CN106384199A - 基于过程免疫不确定性的电压暂降评估方法 - Google Patents
基于过程免疫不确定性的电压暂降评估方法 Download PDFInfo
- Publication number
- CN106384199A CN106384199A CN201610829453.4A CN201610829453A CN106384199A CN 106384199 A CN106384199 A CN 106384199A CN 201610829453 A CN201610829453 A CN 201610829453A CN 106384199 A CN106384199 A CN 106384199A
- Authority
- CN
- China
- Prior art keywords
- subprocess
- level
- voltage dip
- event
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 139
- 238000002649 immunization Methods 0.000 title claims abstract description 64
- 230000003053 immunization Effects 0.000 title claims abstract description 64
- 238000004519 manufacturing process Methods 0.000 claims abstract description 43
- 230000002085 persistent effect Effects 0.000 claims description 12
- 239000000725 suspension Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 238000012854 evaluation process Methods 0.000 abstract 1
- 238000009776 industrial production Methods 0.000 abstract 1
- 238000010948 quality risk assessment Methods 0.000 abstract 1
- 230000036039 immunity Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- SEPPVOUBHWNCAW-FNORWQNLSA-N (E)-4-oxonon-2-enal Chemical compound CCCCCC(=O)\C=C\C=O SEPPVOUBHWNCAW-FNORWQNLSA-N 0.000 description 1
- LLBZPESJRQGYMB-UHFFFAOYSA-N 4-one Natural products O1C(C(=O)CC)CC(C)C11C2(C)CCC(C3(C)C(C(C)(CO)C(OC4C(C(O)C(O)C(COC5C(C(O)C(O)CO5)OC5C(C(OC6C(C(O)C(O)C(CO)O6)O)C(O)C(CO)O5)OC5C(C(O)C(O)C(C)O5)O)O4)O)CC3)CC3)=C3C2(C)CC1 LLBZPESJRQGYMB-UHFFFAOYSA-N 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电能质量风险评估或分析领域,特别涉及一种基于过程免疫不确定性的电压暂降评估方法。本发明充分考虑了过程免疫时间不确定性,并结合工业生产的实际工艺要求,有效地度量了不同工业过程的电压暂降响应特性。同时,提出参数越限严重性指标,结合最大熵理论对工业过程物理参数越限概率进行评估,能够较大程度提高评估给定电压暂降下的工业过程中断概率的精度。
Description
技术领域
本发明涉及电能质量风险评估或分析领域,特别涉及一种基于过程免疫不确定性的电压暂降评估方法。
背景技术
随着工业过程中大量敏感设备投入使用,电能质量问题给用户带来了极大的经济损失,尤其是电压暂降,已成为影响工业过程正常运行最主要的电能质量问题。在电压暂降无法避免的情况下,电压暂降缓解设备的配置已成为敏感用户规避经济损失的重要途径。由于配置电压暂降缓解设备的投资成本昂贵,确定最优投资方案需要合理评估设备配置前后的电压暂降经济损失。因此,准确评估电压暂降对工业过程造成的经济损失,是用户选择电压暂降缓解方案的重要依据,具有重要的现实意义和理论价值。
