CN116862480B - 一种电力设备故障预测与维修的智能决策支持方法及装置 - Google Patents
一种电力设备故障预测与维修的智能决策支持方法及装置 Download PDFInfo
- Publication number
- CN116862480B CN116862480B CN202311098799.8A CN202311098799A CN116862480B CN 116862480 B CN116862480 B CN 116862480B CN 202311098799 A CN202311098799 A CN 202311098799A CN 116862480 B CN116862480 B CN 116862480B
- Authority
- CN
- China
- Prior art keywords
- power equipment
- life
- value
- overhaul
- maintenance
- 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 71
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012216 screening Methods 0.000 claims description 50
- 230000011218 segmentation Effects 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/20—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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及故障预测技术领域,揭露了一种电力设备故障预测与维修的智能决策支持方法,包括:接收决策指令,基于决策指令确认待决策的电力设备,获取所述电力设备的参考寿命,基于预构建的可靠性关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点,利用预构建的参考决策关系式计算电力设备在第个参考寿命点进行检修前的参考价值,根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。本发明还提出一种电力设备故障预测与维修的智能决策支持装置、电子设备以及计算机可读存储介质。本发明可以解决对电力设备检修时造成资源浪费的问题。
Description
技术领域
本发明涉及故障预测技术领域,尤其涉及一种电力设备故障预测与维修的智能决策支持方法、装置、电子设备及计算机可读存储介质。
背景技术
随着新能源技术的发展,越来越多的微电网投入使用,微电网不仅能实现对清洁能源的利用,还能够供给正常生活所需的电能,相对应的微电网中电力设备的稳定性,尤为重要。
当前,对于电力设备的检修微:预测电力设备的使用时间,等时间间隔划分所述使用时间,并根据所划分的时间间隔对电力设备进行检修。
上述方法虽然能够实现对电力设备检修时间的划分,但是未考虑电力设备在使用时的实际使用环境对电力设备寿命的影响,未考虑基于电力设备的可靠度设置电力设备的检修时间间隔,导致了对电力设备检修时造成资源浪费的问题。
发明内容
本发明提供一种电力设备故障预测与维修的智能决策支持方法、装置及计算机可读存储介质,其主要目的在于解决对电力设备检修时造成资源浪费的问题。
为实现上述目的,本发明提供的一种电力设备故障预测与维修的智能决策支持方法,包括:
接收决策指令,基于所述决策指令确认待决策的电力设备;
构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数;
基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点;
构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值;
根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。
可选地,所述获取所述电力设备的参考寿命,包括:
获取电力设备的参考寿命集,按照从大到小的顺序排列所述参考寿命集,得到参考寿命序列;
获取所述参考寿命集中参考寿命的个数,预设的可靠度筛选比例,基于所述可靠度筛选比例及参考寿命的个数筛选所述参考寿命序列,得到目标寿命集;
基于所述目标寿命集计算电力设备的参考寿命,其中,参考寿命为目标寿命集中目标寿命的均值。
可选地,所述基于所述可靠度筛选比例及参考寿命的个数筛选所述参考寿命序列,得到目标寿命集,包括:
基于所述可靠度筛选比例及参考寿命的个数计算筛选数值,计算公式如下所示:
