质量，需要实时监测换电站中设备的状态。
传统的机械设备状态监测依靠单一传感器的信号进行状态评估和预警，根据单一传感器采集的单一类型信号计算特征值，并设置报警阈值，当该特征值超过阈值的时候报警，特征值阈值一般根据经验设置。
一般的机械设备包含有多个部件，不同的部件具有不同的重要程度，传统的状态评估方法不能反应设备整体的运行状态，也没有体现出设备局部状态和整体之间的关系，因此需要通过融合设备的各个运行信息反应设备整体的状态。
目前，设备健康度的评价方法大都采用建立统计学模型的方法；建立统计学模型需要获取设备历史故障数据，历史数据难以获取；另外，如果想对健康度进行量化，使用统计学模型方法难以实现。
新能源电动汽车换电站中各个子系统较多，每个参数在不同的工况下都对应着不同的预警阈值，同时当设备运行值处于不同状态时，该参数的权重系数也应该不同；因此对于预警阈值的获取和参数权重系数的获取也存在一定难度。
发明内容
本发明的目的是克服现有技术中的不足，提供一种基于动态权重的换电站健康状态评估方法。
这种基于动态权重的换电站健康状态评估方法，包括以下步骤：
步骤1、将换电站的一级评判指标和二级评判指标按区域划分，得到一级子系统和二级子系统；一级子系统对应一级评判指标，二级子系统对应二级评判指标；
步骤2、将历史部件特征值进行归一化，计算不同分级的部件特征值样本在特征空间中的中心位置和边界，求解得到不同分级的部件特征值向量所处的超球体球心和半径；为换电站不同子系统中的部件训练得到健康度评估模型；
步骤3、将采集的部件输入到训练好的健康度评估模型中，得到实时的部件健康度值；
步骤4、根据不同指标在不同情况下的权重计算函数，来计算各个部件健康度对应的等级权重、计算一级子系统得分和空分装置得分；
步骤5、选取隶属度函数，计算出一级子系统各个指标的隶属度，构造一个从A矩阵变换到V矩阵的模糊变换矩阵：
Figure 809333DEST_PATH_IMAGE001
上式中，
Figure 73568DEST_PATH_IMAGE002
为A矩阵中每一项ai对V矩阵中每一项vi的隶属度；
步骤6、通过隶属度函数得到换电站的最终健康状态评估结果。
作为优选，步骤1具体包括以下步骤：
步骤1.1、设换电站拥有
Figure 180064DEST_PATH_IMAGE003
个一级评判指标，建立一级评判指标集
Figure 781947DEST_PATH_IMAGE004
， 其中
Figure 569774DEST_PATH_IMAGE005
为
Figure 940713DEST_PATH_IMAGE003
个评判指标；若一级评判指标
Figure 968843DEST_PATH_IMAGE006
中有
Figure 526863DEST_PATH_IMAGE007
个二级评判指标，其中
Figure 180698DEST_PATH_IMAGE008
为1至
Figure 609406DEST_PATH_IMAGE003
中任一值，则
Figure 792125DEST_PATH_IMAGE009
；
步骤1.2、在换电站中，将一级评判指标按区域划分为
Figure 384912DEST_PATH_IMAGE010
={换电区，充电 区}，将二级评判指标按区域划分为
Figure 514542DEST_PATH_IMAGE011
={RGV小车，停车平台}、
Figure 860073DEST_PATH_IMAGE012
= {堆垛机，充电柜}和
Figure 479273DEST_PATH_IMAGE013
={保养信息，维修信息}；
步骤1.3、利用层次分析法计算一级评判指标的RGV小车、停车平台、堆垛机和充电柜各自占比的权重，根据区间标度原则对一级指标的重要性打分，根据打分结果得到判断矩阵：
Figure 480727DEST_PATH_IMAGE014
将一级评判指标区间数判断矩阵拆分为两个矩阵：
Figure 210785DEST_PATH_IMAGE015
,
Figure 161555DEST_PATH_IMAGE016
。
作为优选，步骤2具体包括以下步骤：
步骤2.1、将每一部件的特征值向量计为
Figure 951656DEST_PATH_IMAGE017
，
Figure 440407DEST_PATH_IMAGE018
，其中
Figure 708577DEST_PATH_IMAGE019
为部件特征 值向量的样本数量，
Figure 28700DEST_PATH_IMAGE003
是每个特征值向量的长度，
Figure 192965DEST_PATH_IMAGE020
表示全体
Figure 442113DEST_PATH_IMAGE003
维特征值向量的集合；按照 下式将所有部件特征值向量均归一化到[0,1]：
Figure 513974DEST_PATH_IMAGE021
上式中，
Figure 954183DEST_PATH_IMAGE022
为部件特征值向量归一化后的值；
Figure 23770DEST_PATH_IMAGE023
表示部件特征值向量
Figure 283850DEST_PATH_IMAGE024
