CN105718620A - 换流阀冷却***关键元器件可靠性统计分析的建模方法 - Google Patents

Abstract

本发明涉及一种换流阀冷却***关键元器件可靠性分析的建模方法，通过获得关键元器件的失效时间数据，经过统计分析后计算其经验分布函数，并以此为拟合标准，通过数据获得Weibull分布模型下的拟合分布函数，采用K-S检验法对拟合函数进行拟合优度检验，判断拟合函数与拟合标准是否在偏差范围内，记录Weibull分布模型中的模型参数，得到失效时间和模型参数的模型库，最终得到Weibull分布下的关键元器件可靠性分析模型，通过确定的模型参数，对关键元器件进行可靠性评定和可靠性预测。能够准确的预测关键元器件的可靠性情况，对整个***的检修提出科学合理的建议，能够整体提高整个***的可靠性。

Description

换流阀冷却***关键元器件可靠性统计分析的建模方法

技术领域

本发明涉及一种直流输电换流阀的建模方法，具体讲涉及一种换流阀冷却***关键元器件可靠性统计分析的建模方法。

背景技术

高压直流输电换流阀冷却***是整个直流***的重要组件，其本身也是一个涉及暖通、制冷、电气、水处理和控制等多个专业的***。组成此***需要各种各样的装置设备及仪器仪表，因此对其设计、安装、调试、检修以及检测提出了很高的要求。近年来，换流阀冷却***因材质老化、元件损坏、水质变化、换热器结垢腐蚀、配水管电极和密封圈结垢腐蚀、主泵漏水、在线仪表故障和误差、控制保护***误动作、一次设备设计不完善等原因，直接导致的直流***非计划停运占总数的一半左右，这表明换流阀冷却***是威胁直流***安全可靠运行的最大风险之一。因此非常有必要开展换流阀冷却***级别的可靠性分析工作。

就提高复杂***的可靠性而言，行之有效的办法是找到***的薄弱环节，而后针对薄弱环节的设备或者***进行可靠性的技术研究。然而在现行的换流阀冷却***中，由于缺乏相应的可靠性数据，而且换流阀冷却***的设计、安装、调试、运行维护、检修和检测等尚无国际、国家和行业标准与规范，导致相关工作(如设计、检修、检测、运维等)无章可循，各个厂家技术线路不通，开展的工作项目不全面、周期不确定、工艺不标准、检测不完善，未能实现相关工作的标准化、规范化和制度化，无法提高设备的可靠性和使用寿命。因此针对设备的可靠性和使用寿命而言，除了制造厂家需提供相关的可靠性数据以外，设计、安装、调试等厂家也应该将制造厂家提供的样本安装在自己的***中进行配合调试而后获得相应的实验数据，按照可靠性的研究技术对其进行***的可靠性升级。换流阀冷却***关键元器件直接影响到冷却***重要技术指标，关键元器件作为关键元器件之一，是换流阀冷却***的动力设备，直接影响到冷却***的可靠性，所以针对关键元器件的可靠性要求就显得尤为重要。

对于关键元器件的可靠性分析，通常应用最广泛的统计分析模型是Weibull分布，从概率论和统计学的角度看，Weibull分布式连续性的概率分布，其概率密度为：

$f(x,\mathrm{\&lambda;},k)=\left\{\begin{array}{cc}\frac{k}{\mathrm{\&lambda;}}{\left(\frac{x}{\mathrm{\&lambda;}}\right)}^{k-1}\exp [-{(x/\mathrm{\&lambda;})}^k]& x\&GreaterEqual;0\\ 0& x<0\end{array}\right.$

其中，x是随机变量，λ>0是比例参数，k>0是形状参数，它的累积分布函数是扩展的分布函数。能够完整描述一个实数随机变量x的概率密度，是概率密度函数的积分。

Weibull分布是根据最弱环节模型或者串联模型得到的，能充分反映元器件的缺陷以及应力对元器件疲劳寿命的影响，具有递增的失效率。因此将它作为元器件可靠性分析模型是合适的。由于Weibull分布可以利用概率值推断出它的分布参数，尤其适用于磨损累积失效的分布情况。