A=(1-γ)×B;
其中,A为筛选数值,B为参考寿命的个数,γ为预设的可靠度筛选比例;
对所述筛选数值执行向上取整,得到目标筛选数值;
基于目标筛选数值剔除参考寿命序列中的参考寿命,汇总参考寿命序列中所保留的参考寿命,得到目标寿命集,其中,按照从小到大的顺序剔除参考寿命序列中的参考寿命,且剔除的参考寿命的数量为目标筛选数值。
可选地,所述基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点,包括:
所述可靠度关系式如下所示:
其中,R(t)表示可靠度关系式;
基于所述可靠度关系式及故障概率关系式计算分段时间,其中,电力设备可靠度及故障概率均为50%时所对应的时间为分段时间;
基于所述分段时间划分所述参考寿命,得到第一参考寿命段及第二参考寿命段;
利用预构的寿命划分方法划分所述第一参考寿命段,得到多个第一检修段;
划分第二参考寿命段,得到多个第二检修段,其中,划分第二参考寿命段的方法为均等分,且第二参考寿命段的初始值为分段时间;
汇总所述多个第一检修段中每个检修段的端点及多个第二检修段中每个检修段的端点,得到多个参考寿命点。
可选地,所述利用预构的寿命划分方法划分所述第一参考寿命段,得到多个第一检修段,包括:
利用预设的第一个第一检修段的下限值及寿命划分公式计算出第一检修段的上限值,所述寿命划分公式如下所示:
t22=21/n×t1;
其中,t1为预设的第一个第一检修段的下限值,t2为第一个第一检修段的上限值,n为预设的寿命划分的倍数;
取第一个第一检修段的上限值作为第二个第一检修段的下限值,利用第二个第一检修段的下限值根据所述寿命划分公式计算得出第二个第一检修段的上限值,直至计算得出的上限值大于等于所述参考寿命,取参考寿命作为目标上限值,得到多个初始第一检修段;
筛选所述多个初始第一检修段,得到多个第一检修段。
可选地,所述筛选所述多个初始第一检修段,得到多个第一检修段,包括:
剔除多个初始第一检修段中目标上限值大于所述分段时间的初始第一检修段;
汇总所保留的多个初始第一检修段,得到多个第一检修段。
可选地,所述构建参考决策关系式,包括:
获取单位时间内电力设备所产生的价值,基于所述价值构建参考决策关系式。
可选地,所述参考决策关系式,如下所示:
c=(t(i+1)-ti)c0-ci;
其中,c为电力设备的参考价值,t(i+1)为电力设备在第(i+1)次检修时,电力设备预期的使用时间,ti为电力设备在第i次检修时,电力设备已经使用的时间,c0表示在单位时间内电力设备所产生的价值,ci为电力设备在第i次维修时所需的成本。
可选地,所述根据参考价值与预设的价值阈值,确认更换所述电力设备,包括:
比较参考价值与所述价值阈值的大小;
若参考价值大于价值阈值,则提示电力设备可以继续使用且对电力设备执行检修;
若参考价值小于或等于价值阈值,则确认更换所述电力设备。
为了解决上述问题,本发明还提供一种电力设备故障预测与维修的智能决策支持装置,所述装置包括:
电力设备确认模块,用于接收决策指令,基于所述决策指令确认待决策的电力设备;
检修时段划分模块,用于构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数;
基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点;
检修价值计算模块,用于构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值;
电力设备决策模块,用于根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以实现上述所述的电力设备故障预测与维修的智能决策支持方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的电力设备故障预测与维修的智能决策支持方法。
相比于背景技术所述问题,本发明实施例通过构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点,可见本发明实施例在确认电力设备后,就考虑了利用电力设备在实际使用时的寿命作为参考寿命,计算出分段时间,将电力设备的参考寿命划分为多个参考寿命点,为后续基于参考寿命点对电力设备进行检修奠定了基础,通过分段时间划分所述参考寿命,可见本发明实施例并未将电力设备的参考寿命做整体划分,而是根据分段时间作为时间间隔进行划分,并结合电力设备的实际寿命,划分得到了多个参考寿命点,从而改善了因未考虑电力设备使用时电力设备的可靠度而造成的资源浪费的问题。基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值,根据参考价值与预设的价值阈值,确认更换所述电力设备,可见本发明实施例在每次对电力设备进行检修前都要计算电力设备的参考价值,并根据所述参考价值对电力设备进行判断,并不是在毫不知情的情况下对电力设备进行检修,从而进一步降低对电力设备执行检修时所消耗的资源。因此本发明提出的电力设备故障预测与维修的智能决策支持方法、装置、电子设备及计算机可读存储介质,可以解决对电力设备检修时造成资源浪费的问题。
