CN115618631B - 一种变压器可靠性评估方法、设备、存储介质及装置 - Google Patents

一种变压器可靠性评估方法、设备、存储介质及装置 Download PDF

Info

Publication number
CN115618631B
CN115618631B CN202211338296.9A CN202211338296A CN115618631B CN 115618631 B CN115618631 B CN 115618631B CN 202211338296 A CN202211338296 A CN 202211338296A CN 115618631 B CN115618631 B CN 115618631B
Authority
CN
China
Prior art keywords
transformer
reliability
probability distribution
distribution
posterior probability
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
CN202211338296.9A
Other languages
English (en)
Other versions
CN115618631A (zh
Inventor
王杰峰
李洵
龙玉江
陈卿
钱俊凤
舒彧
葛松
肖宁
杨明波
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202211338296.9A priority Critical patent/CN115618631B/zh
Publication of CN115618631A publication Critical patent/CN115618631A/zh
Application granted granted Critical
Publication of CN115618631B publication Critical patent/CN115618631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种变压器可靠性评估方法、设备、存储介质及装置，该方法包括：根据变压器的不同故障类型生成贝叶斯网络结构，根据变压器的故障参数确定贝叶斯网络结构中各个故障节点的先验概率分布，根据先验概率分布确定变压器故障发生后的后验概率分布，后验概率分布为非标准化分布，将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布，根据多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性；由于本发明使用贝叶斯网络结构确定变压器发生故障后的后验概率分布，通过多元正态分布的后验概率分布并使用预设功能函数评估变压器的可靠性，减少了在对变压器可靠性评估过程中的计算量，从而提高了计算效率与精度。

