一种确定输变电设备故障检修时间的方法及系统与流程

本发明属于电力系统检修，具体涉及一种确定输变电设备故障检修时间的方法及系统。

背景技术：

1、输变电设备状态检修旨在通过综合考虑设备当前运行状况、潜在故障的发展趋势以及设备故障可能造成的损失后果，有针对性地制定优化检修策略，以有效降低设备故障率，减少维护成本，提高电网的安全运行水平。输变电设备状态检修分为短期检修决策、中长期检修决策，中长期检修主要采用定期检修方式，即是根据对设备故障率的统计分析结果，以故障率不高于经验值，确定检修周期。目前检修周期的确定方法存在的主要弊端是，没有考虑家族性缺陷、个体缺陷、检修行为等长期骤变因素以及短期骤变因素对于设备故障率曲线的影响，从而导致过检修或欠检修。

技术实现思路

1、本发明的目的是针对现有技术存在的上述问题，提供一种能够合理确定检修周期，避免过检修或欠检修的确定输变电设备故障检修时间的方法及系统。

2、为实现以上目的，本发明的技术方案如下：

3、第一方面，本发明提供了一种确定输变电设备故障检修时间的方法，所述方法包括：

4、s1、利用输变电设备的故障历史数据对设备在偶然故障期和损耗故障期的威布尔分布函数进行分段拟合，计算偶然故障期与损耗故障期的分界年限，构建输变电设备的基础故障率模型；

5、s2、根据以下公式对拟合好的基础故障率模型进行修正，得到实际故障率模型：

6、λ(t)＝η×λ0(t-δt1-δt2)；

7、

8、

9、δt3＝tk×s-tk×(s-1)；

10、上式中，λ(t)表示最终得到的实际故障率模型；λ0(t)表示由基础故障率模型在t-δt1-δt2时刻得到的设备故障率；η表示家族性缺陷和个体缺陷对威布尔分布函数的修正系数；δt1为第一时间间隔，用于表示检修行为对设备运行时间的回退作用；δt2为第二时间间隔，用于表示短期骤变因素对设备运行时间的回退作用；δt3表示设备最近两次健康状态评价的时间间隔；tk×s表示设备在第k次检修后的第s次健康状态评价后的实际运行时间；tk×(s-1)表示设备在第k次检修后的第s-1次健康状态评价后的实际运行时间；jk表示设备当前的健康状态评价值；jk0表示设备运行正常与设备运行故障之间的健康状态评价临界值；100表示设备运行在最佳状态；mtbf1表示其他厂家生产的同类设备的平均无故障时间；t1_i表示其他厂家生产的同类设备中第i台设备的实际运行年限；n1表示所统计的其他厂家生产的同类设备在运行期间发生故障的总次数；mtbf2表示该设备个体的平均无故障时间；t2表示该设备个体的实际运行年限；n2表示该设备个体在运行期间发生故障的次数；tk表示该设备个体在第k次检修前的运行时间；表示该设备个体在第k次检修后的等效运行时间；

11、s3、基于实际故障率模型计算从上次检修完成至下一时刻期间的设备故障累计概率值，确定设备故障累计概率值达到设备故障累计概率门槛值时的时刻，该时刻即为下一次检修的最佳时刻。

12、所述拟合好的基础故障率模型的表达式为：

13、

14、上式中，λ0(t)表示t时刻的设备故障率；α1、β1分别为偶然故障期的形状参数、尺度参数；α2、β2分别为损耗故障期的形状参数、尺度参数；l表示偶然故障期与损耗故障期的分界年限。

15、所述s1中，利用l-m算法改进的bp神经网络去拟合威布尔分布函数的参数α、β；具体拟合步骤为：

16、a1、初始化参数α、β；

17、a2、计算对参数α、β的偏导值，通过l-m算法得到第一次迭代后的参数估计值α1、β1以及残差平方和；

18、a3、基于第一次迭代后的参数估计值α1、β1进行第二次迭代计算，通过l-m算法得到第二次迭代后的参数估计值α2、β2以及第二次迭代的残差平方和；

19、a4、比较第一次迭代和第二次迭代的残差平方和，若第二次迭代的残差平方和小于第一次迭代的残差平方和，则第二次迭代结束，进入a5；否则加大第二次迭代时l-m算法中的阻尼系数，并返回a3；

20、a5、返回步骤a2继续迭代计算，直至某次迭代后得到的参数估计值与某次迭代前得到的参数估计值之差的绝对值小于预设的系统允许误差，整个迭代过程结束，输出最后一次迭代得到的参数估计值。

21、所述s1中，通过求解目标函数得到偶然故障期与损耗故障期的分界年限；所述目标函数的计算公式为：

22、

23、上式中，sl表示目标函数；i表示偶然故障期与损耗故障期的分界年限；n表示损耗故障期的最后一年；λ0(t)偶表示拟合好的威布尔分布函数中与损耗故障期对应的部分；λ0(t)损表示拟合好的威布尔分布函数中与损耗故障期对应的部分，λ实_t表示t时刻的设备实际故障率。

