CN102629364A - 一种电力设备状态的量化评分方法 - Google Patents
一种电力设备状态的量化评分方法 Download PDFInfo
- Publication number
- CN102629364A CN102629364A CN2012100653174A CN201210065317A CN102629364A CN 102629364 A CN102629364 A CN 102629364A CN 2012100653174 A CN2012100653174 A CN 2012100653174A CN 201210065317 A CN201210065317 A CN 201210065317A CN 102629364 A CN102629364 A CN 102629364A
- Authority
- CN
- China
- Prior art keywords
- scoring
- state
- equipment
- weight
- minimum
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力设备状态的量化评分方法,包括:采集电力设备状态量的参数;根据预先制定的评分规则计算设备状态量评分;根据所述评分规则中设置的合理评分,判断设备是否正常。本发明将状态检修领域状态评价细化,区别于一般的状态检修***,本发明着重于设备状态评分、预测评估和风险控制,帮助检修人员和预试人员实时掌握设备当前运行信息,使用本发明的方法,可以明显减少设备维修过程中的盲目性,避免维修不足或过剩,同时节约了大量的维修成本,保障了设备的安全稳定运行。
Description
技术领域
本发明属于电力企业设备状态检修领域,尤其涉及一种电力设备状态的量化评分方法。
背景技术
随着电力***的快速发展,***规模的不断扩大,***内设备数量的快速增长,传统的对输变电设备状态不做评估直接进行“一刀切”式的定期检修模式因为检修时间固定,存在检修不足和检修过剩的弊端。检修不足,应修设备不能进行及时修理,造成输变电设备故障率提高;检修过剩,造成大量人力、物力浪费,过度检修造成设备不可逆损伤使设备寿命减短,不必要的检修加大设备故障风险。据此,固定的检修模式已经越来越不适应电网设备维修和经济运行的发展需要。状态检修是一种动态的、根据设备实时状态的一种检修模式,能够根据设备的投运前基础信息、运行中信息、故障和事故情况、试验(预试)数据、同类设备家族参考信息以及其它相关的信息以及实时在线监测数据诊断设备状况,制定灵活检修方式的一种维修方式,做到设备“应修必修,修必修好”,不仅可以大大地节约维修成本,而且可以减少因不必要的维修造成的设备故障,提高维修速度和维修质量,提高电网供电可靠性和电网运行的经济性。
状态检修(CBM,Condition-Based Maintenance)是一种以设备的实际运行状态为基础的检修制度,它是一种建立在计算机技术、检测技术、电力技术、诊断技术、预测技术等多学科基础上的检修方式。状态检修通过对设备相关状态量进行精确测量,综合缺陷信息、试验信息、运行信息、检修信息,经过状态检修专家***的诊断、处理、评价、预测,识别故障的早期征兆,对故障部位、故障程度和发展趋势做出判断,根据评价结果动态调整检修项目周期,指导检修计划的编制,逐步优化维修管理模式,使设备得到最佳维修与保养,降低维修成本、缩短检修停电时间、延长设备寿命,做到“应修必修、修必修好”。
现阶段,国内电力***用于状态检修工作中的决策***只是把风险评估值作为制定检修计划的参考值,并没有真正把其作为电力***开展状态检修的必要环节;用于电力***中设备的风险评估值并不是依据客观的、有说服力的计算方法计算得出而只是采用经验值。因为缺少风险评估模型和定量的风险评估指标的精确数据,使得风险值依赖于评估者的个人经验,得出的风险评估值,因为个人主观因素所占比重大,容易因为个人经验造成风险评估失效,造成维修不足或维修冗余。
发明内容
有鉴于此,本发明所要解决的技术问题是提供一种电力设备状态的量化评分方法。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
本发明提出了一种电力设备状态的量化评分方法,包括:
采集电力设备状态量的参数;
根据预先制定的评分规则计算设备状态量评分;
根据所述评分规则中设置的合理评分,判断设备是否正常。
在一些可选的实施例中,所述设备状态量包括:分类、名称、采集频率、计量单位、权重、是否使用。
在一些可选的实施例中,所述预先制定的评分规则对于单个状态量至少有一种规则,所述评分规则由电压等级、扣分标准、权重、扣分、扣分表达式、最大评分、最小评分组成;所述评分规则对应一个状态量的变化范围或特定值。
在一些可选的实施例中,当状态参数满足扣分表达式时,扣分值是权重乘以扣分。
在一些可选的实施例中,所述状态量根据最大评分参考值和最小评分参考值是否相等计算;如果相等,所述状态量评分是最大评分值和最小评分值的平均值;如果不相等,则最大评分的评分值、参考值和最小评分的评分值、参考值构成直线公式,根据状态量值计算出状态量的评分,该评分值在最大评分值和最小评分值范围内。
在一些可选的实施例中,所述判断设备是否正常,还通过设备评分、部件评分和状态量评分三个层次共同决定,所述设备评分由设备下的所有状态量评分组成,所述设备评分根据重要程度有权重划分,决定设备的好坏主要由设备下影响最严重的状态量决定,同时其他状态量起次要决定。
在一些可选的实施例中,所述设备评分=((状态量1评分*状态量1权重+状态量2评分*状态量2权重+...)/(状态量1权重+状态量2权重+...))*平均权重系数+((状态量最低评分1*最低评分1权重+状态量次低评分2*次低评分权重2+...)/(最低评分1权重+次低评分权重2+...))*最低评分权重系数。
在一些可选的实施例中,所述部件评分由部件下的状态量评分组成;部件的状态量根据重要程度有权重划分,决定部件的好坏主要由部件下影响最严重的状态量决定,同时其他状态量起次要决定。
在一些可选的实施例中,所述部件评分=((状态量1评分*状态量1权重+状态量2评分*状态量2权重+...)/(状态量1权重+状态量2权重+...))*平均权重系数+((状态量最低评分1*最低评分1权重+状态量次低评分2*次低评分权重2+...)/(最低评分1权重+次低评分权重2+...))*最低评分权重系数。
在一些可选的实施例中,平均权重系数是次要部分评分权重,取值在0.1至0.4之间;最低评分权重系数是主要部件评分权重,取值在0.6至0.9之间较合理,要求最低评分权重和平均权重***相加结果为1;参与计算的最低评分状态量个数在1至3之间。
为了上述以及相关的目的,一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明某些示例性方面,并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显,所公开的实施例是要包括所有这些方面以及它们的等同。
