CN117473394A - 变电站二次设备可靠性评估方法、系统、设备及存储介质 - Google Patents
变电站二次设备可靠性评估方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN117473394A CN117473394A CN202311538924.2A CN202311538924A CN117473394A CN 117473394 A CN117473394 A CN 117473394A CN 202311538924 A CN202311538924 A CN 202311538924A CN 117473394 A CN117473394 A CN 117473394A
- Authority
- CN
- China
- Prior art keywords
- equipment
- secondary equipment
- chip
- transformer substation
- operation data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000013210 evaluation model Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 208000037408 Device failure Diseases 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000011157 data evaluation Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 abstract description 13
- 230000007547 defect Effects 0.000 abstract description 13
- 238000004458 analytical method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种变电站二次设备可靠性评估方法、系统、设备及存储介质，方法包括采集变电站二次设备芯片级历史运行数据并分类；按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库；将二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型；采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。本发明解决了缺陷数据采集难题，无需获取设备图纸，通过实测的芯片运行数据以及拟合模型，可在线计算并评估二次设备的可靠性。
Description
技术领域
本发明属于电子设备可靠性评估技术领域，具体涉及一种变电站二次设备可靠性评估方法、系统、设备及存储介质。
背景技术
在变电站中，二次设备负责电网运行数据采集和一次设备状态监测的职责，一次设备需要保持12年以上的7×24小时不间断运行，二次设备作为一次设备的运行采集单元，其可靠性要求也需要达到12年不间断运行的要求。目前变电站一次、二次设备普遍采用定期检修或状态检修方式进行维护，可在供电冗余度较高的时期，进行设备停电维护。随着新型电力系统建设推进，传统火电占比下降，各类新能源并网一方面带来供电可靠性的降低、另一方面供电容量也无法跟上社会经济发展的需求。长时间的停电维修带来供电可靠性的降低。
二次设备可靠性研究主要通过对设备失效率进行统计，并将二次设备进行分解，按照各类元器件的通用失效率，结合可性框图法和应力分析法计算整机可靠性。其中，可性框图(RBD)是一种为可靠性而设计的工具，用于分析可靠性分配、可用性和可维护性。可性框图法提供了一种表示组成系统各个子系统(或组件)操作关系的方法。这些关系的准确表示对于确凿有意义的预测、分配和评估是很重要的。此外，可性框图很容易理解，因为它有视觉上的影响。传统上，可性框图用于对大型复杂系统进行系统可靠性和可用性分析，一旦系统块被正确配置，系统的故障间隔时间(MTBF)、可靠性和可用性就可以得到评估。而应力分析法是一种基于应力的可靠性评估方法，它通过分析系统或设备在不同应力条件下的工作状态和失效机制，来评估系统或设备的可靠性。应力分析法主要关注系统或设备的应力水平和应力引起的失效机制，通过实验、模拟或计算等方式来确定系统或设备的可靠性。
目前变电站二次设备可靠性评估和分析建立在历史数据的统计和电子器件通用失效率基础上，需要掌握二次设备整机、板卡和芯片的组成原理图，包括芯片之间的接口、板卡类型以及驱动信息、整机组成等信息。并通过该数据，基于GJB/Z299C所提出的应力分析法进行可靠性预计。通过分析计算设备内各器件的失效率，得到设备在不同工作环境下的可靠性预计值，对准确预计实际情况下的设备寿命提供理论支撑，为实际工程产品方案择优、改进设计提供科学依据。应用应力分析法需要考虑工作环境、工作温度、质量等级、电应力等会对电子设备元器件可靠性产生影响的因素。以上现有技术至少存在以下缺点：
