CN116562693B - 一种配电网可靠性评估方法及计算机设备 - Google Patents
一种配电网可靠性评估方法及计算机设备 Download PDFInfo
- Publication number
- CN116562693B CN116562693B CN202310529115.9A CN202310529115A CN116562693B CN 116562693 B CN116562693 B CN 116562693B CN 202310529115 A CN202310529115 A CN 202310529115A CN 116562693 B CN116562693 B CN 116562693B
- Authority
- CN
- China
- Prior art keywords
- equipment
- rate
- fault
- distribution network
- power distribution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000011161 development Methods 0.000 claims abstract description 99
- 238000011084 recovery Methods 0.000 claims abstract description 50
- 230000006378 damage Effects 0.000 claims abstract description 28
- 238000012546 transfer Methods 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims description 89
- 230000007704 transition Effects 0.000 claims description 35
- 238000012423 maintenance Methods 0.000 claims description 28
- 230000001066 destructive effect Effects 0.000 claims description 26
- 230000008439 repair process Effects 0.000 claims description 25
- 230000008030 elimination Effects 0.000 claims description 11
- 238000003379 elimination reaction Methods 0.000 claims description 11
- 230000002950 deficient Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 23
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 3
- 208000033999 Device damage Diseases 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 76
- 238000005516 engineering process Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000005764 inhibitory process Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- 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
- 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—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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种配电网可靠性评估方法及计算机设备，涉及配电网可靠性评估领域，方法包括：首先获取设备发展型故障状态转移模型、设备破坏型故障状态转移模型以及设备故障恢复时间模型；再获取目标配电网中的各设备的目标参数；然后，基于所述模型及所述目标参数，计算所述各设备的故障恢复时间、发展型故障率及破坏型故障率；最后，结合所述目标配电网的拓扑结构，确定所述目标配电网的可靠性指标。本发明的评估方法，在保留了传统解析法评估快速性的同时，综合考虑了设备故障的发展机理以及信息社会系统对系统可靠性影响，相较于传统配电网可靠性评估方法而言，本发明提出的评估方法更符合实际情形，更适合于配电信息物理社会系统。
Description
技术领域
本发明涉及配电网可靠性评估领域，特别是涉及一种配电网可靠性评估方法及计算机设备。
背景技术
电力系统的可靠性研究是相关领域的热点问题。根据研究对象的不同，又可分为发电系统的可靠性，输电系统的可靠性和配电系统的可靠性。配电网在电力系统中处于最末端的位置，直接和用户相连，一旦出现故障情况，就会在用户侧表现为停电事故。因此对配电网的可靠性评估有着重大意义。
