CN115586429A - 一种gis组合电器典型故障缺陷概率预测方法 - Google Patents
一种gis组合电器典型故障缺陷概率预测方法 Download PDFInfo
- Publication number
- CN115586429A CN115586429A CN202211235759.9A CN202211235759A CN115586429A CN 115586429 A CN115586429 A CN 115586429A CN 202211235759 A CN202211235759 A CN 202211235759A CN 115586429 A CN115586429 A CN 115586429A
- Authority
- CN
- China
- Prior art keywords
- fault
- state quantity
- gis
- probability
- typical
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及一种GIS组合电器典型故障缺陷概率预测方法,属于电力技术领域。该方法具体为:首先定义GIS组合电器的典型故障缺陷模式及其相关状态量,并根据相关状态量的影响因子计算其权重;其次根据典型故障缺陷模式的相关状态量及其基本扣分值和权重建立典型故障缺陷模式的故障概率得分计算公式,以得到故障概率有效影响因子;最后,以GIS组合电器运行年限为自变量,GIS组合电器故障概率为因变量,采用威布尔分布结合故障概率有效影响因子构建GIS组合电器的故障概率预测模型。本发明充分考虑多种故障缺陷模式,全面分析故障可能性,将统计学结果与经验标准结合,可以有效分析故障缺陷。
Description
技术领域
本发明属于电力技术领域,涉及GIS组合电器,尤其涉及一种GIS组合电器典型故障缺陷概率预测方法。
背景技术
GIS(气体绝缘组合电器)由断路器、隔离开关、接地开关、母线、电流互感器、电压互感器、避雷器、套管等诸多设备组合而成,设备集成度高、系统性强、检修周期长,相比其他独立设备,GIS故障类型复杂,故障影响范围较大。因此,有必要对GIS的几种典型故障和缺陷进行分析和故障概率预测,事前预估故障和缺陷可能发生的概率,为检修人员缩小故障查找范围,节约时间成本,提升工作效率,尽快帮助恢复系统安全稳定运行状态。
发明内容
有鉴于此,本发明的目的在于提供一种GIS组合电器典型故障缺陷概率预测方法,通过对GIS几种典型故障和缺陷的概率预测,实时了解设备风险程度,缩小运维范围,节约运维和检修的人力和时间成本,提高工作效率。
为达到上述目的,本发明提供如下技术方案:
一种GIS组合电器典型故障缺陷概率预测方法,该方法具体为:首先定义GIS组合电器的典型故障缺陷模式及其相关状态量,并根据相关状态量的影响因子计算其权重;其次根据典型故障缺陷模式的相关状态量的基本扣分值和权重建立典型故障缺陷模式的故障概率得分计算公式,以得到故障概率有效影响因子;最后,以GIS组合电器运行年限为自变量,GIS组合电器故障概率为因变量,采用威布尔分布结合故障概率有效影响因子构建GIS组合电器的故障概率预测模型。
进一步,相关状态量的权重计算方式如下:
式中,wki表示第k类故障缺陷模式中第i个相关状态量的权重,fi表示第i个相关状态量的影响因子,j表示第k类故障缺陷模式中相关状态量序号,fj表示第j个相关状态量影响因子。
进一步,典型故障缺陷模式包括放电缺陷、过热缺陷、绝缘受潮、气体泄漏和电流异常。
进一步,各典型故障缺陷模式的相关状态量具体为:
1)放电缺陷的相关状态量包括SF6气体分解物、内部异常放电声响、特高频局部放电量、超声波局部放电量和SF6气体湿度;
2)过热缺陷的相关状态量包括SF6气体分解物和导电回路电阻;
3)绝缘受潮的相关状态量包括SF6气体湿度和SF6气体分解物;
4)气体泄漏的相关状态量包括气体压力异常;
5)电流异常的相关状态量包括二次回路绝缘电阻和机械特性。
进一步,各典型故障缺陷模式的故障概率得分计算公式具体如下:
1)放电缺陷:
2)过热缺陷:
3)绝缘受潮:
4)气体泄漏:
5)电流异常:
以上各式中,score表示典型故障缺陷模式的概率得分,s表示某个故障缺陷模式中相关状态量的基本扣分值,S则表示相关状态量的基本扣分值中的最大值,wki表示故障缺陷模式k的第i个相关状态量的权重。
故障概率有效影响因子即为各典型故障缺陷模式的故障概率得分中的最大值。
进一步,故障概率预测模型如下式所示:
式中,t表示GIS组合电器运行年限,factor表示故障概率有效影响因子,β表示威布尔分布的形状参数,η表示威布尔分布的尺度参数。
本发明的有益效果在于:
(1)全面性:根据电力行业标准设计典型故障缺陷模式相关状态量影响因子计算模型,充分考虑多种故障缺陷模式,全面分析故障可能性。
(2)有效性:选择威布尔分布拟合历史设备投运时间与失效程度数据曲线,并考虑典型故障缺陷模式的发生概率提出故障概率有效影响因子,将统计学结果与经验标准结合,可以有效分析故障缺陷。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为故障缺陷概率预测方法流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1,为一种GIS组合电器典型故障缺陷概率预测方法,本发明为解决GIS组合电器典型故障缺陷概率的预测问题,提出一种基于威布尔分布拟合历史设备投运时间与失效程度数据曲线,综合运用统计学结果与经验的故障缺陷分析预测方法。具体步骤如下:
