CN116136987A - 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 - Google Patents
一种基于pscada数据的供电设备可靠性在线评估方法及其系统 Download PDFInfo
- Publication number
- CN116136987A CN116136987A CN202310144014.XA CN202310144014A CN116136987A CN 116136987 A CN116136987 A CN 116136987A CN 202310144014 A CN202310144014 A CN 202310144014A CN 116136987 A CN116136987 A CN 116136987A
- Authority
- CN
- China
- Prior art keywords
- power supply
- fault
- equipment
- urban rail
- supply equipment
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 55
- 238000007689 inspection Methods 0.000 claims description 36
- 238000012423 maintenance Methods 0.000 claims description 34
- 238000013210 evaluation model Methods 0.000 claims description 22
- 238000012163 sequencing technique Methods 0.000 claims description 22
- 238000012502 risk assessment Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 11
- 238000004220 aggregation Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于PSCADA数据的供电设备可靠性在线评估方法及其系统,其方法包括实时获取所有城轨供电设备的PSCADA数据,其中,PSCADA数据包括设备运行状态和设备运行数值,根据所述设备运行状态和所述设备运行数值,构建所述城轨供电设备之间的设备关联关系,获取城轨供电设备的历史运行台账中的故障事件数据,根据所述故障事件数据和所述设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果。本申请具有提高城轨供电设备之间的可靠性关联程度的效果。
Description
技术领域
本发明涉及供电设备检测的技术领域,尤其是涉及一种基于PSCADA数据的供电设备可靠性在线评估方法及其系统。
背景技术
目前,在城市轨道交通的安全运行中,城轨供电设备的稳定运行直接关系到城轨运行的安全,且电力设备的工作性能在投入使用后会随着使用时间逐渐下降,因此,对于运行过程中的供电设备的运行可靠性提出了更高的要求。
现有的供电设备可靠性检测方法通常采用节点控制的方式,在多个供电设备之间进行分离式控制,根据分化后的每个供电节点的实际供电情况判断对应的供电设备是否发生故障,从而得到每个供电设备节点的供电可靠性,但是,在城市轨道交通中,各个供电设备之间往往存是关联运行的,每一个供电设备出现故障都有可能会对其他供电设备产生误差干扰,缺乏对城市轨道交通中的所有供电设备的统一评估体系。
针对上述中的相关技术,发明人认为存在有城轨供电设备之间缺乏统一的可靠性评估体系的缺陷。
发明内容
为了构建城轨供电设备之间的统一的可靠性评估体系,提高城轨供电设备之间的可靠性关联程度,本申请提供一种基于PSCADA数据的供电设备可靠性在线评估方法及其系统。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种基于PSCADA数据的供电设备可靠性在线评估方法,所述基于PSCADA数据的供电设备可靠性在线评估方法包括:
实时获取所有城轨供电设备的PSCADA数据,其中,所述PSCADA数据包括设备运行状态和设备运行数值;
根据所述设备运行状态和所述设备运行数值,构建所述城轨供电设备之间的设备关联关系;获取城轨供电设备的历史运行台账中的故障事件数据;
根据所述故障事件数据和所述设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果。
通过采用上述技术方案,由于城轨供电系统中存在城轨供电设备故障时,容易导致关联的城轨供电设备的运行负荷增加,导致关联城轨供电设备的故障风险发生非线性的误差影响,且同一城轨交通枢纽的城轨供电设备之间存在关联关系,若仅对单一的供电设备进行独立故障检测,容易忽略关联供电设备所受到的间接故障干扰,因此,通过记录有城轨供电设备实时监控情况的PSCADA数据,来获取城轨供电设备的实时运行状况,便于对城轨供电设备进行在线实时评估,根据设备运行状态和对应的设备运行数值,构建城轨供电设备之间的设备关联关系,便于根据设备运行数值的波动情况,对故障节点的故障影响范围进行准确地评估,并将历史运行台账中的故障事件数据,作为城轨供电设备当前运行工况的故障评估结果的参考指标,提高当前运行工况的故障评估结果的评估可靠性,并根据故障事件数据和设备关联关系对运行工况下的所有城轨供电设备进行归一化可靠性评估,从而提高城轨供电设备之间的关联性,便于对同一城轨供电系统中的所有供电设备进行统一的故障评估,并通过综合可靠性评估结果来对故障事件在城轨供电系统中的故障影响范围进行准确地评估,提高城轨供电设备的可靠性评估准确性。
本申请在一较佳示例中可以进一步配置为:所述根据所述故障事件数据和所述设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果,具体包括:
对所述故障事件数据进行数据清洗处理,得到与每个城轨供电设备的当前故障事件相对应的故障分类标注数据;
根据所述故障分类标注数据与所述设备关联关系,构建每个故障类型之间的故障关联关系;根据所述故障关联关系,计算每种故障类型发生的故障概率,得到城轨供电设备的故障信息熵;
根据所述故障信息熵,对每个城轨供电设备的运行可靠性进行故障评估,得到城轨供电设备联动的综合可靠性评估结果。