现有研究仅关注设备由正常状态到故障状态的发展过程，并未从故障发展机理出发对设备故障率进行分析，在分析设备故障率时，对于设备处于正常状态和故障状态之间的中间状态的发展情况考虑不足，比如，随着设备自身老化导致设备发生缺陷，外部风险因素导致设备由正常状态转变为潜在风险状态，以及社会系统运检人员的缺陷/风险排除能力都会对设备故障率产生影响。因此，现有的配电网可靠性评估方法还有待改进。
发明内容
本发明的目的是提供一种配电网可靠性评估方法及计算机设备。
为实现上述目的，本发明提供了如下方案：
一种配电网可靠性评估方法，其特征在于，所述方法包括：
步骤1：获取设备发展型故障状态转移模型、设备破坏型故障状态转移模型以及设备故障恢复时间模型；其中，
所述设备发展型故障状态转移模型为考虑了设备缺陷状态发展概率的设备故障概率模型，所述设备缺陷状态发展概率为设备由可能出现缺陷状态到发展为故障状态的概率；
所述设备破坏型故障状态转移模型为考虑了设备风险状态发展概率的设备故障概率模型，所述设备风险状态发展概率为设备由可能出现风险状态到发展为故障状态的概率；
步骤2：获取目标配电网中的各设备的目标参数；所述目标参数包括：设备缺陷状态发展概率参数以及设备风险状态发展概率参数；
步骤3：基于所述设备故障恢复时间模型，计算目标配电网中的各设备故障后的故障恢复时间和修复率；
步骤4：对于目标配电网中的每一设备，基于所述设备发展型故障状态转移模型、设备缺陷状态发展概率参数以及修复率计算所述每一设备的发展型故障率；
步骤5：对于目标配电网中的每一设备，基于所述设备破坏型故障状态转移模型、设备风险状态发展概率参数以及修复率计算所述每一设备的破坏型故障率；
步骤6：根据目标配电网各设备的发展型故障率、破坏型故障率以及恢复时间，结合所述目标配电网的拓扑结构，确定所述目标配电网的可靠性指标。
可选的，所述步骤1中所述设备缺陷状态发展概率具体包括：缺陷出现率、缺陷消除率以及缺陷延迟率。
可选的，所述步骤1中所述设备风险状态发展概率具体包括：风险出现率、风险抑制率以及风险延迟率。
可选的，所述步骤1中所述设备发展型故障状态转移模型为：
其中，λ1为设备发展型故障率，α1为缺陷出现率，γ1为缺陷延迟率，PS为设备处于缺陷状态的概率，T表示等效诊断周期。
可选的，所述步骤1中所述设备破坏型故障状态转移模型为：
其中，λ2为设备破坏型故障率，λ2,l为设备第l类破坏型故障率，n为风险种类的总数，α2,l为第l类风险出现率，γ2,l为第l类风险延迟率，PR,l为设备处于第l种风险状态的概率，Tl为第l种风险的等效诊断周期。
可选的，所述步骤1中所述设备故障恢复时间模型为：
其中，ti为设备i的故障恢复时间；为设备i的故障定位时间；表示维修人员c从保障点k到设备i间的路程时间；为检修人员c修复设备i的平均维修时间；μi为设备i的修复率。
可选的，所述步骤6，具体包括：
对于所述目标配电网中的每一负荷点，根据所述负荷点对应的目标设备的发展型故障率、破坏型故障率以及恢复时间，计算所述负荷点的故障率和年停电时间；所述目标设备为对应负荷点的最小路径中所包含的设备，所述最小路径为所述对应负荷点到电源点的最短路径；
根据各所述负荷点的故障率和年停电时间，计算所述目标配电网的可靠性指标。
可选的，所述步骤6，具体还包括：
所述根据所述负荷点对应的目标设备的发展型故障率、破坏型故障率以及恢复时间，计算所述负荷点的故障率和年停电时间，具体包括：
计算所述负荷点对应的各目标设备的发展型故障率、破坏型故障率之和，得到所述负荷点的故障率；
计算所述负荷点对应的各目标设备的故障率与恢复时间之积的和，得到所述负荷点的年停电时间。
可选的，所述步骤6，具体还包括：
系统的可靠性指标包括：系统平均停电频率SAIFI、用户平均停电频率CAIFI，系统平均停电时间SAIDI，用户平均停电时间CAIDI以及系统供电可靠率ASAI；
所述根据各所述负荷点的故障率和年停电时间，计算所述目标配电网的可靠性指标，具体包括：
根据以下公式计算所述可靠性指标：
其中，LP为负荷点集合；λk和uk分别为负荷点k的故障率及年停电时间；Nk和分别为负荷点k处的用户数与受影响的用户数。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现上述任一实施例所述的方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种配电网可靠性评估方法及计算机设备，方法包括：首先获取设备发展型故障状态转移模型、设备破坏型故障状态转移模型以及设备故障恢复时间模型；再获取目标配电网中的各设备的目标参数，所述目标参数包括：设备缺陷状态发展概率参数以及设备风险状态发展概率参数；然后，基于所述设备故障恢复时间模型，计算目标配电网中的各设备故障后的故障恢复时间和修复率，基于所述设备发展型故障状态转移模型、设备缺陷状态发展概率参数以及修复率计算各设备的发展型故障率，基于所述设备破坏型故障状态转移模型、设备风险状态发展概率参数以及修复率计算各设备的破坏型故障率；最后，根据目标配电网各设备的发展型故障率、破坏型故障率以及恢复时间，结合所述目标配电网的拓扑结构，确定所述目标配电网的可靠性指标。本申请从故障发展机理出发对设备故障率进行分析，将设备的“正常-故障”两状态模型扩展为“正常-缺陷/风险-故障”三状态模型，即在设备原始故障率的基础上，综合考虑了设备缺陷状态/风险状态的发展对设备故障率的影响，相较于传统配电网可靠性评估方法而言，本发明提出的评估方法更加符合实际情形，进而使得到的配电网可靠性指标更准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的配电网可靠性评估方法流程图；
图2为本发明实施例提供的设备缺陷发展过程图；