近几年来,针对电压暂降造成的用户侧敏感设备中断概率评估相对成熟,传统的敏感设备电压暂降故障水平评估方法有:测量统计法、概率估计法。前者方法直接可靠,但是需要大量的测试和试验支撑,工程中实现成本巨大;后者基于大量的主观假设和专家经验,会引入较大的主观误差。现有评估方法在一定程度上对传统方法的缺点进行了解决;其中,肖先勇,马超,杨洪耕,等提供了一种《用电压暂降严重程度和最大熵评估负荷电压暂降敏感度[J]》(中国电机工程学报,2009(31):115-121.)的评估方法,该方法避免了传统评估方法中以主观概率模型描述符合电压耐受曲线的随机分布规律所引起的主观误差,将电压暂降特征转换为电压暂降严重性指标,在负荷VTC曲线分布规律未知和样本数较少的情况下,根据最大熵原理确定VTC曲线的概率密度函数,从而实现较为准确的设备故障概率评估。但是该方法没有计及导致设备故障的各种不确定性因素的影响,例如电压暂降强度、设备耐受能力、设备故障状态的等多种不确定性。J V,Gupta C P.提供的《Probabilistic assessment of financial losses due to interruptions andvoltage sags-part I》(the methodology[J].Power Delivery,IEEE Transactions on,2006,21(2):918-924.)中,据负荷类型及负荷中各个敏感设备在生产流程中的串并联关系,从而判定电压暂降事件的严重度。此外,Chan J Y,J V,Delahunty A提供的《Generic failure-risk assessment of industrial processes due to voltage sags[J]》(Power Delivery,IEEE Transactions on,2009,24(4):2405-2414.)中利用故障设备在过程中的重要度来评估电压暂降事件严重度。
以上电压暂降造成的用户侧敏感设备中断概率评估方法虽然计及了各种不确定性因素并解决的小样本情况下的精度问题,但是缺少了从一个完整的生产过程视角来看待电压暂降给工艺流程所带来的一系列影响。对工业用户来说,其更关注的是过程运行状态是否符合工艺要求(包括温度、速度、力矩、压力等)。而过程中断的实质其实是过程物理参数超出限制值所致,不同的工业过程,即使设备具有相同电压耐受能力,由于工艺要求不同,物理参数限制值也不同,其过程发生中断的时间也不相同,因此,单凭电压暂降作用下的设备运行状态并不能完全表征电压暂降对过程的影响情况。同时,对于电压暂降造成的生产中断严重度的评估方面,现有方法以生产过程中设备之间的串并联关系来评估电压暂降可能造成的设备故障数目,从而度量电压暂降事件的严重度。一方面没有有效的刻画工业过程各个生产流程及其设备之间的结构与功能的逻辑关系。另一方面,对于并联关系下的设备故障,只是粗略地放置于统一的评估框架下,所造成的损失没有做到准确的评估。对于以失负荷量来度量电压暂降事件的严重度,虽然两者之间成一定的正相关关系,但却不是线性关系,因此很难准确得出实际的电压暂降事件严重度。而针对以故障设备在过程中的关键程度来作为评估指标,现有方法难以有效缩小所引入的主观误差。因此,合理刻画电压暂降对工业过程的影响以及准确评估电压暂降事件后果严重度是确定工业用户电压暂降经济损失必须解决的技术难点。
发明内容
本发明的目的在于克服现有技术一方面没有有效的刻画工业过程各个生产流程及其设备之间的结构与功能的逻辑关系,且,现有技术对于并联关系下的设备故障,不能准确评估的问题,提供一种基于过程免疫不确定性的,而已缩小主观误差,精确评估电压暂降对工业过程影响的评估方法。
为了实现上述发明目的,本发明提供了以下技术方案:
一种基于过程免疫不确定性的电压暂降评估方法,包含如下步骤:
设定顶事件层、中间事件层和底事件层三个事件层;
底事件层中各个底事件通过二级或门与对应的中间事件连接;中事件层中各个中间事件通过一级或门与顶事件连接;
其中,所述顶事件为过程中断;中间事件为子过程中断,所述子过程中断为直接与一级或门相连的第一子过程中断和/或通过一级与门与一级或门相连的第二子过程中断,底事件为与对应子过程中断相关联的各个设备中的物理参数越限,各个子过程中断为按照功能类别划分。
所述子过程中断的中断概率其中,Pi S为第i个子过程中断的中断概率,numi为第i个子过程中断下的设备数量,为第i个子过程中断下第j个设备所控制的物理参数越限概率;
所述过程中断的中断概率为其中,PP为过程中断概率,Pi os为直接与一级或门相连的第i个第一子过程中断的中断概率;为与j第个一级与门相连的第k个第二子过程中断的中断概率;m1为直接与一级或门相连的第一子过程中断个数;m2为一级与门个数。nj为第j个一级与门下的第二子过程中断的个数。
设备物理参数越限概率根据公式得出,其中x为参数越限严重性指标SIpl的具体取值,En为参数越限严重性指标样本数据的n阶中心距,N为10以下正整数。
进一步的,参数越限严重性指标SIpl由公式得出;其中,T表示电压暂降持续时间,PITmin表示参数偏离额定值所需时间,PITmax表示参数超出临界值所需时间。
进一步的,还包括计算单次电压暂降造成的经济损失的步骤;