通过采用上述技术方案,通过对故障事件数据进行数据清洗处理,减少与当前故障事件无关的PSCADA数据对故障类型判断的影响,提高故障类型判断的准确性,并在PSCADA数据数据中进行故障类型标记处理,得到与每个城轨供电设备的当前故障事件相对应的故障分类标记数据,提高数据调用的准确性,将故障分类标注数据按照设备关联关系进行设备关联处理,得到每个故障类型之间的故障关联关系,便于准确评估每种类型的故障所对应的城轨供电设备的故障影响,并通过对每种故障类型的故障概率的计算,获取城轨供电设备的故障信息熵,便于以故障信息熵作为可靠性评估指标,对城轨供电设备进行风险评估,从而构建城轨供电设备之间的统一的可靠性评估体系,根据故障信息熵来对每个城轨供电设备的运行可靠性进行故障评估,从而得到整个城轨供电系统的综合可靠性评估结果,提高可靠性评估结果与联动运行的城轨供电设备之间的契合程度,减少城轨供电设备独立评估的信息孤岛现象,提高城轨供电系统的整体可靠性评估的准确性。
本申请在一较佳示例中可以进一步配置为:所述根据所述故障关联关系,计算每种故障类型发生的故障概率,得到城轨供电设备的故障信息熵,具体包括:
获取城轨供电设备的历史维修台账信息和对应的巡检间隔信息;
根据所述历史维修台账信息和所述巡检间隔信息,构建城轨供电设备的可靠性评估模型;将所述故障关联关系输入至所述可靠性评估模型中,输出与故障类型相适配的实时故障概率;将所述实时故障概率与可靠性评估模型中预先得到的历史故障概率进行实时累计处理,得到当前运行工况下的故障信息熵。
通过采用上述技术方案,通过城轨供电设备的历史维修台账信息获取城轨供电设备的故障类型,通过城轨供电设备的巡检间隔信息获取城轨供电设备的故障可能性,并根据历史维修台账信息和对应的巡检间隔信息进行数据训练来构建可靠性评估模型,通过可靠性评估模型能够更加直观、快速地获取城轨供电设备的可靠性评估结果,减少可靠性评估的时延,来提高城轨供电设备的可靠性评估实时性,并通过可靠性评估模型对故障关联关系进行故障关联处理,从而得到与故障类型相匹配的每个城轨供电设备的实时故障概率,达到对城轨供电系统的统一可靠性评估,减少可靠性评估结果之间的信息壁垒。
本申请在一较佳示例中可以进一步配置为:所述根据所述历史维修台账信息和所述巡检间隔信息,构建城轨供电设备的可靠性评估模型,还包括:
对所述巡检间隔信息中的每种故障类型的发生频率进行统计,得到故障频率统计信息;
根据相邻巡检间隔信息内的故障频率统计信息,构建城轨供电设备所有故障类型的故障随机事件空间;
对所述故障随机事件空间进行设备风险评估处理,得到用于评估故障随机事件发生概率的风险评估结果;
根据城轨供电设备的历史维修台账信息,对所述风险评估结果进行风险误差补偿处理,得到与城轨供电设备实际运行情况相适配的可靠性补偿系数。
通过采用上述技术方案,通过对巡检间隔信息中的每种故障类型的发生频率进行统计,得到每个巡检周期所对应的故障频率统计信息,有助于根据每个巡检周期下的故障频率判断故障发生的可能性,并通过故障频率信息构建城轨供电设备所有故障类型的故障随机事件空间,有助于直观地观察到所有故障类型在城轨供电系统中的故障情况,并根据故障随机事件空间对城轨供电设备进行设备风险评估处理,将风险评估结果作为对应的城轨供电设备故障随机事件发生概率的评估指标,从而将故障发生概率具象化,有助于对城轨供电设备的故障概率变化情况进行动态监测,并根据历史维修台账信息,对风险评估结果进行风险误差补偿处理,通过可靠性补偿系数来提高风险评估结果与城轨供电系统的历史运行情况的适配性,从而提高风险评估结果的可靠性。
本申请在一较佳示例中可以进一步配置为:所述根据所述故障信息熵,对每个城轨供电设备的运行可靠性进行故障评估,得到城轨供电设备联动的综合可靠性评估结果,还包括:
当城轨供电设备存在故障节点时,获取与故障节点相关联的关联供电节点的运行负荷参数;根据所述故障信息熵和所述运行负荷参数,计算每一个关联供电节点的当前故障干扰概率;根据关联供电节点的历史维修台账信息计算关联供电节点的预期故障概率;
对所述预期故障概率与所述当前故障干扰概率进行数据聚合处理,得到与供电干扰影响相对应的关联供电节点的实际故障概率。
通过采用上述技术方案,当城轨供电设备存在故障节点时,容易将故障节点处的运行负荷压力分配给相关联的其他关联供电节点,因此,通过获取与故障节点相关联的关联供电节点的运行负荷参数的获取,来判断每个关联供电节点所分配到的运行负荷所带来的可靠性评估干扰,并根据关联供电节点的故障信息熵和分配到的的运行负荷参数来计算当前故障干扰概率,从而有助于获知故障节点的故障事件对关联供电节点所带来的故障干扰影响,并根据关联供电节点的历史维修台账信息阿里计算对应的预期故障概率,从而有助于评估出关联供电节点的故障干扰波动范围,并在预期故障概率与当前故障干扰概率的聚合叠加后,得到与故障节点的供电干扰影响相对应的关联供电节点的实际故障概率,有助于对存在故障干扰的关联供电节点进行实时的故障风险评估,提高设备可靠性评估的实时性。
本申请在一较佳示例中可以进一步配置为:所述根据所述设备运行状态和所述设备运行数值,构建所述城轨供电设备之间的设备关联关系,具体包括:
获取所述设备运行状态所对应的设备运行时间;
根据所述设备运行时间,对所述设备运行数值进行干扰波动检测处理,得到与所述设备运行情况相对应的故障干扰数据;
对同一设备运行时间下的所述故障干扰数据进行归集处理,得到城轨供电设备的故障干扰范围数据;
对所述故障干扰范围数据内的所有城轨供电设备进行故障关联处理,得到城轨供电设备之间的设备关联关系。
通过采用上述技术方案,通过获取城轨供电设备的每个设备运行状态下的设备运行时间,有助于获取不同运行负荷对设备运行时间的干扰影响,并通过对设备运行数据的干扰波动检测处理来获取当前设备运行时间下的故障干扰数据,有助于对存在故障干扰状态下的城轨供电设备的运行情况进行实时故障评估,并将同一设备运行时间下的故障干扰数据进行归集处理,得到同一故障干扰影响下的故障干扰范围数据,有助于评估每一个故障事件的实际故障影响范围,将故障干扰范围数据内的所有城轨供电设备进行故障关联,从而得到同一故障事件下的城轨供电设备的设备关联关系,有助于对存在故障干扰的城轨供电设备进行统一的运行可靠性评估,提高城轨供电设备的可靠性评估的准确性。
本申请在一较佳示例中可以进一步配置为:所述对所述故障干扰范围数据内的所有城轨供电设备进行故障关联处理,得到城轨供电设备之间的设备关联关系,还包括:
获取每个城轨供电设备在相邻运行时间下的运行状态波动数据;
根据所述运行状态波动数据,对城轨供电设备的故障节点进行定位处理,得到故障定位数据;对联合运行的城轨供电设备进行波动影响排序处理,得到城轨供电设备的波动影响排序结果;根据所述波动影响排序结果与所述故障定位数据,对城轨供电设备依次进行故障波动关联,得到按故障影响顺序关联的设备关联关系。
通过采用上述技术方案,通过获取城轨供电设备相邻运行时间下的运行状态波动数据,来评估每个城轨供电设备每个运行时间所受到的故障干扰影响,并根据运行状态波动数据,判断故障节点的所在位置,并对城轨供电设备中的故障节点进行定位处理,从而得到故障定位数据,有助于根据故障定位数据判断故障节点的关联供电节点的位置,并根据联合运行的城轨供电设备的波动影响排序结果来判断每个关联供电节点所收到的故障干扰影响情况,从而有助于按照故障影响情况有序地对关联供电节点进行顺序关联,提高对故障节点的故障影响范围的评估准确性,以及提高对设备关联关系的关联准确性。