附图说明
图1为本发明一实施例提供的电力设备故障预测与维修的智能决策支持方法的流程示意图;
图2为图1中其中一个步骤的详细实施流程示意图;
图3为图1中另一个步骤的详细实施流程示意图;
图4为本发明一实施例提供的电力设备故障预测与维修的智能决策支持装置的功能模块图;
图5为本发明一实施例提供的实现所述电力设备故障预测与维修的智能决策支持方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种电力设备故障预测与维修的智能决策支持方法。所述电力设备故障预测与维修的智能决策支持方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述电力设备故障预测与维修的智能决策支持方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的电力设备故障预测与维修的智能决策支持方法的流程示意图。在本实施例中,所述电力设备故障预测与维修的智能决策支持方法包括:
S1、接收决策指令,基于所述决策指令确认待决策的电力设备。
可理解的是,一般情况下,决策指令是由电力设备维护人员对重要且需要维护的电力设备发出的指令。电力设备主要包括发电设备和供电设备两大类,发电设备包括:电站锅炉、蒸汽轮机、燃气轮机、水轮机、发电机、变压器等,供电设备包括:各种电压等级的输电线路、互感器、接触器等。
示例性的,小王做为电力设备维护人员,需要对变压器A进行决策,因此,由小王发出决策指令。
S2、构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命。
可解释的,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数。
需解释的是,电力设备的尺度参数及电力设备的形状参数的获取方式为:获取电力设备的历史故障时间,基于MATLAB程序,利用牛顿迭代法进行迭代求解,得到电力设备的尺度参数及电力设备的形状参数。
应明白的是,历史故障时间的获取,还应考虑电力设备在使用时,电力设备所在地区及季节等因素。例如,电力设备1位于高温炎热地区,电力设备2位于多风沙的地区,则电力设备1出现因高温造成电力设备老化的概率要高于电力设备2,电力设备2出现因风沙造成电力设备磨损的概率要高于电力设备1,从而导致电力设备1与电力设备2的历史故障时间不同,且电力设备1及电力设备2为同一标准下的电力设备。
进一步地,参阅图2所示,所述获取所述电力设备的参考寿命,包括:
S21、获取电力设备的参考寿命集,按照从大到小的顺序排列所述参考寿命集,得到参考寿命序列;
S22、获取所述参考寿命集中参考寿命的个数,预设的可靠度筛选比例,基于所述可靠度筛选比例及参考寿命的个数筛选所述参考寿命序列,得到目标寿命集;
S23、基于所述目标寿命集计算电力设备的参考寿命,其中,参考寿命为目标寿命集中目标寿命的均值。
示例性的,利用预构建的Python获取同一标准下电力设备在气候条件相似的地区实际使用过程的寿命集合,得到参考寿命集。
进一步地,电力设备的寿命存在偶然性,因此,需要对参考寿命集中电力设备的寿命进行筛选,才能得到具有参考意义的电力设备的参考寿命。参考寿命为同一执行标准下电力设备在实际使用过程时的寿命。
详细地,所述基于所述可靠度筛选比例及参考寿命的个数筛选所述参考寿命序列,得到目标寿命集,包括:
基于所述可靠度筛选比例及参考寿命的个数计算筛选数值,计算公式如下所示:
A=(1-γ)×B;
其中,A为筛选数值,B为参考寿命的个数,γ为预设的可靠度筛选比例;
对所述筛选数值执行向上取整,得到目标筛选数值;
基于目标筛选数值剔除参考寿命序列中的参考寿命,汇总参考寿命序列中所保留的参考寿命,得到目标寿命集,其中,按照从小到大的顺序剔除参考寿命序列中的参考寿命,且剔除的参考寿命的数量为目标筛选数值。
示例性的,参考寿命的个数为18个,预设的可靠度筛选比例为0.9,则所计算的筛选数值为1.8,目标筛选数值为2,其中,所述参考寿命序列为:
20,18,...,17,14,10
剔除了参考寿命序列中的参考寿命为10及14的数值后,得到目标寿命集。
S3、基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点。