式中,为第j个子过程的中断概率,为第j个子过程的中断损失;PP为过程中断概率;CP为过程中断的中断损失;为各子过程的最小子过程免疫时间;PITP表示全局过程免疫时间。
进一步的,所述中断损失包括直接损失C1、重启损失C2及额外损失C3;
所述直接损失C1指由于电压暂降引发过程或子过程中断而导致的直观损失,其包括报废损失C11、停产损失C12及利润损失C13:其中,报废损失C11指由于生产过程物理参数越限导致产品质量不符合工艺要求,无法满足原定功能用途而产生的废品损失;停产损失C12指因生成过程中断期间的人工、管理以及耗材费用;利润损失C13指由于生产过程中断,生产产量减少,无法按时完成原定的生产进度而导致的利润损失。
进一步的,所述子过程的最小子过程免疫时间式中:n为子过程个数;其中,PITi S为第i个子过程免疫时间。
进一步的,所述子过程免疫时间PITi S为该子过程下各个设备的设备过程免疫时间PITe的最小值,其根据公式得出;其中,为第i个子过程下第j个设备的设备过程免疫时间;
进一步的,所述设备过程免疫时间numi是第i个子过程下的设备个数;
对于第j个设备来说,设备过程免疫时间PITjmin表示第j个设备的过程免疫时间下限。
进一步的,所述全局过程免疫时间其中,m1为直接与一级或门相连的第一子过程个数;m2为一级与门个数;代表一级或门下第j1个第一子过程的子过程免疫时间;为第i1个一级与门下的最大子过程免疫时间。
进一步的,所述一级与门下的最大子过程免疫时间式中:为一级与门下各个第二子过程的子过程免疫时间;ni为该一级与门下的第二子过程个数。
与现有技术相比,本发明的有益效果:本发明充分考虑了过程免疫时间不确定性,并结合工业生产的实际工艺要求,有效地度量了不同工业过程的电压暂降响应特性。同时,提出参数越限严重性指标,结合最大熵理论对工业过程物理参数越限概率进行评估,能够较大程度提高给定电压暂降下的工业过程中断概率。此外,通过故障树分析法(设定顶事件、中间事件和底事件三个事件层),以图形化的方式表示过程中各层事件的交互关系,准确地刻画了工业过程中的各个子过程和设备之间的逻辑关系,结合过程免疫时间可迅速识别工业过程的关键脆弱环节,为用户改善过程免疫力提供依据。最后,基于各级事件过程免疫时间特征,将电压暂降事件后果划分为正常、子过程中断以及过程中断三个等级,提出了暂降经济损失分级评估模型,有效地解决了现有评估方法中暂降事件严重度刻画不精确的问题,并提高了经济损失评估精度。
附图说明:
图1为物理参数过线的典型过程免疫时间曲线图。
图2a为以负荷电压耐受曲线为例的不确定性区域示意图。
图2b为以负荷电压耐受曲线为例的不确定性过程免疫时间与不确定性区域结合曲线图。
图3为本发明基于过程免疫不确定性的电压暂降评估方法中故障树(顶事件、中间事件、底事件)连接图。
附图标记:Ⅰ-顶事件层;Ⅱ-中间事件层;Ⅲ-底事件层;1-过程中断;2-子过程中断;21-第一子过程中断;22-第二子过程中断;3-设备物理参数越限;4-一级或门;5-一级与门;6-二级或门
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
在电能测量领域中,过程免疫时间的定义为:在经受给定幅值的电压暂降后,工业过程的物理参数超过允许限制值的时间。如图1所示,其中Plimit为物理参数临界值;Pnom为物理参数额定值;t1、t1+Δt和t2分别为敏感过程经受电压暂降的起始时刻、物理参数偏离额定值的时刻以及超出临界值的时刻。
对于给定的工业敏感过程,可以确定其物理参数的额定值Pnom和临界值Plimit。当暂降持续时间T<Δt时,过程完全正常;当暂降持续时间Δt<T<PIT时,过程可自动恢复到正常状态;T>PIT时,过程中断1。因此,PIT越长,留给过程抵御电压暂降的时间越久,过程免疫力越强。本文将暂降持续时间小于过程免疫时间前的状态均考虑为可接受状态,即为正常状态;暂降持续时间大于等于过程免疫时间后的状态考虑为不可接受状态,即为中断状态。
而实际应用当中,具体设备的具体物理参数存在过程免疫时间的不确定性,众所周知,工业过程物理参数的变化规律由过程中的设备类型,设备的连接关系以及设备的运行状态共同决定。如,可调速电机(adjustable speed drives,ASD)、PC、可编程逻辑控制器(programmable logic controllers,PLC)和交流接触器(AC-contactor,ACC)等敏感设备的电压暂降敏感度均具有不确定性,如,如图2a所示,上述设备的电压耐受曲线在电压幅值-持续时间平面上会存在一个不确定区域。将敏感设备电压耐受曲线的不确定区域与过程免疫时间相结合,由于在不确定区域内,敏感设备是否发生故障以及故障程度,既与暂降的特征有关,又和设备的运行状态、运行环境、负载情况等多种因素相关。而过程物理参数变化规律和设备的运行状态密切相关。因此,在设备状态具有不确定性的前提下,单条PIT曲线无法完全表征在电压暂降作用下设备所控制的物理参数变化规律。
