CN117853265A - 一种基于智能化数字孪生的保供电设备状态分析系统 - Google Patents
一种基于智能化数字孪生的保供电设备状态分析系统 Download PDFInfo
- Publication number
- CN117853265A CN117853265A CN202311618947.4A CN202311618947A CN117853265A CN 117853265 A CN117853265 A CN 117853265A CN 202311618947 A CN202311618947 A CN 202311618947A CN 117853265 A CN117853265 A CN 117853265A
- Authority
- CN
- China
- Prior art keywords
- repair
- module
- power supply
- abnormal risk
- index
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 145
- 230000005856 abnormality Effects 0.000 claims abstract description 54
- 238000004891 communication Methods 0.000 claims abstract description 35
- 230000008439 repair process Effects 0.000 claims description 122
- 238000012360 testing method Methods 0.000 claims description 89
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims 6
- 238000000034 method Methods 0.000 abstract description 11
- 230000005611 electricity Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 40
- 230000000694 effects Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明公开了一种基于智能化数字孪生的保供电设备状态分析系统,包括供电模块、数字孪生模块和通信模块,数字孪生模块分别与供电模块和通信模块连接;供电模块用于供电;数字孪生模块用于储存历史数据,根据历史数据计算预估异常风险系数,根据预估异常风险系数计算预估异常风险百分数的选择函数,根据预估异常风险百分数的选择函数得出预估异常风险百分数并传输至通信模块;所述通信模块将预估异常风险百分数的信息传输至客户端;实现了通过数字孪生模块根据历史数据得出预估异常风险百分数,工人能提前预判该供电模块出现异常的可能,当供电模块出现异常时也能及时的作出响应,降低对用户用电的影响。
Description
技术领域
本发明涉及供电设备状态分析系统技术领域,尤其涉及一种基于智能化数字孪生的保供电设备状态分析系统。
背景技术
保供电即保障安全可靠供电,一般是针对重大活动或重要场所而特别制定的保障供电方案。
数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
公开号为CN110474332A的申请文件公开了一种基于数字孪生技术的工业设备控制平台,包括数字孪生模块、控制器、存储器、显示单元、管理单元和用电监控单元;本发明通过用电设备进行用电时长监控,并将对应用电设备的用电时长发送到设备库存储,设备划分单元用于对设备库内的用电设备进行划分,该处划分主要依据上个月的用电数据进行分析,根据所有用电设备的上个月累计的用电时长,对用电设备进行区分;将用电时长小于等于T1的用电设备标记为低耗设备;将用电时长将用电时长大于等于T2,且需要持续稳定电压对其进行供电的用电设备标记为高稳设备;将剩余的用电设备标记为常规设备。
然而上述并未根据供电模块的历史数据分析其后续可能出现异常的可能,可能会影响工人的响应速度。
发明内容
为了克服现有技术的不足,本发明提供了一种基于智能化数字孪生的保供电设备状态分析系统,实现了通过数字孪生模块根据历史数据得出预估异常风险百分数,工人能提前预判该供电模块出现异常的可能,当供电模块出现异常时也能及时的作出响应,降低对用户用电的影响。
为了实现上述发明目的,本发明采用以下技术方案:
一种基于智能化数字孪生的保供电设备状态分析系统,包括供电模块、数字孪生模块和通信模块,数字孪生模块分别与供电模块和通信模块连接;供电模块用于供电;数字孪生模块用于储存历史数据,根据历史数据计算预估异常风险系数,根据预估异常风险系数计算预估异常风险百分数的选择函数,根据预估异常风险百分数的选择函数得出预估异常风险百分数并传输至通信模块;通信模块将预估异常风险百分数的信息传输至客户端。
进一步的,数字孪生模块包括相互通信连接的历史数据储存子模块、数字孪生计算子模块和工人信息储存子模块。
