CN103150633A

CN103150633A - 电力设备状态实时评估和辅助决策***

Info

Publication number: CN103150633A
Application number: CN2013100859699A
Authority: CN
Inventors: 冯彦钊; 周海; 沈龙; 蒋石林; 孙北宁; 杨晴; 段勇
Original assignee: Yunnan Power Grid Co Ltd; Kunming Enersun Technology Co Ltd
Current assignee: Yunnan Power Grid Co Ltd; Kunming Enersun Technology Co Ltd
Priority date: 2013-03-18
Filing date: 2013-03-18
Publication date: 2013-06-12
Anticipated expiration: 2033-03-18
Also published as: CN103150633B

Abstract

本发明提出的电力设备状态实时评估和辅助决策***包括诊断模型、辅助决策***和显示模块，所述诊断模型和辅助决策***进行关联，所述显示模块分别与诊断模型和辅助决策***进行关联；所述诊断模型包括故障诊断方法单元、故障诊断数据单元和数据管理单元，所述故障诊断方法单元与故障诊断数据单元关联，所述故障诊断方法单元和故障诊断数据单元存储于数据管理单元。本发明针对不同设备采用不同的检测方法，精确定位故障部位；通过设定不同的风险权重，准确的显示电力设备的状态；通过辅助策略单元优化检修项目的检修次序，提高检修效率，大大降低电力***的风险率。

Description

电力设备状态实时评估和辅助决策***

技术领域

本发明涉及电力设备辅助领域，特别是指一种电力设备状态实时评估和辅助决策***。

背景技术

现有技术应用于电力设备的状态评估和维修策略***，普遍是通过对设备状态信息量进行监控，并对信息量进行数据处理；通过对各设备进行权重设定，以得到比较粗略的评价报告，并针对出现的问题进行维修策略的提示，但是不能对电力设备的故障进行精确定位，且对出现问题的部件的处理顺序没有明确顺序，在处理对紧急且重要部件的问题时，其影响尤其明显。

发明内容

本发明提出的电力设备状态实时评估和辅助决策***，可对电力设备进行设备故障诊断、实时监控、且设定风险等级，大大提高决策***的实用性。

本发明的技术方案是这样实现的：电力设备状态实时评估和辅助决策***，包括诊断模型、辅助决策***和显示模块，所述诊断模型和辅助决策***进行关联，所述显示模块分别与诊断模型和辅助决策***进行关联；所述诊断模型包括故障诊断方法单元、故障诊断数据单元和数据管理单元，所述故障诊断方法单元与故障诊断数据单元关联，所述故障诊断方法单元和故障诊断数据单元存储于数据管理单元。

所述故障诊断方法单元包括三比值法、四比值法、TD图法、大卫三角法、电研法。

所述辅助决策***包括风险评估模型和检修策略模型，所述风险评估模型和检修策略模型通过中间表映射关联。

进一步地，所述故障诊断方法单元和故障诊断数据单元通过中间表映射关联，并存储于数据管理单元。

进一步地，所述风险评估模型包括类别确定单元、损失程度确定单元、数据处理单元，所述数据处理单元分别连接类别确定单元和损失程度确定单元。

所述检修策略模型包括检修次序单元、检修项目单元、检修等级单元和辅助策略单元，所述辅助策略单元分别连接检修次序单元、检修项目单元和检修等级单元。

所述风险评估模型和检修策略模型分别与显示模块关联。

优化地，所述显示模块为液晶显示屏。

本发明提供的电力设备状态实时评估和辅助决策***，针对不同设备采用不同的检测方法，精确定位故障部位；通过设定不同的风险权重，准确的显示电力设备的状态；通过辅助策略单元优化检修项目的检修次序，提高检修效率，大大降低电力***的风险率。

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，显而易见地，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：本发明结构框图；

图中：100、诊断模型；110、故障诊断方法单元；120、故障诊断数据单元；130、数据管理单元；200、辅助决策***；210、风险评估模型；211、类别确定单元；212、损失程度确定单元；213、数据处理单元；220、检修策略模型；221、修次序单元；222、检修项目单元；223、检修等级单元；224、辅助策略单元；300、显示模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