本申请的上述发明目的二是通过以下技术方案得以实现的:
提供一种基于PSCADA数据的供电设备可靠性在线评估系统,所述基于PSCADA数据的供电设备可靠性在线评估系统包括:
数据获取模块,用于实时获取所有城轨供电设备的PSCADA数据,其中,PSCADA数据包括设备运行状态和设备运行数值;
关联构建模块,用于根据所述设备运行状态和所述设备运行数值,构建所述城轨供电设备之间的设备关联关系;
故障事件获取模块,用于获取城轨供电设备的历史运行台账中的故障事件数据;
可靠性评估模块,用于根据所述故障事件数据和所述设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果。
通过采用上述技术方案,由于城轨供电系统中存在城轨供电设备故障时,容易导致关联的城轨供电设备的运行负荷增加,导致关联城轨供电设备的故障风险发生非线性的误差影响,且同一城轨交通枢纽的城轨供电设备之间存在关联关系,若仅对单一的供电设备进行独立故障检测,容易忽略关联供电设备所受到的间接故障干扰,因此,通过记录有城轨供电设备实时监控情况的PSCADA数据,来获取城轨供电设备的实时运行状况,便于对城轨供电设备进行在线实时评估,根据设备运行状态和对应的设备运行数值,构建城轨供电设备之间的设备关联关系,便于根据设备运行数值的波动情况,对故障节点的故障影响范围进行准确地评估,并将历史运行台账中的故障事件数据,作为城轨供电设备当前运行工况的故障评估结果的参考指标,提高当前运行工况的故障评估结果的评估可靠性,并根据故障事件数据和设备关联关系对运行工况下的所有城轨供电设备进行归一化可靠性评估,从而提高城轨供电设备之间的关联性,便于对同一城轨供电系统中的所有供电设备进行统一的故障评估,并通过综合可靠性评估结果来对故障事件在城轨供电系统中的故障影响范围进行准确地评估,提高城轨供电设备的可靠性评估准确性。
本申请的上述目的三是通过以下技术方案得以实现的:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于PSCADA数据的供电设备可靠性在线评估方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于PSCADA数据的供电设备可靠性在线评估方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1、通过记录有城轨供电设备实时监控情况的PSCADA数据,来获取城轨供电设备的实时运行状况,便于对城轨供电设备进行在线实时评估,根据设备运行状态和对应的设备运行数值,构建城轨供电设备之间的设备关联关系,便于根据设备运行数值的波动情况,对故障节点的故障影响范围进行准确地评估,并将历史运行台账中的故障事件数据,作为城轨供电设备当前运行工况的故障评估结果的参考指标,提高当前运行工况的故障评估结果的评估可靠性,并根据故障事件数据和设备关联关系对运行工况下的所有城轨供电设备进行归一化可靠性评估,从而提高城轨供电设备之间的关联性,便于对同一城轨供电系统中的所有供电设备进行统一的故障评估,并通过综合可靠性评估结果来对故障事件在城轨供电系统中的故障影响范围进行准确地评估,提高城轨供电设备的可靠性评估准确性;
2、通过对故障事件数据进行数据清洗处理,减少与当前故障事件无关的PSCADA数据对故障类型判断的影响,提高故障类型判断的准确性,并在PSCADA数据数据中进行故障类型标记处理,得到与每个城轨供电设备的当前故障事件相对应的故障分类标记数据,提高数据调用的准确性,将故障分类标注数据按照设备关联关系进行设备关联处理,得到每个故障类型之间的故障关联关系,便于准确评估每种类型的故障所对应的城轨供电设备的故障影响,并通过对每种故障类型的故障概率的计算,获取城轨供电设备的故障信息熵,便于以故障信息熵作为可靠性评估指标,对城轨供电设备进行风险评估,从而构建城轨供电设备之间的统一的可靠性评估体系,根据故障信息熵来对每个城轨供电设备的运行可靠性进行故障评估,从而得到整个城轨供电系统的综合可靠性评估结果,提高可靠性评估结果与联动运行的城轨供电设备之间的契合程度,减少城轨供电设备独立评估的信息孤岛现象,提高城轨供电系统的整体可靠性评估的准确性;
3、通过城轨供电设备的历史维修台账信息获取城轨供电设备的故障类型,通过城轨供电设备的巡检间隔信息获取城轨供电设备的故障可能性,并根据历史维修台账信息和对应的巡检间隔信息进行数据训练来构建可靠性评估模型,通过可靠性评估模型能够更加直观、快速地获取城轨供电设备的可靠性评估结果,减少可靠性评估的时延,来提高城轨供电设备的可靠性评估实时性,并通过可靠性评估模型对故障关联关系进行故障关联处理,从而得到与故障类型相匹配的每个城轨供电设备的实时故障概率,达到对城轨供电系统的统一可靠性评估,减少可靠性评估结果之间的信息壁垒。
附图说明
图1是本申请一实施例基于PSCADA数据的供电设备可靠性在线评估方法的实现流程图。
图2是本申请一实施例供电设备可靠性在线评估方法步骤S20的实现流程图。
图3是本申请一实施例供电设备可靠性在线评估方法步骤S104的实现流程图。
图4是本申请一实施例供电设备可靠性在线评估方法步骤S40的实现流程图。
图5是本申请一实施例供电设备可靠性在线评估方法步骤S303的实现流程图。
图6是本申请一实施例供电设备可靠性在线评估方法步骤S402的另一实现流程图。
图7是本申请一实施例供电设备可靠性在线评估方法步骤S304的另一实现流程图。
图8是本申请一实施例基于PSCADA数据的供电设备可靠性在线评估系统的结构示意图。
图9是用于实现供电设备可靠性在线评估方法的计算机设备的内部结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种基于PSCADA数据的供电设备可靠性在线评估方法,具体包括如下步骤:
S10:实时获取所有城轨供电设备的PSCADA数据,其中,PSCADA数据包括设备运行状态和设备运行数值。
具体的,将所有的城轨交通设备预先接入PSCADA系统中,当城轨交通设备开始运行时,通过PSCADA系统实时获取对应城轨交通设备对应的城轨供电设备的PSCADA数据,其中,PSCADA数据包括城轨供电设备的设备运行状态和与每个设备运行状态相对应的设备运行数值。
S20:根据设备运行状态和设备运行数值,构建城轨供电设备之间的设备关联关系。
具体的,如图2所示,步骤S20具体包括以下步骤:
S101:获取设备运行状态所对应的设备运行时间。
具体的,当城轨交通设备运行状态转换时引起对应的城轨供电设备的设备运行状态发生变化,通过PSCADA系统实时记录每个设备运行状态发生转换时的设备运行时间,从而得到城轨供电设备的每个设备运行状态下的设备运行时间。
S102:根据设备运行时间,对设备运行数值进行干扰波动检测处理,得到与设备运行情况相对应的故障干扰数据。