进一步地,参阅图3所示,所述基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点,包括:
所述可靠度关系式如下所示:
其中,R(t)表示可靠度关系式;
S31、基于所述可靠度关系式及故障概率关系式计算分段时间,其中,电力设备可靠度及故障概率均为50%时所对应的时间为分段时间;
S32、基于所述分段时间划分所述参考寿命,得到第一参考寿命段及第二参考寿命段;
利用预构的寿命划分方法划分所述第一参考寿命段,得到多个第一检修段;
划分第二参考寿命段,得到多个第二检修段,其中,划分第二参考寿命段的方法为均等分,且第二参考寿命段的初始值为分段时间;
S33、汇总所述多个第一检修段中每个检修段的端点及多个第二检修段中每个检修段的端点,得到多个参考寿命点。
需解释的是,划分第二参考寿命段的方法为均等分为:计算分段时间与参考寿命的差值,基于均等分所述差值,相邻差值之间的电力设备参考寿命段即为第二检修段。第一检修段为电力设备参考寿命在分段时间之前的寿命段,第二检修段位电力设备参考寿命在分段时间之后的寿命段。参考寿命点为电力设备可能会发生故障而设置的对电力设备进行检修的时间点。第二检修段均等分的份数需要结合电力设备进行预设。
示例性的,分段时间为5年,电力设备B的参考寿命为10年,划分电力设备B第二参考寿命段,预设的划分份数为5份,则每一个第二检测段的时长为1年,且第一个第二检测段中下限值对应的时间为电力设备B的检修时间,即第6年或电力设备B在检修时与上一次进行检修的时间间隔为第二检测段对应的时长,即一年。
进一步地,当电力设备可靠度及故障概率均为50%后,电力设备出现故障的概率明显提升,因此,可以通过分段时间将电力设备的寿命周期划分为第一参考寿命段及第二参考寿命段。同时,通过对两个寿命段的不同划分方法,节约了未考虑电力设备实际使用时,寿命衰减造成的检修资源浪费的问题。
应明白的是,当电力设备投入使用时,电力设备中所有零部件的状态均为崭新的零部件,故零部件出现故障的概率较低,随着使用年限的增加,每个零部件都受到不同程度的磨损与损耗,导致零部件故障的概率提高,因此,根据电力设备的使用寿命划分出不同的参考寿命点,有利于节约检修时资源。
示例性的,某电力设备A为新投入使用的电力设备,对电力设备A进行第一次检修的时间为所述第一个第一检修段的下限值,即90天,预设的寿命划分的倍数为2,则对电力设备A进行第二检修的时间为所述第一个第一检修段的上限值,即为电力设备在投入使用后的第128天。
详细地,所述利用预构的寿命划分方法划分所述第一参考寿命段,得到多个第一检修段,包括:
利用预设的第一个第一检修段的下限值及寿命划分公式计算出第一检修段的上限值,所述寿命划分公式如下所示:
t2=21/n×t1;
其中,t1为预设的第一个第一检修段的下限值,t2为第一个第一检修段的上限值,n为预设的寿命划分的倍数;
取第一个第一检修段的上限值作为第二个第一检修段的下限值,利用第二个第一检修段的下限值根据所述寿命划分公式计算得出第二个第一检修段的上限值,直至计算得出的上限值大于等于所述参考寿命,取参考寿命作为目标上限值,得到多个初始第一检修段;
筛选所述多个初始第一检修段,得到多个第一检修段。
应明白的是,本发明实施例假定的检修条件为:对所述待决策的电力设备进行检修后,电力设备在进行下一次检修之前,电力设备均能够正常使用。
进一步地,所述筛选所述多个初始第一检修段,得到多个第一检修段,包括:
剔除多个初始第一检修段中目标上限值大于所述分段时间的初始第一检修段;
汇总所保留的多个初始第一检修段,得到多个第一检修段。
示例性的,筛选后的多个第一检修段中最大值为198,分段时间为200,第二检修段中每个检修段的时间间隔为10,则对电力设备在使用时长为198是进行检修,则在第二检修段的初始值即为分段时间时进行检修,并在使用时长为210时,再次进行检修。
S4、构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值。
详细地,所述构建参考决策关系式,包括:
获取单位时间内电力设备所产生的价值,基于所述价值构建参考决策关系式。
进一步地,所述参考决策关系式,如下所示:
c=(t(i+1)-ti)c0-ci;
其中,c为电力设备的参考价值,t(i+1)为电力设备在第(i+1)次检修时,电力设备预期的使用时间,ti为电力设备在第i次检修时,电力设备已经使用的时间,c0表示在单位时间内电力设备所产生的价值,ci为电力设备在第i次维修时所需的成本。
需解释的是,参考价值为电力设备在使用至当前参考寿命点时,电力设备具下一个参考寿命点的实际使用价值。
S5、根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。
详细地,所述根据参考价值与预设的价值阈值,确认更换所述电力设备,包括:
比较参考价值与所述价值阈值的大小;
若参考价值大于价值阈值,则提示电力设备可以继续使用且对电力设备执行检修;
若参考价值小于或等于价值阈值,则确认更换所述电力设备。
可理解的是,当电力设备的参考价值小于所述价值阈值时,对电力设备进行检修,则不具备实用价值,因此,对所述电力设备进行更换。
相比于背景技术所述问题,本发明实施例通过构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点,可见本发明实施例在确认电力设备后,就考虑了利用电力设备在实际使用时的寿命作为参考寿命,计算出分段时间,将电力设备的参考寿命划分为多个参考寿命点,为后续基于参考寿命点对电力设备进行检修奠定了基础,通过分段时间划分所述参考寿命,可见本发明实施例并未将电力设备的参考寿命做整体划分,而是根据分段时间作为时间间隔进行划分,并结合电力设备的实际寿命,划分得到了多个参考寿命点,从而改善了因未考虑电力设备使用时电力设备的可靠度而造成的资源浪费的问题。基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值,根据参考价值与预设的价值阈值,确认更换所述电力设备,可见本发明实施例在每次对电力设备进行检修前都要计算电力设备的参考价值,并根据所述参考价值对电力设备进行判断,并不是在毫不知情的情况下对电力设备进行检修,从而进一步降低对电力设备执行检修时所消耗的资源。因此本发明提出的电力设备故障预测与维修的智能决策支持方法、装置、电子设备及计算机可读存储介质,可以解决对电力设备检修时造成资源浪费的问题。
实施例2:
如图4所示,是本发明一实施例提供的电力设备故障预测与维修的智能决策支持装置的功能模块图。
本发明所述电力设备故障预测与维修的智能决策支持装置100可以安装于电子设备中。根据实现的功能,所述电力设备故障预测与维修的智能决策支持装置100可以包括电力设备确认模块101、检修时段划分模块102、检修价值计算模块103及电力设备决策模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述电力设备确认模块101,用于接收决策指令,基于所述决策指令确认待决策的电力设备;
所述检修时段划分模块102,用于构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数;
基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点;
所述检修价值计算模块103,用于构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值;
所述电力设备决策模块104,用于根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。
详细地,本发明实施例中所述电力设备故障预测与维修的智能决策支持装置100中的所述各模块在使用时采用与上述的图1中所述的电力设备故障预测与维修的智能决策支持方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图5所示,是本发明一实施例提供的实现电力设备故障预测与维修的智能决策支持方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如电力设备故障预测与维修的智能决策支持程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如电力设备故障预测与维修的智能决策支持程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如电力设备故障预测与维修的智能决策支持程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的电力设备故障预测与维修的智能决策支持程序是多个指令的组合,在所述处理器10中运行时,可以实现:
接收决策指令,基于所述决策指令确认待决策的电力设备;
构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数;
基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点;
构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值;
根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图4对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
接收决策指令,基于所述决策指令确认待决策的电力设备;