本发明相比于现有技术的优点在于:
1、开放灵活的设备状态评价模型,实现状态量维护、评分规则维护、设备状态规则维护,通过***数据采集服务自动采集设备状态量数据,数据处理服务按照用户定制的评分规则进行设备状态量评分、部件评分、设备评分。
2、***采用自动服务调度方式,实现状态量数据按月度统计,并通过预测算法对下一月状态量数据进行预测,并得出状态量预测评分、部件预测评分、设备预测评分,从而能够预先知道下一月设备健康状况,避免设备隐患发生,提高设备安全可靠运行。
3、***按照设备重要等级和风险系数,结合状态评价得分和数据预测评分,通过量化公式算出实时的设备风险评估值,并对评估风险进行倒序排序。
4、***采用数据处理服务,实时对采集到状态量数据进行实时的状态评价、历史评价、风险评估、状态诊断、预测信息、检修信息、预试信息等处理。
5、***根据设备当前状态、设备评分、预测评分、设备风险值、设备重要等级、检修周期、预试周期、历史检修记录、历史预试记录生成实时的基于风险控制的检修项目提醒和预试项目提醒。对即将到期(差一个月内到期)、已到期(到期一个月内)、已过期(过期一个月以上)的应检修项目和应预试项目进行统计。
6、***根据实时风险控制的检修项目信息和预试项目信息,可以生成指定截止日期的(另可指定变电站、设备类型、设备状态、电压等级、设备名称等条件)检修计划、预试计划内容,并提供编审批流程和计划完成情况填写。
附图说明
图1是本发明方法流程图;
图2是状态检修***架构图;
图3是状态检修***服务组成图;
图4是状态检修***数据流设计图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的组件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
本发明在电力设备状态检修***中,提出了一种电力设备状态的量化评分方法,如图1所示,包括:
采集电力设备状态量的参数;
根据预先制定的评分规则计算设备状态量评分;
根据所述评分规则中设置的合理评分,判断设备是否正常。
在一些可选的实施方式中,如图2所示,展示了状态检修***总体软件架构,整个***分模型层、服务层、应用层。模型层按照不同功能划分,同时充分考虑***科学性、可扩展性、灵活性特点,降低服务层处理数据复杂性,分为接口模型、知识库模型、统计模型、设备模型、组织权限模型、评价模型等六大部分。服务层主要由三个应用服务***组成,数据采集服务提供生产管理***、在线监测***、集控中心Scada***的数据采集工作。数据处理服务负责数据的处理、分析、统计、评价、预测等。Web应用服务器负责Web应用的调度,采用SOA技术,对外提供Web服务。应用层采用纯Flex技术,负责各个功能应用展现,供用户Web访问和交互操作。
如图3所示,状态检修***分三大服务,每个服务由不同功能组成,数据采集服务负责采集Scada***、在线监测***、生产管理***的数据,数据处理服务负责状态量的处理、统计、预测和评价等功能,Web应用服务负责功能页面展现。Web应用服务提供设备的辅助决策、可视化展现、图形分析和数据查询等功能。
图4是状态检修***的数据流设计图,如图所示,数据采集服务负责生产管理***、Scada***、在线监测***的数据采集,将采集到的数据保存到接口数据原始表;数据处理服务负责接口数据原始表的数据处理、数据统计、状态评价、数据预测、预测评价、历史评价等六大功能。
数据处理功能将接口数据原始表转化为接口数据历史表、接口数据变动表、设备状态量告警表;接口数据历史表保存了所有接口原始数据,接口数据变动表保存了不同时刻数据值不相等的数据(即同一设备同一状态量的本次数据值和上次数据值不相等时就保存),设备状态量告警表保存了符合告警要求的接口数据。
状态评价功能根据状态量评分规则表(参考具体实施例一中表格)、设备部件定级表(参考具体实施例一中表格)和接口数据变动表,生成状态量评价当前表、部件评价当前表、设备评价当前表。即将接口数据变动表中的状态量当前值和统计值传入评分规则表中的相同状态量下的所有扣分表达式,判断是否满足这些扣分表达式,如果满足某个扣分表达式,就产生评分和扣分,评分值按上述状态量评分公式进行计算,不满足该状态量所有扣分表达式时,该状态量的评分是100分、扣分是0分。
历史评价功能按照变电站和月度生成每月变电站下所有设备的历史评价,包含设备评价记录表、状态量评价历史表、部件评价历史表、设备评价历史表;各评价历史表是各评价当前表的拷贝,是各当前表的子表;设备评价记录表保存变电站、年月、正常设备个数、注意设备个数、异常设备个数、严重设备个数等信息,是各评价历史表的父表。
数据统计功能将接口数据历史表中的状态量值按天、周、月、年时间段进行平均值、最大值、最小值统计。状态量采集周期是天以下(分钟、小时)的按天、周、月、年统计,采集周期是天的按周、月、年统计,采集周期是周的按月、年统计,采集周期是月的按年统计。
数据预测功能按照状态量月统计数据,采用Weka线性回归和时间序列算法进行预测下月状态量值。数据预测分两种情况,一种是数值型数据,这种数据在时刻变化,是数据预测的主要对象,采用线性回归预测,准确率在86%以下就采用时间序列预测算法进行预测;另外一种是枚举型数据,一般是正常(值用0表示)、异常(值用1表示)、严重(值用2表示),这种数据不用预测算法进行预测,预测结果直接使用状态量当前值,因为这种数据一般是故障,产生时需要人工去处理才能恢复正常,恢复正常了通过数据采集服务自动获取到正常值。
预测评价功能按照预测的状态量下月值和状态量评分规则表、设备部件定级表,进行状态量预测评分、部件预测评分、设备预测评分,预测评价功能按照状态评价功能类似方式进行,更新状态量当前表中的预测评分、部件评价当前表中的预测评分、设备评价当前表中的预测评分。
在一种可选的实施方式中,电力设备状态检修***使用任务调度方式进行数据采集,可以设定各***采集的频率、是否采集等。对采集到的数据直接保存到接口数据原始表,如果采集出现异常或错误,将信息记录在日志文件里;数据处理服务负责接口原始表数据的处理、统计、评价等功能。处理服务开辟五个进程分别处理接口数据和告警数据、当前状态量部件设备评价、历史状态量部件设备评价、数据预测数据;Web应用服务器负责Web应用的调度,采用SOA技术,对外提供Web服务。应用层采用纯Flex技术,负责各个功能应用展现,供用户Web访问和交互操作。主要由数据查询、图形分析、知识库配置、辅助决策、***管理、设备维护等组成。
在一些可选的实施例中,数据库服务器是处理各项业务数据的中心处理***,同时兼有统计分析功能,完成数据处理和数据库管理等功能,是整个***的核心设备之一。因此要求数据库服务器要求性能强大、运行稳定、可靠性高。根据数据库***并行性、实时性、扩展性和用户使用习惯,本次***建议采用Oracle数据库***作为关系型数据库。