具体的,当城轨供电设备发生故障时,会导致故障节点处的设备运行时间和设备运行数值都发生激变,同时故障节点处的负荷会分配至关联供电节点处,引起关联供电节点处的设备运行时间拉长或设备运行数值激增等,因此分别获取相同工况下的设备运行时间,根据同一工况下的设备运行时间变化来判断城轨供电设备是否受到故障干扰,并根据相同工况下,设备运行时间差和设备运行数值差来综合检测城轨供电设备的干扰波动情况,从而得到与设备运行情况相对应的故障干扰数据。
S103:对同一设备运行时间下的故障干扰数据进行归集处理,得到城轨供电设备的故障干扰范围数据。
具体的,对同一设备运行时间下的故障干扰数据进行归集处理类,包括在相同设备运行时间下,获取每个城轨供电设备的单点故障干扰差值,并根据单点故障干扰差值的波动起伏情况,对每个城轨供电设备进行干扰排序,如单点故障干扰差值越大代表受到的故障干扰影响越大,因此对应的城轨供电设备的干扰排序越优先,则根据每个城轨供电设备的干扰排序结果进行故障干扰数据的归集,从而得到城轨供电设备的故障干扰范围数据。
S104:对故障干扰范围数据内的所有城轨供电设备进行故障关联处理,得到城轨供电设备之间的设备关联关系。
具体的,按照故障干扰范围的干扰排序结果,对故障干扰范围数据内的所有城轨供电设备进行故障关联,如按照故障干扰排序顺序,以有向无环图的形式以故障节点处为出发点连接每个故障干扰范围内的城轨供电设备,且依次指向故障关联节点,从而得到城轨供电设备之间的设备关联关系。
具体的,如图3所示,步骤S104具体包括以下步骤:
S201:获取每个城轨供电设备在相邻运行时间下的运行状态波动数据。
具体的,通过预设的PSCADA系统实时检测每个城轨供电设备的PSCADA数据,根据PSCADA数据中相邻运行时间下的每个工作状态的状态波动情况,得到每个城轨供电设备的运行状态波动数据,包括相邻运行时间下的运行状态波动差值等。
S202:根据运行状态波动数据,对城轨供电设备的故障节点进行定位处理,得到故障定位数据。
具体的,根据运行状态波动数据,对城轨供电设备的故障节点进行定位,如运行状态波动越大,则说明受到的故障干扰越大,则故障节点的可能性也越大,因此根据城轨供电设备的每个供电节点的运行状态波动情况进行排序,根据排序结果推选出运行状态波动最大的共轨供电设备节点作为故障节点,并根据城轨供电设备的唯一识别码以及运行状态数据在PSCADA系统中进行定位,得到故障定位数据。
S203:对联合运行的城轨供电设备进行波动影响排序处理,得到城轨供电设备的波动影响排序结果。
具体的,对联合运行的城轨供电设备进行波动影响排序处理,在接入PSCADA系统的所有城轨供电设备中根据运行数据激变情况,如运行时间、运行负荷和运行状态等运行参数的骤变,从而根据多个运行参数的变化情况对联合运行的城轨供电设备进行波动影响排序,运行参数变化差值越大,代表城轨供电设备的故障概率越大,则得到波动影响排序结果。
S204:根据波动影响排序结果与故障定位数据,对城轨供电设备依次进行故障波动关联,得到按故障影响顺序关联的设备关联关系。
具体的,根据波动影响排序结果与故障定位数据,以故障定位数据中的故障节点为出发点,并按照波动影响排序结果,按照波动影响排序由波动影响高到低的顺序,对城轨供电设备依次进行故障波动关联,从而得到按照故障影响顺序关联的设备关联关系。
S30:获取城轨供电设备的历史运行台账中的故障事件数据。
具体的,根据PSCADA系统中记载的PSCADA数据,根据城轨供电设备的唯一识别码调用PSCADA系统中的历史运行台账,并根据历史运行台账中的运行状态波动情况,获取每个维修事件所对应的故障事件数据,包括故障位置、故障发生时间、故障类型、故障现象和对应的故障维修方案等。
S40:根据故障事件数据和设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果。
具体的,如图4所示,步骤S40具体包括以下步骤:
S301:对故障事件数据进行数据清洗处理,得到与每个城轨供电设备的当前故障事件相对应的故障分类标注数据。
具体的,对故障事件数据进行数据清洗处理,如根据故障类型,对同一故障类型的同期故障数据进行故障分类标注,使每个故障事件数据都能按照故障类型的不同分类存储在PSCADA数据中,根据故障分类标注数据能够在进行设备可靠性分析时进行PSCADA数据的快速调用。
S302:根据故障分类标注数据与设备关联关系,构建每个故障类型之间的故障关联关系。
具体的,根据故障分类标注数据和设备关联关系,将故障分类标注数据按照设备关联关系进行数据关联,从而得到故障状态下的各个故障关联节点的故障影响关联情况,并根据关联后的故障分裂标注数据得到每个故障类型之间的故障关联关系。
S303:根据故障关联关系,计算每种故障类型发生的故障概率,得到城轨供电设备的故障信息熵。
具体的,如图5所示,步骤S303具体包括以下步骤:
S401:获取城轨供电设备的历史维修台账信息和对应的巡检间隔信息。
具体的,根据故障节点的唯一识别码以及与故障关联节点之间的关联关系,从PSCADA数据中调取对应城轨供电设备的历史维修台账信息和对应的巡检间隔信息,其中历史维修台账信息包括城轨供电设备从投入使用到目前的故障次数和对应的故障事件,巡检间隔信息包括城轨供电设备从运行到目前的巡检次数以及对应的巡检间隔时间。
S402:根据历史维修台账信息和巡检间隔信息,构建城轨供电设备的可靠性评估模型。
具体的,根据历史维修台账信息和巡检间隔信息作为训练集,通过深度学习进行数据训练,并获取城轨供电设备的每种故障的发生总次数,根据巡检间隔时间和历史维修信息中的故障发生间隔时间,获取每个城轨供电设备的性能衰减系数,从而计算城轨供电设备的当前故障可能性,并根据城轨供电设备的性能衰减系数以及对应的故障概率变化情况,得到城轨供电设备的可靠性评估模型。
具体的,为了使可靠性评估模型的评估结果更加贴合城轨供电设备的当前运行情况,如图6所示,步骤S402还包括:
S501:对巡检间隔信息中的每种故障类型的发生频率进行统计,得到故障频率统计信息。
具体的,根据巡检间隔信息获取巡检结果中的巡检时间和对应的每种类型的故障发生频率,如根据巡检间隔信息获取相邻两次巡检周期中,城轨供电系统的每一个城轨供电设备的故障发生次数,根据巡检间隔时间和对应的故障发生次数,得到故障频率统计信息。
S502:根据相邻巡检间隔信息内的故障频率统计信息,构建城轨供电设备所有故障类型的故障随机事件空间。
具体的,根据相邻巡检间隔信息中的故障频率统计信息,以故障类型和巡检周期分别作为构建坐标系来构建对应的故障随机事件空间,并根据相邻巡检间隔信息来记录每个故障事件的变化情况,从而得到每一种类型的故障事件在巡检周期下的故障概率变化曲线。
S503:对故障随机事件空间进行设备风险评估处理,得到用于评估故障随机事件发生概率的风险评估结果。
具体的,根据故障随机事件空间中每种故障事件的故障概率变化曲线,对故障随机事件空间进行风险评估处理,如同一巡检周期下若故障事件的故障概率变化骤变,则判断城轨供电设备的该故障事件可靠性相对较低。根据对故障随机事件空间中的每一种类型的故障的故障概率评估,得到整个城轨供电设备的故障随机事件发生概率的风险评估结果。