=[A1、A2、 A3…A
Figure 910135DEST_PATH_IMAGE003
]中的A1、A2、A3或An，其中A1、A2、A3和An均为向量的取值，n表示该向量对应的取值 个数；
Figure 939270DEST_PATH_IMAGE025
是
Figure 179759DEST_PATH_IMAGE023
的最小值，
Figure 927135DEST_PATH_IMAGE026
是
Figure 606378DEST_PATH_IMAGE023
的最大值，
Figure 240753DEST_PATH_IMAGE027
；
将
Figure 917722DEST_PATH_IMAGE025
和
Figure 886815DEST_PATH_IMAGE026
的值保存，作为待训练的健康度评估模型的参数；
步骤2.2、将步骤2.1归一化后得到的部件特征值向量作为待训练的健康度评估模型的输入，使用下式计算不同分级的部件特征值样本在特征空间中的中心位置和边界：
Figure 104170DEST_PATH_IMAGE028
Figure 311160DEST_PATH_IMAGE029
上式中，
Figure 955768DEST_PATH_IMAGE030
指不同分级的部件特征值样本在特征空间中所属的超球体，
Figure 162890DEST_PATH_IMAGE031
表示超球体的半径，
Figure 121618DEST_PATH_IMAGE025
表示超球体的球心，
Figure 979853DEST_PATH_IMAGE032
表示超球体的边界，
Figure 60941DEST_PATH_IMAGE033
为常数；
Figure 207889DEST_PATH_IMAGE024
为每一部件的 特征值向量；
步骤2.3、通过拉格朗日乘子法求解步骤2.2中的公式，得到不同分级的部件特征值向量所处的超球体球心和半径，对换电站不同子系统中的部件训练得到健康度评估模型。
作为优选，步骤3具体为：
利用步骤2.1中的
Figure 767046DEST_PATH_IMAGE025
和
Figure 683050DEST_PATH_IMAGE026
对实时采集的数据进行归一化处理，寻找和归一化的特征 向量的欧式距离最近的两个超球体，记作超球体1和超球体2；将归一化的特征向量和超球 体2的欧式距离记为L，按照下式计算部件的健康度:
Figure 682842DEST_PATH_IMAGE034
上式中，
Figure 113823DEST_PATH_IMAGE035
是特征值向量对应的部件健康度，
Figure 414355DEST_PATH_IMAGE036
是超球体1对应的部件健康度值，
Figure 247182DEST_PATH_IMAGE037
是超球体2对应的部件健康度，
Figure 607756DEST_PATH_IMAGE038
是超球体2的半径，
Figure 791612DEST_PATH_IMAGE039
是超球体1和超球体2之间的欧 式距离。
作为优选，步骤4中计算一级子系统得分和空分装置得分的方式为：
计算一级子系统得分：
Figure 630255DEST_PATH_IMAGE040
上式中，
Figure 68321DEST_PATH_IMAGE041
为一级子系统单个指标的分数，
Figure 662114DEST_PATH_IMAGE019
为指标个数；
计算空分装置得分：
Figure 5370DEST_PATH_IMAGE042
。
本发明的有益效果是：本发明利用动态权重方法能够突出关键指标变化时对整体健康度的影响，本发明通过隶属度函数，客观反映设备故障的严重程度等级；本发明通过对机械设备进行状态监测，可以提前发现机械设备潜在的安全隐患，并为换电站的设备维护提供指导信息，实现降本增效。
附图说明
图1为换电站健康评估流程图；
图2为岭型隶属函数曲线示意图；
图3为换电站层次分析模型图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
作为一种实施例，如图1所示的基于动态权重的换电站健康状态评估方法，具体如下：
步骤1、将换电站的一级评判指标和二级评判指标按区域划分，得到一级子系统和二级子系统；一级子系统对应一级评判指标，二级子系统对应二级评判指标；
步骤1.1、设换电站拥有
Figure 975600DEST_PATH_IMAGE003
个一级评判指标，建立一级评判指标集
Figure 720702DEST_PATH_IMAGE004
， 其中
Figure 485396DEST_PATH_IMAGE005
为
Figure 315949DEST_PATH_IMAGE003
个评判指标；若一级评判指标
Figure 43864DEST_PATH_IMAGE006
中有
Figure 971369DEST_PATH_IMAGE007
个二级评判指标，其中
Figure 844647DEST_PATH_IMAGE008
为1至
Figure 224813DEST_PATH_IMAGE003
中任一值，则
Figure 208950DEST_PATH_IMAGE009