为说明过程免疫时间不确定性,假设设备发生故障后,过程物理参数开始偏离额定值,并且同一暂降幅值下,过程参数从偏离额定值到超出限制值的时间相同。如图2(b)所示,在时间t∈[t1+Tmin,t1+Tmax]时,控制过程物理参数变化的敏感设备可能发生故障,相应的,过程物理参数可在[t1+Tmin,t1+Tmax]内任意时刻开始偏离额定值,而物理参数超出限制值的时间也可发生在[t2+Tmin,t2+Tmax]内的任意时刻,根据过程免疫时间的定义,过程免疫时间存在不确定区间为[PITmin,PITmax],当暂降持续时间在不确定区间内时,过程物理参数均可能超出限制值。因此,过程免疫时间曲线可为PIT1和PIT1′区域之中的任意一条PIT曲线。通过分析过程免疫时间在不确定区间内的分布规律,可准确地判别暂降下的过程物理参数是否会发生越限,从而更加合理的刻画工业过程的电压暂降响应特性。
由此,本发明提供一种基于过程免疫不确定性的电压暂降评估方法,包含如下步骤:
设定顶事件层Ⅰ、中间事件层Ⅱ和底事件层Ⅲ三个事件层;
底事件层Ⅲ中各个底事件通过二级或门6与对应的中间事件连接;中事件层Ⅱ中各个中间事件通过一级或门4与顶事件连接;
其中,所述顶事件为过程中断1;中间事件为子过程中断2,该子过程2可以是一个,或者两个以上,所述子过程中断2为直接与一级或门4相连的第一子过程中断21和/或通过一级与门5与一级或门4相连的第二子过程中断22,底事件为与对应子过程中断2相关联的各个设备中的设备物理参数越限3(图3中仅以“设备3”表示“设备物理参数越限3”),各个子过程中断2为按照功能类别划分,具体的,直接与一级或门4连接的各个子过程的功能互相独立,任一直接传递至一级或门4的中断均会导致顶事件中的过程中断发生中断;而位于同一一级与门5下的第二子过程功能互为备用,只有当同一一级与门5下所有第二子过程均中断才会导致顶事件中的过程中断发生中断;
众所周知的,位于上层的事件层事件发生概率Pp与通过与门与其连接的各下层事件层事件发生概率的关系可以用下式表示:Pp=Pa(AND)Pb=Pa·Pb,Pa、Pb分别表示下层事件层各并列事件a、b的发生概率;而上层的事件层事件发生概率Pp与通过或门与其连接的各下层事件层事件发生概率的关系可以用下式表示:Pp=Pa(OR)Pb=1-(1-Pa)(1-Pb);Pa、Pb分别表示下层事件层各并列事件a、b的发生概率;应注意的是,以上举例均以“与门”或者“或门”下只有两个下层并列事件为例,但实际上同一“与门”或者“或门”下的下层并列事件可以为2个以上;下层并列事件指子过程中断2或设备物理参数越限3。
由此,所述子过程中断2的中断概率其中,Pi S为第i个子过程中断2的中断概率,numi为第i个子过程中断2下的设备数量,为第i个子过程中断2下第j个设备所控制的物理参数越限概率;
所述过程中断1的中断概率为其中,PP为过程中断1概率,Pi os为直接与一级或门4相连的第i个第一子过程中断21的中断概率;为与j第个一级与门5相连的第k个第二子过程中断22的中断概率;m1为直接与一级或门4相连的第一子过程中断21个数;m2为一级与门5个数。nj为第j个一级与门5下的第二子过程中断22的个数。
本实施例中,设备物理参数越限概率根据公式得出,其中x为参数越限严重性指标SIpl的具体取值,En为参数越限严重性指标样本数据的n阶中心距,N为10以下正整数。该设备物理参数越限概率P的计算公式由如下过程得出:
(1)、采集用户侧工艺流程数据、经济损失数据和电压暂降事件样本数据;
(2)、分析步骤(1)所采集的数据,将电压暂降幅值范围[PmVn,PnVn]以步长PkVn进行等步长划分为不同幅值范围,分别对各个幅值范围内的过程免疫时间不确定性进行评估;其中Vn表示额定电压,标幺值可取为1,0.05≤Pm≤0.15,0.85≤Pn≤0.95,Pk≤0.05;本实施例中,Pm=0.1、Pn=0.9、Pk=0.05;即,本实施例中,在电压暂降幅值范围[0.1Vn,0.9Vn]以步长0.05Vn进行等步长划分为不同幅值范围,分别对各个幅值范围内的过程免疫时间不确定性进行评估;
(3)、根据公式评估各个幅值范围内的电压暂降事件的参数越限严重性指标;其中,SIpl表示参数越限严重性指标,T表示电压暂降持续时间,PITmin表示参数偏离额定值所需时间,PITmax表示参数超出临界值所需时间;
(4)、结合样本数据,利用最大熵理论,获取参数越限严重性指标概率密度函数其中,f(x)为参数x的概率密度函数;En为参数越限严重性指标样本数据的n阶中心距,N为10以下正整数;
结合给定电压暂降幅值及参数越限严重性指标s,获得过程参数越限的概率为:其中x为参数越限严重性指标SIpl的具体取值;
其中,步骤(4)具体由如下步骤计算得出:
(4-1)通过最大熵算法求取参数越限严重性指标的概率密度函数,该算法可直接根据样本数据求取随机变量的概率密度函数,且无需人为假设或专家经验,其数学模型为:
maxH=-∫Rf(x)lnf(x)dx (1)
s.t.∫Rf(x)dx=1 (2)
∫Rxf(x)dx=E1 (3)
∫R(x-E1)nf(x)dx=En n=2,3,…,N (4)