S504:根据城轨供电设备的历史维修台账信息,对风险评估结果进行风险误差补偿处理,得到与城轨供电设备实际运行情况相适配的可靠性补偿系数。
具体的,根据PSCADA数据中的历史维修台账信息,结合城轨供电设备的设备性能,综合计算城轨供电设备的故障风险补偿系数,如根据设备维修间隔周期的运行数据变化差值来获取对应的故障风险补偿系数,从而根据故障风险补偿系数对风险评估结果进行风险误差补偿处理,如在风险评估结果的基础上乘以对应的故障风险补偿系数,从而得到与城轨供电设备实际运行情况相适配的可靠性补偿系数。
S403:将故障关联关系输入至可靠性评估模型中,输出与故障类型相适配的实时故障概率。
具体的,根据故障关联关系,获取同一故障类型的城轨供电设备PSCADA数据,并PSCADA数据计算每种故障类型发生的故障概率,如相邻故障事件发生的间隔时间,根据间隔时间变化情况获取对应故障发生的总次数,并根据每一种故障类型在总故障次数中的占比来评估每个故障类型的历史故障概率。
S404:将实时故障概率与可靠性评估模型中预先得到的历史故障概率进行实时累计处理,得到当前运行工况下的故障信息熵。
具体的,在得到每个故障类型的历史故障概率之后,通过公式(1)计算城轨供电设备的实时故障信息熵,通过历史故障概率与实时故障信息熵的累加计算,得到当前运行工况下的故障信息熵,公式(1)如下所示:
En=-∑pi*log(pi) (1)
其中,En表示用于评估故障事件随机性的故障信息熵,pi表示单位时间内每种故障类型的发生概率,其中,设置当城轨供电设备初次投入使用时的pi值等于0,故障可能性在误差范围内设置为无故障。
S304:根据故障信息熵,对每个城轨供电设备的运行可靠性进行故障评估,得到城轨供电设备联动的综合可靠性评估结果。
具体的,根据每个故障事件的故障信息熵对每个城轨供电设备的运行可靠性进行故障评估,如故障信息熵越大,则说明故障随机时间的不确定性增加,即城轨供电设备发生故障的风险也在增加,从而得到城轨供电设备联动的综合可靠性评估结果。
具体的,为了对关联供电节点的故障干扰情况进行进一步的准确评估,如图7所示,步骤S304还包括:
S601:当城轨供电设备存在故障节点时,获取与故障节点相关联的关联供电节点的运行负荷参数。
具体的,当城轨供电设备存在故障节点时,如城轨交通设备发生故障时,对应的城轨供电设备对应供电节点容易出现短路等影响供电正常运行的情况,则将城轨供电设备的故障节点位置处的运行负荷分配至对应的关联供电节点,根据关联供电节点的PSCADA数据的设备运行状态变化情况来判断每个关联供电节点的运行负荷分配情况,从而得到关联供电节点的运行负荷参数。
S602:根据故障信息熵和运行负荷参数,计算每一个关联供电节点的当前故障干扰概率。
具体的,根据故障信息熵和运行负荷参数,计算每一个关联供电节点的当前故障干扰概率,如获取相邻工作状态下的运行负荷参数差值,得到故障节点分配至关联供电节点处的干扰负荷参数,并根据干扰负荷参数与关联供电节点总负荷参数之间的比值作为关联节点的故障干扰影响值,根据故障干扰影响值与关联供电节点的故障信息熵的乘积作为当前故障干扰概率。
S603:根据关联供电节点的历史维修台账信息计算关联供电节点的预期故障概率。
具体的,根据关联供电节点的历史维修台账信息,获取历史维修台账信息中的故障事件发生间隔时间,根据城轨供电设备的故障间隔时间变化情况,以及对应的设备运行数据来计算城轨供电设备的供电性能衰减情况,根据供电性能衰减系数来计算关联供电节点的预期故障概率,供电性能衰减系数越大,城轨供电设备发生故障的预期故障概率越大。
S604:对预期故障概率与当前故障干扰概率进行数据聚合处理,得到与供电干扰影响相对应的关联供电节点的实际故障概率。
具体的,对预期故障概率和当前故障干扰概率进行数据聚合处理,如将同一运行状态或者同一运行时间下的预期故障概率和当前故障干扰进行叠加处理,将叠加结果作为关联供电节点的实际故障概率,通过叠加后的实际故障概率来对关联供电节点受到的实际供电干扰影响进行可靠性评估。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种基于PSCADA数据的供电设备可靠性在线评估系统,该基于PSCADA数据的供电设备可靠性在线评估系统与上述实施例中基于PSCADA数据的供电设备可靠性在线评估方法一一对应。如图8所示,该基于PSCADA数据的供电设备可靠性在线评估系统包括数据获取模块、关联构建模块、故障事件获取模块和可靠性评估模块。各功能模块详细说明如下:
数据获取模块,用于实时获取所有城轨供电设备的PSCADA数据,其中,PSCADA数据包括设备运行状态和设备运行数值。
关联构建模块,用于根据设备运行状态和设备运行数值,构建城轨供电设备之间的设备关联关系。
故障事件获取模块,用于获取城轨供电设备的历史运行台账中的故障事件数据。
可靠性评估模块,用于根据故障事件数据和设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果。
优选的,可靠性评估模块具体包括:
数据清洗子模块,用于对故障事件数据进行数据清洗处理,得到与每个城轨供电设备的当前故障事件相对应的故障分类标注数据。
故障关联关系构建子模块,用于根据故障分类标注数据与设备关联关系,构建每个故障类型之间的故障关联关系。
故障概率计算子模块,用于根据故障关联关系,计算每种故障类型发生的故障概率,得到城轨供电设备的故障信息熵。
故障评估子模块,用于根据故障信息熵,对每个城轨供电设备的运行可靠性进行故障评估,得到城轨供电设备联动的综合可靠性评估结果。
优选的,故障概率计算子模块具体包括:
历史信息获取单元,用于获取城轨供电设备的历史维修台账信息和对应的巡检间隔信息。
模型构建单元,用于根据历史维修台账信息和巡检间隔信息,构建城轨供电设备的可靠性评估模型。
实时故障概率计算单元,用于将故障关联关系输入至可靠性评估模型中,输出与故障类型相适配的实时故障概率。
故障概率累计单元,用于将实时故障概率与可靠性评估模型中预先得到的历史故障概率进行实时累计处理,得到当前运行工况下的故障信息熵。
优选的,模型构建单元还包括:
频率统计单元,用于对巡检间隔信息中的每种故障类型的发生频率进行统计,得到故障频率统计信息。
故障随机事件空间构建单元,用于根据相邻巡检间隔信息内的故障频率统计信息,构建城轨供电设备所有故障类型的故障随机事件空间。
风险评估单元,用于对故障随机事件空间进行设备风险评估处理,得到用于评估故障随机事件发生概率的风险评估结果。
风险误差补偿单元,用于根据城轨供电设备的历史维修台账信息,对风险评估结果进行风险误差补偿处理,得到与城轨供电设备实际运行情况相适配的可靠性补偿系数。
优选的,故障评估子模块还包括:
运行负荷参数获取单元,用于当城轨供电设备存在故障节点时,获取与故障节点相关联的关联供电节点的运行负荷参数。