；
步骤1.2、如图3所示，在换电站中，将一级评判指标按区域划分为
Figure 990961DEST_PATH_IMAGE010
={换 电区，充电区}，将二级评判指标按区域划分为
Figure 35140DEST_PATH_IMAGE011
={RGV小车，停车平台}、
Figure 387755DEST_PATH_IMAGE012
={堆垛机，充电柜}和
Figure 237900DEST_PATH_IMAGE013
={保养信息，维修信息}；换电站根据不 同的配置可以接入更多的监测点数；
步骤1.3、如下表1所示，利用层次分析法计算一级评判指标的RGV小车、停车平台、堆垛机和充电柜各自占比的权重，根据区间标度原则根据经验对一级指标的重要性进行两两打分，根据打分结果得到判断矩阵：
Figure 812100DEST_PATH_IMAGE014
将一级评判指标区间数判断矩阵拆分为两个矩阵：
Figure 89498DEST_PATH_IMAGE015
,
Figure 116360DEST_PATH_IMAGE016
表1 一级评判指标的RGV小车、停车平台、堆垛机和充电柜的权重及得分表
Figure 770195DEST_PATH_IMAGE043
步骤2、将历史部件特征值进行归一化，计算不同分级的部件特征值样本在特征空间中的中心位置和边界，求解得到不同分级的部件特征值向量所处的超球体球心和半径；为换电站不同子系统中的部件训练得到健康度评估模型；
步骤2.1、将每一部件的特征值向量计为
Figure 198902DEST_PATH_IMAGE017
，
Figure 135284DEST_PATH_IMAGE018
，其中
Figure 977338DEST_PATH_IMAGE019
为部件特征 值向量的样本数量，
Figure 106968DEST_PATH_IMAGE003
是每个特征值向量的长度，
Figure 452499DEST_PATH_IMAGE020
表示全体
Figure 274961DEST_PATH_IMAGE003
维特征值向量的集合；按照 下式将所有部件特征值向量均归一化到[0,1]：
Figure 338732DEST_PATH_IMAGE021
上式中，
Figure 6474DEST_PATH_IMAGE022
为部件特征值向量归一化后的值；
Figure 222823DEST_PATH_IMAGE023
表示部件特征值向量
Figure 12924DEST_PATH_IMAGE024
=[A1、A2、 A3…A
Figure 236095DEST_PATH_IMAGE003
]中的A1、A2、A3或An，其中A1、A2、A3和An均为向量的取值，n表示该向量对应的取值 个数；
Figure 35424DEST_PATH_IMAGE025
是
Figure 293230DEST_PATH_IMAGE023
的最小值，
Figure 254233DEST_PATH_IMAGE026
是
Figure 230279DEST_PATH_IMAGE023
的最大值，
Figure 52873DEST_PATH_IMAGE027
；
求得归一化后的特征向量：
Figure 227502DEST_PATH_IMAGE044
，
Figure 562668DEST_PATH_IMAGE045
；
求得
Figure 822748DEST_PATH_IMAGE046
，
Figure 698301DEST_PATH_IMAGE047
；
将
Figure 930699DEST_PATH_IMAGE025
和
Figure 984237DEST_PATH_IMAGE026
的值保存，作为待训练的健康度评估模型的参数；
步骤2.2、将步骤2.1归一化后得到的部件特征值向量作为待训练的健康度评估模型的输入，使用下式计算不同分级的部件特征值样本在特征空间中的中心位置和边界：
Figure 731613DEST_PATH_IMAGE028
Figure 348539DEST_PATH_IMAGE029
上式中，
Figure 497760DEST_PATH_IMAGE030
指不同分级的部件特征值样本在特征空间中所属的超球体，
Figure 909150DEST_PATH_IMAGE031
表示超球体的半径，
Figure 143822DEST_PATH_IMAGE025
表示超球体的球心，
Figure 564440DEST_PATH_IMAGE032
表示超球体的边界，
Figure 50391DEST_PATH_IMAGE033
为常数；
Figure 960578DEST_PATH_IMAGE024
为每一部件的 特征值向量；
步骤2.3、通过拉格朗日乘子法求解步骤2.2中的公式，得到不同分级的部件特征值向量所处的超球体球心和半径，对换电站不同子系统中的部件训练得到健康度评估模型；
步骤3、将采集的部件输入到训练好的健康度评估模型中，得到实时的部件健康度值；
利用步骤2.1中的
Figure 620230DEST_PATH_IMAGE025
和
Figure 641275DEST_PATH_IMAGE026