首先，目前对电子设备可靠性评估的应力分析法需要大量的可靠性数据来支持分析，包括产品的故障率、失效模式和失效机制等。然而获取这些数据非常困难，很多变电站二次设备现场运行缺陷被当作临时性故障排除，相关记录以人工方式记录，难以形成有效的失效数据。其次，应力分析法对于更复杂的缺陷和失效机理，常常采用试差法确定关键的影响因素，但是这个方法需要较长的试验时间和设备修正，效率低、花费高，难以批量适用于各类在运设备。最后，可靠性应力分析法基于一些假设，例如，故障率服从特定的分布、失效模式是独立的等情况。然而，在实际情况中这些假设可能不成立，导致分析结果的准确性受到影响。而且可靠性应力分析法的结果是基于历史数据和统计分析得出的，存在一定的误差。
发明内容
本发明的目的在于针对上述现有技术中的问题，提供一种变电站二次设备可靠性评估方法、系统、设备及存储介质，直接从变电站二次设备芯片级监测数据入手，以设备实时运行数据和设备告警为基础，建立二次设备失效判据数据库，实时评估二次设备的可靠性。
为了实现上述目的，本发明有如下的技术方案：
第一方面，提供一种变电站二次设备可靠性评估方法，包括以下步骤：
采集变电站二次设备芯片级历史运行数据并分类；
按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库；
将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型；
采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。
作为一种优选方案，在所述采集变电站二次设备芯片级历史运行数据并分类的步骤中，所述变电站二次设备芯片级历史运行数据包括运行数据、设备台账信息以及告警信息；
所述运行数据包括处理器结温、电源输出电压与电流、网络芯片交互速率、存储和内存芯片写入与写出数据，以及环境温湿度数据；
所述设备台账信息包括设备型号、生产厂商、设备类型以及版本信息；
所述告警信息包括设备异常以及设备故障信息。
作为一种优选方案，在所述采集变电站二次设备芯片级历史运行数据并分类的步骤中，将采集到的变电站二次设备芯片级历史运行数据与所属设备进行关联，记录对应的设备台账信息；将各个变电站采集到的各类二次设备按照生产厂商的不同软硬件版本进行分类；将告警信息与当前时刻采集的变电站二次设备芯片级运行数据进行关联，建立基于告警的事件化芯片级运行数据集合；将事件化芯片级运行数据集合与分类的设备生产厂商以及软硬件版本进行关联。
作为一种优选方案，在所述按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析的步骤中，所述设备告警等级按照严重程度由轻至重依次包括轻微故障、中等故障、严重故障以及致命故障；
轻微故障，是指对设备的正常运行没有影响，不维修情况下能够保持12小时正常运行；
中等故障，是指可能导致设备的某些非核心功能无法正常运行或者影响设备的性能，需要在2-4小时内进行处理；
严重故障，是指导致设备无法正常工作或者无法使用，核心功能无法正常运行，需要立即处理；
致命故障，是指出现的问题或故障无法修复或者修复成本超过标准，需要更换设备。
作为一种优选方案，在所述按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库的步骤中，统计收集变电站二次设备历史告警信息，对各等级告警当时的变电站二次设备芯片级运行数据进行分析，根据同厂商同型号同版本设备运行数据的差异，找到导致设备故障的数据；将导致设备故障的数据作为二次设备失效判据写入对应设备，同时记录该型号设备的运行时长；对照导致设备失效的芯片类型，按照标准手册提供的失效率计算模型，通过运行数据及失效时长计算并修正对应芯片的失效率，将修正后的失效率按照故障等级分类存入数据库。
作为一种优选方案，所述的标准手册为GJB/Z 299C—2006《电子设备可靠性预计手册》。
作为一种优选方案，所述将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型的步骤中，按照设备型号及软硬件版本，将变电站二次设备芯片级历史运行数据与对应二次设备失效判据进行预处理，使用Weibull分布来拟合变电站二次设备芯片级历史运行数据与对应二次设备失效判据，通过最大似然估计方法估计Weibull分布的形状参数和尺度参数，得到对应设备的Weibull模型。
作为一种优选方案，在所述将变电站二次设备芯片级历史运行数据与对应二次设备失效判据进行预处理的步骤中，预处理包括剔除无效数据与异常数值数据以及补充数据缺失属性。