进一步的,历史数据储存子模块用于储存历史异常总次数、历史一级异常总次数和历史异常总次数的比值、一级异常危险指数、历史二级异常总次数和历史异常总次数的比值、二级异常危险指数、历史三级异常总次数和历史异常总次数的比值、三级异常危险指数、第b次的修复时间的信息,并传输至数字孪生计算子模块。工人信息储存子模块用于储存第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值的信息,并传输至数字孪生计算子模块。数字孪生计算子模块基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值确定预估异常风险百分数。
进一步的,数字孪生计算子模块基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值确定预估异常风险百分数具体包括以下步骤:
基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值计算第b次修复对应的工人的年龄信息系数;
基于第b次修复对应的工人的年龄信息系数和第b次的修复时间计算修复参考指数;
基于历史异常总次数、历史一级异常总次数和历史异常总次数的比值、一级异常危险指数、历史二级异常总次数和历史异常总次数的比值、二级异常危险指数、历史三级异常总次数和历史异常总次数的比值、三级异常危险指数和修复参考指数计算预估异常风险系数;
基于预估异常风险系数计算预估异常风险百分数的选择函数;
基于预估异常风险百分数的选择函数得出预估异常风险百分数。
可选的,数字孪生计算子模块计算预估异常风险系数时,满足以下式子:
其中,A为预估异常风险系数,B为历史异常总次数,β1为历史一级异常总次数和历史异常总次数的比值,β1为一级异常危险指数,β2为历史二级异常总次数和历史异常总次数的比值,β2为二级异常危险指数,β3为历史三级异常总次数和历史异常总次数的比值,β3为三级异常危险指数,ε为修复参考指数;Tb为第b次的修复时间,Yb为第b次修复对应的工人的年龄信息系数;为第b次修复对应的工人的年龄数值,/>为第b次修复对应的工人的工龄数值,yref为修复对应的工人参考工龄数值。
可选的,数字孪生计算子模块计算预估异常风险百分数的选择函数时,满足以下式子:
其中,Z(A)为预估异常风险百分数的选择函数,c1至cm为不同的预估异常风险百分数,a1至am-1为不同的预估异常风险系数。
进一步的,一种基于智能化数字孪生的保供电设备状态分析系统,还包括测试模块和控制模块,测试模块分别与供电模块和控制模块连接,控制模块与通信模块连接;测试模块用于测试供电模块且得出实际测试电压、实际测试电流和实际测试温度的信息,并传输至控制模块;控制模块用于储存额定电压、额定电流和额定温度的信息,根据额定电压和实际测试电压计算电压评定指数,根据实际测试电流和额定电流计算电流评定指数,根据实际测试温度和额定温度计算温度评定指数,根据电压评定指数、电流评定指数和温度评定指数计算实际异常风险系数,根据实际异常风险系数计算实际异常风险百分数的选择函数,根据实际异常风险百分数的选择函数得出实际异常风险百分数并传输至通信模块。
可选的,测试模块包括电压测试子模块、电流测试子模块和温度测试子模块;电压测试子模块用于测试供电模块且得出实际测试电压,并传输至控制模块;电流测试子模块用于测试供电模块且得出实际测试电流,并传输至控制模块;温度测试子模块用于测试供电模块且得出实际测试温度,并传输至控制模块。
可选的,控制模块计算实际异常风险系数时,满足以下式子:
D=Veval+Ieval+TEMPeval;
其中,D为实际异常风险系数,Veval为电压评定指数,Ieval为电流评定指数,TEMPeval为温度评定指数;Vrating为额定电压,Vtest为实际测试电压;Itest为实际测试电流,Irating为额定电流;TEMPtest为实际测试温度,TEMPrating为额定温度。
可选的,控制模块计算实际异常风险百分数的选择函数时,满足以下式子:
其中,X(D)为实际异常风险百分数的选择函数,e1至em为不同的实际异常风险百分数,d1至dm-1为不同的实际异常风险系数。
进一步的,一种基于智能化数字孪生的保供电设备状态分析系统,还包括用户信息储存模块,用户信息储存模块与控制模块连接,用户信息储存模块用于储存供电用户等级、供电任务紧急程度指数和目标供电时长的信息,并传输至控制模块。
进一步的,控制模块根据实际异常风险百分数的选择函数、储存供电用户等级、供电任务紧急程度指数和目标供电时长计算优先修复系数,根据优先修复系数计算优先修复等级的选择函数,根据优先修复等级的选择函数得出优先修复等级并传输至通信模块,通信模块将优先修复等级的信息传输至客户端。
可选的,控制模块计算优先修复系数时,满足以下式子:
F=X(D)*μ+τ*Tgoal;
其中,F为优先修复系数,μ为供电用户等级,τ为供电任务紧急程度指数,τ分别有以下取值,τ=1或τ=2或τ=3或τ=4,当供电任务紧急程度为不急时τ=1,当供电任务紧急程度为一般时τ=2,当供电任务紧急程度为较急时τ=3,当供电任务紧急程度为特别急时τ=4,Tgoal为目标供电时长。
可选的,控制模块计算优先修复等级的选择函数时,满足以下式子:
其中,G(F)为优先修复等级的选择函数,至/>为不同的优先修复等级,f1至fm-1为不同的优先修复系数的选择阈值。