由于本***对高可用性(HA)方面要求较高,建议采用Cluster方式,保证本***能做到7×24小时的高可靠运行。以***应用为基础,考虑***未来的扩展能力等方面因素,建议采用小型机作为硬件平台。结合业务状况和将来的发展趋势,采用SAN数据存储结构,建设统一数据存储中心的管理体系,灵活的体系结构,以满足未来新的应用的需求,从而向更高层次的IT中心发展。
在一些可选的实施例中,数据库数据通过4Gb光纤通道所组成的SAN(存储区域网)存储至一个核心的企业级磁盘阵列中。数据库中心采用2台SANSwitch 4Gb光纤交换机组建SAN网络。服务器每个分区均配置双光纤接口卡,分别连接在2台光纤交换机上。磁盘阵列也通过多路光纤分别和2台光纤交换机相连,以确保无单点故障。每台服务器配置多路径故障切换和负载均衡控制软件,以实现双路径自动数据访问,对应用透明,也无需人工干预。
具体实施例一:
设备状态量列表如表1所示,每个状态量有分类、名称、采集频率、计量单位、权重、是否使用、备注等公共属性。
设备类型 | 部件名称 | 状态量名称 | 采集频率 | 计量单位 | 权重 | 是否启用 | 备注 |
变压器 | 缺陷情况 | 家族性缺陷 | 天 | 3 | 是 | ||
变压器 | 缺陷情况 | 历史缺陷 | 天 | 次/周期 | 2 | 是 | |
变压器 | 本体 | 短路冲击电流 | 天 | A | 3 | 是 | |
变压器 | 本体 | 短路次数 | 天 | 次 | 3 | 是 | |
变压器 | 本体 | 短路阻抗 | 天 | Ω | 3 | 是 | |
变压器 | 本体 | 变压器过负荷 | 分钟 | 2 | 是 | ||
变压器 | 本体 | 渗漏油 | 天 | 3 | 是 | ||
变压器 | 本体 | 本体(有载分接开关)油枕 | 天 | 3 | 是 | ||
变压器 | 本体 | 噪声及振动 | 天 | 4 | 是 | ||
变压器 | 本体 | 运行油温 | 分钟 | ℃ | 3 | 是 | |
变压器 | 本体 | 轻瓦斯发信 | 分钟 | 4 | 是 | ||
变压器 | 本体 | 重瓦斯动作 | 分钟 | 4 | 是 | ||
变压器 | 本体 | 红外测温 | 天 | 3 | 是 |
表1
状态量的评分规则如表2所示,每个状态量可以有一个或多个评分规则,每个评分规则有电压等级、扣分标准、权重、扣分、扣分表达式、最小评分、最大评分组成。每个评分规则对应一个状态量的变化范围或特定值,一旦状态量的二次处理值(?2表示)或值(?表示)或处理值和值的组合满足扣分表达式,就产生状态量扣分和评分,如果不满足,则不扣分,评分为100分。满足扣分表达式时,扣分值是权重乘以扣分。评分值根据最大评分参考值和最小评分参考值是否相等计算,如果相等,评分值是最大评分值和最小评分值的平均值;如果不相等,则最大评分值、最大评分参考值和最小评分值、最小评分参考值构成一条直线,通过已知直线公式y=k*x+b计算出状态量的评分(状态量的二次统计值或值为x,评分为y),该评分值在最大评分值和最小评分值范围内。通过状态量变化范围对设备的影响程度,在评分规则里设置合理评分,通过***数据采集服务和数据处理服务,完成状态量的评价。
表2
1、部件评分实现过程
部件的评分由部件下的状态量评分组成,部件的状态量根据重要程度有权重划分,分别为1、2、3、4。决定部件的好坏主要由部件下影响最严重的状态量决定,同时其他状态量起次要决定。因此部件评分公式为:部件评分=((状态量1评分*状态量1权重+状态量2评分*状态量2权重+...)/(状态量1权重+状态量2权重+...))*平均权重系数+((状态量最低评分1*最低评分1权重+状态量次低评分2*次低评分权重2+...)/(最低评分1权重+次低评分权重2+...))*最低评分权重系数,其中状态量1、状态量2...是部件下的所有状态量。平均权重系数是次要部分评分权重,默认为0.3,可调整,取值在0.1和0.4之间较合理。最低评分权重系数是主要部件评分权重,默认是0.7,可调整,取值在0.6和0.9之间较合理,要求最低评分权重和平均权重系数相加结果为1。参与计算的最低评分状态量个数默认为2,可调整,取值在1和3之间较合理。由于每个状态量的评分和权重都是已知的,在加上两个权重和最低评分个数都已设置,所以得出部件整体的评分,部件的评分通过数据处理服务完成。
2、设备评分实现过程
设备的评分由设备下的所有状态量评分组成,设备的状态量根据重要程度有权重划分,分别为1、2、3、4。决定设备的好坏主要由设备下影响最严重的状态量决定,同时其他状态量起次要决定。因此设备评分公式和部件评分公式是一样的,只是设备取的状态量是设备所有部件的状态量。评分公式为:设备评分=((状态量1评分*状态量1权重+状态量2评分*状态量2权重+...)/(状态量1权重+状态量2权重+...))*平均权重系数+((状态量最低评分1*最低评分1权重+状态量次低评分2*次低评分权重2+...)/(最低评分1权重+次低评分权重2+...))*最低评分权重系数,参数的具体说明请参考上面部件评分方法说明,设备评分通过数据处理服务完成。
通过设备的状态量评分、部件评分、设备评分,得出设备、部件、状态量三个层次的详细评分情况,为设备状态检修辅助决策提供了重要依据。
具体实施例二:
本实施例模拟220kV凯里变电站内的110kV凯丁线102断路器为评价设备,当前状态评价注意,设备评分80,预测评分80。如表3所示。
表3
验证分析:
1、验证设备状态定级是否正确
该设备状态被判定为注意,设备状态是通过最差的部件状态确定的,设备五个部件(概况、本体、操作机构、并联电容器、合闸电阻)中操作机构是注意状态,其他为正常状态,所以设备状态定为注意,如上表所示。
2、验证部件定级是否正确
对照表4中的断路器部件定级表,得出设备部件的评价项数、扣分项数、单项最大扣分、总扣分、状态定级、部件评分都完全正确。
设备类型 | 部件名称 | 状态定级 | 单项扣分条件 | 合计扣分条件 | 单项扣分与合计扣分关系 |
断路器 | 概况 | 正常 | ?<=10 | ?<=30 | and |
断路器 | 概况 | 注意 | ?>10and?<=20 | ?>=20and?<30 | and |
断路器 | 概况 | 异常 | ?>20and?<30 | ?>30 | and |
断路器 | 概况 | 严重 | ?>=30 | or | |
断路器 | 本体 | 正常 | ?<=10 | ?<=30 | and |
断路器 | 本体 | 注意 | ?>10and?<=20 | ?>=20and?<30 | and |
断路器 | 本体 | 异常 | ?>20and?<30 | ?>30 | and |
断路器 | 本体 | 严重 | ?>=30 | or | |
断路器 | 操作机构 | 正常 | ?<=10 | ?<=20 | and |
断路器 | 操作机构 | 注意 | ?>10and?<=20 | ?>=20and?<30 | and |