Description

一种变压器可靠性评估方法、设备、存储介质及装置
技术领域
本发明属于故障评估技术领域，尤其涉及一种变压器可靠性评估方法、设备、存储介质及装置。
背景技术
目前，随着工业不断发展，系统复杂性日益增加，变压器作为电力系统中重要的一环，当变压器发生故障时会造成严重的影响，因此，对变压器故障的可靠性评估显得十分重要。
现有技术中，经常通过功能函数失效域的多维积分来计算变压器的可靠度对变压器可靠性进行评估；但是通过高维参数来计算，在进行计算的过程中由于计算量巨大，从而导致计算效率及精度较低。
发明内容
本发明要解决的技术问题是：提供一种变压器可靠性评估方法、设备、存储介质及装置，以解决现有技术对变压器进行可靠性评估采用高维参数来计算，在进行计算的过程中由于计算量巨大，从而导致计算效率低下及精度较低等技术问题。
本发明的技术方案是：
一种变压器可靠性评估方法，所述变压器可靠性评估方法包括以下步骤：
根据变压器的不同故障类型生成贝叶斯网络结构；
根据变压器的故障参数确定贝叶斯网络结构中各个故障节点的先验概率分布；
根据先验概率分布确定变压器故障发生后的后验概率分布，后验概率分布为非标准化分布；
将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布；
根据多元正态分布的后验概率分布和预设功能函数评估变压器的可靠性。
根据多元正态分布的后验概率分布和预设功能函数评估变压器的可靠性的步骤，包括：
将预设功能函数中所述各个故障节点的概率分布转化成多元正态分布的后验概率分布，获得待转化功能函数；
将待转化功能函数转化成性能函数，根据性能函数和一阶可靠性方法评估变压器的可靠性。
将待转化功能函数转化成性能函数，根据性能函数和一阶可靠性方法评估变压器的可靠性的步骤，包括：
根据性能函数和预设公式计算可靠度指标；
其中，预设公式为：
||z||g(z)＝0
式中，||z||表示可靠度指标，g(z)表示性能函数，g(z)＝0表示极限状态曲面，极限状态曲面的点为MPP，MPP表示为z*；
根据可靠度指标和一阶可靠性方法评估所述变压器的可靠性。
根据性能函数和预设公式计算可靠度指标的步骤之前，还包括：
将性能函数中变压器的故障参数转化成标准正态分布；
获取标准正态分布的均值和方差，并根据均值和方差以及故障参数，通过数值最小化公式计算所述极限状态曲面的点；
其中，数值最小化公式为：
式中，zk+1表示在所述极限状态表面的最后一个变量，zk表示在所述极限状态表面的第一个变量。
根据可靠度指标和一阶可靠性方法评估变压器的可靠性的步骤，包括：
根据数值最小化公式求解预设公式获得可靠度指标；
根据可靠度指标和一阶可靠性方法评估变压器的可靠性；
其中，一阶可靠性方法为：
式中，表示使用FORM方法估计失效概率，Φ表示标准正态累积密度函数，βHL表示可靠度指标。
将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布的步骤，包括：
利用泰勒级数将非标准化的后验概率分布的自然对数进行展开；
对展开的自然对数进行化简后取幂得到归一化常数；
根据归一化常数确定多元正态分布的后验概率分布。
根据变压器的不同故障类型生成贝叶斯网络结构的步骤，包括：
将变压器的不同故障类型作为根节点；
将变压器的不同故障类型的状态作为子节点；
根据变压器的不同故障类型的根节点和子节点确定贝叶斯网络结构。
一种变压器可靠性评估设备，变压器可靠性评估设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的变压器可靠性评估程序，变压器可靠性评估程序被处理器执行时实现变压器可靠性评估方法。
一种存储介质，所述存储介质上存储有变压器可靠性评估程序，变压器可靠性评估程序被处理器执行变压器可靠性评估方法。
一种变压器可靠性评估装置，所述变压器可靠性评估装置包括：结构确定模块、先验确定模块、后验确定模块、空间转化模块以及可靠评估模块；
所述结构确定模块：用于根据变压器的不同故障类型生成贝叶斯网络结构；