一、典型故障缺陷模式定义
根据《DL/T 1688-2017气体绝缘金属封闭开关设备状态评价导则》中《表B.1典型缺陷的诊断》,综合定义了5种GIS的典型故障缺陷模式,分别为:放电缺陷、过热缺陷、绝缘受潮、气体泄漏、电流异常。5中典型故障缺陷模式的相关状态量则是根据《表B.1典型缺陷的诊断》中诊断相关状态量特性和诊断关键点所得,如下表所示:
表1典型故障缺陷影响因子表
各相关状态量的权重根据上述状态评价导则中的影响因子比例设置,如“放电缺陷”,相关状态量为SF6气体分解物、内部异常放电声响、特高频局部放电量、超声波局部放电量、SF6气体湿度,其影响因子比例为3:4:3:3:3,则根据下式计算各相关状态量的权重:
式中,wki表示第k类故障缺陷模式中第i个相关状态量的权重,fi表示第i个相关状态量的影响因子,j表示第k类故障缺陷模式中相关状态量序号,fj表示第j个相关状态量的影响因子。依据式(1)可得“放电缺陷”的权重矩阵为:
[w11,w12,w13,w14,w15]=[0.1875,0.25,0.1875,0.1875,0.1875]
同理,根据式(1)计算其他故障缺陷模式的权重矩阵。
二、建立典型故障缺陷模式的故障概率得分计算公式
根据上述的5种典型故障缺陷模式的相关状态量的基本扣分值和权重,设计故障模式的故障概率得分计算公式,具体如下:
1)放电缺陷:
2)过热缺陷:
3)绝缘受潮:
4)气体泄漏:
5)电流异常:
式(2)~(6)中,score表示典型故障缺陷模式的故障概率得分,取值范围为score∈[0,1],该值越大,表示该故障缺陷模式越可能发生;s表示相关状态量基本扣分值;S则表示相关状态量的基本扣分值中的最大值。
选取5种故障缺陷模式中故障概率得分的最大值作为故障概率有效影响因子。
三、构建故障概率预测模型
该故障概率预测模型以GIS组合电器运行年限为自变量,以设备故障率为因变量,构建二参数威布尔分布模型。已知在威布尔分布中,若随机变量t服从三参数威布尔分布,则其概率密度函数为:
累计失效概率函数为:
式(7)、(8)中,β为形状参数,≤为尺度参数,两者取值均大于0。其中形状参数β决定分布曲线的形状,尺度参数η起缩小或放大横坐标尺度的作用,但不影响威布尔分布的形状。本实施例中,形状参数和尺度参数具体数值采用极大似然估计法求得,β=2.48804,η=4.35654。
则结合步骤二中的故障概率有效影响因子构建故障概率预测模型为:
式中,f(t,factor)表示GIS组合电器故障缺陷概率预测值;t表示GIS组合电器运行年限,t>0;factor表示故障概率有效影响因子,可表示为:
factor=max(score放电,score过热,score绝缘受阻,score气体湿度.score电流异常)
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种GIS组合电器典型故障缺陷概率预测方法,其特征在于:首先定义GIS组合电器的典型故障缺陷模式及其相关状态量,并根据相关状态量的影响因子计算其权重;其次根据典型故障缺陷模式的相关状态量及其基本扣分值和权重建立典型故障缺陷模式的故障概率得分计算公式,以得到故障概率有效影响因子;最后,以GIS组合电器运行年限为自变量,GIS组合电器故障概率为因变量,采用威布尔分布结合故障概率有效影响因子构建GIS组合电器的故障概率预测模型。
3.根据权利要求1所述的概率预测方法,其特征在于:所述典型故障缺陷模式包括放电缺陷、过热缺陷、绝缘受潮、气体泄漏和电流异常。
4.根据权利要求3所述的概率预测方法,其特征在于:典型故障缺陷模式的相关状态量具体为:
1)放电缺陷的相关状态量包括SF6气体分解物、内部异常放电声响、特高频局部放电量、超声波局部放电量和SF6气体湿度;
2)过热缺陷的相关状态量包括SF6气体分解物和导电回路电阻;
3)绝缘受潮的相关状态量包括SF6气体湿度和SF6气体分解物;
4)气体泄漏的相关状态量包括气体压力异常;
5)电流异常的相关状态量包括二次回路绝缘电阻和机械特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211235759.9A CN115586429A (zh) | 2022-10-10 | 2022-10-10 | 一种gis组合电器典型故障缺陷概率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211235759.9A CN115586429A (zh) | 2022-10-10 | 2022-10-10 | 一种gis组合电器典型故障缺陷概率预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115586429A true CN115586429A (zh) | 2023-01-10 |
Family
ID=84779395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211235759.9A Pending CN115586429A (zh) | 2022-10-10 | 2022-10-10 | 一种gis组合电器典型故障缺陷概率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115586429A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116796261A (zh) * | 2023-08-16 | 2023-09-22 | 宁波天安菁华电力科技有限公司 | 一种基于人工智能的封闭开关设备机械特性预测方法 |