作为一种优选方案，在所述采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果的步骤中，所述Weibull模型的形状参数和尺度参数迭代更新。
第二方面，提供一种变电站二次设备可靠性评估系统，包括：
芯片级历史运行数据获取模块，用于采集变电站二次设备芯片级历史运行数据并分类；
失效判据数据库建立模块，用于按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库；
可靠性评估模型确定模块，用于将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型；
实时运行数据评估模块，用于采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。
作为一种优选方案，所述芯片级历史运行数据获取模块采集的变电站二次设备芯片级历史运行数据包括运行数据、设备台账信息以及告警信息；
所述运行数据包括处理器结温、电源输出电压与电流、网络芯片交互速率、存储和内存芯片写入与写出数据，以及环境温湿度数据；
所述设备台账信息包括设备型号、生产厂商、设备类型以及版本信息；
所述告警信息包括设备异常以及设备故障信息。
作为一种优选方案，所述芯片级历史运行数据获取模块将采集到的变电站二次设备芯片级历史运行数据与所属设备进行关联，记录对应的设备台账信息；将各个变电站采集到的各类二次设备按照生产厂商的不同软硬件版本进行分类；将告警信息与当前时刻采集的变电站二次设备芯片级运行数据进行关联，建立基于告警的事件化芯片级运行数据集合；将事件化芯片级运行数据集合与分类的设备生产厂商以及软硬件版本进行关联。
作为一种优选方案，所述失效判据数据库建立模块按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析时，所述设备告警等级按照严重程度由轻至重依次包括轻微故障、中等故障、严重故障以及致命故障；
轻微故障，是指对设备的正常运行没有影响，不维修情况下能够保持12小时正常运行；
中等故障，是指可能导致设备的某些非核心功能无法正常运行或者影响设备的性能，需要在2-4小时内进行处理；
严重故障，是指导致设备无法正常工作或者无法使用，核心功能无法正常运行，需要立即处理；
致命故障，是指出现的问题或故障无法修复或者修复成本超过标准，需要更换设备。
作为一种优选方案，所述失效判据数据库建立模块统计收集变电站二次设备历史告警信息，对各等级告警当时的变电站二次设备芯片级运行数据进行分析，根据同厂商同型号同版本设备运行数据的差异，找到导致设备故障的数据；将导致设备故障的数据作为二次设备失效判据写入对应设备，同时记录该型号设备的运行时长；对照导致设备失效的芯片类型，按照标准手册提供的失效率计算模型，通过运行数据及失效时长计算并修正对应芯片的失效率，将修正后的失效率按照故障等级分类存入数据库。
作为一种优选方案，所述可靠性评估模型确定模块按照设备型号及软硬件版本，将变电站二次设备芯片级历史运行数据与对应二次设备失效判据进行预处理，使用Weibull分布来拟合变电站二次设备芯片级历史运行数据与对应二次设备失效判据，通过最大似然估计方法估计Weibull分布的形状参数和尺度参数，得到对应设备的Weibull模型。
第三方面，提供一种电子设备，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，所述的处理器执行所述的计算机程序时实现所述的变电站二次设备可靠性评估方法。
第四方面，提供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，所述的计算机程序被处理器执行时实现所述的变电站二次设备可靠性评估方法。
相较于现有技术，本发明的第一方面至少具有如下的有益效果：
通过直接采集变电站二次设备芯片级历史运行数据，并结合设备告警，对各个厂家不同类型、不同型号和不同软硬件版本的二次设备进行告警等级划分，建立变电站二次设备失效判据数据库，并通过将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型。最后采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。本发明评估方法解决了缺陷数据采集难题。现有的设备状态数据仅实现整机层面的基础告警，对引起设备故障的根本器件级异常无法定位，从而解决了设备缺陷数据不准确，人工记录缺陷无法数字化等问题。传统的应力分析法需要设备图纸，然而相关信息掌握在设备厂商手中，本发明直接采集实时芯片级运行数据，并结合设备类型、型号、版本进行分类组合分析，直接通过设备告警等级与芯片运行数据进行关联，实现二次设备失效判据的直接提取，并可以基于标准计算修正失效率。传统可靠性评估无法实现在线应用，本发明利用模型拟合直接计算出模型参数，并基于实时采集的数据进行在线修正，通过实测的芯片运行数据以及模型，可在线计算并评估二次设备的可靠性。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述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申请的一些实施例，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本发明实施例变电站二次设备可靠性评估方法流程图；