当前故障干扰概率计算单元,用于根据故障信息熵和运行负荷参数,计算每一个关联供电节点的当前故障干扰概率。
预期故障概率计算单元,用于根据关联供电节点的历史维修台账信息计算关联供电节点的预期故障概率。
数据聚合处理单元,用于对预期故障概率与当前故障干扰概率进行数据聚合处理,得到与供电干扰影响相对应的关联供电节点的实际故障概率。
优选的,关联构建模块具体包括:
运行时间获取子模块,用于获取设备运行状态所对应的设备运行时间。
干扰波动检测子模块,用于根据设备运行时间,对设备运行数值进行干扰波动检测处理,得到与设备运行情况相对应的故障干扰数据。
数据归集处理子模块,用于对同一设备运行时间下的故障干扰数据进行归集处理,得到城轨供电设备的故障干扰范围数据。
故障关联子模块,用于对故障干扰范围数据内的所有城轨供电设备进行故障关联处理,得到城轨供电设备之间的设备关联关系。
优选的,故障关联子模块还包括:
状态波动数据获取子模块,用于获取每个城轨供电设备在相邻运行时间下的运行状态波动数据。
故障定位子模块,用于根据运行状态波动数据,对城轨供电设备的故障节点进行定位处理,得到故障定位数据。
波动影响排序子模块,用于对联合运行的城轨供电设备进行波动影响排序处理,得到城轨供电设备的波动影响排序结果。
故障波动关联子模块,用于根据波动影响排序结果与故障定位数据,对城轨供电设备依次进行故障波动关联,得到按故障影响顺序关联的设备关联关系。
关于基于PSCADA数据的供电设备可靠性在线评估系统的具体限定可以参见上文中对于基于PSCADA数据的供电设备可靠性在线评估方法的限定,在此不再赘述。上述基于PSCADA数据的供电设备可靠性在线评估系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储城轨供电系统的PSCADA数据以及在进行可靠性评估的过程中所产生的中间文件。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于PSCADA数据的供电设备可靠性在线评估方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述一种基于PSCADA数据的供电设备可靠性在线评估方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于PSCADA数据的供电设备可靠性在线评估方法,其特征在于,所述基于PSCADA数据的供电设备可靠性在线评估方法包括:
实时获取所有城轨供电设备的PSCADA数据,其中,所述PSCADA数据包括设备运行状态和设备运行数值;
根据所述设备运行状态和所述设备运行数值,构建所述城轨供电设备之间的设备关联关系;
获取城轨供电设备的历史运行台账中的故障事件数据;
根据所述故障事件数据和所述设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果。
2.根据权利要求1所述的基于PSCADA数据的供电设备可靠性在线评估方法,其特征在于,所述根据所述故障事件数据和所述设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果,具体包括:
对所述故障事件数据进行数据清洗处理,得到与每个城轨供电设备的当前故障事件相对应的故障分类标注数据;
根据所述故障分类标注数据与所述设备关联关系,构建每个故障类型之间的故障关联关系;
根据所述故障关联关系,计算每种故障类型发生的故障概率,得到城轨供电设备的故障信息熵;
根据所述故障信息熵,对每个城轨供电设备的运行可靠性进行故障评估,得到城轨供电设备联动的综合可靠性评估结果。
3.根据权利要求2所述的基于PSCADA数据的供电设备可靠性在线评估方法,其特征在于,所述根据所述故障关联关系,计算每种故障类型发生的故障概率,得到城轨供电设备的故障信息熵,具体包括:
获取城轨供电设备的历史维修台账信息和对应的巡检间隔信息;
根据所述历史维修台账信息和所述巡检间隔信息,构建城轨供电设备的可靠性评估模型;
将所述故障关联关系输入至所述可靠性评估模型中,输出与故障类型相适配的实时故障概率;
将所述实时故障概率与可靠性评估模型中预先得到的历史故障概率进行实时累计处理,得到当前运行工况下的故障信息熵。
4.根据权利要求3所述的基于PSCADA数据的供电设备可靠性在线评估方法,其特征在于,所述根据所述历史维修台账信息和所述巡检间隔信息,构建城轨供电设备的可靠性评估模型,还包括:
对所述巡检间隔信息中的每种故障类型的发生频率进行统计,得到故障频率统计信息;
根据相邻巡检间隔信息内的故障频率统计信息,构建城轨供电设备所有故障类型的故障随机事件空间;
对所述故障随机事件空间进行设备风险评估处理,得到用于评估故障随机事件发生概率的风险评估结果;
根据城轨供电设备的历史维修台账信息,对所述风险评估结果进行风险误差补偿处理,得到与城轨供电设备实际运行情况相适配的可靠性补偿系数。
5.根据权利要求2所述的基于PSCADA数据的供电设备可靠性在线评估方法,其特征在于,所述根据所述故障信息熵,对每个城轨供电设备的运行可靠性进行故障评估,得到城轨供电设备联动的综合可靠性评估结果,还包括:
当城轨供电设备存在故障节点时,获取与故障节点相关联的关联供电节点的运行负荷参数;
根据所述故障信息熵和所述运行负荷参数,计算每一个关联供电节点的当前故障干扰概率;
根据关联供电节点的历史维修台账信息计算关联供电节点的预期故障概率;
对所述预期故障概率与所述当前故障干扰概率进行数据聚合处理,得到与供电干扰影响相对应的关联供电节点的实际故障概率。
6.根据权利要求1所述的基于PSCADA数据的供电设备可靠性在线评估方法,其特征在于,所述根据所述设备运行状态和所述设备运行数值,构建所述城轨供电设备之间的设备关联关系,具体包括:
获取所述设备运行状态所对应的设备运行时间;
根据所述设备运行时间,对所述设备运行数值进行干扰波动检测处理,得到与所述设备运行情况相对应的故障干扰数据;
对同一设备运行时间下的所述故障干扰数据进行归集处理,得到城轨供电设备的故障干扰范围数据;
对所述故障干扰范围数据内的所有城轨供电设备进行故障关联处理,得到城轨供电设备之间的设备关联关系。
7.根据权利要求6所述的基于PSCADA数据的供电设备可靠性在线评估方法,其特征在于,所述对所述故障干扰范围数据内的所有城轨供电设备进行故障关联处理,得到城轨供电设备之间的设备关联关系,还包括:
获取每个城轨供电设备在相邻运行时间下的运行状态波动数据;
根据所述运行状态波动数据,对城轨供电设备的故障节点进行定位处理,得到故障定位数据;
对联合运行的城轨供电设备进行波动影响排序处理,得到城轨供电设备的波动影响排序结果;
根据所述波动影响排序结果与所述故障定位数据,对城轨供电设备依次进行故障波动关联,得到按故障影响顺序关联的设备关联关系。