对实时采集的数据进行归一化处理，寻找和归一化的特征 向量的欧式距离最近的两个超球体，记作超球体1和超球体2；将归一化的特征向量和超球 体2的欧式距离记为L，按照下式计算部件的健康度:
Figure 702772DEST_PATH_IMAGE034
上式中，
Figure 518282DEST_PATH_IMAGE035
是特征值向量对应的部件健康度，
Figure 212699DEST_PATH_IMAGE036
是超球体1对应的部件健康度值，
Figure 975119DEST_PATH_IMAGE037
是超球体2对应的部件健康度，
Figure 953439DEST_PATH_IMAGE038
是超球体2的半径，
Figure 143112DEST_PATH_IMAGE039
是超球体1和超球体2之间的欧 式距离；
步骤4、根据不同指标在不同情况下的权重计算函数，来计算各个部件健康度对应的等级权重、计算一级子系统得分和空分装置得分；
换电站装置中，不同部件健康度值处在不同情况下时，对应的权重不一样；当电机振动值超过报警值时，该指标的权重应该占有很大比重，足够影响到整个换电站的健康状态，某一指标若达到跳机值，该设备应处于断电状态，此时换电站为故障状态；据此情况设计了不同指标在不同情况下的权重计算函数：
（1）对应8个阈值情况
以某一指标对应的8个阈值（
Figure 574093DEST_PATH_IMAGE048
,
Figure 936942DEST_PATH_IMAGE049
,
Figure 707452DEST_PATH_IMAGE050
,
Figure 881075DEST_PATH_IMAGE051
,
Figure 737036DEST_PATH_IMAGE052
,
Figure 903575DEST_PATH_IMAGE053
,
Figure 794170DEST_PATH_IMAGE054
,
Figure 122383DEST_PATH_IMAGE055
）为例，各个部件健 康度对应的权重计算函数为：
Figure 527957DEST_PATH_IMAGE056
上式（4）中，
Figure 170291DEST_PATH_IMAGE057
，
Figure 462863DEST_PATH_IMAGE058
；
（2）对应6种阈值情况
以某一指标对应的6个阈值（
Figure 227557DEST_PATH_IMAGE050
,
Figure 58110DEST_PATH_IMAGE051
,
Figure 566451DEST_PATH_IMAGE052
,
Figure 431639DEST_PATH_IMAGE053
,
Figure 101655DEST_PATH_IMAGE054
,
Figure 794122DEST_PATH_IMAGE055
）为例，各个部件健康度对应 的权重计算函数为：
Figure 43838DEST_PATH_IMAGE059
上式中，
Figure 825849DEST_PATH_IMAGE057
，
Figure 870029DEST_PATH_IMAGE058
；
（3）计算一级子系统得分：
Figure 206332DEST_PATH_IMAGE040
上式中，
Figure 56476DEST_PATH_IMAGE041
为一级子系统单个指标的分数，
Figure 630677DEST_PATH_IMAGE019
为指标个数；
（4）计算空分装置得分：
Figure 658807DEST_PATH_IMAGE060
步骤5、如图2所示，选取适当的隶属度函数，计算出一级子系统各个指标对应于各评语等级的隶属度，构造一个从A矩阵变换到V矩阵的模糊变换矩阵：
Figure 951248DEST_PATH_IMAGE001
上式中，
Figure 339504DEST_PATH_IMAGE002
为A矩阵中每一项ai对V矩阵中每一项vi的隶属度；如增压机系统得分 为80分时，R=[0,0,0.5,0.5],表示为有50%概率是“注意”状态，50%概率“健康”状态；
一级子系统得分对应于评语状态的各个隶属函数如下：
Figure 830528DEST_PATH_IMAGE061
Figure 216510DEST_PATH_IMAGE062
Figure 792985DEST_PATH_IMAGE063
Figure 922615DEST_PATH_IMAGE064
上式中，s表示由上式计算得到的指标得分；
选取该换电站某日运行的在线监测数据，根据二级指标权重与指标得分函数计算得到如下表2和表3所示各个指标参数的权重与得分；
表2 换电站某日RGV小车和停车平台的各个指标参数的权重与得分表
Figure 284458DEST_PATH_IMAGE065
表3 换电站某日堆垛机和充电柜的各个指标参数的权重与得分表
Figure 841341DEST_PATH_IMAGE066