图3为本发明实施例提供的设备风险发展过程图；
图4为本发明实施例提供的设备发展型故障状态转移模型图；
图5为本发明实施例提供的设备破坏型故障状态转移模型图；
图6为本发明实施例提供的配电网可靠性评估的信息物理社会交互框架图；
图7为本发明实施例提供的融合信息物理社会因素的配电网可靠性评估流程图；
图8为本发明实施例提供的配电网中典型的辐射状馈线图；
图9为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种配电网可靠性评估方法及计算机设备。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的配电网可靠性评估方法包括以下步骤：
步骤1：获取设备发展型故障状态转移模型、设备破坏型故障状态转移模型以及设备故障恢复时间模型；其中，
所述设备发展型故障状态转移模型为考虑了设备缺陷状态发展概率的设备故障概率模型，所述设备缺陷状态发展概率为设备由可能出现缺陷状态到发展为故障状态的概率；
所述设备破坏型故障状态转移模型为考虑了设备风险状态发展概率的设备故障概率模型，所述设备风险状态发展概率为设备由可能出现风险状态到发展为故障状态的概率；
步骤2：获取目标配电网中的各设备的目标参数；所述目标参数包括：设备缺陷状态发展概率参数以及设备风险状态发展概率参数；
步骤3：基于所述设备故障恢复时间模型，计算目标配电网中的各设备故障后的故障恢复时间和修复率；
步骤4：对于目标配电网中的每一设备，基于所述设备发展型故障状态转移模型、设备缺陷状态发展概率参数以及修复率计算所述每一设备的发展型故障率；
步骤5：对于目标配电网中的每一设备，基于所述设备破坏型故障状态转移模型、设备风险状态发展概率参数以及修复率计算所述每一设备的破坏型故障率；
步骤6：根据目标配电网各设备的发展型故障率、破坏型故障率以及恢复时间，结合所述目标配电网的拓扑结构，确定所述目标配电网的可靠性指标。
上述步骤4、5之间没有先后顺序限制。
在一些实施例中，步骤1中所述设备缺陷状态发展概率具体包括：缺陷出现率、缺陷消除率以及缺陷延迟率。
具体的，所述缺陷出现率、缺陷消除率以及缺陷延迟率具体如下：
1.缺陷出现率α1：单位时间内设备缺陷出现的平均次数，由设备历史缺陷数据统计得到。设备在老化过程中经历缺陷状态，如不加干预则最终发展为严重故障造成停电，发展过程如图2所示。
由于泊松分布适合于描述单位时间内随机事件发生，因此可假设在一定时间内电力设备出现缺陷的概率服从缺陷出现率为α1的泊松分布，如公式(1)所示：
其中，P1(X＝k)表示单位时间内缺陷出现k次的概率。
2.缺陷消除率ρ1：单位时间内发现设备缺陷并成功修复的次数，受设备健康指数和运维、检修人员缺陷修复效果的影响。在上述缺陷发展过程中，通过提前干预消除设备缺陷能有效降低设备故障率，用缺陷消除率ρ1来表征干预的效果。干预效果受到设备健康指数和修复效果的共同影响，具体关系如公式(2)所示：
ρ1＝K·β·eCH (2)
其中，β为消缺比，表示运维、检修人员修复设备缺陷的成功率；H为配电设备健康指数，可通过在线监测数据、检修报告和试验测试结果等方式获得；K和C均为模型的适应性参数，不同类型设备对应不同的适应性参数，通过最小二乘法拟合得到。
3.缺陷延迟率γ1：单位时间内缺陷设备发生故障的平均次数，由设备历史缺陷数据统计得到。设备发展型故障延迟时间h1为设备由缺陷状态发展成故障状态的耗时。h1服从指数分布，其概率密度函数和概率分布函数分别如公式(3、4)所示：
其中，γ1为缺陷延迟率。
在一些实施例中，步骤1中所述设备风险状态发展概率具体包括：风险出现率、风险抑制率以及风险延迟率。
具体的，所述风险出现率、风险抑制率以及风险延迟率具体如下：
1.风险出现率α2,l：单位时间内第l种风险因素出现的平均次数，由设备历史风险数据统计得到。和缺陷类似，第l类风险出现的概率服从风险出现率为α2,l的泊松分布，设备风险发展过程如图3所示。同样可假设在一定时间内电力设备出现第l类风险的概率服从风险出现率为α2,l的泊松分布，如公式(5)所示：
其中，P2,l(X＝k)表示单位时间内风险出现k次的概率。
2.风险抑制率ρ2,l：单位时间内发现设备所处环境中风险因素l并成功抑制该风险的次数，受风险强度和运维、检修人员排除风险能力的影响。当设备所处环境中出现如：雨雪冰冻、施工作业等潜在破坏因素后，配电网运行异常势态感知技术能够结合预知的异常事件，根据预先设定好的关键特征阈值，实现异常隐患挖掘及风险预警；运维、检修人员根据预警数据采取相应措施来抑制破坏型故障风险。抑制效果由风险抑制率ρ2,l所表征，风险抑制率和风险抑制指数的计算方法如公式(6、7)所示：
其中，Al为第l类破坏型风险的抑制指数；为设备j的第l类破坏型风险的实时强度，其计算方法如公式(8、9)所示；Ql为运维、检修人员的风险排除率；κ为模型修正系数。
其中，分别表示设备j的第l类破坏型因素的历史与实时风险。本实施例中考虑了强风、雨雪冰冻、车辆破坏和施工作业在内的4种可能导致正常设备即刻故障的破坏型因素；表示过去一年内第j台设备由破坏型因素l所引发的故障次数；为设备所处环境中第l类破坏型因素的实时强度，则表示该破坏型因素强度在过去一年内的平均统计值。
3.风险延迟率γ2,l：单位时间内处于第l种风险状态的设备发生故障的平均次数，由设备历史风险故障数据统计得到。与设备发展型故障延迟时间h1相同，设备第l类破坏型故障延迟时间h2,l也服从指数分布，其概率密度函数和概率分布函数分别如公式(10-11)所示：
其中，γ2,l为设备第l类风险延迟率。