图2本发明实施例变电站二次设备可靠性评估系统的工作原理示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请的实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
可靠性是指一个产品、系统或过程在规定的时间和条件下，能够按照要求正常运行或完成其预期功能的能力。在工程和技术领域中，可靠性是评估和衡量产品或系统在特定环境条件下的稳定性和可信度的指标。芯片级运行参数，是指在变电站各类嵌入式装置中，通过增加传感器或更新驱动的方式，所采集到的CPU、电源、网络、存储、内存、FPGA、ADC等芯片运行数据，这些数据可直接反映芯片的运行状态。本发明的实施例提出一种变电站二次设备可靠性评估方法，从变电站二次设备芯片级监测数据入手，通过建立广域范围内大量变电站的二次设备芯片级运行数据采集系统，以设备实时运行数据和设备告警为基础，建立二次设备失效判据数据库，最后基于weibull模型评估设备可靠性。Weibull模型是一种概率分布模型，常用于可靠性工程和生存分析中。它可以描述时间、寿命或其他连续变量的分布情况。在使用Weibull模型进行分析时，可以根据实际数据拟合模型参数，并利用模型进行预测和推断。常用的方法包括最大似然估计、图形法、经验法等。
请参阅图1，本发明实施例的变电站二次设备可靠性评估方法，包括以下步骤：
S1、采集变电站二次设备芯片级历史运行数据并分类；
S2、按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库；
S3、将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型；
S4、采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。
在一种可能的实施方式中，在步骤S1中，所述变电站二次设备芯片级历史运行数据包括运行数据、设备台账信息以及告警信息；
所述运行数据包括处理器结温、电源输出电压与电流、网络芯片交互速率、存储和内存芯片写入与写出数据，以及环境温湿度数据；
所述设备台账信息包括设备型号、生产厂商、设备类型以及版本信息；
所述告警信息包括设备异常以及设备故障信息。
进一步的，在步骤S1中，通过在二次设备中增加传感器，升级芯片驱动此程序，实现对处理器结温、电源输出电压/电流、网络芯片交互速率、存储和内存芯片写入/写出数据、设备内部温湿度以及设备异常、故障告警信号的采集；
然后，将采集到的二次设备芯片级运行数据与所属设备进行关联，同时记录设备的型号、生产商、软硬件版本等设备台账信息；
之后，通过数据通信网关机将采集数据与设备台账信息上送至集控站，将各个变电站采集到的各类二次设备按照生产厂商的不同软硬件版本进行分类；
再将设备异常、设备故障等告警信息，与当前时刻采集的设备芯片运行数据关联，建立基于告警的事件化芯片运行数据集合；
最后，将事件化芯片运行数据集合与分类的设备生产厂商、软硬件版本进行关联，存储在集控站数据服务器。
在一种可能的实施方式中，在步骤S2中，所述设备告警等级包括轻微故障(不会对设备的正常运行产生重大影响，不维修情况下可以保持12小时正常运行)、中等故障(可能导致设备的某些非核心功能无法正常运行或者影响设备的性能，需要在2-4小时内进行处理的缺陷)、严重故障(导致设备无法正常工作或者无法使用，核心功能无法正常运行，需要立即处理的缺陷)、致命故障(出现的问题或故障无法修复或者修复成本过高，需要更换设备)。
进一步的，在步骤S2中，统计收集的大量变电站历史告警信息，基于上面设备告警等级的分类，对各等级告警当时的运行数据进行分析，根据同厂商同型号同版本设备运行数据的差异，找到导致设备故障的数据；
之后，将导致设备故障的数据作为二次设备失效判据写入对应设备，同时记录该型号设备的运行时长；
最后，查询GJB/Z 299C—2006《电子设备可靠性预计手册》，对照导致设备失效的芯片类型，按照手册提供的失效率计算模型，通过运行数据及失效时长计算并修正该芯片的失效率，将修正后失效率按照故障等级分类存入数据库；
对所有采集的历史设备告警都按照以上步骤处理，形成变电站二次设备失效判据数据库。