两参数的Weibull分布主要用于材料的疲劳试验，三参数Weibull分布应用于元器件的寿命试验或可靠性分析。二参数威布尔分布，其参数估计常会带来较大误差，对于具有以耗损失效为特征的机械件的寿命评估中，采用三参数威布尔分布进行拟合及参数估计，可以得到更高的精度，因而较二参数威布尔分布，更能反映产品可靠性的实际情况。

目前对可靠性Weibull分布模型的研究有很多，由于Weibull分布非常适合机械产品的磨损累积失效的分布形式。但是可靠性Weibull分布多数都集中在连接器上，针对换流阀冷却***的研究不多，尤其是换流阀冷却***的关键元器件，因此亟需一种换流阀冷却***的关键元器件的可靠性统计分析的建模方法。

发明内容

针对现有技术的不足，本发明的目的是提供一种换流阀冷却***关键元器件可靠性统计分析的建模方法，本发明采用适用于元器件寿命试验可靠性分析的三参数Weibull分布，对换流阀冷却***关键元器件的可靠性进行统计分析，并根据分析的结果对换流阀的关键元器件进行可靠性的实际应用，能够准确的预测关键元器件的可靠性情况，对整个***的检修提出科学合理的建议，能够整体提高整个***的可靠性。

本发明的目的是采用下述技术方案实现的：

本发明提供一种换流阀冷却***关键元器件可靠性统计分析的建模方法，所述换流阀冷却***关键元器件包括水泵、换热器和空气冷却器，其改进之处在于，所述建模方法包括下述步骤：

(1)获得换流阀冷却***关键元器件失效时间数据；

(2)分析失效时间数据的经验分布函数；

(3)以经验分布函数为拟合标准，构建Weibull分布模型；

(4)获得Weibull分布模型中的模型参数；

(5)构建Weibull分布模型下的关键元器件可靠性统计分析模型；

(6)对可靠性统计分析模型的参数进行可靠性应用。

进一步地，所述步骤(1)中，收集同一使用环境下同一型号的换流阀冷却***关键元器件，并获得其失效时间数据。

进一步地，所述步骤(2)中，对所述失效时间数据计算其经验分布值，获得经验分布函数，并基于经验分布函数绘制经验分布函数曲线，包括下述步骤：

a.将所述失效数据按照数据数值大小做升序排列，排列后的数据依次记为ti，其中i＝1，2，……，n；n表示n个失效数据；

b.确定每个时间间隔点的累积经验分布值，获得经验分布函数为F(ti)＝(i-0.3)/(n+0.4)。

进一步地，所述步骤(3)中，以步骤(2)的失效时间数据进行Weibull分布的统计推断，获得Weibull分布模型，所述Weibull分布模型为三参数Weibull分布模型，用下式1)表示：

$F\left(t\right)=1-\exp [-{\left(\frac{t-\mathrm{\&gamma;}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}]---1);$

其中：β为形状参数，η为特征寿命参数，γ为位置参数，t为失效时间。

进一步地，所述步骤(4)中，采用柯尔莫戈洛夫检验法(K-S检验法)对Weibull分布模型进行拟合优度检验，判断是否在偏差之内；如果是，则记录Weibull分布模型中的模型参数；否则重复步骤(2)，直到拟合优度检验在偏差之内，所述偏差可查柯尔莫戈洛夫检验的临界值表得到。

进一步地，所述模型参数包括三参数Weibull分布模型中对应的形状参数β、特征寿命参数η和位置参数γ。

进一步地，所述步骤(5)中，针对使用环境和关键元器件类型的不同，分别重复上述步骤(1)至步骤(4)，建立模型参数查表文件的数据库，得到Weibull分布模型下的关键元器件可靠性统计分析模型，用下式2)表示：

$R\left(t\right)=1-F\left(t\right)=\exp [-{\left(\frac{t-\mathrm{\&gamma;}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}]---2);$