所述先验确定模块：用于根据所述变压器的故障参数确定所述贝叶斯网络结构中各个故障节点的先验概率分布；
所述后验确定模块：用于根据所述先验概率分布确定变压器故障发生后的后验概率分布，所述后验概率分布为非标准化分布；
所述空间转化模块：用于将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布；
所述可靠评估模块：用于根据所述多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性。
本发明的有益效果：
本发明根据变压器的不同故障类型生成贝叶斯网络结构，根据变压器的故障参数确定贝叶斯网络结构中各个故障节点的先验概率分布，根据先验概率分布确定变压器故障发生后的后验概率分布，后验概率分布为非标准化分布，将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布，根据多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性；由于本发明使用贝叶斯网络结构确定变压器发生故障后的后验概率分布，通过多元正态分布的后验概率分布并使用预设功能函数评估变压器的可靠性，减少了在对变压器可靠性评估过程中的计算量，从而提高了计算效率与精度。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的变压器可靠性评估设备的结构示意图；
图2为本发明变压器可靠性评估方法第一实施例的流程示意图；
图3为本发明变压器可靠性评估方法第二实施例的流程示意图；
图4为本发明变压器可靠性评估方法第三实施例的流程示意图；
图5为本发明变压器可靠性评估装置第一实施例的结构框图。
具体实施方式
参照图1，图1为本发明实施例方案涉及的硬件运行环境的变压器可靠性评估设备结构示意图。
如图1所示，该变压器可靠性评估设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对变压器可靠性评估设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及变压器可靠性评估程序。
在图1所示的变压器可靠性评估设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述变压器可靠性评估设备通过处理器1001调用存储器1005中存储的变压器可靠性评估程序，并执行本发明实施例提供的变压器可靠性评估方法。
基于上述硬件结构，提出本发明变压器可靠性评估方法的实施例。
参照图2，图2为本发明变压器可靠性评估方法第一实施例的流程示意图，提出本发明变压器可靠性评估方法第一实施例。
步骤S10：根据变压器的不同故障类型生成贝叶斯网络结构。
需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的计算服务设备，例如手机、平板电脑、个人电脑等，本实施例对此不加以限制。
应理解的是，目前，由于工业不断发展，电力系统日益复杂，一旦电力系统中的某一环出现问题，会带来很大的影响和损失，因此，为了防止变压器出现故障，对变压器可靠度的评估需要量化。但是，现有技术中通过功能函数失效域的多维积分计算，而针对多维积分的精确计算不是很难解析就是计算量巨大。
为了克服上述缺陷，本实施例通过使用贝叶斯更新方法获得后验分布概率，使用拉普拉斯方法对后验概率分布做改进得到多元正态分布的后验概率分布，得到了后验分布解析式后，通过可靠性评估方法对变压器的可靠性进行评估。
需要说明的是，变压器的故障分为内部故障和外部故障，本实施例并不对变压器不同类型的故障不加以限定，变压器的内部故障包括：绕组故障、铁芯故障、电压分接开关故障、绝缘油老化以及铅绝缘层无效等，变压器的外部故障包括：油箱的密封线圈缠绕不紧密、绝缘套故障以及继电器故障等。
需要说明的是，贝叶斯网络是通过概率推理去处理各种不确定和不完整的问题，一个贝叶斯网络是一个有向无环图，有代表变量结点及连接这些节点有向边构成，结点代表随机变量，即结点变量，通过条件概率表达结点间有向边的相互关系，结点变量即为各种不确定和不完整的问题。贝叶斯网络结构则是由这些不确定和不完整的问题组成，表现为变压器的各种故障类型作为根节点，产生各种故障类型的原因作为子节点。