在一种可能的实施方式中，在步骤S3中，首先，按照设备型号及软硬件版本，将集控站设备的芯片运行数据与对应设备的失效判据进行预处理，包括剔除无效数据、异常数值数据、补充数据缺失属性等操作。
然后，使用Weibull分布来拟合变电站二次设备芯片级历史运行数据与对应二次设备失效判据，通过最大似然估计方法估计Weibull分布的形状参数和尺度参数，得到对应设备的Weibull模型。
最后，采集并接收设备芯片实时运行数据，迭代更新Weibull模型的形状参数与尺度参数，利用参数更新后的Weibull模型即可实现对设备可靠性的监测和预测。
由于变电站二次设备可靠性直接影响供电可靠性，因此，在新型电力系统背景下，需要对二次设备可靠性进行实时评估。
现有的二次设备可靠性评估方法属于设备设计和研制阶段的，需要依据设备的缺陷统计数据、所有设备内部的板卡、芯片及集成电路结构，以及各个芯片、接口之间的连接关系，基于应力分析法得到二次设备可靠性模型。现有的缺陷数据仅包含部分人工维护记录，也缺少各大厂商不同型号、不同版本的二次设备内部结构图和详细设计图。
本发明的评估方法直接在二次设备中通过增设部分传感器或升级硬件器件的驱动程序，直接采集二次设备内部详细运行参数，并结合设备告警，在集控站对各家不同类型、不同型号和不同软硬件版本的二次设备进行告警等级划分，建立设备失效判据数据库，并通过Weibull分布模型，拟合出各设备的可靠性评估模型。最后利用不断采集的实时数据和失效判据，更新并迭代可靠性模型参数，实现对设备可靠性的评估。本发明的评估方法利用芯片级运行数据直接反映了设备底层软硬件运行状态，包含了设备运行环境、运行工况、设备运行年限等多方面综合因素，实现在无需了解设备硬件器件组成和结构的情况下，完成对引起设备缺陷的芯片级运行数据的采集，为可靠性模型参数识别提供准确信息。
请参阅图2，本发明实施例还提出一种变电站二次设备可靠性评估系统，包括：
芯片级历史运行数据获取模块，用于采集变电站二次设备芯片级历史运行数据并分类；
失效判据数据库建立模块，用于按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库；
可靠性评估模型确定模块，用于将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型；
实时运行数据评估模块，用于采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。
在一种可能的实施方式中，所述芯片级历史运行数据获取模块采集的变电站二次设备芯片级历史运行数据包括运行数据、设备台账信息以及告警信息；
所述运行数据包括处理器结温、电源输出电压与电流、网络芯片交互速率、存储和内存芯片写入与写出数据，以及环境温湿度数据；
所述设备台账信息包括设备型号、生产厂商、设备类型以及版本信息；
所述告警信息包括设备异常以及设备故障信息。
在一种可能的实施方式中，所述芯片级历史运行数据获取模块将采集到的变电站二次设备芯片级历史运行数据与所属设备进行关联，记录对应的设备台账信息；将各个变电站采集到的各类二次设备按照生产厂商的不同软硬件版本进行分类；将告警信息与当前时刻采集的变电站二次设备芯片级运行数据进行关联，建立基于告警的事件化芯片级运行数据集合；将事件化芯片级运行数据集合与分类的设备生产厂商以及软硬件版本进行关联。
在一种可能的实施方式中，所述失效判据数据库建立模块按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析时，所述设备告警等级按照严重程度由轻至重依次包括轻微故障、中等故障、严重故障以及致命故障；
轻微故障，是指对设备的正常运行没有影响，不维修情况下能够保持12小时正常运行；
中等故障，是指可能导致设备的某些非核心功能无法正常运行或者影响设备的性能，需要在2-4小时内进行处理；
严重故障，是指导致设备无法正常工作或者无法使用，核心功能无法正常运行，需要立即处理；
致命故障，是指出现的问题或故障无法修复或者修复成本超过标准，需要更换设备。
在一种可能的实施方式中，所述失效判据数据库建立模块统计收集变电站二次设备历史告警信息，对各等级告警当时的变电站二次设备芯片级运行数据进行分析，根据同厂商同型号同版本设备运行数据的差异，找到导致设备故障的数据；将导致设备故障的数据作为二次设备失效判据写入对应设备，同时记录该型号设备的运行时长；对照导致设备失效的芯片类型，按照标准手册提供的失效率计算模型，通过运行数据及失效时长计算并修正对应芯片的失效率，将修正后的失效率按照故障等级分类存入数据库。
在一种可能的实施方式中，所述可靠性评估模型确定模块按照设备型号及软硬件版本，将变电站二次设备芯片级历史运行数据与对应二次设备失效判据进行预处理，使用Weibull分布来拟合变电站二次设备芯片级历史运行数据与对应二次设备失效判据，通过最大似然估计方法估计Weibull分布的形状参数和尺度参数，得到对应设备的Weibull模型。