其中：β为形状参数，η为特征寿命参数，γ为位置参数，t为失效时间；不同的关键元器件其模型对应的形状参数β、特征寿命参数η和位置参数γ是不同的。

与现有技术比，本发明达到的有益效果是：

1)本发明采用适用于元器件寿命试验可靠性分析的三参数Weibull分布，对换流阀冷却***关键元器件的可靠性进行统计分析，并根据分析的结果对换流阀的关键元器件进行可靠性的实际应用，能够准确的预测关键元器件的可靠性情况，对整个***的检修提出科学合理的建议，能够整体提高整个***的可靠性。

2)易获得失效数据。

3)所需参数少，计算不复杂，过程简洁且易于实现。

4)能够通过计算数据进行可靠性预测，真实可靠。

5)通过计算可以得出失效时间，便于有目的性的检修。

附图说明

图1是本发明提供的换流阀冷却***关键元器件可靠性统计分析的建模方法的流程图；

图2是本发明提供的具体实施例的主循环泵经验分布函数与Weibull分布函数拟合曲线；

图3是本发明提供的具体实施例的喷淋泵经验分布函数与Weibull分布函数拟合曲线；

图4是本发明提供的具体实施例的潜水排污泵经验分布函数与Weibull分布函数拟合曲线。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

直流输电换流阀冷却***，包括主循环水泵、加热罐、空气散热器、主过滤器、换流阀及脱气罐；所述主循环水泵出口、加热罐、空气散热器、主过滤器、换流阀、脱气罐及主循环水泵进口通过管道依次连接起来形成循环回路。

所述直流输电换流阀冷却***包括水处理回路，所述水处理回路包括离子交换器及精密过滤器，所述水处理回路与换流阀并联，所述离子交换器与精密过滤器串联，所述离子交换器及精密过滤器均设有备用。

所述直流输电换流阀冷却***包括氮气稳压***，所述氮气稳压***包括膨胀罐及氮气瓶，膨胀罐与精密过滤器串联，氮气瓶膨胀罐连接，所述膨胀罐为两个串联，氮气瓶设有备用。直流输电换流阀冷却***包括自动补水***，所述自动补水***包括依次连接的原水泵、补水过滤器、原水罐、补水泵及补水电动阀，补水电动阀与离子交换器连接，所述补水泵设有备用。加热罐包括至少一个电加热器。脱气罐包括至少一个电加热器。

直流输电换流阀冷却***包括电动三通阀、蝶阀及球阀，电动三通阀与蝶阀串联后于球阀并联，连接在加热罐与主循环水泵之间，电动三通阀第三端与主过滤器进口连接，所述蝶阀及电动三通阀均设有备用。

主循环水泵、加热罐及主过滤器均设有备用。换流阀及脱气罐设有芳路。水处理回路与电导率测量支路并联。

本发明提供一种基于Weibull分布的换流阀冷却***关键元器件可靠性统计分析的建模方法及应用，主要用于直流输电换流站及其相关领域内的冷却***关键元器件可靠性分析，以避免元器件可靠性降低而导致冷却***非计划停运的问题。这种方法可以准确的描述出关键元器件的失效时间分布情况和关键元器件损坏出现的概率，最终得到关键元器件可靠性的统计分析规律，而后根据统计模型进行可靠性的实际应用。

本发明利用累积失效函数对关键元器件的失效时间进行描述，并通过Weibull分布模型进行运算得到相应的模型参数，实现对关键元器件可靠性的分析，基于模型参数来完成对关键元器件可靠性的实际应用。