进一步地，为了提高变压器可靠性评估的准确度，本实施例将贝叶斯网络结构应用到变压器的可靠性评估中，因此本实施例中所述步骤S10可包括：
将所述变压器的不同故障类型作为根节点；
将所述变压器的不同故障类型的状态作为子节点；
根据所述变压器的不同故障类型的根节点和子节点确定贝叶斯网络结构。
可以理解的是，根节点和子节点之间通过有向边表示，有向边代表了根节点和子节点之间的相互关系。
应理解的是，根节点可以是绕组故障、铁芯故障或者继电器故障等，子节点是造成引起根节点故障的因素，例如根节点为变压器铁芯发生故障，引起变压器铁芯发发生故障的子节点可能是铁芯断路。
需要说明的是，贝叶斯网络结构是一个有向无环图，根节点和子节点通过有向边连接形成贝叶斯网络结构。
步骤S20：根据所述变压器的故障参数确定所述贝叶斯网络结构中各个故障节点的先验概率分布。
可以理解的是，变压器的故障参数是指变压器发生故障时，导致变压器发生故障元件的参数，获取的故障参数可以是用来检测变压器故障的系统，也可以是人工进行检测出来的，本实施例对此不加以限制。
需要说明的是，先验概率是根据以往经验和分析得到的概率，即根据以往变压器各种故障类型的故障参数得到先验概率。
步骤S30：根据所述先验概率分布确定变压器故障发生后的后验概率分布，所述后验概率分布为非标准化分布。
需要说明的是，后验概率是基于新的信息，修正原来的先验概率后得到的更接近实际情况的概率估计，通常是根据贝叶斯公式，用先验概率和似然函数计算出来，即获取到新的变压器故障参数，根据先验概率结合新的故障参数获得变压器的后验概率，能得到引起变压器发生故障因素的可能性大小。
后验概率分布可以表示为：
式中p(x)表示先验概率分布，p(x|d)表示后验概率分布，Z表示归一化常数。
可以理解的是，由于变压器的故障类型不同，每次发生故障产生的故障参数也是随机的，并且此次产生的故障参数，下一次同一故障类型产生的故障参数也可能不一样，所以，根据新的故障参数得到的后验概率分布服从非标准化分布。
步骤S40：将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布。
需要说明的是，通过贝叶斯更新方法获得后验概率分布，通过后验概率分布使用模拟对变压器进行可靠性评估，但是对于复杂的实际问题，模拟是非常耗时，并且由于电力系统中传感器数据需要频繁的更新，所有的应用都需要高效、精确的计算，因此，使用模拟的方法是不可行的。本实施例通过拉普拉斯方法，即将非标准正态分布的后验概率分布转化成多元正态分布的后验概率分布，避免了使用模拟方法。
进一步地，为了提高计算效率，本实施例中所述步骤S40，包括：
利用泰勒级数将所述非标准化的后验概率分布的自然对数进行展开；
对展开的自然对数进行化简后取幂得到归一化常数；
根据所述归一化常数确定所述多元正态分布的后验概率分布。
需要说明的是，通过拉普拉斯方法得到的是一个近似后验概率分布的归一化近似，在得到了后验概率分布的解析式后，通过一阶可靠性评估方法对变压器可靠性进行评估。
需要说明的是，由于变压器的故障参数是随机变量，即变压器每次发生故障时的参数是不确定的，所以得到的后验概率分布不服从标准正态分布。
可以理解的是，通过泰勒级数对非标准化的后验概率分布的自然对数展开并对展开的自然对数简化取幂得到的归一化常数符合标准正态分布，将归一化常数带到后验概率分布中可以得到标准正态分布的后验概率分布，即多元正态分布的后验概率分布。
步骤S50：根据所述多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性。
需要说明的是，将功能函数中各故障节点的概率分布转化成后验概率分布得到待转化功能函数，再将待转化功能函数转化成性能函数，然后根据性能函数、预设公式以及数值最小化公式计算可靠度指标，根据可靠度指标和一阶可靠性方法对变压器的可靠性进行评估。