在一些实施例中，步骤1中所述设备发展型故障状态转移模型为：
其中，λ1为设备发展型故障率，α1为缺陷出现率，γ1为缺陷延迟率，PS为设备处于缺陷状态的概率，T表示等效诊断周期。
具体的，下面对所述设备发展型故障状态转移模型作进一步介绍：
如图4所示，发展型故障指设备从正常状态经过缺陷状态，最终发展为故障状态，此过程与设备自身老化情况密切相关。考虑信息、社会系统因素的作用，发现并识别设备的缺陷状态是降低故障率的关键环节。针对发展型故障，可将“正常-故障”两状态模型扩展为“正常-缺陷-故障”的三状态模型，定义了设备发展型故障状态转移模型。
发展型故障状态转移过程Pde：发展型故障状态转移过程定义为发展型故障下设备状态和状态转移率的集合Pde＝{Sn,Sd,Sf,α1,ρ1,λ1,γ1,μ}。
设备状态：定义Sn、Sd、Sf分别为设备正常状态、缺陷状态和故障状态；
状态转移率：包括缺陷出现率α1、缺陷消除率ρ1、缺陷延迟率γ1、修复率μ以及发展型故障率λ1；其中，缺陷出现率α1、缺陷消除率ρ1、缺陷延迟率γ1以及修复率μ已在前文实施例中做过相关介绍。
发展型故障率λ1：单位时间内设备发生发展型故障的平均次数，受缺陷出现率、消除率和延迟率的影响。基于前文实施例所述故障延迟时间的概率密度函数，得到设备缺陷发展为故障的概率如公式(12)所示：
T＝q·T0 (13)
其中，p1(t|m)为在m时刻出现的缺陷在t时刻发生故障的概率；T表示等效诊断周期，其与实际诊断周期T0之间的关系如公式(13)所示，q为用于构造实际诊断周期与等效诊断周期关系的适应性参数，取值为正整数。PS为设备处于缺陷状态的概率，基于图4所示的三状态转移模型，根据状态转移矩阵简化计算方法，得到设备处于缺陷状态的概率如公式(14)所示：
如公式(15)所示，由于缺陷出现率等于消除率与延迟率之和，带入公式(14)，进一步化简得到公式(16)：
α1＝ρ1+γ1 (15)
进一步计算t时间段内故障发生率pr(t)如公式(17)所示：
将公式(4)带入公式(17)中可得：
缺陷设备的故障出现概率服从故障发生率为的非齐次泊松分布。由泊松分布的性质可得，一个诊断周期内的设备故障发生次数期望值以及设备年发展型故障率分别如公式(19、20)所示：
在一些实施例中，步骤1中所述设备破坏型故障状态转移模型为：
其中，λ2为设备破坏型故障率，λ2,l为设备第l类破坏型故障率，n为风险种类的总数，α2,l为第l类风险出现率，γ2,l为第l类风险延迟率，PR,l为设备处于第l种风险状态的概率，Tl为第l种风险的等效诊断周期。
具体的，下面对所述设备破坏型故障状态转移模型作进一步介绍：
如图5所示，破坏型故障指设备受外部因素影响在短时间内由正常状态转变为潜在风险状态，最终发展为故障状态。考虑信息、社会系统因素的作用，发现并排除设备的风险状态是降低故障率的重要环节。针对破坏型故障，可将“正常-故障”两状态模型扩展为“正常-风险-故障”的三状态模型，定义了设备破坏型故障状态转移模型。
破坏型故障状态转移过程Pbr：与发展型故障类似，破坏型故障状态转移过程定义为破坏型故障下设备状态和状态转移概率的集合Pbr＝{Sn,Sr,l,Sf,ρ2,l,α2,l,γ2,l,λ2,μ}。
设备状态：定义Sn、Sr,l、Sf分别为设备正常状态、风险状态和故障状态；
状态转移率：包括风险出现率α2,l、风险抑制率ρ2,l、风险延迟率γ2,l、修复率μ以及破坏型故障率λ2；其中，风险出现率α2,l、风险抑制率ρ2,l、风险延迟率γ2,l以及修复率μ已在前文实施例中做过相关介绍。
破坏型故障率λ2：单位时间内设备发生破坏型故障的平均次数，受风险出现率、延迟率和抑制率的影响。同样基于故障时间延迟模型，推导可得到设备各类破坏型故障率如公式(21)所示，推导过程参考计算发展型故障率的实施例：
其中，PR,l为设备处于第l种风险状态的概率，和公式(16)类似，PR,l的计算方法如公式(22)所示；Tl为第l种风险的等效诊断周期，其与实际诊断周期T0,l间的关系如公式(23)所示：
Tl＝ql·T0,l (23)
基于设备各类破坏型故障率计算得到设备总破坏型故障率，如公式(24)所示：
本实施例中考虑了强风、雨雪冰冻、车辆破坏和施工作业在内的4种可能导致正常设备即刻故障的破坏型因素。
在一些实施例中，步骤1中所述设备故障恢复时间模型为：
其中，ti为设备i的故障恢复时间；为设备i的故障定位时间；表示维修人员c从保障点k到设备i间的路程时间；为检修人员c修复设备i的平均维修时间；μi为设备i的修复率。
随着新型电力通信技术、物联网技术、人工智能技术的发展与推进，多要素融合使得配电网的运行特性更加复杂，配电网已发展成为融合信息-物理-社会因素的大规模复杂系统，亟需研究融合信息-物理-社会因素的配电网可靠性评估方法。为准确量化信息、社会因素对配电网物理系统可靠性的影响，支撑面向重大社会活动的可靠性保障方案设计，本发明提出了一种配电网可靠性评估的“信息-物理-社会”交互框架，如图6所示。
在该框架中，信息-物理-社会系统间的交互作用可总结如下：
1)物理→信息：运用信息系统识别设备早期缺陷、评估设备风险，实现对物理系统中设备的状态检测，识别设备早期缺陷并对设备所处环境中的风险因素提前预警。
2)信息→社会：通过信息系统对运维、检修中所需的人、车、物等社会要素进行优化部署与调配，辅助完成日常运维与故障状态下的应急抢修工作。
3)社会→物理：社会系统中运维、检修人员根据工作经验对设备状态进行诊断、对风险因素进行排查；通过社会系统的日常巡检、应急抢修来消除物理设备缺陷、抑制风险。
