CN115994750B - 一种mmc最优维修周期选择方法及系统 - Google Patents
一种mmc最优维修周期选择方法及系统 Download PDFInfo
- Publication number
- CN115994750B CN115994750B CN202211685090.3A CN202211685090A CN115994750B CN 115994750 B CN115994750 B CN 115994750B CN 202211685090 A CN202211685090 A CN 202211685090A CN 115994750 B CN115994750 B CN 115994750B
- Authority
- CN
- China
- Prior art keywords
- time
- maintenance
- sub
- total
- maintenance period
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 180
- 238000010187 selection method Methods 0.000 title claims description 4
- 230000003449 preventive effect Effects 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 230000008439 repair process Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims 2
- 238000013178 mathematical model Methods 0.000 abstract description 11
- 230000005540 biological transmission Effects 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- PRGXFAWAMOFULD-UHFFFAOYSA-N 2-(methylamino)-1-(2-methylphenyl)propan-1-one Chemical compound CNC(C)C(=O)C1=CC=CC=C1C PRGXFAWAMOFULD-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种MMC最优维修周期选择方法及系统，包括：构建MMC换流站的子模块状态持续时间序列；构建考虑定寿更换策略和定时更换策略下预防性维修周期的状态转移流程；在给定的维修周期下对状态转移流程进行模拟仿真，根据子模块状态持续时间序列确定MMC换流站运行状态，从而确定故障停机时间并进行故障维修，直至累计故障停机时间超过预防性维修时间时，根据总停机时间和总维修费用确定当前维修周期的综合指标，根据不同维修周期下的综合指标确定最优维修周期。仿真流程相比数学模型，模型的子模块数及冗余度便于根据实际工程调节，能够为不同场景下的最优维修周期的选择提供参考。
Description
技术领域
本发明涉及电力系统柔性直流输电技术领域，特别是涉及一种MMC最优维修周期选择方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着可再生能源发电技术的发展，柔性直流输电技术作为新一代的直流输电技术，因其无源供电能力、有功无功独立调节以及易于构建直流电网等特点，在远距离大容量电能传输方面具有优势，MMC作为高压直流输电领域的主流换流器拓扑，保障其安全稳定运行具有重要的意义。为满足高压大功率的需求，通常，MMC换流器子模块个数一般超过几十甚至数百个。在MMC运行过程中，作为关键部件的子模块易于发生故障、失效，一旦换流器发生故障，容易影响整个输电系统的正常运行，因此保障MMC的可靠运行对保障电力系统安全经济、稳定运行具有重要意义。通过建立更符合实际运行子模块数量及冗余度的可靠性模型，制定更有效的预防性维修方案，在故障停机前对故障元件进行更换，从而在一定程度上避免因换流器故障停机引起的而造成的不可估量的损失，提高长期运行的经济性以及MMC的长期稳定运行的可靠性。
MMC可靠性研究主要包括MMC器件层可靠性评估、设备层可靠性评估、冗余与容错设计、预防性维修等方面。其中，王碧阳等人于2017年在《IEEE Transactions on PowerDelivery》上发表了《Reliability model of MMC considering periodic preventivemaintenance》，提出考虑定期维修的MMC可靠性数学模型，并在此基础上分析了可靠性对冗余度和维护时间间隔的灵敏度，但未涉及最优维修周期的确定。韩晓云等人于2020年在《高电压技术》上发表了《模块化多电平换流器的可靠性维修周期优化》，推导了MMC作为可修系统的可用度评估参数，并对不同的维修策略选取了合适的最优维修周期，但建立的数学模型只考虑单个桥臂，确定的最优维修周期不能完全表征整个换流器的最优维修周期。冯斐等人于2020年在《Electrical Power and Energy System》上发表了《Dynamic preventivemaintenance strategy for MMC considering multi-term thermal cycles》，通过状态抽样法确定离散时间点上MMC的可靠度，确定换流器不同运行时间的冗余子模块数，没有涉及最优维修周期的确定问题。