在第一实施例中，公开了根据变压器的不同故障类型生成贝叶斯网络结构，根据变压器的故障参数确定贝叶斯网络结构中各个故障节点的先验概率分布，根据先验概率分布确定变压器故障发生后的后验概率分布，后验概率分布为非标准化分布，将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布，根据多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性；由于本发明使用贝叶斯网络结构确定变压器发生故障后的后验概率分布，通过多元正态分布的后验概率分布并使用预设功能函数评估变压器的可靠性，解决了在对变压器可靠性评估的过程中巨大的计算量，从而提高了计算效率与精度。
参照图3，图3为本发明变压器可靠性评估方法第二实施例流程示意图，基于上述图2所示的第一实施例，提出本发明变压器可靠性评估方法的第二实施例。
在第二实施例中，所述步骤S50，包括：
步骤S501：将所述预设功能函数中所述各个故障节点的概率分布转化成所述多元正态分布的后验概率分布，获得待转化功能函数。
需要说明的是，预设功能函数各个故障节点的概率分布服从随机分布，为了提高计算效率与精度需要将预设功能函数各个故障节点的概率分布转化成多元正态分布的后验概率分布。
可以理解的是，各个故障节点为贝叶斯网络模型中的各个子节点，即各个故障节点为导致变压器发生故障的因素。
步骤S502：将所述待转化功能函数转化成性能函数，根据所述性能函数和一阶可靠性方法评估所述变压器的可靠性。
需要说明的是，一阶可靠性方法是在标准正态空间服从标准正态分布，待转化功能函数的变量需要从原来的概率空间转换成标准正态空间变量，所以待转化功能函数也需要服从标准正态分布，转化成性能函数。
在第二实施例中，公开了将所述预设功能函数中所述各个故障节点的概率分布转化成所述多元正态分布的后验概率分布，获得待转化功能函数，将所述待转化功能函数转化成性能函数，根据所述性能函数和一阶可靠性方法评估所述变压器的可靠性；由于使用一阶可靠性方法需要在标准正态空间中并且需要结合近似后验概率分布对变压器可靠性进行评估，所以本实施例将预设功能函数转化成性能函数服从标准正态空间分布，从而避免使用模拟的完全解析估计变压器的可靠度导致的耗时耗力。
参照图4，图4为本发明变压器可靠性评估方法第三实施例流程示意图，基于上述图3所示的第二实施例，提出本发明变压器可靠性评估方法的第三实施例。
在第三实施例中，所述步骤S502，包括：
步骤S5021：根据所述性能函数和预设公式计算可靠度指标。
需要说明的是，预设公式为
||z||g(z)＝0
式中，||z||表示所述可靠度指标，g(z)表示所述性能函数，g(z)＝0表示极限状态曲面，所述极限状态曲面的点为MPP，MPP表示为z*。
需要说明的是，可靠度指标是在标准正态空间中极限状态曲面上的点与原点之间的距离，极限状态曲面是指变压器发生故障的临界值，极限状态曲面上有很多个点，是各种故障类型发生故障的临界值，可靠度指标是变压器达到发生故障的临界点的过程，这个过程可以是时间，也可以是其他因素。
进一步地，为了计算极限状态曲面上的点，本实施例中所述步骤S5021之前，还包括：
将所述性能函数中所述变压器的故障参数转化成标准正态分布；
获取所述标准正态分布的均值和方差，并根据所述均值和方差以及所述故障参数，通过数值最小化公式计算所述极限状态曲面的点；
需要说明的是，所述数值最小化公式为：
式中，zk+1表示在极限状态表面的最后一个变量，zk表示在极限状态表面的第一个变量。
需要说明的是，由于一阶可靠性方法是在标准正态空间中服从标准正态分布，所以当新的故障参数加入到贝叶斯网络结构中，而新的故障参数不是标准正态分布，需要将新的故障参数转换成标准正态空间变量。
需要说明的是，同一故障类型的故障参数可能不同，当不同的故障参数为标准正态空间变量并在极限状态曲面上，通过正态分布的均值和方差可以将各种变量减少到一个标准正态变量，即最接近变压器发生故障的故障参数，再通过数值最小化算法得到这个标准正态变量。
步骤S5022：根据所述可靠度指标和一阶可靠性方法评估所述变压器的可靠性。