断路器 | 操作机构 | 异常 | ?>20and?<30 | ?>30 | and |
断路器 | 操作机构 | 严重 | ?>=30 | or | |
断路器 | 并联电容器 | 正常 | ?<=10 | ?<=12 | and |
断路器 | 并联电容器 | 注意 | ?>10and?<=20 | ?>=20and?<30 | and |
断路器 | 并联电容器 | 异常 | ?>20and?<30 | ?>30 | and |
断路器 | 并联电容器 | 严重 | ?>=30 | or | |
断路器 | 合闸电阻 | 正常 | ?<=10 | ?<=12 | and |
断路器 | 合闸电阻 | 注意 | ?>10and?<=20 | ?>=20and?<30 | and |
断路器 | 合闸电阻 | 异常 | ?>20and?<30 | ?>30 | and |
断路器 | 合闸电阻 | 严重 | ?>=30 | or |
表4
3、验证状态量单项扣分和评分是否正确
对照表5中的设备状态量,发现液压机构(泵的零起打压时间)状态量扣分,权重3,扣分值12(单项扣分为4),评分值55。
表5
状态量值异常(对枚举型状态量来说,0为正常、1为异常、2为严重)满足扣分表达式″?=1″条件,故产生扣分和评分,扣分为权重*扣分=3*4=12,扣分正确。在看评分,最大评分为65,最小评分为45,最大评分参考值和最小评分参考值相等,则评分为(65+45)/2=55,评分正确。
4、验证部件评分是否正确
设备部件评分是通过上面介绍的计算公式计算出来的,
设备部件评分=主要状态量评分*0.7+平均状态量评分*0.3,0.7和0.3系数可调整。
操作机构评分=[(55*3+100*3)/(3+3)]*0.7+[(3*100+4*100+3*55+...)*(3+4+3+...)]*.03=54.25+26.36=80.61,结论正确。
本发明与现有技术相比具有以下优点:
1、保障电网安全稳定运行
在没上状态检修***以前,设备的实时健康状态很难知道,设备的检修往往采取故障检修加计划检修方式。故障检修以设备出现功能性故障为判据,在设备发生故障且无法继续运行时才进行维修。显然,这种应急维修需付出很大的安全、经济代价和维修费用,不但严重威胁着设备或人身安全,而且维修严重不足。计划检修以时间为依据,预先设定检修工作内容与周期,以保证设备的完好率处于一定水平,这种方式将不可避免地会产生“维修过剩”或者“维修不足”,不但造成设备有效利用时间的损失和人力、物力、财力的浪费,甚至会引发维修故障。
在使用基于量化评分和风险控制的状态检修辅助决策***后,一方面***能够根据实时采集的设备状态量数据,进行数据预测和统计分析,预先知道设备下月健康状况,***以消息的形式通知使用人员提前应付设备可能出现的隐患或故障,将设备故障或隐患消除在萌芽中,极大的提高了设备的安全性;另一方面***根据设备当前状态、设备评分、预测评分、设备风险值、设备重要等级、检修周期、预试周期、历史检修记录、历史预试记录生成实时的基于风险控制的检修项目提醒和预试项目提醒,指导检修人员、预试人员优先处理风险最严重的设备进行相应的检修和预试,保障了电网的安全稳定运行。
2、节约大量设备检修成本
在没有状态检修***以前,设备检修按固定周期进行。这种检修方式以时间为依据,预先设定检修工作内容与周期,其维修间隔的确定主要根据经验和统计资料,以保证设备的完好率处于一定水平,但是它很难预防由于随机因素引起的偶然事故,同时也会废弃了许多尚可使用的备件,而且增加了不必要的拆装次数,造成浪费。定期检修制度在保证重大机械设备正常工作中起到了直接防止或者延迟故障的作用,但是这种不根据设备的实际状况,单纯按规定的时间间隔对设备进行相当程度解体的维修方法,将不可避免地会产生“维修过剩”,不但造成设备有效利用时间的损失和人力、物力、财力的浪费,甚至会引发维修故障。
在使用基于状态评分和风险控制的状态检修辅助决策***后,设备检修周期调整按照设备的状态进行。把设备的健康状态分为四级,分别为正常、注意、异常、严重。对于正常状态设备,可以按正常C级检修周期进行检修;对于注意状态设备要适当缩短周期(检修周期一半)进行检修;对于异常状态设备,要尽快安排检修(半个月内);对于严重状态设备,要立即进行检修(一周内)。这样按照不同设备状态进行不同程度的检修,即节约了大量的设备维修成本,又节约很大的人力成本。
3、节约大量设备管理成本
在没上状态检修***以前,在评价设备健康状况时需要各部门花费大量人力,进行设备相关数据的查询、比较、统计、分析,加之缺乏有效的设备评价模型,得出的设备状态不太客观和准确,人为臆断性比较大。另外人工评价周期较长(一年甚至几年一次),缺乏对设备健康状态的及时了解和预测,因而设备健康稳定运行很难得到保证。
在使用状态检修辅助决策***后,***自动采集影响设备健康运行的相关状态量数据,并对采集到的数据实时进行评价,对设备管理人员和运行人员了解设备健康状态非常有用。同时***每隔一月(周期可调整)自动生成一次全站设备的评价记录,便于设备运行人员了解设备健康发展趋势。
4、提高处理故障处理速度和应对突发故障的解决能力
***提供故障处理知识库,对每类设备故障进行故障原因分析和解决办法处理,并对故障关联到设备状态量上,即哪个设备状态量异常导致什么样的故障,并怎样得到最佳的处理。一旦设备的某个状态量出现异常,马上定位到可能产生的故障,并提供故障解决办法,这样不仅形成企业自身宝贵的故障诊断知识库,同时加快了企业员工处理故障的响应速度,保证了电力***的安全稳定。
企业使用故障处理知识库,使得故障处理经验不断得到加强,一方面提高了故障的处理速度和应对突发故障的处理能力,灵一方面也不会因为设备检修运行人员的流失,造成企业处理故障经验的丢失。
5、极大地提高了设备管理水平
通过***状态评价功能,综合设备所有影响健康运行的状态量,通过状态评估模型进行实时评价和分析处理,得出设备当前状态和及时发现设备当前隐患,对可能出现或已经出现的故障征兆进行及时消除,保证了设备的完好和健康稳定运行,提高了设备的管理水平。
通过***预测评估功能,能够实时预先知道下个月的设备健康状态,同时知道每个状态量的下个月评分情况,通过定位设备、定位状态量,迅速找到设备最低评分的状态量,在对这些状态量进行进一步的预测和分析,通过图形直观地显示状态量发展趋势,对确认下个月不良状态量进行及时处理和消缺,将设备故障消除在隐患阶段,极大提高了设备的管理水平。
通过***状态诊断功能,及时了解设备不良状态量可能产生怎样的故障,以及对每种故障的最佳处理,***同时记录了每次故障的处理过程,这样对全面了解设备故障信息非常有用。通过***故障诊断功能,不仅加快了企业员工处理设备故障响应速度,同时提高了设备管理水平。
通过实时的检修项目提醒和预试项目提醒功能,方便检修人员和预试人员查看和编制检修计划和预试计划,通过检修计划和预试计划的自动生成功能,不仅极大提高了检修人员和预试***检修和预试计划的能力和准确性,同时提高了设备管理水平。