本发明基于“实测数据+设备台账+设备告警”实现二次设备缺陷数据的关联存储，利用集控站汇聚几十座变电站的上万台设备实测数据，建立二次设备失效判据数据库，从而实现对设备缺陷数据的准确统计。本发明通过对广域范围内的变电站二次设备芯片级运行参数的实时采集和统计分析，基于各类运行数据对二次设备可靠性影响程度的提取二次设备失效数据，最后采用Weibull模型实时评估二次设备的可靠性。克服了传统可靠性评估方法存在的缺陷数据采集难题、应力分析法难以获取设备图纸、无法实现在线评估的技术缺陷。
本发明的另一实施例还提出一种电子设备，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，所述的处理器执行所述的计算机程序时实现所述的变电站二次设备可靠性评估方法。
本发明的另一实施例还提出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，所述的计算机程序被处理器执行时实现所述的变电站二次设备可靠性评估方法。
所述计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。为了便于说明，以上内容仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质是非暂时性的，可以存储在各种电子设备形成的存储装置当中，能够实现本发明实施例方法记载的执行过程。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (17)
1.一种变电站二次设备可靠性评估方法，其特征在于，包括以下步骤：
采集变电站二次设备芯片级历史运行数据并分类；
按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库；
将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型；
采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。
2.根据权利要求1所述的变电站二次设备可靠性评估方法，其特征在于，在所述采集变电站二次设备芯片级历史运行数据并分类的步骤中，所述变电站二次设备芯片级历史运行数据包括运行数据、设备台账信息以及告警信息；
所述运行数据包括处理器结温、电源输出电压与电流、网络芯片交互速率、存储和内存芯片写入与写出数据，以及环境温湿度数据；
所述设备台账信息包括设备型号、生产厂商、设备类型以及版本信息；
所述告警信息包括设备异常以及设备故障信息。
3.根据权利要求2所述的变电站二次设备可靠性评估方法，其特征在于，在所述采集变电站二次设备芯片级历史运行数据并分类的步骤中，将采集到的变电站二次设备芯片级历史运行数据与所属设备进行关联，记录对应的设备台账信息；将各个变电站采集到的各类二次设备按照生产厂商的不同软硬件版本进行分类；将告警信息与当前时刻采集的变电站二次设备芯片级运行数据进行关联，建立基于告警的事件化芯片级运行数据集合；将事件化芯片级运行数据集合与分类的设备生产厂商以及软硬件版本进行关联。
4.根据权利要求1所述的变电站二次设备可靠性评估方法，其特征在于，在所述按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析的步骤中，所述设备告警等级按照严重程度由轻至重依次包括轻微故障、中等故障、严重故障以及致命故障；
轻微故障，是指对设备的正常运行没有影响，不维修情况下能够保持12小时正常运行；
中等故障，是指可能导致设备的某些非核心功能无法正常运行或者影响设备的性能，需要在2-4小时内进行处理；
严重故障，是指导致设备无法正常工作或者无法使用，核心功能无法正常运行，需要立即处理；
致命故障，是指出现的问题或故障无法修复或者修复成本超过标准，需要更换设备。
5.根据权利要求4所述的变电站二次设备可靠性评估方法，其特征在于，在所述按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库的步骤中，统计收集变电站二次设备历史告警信息，对各等级告警当时的变电站二次设备芯片级运行数据进行分析，根据同厂商同型号同版本设备运行数据的差异，找到导致设备故障的数据；将导致设备故障的数据作为二次设备失效判据写入对应设备，同时记录该型号设备的运行时长；对照导致设备失效的芯片类型，按照标准手册提供的失效率计算模型，通过运行数据及失效时长计算并修正对应芯片的失效率，将修正后的失效率按照故障等级分类存入数据库。
6.根据权利要求5所述的变电站二次设备可靠性评估方法，其特征在于，所述的标准手册为GJB/Z 299C—2006《电子设备可靠性预计手册》。