电力设备状态实时评估和辅助决策***，包括诊断模型100、辅助决策***200和显示模块300，所述诊断模型100和辅助决策***200进行关联，所述显示模块300分别与诊断模型100和辅助决策***200进行关联；所述诊断模型100包括故障诊断方法单元110、故障诊断数据单元120和数据管理单元130，所述故障诊断方法单元110与故障诊断数据单元120关联，所述故障诊断方法单元110和故障诊断数据单元120存储于数据管理单元130。

所述故障诊断方法单元110包括三比值法、四比值法、TD图法、大卫三角法、电研法。

所述辅助决策***200包括风险评估模型210和检修策略模型220，所述风险评估模型210和检修策略模型220通过中间表映射关联。

进一步地，所述故障诊断方法单元110和故障诊断数据单元120通过中间表映射关联，并存储于数据管理单元130。

进一步地，所述风险评估模型210包括类别确定单元211、损失程度确定单元212、数据处理单元213，所述数据处理单元213分别连接类别确定单元211和损失程度确定单元212。

所述检修策略模型220包括检修次序单元221、检修项目单元222、检修等级单元223和辅助策略单元224，所述辅助策略单元224分别连接检修次序单元221、检修项目单元222和检修等级单元223。

所述风险评估模型210和检修策略模型220分别与显示模块300关联。

优化地，所述显示模块300为液晶显示屏。

设备故障诊断对不同设备采用不同的诊断模型100，***会自动采用适当的算法进行故障诊断，确定设备发生故障的原因。

以变压器油色谱数据故障诊断为例，故障诊断方法单元110包括三比值法、四比值法、电研法、TD图法、大卫三角图法，通过分析，对设备故障进行推理判断。

数据管理单元130将故障诊断数据单元120，即油色谱数据能够按照诊断方法对设备进行映射关联，同时进行故障诊断，能够满足日后同类诊断方法的扩展，灵活配置诊断数据。

同时，数据管理单元130在***对设备油色谱数据进行分析后并诊断设备的健康状况后，记录当前设备的诊断信息，作为历史诊断信息，为设备检修人员了解设备的故障原因及部位，及其他模块提供数据基础。

油色谱故障诊断算法为：V=G/X，其中V为具体算法需要得到的值，G为某种气体值，X可能为某种气体值，也可能为多种气体值的和，视具体算法而定。气体的值由在线监测设备采集而来。

三比值法是利用五种特征气体的三对比值，来判断变压器故障性质的方法。其涉及到的五种特征气体为氢气（H2）、甲烷（CH4）、乙炔（C2H2）、乙烯（C2H4）、乙烷（C2H6），三对比值分别为C2H2/C2H4、C2H4/H2和C2H4/C2H6。

注意:其前提条件是有气体含量超标，即认为设备存在故障情况下才能进行判断，各种气体数据都正常的情况下用这个方法判断没有意义；并且这个方法只能判断单一故障，无法判断多种故障联合作用。故障对照表如下：

四比值法是一种德国采用的一种比值判断方法，故障对照表如下：

电研法是一种改良的三比值法，故障对照表如下：

TD图法是利用三对比值的另一种判断故障类型的方法，同样通过代码检查表的方式来确定设备故障类型，故障对照表如下：

C2H2/C2H4	CH4/H2	C2H4/C2H6	特征故障	情况
					NS①	<0.1	<0.2	局部放电（见注3）	PD
>1	0.1～0.5	>1	低能量局部放电	U1
					0.6～2.5	0.1～1	>2	高能量局部放电	D2
NS①	>1	<1	热故障t<300℃	T1
					<0.1	>1	1～4	热故障300℃<t<700℃	T2
<0.2②	>1	>4	热故障t>700℃	T3

大卫三角图法通过三种气体所占的百分比来进行故障判断，判断方式如下：

通过对三比值法、四比值法、电研法、TD图法、大卫三角图法进行分析后，可以看出其主要方式都是取气体比值及其范围，气体比值范围的不同，得出不同的诊断结论，为了满足***能够扩展同类算法，在整个***中，灵活配置的实现，采用中间表的方式配置关系，用于灵活处理动态扩展表与字段，方便进行功能的扩展。

辅助决策***200包括风险评估模型210和检修策略模型220，所述风险评估模型210和检修策略模型220通过中间表映射关联。

通过设备状态的评价和不良状态设备的故障诊断，识别设备潜在的内部缺陷和外部威胁，分析设备遭到失效威胁的资产损失程度和威胁的发生概率，通过风险评估算法得出设备在电网中的风险等级，进而支持设备检修策略的制定，风险评估模型210包括类别确定单元211、损失程度确定单元212、数据处理单元213；