步骤6、通过隶属度函数得到换电站的最终健康状态评估结果: 根据实际实时值计算出二级指标对应的分数与权重，并将分数与权重代入公式计算得出RGV小车系统得分：95.80，停车平台系统得分：95.82，堆垛机系统得分：90.27，得分：92.44，根据一级子系统得分及其权重可计算出换电站得分：95.45，并可判断出设备处于健康状态。

Claims (5)

1.一种基于动态权重的换电站健康状态评估方法，其特征在于，包括以下步骤：
步骤1、将换电站的一级评判指标和二级评判指标按区域划分，得到一级子系统和二级子系统；一级子系统对应一级评判指标，二级子系统对应二级评判指标；
步骤2、将历史部件特征值进行归一化，计算不同分级的部件特征值样本在特征空间中的中心位置和边界，求解得到不同分级的部件特征值向量所处的超球体球心和半径；为换电站不同子系统中的部件训练得到健康度评估模型；
步骤3、将采集的部件输入到训练好的健康度评估模型中，得到实时的部件健康度值；
步骤4、根据不同指标在不同情况下的权重计算函数，来计算各个部件健康度对应的等级权重、计算一级子系统得分和空分装置得分；
步骤5、选取隶属度函数，计算出一级子系统各个指标的隶属度，构造一个从A矩阵变换到V矩阵的模糊变换矩阵：
Figure 807846DEST_PATH_IMAGE001
上式中，
Figure 564449DEST_PATH_IMAGE002
为A矩阵中每一项ai对V矩阵中每一项vi的隶属度；
步骤6、通过隶属度函数得到换电站的最终健康状态评估结果。
2.根据权利要求1所述基于动态权重的换电站健康状态评估方法，其特征在于，步骤1具体包括以下步骤：
步骤1.1、设换电站拥有
Figure 216011DEST_PATH_IMAGE003
个一级评判指标，建立一级评判指标集
Figure 792486DEST_PATH_IMAGE004
， 其中
Figure 922116DEST_PATH_IMAGE005
为
Figure 283958DEST_PATH_IMAGE003
个评判指标；若一级评判指标
Figure 637579DEST_PATH_IMAGE006
中有
Figure 639033DEST_PATH_IMAGE007
个二级评判指标，其中
Figure 634671DEST_PATH_IMAGE008
为1至
Figure 37970DEST_PATH_IMAGE003
中任一值，则
Figure 562492DEST_PATH_IMAGE009
；
步骤1.2、在换电站中，将一级评判指标按区域划分为
Figure 864292DEST_PATH_IMAGE010
={换电区，充电区}， 将二级评判指标按区域划分为
Figure 335725DEST_PATH_IMAGE011
={RGV小车，停车平台}、
Figure 655847DEST_PATH_IMAGE012
={堆 垛机，充电柜}和
Figure 820113DEST_PATH_IMAGE013
={保养信息，维修信息}；
步骤1.3、利用层次分析法计算一级评判指标的RGV小车、停车平台、堆垛机和充电柜各自占比的权重，根据区间标度原则对一级指标的重要性打分，根据打分结果得到判断矩阵：
Figure 592897DEST_PATH_IMAGE014
将一级评判指标区间数判断矩阵拆分为两个矩阵：
Figure 664758DEST_PATH_IMAGE015
,
Figure 42649DEST_PATH_IMAGE016
。
3.根据权利要求2所述基于动态权重的换电站健康状态评估方法，其特征在于，步骤2具体包括以下步骤：
步骤2.1、将每一部件的特征值向量计为
Figure 939934DEST_PATH_IMAGE017
，
Figure 403277DEST_PATH_IMAGE018
，其中
Figure 278829DEST_PATH_IMAGE019
为部件特征值向 量的样本数量，
Figure 307965DEST_PATH_IMAGE003
是每个特征值向量的长度，
Figure 814032DEST_PATH_IMAGE020
表示全体
Figure 561409DEST_PATH_IMAGE003
维特征值向量的集合；按照下式 将所有部件特征值向量均归一化到[0,1]：
Figure 178335DEST_PATH_IMAGE021
上式中，
Figure 78289DEST_PATH_IMAGE022
为部件特征值向量归一化后的值；
Figure 755258DEST_PATH_IMAGE023
表示部件特征值向量
Figure 989930DEST_PATH_IMAGE024
=[A1、A2、A3…A
Figure 941705DEST_PATH_IMAGE003
]中的A1、A2、A3或An，其中A1、A2、A3和An均为向量的取值，n表示该向量对应的取值个数；
Figure 945434DEST_PATH_IMAGE025
是
Figure 793304DEST_PATH_IMAGE023
的最小值，
Figure 266005DEST_PATH_IMAGE026
是
Figure 224733DEST_PATH_IMAGE023
的最大值，
Figure 82968DEST_PATH_IMAGE027
；
将