构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数;
基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点;
构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值;
根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种电力设备故障预测与维修的智能决策支持方法,其特征在于,所述方法包括:
接收决策指令,基于决策指令确认待决策的电力设备;
构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数;
基于可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点;
构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值;
根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策;
所述获取所述电力设备的参考寿命,包括:获取电力设备的参考寿命集,按照从大到小的顺序排列所述参考寿命集,得到参考寿命序列;
获取所述参考寿命集中参考寿命的个数,预设的可靠度筛选比例,基于所述可靠度筛选比例及参考寿命的个数筛选所述参考寿命序列,得到目标寿命集;
基于所述目标寿命集计算电力设备的参考寿命,其中,参考寿命为目标寿命集中目标寿命的均值;
所述基于所述可靠度筛选比例及参考寿命的个数筛选所述参考寿命序列,得到目标寿命集,包括:
基于所述可靠度筛选比例及参考寿命的个数计算筛选数值,计算公式如下所示:
A=(1-γ)×B;
其中,A为筛选数值,B为参考寿命的个数,γ为预设的可靠度筛选比例;
对所述筛选数值执行向上取整,得到目标筛选数值;
基于目标筛选数值剔除参考寿命序列中的参考寿命,汇总参考寿命序列中所保留的参考寿命,得到目标寿命集,其中,按照从小到大的顺序剔除参考寿命序列中的参考寿命,且剔除的参考寿命的数量为目标筛选数值;
所述基于可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点,包括:
所述可靠度关系式如下所示:
其中,R(t)表示可靠度关系式;
基于所述可靠度关系式及故障概率关系式计算分段时间,其中,电力设备可靠度及故障概率均为50%时所对应的时间为分段时间;
基于所述分段时间划分所述参考寿命,得到第一参考寿命段及第二参考寿命段;
利用预构的寿命划分方法划分所述第一参考寿命段,得到多个第一检修段;
划分第二参考寿命段,得到多个第二检修段,其中,划分第二参考寿命段的方法为均等分,且第二参考寿命段的初始值为分段时间;
汇总所述多个第一检修段中每个检修段的端点及多个第二检修段中每个检修段的端点,得到多个参考寿命点。
2.如权利要求1所述的电力设备故障预测与维修的智能决策支持方法,其特征在于,所述利用预构的寿命划分方法划分所述第一参考寿命段,得到多个第一检修段,包括:
利用预设的第一个第一检修段的下限值及寿命划分公式计算出第一检修段的上限值,所述寿命划分公式如下所示:
t2=21/n×t1;
其中,t1为预设的第一个第一检修段的下限值,t2为第一个第一检修段的上限值,n为预设的寿命划分的倍数;
取第一个第一检修段的上限值作为第二个第一检修段的下限值,利用第二个第一检修段的下限值根据所述寿命划分公式计算得出第二个第一检修段的上限值,直至计算得出的上限值大于等于所述参考寿命,取参考寿命作为目标上限值,得到多个初始第一检修段;
筛选所述多个初始第一检修段,得到多个第一检修段。
3.如权利要求2所述的电力设备故障预测与维修的智能决策支持方法,其特征在于,所述筛选所述多个初始第一检修段,得到多个第一检修段,包括:
剔除多个初始第一检修段中目标上限值大于所述分段时间的初始第一检修段;
汇总所保留的多个初始第一检修段,得到多个第一检修段。
4.如权利要求1所述的电力设备故障预测与维修的智能决策支持方法,其特征在于,所述构建参考决策关系式,包括:
获取单位时间内电力设备所产生的价值,基于所述价值构建参考决策关系式。
5.如权利要求4所述的电力设备故障预测与维修的智能决策支持方法,其特征在于,所述参考决策关系式,如下所示:
c=(t(i+1)-ti)c0-ci;
其中,c为电力设备的参考价值,t(i+1)为电力设备在第(i+1)次检修时,电力设备预期的使用时间,ti为电力设备在第i次检修时,电力设备已经使用的时间,c0表示在单位时间内电力设备所产生的价值,ci为电力设备在第i次维修时所需的成本。
6.如权利要求1所述的电力设备故障预测与维修的智能决策支持方法,其特征在于,所述根据参考价值与预设的价值阈值,确认更换所述电力设备,包括:
比较参考价值与所述价值阈值的大小;
若参考价值大于价值阈值,则提示电力设备能够继续使用且对电力设备执行检修;
若参考价值小于或等于价值阈值,则确认更换所述电力设备。
7.一种基于权利要求1-6中任一项所述的支持方法的电力设备故障预测与维修的智能决策支持装置,其特征在于,所述装置包括:
电力设备确认模块,用于接收决策指令,基于所述决策指令确认待决策的电力设备;
检修时段划分模块,用于构建可靠度关系式及故障概率关系式,获取所述电力设备的参考寿命,所述故障概率关系式如下所示:
其中,F(t)为电力设备的故障概率关系式,t为电力设备使用的时间,α为电力设备的尺度参数,β为电力设备的形状参数;
基于所述可靠度关系式及故障概率关系式计算电力设备的分段时间,根据所述分段时间划分电力设备的参考寿命,得到多个参考寿命点;
检修价值计算模块,用于构建参考决策关系式,基于所述参考决策关系式计算电力设备在第i个参考寿命点进行检修前的参考价值;
电力设备决策模块,用于根据参考价值与预设的价值阈值,确认更换所述电力设备,实现对电力设备的决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098799.8A CN116862480B (zh) | 2023-08-30 | 2023-08-30 | 一种电力设备故障预测与维修的智能决策支持方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098799.8A CN116862480B (zh) | 2023-08-30 | 2023-08-30 | 一种电力设备故障预测与维修的智能决策支持方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116862480A CN116862480A (zh) | 2023-10-10 |
CN116862480B true CN116862480B (zh) | 2024-02-13 |
Family
ID=88232652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098799.8A Active CN116862480B (zh) | 2023-08-30 | 2023-08-30 | 一种电力设备故障预测与维修的智能决策支持方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862480B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102623910A (zh) * | 2012-04-27 | 2012-08-01 | 重庆大学 | 一种基于可靠性的开关设备维修决策方法 |
CN104899690A (zh) * | 2015-06-08 | 2015-09-09 | 江苏省电力公司苏州供电公司 | 基于历史故障信息和运行状态的电力电缆运行维护方法 |
CN106647263A (zh) * | 2016-12-01 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用等劣化理论和设备风险的电力设备检修决策方法 |
CN109739210A (zh) * | 2018-12-25 | 2019-05-10 | 中车工业研究院有限公司 | 设备部件健康状态的评估方法及装置 |
CN112801533A (zh) * | 2021-02-08 | 2021-05-14 | 重庆大学 | 一种考虑决策依赖不确定的电力系统运行可靠性评估方法 |
CN115713320A (zh) * | 2022-11-01 | 2023-02-24 | 国网河北省电力有限公司 | 设备的运维策略优化方法、装置、设备及存储介质 |
CN116128145A (zh) * | 2023-02-23 | 2023-05-16 | 国网河南省电力公司经济技术研究院 | 电力设备状态检修策略优化方法 |
CN116561966A (zh) * | 2023-03-27 | 2023-08-08 | 国网湖北省电力有限公司经济技术研究院 | 一种电力设备使用寿命的预测方法、装置、记录媒体及系统 |
-
2023
- 2023-08-30 CN CN202311098799.8A patent/CN116862480B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102623910A (zh) * | 2012-04-27 | 2012-08-01 | 重庆大学 | 一种基于可靠性的开关设备维修决策方法 |