本发明提供的换流阀冷却***关键元器件可靠性统计分析的建模方法的流程图如图1所示，包括下述步骤：

(1)收集同一工作环境下一定数量的同类型的关键元器件失效时间数据；

(2)对步骤(1)中获得的失效时间数据进行统计分析，计算其经验分布值，获得经验分布函数，并基于此函数绘制经验分布函数曲线，包括下述步骤：

a.将所述失效数据按照数据数值大小做升序排列，排列后的数据依次记为ti，其中i＝1，2，……，n；n表示n个失效数据；

b.确定每个时间间隔点的累积经验分布值，获得经验分布函数为F(ti)＝(i-0.3)/(n+0.4)。

(3)以步骤(2)中的经验分布值为拟合标准，进行Weibull分布的统计推断，得出Weibull拟合函数，确定Weibull分布模型；所述Weibull分布模型为三参数Weibull分布模型，用下式1)表示：

$F\left(t\right)=1-\exp [-{\left(\frac{t-\mathrm{\&gamma;}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}]---1);$

其中：β为形状参数，η为特征寿命参数，γ为位置参数，t为失效时间。

(4)根据步骤(3)的拟合标准采用柯尔莫戈洛夫检验方法(又称K-S检验法)对Weibull拟合函数进行拟合优度检验，判断是否在偏差之内，如果是，则记录Weibull分布模型中的模型参数，否则重复步骤(2)，直到拟合优度检验在偏差之内；偏差采用K-S检验法与经验分布函数进行对比，偏差值的上限与样本容量和显著水平相关，可查表获得。

(5)针对使用环境的不同，关键元器件类型的不同以及其他条件的不同分别重复上述步骤(1)至步骤(4)，建立模型参数查表文件的数据库，得到Weibull分布模型下的关键元器件可靠性统计分析模型；用下式2)表示：

$R\left(t\right)=1-F\left(t\right)=\exp [-{\left(\frac{t-\mathrm{\&gamma;}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}]---2);$

其中：β为形状参数，η为特征寿命参数，γ为位置参数，t为失效时间；不同的关键元器件其模型对应的形状参数β、特征寿命参数η和位置参数γ是不同的。

(6)以步骤(5)中的模型参数为基准，进行可靠性的实际应用。本发明中所述的建模方法适用于换流阀冷却***内所有的关键元器件。本发明中所述的可靠性应用基于Weibull分布函数的模型参数，用于可靠性预测和可靠性评定。

实施例

下面结合具体实施例说明本发明的建模方法和实际应用，关键元器件是水泵，包括以下步骤：

(1)收集同一使用环境下同一型号的水泵失效时间数据并记录，将其中个别的失效时间数据与大多数失效时间数据相差较大的数据剔除，水泵的年检一般是一年进行一次，因此其失效时间数据不超过8760小时，但一般水泵的失效时间为上千小时，那么与该标准相差较大的失效时间(如：几百小时)的数据予以剔除。表1所示为三种不同用途的水泵的部分失效时间数据。

表1关键元器件失效时间数据

(2)将步骤(1)中收集到的失效时间数据进行统计分析，先将这些数据按照数值大小做生序排列，排列后的数据依次记为t_i(i＝1，2，……，n)，每个时间间隔点的累积分布函数的经验估计值为F(t_i)＝(i-0.3)/(n+0.4)。计算出来的估计值绘制成经验分布函数拟合曲线。

(3)根据步骤(2)的统计数据及计算获得的经验分布值，计算Weibull分布函数的模型参数，进而获得Weibull函数分布模型。分别绘制各种水泵的Weibull分布下的累积失效函数拟合曲线。如图2—图4所示。

(4)采用K-S检验法对Weibull拟合函数进行拟合优度检验，判断是否在偏差之内，如果是，则记录Weibull分布模型中的模型参数。本发明通过采用相关系数优化法，通过计算机编程计算，确定方程中的参数，进而确定三参数Weibull分布模型下的累积分布函数中对应的形状参数β、特征寿命参数η和位置参数γ。

(5)步骤(1)到步骤(4)进行了同一型号的关键元器件Weibull模型参数提取，接下来依次对不同用途的水泵分别重复上述步骤(1)至步骤(4)，直到对整个换流阀冷却***中水泵进行Weibull模型参数的提取。