Figure 898477DEST_PATH_IMAGE025
和
Figure 45425DEST_PATH_IMAGE026
的值保存，作为待训练的健康度评估模型的参数；
步骤2.2、将步骤2.1归一化后得到的部件特征值向量作为待训练的健康度评估模型的输入，使用下式计算不同分级的部件特征值样本在特征空间中的中心位置和边界：
Figure 870161DEST_PATH_IMAGE028
Figure 786165DEST_PATH_IMAGE029
上式中，
Figure 257728DEST_PATH_IMAGE030
指不同分级的部件特征值样本在特征空间中所属的超球体，
Figure 954289DEST_PATH_IMAGE031
表示超 球体的半径，
Figure 254820DEST_PATH_IMAGE025
表示超球体的球心，
Figure 353226DEST_PATH_IMAGE032
表示超球体的边界，
Figure 448221DEST_PATH_IMAGE033
为常数；
Figure 632078DEST_PATH_IMAGE024
为每一部件的特征值 向量；
步骤2.3、通过拉格朗日乘子法求解步骤2.2中的公式，得到不同分级的部件特征值向量所处的超球体球心和半径，对换电站不同子系统中的部件训练得到健康度评估模型。
4.根据权利要求3所述基于动态权重的换电站健康状态评估方法，其特征在于，步骤3具体为：
利用步骤2.1中的
Figure 736300DEST_PATH_IMAGE025
和
Figure 905857DEST_PATH_IMAGE026
对实时采集的数据进行归一化处理，寻找和归一化的特征向量 的欧式距离最近的两个超球体，记作超球体1和超球体2；将归一化的特征向量和超球体2的 欧式距离记为L，按照下式计算部件的健康度:
Figure 499649DEST_PATH_IMAGE034
上式中，
Figure 842906DEST_PATH_IMAGE035
是特征值向量对应的部件健康度，
Figure 813136DEST_PATH_IMAGE036
是超球体1对应的部件健康度值，
Figure 354976DEST_PATH_IMAGE037
是 超球体2对应的部件健康度，
Figure 604823DEST_PATH_IMAGE038
是超球体2的半径，
Figure 435376DEST_PATH_IMAGE039
是超球体1和超球体2之间的欧式距 离。
5.根据权利要求4所述基于动态权重的换电站健康状态评估方法，其特征在于，步骤4中计算一级子系统得分和空分装置得分的方式为：
计算一级子系统得分：
Figure 943717DEST_PATH_IMAGE040
上式中，
Figure 74484DEST_PATH_IMAGE041
为一级子系统单个指标的分数，
Figure 10079DEST_PATH_IMAGE019
为指标个数；
计算空分装置得分：
Figure 327928DEST_PATH_IMAGE042
。
CN202211472780.0A 2022-11-23 2022-11-23 一种基于动态权重的换电站健康状态评估方法 Pending CN115511399A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211472780.0A CN115511399A (zh) 2022-11-23 2022-11-23 一种基于动态权重的换电站健康状态评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211472780.0A CN115511399A (zh) 2022-11-23 2022-11-23 一种基于动态权重的换电站健康状态评估方法

Publications (1)

Publication Number Publication Date
CN115511399A true CN115511399A (zh) 2022-12-23

Family

ID=84513803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211472780.0A Pending CN115511399A (zh) 2022-11-23 2022-11-23 一种基于动态权重的换电站健康状态评估方法

Country Status (1)

Country Link
CN (1) CN115511399A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934447A (zh) * 2018-10-31 2019-06-25 国网安徽省电力有限公司宿州供电公司 一种智能变电站二次设备效能的模糊综合评估方法
CN110737976A (zh) * 2019-10-10 2020-01-31 西安因联信息科技有限公司 一种基于多维度信息融合的机械设备健康评估方法
CN110782164A (zh) * 2019-10-25 2020-02-11 贵州电网有限责任公司 一种基于变权重和模糊综合评价的配电设备状态评价方法