通过***的设备查询功能,能及时全面了解设备最新信息和历史信息,包括基本的设备台账信息、当前状态、设备评分、预测评分、当前所有部件评价信息和状态量评价信息、历史部件评价信息和状态量评价信息、设备缺陷、设备检修、设备试验、检修计划、预试计划等设备全景信息,方便快速查找设备完整健康信息,提高了设备管理水平。
6、完善了现有状态检修评价导则
现有的状态评价导则只给出了设备的大致状态,对处在同一个状态下的不同设备,不知道设备之间的健康状态的好坏,也不知道设备处于哪个状态的边缘。如处于注意状态的设备,它可能更接近于正常或异常,这种正常和异常状态的检修方式就相差很大。如果不能正确量化设备的状态评分,就可能造成设备检修的失修或过修。因此量化评分方法具有更大的优越性,更能反映设备的当前健康程度,同时也成为辅助决策的依据,是以后状态检修的必然趋势。本***采用的状态量评分模型采用分段区间办法,将相同区间进行线性处理,不同区间进行分段处理;同时部件和设备的评分考虑最差状态量评分影响,具有很好的可操作性和准确性,是对现有状态评价导则的补充和完善,具有非常重要的意义。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
Claims (10)
1.一种电力设备状态的量化评分方法,其特征在于,包括:
采集电力设备状态量的参数;
根据预先制定的评分规则计算设备状态量评分;
根据所述评分规则中设置的合理评分,判断设备是否正常。
2.如权利要求1所述的方法,其特征在于,所述设备状态量包括:分类、名称、采集频率、计量单位、权重、是否使用。
3.如权利要求1所述的方法,其特征在于,所述预先制定的评分规则对于单个状态量至少有一种规则,所述评分规则由电压等级、扣分标准、权重、扣分、扣分表达式、最大评分、最小评分组成;所述评分规则对应一个状态量的变化范围或特定值。
4.如权利要求3所述的方法,其特征在于,当状态参数满足扣分表达式时,扣分值是权重乘以扣分。
5.如权利要求1所述的方法,其特征在于,所述状态量根据最大评分参考值和最小评分参考值是否相等计算;如果相等,所述状态量评分是最大评分值和最小评分值的平均值;如果不相等,则最大评分的评分值、参考值和最小评分的评分值、参考值构成直线公式,根据状态量值计算出状态量的评分,该评分值在最大评分值和最小评分值范围内。
6.如权利要求1所述的方法,其特征在于,所述判断设备是否正常,还通过设备评分、部件评分和状态量评分三个层次共同决定,所述设备评分由设备下的所有状态量评分组成,所述设备评分根据重要程度有权重划分,决定设备的好坏主要由设备下影响最严重的状态量决定,同时其他状态量起次要决定。
7.如权利要求6所述的方法,其特征在于,所述设备评分=((状态量1评分*状态量1权重+状态量2评分*状态量2权重+...)/(状态量1权重+状态量2权重+...))*平均权重系数+((状态量最低评分1*最低评分1权重+状态量次低评分2*次低评分权重2+...)/(最低评分1权重+次低评分权重2+...))*最低评分权重系数。
8.如权利要求6所述的方法,其特征在于,所述部件评分由部件下的状态量评分组成;部件的状态量根据重要程度有权重划分,决定部件的好坏主要由部件下影响最严重的状态量决定,同时其他状态量起次要决定。
9.如权利要求8所述的方法,其特征在于,所述部件评分=((状态量1评分*状态量1权重+状态量2评分*状态量2权重+...)/(状态量1权重+状态量2权重+...))*平均权重系数+((状态量最低评分1*最低评分1权重+状态量次低评分2*次低评分权重2+...)/(最低评分1权重+次低评分权重2+...))*最低评分权重系数。
10.如权利要求7或9任一项所述的方法,其特征在于,平均权重系数是次要部分评分权重,取值在0.1至0.4之间;最低评分权重系数是主要部件评分权重,取值在0.6至0.9之间较合理,要求最低评分权重和平均权重***相加结果为1;参与计算的最低评分状态量个数在1至3之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100653174A CN102629364A (zh) | 2012-03-13 | 2012-03-13 | 一种电力设备状态的量化评分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100653174A CN102629364A (zh) | 2012-03-13 | 2012-03-13 | 一种电力设备状态的量化评分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102629364A true CN102629364A (zh) | 2012-08-08 |
Family
ID=46587622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100653174A Pending CN102629364A (zh) | 2012-03-13 | 2012-03-13 | 一种电力设备状态的量化评分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102629364A (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693514A (zh) * | 2012-05-17 | 2012-09-26 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种基于设备风险预控、重点设备监控的变电站设备自动评价方法 |
CN103150635A (zh) * | 2013-03-29 | 2013-06-12 | 广东电网公司 | 电力设备运维方法 |
CN103617512A (zh) * | 2013-12-18 | 2014-03-05 | 国家电网公司 | 一种电力***继电保护状态检修辅助决策导则自适应方法 |
CN104156895A (zh) * | 2014-08-20 | 2014-11-19 | 国网浙江余姚市供电公司 | 一种评测方法及装置 |
CN104331042A (zh) * | 2014-10-16 | 2015-02-04 | 国家电网公司 | 水电厂计算机监控***的状态评价方法 |
CN104573845A (zh) * | 2014-12-03 | 2015-04-29 | 国家电网公司 | 信息***设备状态检修辅助决策方法 |
CN104573984A (zh) * | 2015-01-27 | 2015-04-29 | 国网四川省电力公司电力科学研究院 | 一种基于健康树的b/s信息***状态划分方法 |