8.一种基于PSCADA数据的供电设备可靠性在线评估系统,其特征在于,所述基于PSCADA数据的供电设备可靠性在线评估系统包括:
数据获取模块,用于实时获取所有城轨供电设备的PSCADA数据,其中,PSCADA数据包括设备运行状态和设备运行数值;
关联构建模块,用于根据所述设备运行状态和所述设备运行数值,构建所述城轨供电设备之间的设备关联关系;
故障事件获取模块,用于获取城轨供电设备的历史运行台账中的故障事件数据;
可靠性评估模块,用于根据所述故障事件数据和所述设备关联关系,对运行工况下的所有城轨供电设备进行归一化可靠性评估,得到城轨供电设备的综合可靠性评估结果。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于PSCADA数据的供电设备可靠性在线评估方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于PSCADA数据的供电设备可靠性在线评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144014.XA CN116136987B (zh) | 2023-02-21 | 2023-02-21 | 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144014.XA CN116136987B (zh) | 2023-02-21 | 2023-02-21 | 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116136987A true CN116136987A (zh) | 2023-05-19 |
CN116136987B CN116136987B (zh) | 2023-08-15 |
Family
ID=86326834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310144014.XA Active CN116136987B (zh) | 2023-02-21 | 2023-02-21 | 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116136987B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190392360A1 (en) * | 2017-04-04 | 2019-12-26 | Korea Electric Power Corporation | Power transformer asset management device and method therefor |
CN111985816A (zh) * | 2020-08-21 | 2020-11-24 | 广东电网有限责任公司电力调度控制中心 | 电力设备检修模式风险成本评估方法、装置、终端及介质 |
CN112149877A (zh) * | 2020-08-31 | 2020-12-29 | 国网江苏省电力有限公司苏州供电分公司 | 多元复杂城市电网多源数据驱动的故障预测方法及其系统 |
CN112632794A (zh) * | 2020-12-30 | 2021-04-09 | 苏州电力设计研究院有限公司 | 基于交叉熵参数子集模拟优化的电网可靠性评估方法 |
CN113435677A (zh) * | 2020-03-23 | 2021-09-24 | 中国电力科学研究院有限公司 | 一种电网运行风险主动分析系统及方法 |
CN113779496A (zh) * | 2021-09-24 | 2021-12-10 | 广州健新科技有限责任公司 | 一种基于设备全景数据的电力设备状态评估方法及系统 |
CN114239377A (zh) * | 2021-11-10 | 2022-03-25 | 合肥赛为智能有限公司 | 一种城轨机电设备健康状态评估方法、系统及存储介质 |
CN114298521A (zh) * | 2021-12-23 | 2022-04-08 | 佳都科技集团股份有限公司 | 城轨设备的可靠性分析方法、装置、设备和存储介质 |
CN114936758A (zh) * | 2022-04-29 | 2022-08-23 | 国电联合动力技术有限公司 | 风电机组健康状态评估方法、装置及电子设备 |
CN115081926A (zh) * | 2022-07-14 | 2022-09-20 | 石家庄良村热电有限公司 | 一种适用于智能电厂的运行安全预警方法及系统 |
CN115409369A (zh) * | 2022-08-29 | 2022-11-29 | 常州英集动力科技有限公司 | 基于机理和数据混合驱动的综合能源系统可靠性评估方法 |
CN115659812A (zh) * | 2022-10-29 | 2023-01-31 | 思维实创(哈尔滨)科技有限公司 | 基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 |
CN115688420A (zh) * | 2022-10-29 | 2023-02-03 | 思维实创(哈尔滨)科技有限公司 | 基于城轨iscs的电扶梯质量评价方法、系统、设备及介质 |
-
2023
- 2023-02-21 CN CN202310144014.XA patent/CN116136987B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190392360A1 (en) * | 2017-04-04 | 2019-12-26 | Korea Electric Power Corporation | Power transformer asset management device and method therefor |
CN113435677A (zh) * | 2020-03-23 | 2021-09-24 | 中国电力科学研究院有限公司 | 一种电网运行风险主动分析系统及方法 |
CN111985816A (zh) * | 2020-08-21 | 2020-11-24 | 广东电网有限责任公司电力调度控制中心 | 电力设备检修模式风险成本评估方法、装置、终端及介质 |
CN112149877A (zh) * | 2020-08-31 | 2020-12-29 | 国网江苏省电力有限公司苏州供电分公司 | 多元复杂城市电网多源数据驱动的故障预测方法及其系统 |
CN112632794A (zh) * | 2020-12-30 | 2021-04-09 | 苏州电力设计研究院有限公司 | 基于交叉熵参数子集模拟优化的电网可靠性评估方法 |
CN113779496A (zh) * | 2021-09-24 | 2021-12-10 | 广州健新科技有限责任公司 | 一种基于设备全景数据的电力设备状态评估方法及系统 |