在上述理论的基础上，下面对所述设备故障恢复时间模型作进一步介绍：
设备的故障恢复总时间包含故障定位时间、路程时间和维修时间三部分。故障定位时间受到故障诊断技术精度和先进传感技术覆盖情况的影响；路程时间受到保障点到故障点间的距离、交通路况以及抢修车辆的平均行驶速度的影响；维修时间受到运维、检修人员专业素质、维修物资的充裕度的影响，如公式(25)所示：
公式(25)中第一项为设备i的故障定位时间，用表示。由故障诊断技术精度和先进传感技术覆盖情况共同决定，具体关系如公式(26)所示：
其中，为不考虑故障诊断和传感技术作用时设备原始故障定位时间，通常为3～8小时不等；d∈[0,1]为故障诊断技术精度；ξ为先进传感技术覆盖情况，取值为1、0时分别表示有、无该技术覆盖；r为模型修正系数。
公式(25)第二项表示维修人员c从保障点k到设备i间的路程时间，用表示；计算方法如公式(27)所示：
其中，Dk,i为应急保障点k与设备i之间的地理距离，ωk,i为应急保障点k与设备i之间的路况因子，vtr抢修车辆的平均行驶速度；路况因子ωk,i与车流密度fk,i相关，具体关系如公式(28)所示：
公式(25)中第三项为检修人员c修复不同设备的平均维修时间，用表示，受应急物资充裕度所影响，具体关系如公式(29)所示：
其中，εk,i为应急物资充裕度水平；为维修人员c在εk,i为0时的平均维修时间；e为欧拉常数；l为模型修正系数，此处可置为1。应急物资充裕度水平εk,i的取值分为0、1、2三档，受到物资数量指数、物资类型指数的综合影响，具体关系如公式(30)所示：
其中，Nk,i为物资数量指数、Ck,i为物资类型指数，当物资数量、类型充足时Nk,i、Ck,i为1，否则为0。
综上所示，基于以上设备故障修复时间模型，得到综合考虑交通路况、维修人员专业素质和抢修物资充裕度的修复率μ如公式(31)所示：
在一些实施例中，步骤6具体可以包括：
对于所述目标配电网中的每一负荷点，根据所述负荷点对应的目标设备的发展型故障率、破坏型故障率以及恢复时间，计算所述负荷点的故障率、年停电时间及恢复时间；所述目标设备为对应负荷点的最小路径中所包含的设备，所述最小路径为所述对应负荷点到电源点的最短路径；
根据各所述负荷点的故障率、年停电时间及恢复时间，计算所述目标配电网的可靠性指标。
在一些实施例中，步骤6具体还可以包括：
所述根据所述负荷点对应的目标设备的发展型故障率、破坏型故障率以及恢复时间，计算所述负荷点的故障率、年停电时间及恢复时间，具体包括：
计算所述负荷点对应的各目标设备的发展型故障率、破坏型故障率之和，得到所述负荷点的故障率；
计算所述负荷点对应的各目标设备的故障率与恢复时间之积的和，得到所述负荷点的年停电时间；
所述负荷点的恢复时间为其年停电时间除以其故障率。
在一些实施例中，如图7所示，融合信息物理社会因素的配电网可靠性评估方法具体可以如下：
对可靠性计算参数进行预处理。通过输入设备的各类风险强度与风险排除率计算风险抑制指数与各类风险抑制率，进一步结合设备的各类风险出现率及风险延迟率计算设备破坏型故障率。
通过输入设备健康指数和运维、检修人员消缺比计算设备缺陷消除率，根据设备历史缺陷数据统计得到缺陷延迟率，进一步结合缺陷出现率及缺陷延迟率计算设备发展型故障率。设备的故障率等于发展型故障率和破坏性故障率之和。随后，通过输入车流密度计算保障点到故障设备的路况因子，通过输入物资数量和类型指数计算物资充裕度；结合保障点到故障设备间的距离和车辆行驶速度计算设备故障恢复时间。
根据处理后的设备故障率、故障恢复时间，结合待评估区域配电网拓扑结构，运用解析法对配电网可靠性展开评估。运用解析法的过程中需要获得电源点到负荷点的最小路上的设备与线路，将非最小路上的设备与线路通过串并联等效折算到最小路上，最终形成各负荷点的故障率、停电时间列表并计算负荷点可靠性指标，基于负荷点可靠性指标进一步计算系统可靠性指标。
如图8所示，以配电网中典型的辐射状馈线为实施例，来进一步说明结合设备发展/破坏型故障率以及恢复时间，运用解析法计算系统可靠性的过程，该实施例前提假设为：负荷点分馈线首端设有熔断器，主馈线首段设有分段开关，因此仅当负荷点上游主、分馈线故障时才会导致负荷点停电。
图8所示馈线系统内，由于负荷点A、B、C和D的到电源点Source的最短路径分别为：
①LPA的最小路：主馈线1，分馈线a；
②LPB的最小路：主馈线1、2，分馈线b；
③LPC的最小路：主馈线1、2、3，分馈线c；
④LPD的最小路：主馈线1、2、3、4，分馈线d；
因此四个负荷点对应的故障率λ、恢复时间r及年停电时间u分别如下所示：
四个负荷点对应的故障率λ分别如下所示：
λLP A＝λ1+λa
四个负荷点对应的年停电时间u分别如下所示：
uLP A＝λ1r1+λara
四个负荷点对应的恢复时间r分别如下所示：
rLP m＝uLP m/λLP m，m＝LP A,LP B,LP C,LP D
其中，λi、λa-d为主、分馈线的总故障率，亦即发展型故障率与破坏型故障率之和，可由前述对应模型计算得到。ri、ra-d为主、分馈线的恢复时间，可由前述对应模型计算得到。接着，基于负荷点的故障率、年停电时间以及恢复时间能够计算馈线系统的可靠性指标，指标包括：系统平均停电频率(System Average Interruption Frequency Index,SAIFI)、用户平均停电频率(Customer Average Interruption Frequency Index,CAIFI)，系统平均停电时间(System Average Interruption Duration Index,SAIDI)，用户平均停电时间(Customer Average Interruption Duration Index,CAIDI)以及系统供电可靠率(Average Service Availability Index,ASAI)。计算公式如下：