综上所述，MMC的最优维修周期的选择已有相关研究，但也存在着一些方面需要补充完善。
目前，对MMC可靠性分析时，无法构建整个换流器的数学模型，通常对单桥臂进行可靠性建模，利用单桥臂模型确定的最优维修周期反映整个MMC换流器的相应最优维修周期，但对于实际换流器预防性维修周期的确定，只能在一定程度上反映其相关性，不能为实际工程的预防性维修提供参考作用。
为了确定MMC的最优维修周期，已有的方法需要通过建立MMC的可靠性数学模型，在确定预防性维修策略的基础上，求解维修成本最低或停机时间最小的预防性维修周期，当换流站电压等级高、容量大时，子模块数目较多，模型复杂度高，建立整个换流器的数学模型困难，最优维修周期获取困难，且仅依靠单一模型，不能适用于目标需求。
发明内容
为了解决上述问题，本发明提出了一种MMC最优维修周期选择方法及系统，构建运行状态持续时间序列，提出状态转移模拟流程，以最小费用和最小停机时间的综合量化分析，将数学模型转化为统计实验方法，确定整个换流器的最优维修周期，分析整个换流器的定期维修周期对于其可靠度的影响，仿真流程相比数学模型，模型的子模块数及冗余度便于根据实际工程调节，能够为不同场景下的最优维修周期的选择提供参考。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种MMC最优维修周期选择方法，包括：
构建MMC换流站的子模块状态持续时间序列；
构建考虑定寿更换策略和定时更换策略下预防性维修周期的状态转移流程；
在给定的维修周期下对状态转移流程进行模拟仿真，根据子模块状态持续时间序列确定MMC换流站运行状态，从而确定故障停机时间并进行故障维修，直至累计故障停机时间超过预防性维修时间时，根据总停机时间和总维修费用确定当前维修周期的综合指标，根据不同维修周期下的综合指标确定最优维修周期。
作为可选择的实施方式，所述定寿更换策略为：MMC工作时间达预防性维修周期时，如果未发生故障，则对故障子模块进行故障更换；如果在预防性维修周期前发生故障，则立即更换故障子模块。
作为可选择的实施方式，所述定时更换策略为：在等间隔时间点进行周期预防性更换故障子模块；在其他时间发生故障时立即更换故障子模块。
作为可选择的实施方式，在预防性维修时间下检测子模块状态，对各桥臂子模块的状态持续时间进行抽样，得到MMC换流站运行状态，根据MMC换流站运行状态判别桥臂工作状态，当某一桥臂发生故障时，整个换流器故障停机，对子模块的寿命排序，最先发生故障的桥臂中冗余子模块全部投入运行后，发生子模块故障的时间为故障停机时间。
作为可选择的实施方式，根据总停机时间与总模拟时间的比值得到单位时间内最小停机时间；
根据总维修费用与总模拟时间的比值得到单位时间内最小维修费用；
对最小停机时间和最小维修费用分别赋权后，确定当前维修周期的综合指标值。
作为可选择的实施方式，总模拟时间包括正常工作时间、故障停机时间和预防性维修时间；
总停机时间包括故障停机时间和预防性维修时间；
总维修费用包括故障子模块更换费用、故障停机维修费用和预防性停机维修费用。
作为可选择的实施方式，相邻两次模拟仿真得到的综合指标均值误差超过设定要求ε时，认为满足最优维修周期，即：
其中，E(Tp)为综合指标，Tp为维修周期，N为迭代次数。
第二方面，本发明提供一种MMC最优维修周期选择系统，包括：
模型构建模块，被配置为构建MMC换流站的子模块状态持续时间序列；
策略确定模块，被配置为构建考虑定寿更换策略和定时更换策略下预防性维修周期的状态转移流程；
模拟仿真模块，被配置为在给定的维修周期下对状态转移流程进行模拟仿真，根据子模块状态持续时间序列确定MMC换流站运行状态，从而确定故障停机时间并进行故障维修，直至累计故障停机时间超过预防性维修时间时，根据总停机时间和总维修费用确定当前维修周期的综合指标，根据不同维修周期下的综合指标确定最优维修周期。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明提出一种MMC最优维修周期选择方法及系统，通过Monte Carlo模拟法，生成换流器的子模块状态持续时间序列，从而建立整个换流站的可靠性模型，解决了系统结构复杂且包含子模块较多时，系统模型难以用确定性数学模型表示，可靠度函数推导困难，以单一桥臂作为模型得到的最优维修周期不能完全反映整个换流器的相应最优维修周期的问题，为MMC最优维修周期的选择提供参考，提高MMC长期运行可靠性。
本发明提出一种MMC最优维修周期选择方法及系统，考虑定寿更换策略和定时更换策略下的状态转移判据，构建预防性维修的状态转移流程，综合最小维修费用和最小停机时间的量化分析，将复杂的数学模型转化为统计实验方法，从而确定整个换流器的最优维修周期，可以分析整个换流器的定期维修周期对于其可靠度的影响，构建的仿真流程相比数学模型，模型的子模块数及冗余度便于根据实际工程调节，能为进一步模拟实际条件运行，在不同场景下MMC换流器的可靠性分析以及平均首次故障前时间、平均可用时间和平均故障次数等其他可用度指标的确定提供参考。