本发明的有益效果:实现了通过数字孪生模块根据历史数据得出预估异常风险百分数,工人能提前预判该供电模块出现异常的可能,当供电模块出现异常时也能及时的作出响应,降低对用户用电的影响;
实现了通过测试模块实时监测供电模块的实际测试电压、实际测试电流和实际测试温度,然后根据相关信息计算实际异常风险百分数的选择函数,供电模块出现异常时也能及时的作出响应,降低对用户用电的影响。
实现了通过控制模块根据实际异常风险百分数的选择函数、储存供电用户等级、供电任务紧急程度指数和目标供电时长计算优先修复系数,根据优先修复系数计算优先修复等级的选择函数,根据优先修复等级的选择函数得出优先修复等级并传输至通信模块,在检修工人数量有限的情况下,根据优先修复等级对供电模块进行修复,降低对用户用电的影响,同时起到工人合理分配工作的效果。
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,显而易见的,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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明一种基于智能化数字孪生的保供电设备状态分析系统的结构示意图;
图2为本发明中的数字孪生模块的结构示意图;
图3为本发明中的测试模块的结构示意图;
图4为本发明实施例三的整体结构示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
实施例一:
一种基于智能化数字孪生的保供电设备状态分析系统,包括供电模块、数字孪生模块和通信模块,数字孪生模块分别与供电模块和通信模块连接;供电模块用于供电;数字孪生模块用于储存历史数据,根据历史数据计算预估异常风险系数,根据预估异常风险系数计算预估异常风险百分数的选择函数,根据预估异常风险百分数的选择函数得出预估异常风险百分数并传输至通信模块;通信模块将预估异常风险百分数的信息传输至客户端。
数字孪生模块包括相互通信连接的历史数据储存子模块、数字孪生计算子模块和工人信息储存子模块。
历史数据储存子模块用于储存历史异常总次数、历史一级异常总次数和历史异常总次数的比值、一级异常危险指数、历史二级异常总次数和历史异常总次数的比值、二级异常危险指数、历史三级异常总次数和历史异常总次数的比值、三级异常危险指数、第b次的修复时间的信息,并传输至数字孪生计算子模块。例如,一级异常、二级异常和三级异常以检修时间的长短来定级,一级异常对应的检修时间为小于等于两小时,二级异常对应的检修时间为大于两小时且小于等于四小时,三级异常对应的检修时间为大于四小时。
工人信息储存子模块用于储存第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值的信息,并传输至数字孪生计算子模块。
数字孪生计算子模块基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值确定预估异常风险百分数;数字孪生计算子模块基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值确定预估异常风险百分数具体包括以下步骤:
基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值计算第b次修复对应的工人的年龄信息系数;
基于第b次修复对应的工人的年龄信息系数和第b次的修复时间计算修复参考指数;
基于历史异常总次数、历史一级异常总次数和历史异常总次数的比值、一级异常危险指数、历史二级异常总次数和历史异常总次数的比值、二级异常危险指数、历史三级异常总次数和历史异常总次数的比值、三级异常危险指数和修复参考指数计算预估异常风险系数;
基于预估异常风险系数计算预估异常风险百分数的选择函数;
基于预估异常风险百分数的选择函数得出预估异常风险百分数。
数字孪生计算子模块将预估异常风险百分数传输至通信模块,通信模块接收数字孪生计算子模块传输的预估异常风险百分数,通过通信模块将预估异常风险百分数传输至客户端。
可选的,数字孪生计算子模块计算预估异常风险系数时,满足以下式子:
其中,A为预估异常风险系数,B为历史异常总次数,β1为历史一级异常总次数和历史异常总次数的比值,γ1为一级异常危险指数,β2为历史二级异常总次数和历史异常总次数的比值,γ2为二级异常危险指数,β3为历史三级异常总次数和历史异常总次数的比值,γ3为三级异常危险指数,ε为修复参考指数;
Tb为第b次的修复时间,Yb为第b次修复对应的工人的年龄信息系数;
为第b次修复对应的工人的年龄数值,/>为第b次修复对应的工人的工龄数值,yref为修复对应的工人参考工龄数值。
可选的,数字孪生计算子模块计算预估异常风险百分数的选择函数时,满足以下式子:
其中,Z(A)为预估异常风险百分数的选择函数,c1至cm为不同的预估异常风险百分数,a1至am-1为不同的预估异常风险系数。
实施例二:
与实施例一不同之处在于,一种基于智能化数字孪生的保供电设备状态分析系统,还包括测试模块和控制模块,测试模块分别与供电模块和控制模块连接,控制模块与通信模块连接;测试模块用于测试供电模块且得出实际测试电压、实际测试电流和实际测试温度的信息,并传输至控制模块;控制模块用于储存额定电压、额定电流和额定温度的信息,根据额定电压和实际测试电压计算电压评定指数,根据实际测试电流和额定电流计算电流评定指数,根据实际测试温度和额定温度计算温度评定指数,根据电压评定指数、电流评定指数和温度评定指数计算实际异常风险系数,根据实际异常风险系数计算实际异常风险百分数的选择函数,根据实际异常风险百分数的选择函数得出实际异常风险百分数并传输至通信模块。