其中，LP为负荷点集合，亦即LP＝{LP A,LP B,LP C,LP D}。λk和uk分别为负荷点k的故障率及年停电时间，计算公式如综上所述。Nk和分别为负荷点k处的用户数与受影响的用户数。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述配电网可靠性评估方法的步骤。
请参见图9，图9是本申请提供的一种计算机设备的结构示意图。如图9所示，计算机设备1000可以包括：处理器1001，网络接口1004和存储器1005，此外，计算机设备1000还可以包括：用户接口1003，和至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，用户接口1003可以包括显示屏(Display)、键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图9所示，作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、用户接口模块以及设备控制应用程序。
在图9所示的计算机设备1000中，网络接口1004可提供网络通讯功能；而用户接口1003主要用于为用户提供输入的接口；而处理器1001可以用于调用存储器1005中存储的设备控制应用程序，以实现上述实施例所述的配电网可靠性评估方法，这里将不再进行赘述。
上述程序可被部署在一个计算机设备上执行，或者被部署位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行，分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链网络。
综上所述，本发明具有以下优点：
(1)本发明提出一种考虑信息社会因素的发展型故障状态转移模型。考虑设备缺陷发展状况，将设备传统的“正常-故障”两状态模型扩展为“正常-缺陷-故障”的三状态模型，更加符合实际。此外，和基于历史统计值的传统设备故障率相比，本模型综合考虑了设备健康状况、运检人员消缺水平对发展型故障率的影响，适用于信息物理社会高度耦合的配电系统可靠性评估。
(2)本发明提出一种考虑信息社会因素的破坏型故障状态转移模型。考虑设备所处环境中的风险发展状况，将设备传统的“正常-故障”两状态模型扩展为“正常-风险-故障”的三状态模型，更加符合实际。此外，和基于历史统计值的传统设备故障率相比，本模型综合考虑了风险强度、运检人员风险排除水平对破坏型故障率的影响，适用于信息物理社会高度耦合的配电系统可靠性评估。
(3)本发明提出一种考虑信息社会因素的设备故障恢复时间模型。和基于历史统计值的传统设备故障恢复时间相比，本模型综合考虑了传感技术覆盖情况、故障诊断技术精度对故障定位时间的影响；车辆行驶速度、道路车流密度对路程时间的影响；应急物资充裕度对维修时间的影响。总而言之，本模型综合考虑了信息物理社会多重因素与设备故障恢复时间的关系，适用于信息物理社会高度耦合的配电系统可靠性评估。
(4)本发明通过提出融合信息物理社会因素的配电网可靠性评估流程，将信息物理社会因素的设备发展型故障率、破坏型故障率和故障恢复时间综合运用于配电系统可靠性的评估之中。保留了传统解析法评估快速性的同时，综合考虑了信息社会系统对系统可靠性的影响。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的计算机设备而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种配电网可靠性评估方法，其特征在于，所述方法包括：
步骤1：获取设备发展型故障状态转移模型、设备破坏型故障状态转移模型以及设备故障恢复时间模型；其中，
所述设备发展型故障状态转移模型为考虑了设备缺陷状态发展概率的设备故障概率模型，所述设备缺陷状态发展概率为设备由可能出现缺陷状态到发展为故障状态的概率；所述设备发展型故障状态转移模型为：
其中，λ1为设备发展型故障率，α1为缺陷出现率，γ1为缺陷延迟率，PS为设备处于缺陷状态的概率，T表示等效诊断周期；
所述设备破坏型故障状态转移模型为考虑了设备风险状态发展概率的设备故障概率模型，所述设备风险状态发展概率为设备由可能出现风险状态到发展为故障状态的概率；所述设备破坏型故障状态转移模型为：
其中，λ2为设备破坏型故障率，λ2,l为设备第l类破坏型故障率，n为风险种类的总数，α2,l为第l类风险出现率，γ2,l为第l类风险延迟率，PR,l为设备处于第l种风险状态的概率，Tl为第l种风险的等效诊断周期；
所述设备故障恢复时间模型为：
其中，ti为设备i的故障恢复时间；为设备i的故障定位时间；表示维修人员c从保障点k到设备i间的路程时间；为检修人员c修复设备i的平均维修时间；μi为设备i的修复率；
步骤2：获取目标配电网中的各设备的目标参数；所述目标参数包括：设备缺陷状态发展概率参数以及设备风险状态发展概率参数；
步骤3：基于所述设备故障恢复时间模型，计算目标配电网中的各设备故障后的故障恢复时间和修复率；
步骤4：对于目标配电网中的每一设备，基于所述设备发展型故障状态转移模型、设备缺陷状态发展概率参数以及修复率计算所述每一设备的发展型故障率；