需要说明的是，通过数值最小化公式求得的极限曲面上的点用来求解预设公式中可靠度指标，根据可靠度指标和一阶可靠性方法计算变压器发生故障的概率。
进一步地，为了评估变压器的可靠度，本实施例中所述步骤S5022，包括：
根据所述数值最小化公式求解所述预设公式获得所述可靠度指标；
根据所述可靠度指标和所述一阶可靠性方法评估所述变压器的可靠性；
需要说明的是，一阶可靠性方法为：
式中，表示使用FORM方法估计失效概率，Φ表示标准正态累积密度函数，βHL表示可靠度指标。
需要说明的是，βHL和MPP在εβ在10-4～10-3之间可以得到一个精确的结果，εβ是由用户指定的一个控制参数。
在第三实施例中，公开了根据所述性能函数和预设公式计算可靠度指标，根据所述可靠度指标和一阶可靠性方法评估所述变压器的可靠性；由于本实施例中通过一阶可靠性方法对变压器可靠性进行评估，在一般的工程项目中可以产生精确的计算结果。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有变压器可靠性评估程序，所述变压器可靠性评估程序被处理器执行时实现如上文所述的变压器可靠性评估方法的步骤。
此外，参照图5，图5为本发明变压器可靠性评估装置第一实施例的结构框图，所述变压器可靠性评估装置包括：结构确定模块10、先验确定模块20、后验确定模块30、空间转化模块40以及可靠评估模块50；
所述结构确定模块10：用于根据变压器的不同故障类型生成贝叶斯网络结构；
所述先验确定模块20：用于根据所述变压器的故障参数确定所述贝叶斯网络结构中各个故障节点的先验概率分布；
所述后验确定模块30：用于根据所述先验概率分布确定变压器故障发生后的后验概率分布，所述后验概率分布为非标准化分布；
所述空间转化模块40：用于将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布；
所述可靠评估模块50：用于根据所述多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性。
在本实施例中，公开了根据变压器的不同故障类型生成贝叶斯网络结构，根据变压器的故障参数确定贝叶斯网络结构中各个故障节点的先验概率分布，根据先验概率分布确定变压器故障发生后的后验概率分布，后验概率分布为非标准化分布，将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布，根据多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性；由于本发明使用贝叶斯网络结构确定变压器发生故障后的后验概率分布，通过多元正态分布的后验概率分布并使用预设功能函数评估变压器的可靠性，减少了在对变压器可靠性评估过程中的计算量，从而提高了计算效率与精度。
基于本发明上述变压器可靠性评估装置第一实施例，提出本发明变压器可靠性评估装置的第二实施例。
在本实施例中，所述可靠评估模块50，还用于将所述预设功能函数中所述各个故障节点的概率分布转化成所述多元正态分布的后验概率分布，获得待转化功能函数。
进一步地，所述可靠评估模块50，还用于将所述待转化功能函数转化成性能函数，根据所述性能函数和一阶可靠性方法评估所述变压器的可靠性。
进一步地，所述可靠评估模块50，还用于根据所述性能函数和预设公式计算可靠度指标。
进一步地，所述可靠评估模块50，还用于根据所述可靠度指标和一阶可靠性方法评估所述变压器的可靠性。
进一步地，所述可靠评估模块50，还用于将所述性能函数中所述变压器的故障参数转化成标准正态分布。
进一步地，所述可靠评估模块50，还用于获取所述标准正态分布的均值和方差，并根据所述均值和方差以及所述故障参数，通过数值最小化公式计算所述极限状态曲面的点。
进一步地，所述可靠评估模块50，还用于根据所述数值最小化公式求解所述预设公式获得所述可靠度指标。
进一步地，所述可靠评估模块50，还用于根据所述可靠度指标和所述一阶可靠性方法评估所述变压器的可靠性。
本发明所述变压器可靠性评估装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