CN114239377A (zh) * | 2021-11-10 | 2022-03-25 | 合肥赛为智能有限公司 | 一种城轨机电设备健康状态评估方法、系统及存储介质 |
CN114298521A (zh) * | 2021-12-23 | 2022-04-08 | 佳都科技集团股份有限公司 | 城轨设备的可靠性分析方法、装置、设备和存储介质 |
CN114936758A (zh) * | 2022-04-29 | 2022-08-23 | 国电联合动力技术有限公司 | 风电机组健康状态评估方法、装置及电子设备 |
CN115081926A (zh) * | 2022-07-14 | 2022-09-20 | 石家庄良村热电有限公司 | 一种适用于智能电厂的运行安全预警方法及系统 |
CN115409369A (zh) * | 2022-08-29 | 2022-11-29 | 常州英集动力科技有限公司 | 基于机理和数据混合驱动的综合能源系统可靠性评估方法 |
CN115659812A (zh) * | 2022-10-29 | 2023-01-31 | 思维实创(哈尔滨)科技有限公司 | 基于城轨iscs的电扶梯寿命预测方法、系统、设备及介质 |
CN115688420A (zh) * | 2022-10-29 | 2023-02-03 | 思维实创(哈尔滨)科技有限公司 | 基于城轨iscs的电扶梯质量评价方法、系统、设备及介质 |
Non-Patent Citations (4)
Title |
---|
HAI JING YANG 等: ""Failure Risk Assessment of the Power System Transmission Line Based on an Improved Entropy Method"", 《 APPLIED MECHANICS AND MATERIALS》, pages 333 - 335 * |
任磊: ""计及运行策略的微电网可靠性评估模型及算法研究"", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, pages 042 - 441 * |
王浩鸣;唐;吴莉萍;杨磊;姚瑛;刘洪;: "基于设备状态评价的配电网动态可靠性评估", 电力系统及其自动化学报, vol. 29, no. 07, pages 68 - 74 * |
许鹏程 等: ""引入交叉熵与动态故障集的含风电大电网可靠性评估"", 《电力系统自动化》, vol. 40, no. 13, pages 28 - 34 * |
Also Published As
Publication number | Publication date |
---|---|
CN116136987B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108896853B (zh) | 具有分布式电源的电网电压暂降频次评估方法及装置 | |
Weyuker et al. | Using developer information as a factor for fault prediction | |
CN110086649A (zh) | 异常流量的检测方法、装置、计算机设备及存储介质 | |
CN104572391A (zh) | 监控告警策略配置方法及装置、监控告警方法及装置 | |
CN111624986A (zh) | 基于案例库的故障诊断方法和系统 | |
CN113835962A (zh) | 一种服务器故障检测方法、装置、计算机设备及存储介质 | |
CN110765189A (zh) | 互联网产品的异常管理方法和系统 | |
CN108173672A (zh) | 检测故障的方法和装置 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
CN110264055B (zh) | 部件危害性评估方法、装置、设备及计算机可读存储介质 | |
WO2019019429A1 (zh) | 一种虚拟机异常检测方法、装置、设备及存储介质 | |
CN116136987B (zh) | 一种基于pscada数据的供电设备可靠性在线评估方法及其系统 | |
CN111614520B (zh) | 一种基于机器学习算法的idc流量数据预测方法及装置 | |
CN111314110B (zh) | 一种用于分布式系统的故障预警方法 | |
CN113419950A (zh) | Ui自动化脚本的生成方法、装置、计算机设备及存储介质 | |
CN113032239A (zh) | 风险提示方法、装置、电子设备及存储介质 | |
CN116136985A (zh) | 一种变电所安全风险在线识别方法及其系统 | |
CN115907033A (zh) | 一种基于机器学习算法预测每小时用电量的方法及系统 | |
CN115934487A (zh) | 日志监控告警方法、装置、计算机设备和存储介质 | |
CN113408969B (zh) | 一种分布式系统的维修方案生成方法及系统 | |
CN109376959A (zh) | 一种配电终端检修时间预估方法及装置 | |
CN108269007A (zh) | 变压器数据分析的方法、装置、计算机设备及存储介质 | |
Cheng et al. | Opportunistic maintenance optimization of a two-unit system with different unit failure patterns | |
CN114120598A (zh) | 轨道交通供电预警方法、装置、计算机设备以及存储介质 | |
CN115981911A (zh) | 内存故障的预测方法、电子设备和计算机可读存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240110 Address after: Room 1227-1, 12th floor, Haitai building, No. 229, Middle North Fourth Ring Road, Haidian District, Beijing 100089 Patentee after: Beijing maglev Co.,Ltd. Address before: Room 408, 1-14, 4 / F, Hengxiang building, No.15 Tuanjie hunanli, Chaoyang District, Beijing 100020 Patentee before: Beijing thinking Shichuang Technology Co.,Ltd. |