通信模块接收控制模块传输的实际异常风险百分数,通信模块将实际异常风险百分数传输至客户端。
可选的,测试模块包括相互通信连接的电压测试子模块、电流测试子模块和温度测试子模块;
电压测试子模块用于测试供电模块且得出实际测试电压,并传输至控制模块;
电流测试子模块用于测试供电模块且得出实际测试电流,并传输至控制模块;
温度测试子模块用于测试供电模块且得出实际测试温度,并传输至控制模块。
可选的,控制模块计算实际异常风险系数时,满足以下式子:
D=Veval+Ieval+TEMPeval;
其中,D为实际异常风险系数,Veval为电压评定指数,Ieval为电流评定指数,TEMPeval为温度评定指数;
Vrating为额定电压,Vtest为实际测试电压;
Itest为实际测试电流,Irating为额定电流;
TEMPtest为实际测试温度,TEMPrating为额定温度。
可选的,控制模块计算实际异常风险百分数的选择函数时,满足以下式子:
其中,X(D)为实际异常风险百分数的选择函数,e1至em为不同的实际异常风险百分数,d1至dm-1为不同的实际异常风险系数。
本实施例解决了传统保供电设备状态分析系统不具备提前分析的功能,具体的,本实施例中数字孪生模块根据历史数据得出预估异常风险百分数,工人能提前预判该供电模块出现异常的可能,当供电模块出现异常时也能及时的作出响应,降低对用户用电的影响;另外,测试模块实时监测供电模块的实际测试电压、实际测试电流和实际测试温度,然后根据相关信息计算实际异常风险百分数的选择函数,供电模块出现异常时也能及时的作出响应,降低对用户用电的影响。
实施例三:
与实施例二不同之处在于,一种基于智能化数字孪生的保供电设备状态分析系统,还包括用户信息储存模块,用户信息储存模块与控制模块连接,用户信息储存模块用于储存供电用户等级、供电任务紧急程度指数和目标供电时长的信息,并传输至控制模块。
控制模块根据实际异常风险百分数的选择函数、储存供电用户等级、供电任务紧急程度指数和目标供电时长计算优先修复系数,根据优先修复系数计算优先修复等级的选择函数,根据优先修复等级的选择函数得出优先修复等级并传输至通信模块,通信模块将优先修复等级的信息传输至客户端。
控制模块计算优先修复系数时,满足以下式子:
F=X(D)*μ+τ*Tgoal;
其中,F为优先修复系数,μ为供电用户等级,τ为供电任务紧急程度指数,τ分别有以下取值,τ=1或τ=2或τ=3或τ=4,当供电任务紧急程度为不急时τ=1,当供电任务紧急程度为一般时τ=2,当供电任务紧急程度为较急时τ=3,当供电任务紧急程度为特别急时τ=4,Tgoal为目标供电时长。
控制模块计算优先修复等级的选择函数时,满足以下式子:
其中,G(F)为优先修复等级的选择函数,至/>为不同的优先修复等级,f1至fm-1为不同的优先修复系数的选择阈值。
本实施例解决了传统保供电设备状态分析系统不具备分析优先修复等级的功能,具体的,本实施例中控制模块根据实际异常风险百分数的选择函数、储存供电用户等级、供电任务紧急程度指数和目标供电时长计算优先修复系数,根据优先修复系数计算优先修复等级的选择函数,根据优先修复等级的选择函数得出优先修复等级并传输至通信模块,在检修工人数量有限的情况下,根据优先修复等级对供电模块进行修复,降低对用户用电的影响,同时起到工人合理分配工作的效果。
本申请的说明书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以上所述,以上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。
Claims (10)
1.一种基于智能化数字孪生的保供电设备状态分析系统,其特征在于,包括供电模块、数字孪生模块和通信模块,所述数字孪生模块分别与供电模块和通信模块连接;所述供电模块用于供电;所述数字孪生模块用于储存历史数据,根据历史数据计算预估异常风险系数,根据预估异常风险系数计算预估异常风险百分数的选择函数,根据预估异常风险百分数的选择函数得出预估异常风险百分数并传输至通信模块;所述通信模块将预估异常风险百分数的信息传输至客户端。
2.根据权利要求1所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,所述数字孪生模块包括相互通信连接的历史数据储存子模块、数字孪生计算子模块和工人信息储存子模块;所述历史数据储存子模块用于储存历史异常总次数、历史一级异常总次数和历史异常总次数的比值、一级异常危险指数、历史二级异常总次数和历史异常总次数的比值、二级异常危险指数、历史三级异常总次数和历史异常总次数的比值、三级异常危险指数、第b次的修复时间的信息,并传输至数字孪生计算子模块;所述工人信息储存子模块用于储存第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值的信息,并传输至数字孪生计算子模块;所述数字孪生计算子模块基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值确定预估异常风险百分数。