本发明提出一种MMC最优维修周期选择方法及系统，在构建可靠性模型的基础上，采用定期维修方案，在发生故障前进行故障子模块的更换，有效避免因冗余子模块数量不足造成的停机事故，从而提高供电可靠性。
本发明提出一种MMC最优维修周期选择方法及系统，综合考虑最小费用和最小停机时间模型，通过设定维修周期，根据预设的预防性维修策略，对多个时间周期内进行大量的抽样模拟，在不同目标场景下配置需求的权重系数，获取整个换流器的最优维修周期。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的MMC最优维修周期选择方法流程图；
图2为本发明实施例1提供的定寿更换策略示意图；
图3为本发明实施例1提供的定时更换策略示意图；
图4为本发明实施例1提供的状态持续时间抽样法原理图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
针对MMC可靠性与预防性维修，本实施例提出一种基于Monte Carlo模拟的MMC最优维修周期选择方法，包括：
构建MMC换流站的子模块状态持续时间序列；
构建考虑定寿更换策略和定时更换策略下预防性维修周期的状态转移流程；
在给定的维修周期下对状态转移流程进行模拟仿真，根据子模块状态持续时间序列确定MMC换流站运行状态，从而确定故障停机时间并进行故障维修，直至累计故障停机时间超过预防性维修时间时，根据总停机时间和总维修费用确定当前维修周期的综合指标，根据不同维修周期下的综合指标确定最优维修周期。
在本实施例中，根据整个MMC换流站中的子模块寿命及修复时间确定子模块状态持续时间序列；具体地：
通过Monte Carlo模拟法，建立状态持续时间抽样模型，根据MMC子模块的失效率和修复率，设子模块工作时间和维修时间服从指数分布，生成子模块的寿命和修复时间为：
式中，Twi、Tfi分别为工作或故障状态下第i个元件的持续时间，γ为(0，1)区间随机数，和/>分别为子模块的可靠度和修复时间分布的反函数。
在本实施例中，状态转移流程原理为，在MMC六个桥臂上配置部分的冗余子模块；当桥臂中故障子模块个数不超过配置的冗余子模块个数时，桥臂正常工作；当桥臂中冗余子模块全部投入运行后又有子模块发生故障时，桥臂故障。对于整个换流器而言，当某个桥臂最先发生故障时，MMC故障停机，对各桥臂中所有故障子模块进行更换。
设在MMC六个桥臂上各配置n个子模块，桥臂正常工作必备的子模块个数为k(k≤n)，整个MMC换流站构成6个串联的k/n冗余系统的热备用模型，最优维修周期是针对于整个换流站的，是综合考虑最小维修费用和最小停机时间下的预防性维修周期；每次对整个换流器进行预防性维修或故障停机维修时，根据整个MMC换流站的子模块状态持续时间序列对故障子模块进行剔除，重新生成对应数量的子模块状态持续时间。
在本实施例中，预防性维修周期策略分别考虑定时更换策略和定寿更换策略两种不同维修策略下的换流器维修流程；
如图2所示，定寿更换策略为：MMC工作时间达预防性维修周期时，如果系统未发生故障，则对故障子模块进行故障更换；如果在预防性维修周期前发生故障，则立即更换故障子模块；
如图3所示，定时更换策略为：在等间隔时间点进行周期预防性更换故障子模块；在其他时间发生故障立即更换故障子模块。
在本实施例中，如图1所示，在给定的维修周期下对状态转移流程进行模拟仿真的流程如下：
(1)确定预防性维修策略；
(2)给定检修时间Tp，置仿真次数N＝1；
(3)置仿真时间T＝0；
(4)根据换流器子模块的寿命和修复时间，在预防性维修时间t下检测，得到第i个子模块状态xi(t)，即：
式中，子模块检测状态值为1表示子模块正常工作，0表示子模块处于故障切除状态。
(5)对换流器各桥臂子模块的状态持续时间进行抽样，如图4所示，得到整个MMC换流站的状态，即：
(6)根据整个MMC换流站工作或故障判据，判别桥臂的工作状态，即：
当某一桥臂最先发生故障时，整个换流器故障停机，对子模块的寿命排序，最先发生故障的桥臂中冗余子模块全部投入运行后，发生子模块故障的时间Xf为系统的停机时间。
(7)当故障停机时间在预防性维修时间之前时，记录故障停机时刻及故障子模块个数，并进行故障更换，置仿真时间T＝T+Xf，返回到步骤(3)继续进行下一轮迭代，直至累计故障停机时间超过预防性维修时间，记录故障停机次数；
当故障停机时间在预防性维修时间之后时，记录此时故障子模块个数并更换故障子模块。
(8)综合考虑最小停机时间和最小维修费用；
根据最小停机时间模型，单位时间内最小停机时间为：
其中，总模拟时间包括正常工作时间、故障停机时间和预防性维修时间；总停机时间包括故障停机时间和预防性维修时间；记每次故障停机的固定维修时间(除更换子模块之外的检修时间)为tf，预防性维修的计划性停工时间(除更换子模块之外的检修时间)为tp。
根据最小维修费用模型，单位时间内最小维修费用为：
其中，总费用包括故障子模块更换费用、故障停机维修费用和预防性停机维修费用；记更换子模块的费用为cr，预防性维修使MMC计划性停工导致的系统损失为Cp，换流器故障停机导致的维修费用为Cf。
对停机时间和维修费用根据实际需要配置的权重系数，确定预设维修周期的综合指标为：