Claims (7)

1.一种变压器可靠性评估方法，其特征在于，所述变压器可靠性评估方法包括以下步骤：
根据变压器的不同故障类型生成贝叶斯网络结构；
根据变压器的故障参数确定贝叶斯网络结构中各个故障节点的先验概率分布；
根据先验概率分布确定变压器故障发生后的后验概率分布，后验概率分布为非标准化分布；
将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布；
根据多元正态分布的后验概率分布和预设功能函数评估变压器的可靠性，具体方法包括：将预设功能函数中所述各个故障节点的概率分布转化成多元正态分布的后验概率分布，获得待转化功能函数；将待转化功能函数转化成性能函数，根据性能函数和一阶可靠性方法评估变压器的可靠性；
根据性能函数和预设公式计算可靠度指标；
其中，预设公式为：
||z||g(z)＝0
式中，||z||表示可靠度指标，g(z)表示性能函数，g(z)＝0表示极限状态曲面，极限状态曲面的点为MPP，MPP表示为z*；
根据可靠度指标和一阶可靠性方法评估所述变压器的可靠性；
将性能函数中变压器的故障参数转化成标准正态分布；
获取标准正态分布的均值和方差，并根据均值和方差以及故障参数，通过数值最小化公式计算所述极限状态曲面的点；
其中，数值最小化公式为：
式中，zk+1表示在所述极限状态表面的最后一个变量，zk表示在所述极限状态表面的第一个变量。
2.根据权利要求1所述的一种变压器可靠性评估方法，其特征在于，根据可靠度指标和一阶可靠性方法评估变压器的可靠性的步骤，包括：
根据数值最小化公式求解预设公式获得可靠度指标；
根据可靠度指标和一阶可靠性方法评估变压器的可靠性；
其中，一阶可靠性方法为：
式中，表示使用FORM方法估计失效概率，Φ表示标准正态累积密度函数，βHL表示可靠度指标。
3.根据权利要求1所述的一种变压器可靠性评估方法，其特征在于，将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布的步骤，包括：
利用泰勒级数将非标准化的后验概率分布的自然对数进行展开；
对展开的自然对数进行化简后取幂得到归一化常数；
根据归一化常数确定多元正态分布的后验概率分布。
4.根据权利要求1所述的变压器可靠性评估方法，其特征在于，根据变压器的不同故障类型生成贝叶斯网络结构的步骤，包括：
将变压器的不同故障类型作为根节点；
将变压器的不同故障类型的状态作为子节点；
根据变压器的不同故障类型的根节点和子节点确定贝叶斯网络结构。
5.一种变压器可靠性评估设备，其特征在于，变压器可靠性评估设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的变压器可靠性评估程序，变压器可靠性评估程序被处理器执行时实现如权利要求1至4中任一项所述的变压器可靠性评估方法。
6.一种存储介质，其特征在于，所述存储介质上存储有变压器可靠性评估程序，变压器可靠性评估程序被处理器执行时实现如权利要求1至4中任一项所述的变压器可靠性评估方法。
7.一种变压器可靠性评估装置，其特征在于，所述变压器可靠性评估装置包括：结构确定模块、先验确定模块、后验确定模块、空间转化模块以及可靠评估模块；
所述结构确定模块：用于根据变压器的不同故障类型生成贝叶斯网络结构；
所述先验确定模块：用于根据所述变压器的故障参数确定所述贝叶斯网络结构中各个故障节点的先验概率分布；
所述后验确定模块：用于根据所述先验概率分布确定变压器故障发生后的后验概率分布，所述后验概率分布为非标准化分布；
所述空间转化模块：用于将非标准化分布的后验概率分布转化成多元正态分布的后验概率分布；
所述可靠评估模块：用于根据所述多元正态分布的后验概率分布和预设功能函数评估所述变压器的可靠性；将预设功能函数中所述各个故障节点的概率分布转化成多元正态分布的后验概率分布，获得待转化功能函数；将待转化功能函数转化成性能函数，根据性能函数和一阶可靠性方法评估变压器的可靠性；
根据性能函数和预设公式计算可靠度指标；
其中，预设公式为：
||z||g(z)＝0
式中，||z||表示可靠度指标，g(z)表示性能函数，g(z)＝0表示极限状态曲面，极限状态曲面的点为MPP，MPP表示为z*；
根据可靠度指标和一阶可靠性方法评估所述变压器的可靠性；
将性能函数中变压器的故障参数转化成标准正态分布；
获取标准正态分布的均值和方差，并根据均值和方差以及故障参数，通过数值最小化公式计算所述极限状态曲面的点；
其中，数值最小化公式为：
式中，zk+1表示在所述极限状态表面的最后一个变量，zk表示在所述极限状态表面的第一个变量。
CN202211338296.9A 2022-10-28 2022-10-28 一种变压器可靠性评估方法、设备、存储介质及装置 Active CN115618631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211338296.9A CN115618631B (zh) 2022-10-28 2022-10-28 一种变压器可靠性评估方法、设备、存储介质及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211338296.9A CN115618631B (zh) 2022-10-28 2022-10-28 一种变压器可靠性评估方法、设备、存储介质及装置