3.根据权利要求2所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,所述数字孪生计算子模块基于第b次修复对应的工人的年龄数值、第b次修复对应的工人的工龄数值和修复对应的工人参考工龄数值确定预估异常风险百分数具体包括以下步骤:
基于第B次修复对应的工人的年龄数值、第B次修复对应的工人的工龄数值和修复对应的工人参考工龄数值计算第B次修复对应的工人的年龄信息系数;
基于第b次修复对应的工人的年龄信息系数和第B次的修复时间计算修复参考指数;
基于历史异常总次数、历史一级异常总次数和历史异常总次数的比值、一级异常危险指数、历史二级异常总次数和历史异常总次数的比值、二级异常危险指数、历史三级异常总次数和历史异常总次数的比值、三级异常危险指数和修复参考指数计算预估异常风险系数;
基于预估异常风险系数计算预估异常风险百分数的选择函数;
基于预估异常风险百分数的选择函数得出预估异常风险百分数。
4.根据权利要求2所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,所述数字孪生计算子模块计算预估异常风险系数时,满足以下式子:
其中,A为预估异常风险系数,B为历史异常总次数,β1为历史一级异常总次数和历史异常总次数的比值,γ1为一级异常危险指数,β2为历史二级异常总次数和历史异常总次数的比值,γ2为二级异常危险指数,β3为历史三级异常总次数和历史异常总次数的比值,γ3为三级异常危险指数,ε为修复参考指数;Tb为第b次的修复时间,Yb为第b次修复对应的工人的年龄信息系数;为第b次修复对应的工人的年龄数值,/>为第b次修复对应的工人的工龄数值,yref为修复对应的工人参考工龄数值。
5.根据权利要求2所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,所述数字孪生计算子模块计算预估异常风险百分数的选择函数时,满足以下式子:
其中,Z(A)为预估异常风险百分数的选择函数,c1至cm为不同的预估异常风险百分数,a1至am-1为不同的预估异常风险系数。
6.根据权利要求1-5任意一项所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,还包括测试模块和控制模块,所述测试模块分别与供电模块和控制模块连接,所述控制模块与通信模块连接;所述测试模块用于测试供电模块且得出实际测试电压、实际测试电流和实际测试温度的信息,并传输至控制模块;所述控制模块用于储存额定电压、额定电流和额定温度的信息,根据额定电压和实际测试电压计算电压评定指数,根据实际测试电流和额定电流计算电流评定指数,根据实际测试温度和额定温度计算温度评定指数,根据电压评定指数、电流评定指数和温度评定指数计算实际异常风险系数,根据实际异常风险系数计算实际异常风险百分数的选择函数,根据实际异常风险百分数的选择函数得出实际异常风险百分数并传输至通信模块。
7.根据权利要求6所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,所述控制模块计算实际异常风险系数时,满足以下式子:
D=Veval+Ieval+TEMPeval;
其中,D为实际异常风险系数,Veval为电压评定指数,Ieval为电流评定指数,TEMPeval为温度评定指数;Vrating为额定电压,Vtest为实际测试电压;Itest为实际测试电流,Irating为额定电流;TEMPtest为实际测试温度,TEMPrating为额定温度。
8.根据权利要求1-7任意一项所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,还包括用户信息储存模块,所述用户信息储存模块与控制模块连接,所述用户信息储存模块用于储存供电用户等级、供电任务紧急程度指数和目标供电时长的信息,并传输至控制模块;所述控制模块根据实际异常风险百分数的选择函数、储存供电用户等级、供电任务紧急程度指数和目标供电时长计算优先修复系数,根据优先修复系数计算优先修复等级的选择函数,根据优先修复等级的选择函数得出优先修复等级并传输至通信模块,通信模块将优先修复等级的信息传输至客户端。
9.根据权利要求8所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,所述控制模块计算优先修复系数时,满足以下式子:
F=X(D)*μ+τ*Tgoal;
其中,F为优先修复系数,μ为供电用户等级,τ为供电任务紧急程度指数,τ分别有以下取值,τ=1或τ=2或τ=3或τ=4,当供电任务紧急程度为不急时τ=1,当供电任务紧急程度为一般时τ=2,当供电任务紧急程度为较急时τ=3,当供电任务紧急程度为特别急时τ=4,Tgoal为目标供电时长。
10.根据权利要求8所述的基于智能化数字孪生的保供电设备状态分析系统,其特征在于,所述控制模块计算优先修复等级的选择函数时,满足以下式子:
其中,G(F)为优先修复等级的选择函数,至/>为不同的优先修复等级,f1至fm-1为不同的优先修复系数的选择阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311618947.4A CN117853265A (zh) | 2023-11-30 | 2023-11-30 | 一种基于智能化数字孪生的保供电设备状态分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311618947.4A CN117853265A (zh) | 2023-11-30 | 2023-11-30 | 一种基于智能化数字孪生的保供电设备状态分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117853265A true CN117853265A (zh) | 2024-04-09 |
Family
ID=90530824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311618947.4A Pending CN117853265A (zh) | 2023-11-30 | 2023-11-30 | 一种基于智能化数字孪生的保供电设备状态分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117853265A (zh) |
-
2023
- 2023-11-30 CN CN202311618947.4A patent/CN117853265A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Joint optimization of condition-based maintenance and inventory control for a k-out-of-n: F system of multi-state degrading components | |
EP3299829B1 (en) | Method and apparatus for electrical component life estimation | |
US8239178B2 (en) | System and method of modeling and monitoring an energy load | |
TWI709092B (zh) | 故障機率評估系統及方法 | |
JPS61500149A (ja) | デバイス制御システム及びその方法 | |
CN113806874B (zh) | 用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 | |
CN110287543B (zh) | 一种继电保护装置寿命预测方法 | |
CN110472772B (zh) | 一种隔离开关过热预警方法及一种隔离开关过热预警系统 | |
CN110309981A (zh) | 一种基于工业大数据的水电站状态检修决策系统 | |
CA3157617C (en) | Neural network for estimating battery health | |
Ahmadi | Optimal maintenance scheduling for a complex manufacturing system subject to deterioration | |
CN115587673B (zh) | 一种电压互感器误差状态预测方法及系统 | |
JPS62276470A (ja) | 機器・部品の寿命管理装置 | |
CN117196251A (zh) | 一种园区配电设施监控方法、系统、设备及介质 | |
CN117853265A (zh) | 一种基于智能化数字孪生的保供电设备状态分析系统 | |
CN117422447A (zh) | 变压器维护策略生成方法、系统、电子设备及存储介质 | |
CN109740191B (zh) | 风传感器剩余使用寿命的预测方法、装置及设备 | |
JPWO2021117127A1 (ja) | 発電量予測装置 | |
CN115575750A (zh) | 一种油浸式变压器过负荷监测方法及相关设备 | |
CN109739210B (zh) | 设备部件健康状态的评估方法及装置 | |
AU2022204337B2 (en) | Run-time reliability reporting for electrical hardware systems | |
CN212483819U (zh) | 一种船舶舱室设备健康管理与故障预测系统 | |
CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 | |
Bajracharya | Multi-agent model-based optimization for future electrical grids | |
Papada et al. | Probabilistic modelling of the effect of maintenance on reliability of power transformers |
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 |