E(Tp)＝ω0C(Tp)+(I-ω0)D(Tp) (7)
其中，ω0表示权重系数。
(9)置N＝N+1，返回到步骤(2)重复执行下一轮迭代；
(10)计算多次模拟得到的综合指标均值，与上一次计算得到的均值误差超过设定要求ε时，认为得到预设维修周期下的综合指标近似等于期望值，即：
重新给定维修周期，重复模拟状态转移流程，确定不同维修周期下的综合指标E(Tp)，并绘制其函数曲线，从而得到最优维修周期Tp，使得换流器可以降低运行成本，提高供电可靠性。
在本实施例中，如表1所示为元件故障率，如表2所示为MMC成本及停机时间参数，根据表1、表2进行仿真模拟，确定最优维修周期。
表1元件故障率
| 元件 | 故障率(次/年) |
| IGBT | 0.000 876 |
| 电容 | 0.001 752 |
| 控制模块 | 0.001 402 |
| 电源驱动模块 | 0.035 040 |
表2 MMC成本及停机时间参数
| 参数 | 数值 |
| cw/k$ | 0.5 |
| cr/k$ | 27 |
| cp/k$ | 150 |
| cf/k$ | 8000 |
| tf/year | 0.05 |
| tp/year | 0.002 |
实施例2
本实施例提供一种MMC最优维修周期选择系统，包括：
模型构建模块，被配置为构建MMC换流站的子模块状态持续时间序列；
策略确定模块，被配置为构建考虑定寿更换策略和定时更换策略下预防性维修周期的状态转移流程；
模拟仿真模块，被配置为在给定的维修周期下对状态转移流程进行模拟仿真，根据子模块状态持续时间序列确定MMC换流站运行状态，从而确定故障停机时间并进行故障维修，直至累计故障停机时间超过预防性维修时间时，根据总停机时间和总维修费用确定当前维修周期的综合指标，根据不同维修周期下的综合指标确定最优维修周期。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种MMC最优维修周期选择方法，其特征在于，包括：
构建MMC换流站的子模块状态持续时间序列；
构建考虑定寿更换策略和定时更换策略下预防性维修周期的状态转移流程；
在给定的维修周期下对状态转移流程进行模拟仿真，根据桥臂子模块状态持续时间序列确定MMC换流站运行状态，从而确定故障停机时间并进行故障维修，直至累计故障停机时间超过预防性维修时间时，根据总停机时间和总维修费用确定当前维修周期的综合指标，根据不同维修周期下的综合指标确定最优维修周期；
在预防性维修时间下检测桥臂子模块状态，对各桥臂子模块的状态持续时间进行抽样，得到MMC换流站运行状态，根据MMC换流站运行状态判别桥臂工作状态，当某一桥臂发生故障时，整个换流器故障停机，对桥臂子模块的寿命排序，最先发生故障的桥臂中冗余桥臂子模块全部投入运行后，发生桥臂子模块故障的时间为故障停机时间；
根据总停机时间与总模拟时间的比值得到单位时间内最小停机时间；
根据总维修费用与总模拟时间的比值得到单位时间内最小维修费用；
对最小停机时间和最小维修费用分别赋权后，确定当前维修周期的综合指标值；
总模拟时间包括正常工作时间、故障停机时间和预防性维修时间；
总停机时间包括故障停机时间和预防性维修时间；
总维修费用包括故障子模块更换费用、故障停机维修费用和预防性停机维修费用；
相邻两次模拟仿真得到的综合指标均值误差超过设定要求ε时，认为满足最优维修周期，即：
其中，Tp为维修周期，N为迭代次数。
2.如权利要求1所述的一种MMC最优维修周期选择方法，其特征在于，所述定寿更换策略为：MMC工作时间达预防性维修周期时，如果未发生故障，则对故障子模块进行故障更换；如果在预防性维修周期前发生故障，则立即更换故障子模块。
3.如权利要求1所述的一种MMC最优维修周期选择方法，其特征在于，所述定时更换策略为：在等间隔时间点进行周期预防性更换故障子模块；在其他时间发生故障时立即更换故障子模块。
4.一种MMC最优维修周期选择系统，其特征在于，包括：
模型构建模块，被配置为构建MMC换流站的子模块状态持续时间序列；
策略确定模块，被配置为构建考虑定寿更换策略和定时更换策略下预防性维修周期的状态转移流程；
模拟仿真模块，被配置为在给定的维修周期下对状态转移流程进行模拟仿真，根据桥臂子模块状态持续时间序列确定MMC换流站运行状态，从而确定故障停机时间并进行故障维修，直至累计故障停机时间超过预防性维修时间时，根据总停机时间和总维修费用确定当前维修周期的综合指标，根据不同维修周期下的综合指标确定最优维修周期；
在预防性维修时间下检测桥臂子模块状态，对各桥臂子模块的状态持续时间进行抽样，得到MMC换流站运行状态，根据MMC换流站运行状态判别桥臂工作状态，当某一桥臂发生故障时，整个换流器故障停机，对桥臂子模块的寿命排序，最先发生故障的桥臂中冗余桥臂子模块全部投入运行后，发生桥臂子模块故障的时间为故障停机时间；
根据总停机时间与总模拟时间的比值得到单位时间内最小停机时间；
根据总维修费用与总模拟时间的比值得到单位时间内最小维修费用；
对最小停机时间和最小维修费用分别赋权后，确定当前维修周期的综合指标值；
总模拟时间包括正常工作时间、故障停机时间和预防性维修时间；
总停机时间包括故障停机时间和预防性维修时间；
总维修费用包括故障子模块更换费用、故障停机维修费用和预防性停机维修费用；