US20210381881A1 (en) * 2020-06-09 2021-12-09 Mettler-Toledo (Changzhou) Precision Instruments Ltd Method and device for diagnosing weighing system
CN114091268A (zh) * 2021-11-24 2022-02-25 南京航空航天大学 一种基于节点重要度与层次分析法的无人机健康状况评估方法
CN114357644A (zh) * 2021-12-30 2022-04-15 南京凯奥思数据技术有限公司 基于空分设备的健康度评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934447A (zh) * 2018-10-31 2019-06-25 国网安徽省电力有限公司宿州供电公司 一种智能变电站二次设备效能的模糊综合评估方法
CN110737976A (zh) * 2019-10-10 2020-01-31 西安因联信息科技有限公司 一种基于多维度信息融合的机械设备健康评估方法
CN110782164A (zh) * 2019-10-25 2020-02-11 贵州电网有限责任公司 一种基于变权重和模糊综合评价的配电设备状态评价方法
US20210381881A1 (en) * 2020-06-09 2021-12-09 Mettler-Toledo (Changzhou) Precision Instruments Ltd Method and device for diagnosing weighing system
CN114091268A (zh) * 2021-11-24 2022-02-25 南京航空航天大学 一种基于节点重要度与层次分析法的无人机健康状况评估方法
CN114357644A (zh) * 2021-12-30 2022-04-15 南京凯奥思数据技术有限公司 基于空分设备的健康度评价方法

Similar Documents

Publication Publication Date Title
CN103033359B (zh) 一种多特征多级综合评判的风电机组主传动装置故障诊断方法
CN108320043B (zh) 一种基于电力大数据的配电网设备状态诊断预测方法
CN107274093B (zh) 一种电网运行安全的风险评估方法
CN112069727B (zh) 具备高可信度的电力系统暂态稳定智能化评估系统及方法
CN110009208B (zh) 一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置
CN106770939A (zh) 一种基于支持向量描述和k近质心近邻的变压器故障诊断方法
CN110737976B (zh) 一种基于多维度信息融合的机械设备健康评估方法
CN114638476A (zh) 一种水利一体化运维管理方法及系统
CN104915736A (zh) 基于改进熵权法提高风电功率组合预测精度的方法
CN111723449B (zh) 一种矿井提升机恒减速制动系统性能退化评价方法
CN106546918A (zh) 一种水电机组的故障诊断方法
CN113205260A (zh) 一种基于数字孪生的电动汽车充电桩健康状态评估方法
CN115877205A (zh) 一种伺服电机的故障智能诊断系统及其诊断方法
CN114460481A (zh) 基于Bi-LSTM和注意力机制的储能电池热失控预警方法
CN115511399A (zh) 一种基于动态权重的换电站健康状态评估方法
CN116664015A (zh) 一种智能充电桩管理系统及其方法
Li et al. Fault diagnosis of ZD6 turnout system based on wavelet transform and GAPSO-FCM
CN115758083A (zh) 一种基于时域和时频域融合的电机轴承故障诊断方法
CN115271305A (zh) 基于博弈论权重的电动汽车充电设备风险预警方法及装置
CN112072789B (zh) 低电压台区识别方法、检修方法及其预警方法
CN111360578B (zh) 滚珠丝杠副润滑状态识别方法
Zhao Fault Diagnosis Method for Wind Power Equipment Based on Hidden Markov Model
ShangGuan et al. Fault diagnosis method of the on-board equipment of train control system based on rough set theory
CN114115199A (zh) 新能源环卫车辆的监测及故障诊断系统
CN113592362A (zh) 一种城市电网抗灾变能力评估方法及相关装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221223