类别确定单元211，从设备自身的价值、设备供电用户的重要等级和设备在电网中所处的重要等级三个方面来确定设备的类别等级。

损失程度确定单元212，通过关联设备与缺陷或威胁的因素，从安全性、可靠性、成本和社会影响等方面计算威胁造成的损失程度。

数据处理单元213，综合资产类别、资产损失程度和发生的概率三方面的因素，风险值的计算公式为：R(t)=(At)×F(t)×P(t)，其中：t—某个时刻，A—资产，F—资产损失程度，P—设备平均故障率，R—设备风险值；

风险评估模型210主要是通过设备风险的计算公式，获得当前设备的风险值，以提供给设备检修策略的制定，且风险评估模型210关联显示模块300。

检修策略模型220遵循设备状态评价结果越差、设备风险等级越高则越优先安排检修的原则，建立综合考虑设备状态评价结果和设备风险评价的二维关系模型，并设定相关参数。

检修策略模型220包括检修次序单元221、检修项目单元222、检修等级单元223和辅助策略单元224，所述辅助策略单元224分别连接检修次序单元221、检修项目单元222和检修等级单元223。

分析计算某一区域各级设备检修优先级指标，提出设备检修次序、检修级别、检修时间，并根据A、B、C、D、E分级维修标准确定具体的检修项目。

本发明根据设备分类定义出不同的诊断方法；

根据不同的诊断方法定义出诊断模型100，如氢气与甲烷的比值，甲烷在所有气体中的比值等；

再根据诊断方法定义出诊断结论，通过诊断结论及诊断模型100定义出诊断模型100的范围；

最后将诊断模型100运算出来的数值及诊断结论保存下来即设备的诊断结果。

其中均采用中间表的方式配置关联关系。

本发明提供的电力设备状态实时评估和辅助决策***，针对不同设备采用不同的检测方法，精确定位故障部位；通过设定不同的风险权重，准确的显示电力设备的状态；通过辅助策略单元224优化检修项目的检修次序，提高检修效率，大大降低电力***的风险率。

当然，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员应该可以根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims

1.电力设备状态实时评估和辅助决策***，其特征在于：包括诊断模型（100）、辅助决策***（200）和显示模块（300），所述诊断模型（100）和辅助决策***（200）进行关联，所述显示模块（300）分别与诊断模型（100）和辅助决策***（200）进行关联；所述诊断模型（100）包括故障诊断方法单元（110）、故障诊断数据单元（120）和数据管理单元（130），所述故障诊断方法单元（110）与故障诊断数据单元（120）关联，所述故障诊断方法单元（110）和故障诊断数据单元（120）存储于数据管理单元（130）。

2.根据权利要求1所述的电力设备状态实时评估和辅助决策***，其特征在于：所述故障诊断方法单元（110）包括三比值法、四比值法、TD图法、大卫三角法、电研法。

3.根据权利要求1所述的电力设备状态实时评估和辅助决策***，其特征在于：所述辅助决策***（200）包括风险评估模型（210）和检修策略模型（220），所述风险评估模型（210）和检修策略模型（220）通过中间表映射关联。

4.根据权利要求1所述的电力设备状态实时评估和辅助决策***，其特征在于：所述故障诊断方法单元（110）和故障诊断数据单元（120）通过中间表映射关联，并存储于数据管理单元（130）。

5.根据权利要求3所述的电力设备状态实时评估和辅助决策***，其特征在于：所述风险评估模型（210）包括类别确定单元（211）、损失程度确定单元（212）、数据处理单元（213），所述数据处理单元（213）分别连接类别确定单元（211）和损失程度确定单元（212）。

6.根据权利要求3所述的电力设备状态实时评估和辅助决策***，其特征在于：所述检修策略模型（220）包括检修次序单元（221）、检修项目单元（222）、检修等级单元（223）和辅助策略单元（224），所述辅助策略单元（224）分别连接检修次序单元（221）、检修项目单元（222）和检修等级单元（223）。

7.根据权利要求1所述的电力设备状态实时评估和辅助决策***，其特征在于：所述风险评估模型（210）和检修策略模型（220）分别与显示模块（300）关联。

8.根据权利要求1所述的电力设备状态实时评估和辅助决策***，其特征在于：所述显示模块（300）为液晶显示屏。