7.根据权利要求1所述的变电站二次设备可靠性评估方法，其特征在于，所述将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型的步骤中，按照设备型号及软硬件版本，将变电站二次设备芯片级历史运行数据与对应二次设备失效判据进行预处理，使用Weibull分布来拟合变电站二次设备芯片级历史运行数据与对应二次设备失效判据，通过最大似然估计方法估计Weibull分布的形状参数和尺度参数，得到对应设备的Weibull模型。
8.根据权利要求7所述的变电站二次设备可靠性评估方法，其特征在于，在所述将变电站二次设备芯片级历史运行数据与对应二次设备失效判据进行预处理的步骤中，预处理包括剔除无效数据与异常数值数据，以及补充数据缺失属性。
9.根据权利要求7所述的变电站二次设备可靠性评估方法，其特征在于，在所述采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果的步骤中，所述Weibull模型的形状参数和尺度参数迭代更新。
10.一种变电站二次设备可靠性评估系统，其特征在于，包括：
芯片级历史运行数据获取模块，用于采集变电站二次设备芯片级历史运行数据并分类；
失效判据数据库建立模块，用于按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析，找到导致设备故障的数据，作为二次设备失效判据，建立变电站二次设备失效判据数据库；
可靠性评估模型确定模块，用于将变电站二次设备失效判据数据库中的二次设备失效判据与变电站二次设备芯片级历史运行数据通过模型工具进行拟合，获得对应的变电站二次设备可靠性评估模型；
实时运行数据评估模块，用于采集变电站二次设备芯片级实时运行数据，输入对应的变电站二次设备可靠性评估模型，获得变电站二次设备可靠性评估结果。
11.根据权利要求10所述的变电站二次设备可靠性评估系统，其特征在于，所述芯片级历史运行数据获取模块采集的变电站二次设备芯片级历史运行数据包括运行数据、设备台账信息以及告警信息；
所述运行数据包括处理器结温、电源输出电压与电流、网络芯片交互速率、存储和内存芯片写入与写出数据，以及环境温湿度数据；
所述设备台账信息包括设备型号、生产厂商、设备类型以及版本信息；
所述告警信息包括设备异常以及设备故障信息。
12.根据权利要求11所述的变电站二次设备可靠性评估系统，其特征在于，所述芯片级历史运行数据获取模块将采集到的变电站二次设备芯片级历史运行数据与所属设备进行关联，记录对应的设备台账信息；将各个变电站采集到的各类二次设备按照生产厂商的不同软硬件版本进行分类；将告警信息与当前时刻采集的变电站二次设备芯片级运行数据进行关联，建立基于告警的事件化芯片级运行数据集合；将事件化芯片级运行数据集合与分类的设备生产厂商以及软硬件版本进行关联。
13.根据权利要求10所述的变电站二次设备可靠性评估系统，其特征在于，所述失效判据数据库建立模块按照设备告警等级对分类后的变电站二次设备芯片级历史运行数据进行分析时，所述设备告警等级按照严重程度由轻至重依次包括轻微故障、中等故障、严重故障以及致命故障；
轻微故障，是指对设备的正常运行没有影响，不维修情况下能够保持12小时正常运行；
中等故障，是指可能导致设备的某些非核心功能无法正常运行或者影响设备的性能，需要在2-4小时内进行处理；
严重故障，是指导致设备无法正常工作或者无法使用，核心功能无法正常运行，需要立即处理；
致命故障，是指出现的问题或故障无法修复或者修复成本超过标准，需要更换设备。
14.根据权利要求13所述的变电站二次设备可靠性评估系统，其特征在于，所述失效判据数据库建立模块统计收集变电站二次设备历史告警信息，对各等级告警当时的变电站二次设备芯片级运行数据进行分析，根据同厂商同型号同版本设备运行数据的差异，找到导致设备故障的数据；将导致设备故障的数据作为二次设备失效判据写入对应设备，同时记录该型号设备的运行时长；对照导致设备失效的芯片类型，按照标准手册提供的失效率计算模型，通过运行数据及失效时长计算并修正对应芯片的失效率，将修正后的失效率按照故障等级分类存入数据库。
15.根据权利要求10所述的变电站二次设备可靠性评估系统，其特征在于，所述可靠性评估模型确定模块按照设备型号及软硬件版本，将变电站二次设备芯片级历史运行数据与对应二次设备失效判据进行预处理，使用Weibull分布来拟合变电站二次设备芯片级历史运行数据与对应二次设备失效判据，通过最大似然估计方法估计Weibull分布的形状参数和尺度参数，得到对应设备的Weibull模型。
16.一种电子设备，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：所述的处理器执行所述的计算机程序时实现如权利要求1至9中任意一项所述的变电站二次设备可靠性评估方法。