步骤5：对于目标配电网中的每一设备，基于所述设备破坏型故障状态转移模型、设备风险状态发展概率参数以及修复率计算所述每一设备的破坏型故障率；
步骤6：根据目标配电网各设备的发展型故障率、破坏型故障率以及恢复时间，结合所述目标配电网的拓扑结构，确定所述目标配电网的可靠性指标。
2.根据权利要求1所述的配电网可靠性评估方法，其特征在于，所述设备缺陷状态发展概率包括缺陷出现率、缺陷消除率以及缺陷延迟率。
3.根据权利要求1所述的配电网可靠性评估方法，其特征在于，所述设备风险状态发展概率包括风险出现率、风险抑制率以及风险延迟率。
4.根据权利要求1所述的配电网可靠性评估方法，其特征在于，步骤6具体包括：
对于所述目标配电网中的每一负荷点：根据所述负荷点对应的目标设备的发展型故障率、破坏型故障率以及恢复时间，计算所述负荷点的故障率和年停电时间；所述目标设备为对应负荷点的最小路径中所包含的设备，所述最小路径为所述对应负荷点到电源点的最短路径；
根据各所述负荷点的故障率和年停电时间，计算所述目标配电网的可靠性指标。
5.根据权利要求4所述的配电网可靠性评估方法，其特征在于，所述根据所述负荷点对应的目标设备的发展型故障率、破坏型故障率以及恢复时间，计算所述负荷点的故障率和年停电时间，具体包括：
计算所述负荷点对应的各目标设备的发展型故障率和破坏型故障率之和，得到所述负荷点的故障率；
计算所述负荷点对应的各目标设备的故障率与恢复时间之积的和，得到所述负荷点的年停电时间。
6.根据权利要求4所述的配电网可靠性评估方法，其特征在于，系统的可靠性指标包括：系统平均停电频率SAIFI、用户平均停电频率CAIFI，系统平均停电时间SAIDI，用户平均停电时间CAIDI以及系统供电可靠率ASAI；
所述根据各所述负荷点的故障率和年停电时间，计算所述目标配电网的可靠性指标，具体包括：
根据以下公式计算所述可靠性指标：
其中，LP为负荷点集合；λk和uk分别为负荷点k的故障率及年停电时间；Nk和分别为负荷点k处的用户数与受影响的用户数。
7.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310529115.9A CN116562693B (zh) | 2023-05-11 | 2023-05-11 | 一种配电网可靠性评估方法及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310529115.9A CN116562693B (zh) | 2023-05-11 | 2023-05-11 | 一种配电网可靠性评估方法及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116562693A CN116562693A (zh) | 2023-08-08 |
| CN116562693B true CN116562693B (zh) | 2024-02-06 |
Family
ID=87491214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310529115.9A Active CN116562693B (zh) | 2023-05-11 | 2023-05-11 | 一种配电网可靠性评估方法及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116562693B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106981873A (zh) * | 2017-04-25 | 2017-07-25 | 集美大学 | 一种基于动力学行为的孤岛式电力系统潜隐故障预测方法 |
| CN109510196A (zh) * | 2018-11-28 | 2019-03-22 | 燕山大学 | 一种基于电-气耦合系统的故障恢复博弈模型 |
| CN114254818A (zh) * | 2021-12-09 | 2022-03-29 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于风险评估模型的低压配电网连锁故障预警方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070061608A1 (en) * | 2005-09-15 | 2007-03-15 | James Madison University | Method and apparatus for a time domain probabilistic risk assessment model, analysis of interaction of disparate networks, and a repair simulation tool |
-
2023
- 2023-05-11 CN CN202310529115.9A patent/CN116562693B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106981873A (zh) * | 2017-04-25 | 2017-07-25 | 集美大学 | 一种基于动力学行为的孤岛式电力系统潜隐故障预测方法 |
| CN109510196A (zh) * | 2018-11-28 | 2019-03-22 | 燕山大学 | 一种基于电-气耦合系统的故障恢复博弈模型 |