CN104751292A (zh) * | 2015-04-09 | 2015-07-01 | 深圳国创善能科技有限公司 | 一种机电设备运行综合管理方法 |
CN104850482A (zh) * | 2014-08-25 | 2015-08-19 | 国家电网公司 | 主机设备状态检测方法及装置 |
CN104991218A (zh) * | 2015-06-19 | 2015-10-21 | 国网重庆市电力公司电力科学研究院 | 一种监测电能计量装置运行状态的*** |
CN105303329A (zh) * | 2015-11-20 | 2016-02-03 | 国网上海市电力公司 | 一种基于监控信息的设备健康状态评估方法 |
CN105405068A (zh) * | 2015-11-30 | 2016-03-16 | 国网北京市电力公司 | 电力数据的检测方法及装置 |
CN105787648A (zh) * | 2016-02-19 | 2016-07-20 | 国网浙江省电力公司金华供电公司 | 一种基于实时运行信息的配电变压器健康状态评价方法 |
CN106295356A (zh) * | 2016-08-24 | 2017-01-04 | 浪潮电子信息产业股份有限公司 | 一种基于ssr产品的主机安全级别统计方法 |
CN106710164A (zh) * | 2017-03-06 | 2017-05-24 | 国电南瑞科技股份有限公司 | 一种针对多因素的配电网设备故障预警方法 |
CN106711961A (zh) * | 2017-01-05 | 2017-05-24 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 多维度评估交流滤波器小组断路器运行状态的方法 |
CN106779102A (zh) * | 2016-12-08 | 2017-05-31 | 苏州热工研究院有限公司 | 一种核电厂维修策略优化方法以及装置 |
CN107085771A (zh) * | 2017-05-10 | 2017-08-22 | 厦门航空有限公司 | 一种飞机技术状况量化模型及其构建方法 |
CN107291061A (zh) * | 2017-02-22 | 2017-10-24 | 贵州北盘江电力股份有限公司董箐发电厂 | 一种基于量化评估的水电机组健康状态评估方法 |
CN108604094A (zh) * | 2016-03-31 | 2018-09-28 | 三菱日立电力***株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN109492855A (zh) * | 2018-09-17 | 2019-03-19 | 江阴利港发电股份有限公司 | 基于数据模型的凝汽器式汽轮机排汽温度预测方法 |
CN109522980A (zh) * | 2018-10-09 | 2019-03-26 | 眉山德鑫航空设备股份有限公司 | 一种机场地面设备状态评估方法及检修管理*** |
CN110174578A (zh) * | 2019-07-11 | 2019-08-27 | 云南电网有限责任公司电力科学研究院 | 一种变电设备状态检测方法及装置 |
WO2020068036A1 (en) * | 2018-09-24 | 2020-04-02 | Hewlett-Packard Development Company, L.P. | Device status assessment |
CN111144717A (zh) * | 2019-12-12 | 2020-05-12 | 东软集团股份有限公司 | 确定设备状态的方法、装置、存储介质及电子设备 |
CN111309502A (zh) * | 2020-02-16 | 2020-06-19 | 西安奥卡云数据科技有限公司 | 固态硬盘寿命预测方法 |
WO2020237613A1 (zh) * | 2019-05-31 | 2020-12-03 | 西门子(中国)有限公司 | 故障数据存储方法、装置、***和计算机可读介质 |
CN112633708A (zh) * | 2020-12-25 | 2021-04-09 | 同方威视科技江苏有限公司 | 机械设备故障检测方法、装置、介质及电子设备 |
CN114399112A (zh) * | 2022-01-14 | 2022-04-26 | 成都秦川物联网科技股份有限公司 | 可用于天然气能量计量的用户评价获取方法和*** |
CN116310258A (zh) * | 2023-03-23 | 2023-06-23 | 浙江省送变电工程有限公司 | 基于变电站实景的三维构建管理***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383023A (zh) * | 2008-10-22 | 2009-03-11 | 西安交通大学 | 基于样本动态组织与温度补偿的神经网络短期电力负荷预测 |
CN102063657A (zh) * | 2010-12-23 | 2011-05-18 | 中国电力科学研究院 | 一种城市配电网运行水平与供电能力评估方法 |
CN102184465A (zh) * | 2011-04-19 | 2011-09-14 | 中国电力科学研究院 | 一种变电站能效评估方法 |
CN102324068A (zh) * | 2011-08-31 | 2012-01-18 | 广东省电力调度中心 | 电力二次设备风险评估方法及其*** |
-
2012
- 2012-03-13 CN CN2012100653174A patent/CN102629364A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383023A (zh) * | 2008-10-22 | 2009-03-11 | 西安交通大学 | 基于样本动态组织与温度补偿的神经网络短期电力负荷预测 |
CN102063657A (zh) * | 2010-12-23 | 2011-05-18 | 中国电力科学研究院 | 一种城市配电网运行水平与供电能力评估方法 |
CN102184465A (zh) * | 2011-04-19 | 2011-09-14 | 中国电力科学研究院 | 一种变电站能效评估方法 |
CN102324068A (zh) * | 2011-08-31 | 2012-01-18 | 广东省电力调度中心 | 电力二次设备风险评估方法及其*** |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693514A (zh) * | 2012-05-17 | 2012-09-26 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种基于设备风险预控、重点设备监控的变电站设备自动评价方法 |