相邻两次模拟仿真得到的综合指标均值误差超过设定要求ε时，认为满足最优维修周期，即：
其中，Tp为维修周期，N为迭代次数。
5.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-3任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211685090.3A CN115994750B (zh) | 2022-12-27 | 2022-12-27 | 一种mmc最优维修周期选择方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211685090.3A CN115994750B (zh) | 2022-12-27 | 2022-12-27 | 一种mmc最优维修周期选择方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115994750A CN115994750A (zh) | 2023-04-21 |
| CN115994750B true CN115994750B (zh) | 2023-08-04 |
Family
ID=85993274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211685090.3A Active CN115994750B (zh) | 2022-12-27 | 2022-12-27 | 一种mmc最优维修周期选择方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115994750B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784581A (zh) * | 2019-01-30 | 2019-05-21 | 北京航空航天大学 | 一种考虑弹性的系统预防性维修周期优化方法 |
| CN109917638A (zh) * | 2018-12-05 | 2019-06-21 | 重庆大学 | 计及运行工况影响的mmc动态冗余预防性维护方法 |
| CN110163384A (zh) * | 2019-04-29 | 2019-08-23 | 南京市特种设备安全监督检验研究院 | 一种计算起重机定期维修周期的方法 |
| CN111817581A (zh) * | 2020-07-17 | 2020-10-23 | 山东大学 | 一种多电平换流器的运行控制方法及控制系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130127863A1 (en) * | 2011-11-23 | 2013-05-23 | Steffen Witt | Determining an optimal sequence of status transitions for business objects |
| CN117522018A (zh) * | 2018-07-19 | 2024-02-06 | 北京北方华创微电子装备有限公司 | 一种物料优化调度的方法和设备 |
| US20220317676A1 (en) * | 2021-03-31 | 2022-10-06 | Caterpillar Inc. | Systems and methods for automatically scheduling maintenance |
-
2022
- 2022-12-27 CN CN202211685090.3A patent/CN115994750B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109917638A (zh) * | 2018-12-05 | 2019-06-21 | 重庆大学 | 计及运行工况影响的mmc动态冗余预防性维护方法 |
| CN109784581A (zh) * | 2019-01-30 | 2019-05-21 | 北京航空航天大学 | 一种考虑弹性的系统预防性维修周期优化方法 |
| CN110163384A (zh) * | 2019-04-29 | 2019-08-23 | 南京市特种设备安全监督检验研究院 | 一种计算起重机定期维修周期的方法 |
| CN111817581A (zh) * | 2020-07-17 | 2020-10-23 | 山东大学 | 一种多电平换流器的运行控制方法及控制系统 |
Non-Patent Citations (1)
| Title |
|---|
| 模块化多电平换流器的可靠性维修周期优化;韩晓云;高电压技术;第46卷(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115994750A (zh) | 2023-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Reliability model of MMC considering periodic preventive maintenance | |