24、所述设备故障累计概率值的计算公式为：

25、

26、上式中，px表示从第k次检修完成至下次检修期间的设备故障累计概率值；t′表示设备在当前时刻对应的等效役龄，tx表示设备下次检修时刻；

27、步骤s3中，设备故障累计概率门槛值的计算公式为：

28、

29、上式中，pmax表示设备故障累计概率门槛值；to表示设备的设计寿命；tmax表示设备定检的最大间隔时间。

30、第二方面，本发明提供了一种确定输变电设备故障检修时间的系统，所述系统包括基础故障率模型拟合模块、实际故障率模型构建模块、最佳检修时刻计算模块：

31、所述基础故障率模型拟合模块，用于利用输变电设备的故障历史数据对设备在偶然故障期和损耗故障期的威布尔分布函数进行分段拟合，计算偶然故障期与损耗故障期的分界年限，构建输变电设备的基础故障率模型；

32、所述实际故障率模型构建模块，用于根据以下公式对拟合好的基础故障率模型进行修正，得到实际故障率模型：

33、λ(t)＝η×λ0(t-δt1-δt2)；

34、

35、δt3＝tk×s-tk×(s-1)；

36、上式中，λ(t)表示最终得到的实际故障率模型；λ0(t)表示由基础故障率模型在t-δt1-δt2时刻得到的设备故障率；η表示家族性缺陷和个体缺陷对威布尔分布函数的修正系数；δt1为第一时间间隔，用于表示检修行为对设备运行时间的回退作用；δt2为第二时间间隔，用于表示短期骤变因素对设备运行时间的回退作用；δt3表示设备最近两次健康状态评价的时间间隔；tk×s表示设备在第k次检修后的第s次健康状态评价后的实际运行时间；tk×(s-1)表示设备在第k次检修后的第s-1次健康状态评价后的实际运行时间；jk表示设备当前的健康状态评价值；jk0表示设备运行正常与设备运行故障之间的健康状态评价临界值；100表示设备运行在最佳状态；mtbf1表示其他厂家生产的同类设备的平均无故障时间；t1_ix示其他厂家生产的同类设备中第i台设备的实际运行年限；n1表示所统计的其他厂家生产的同类设备在运行期间发生故障的总次数；mtbf2表示该设备个体的平均无故障时间；t2表示该设备个体的实际运行年限；n2表示该设备个体在运行期间发生故障的次数；tk表示该设备个体在第k次检修前的运行时间；表示该设备个体在第k次检修后的等效运行时间；

37、所述最佳检修时刻计算模块，用于基于实际故障率模型计算从上次检修完成至下一时刻期间的设备故障累计概率值，确定设备故障累计概率值达到设备故障累计概率门槛值时的时刻，该时刻即为下一次检修的最佳时刻。

38、所述拟合好的基础故障率模型的表达式为：

39、

40、上式中，λ0(t)表示t时刻的设备故障率；α1、β1分别为偶然故障期的形状参数、尺度参数；α2、β2分别为损耗故障期的形状参数、尺度参数；l表示偶然故障期与损耗故障期的分界年限。

41、所述基础故障率模型拟合模块利用麦夸特法或利用l-m算法改进的bp神经网络去拟合威布尔分布函数的参数α、β；具体拟合步骤为：

42、a1、初始化参数α、β；

43、a2、计算对参数α、β的偏导值，通过l-m算法得到第一次迭代后的参数估计值α1、β1以及残差平方和；

44、a3、基于第一次迭代后的参数估计值α1、β2进行第二次迭代计算，通过l-m算法得到第二次迭代后的参数估计值α2、β2以及第二次迭代的残差平方和；

45、a4、比较第一次迭代和第二次迭代的残差平方和，若第二次迭代的残差平方和小于第一次迭代的残差平方和，则第二次迭代结束，进入a5；否则加大第二次迭代时l-m算法中的阻尼系数，并返回a3；

46、a5、返回步骤a2继续迭代计算，直至某次迭代后得到的参数估计值与某次迭代前得到的参数估计值之差的绝对值小于预设的系统允许误差，整个迭代过程结束，输出最后一次迭代得到的参数估计值。

47、所述基础故障率模型拟合模块通过求解目标函数得到偶然故障期与损耗故障期的分界年限；所述目标函数的计算公式为：

48、

49、上式中，sl表示目标函数；l表示偶然故障期与损耗故障期的分界年限；n表示损耗故障期的最后一年；λ0(t)偶表示拟合好的威布尔分布函数中与损耗故障期对应的部分；λ0(t)损表示拟合好的威布尔分布函数中与损耗故障期对应的部分，λ实_t表示t时刻的设备实际故障率。

50、所述最佳检修时刻计算模块根据以下公式计算设备故障累计概率值：

51、

52、上式中，p1表示从第k次检修完成至下次检修期间的设备故障累计概率值；t′表示设备在当前时刻对应的等效役龄，tx表示设备下次检修时刻；

53、根据以下公式计算设备故障累计概率门槛值：

54、

55、上式中，pmax表示设备故障累计概率门槛值；t0表示设备的设计寿命；tmax表示设备定检的最大间隔时间。

56、与现有技术相比，本发明的有益效果为：

57、本发明所述一种确定输变电设备故障检修时间的方法，首先根据设备故障率的历史统计数据，通过拟合设备故障率的威布尔分布，形成基础故障率模型，然后分别从长期演变因素和短期骤变因素两个方面对拟合得到的基础故障率模型进行修正，形成实际故障率模型，长期演变因素考虑了家族性缺陷、个体缺陷、检修行为，最后基于设备实际故障率模型计算设备故障累计概率预测值，通过求解设备故障累计概率预测计算值等于故障累计概率门槛值的约束方程，确定最佳的检修周期，从而为设备中长期检修计划制定提供更为准确、有效的决策支持，避免出现过检修或欠检修。因此，本发明能够更为合理的确定检修周期，避免出现过检修或欠检修。