CN104899690A (zh) * | 2015-06-08 | 2015-09-09 | 江苏省电力公司苏州供电公司 | 基于历史故障信息和运行状态的电力电缆运行维护方法 |
CN106647263A (zh) * | 2016-12-01 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用等劣化理论和设备风险的电力设备检修决策方法 |
CN109739210A (zh) * | 2018-12-25 | 2019-05-10 | 中车工业研究院有限公司 | 设备部件健康状态的评估方法及装置 |
CN112801533A (zh) * | 2021-02-08 | 2021-05-14 | 重庆大学 | 一种考虑决策依赖不确定的电力系统运行可靠性评估方法 |
CN115713320A (zh) * | 2022-11-01 | 2023-02-24 | 国网河北省电力有限公司 | 设备的运维策略优化方法、装置、设备及存储介质 |
CN116128145A (zh) * | 2023-02-23 | 2023-05-16 | 国网河南省电力公司经济技术研究院 | 电力设备状态检修策略优化方法 |
CN116561966A (zh) * | 2023-03-27 | 2023-08-08 | 国网湖北省电力有限公司经济技术研究院 | 一种电力设备使用寿命的预测方法、装置、记录媒体及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116862480A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115796399B (zh) | 基于电力物资的智能调度方法、装置、设备及存储介质 | |
CN112886922B (zh) | 一种光伏电站损失电量的计算方法、装置及存储介质 | |
CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
CN111835083B (zh) | 电源信息监控系统、方法、装置、计算机设备和存储介质 | |
CN115577933A (zh) | 一种智慧园区孵化企业信息管理系统及方法 | |
CN115619005A (zh) | 一种智能用电网络资源优化配置方法及系统 | |
CN116151776A (zh) | 配电线路保供电管理方法、系统及电子设备 | |
CN116862480B (zh) | 一种电力设备故障预测与维修的智能决策支持方法及装置 | |
CN117060475A (zh) | 一种新能源充电站的控制方法及相关设备 | |
CN116388690A (zh) | 光伏板的运行状态检测方法、电子设备及存储介质 | |
US9236763B2 (en) | Device and method for distributing power at a remote pumping system | |
CN115117943A (zh) | 充放电调度方法、装置、设备及介质 | |
CN111061254B (zh) | 一种phm系统性能的评价方法及系统 | |
CN116683450B (zh) | 一种智能电力监测网络定向相序核对方法及装置 | |
CN116207844B (zh) | 基于电力通信设备的故障预防方法及装置 | |
CN116613893B (zh) | 发电企业的区域电能智慧管理方法及装置 | |
CN115936535B (zh) | 一种电力变压器的使用周期提升方法、装置、设备及介质 | |
CN117332236B (zh) | 一种虚拟电厂的数据跟踪检测方法、装置及存储介质 | |
CN114498637B (zh) | 一种新能源场配置储能对利用率影响的分析方法 | |
CN116819191B (zh) | 一种电网定点检测功能的远程相序核对方法及系统 | |
CN115411806B (zh) | 基于储能设备的保护方法、装置及电子设备 | |
Cai et al. | Security Constrained Dimensionality Reduction Strategy for Unit Commitment | |
CN117313997A (zh) | 一种导地线生命周期碳足迹的核算方法及装置 | |
CN118195354A (zh) | 基于全寿命周期的配电系统成本评估方法 | |
CN118155886A (zh) | 一种燃料运行方式生成方法、装置、设备及介质 |
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 |