| Velásquez et al. | Reliability, availability and maintainability study for failure analysis in series capacitor bank | |
| US9484747B1 (en) | Holistic optimization of distribution automation using survivability modeling | |
| Sharifi et al. | Condition-based optimization of non-identical inspection intervals for a k-out-of-n load sharing system with hybrid mixed redundancy strategy | |
| CN110707681B (zh) | 一种含柔性多状态开关的互联配电系统及可靠运行评估方法 | |
| KR101219544B1 (ko) | 배전선로의 최적 연계 해석 방법 | |
| CN107491870B (zh) | 配电网的电力规划方法、装置、设备以及计算机可读存储介质 | |
| CN111475953B (zh) | 供能可靠性影响分析方法、装置设备及存储介质 | |
| US11831275B2 (en) | Apparatus for diagnosing photovoltaic power generation through analysis of power generation trend | |
| CN103606107A (zh) | 一种风光储联合发电系统设备状态评估信息系统 | |
| CN107305651B (zh) | 一种输电系统可靠性评估方法和系统 | |
| Kolios et al. | openO&M: Robust O&M open access tool for improving operation and maintenance of offshore wind turbines | |
| CN116436327A (zh) | 一种基于神经网络的变流器自适应预测控制方法及系统 | |
| CN109658002B (zh) | 考虑控保系统竞争失效的电力电子装置可靠性建模方法 | |
| CN115994750B (zh) | 一种mmc最优维修周期选择方法及系统 | |
| CN103632207A (zh) | 一种电源电网综合优化方法 | |
| CN110689186A (zh) | 基于风电出力随机性的配电网供电可靠性评估方法及系统 | |
| Dui et al. | Analysis of variable system cost and maintenance strategy in life cycle considering different failure modes | |
| JP2019110740A (ja) | 電力使用量予測システムおよび方法 | |
| CN117406092A (zh) | 分散式模块化电池储能系统状态估计方法、装置及系统 | |
| Bian et al. | Operational Reliability Assessment of a Remotely Controlled Siphon System for Draining Shallow Storage Ponds | |
| CN111817581B (zh) | 一种多电平换流器的运行控制方法及控制系统 | |
| Lukovic et al. | A methodology for proactive maintenance of uninterruptible power supplies | |
| Fu et al. | A tractable failure probability prediction model for predictive maintenance scheduling of large-scale modular-multilevel-converters | |
| CN112257997A (zh) | 一种基于神经网络的pcs转化率计算方法及系统 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240104 Address after: 250061, No. ten, No. 17923, Lixia District, Ji'nan City, Shandong Province Patentee after: SHANDONG University Patentee after: STATE GRID SHANDONG ELECTRIC POWER COMPANY YANTAI POWER SUPPLY Co. Address before: 250061, No. ten, No. 17923, Lixia District, Ji'nan City, Shandong Province Patentee before: SHANDONG University |
|
| TR01 | Transfer of patent right |