式(1)至(4)中:H为随机变量x的熵;f(x)为x的概率密度函数;R为x的取值边界;E1、En分别为参数越限严重性指标样本数据的1阶原点矩和n阶中心距。
(4-2)根据式(1)至(4),引入拉格朗日算子,采用经典偏微分法可得到参数越限严重性指标概率密度函数解析式为:
式中:λn为第n阶矩约束条件对应的拉格朗日算子;实际工程中可取N为10以下正整数,本实施例中,取N=5。
(4-3)给定电压暂降幅值,当对应的参数越限严重性指标为s时,过程参数越限的概率为:
本实施例中,还包括计算单次电压暂降造成的经济损失的步骤;
式中,为第j个子过程的中断概率,为第j个子过程的中断损失;PP为过程中断1概率;CP为过程中断1的中断损失;为各子过程的最小子过程免疫时间;PITP表示全局过程免疫时间。
本实施例中,所述中断损失C(为过程中断1损失或子过程中断2损失)包括直接损失C1、重启损失C2及额外损失C3;
所述直接损失C1指由于电压暂降引发过程或子过程中断2而导致的直观损失,其包括报废损失C11、停产损失C12及利润损失C13:其中,报废损失C11指由于生产过程物理参数越限导致产品质量不符合工艺要求,无法满足原定功能用途而产生的废品损失;停产损失C12指因生成过程中断1期间的人工、管理以及耗材费用;利润损失C13指由于生产过程中断1,生产产量减少,无法按时完成原定的生产进度而导致的利润损失;重启损失C2指工业生产过程中,物理参数越限导致子过程中断2或过程中断1后,需要投入额外的人力及物力来重启过程、恢复生产,这个过程所产生的费用;额外损失C3是指与生产难以形成量化关系的资源投入以及未说明的直接或间接成本;如设备故障产生的维修、更换和运输成本或未能按时完成生产项目导致的信誉受损、客户流失、违约补偿等费用。
具体的,直接损失C1=C11+C12+C13,中断损失C=C1+C2+C3
在此基础上,我们也可以得出该工业用户每年的电压暂降损失式中,Csag(Vi,Ti)为第i次暂降的经济损失;Vi、Ti分别为第i次暂降的电压幅值和持续时间;Num为用户的年暂降次数。
子过程免疫时间PITS表征能引起子过程中断2的最短暂降持续时间;子过程的最小子过程免疫时间式中:n为子过程个数;其中,PITi S为第i个子过程免疫时间。
本实施例中,所述子过程免疫时间PITi S为该子过程下各个设备的设备过程免疫时间PITe的最小值,其根据公式得出;其中,为第i个子过程下第j个设备的设备过程免疫时间,其可用公式表示;其中,numi是第i个子过程下的设备个数;
设备过程免疫时间PITe表征了能引起设备控制的物理参数越限的最短暂降持续时间;对于第j个设备来说,其设备过程免疫时间PITj e=PITjmin,PITjmin表示第j个设备的过程免疫时间下限。
全局过程免疫时间PITP表征了能引起顶事件中过程中断1的最短暂降持续时间,其通过公式表示;其中,m1为直接与一级或门4相连的第一子过程个数;m2为一级与门5个数;代表一级或门4下第j1个第一子过程的子过程免疫时间;为第i1个一级与门5下的最大子过程免疫时间。
本实施例中,所述一级与门5下的最大子过程免疫时间式中:为一级与门5下各个第二子过程的子过程免疫时间;ni为该一级与门5下的第二子过程个数。
综上,本方法中,当时,即给定幅值范围内的电压暂降的暂降持续时间小于最小子过程免疫时间,其不会造成损失,属于正常状态;
当即给定幅值范围内的电压暂降的暂降持续时间大于等于最小子过程免疫时间且小于全局过程免疫时间,会引起子过程中断2;
当T>PITP,即给定幅值范围内的电压暂降的暂降持续时间大于等于全局过程免疫时间一定会因此过程中断1。
Claims (10)
1.一种基于过程免疫不确定性的电压暂降评估方法,其特征在于,包含如下步骤:
设定顶事件层、中间事件层和底事件层三个事件层;
底事件层中各个底事件通过二级或门与对应的中间事件连接;中事件层中各个中间事件通过一级或门与顶事件连接;
其中,所述顶事件为过程中断;中间事件为子过程中断,所述子过程中断为直接与一级或门相连的第一子过程中断和/或通过一级与门与一级或门相连的第二子过程中断,底事件为与对应子过程中断相关联的各个设备中的物理参数越限,各个子过程中断为按照功能类别划分;
所述子过程中断的中断概率其中,为第i个子过程中断的中断概率,numi为第i个子过程中断下的设备数量,为第i个子过程中断下第j个设备所控制的物理参数越限概率;
所述过程中断的中断概率为其中,PP为过程中断概率,Pi os为直接与一级或门相连的第i个第一子过程中断的中断概率;为与j第个一级与门相连的第k个第二子过程中断的中断概率;m1为直接与一级或门相连的第一子过程中断个数;m2为一级与门个数。nj为第j个一级与门下的第二子过程中断的个数。
2.如权利要求1所述的电压暂降评估方法,其特征在于,设备物理参数越限概率根据公式得出,其中x为参数越限严重性指标SIpl的具体取值,En为参数越限严重性指标样本数据的n阶中心距,N为 10以下正整数。