| CN114254818A (zh) * | 2021-12-09 | 2022-03-29 | 国网江苏省电力有限公司盐城供电分公司 | 一种基于风险评估模型的低压配电网连锁故障预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于集对故障树方法的电网安全运行风险评估模型;张丽英;王绵斌;谭忠富;乞建勋;;技术经济(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116562693A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8478479B2 (en) | Predicting time to maintenance by fusion between modeling and simulation for electronic equipment on board an aircraft | |
| CN117420380A (zh) | 一种配电网故障预警、处置方法及系统 | |
| CN102998996A (zh) | 一种飞机机载实时故障诊断方法 | |
| CN111079818A (zh) | 铁路货车车钩托梁折断检测方法 | |
| CN104218570A (zh) | 一种电能计量装置整体计量误差的在线评估方法和系统 | |
| Aven et al. | A delay-time model with safety constraint | |
| KR20140038265A (ko) | 고장관리장치 및 이의 고장관리방법 | |
| Tichý et al. | Predictive diagnostics usage for telematic systems maintenance | |
| CN115081647A (zh) | 基于贝叶斯网络模型的工业智能仪表故障预诊断方法 | |
| CN110262460B (zh) | 一种结合聚类思想进行特征提取的砼活塞故障预测方法 | |
| CN115938124A (zh) | 一种城市轨道交通突发事件影响预测方法、系统及产品 | |
| Tichy et al. | Failure analysis and data-driven maintenance of road tunnel equipment | |
| CN116562693B (zh) | 一种配电网可靠性评估方法及计算机设备 | |
| RU2569216C2 (ru) | Способ управления обслуживанием и ремонтом тягового подвижного состава железнодорожного транспорта и система для его осуществления | |
| Pietruczuk et al. | Block inspection policy model with imperfect maintenance for single-unit systems | |
| Altay et al. | Imperfect rail-track inspection scheduling with zero-inflated miss rates | |
| Birolini et al. | Basic Concepts, Quality & Reliability (RAMS) Assurance of Complex Equipment & Systems | |
| KR101403685B1 (ko) | 원자력발전소의 기능적중요도결정 기기목록을 활용한 고장설비와 정비효과성감시모듈 성능기준간 자동 연계 시스템 및 그 방법 | |
| Ross | Prognostics and Health Management for Power Electronics and Electrical Power Systems | |
| CN115600695A (zh) | 一种计量设备的故障诊断方法 | |
| JodeJko-PieTruczuk et al. | Development and sensitivity analysis of a technical object inspection model based on the delay-time concept use | |
| Williams et al. | System manufacturing test cost model | |
| Jodejko-Pietruczuk et al. | Block inspection policy model with imperfect inspections for multi-unit systems | |
| Bhatti et al. | Reliability Analysis of Industrial Model Using Redundancy Technique and Geometric Distribution | |
| Hao et al. | Review on Verification and Validation technology in integrated health management system |
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 |