Publications (2)

Publication Number Publication Date
CN115618631A CN115618631A (zh) 2023-01-17
CN115618631B true CN115618631B (zh) 2023-09-01

Family

ID=84877363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211338296.9A Active CN115618631B (zh) 2022-10-28 2022-10-28 一种变压器可靠性评估方法、设备、存储介质及装置

Country Status (1)

Country Link
CN (1) CN115618631B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197177A (zh) * 2013-03-20 2013-07-10 山东电力集团公司济宁供电公司 一种基于贝叶斯网络的变压器故障诊断分析方法
CN105701574A (zh) * 2016-01-18 2016-06-22 南京邮电大学 一种故障率非恒定的配电系统可靠性评估方法
CN105893697A (zh) * 2016-04-22 2016-08-24 北京交通大学 基于贝叶斯网络推理的系统可靠性评估方法
CN110135596A (zh) * 2019-04-18 2019-08-16 中国电力科学研究院有限公司 一种继电保护系统风险评估及故障定位方法及装置
CN111414692A (zh) * 2020-03-19 2020-07-14 南京市计量监督检测院 基于贝叶斯修正模型的压力表校验台可靠性评估方法
CN111913065A (zh) * 2020-07-17 2020-11-10 上海电机学院 一种基于Pair-Copula的贝叶斯网络变压器状态评估方法
CN112182960A (zh) * 2020-09-22 2021-01-05 国网内蒙古东部电力有限公司呼伦贝尔供电公司 基于贝叶斯网络的电力变压器状态风险评估的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190066010A1 (en) * 2017-08-24 2019-02-28 United States Of America As Represented By The Secretary Of The Army Predictive model for optimizing facility usage
WO2020041956A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于贝叶斯与故障树的数控机床可靠性评价方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197177A (zh) * 2013-03-20 2013-07-10 山东电力集团公司济宁供电公司 一种基于贝叶斯网络的变压器故障诊断分析方法
CN105701574A (zh) * 2016-01-18 2016-06-22 南京邮电大学 一种故障率非恒定的配电系统可靠性评估方法
CN105893697A (zh) * 2016-04-22 2016-08-24 北京交通大学 基于贝叶斯网络推理的系统可靠性评估方法
CN110135596A (zh) * 2019-04-18 2019-08-16 中国电力科学研究院有限公司 一种继电保护系统风险评估及故障定位方法及装置
CN111414692A (zh) * 2020-03-19 2020-07-14 南京市计量监督检测院 基于贝叶斯修正模型的压力表校验台可靠性评估方法
CN111913065A (zh) * 2020-07-17 2020-11-10 上海电机学院 一种基于Pair-Copula的贝叶斯网络变压器状态评估方法
CN112182960A (zh) * 2020-09-22 2021-01-05 国网内蒙古东部电力有限公司呼伦贝尔供电公司 基于贝叶斯网络的电力变压器状态风险评估的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于贝叶斯更新和信息量分析的边坡钻孔布置方案优化设计方法;蒋水华等;岩土工程学报;第40卷(第10期);第2章 *

Also Published As

Publication number Publication date
CN115618631A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
CN111210024B (zh) 模型训练方法、装置、计算机设备和存储介质
Ma et al. Partially‐coupled gradient‐based iterative algorithms for multivariable output‐error‐like systems with autoregressive moving average noises
WO2017104302A1 (ja) 電圧安定度監視装置および方法
CN112068003B (zh) 基于线性维纳过程的镉镍蓄电池寿命预测方法和装置
CN113505490B (zh) 基于gmm的电力系统数字孪生体参数校正方法及装置
CN109066669B (zh) 电力系统仿真方法、电力系统仿真装置及电子设备
CN111624986A (zh) 基于案例库的故障诊断方法和系统
CN112862127A (zh) 一种传感器数据的异常处理方法、装置、电子设备及介质
CN113744087A (zh) 一种电子电器用变压器运行状态智能检测的方法及装置
CN113343581A (zh) 基于图马尔可夫神经网络的变压器故障的诊断方法
US8813009B1 (en) Computing device mismatch variation contributions
Weng et al. Data-driven topology estimation
CN114171150A (zh) 一种健康数据缺失值预测方法、装置、计算机设备和存储介质
CN115618631B (zh) 一种变压器可靠性评估方法、设备、存储介质及装置
CN113300373B (zh) 一种基于prmse评价指标的稳定裕度值预测方法及装置
CN112465250A (zh) 电力负荷预测方法、装置、计算机设备和存储介质
Wang et al. Variable selection for the partial linear single-index model
CN116400266A (zh) 基于数字孪生模型的变压器故障检测方法、装置及介质
CN116562120A (zh) 一种基于rve的涡轮发动机系统健康状况评估方法及装置
CN112731150B (zh) 电压暂降状态估计方法、装置、计算机设备和存储介质
Xiaoyu et al. An iterative learning scheme-based fault estimator design for nonlinear systems with quantised measurements
Alipouri et al. Distributed data‐driven observer for linear time invariant systems
CN113887989A (zh) 电力系统可靠性评估方法、装置、计算机设备和存储介质
Klettke et al. Modelling of stochastically dependent forecast errors for load flow simulations in the transmission grid using convolution
CN113806172B (zh) 一种处理设备状态参数的方法、装置、电子设备及存储介质

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