3.如权利要求2所述的电压暂降评估方法,其特征在于,参数越限严重性指标SIpl由公式计算;其中,T表示电压暂降持续时间,PITmin表示参数偏离额定值所需时间,PITmax表示参数超出临界值所需时间。
4.如权利要求1所述的电压暂降评估方法,其特征在于,还包括计算单次电压暂降造成的经济损失的步骤;
式中,为第j个子过程的中断概率,为第j个子过程的中断损失;PP为过程中断概率;CP为过程中断的中断损失;为各子过程的最小子过程免疫时间;PITP表示全局过程免疫时间。
5.如权利要求4所述的电压暂降评估方法,其特征在于,所述中断损失包括直接损失C1、重启损失C2及额外损失C3;
所述直接损失C1指由于电压暂降引发过程或子过程中断而导致的直观损失,其包括报废损失C11、停产损失C12及利润损失C13:其中,报废损失C11指由于生产过程物理参数越限导致产品质量不符合工艺要求,无法满足原定功能用途而产生的废品损失;停产损失C12指因生成过程中断期间的人工、管理以及耗材费用;利润损失C13指由于生产过程中断,生产产量减少,无法按时完成原定的生产进度而导致的利润损失。
6.如权利要求4所述的电压暂降评估方法,其特征在于,所述子过程的最 小子过程免疫时间式中:n为子过程个数;其中,PITi S为第i个子过程免疫时间。
7.如权利要求6所述的电压暂降评估方法,其特征在于,所述子过程免疫时间PITi S为该子过程下各个设备的设备过程免疫时间PITe的最小值,其根据公式得出;其中,为第i个子过程下第j个设备的设备过程免疫时间。
8.如权利要求7所述的电压暂降评估方法,其特征在于,所述设备过程免疫时间numi是第i个子过程下的设备个数;
对于第j个设备来说,设备过程免疫时间PITjmin表示第j个设备的过程免疫时间下限。
9.如权利要求4所述的电压暂降评估方法,其特征在于,所述全局过程免疫时间其中,m1为直接与一级或门相连的第一子过程个数;m2为一级与门个数;代表一级或门下第j1个第一子过程的子过程免疫时间;为第i1个一级与门下的最大子过程免疫时间。
10.如权利要求9所述的电压暂降评估方法,其特征在于,所述一级与门下的最大子过程免疫时间式中:为一级与门下各个第二子过程的子过程免疫时间;ni为该一级与门下的第二子过程个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610829453.4A CN106384199A (zh) | 2016-09-19 | 2016-09-19 | 基于过程免疫不确定性的电压暂降评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610829453.4A CN106384199A (zh) | 2016-09-19 | 2016-09-19 | 基于过程免疫不确定性的电压暂降评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106384199A true CN106384199A (zh) | 2017-02-08 |
Family
ID=57936593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610829453.4A Pending CN106384199A (zh) | 2016-09-19 | 2016-09-19 | 基于过程免疫不确定性的电压暂降评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106384199A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730145A (zh) * | 2017-11-07 | 2018-02-23 | 四川大学 | 一种电压暂降经济损失评估方法 |
CN108320096A (zh) * | 2018-02-01 | 2018-07-24 | 福州大学 | Tft-lcd制造业电压暂降经济损失预评估方法 |
CN109064026A (zh) * | 2018-08-03 | 2018-12-21 | 福州大学 | 一种考虑供电***运行方式的工业过程过程参数免疫时间评估方法 |
CN109950910A (zh) * | 2019-04-23 | 2019-06-28 | 福州大学 | 一种基于过程参数免疫时间的电压暂降缓减方法 |
CN110488119A (zh) * | 2019-08-13 | 2019-11-22 | 广东电网有限责任公司 | 一种考虑冗余度的工业过程电压暂降中断概率评估方法 |
CN110531193A (zh) * | 2019-08-30 | 2019-12-03 | 国网福建省电力有限公司 | 一种考虑电机重启的工艺过程电压暂降耐受力评估方法 |
CN110598990A (zh) * | 2019-08-14 | 2019-12-20 | 广东电网有限责任公司 | 一种基于层次分析法的工业过程电压暂降中断概率评估方法 |