表2为本实施案例中三种水泵经统计分析得到的三参数Weibull分布模型中的形状参数β、特征寿命参数η和位置参数γ的值。

表2三参数Weibull分布模型中的形状参数β、特征寿命参数η和位置参数γ

水泵种类	β	η	γ
				主循环泵	1.465	4881	969
喷淋泵	2.599	5972	0
				潜水排污泵	0.7	2980	2081

(6)根据记录的失效时间数据和Weibull模型参数，整理并建立得到失效时间和Weibull模型各参数的查表文件的模型库，得到Weibull分布下水泵的可靠性统计分析模型。

(7)根据模型参数，对水泵实际运行进行可靠性预测和可靠性评定，例如判定水泵的失效类型，确定水泵的在线监测时间等。表3为本实施案例中三种水泵在三参数Weibull分布模型下的可靠性实际应用。

表3三参数Weibull分布模型下水泵的可靠性应用

水泵种类	失效类型	正常状态在线监测时间(小时)
			主循环泵	耗损失效	539
喷淋泵	耗损失效	530
			潜水排污泵	早期失效	585

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，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (7)

1.一种换流阀冷却***关键元器件可靠性统计分析的建模方法，所述换流阀冷却***关键元器件包括水泵、换热器和空气冷却器，其特征在于，所述建模方法包括下述步骤：

(1)获得换流阀冷却***关键元器件失效时间数据；

(2)分析失效时间数据的经验分布函数；

(3)以经验分布函数为拟合标准，构建Weibull分布模型；

(4)获得Weibull分布模型中的模型参数；

(5)构建Weibull分布模型下的关键元器件可靠性统计分析模型；

(6)对可靠性统计分析模型的参数进行可靠性应用。

2.如权利要求1所述的建模方法，其特征在于，所述步骤(1)中，收集同一使用环境下同一型号的换流阀冷却***关键元器件，并获得其失效时间数据。

3.如权利要求1所述的建模方法，其特征在于，所述步骤(2)中，对所述失效时间数据计算其经验分布值，获得经验分布函数，并基于经验分布函数绘制经验分布函数曲线，包括下述步骤：

a.将所述失效数据按照数据数值大小做升序排列，排列后的数据依次记为ti，其中i＝1，2，……，n；n表示n个失效数据；

b.确定每个时间间隔点的累积经验分布值，获得经验分布函数为F(ti)＝(i-0.3)/(n+0.4)。

4.如权利要求1所述的建模方法，其特征在于，所述步骤(3)中，以步骤(2)的失效时间数据进行Weibull分布的统计推断，获得Weibull分布模型，所述Weibull分布模型为三参数Weibull分布模型，用下式1)表示：

$F\left(t\right)=1-\exp [-{\left(\frac{t-\mathrm{\&gamma;}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}]---1);$

其中：β为形状参数，η为特征寿命参数，γ为位置参数，t为失效时间。

5.如权利要求1所述的建模方法，其特征在于，所述步骤(4)中，采用柯尔莫戈洛夫检验法对Weibull分布模型进行拟合优度检验，判断是否在偏差之内；如果是，则记录Weibull分布模型中的模型参数；否则重复步骤(2)，直到拟合优度检验在偏差之内，所述偏差可查柯尔莫戈洛夫检验的临界值表得到。

6.如权利要求5所述的建模方法，其特征在于，所述模型参数包括三参数Weibull分布模型中对应的形状参数β、特征寿命参数η和位置参数γ。

7.如权利要求1所述的建模方法，其特征在于，所述步骤(5)中，针对使用环境和关键元器件类型的不同，分别重复上述步骤(1)至步骤(4)，建立模型参数查表文件的数据库，得到Weibull分布模型下的关键元器件可靠性统计分析模型，用下式2)表示：

$R\left(t\right)=1-F\left(t\right)=\exp [-{\left(\frac{t-\mathrm{\&gamma;}}{\mathrm{\&eta;}}\right)}^{\mathrm{\&beta;}}]---2);$

其中：β为形状参数，η为特征寿命参数，γ为位置参数，t为失效时间；不同的关键元器件其模型对应的形状参数β、特征寿命参数η和位置参数γ是不同的。