CN103150635A (zh) * | 2013-03-29 | 2013-06-12 | 广东电网公司 | 电力设备运维方法 |
CN103150635B (zh) * | 2013-03-29 | 2016-01-06 | 广东电网公司 | 电力设备运维方法 |
CN103617512A (zh) * | 2013-12-18 | 2014-03-05 | 国家电网公司 | 一种电力***继电保护状态检修辅助决策导则自适应方法 |
CN104156895A (zh) * | 2014-08-20 | 2014-11-19 | 国网浙江余姚市供电公司 | 一种评测方法及装置 |
CN104850482A (zh) * | 2014-08-25 | 2015-08-19 | 国家电网公司 | 主机设备状态检测方法及装置 |
CN104331042B (zh) * | 2014-10-16 | 2017-01-25 | 国家电网公司 | 水电厂计算机监控***的状态评价方法 |
CN104331042A (zh) * | 2014-10-16 | 2015-02-04 | 国家电网公司 | 水电厂计算机监控***的状态评价方法 |
CN104573845B (zh) * | 2014-12-03 | 2018-07-27 | 国家电网公司 | 信息***设备状态检修辅助决策方法 |
CN104573845A (zh) * | 2014-12-03 | 2015-04-29 | 国家电网公司 | 信息***设备状态检修辅助决策方法 |
CN104573984A (zh) * | 2015-01-27 | 2015-04-29 | 国网四川省电力公司电力科学研究院 | 一种基于健康树的b/s信息***状态划分方法 |
CN104751292A (zh) * | 2015-04-09 | 2015-07-01 | 深圳国创善能科技有限公司 | 一种机电设备运行综合管理方法 |
CN104991218A (zh) * | 2015-06-19 | 2015-10-21 | 国网重庆市电力公司电力科学研究院 | 一种监测电能计量装置运行状态的*** |
CN104991218B (zh) * | 2015-06-19 | 2018-07-06 | 国网重庆市电力公司电力科学研究院 | 一种监测电能计量装置运行状态的*** |
CN105303329A (zh) * | 2015-11-20 | 2016-02-03 | 国网上海市电力公司 | 一种基于监控信息的设备健康状态评估方法 |
CN105303329B (zh) * | 2015-11-20 | 2019-05-21 | 国网上海市电力公司 | 一种基于监控信息的设备健康状态评估方法 |
CN105405068A (zh) * | 2015-11-30 | 2016-03-16 | 国网北京市电力公司 | 电力数据的检测方法及装置 |
CN105787648A (zh) * | 2016-02-19 | 2016-07-20 | 国网浙江省电力公司金华供电公司 | 一种基于实时运行信息的配电变压器健康状态评价方法 |
CN108604094B (zh) * | 2016-03-31 | 2021-04-27 | 三菱动力株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN108604094A (zh) * | 2016-03-31 | 2018-09-28 | 三菱日立电力***株式会社 | 设备的异常诊断方法及设备的异常诊断装置 |
CN106295356A (zh) * | 2016-08-24 | 2017-01-04 | 浪潮电子信息产业股份有限公司 | 一种基于ssr产品的主机安全级别统计方法 |
CN106779102A (zh) * | 2016-12-08 | 2017-05-31 | 苏州热工研究院有限公司 | 一种核电厂维修策略优化方法以及装置 |
CN106711961A (zh) * | 2017-01-05 | 2017-05-24 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 多维度评估交流滤波器小组断路器运行状态的方法 |
CN107291061A (zh) * | 2017-02-22 | 2017-10-24 | 贵州北盘江电力股份有限公司董箐发电厂 | 一种基于量化评估的水电机组健康状态评估方法 |
CN107291061B (zh) * | 2017-02-22 | 2018-03-27 | 贵州北盘江电力股份有限公司董箐发电厂 | 一种基于量化评估的水电机组健康状态评估方法 |
CN106710164A (zh) * | 2017-03-06 | 2017-05-24 | 国电南瑞科技股份有限公司 | 一种针对多因素的配电网设备故障预警方法 |
CN107085771A (zh) * | 2017-05-10 | 2017-08-22 | 厦门航空有限公司 | 一种飞机技术状况量化模型及其构建方法 |
CN109492855A (zh) * | 2018-09-17 | 2019-03-19 | 江阴利港发电股份有限公司 | 基于数据模型的凝汽器式汽轮机排汽温度预测方法 |
CN109492855B (zh) * | 2018-09-17 | 2022-06-14 | 江阴利港发电股份有限公司 | 基于数据模型的凝汽器式汽轮机排汽温度预测方法 |
WO2020068036A1 (en) * | 2018-09-24 | 2020-04-02 | Hewlett-Packard Development Company, L.P. | Device status assessment |
CN112005223A (zh) * | 2018-09-24 | 2020-11-27 | 惠普发展公司,有限责任合伙企业 | 设备状态评估 |
CN109522980A (zh) * | 2018-10-09 | 2019-03-26 | 眉山德鑫航空设备股份有限公司 | 一种机场地面设备状态评估方法及检修管理*** |
US11740954B2 (en) | 2019-05-31 | 2023-08-29 | Siemens Ltd., China | Method, apparatus and system for storing fault data, and computer-readable medium |
WO2020237613A1 (zh) * | 2019-05-31 | 2020-12-03 | 西门子(中国)有限公司 | 故障数据存储方法、装置、***和计算机可读介质 |
CN110174578A (zh) * | 2019-07-11 | 2019-08-27 | 云南电网有限责任公司电力科学研究院 | 一种变电设备状态检测方法及装置 |