CN116861356A (zh) * | 2023-09-04 | 2023-10-10 | 南京大全电气研究院有限公司 | 异常数据检测方法及装置、电子设备、存储介质 |
-
2022
- 2022-10-10 CN CN202211235759.9A patent/CN115586429A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116796261A (zh) * | 2023-08-16 | 2023-09-22 | 宁波天安菁华电力科技有限公司 | 一种基于人工智能的封闭开关设备机械特性预测方法 |
CN116796261B (zh) * | 2023-08-16 | 2023-11-07 | 宁波天安菁华电力科技有限公司 | 一种基于人工智能的封闭开关设备机械特性预测方法 |
CN116861356A (zh) * | 2023-09-04 | 2023-10-10 | 南京大全电气研究院有限公司 | 异常数据检测方法及装置、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115586429A (zh) | 一种gis组合电器典型故障缺陷概率预测方法 | |
CN102854461B (zh) | 一种开关设备发生故障的概率预测方法及其系统 | |
CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
WO2021103496A1 (zh) | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 | |
CN109490726A (zh) | 基于云理论的电力变压器绝缘状态评估方法 | |
CN109031014A (zh) | 一种基于运行数据的变压器综合可靠性评估及预测方法 | |
CN108491990A (zh) | 一种风电场设备状态评价及检修决策支持检测方法及系统 | |
CN105467312A (zh) | 一种气体绝缘金属封闭开关设备运行风险评估方法 | |
CN106959394B (zh) | 一种高压大容量statcom状态评估方法和系统 | |
CN105703258A (zh) | Gis开关设备动作状态监测系统及其使用方法 | |
Cao et al. | Application of particle swarm optimization algorithm in power transformer fault diagnosis | |
CN112446309A (zh) | 一种基于冲击事件来监测异常状态的系统及方法 | |
AU2021103409A4 (en) | Method, apparatus and system for evaluating health status of transformer fleet | |
CN109615557A (zh) | 变电设备检修管理系统 | |
CN108536911B (zh) | 一种基于中心距和样本特征的换流变压器状态评估方法 | |
CN113033018A (zh) | 一种基于综合状态评估的gis维修决策智能推荐方法 | |
Tyastuti et al. | A genetic algorithm approach determining simultaneously location and capacity distributed generation in radial distribution system | |
Liu et al. | Research and Analysis of UHF Partial Discharge based on 35kV Switch Cabinet | |
CN114252807B (zh) | 一种基于寿命差异化现象的变压器寿命预测方法 | |
Yuan et al. | Health Status Evaluation of GIS Equipment Based on FAHP | |
Khalyasmaa et al. | The methodology of high-voltage instrument transformers technical state index assessment | |
Fang et al. | Research on state assessment method of key equipment in distribution network | |
CN109412150B (zh) | 基于时空维度的配电开关及其控制器的控制方法 | |
Liu et al. | Abnormal Condition Diagnosis Model of Switchgear Wall Bushing based on Finite Element Simulation and Convolutional Neural Network Algorithm | |
Vasquez et al. | A Study of Repairable Failure Models of Aging Underground Power Distribution Cables |
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 |