17.一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：所述的计算机程序被处理器执行时实现如权利要求1至9中任意一项所述的变电站二次设备可靠性评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311538924.2A CN117473394A (zh) | 2023-11-17 | 2023-11-17 | 变电站二次设备可靠性评估方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311538924.2A CN117473394A (zh) | 2023-11-17 | 2023-11-17 | 变电站二次设备可靠性评估方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117473394A true CN117473394A (zh) | 2024-01-30 |
Family
ID=89627388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311538924.2A Pending CN117473394A (zh) | 2023-11-17 | 2023-11-17 | 变电站二次设备可靠性评估方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117473394A (zh) |
-
2023
- 2023-11-17 CN CN202311538924.2A patent/CN117473394A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112346893B (zh) | 故障预测方法、装置、终端及存储介质 | |
| CN117909784A (zh) | 一种基于人工智能的设备故障检测分析方法及装置 | |
| CN114862275B (zh) | 基于数字孪生模型的仓储物流系统可靠性评估方法及系统 | |
| CN104583789A (zh) | 测试单元控制器的决策和执行树的创建和调度 | |
| CN112016743A (zh) | 电网设备的检修预测方法、装置、计算机设备和存储介质 | |
| CN104364664A (zh) | 用于创建、定义和执行spc规则决策树的算法和结构 | |
| CN115936266A (zh) | 轨道交通设备的可靠度预测方法、系统、设备和介质 | |
| CN115080342B (zh) | 一种电源板卡试验数据自动处理方法及系统 | |
| CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
| CN117473394A (zh) | 变电站二次设备可靠性评估方法、系统、设备及存储介质 | |
| US20170132579A1 (en) | Offshore plant preventive maintenance system and offshore plant preventing maintenance method using the same | |
| CN117876136A (zh) | 财务数据的风险分析方法、设备及存储介质 | |
| CN117591949A (zh) | 一种设备异常识别方法、设备及介质 | |
| CN117390370A (zh) | 基于健康指数的机台预警方法、装置、设备及可读介质 | |
| CN111932706B (zh) | 信息化巡检方法、装置、存储介质及电子设备 | |
| Ahmed et al. | Application of predictive maintenance in industry 4.0: A use-case study for datacenters | |
| CN115357023A (zh) | 移动机器人运行数据的回放方法、装置、设备和存储介质 | |
| CN111141981B (zh) | 线损点检方法、装置、计算机设备和存储介质 | |
| CN115034614A (zh) | 一种基于设备健康度的设备管理方法、装置及设备 | |
| CN115249095A (zh) | 一种轨道车辆计划维修任务间隔确定方法及装置 | |
| CN117851269B (zh) | 一种基于云端自动化测试环境管理方法及系统 | |
| JP7576766B2 (ja) | 異常判定方法及び生産管理システム | |
| CN117743093B (zh) | 一种调用链的数据质量评估方法、装置、设备及介质 | |
| CN108808672A (zh) | 一种基于保信系统的保护装置可靠性在线预测方法及系统 | |
| CN118821496B (zh) | 一种铁路设备的维修计划的确定方法、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 |