CN111190064A (zh) * | 2020-01-02 | 2020-05-22 | 深圳供电局有限公司 | 电压暂降免疫时间的试验方法和试验***、存储介质 |
CN113049928A (zh) * | 2021-03-10 | 2021-06-29 | 海南电网有限责任公司电力科学研究院 | 一种工业过程电压暂降中的子过程失效评估方法 |
CN113642186A (zh) * | 2021-08-20 | 2021-11-12 | 国网福建省电力有限公司 | 一种计及电压暂降的供电可靠性量化评估方法 |
CN114154798A (zh) * | 2021-11-08 | 2022-03-08 | 深圳供电局有限公司 | 电压暂降风险分析方法、装置、计算机设备和存储介质 |
CN114202154A (zh) * | 2021-11-08 | 2022-03-18 | 深圳供电局有限公司 | 供电可靠性量化方法、装置、计算机设备和存储介质 |
CN114444905A (zh) * | 2022-01-13 | 2022-05-06 | 四川大学 | 基于优化k近邻法和过程免疫力的配电网暂降频次估计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399239A (zh) * | 2013-08-12 | 2013-11-20 | 四川大学 | 工业设备电压暂降免疫力的检测方法 |
CN103777096A (zh) * | 2014-01-17 | 2014-05-07 | 华北电力大学 | 基于多暂降阈值和持续时间敏感设备免疫能力评估方法 |
-
2016
- 2016-09-19 CN CN201610829453.4A patent/CN106384199A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399239A (zh) * | 2013-08-12 | 2013-11-20 | 四川大学 | 工业设备电压暂降免疫力的检测方法 |
CN103777096A (zh) * | 2014-01-17 | 2014-05-07 | 华北电力大学 | 基于多暂降阈值和持续时间敏感设备免疫能力评估方法 |
Non-Patent Citations (5)
Title |
---|
JOVICA V. MILANOVIC 等: "Probability Assessment of Financial Losses duo to Interruptions and Voltage Sags-Part I:The Methodology", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
K. VAN REUSEL 等: ""Process Immunity Time" Assesment of its Practicability in industry", 《PROCEEDINGS OF 14TH INTERNATIONAL CONFERENCE ON HARMONICS AND QUALITY OF POWER-ICHQP 2010》 * |
甄晓晨 等: "电压暂降的工厂级经济损失评估模型", 《第六届电能质量国际研讨会论文集》 * |
肖先勇 等: "用电压暂降严重程度和最大熵评估负荷电压暂降敏感度", 《中国电机工程学报》 * |
韩小涛 等: "故障树分析法在变电张通信***可靠性分析中的应用", 《电网技术》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730145A (zh) * | 2017-11-07 | 2018-02-23 | 四川大学 | 一种电压暂降经济损失评估方法 |
CN107730145B (zh) * | 2017-11-07 | 2020-04-07 | 四川大学 | 一种电压暂降经济损失评估方法 |
CN108320096A (zh) * | 2018-02-01 | 2018-07-24 | 福州大学 | Tft-lcd制造业电压暂降经济损失预评估方法 |
CN108320096B (zh) * | 2018-02-01 | 2022-04-15 | 福州大学 | Tft-lcd制造业电压暂降经济损失预评估方法 |
CN109064026B (zh) * | 2018-08-03 | 2021-08-31 | 福州大学 | 一种考虑供电***运行方式的工业过程过程参数免疫时间评估方法 |
CN109064026A (zh) * | 2018-08-03 | 2018-12-21 | 福州大学 | 一种考虑供电***运行方式的工业过程过程参数免疫时间评估方法 |
CN109950910A (zh) * | 2019-04-23 | 2019-06-28 | 福州大学 | 一种基于过程参数免疫时间的电压暂降缓减方法 |