CN111144717A (zh) * | 2019-12-12 | 2020-05-12 | 东软集团股份有限公司 | 确定设备状态的方法、装置、存储介质及电子设备 |
CN111144717B (zh) * | 2019-12-12 | 2024-02-09 | 东软集团股份有限公司 | 确定设备状态的方法、装置、存储介质及电子设备 |
CN111309502A (zh) * | 2020-02-16 | 2020-06-19 | 西安奥卡云数据科技有限公司 | 固态硬盘寿命预测方法 |
CN112633708A (zh) * | 2020-12-25 | 2021-04-09 | 同方威视科技江苏有限公司 | 机械设备故障检测方法、装置、介质及电子设备 |
CN112633708B (zh) * | 2020-12-25 | 2024-03-22 | 同方威视科技江苏有限公司 | 机械设备故障检测方法、装置、介质及电子设备 |
CN114399112A (zh) * | 2022-01-14 | 2022-04-26 | 成都秦川物联网科技股份有限公司 | 可用于天然气能量计量的用户评价获取方法和*** |
CN116310258A (zh) * | 2023-03-23 | 2023-06-23 | 浙江省送变电工程有限公司 | 基于变电站实景的三维构建管理***及方法 |
CN116310258B (zh) * | 2023-03-23 | 2024-04-09 | 浙江省送变电工程有限公司 | 基于变电站实景的三维构建管理***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102629364A (zh) | 一种电力设备状态的量化评分方法 | |
CN102663537A (zh) | 一种基于风险评估的电力设备检修*** | |
CN104638764A (zh) | 配网设备状态智能诊断和检修*** | |
CN101859409A (zh) | 基于风险评估的输变电设备状态检修体系 | |
US20150088595A1 (en) | Systems and Methods for Evaluating Risks Associated with a Contractual Service Agreement | |
Mirhosseini et al. | Asset management and maintenance programming for power distribution systems: A review | |
Wakiru et al. | A simulation-based optimization approach evaluating maintenance and spare parts demand interaction effects | |
Moradi et al. | A mathematical framework for reliability‐centered maintenance in microgrids | |
Raju et al. | Maintenance, repair, and overhaul performance indicators for military aircraft | |
CN110348676A (zh) | 一种变电站自动化设备状态评价方法及*** | |
CN111105218A (zh) | 一种基于全息影像技术的配电网运行监视方法 | |
JP2010086219A (ja) | 遠隔の機械を保守するための情報処理装置、プログラム、および方法 | |
Tavakoli et al. | Modification of the FFTA method for calculating and analyzing the human reliability of maintenance groups in power transmission grids | |
CN105548779B (zh) | 一种低压配电网无功运行状态的预警方法及*** | |
Peimbert-García et al. | The impact of early failures on maintenance costs: an empirical study in Latin America | |
CN104318328A (zh) | 一种电网设备检修决策优化方法 | |
Tu et al. | Maintenance strategy decision for avionics system based on cognitive uncertainty information processing | |
Tavakoli et al. | Reduce maintenance costs by improving human reliability in power grids | |
Huo et al. | CMMS based reliability centered maintenance | |
Jeang et al. | Optimal availability for determining choice and repair policy of system components | |
Ahmad et al. | Maintenance Strategy Selection Using Fuzzy Delphi Method in Royal Malaysian Air Force. | |
Ruiz Flores et al. | Reliability of power electric systems in Pemex Refining: experiences and realities | |
Alijanzadeh et al. | Optimization Of Maintenance In Supply Chain Process And Risk-Based Critical Failure Situations (Case study: Iranian Oil Pipeline And Telecommunication Company, North District) | |
CN117408573B (zh) | 一种upfc设备画像展示与性能分析方法和*** | |
Braide et al. | Gas Turbine Blade Reliability and Generator Optimal Estimation of Weilbull Probability Distribution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120808 |