CN109950910B (zh) * | 2019-04-23 | 2022-06-17 | 福州大学 | 一种基于过程参数免疫时间的电压暂降缓减方法 |
CN110488119A (zh) * | 2019-08-13 | 2019-11-22 | 广东电网有限责任公司 | 一种考虑冗余度的工业过程电压暂降中断概率评估方法 |
CN110488119B (zh) * | 2019-08-13 | 2020-12-01 | 广东电网有限责任公司 | 一种考虑冗余度的工业过程电压暂降中断概率评估方法 |
CN110598990A (zh) * | 2019-08-14 | 2019-12-20 | 广东电网有限责任公司 | 一种基于层次分析法的工业过程电压暂降中断概率评估方法 |
CN110598990B (zh) * | 2019-08-14 | 2020-12-29 | 广东电网有限责任公司 | 一种基于层次分析法的工业过程电压暂降中断概率评估方法 |
CN110531193A (zh) * | 2019-08-30 | 2019-12-03 | 国网福建省电力有限公司 | 一种考虑电机重启的工艺过程电压暂降耐受力评估方法 |
CN111190064B (zh) * | 2020-01-02 | 2022-06-03 | 深圳供电局有限公司 | 电压暂降免疫时间的试验方法和试验***、存储介质 |
CN111190064A (zh) * | 2020-01-02 | 2020-05-22 | 深圳供电局有限公司 | 电压暂降免疫时间的试验方法和试验***、存储介质 |
CN113049928A (zh) * | 2021-03-10 | 2021-06-29 | 海南电网有限责任公司电力科学研究院 | 一种工业过程电压暂降中的子过程失效评估方法 |
CN113642186A (zh) * | 2021-08-20 | 2021-11-12 | 国网福建省电力有限公司 | 一种计及电压暂降的供电可靠性量化评估方法 |
CN113642186B (zh) * | 2021-08-20 | 2023-08-01 | 国网福建省电力有限公司 | 一种计及电压暂降的供电可靠性量化评估方法 |
CN114154798A (zh) * | 2021-11-08 | 2022-03-08 | 深圳供电局有限公司 | 电压暂降风险分析方法、装置、计算机设备和存储介质 |
CN114202154A (zh) * | 2021-11-08 | 2022-03-18 | 深圳供电局有限公司 | 供电可靠性量化方法、装置、计算机设备和存储介质 |
CN114444905A (zh) * | 2022-01-13 | 2022-05-06 | 四川大学 | 基于优化k近邻法和过程免疫力的配电网暂降频次估计方法 |
CN114444905B (zh) * | 2022-01-13 | 2023-04-18 | 四川大学 | 基于优化k近邻法和过程免疫力的配电网暂降频次估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384199A (zh) | 基于过程免疫不确定性的电压暂降评估方法 | |
CN103676881A (zh) | 一种半导体生产线动态瓶颈分析方法 | |
CN105844050B (zh) | 基于时间相关的数控机床***组件更换时间分析方法 | |
CN107122832A (zh) | 一种质量控制与可靠性分析的制造***预防性维修方法 | |
CN102289731B (zh) | 一种基于***风险的输电设备状态检修方法 | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断***及方法 | |
CN105225979A (zh) | 一种半导体器件制程预测***和方法 | |
CN106127358A (zh) | 一种基于任务可靠性状态的制造***预测性维修方法 | |
CN103926490A (zh) | 一种具有自学习功能的电力变压器综合诊断方法 | |
CN104700321A (zh) | 一种输变电设备状态运行趋势分析方法 | |
CN103617561A (zh) | 一种电网智能变电站二次设备状态评估***和方法 | |
CN105320987B (zh) | 一种基于bp神经网络的卫星遥测数据智能判读方法 | |
CN103424654A (zh) | 一种敏感设备电压暂降敏感度的评估方法 | |
CN104218570A (zh) | 一种电能计量装置整体计量误差的在线评估方法和*** | |
CN104573877A (zh) | 配电网设备需求量预测和定量方法及其*** | |
CN111178725A (zh) | 一种基于层次分析法的保护设备状态预警方法 | |
CN103440410A (zh) | 主变个体缺陷概率预测方法 | |
He et al. | A sensitive industrial process model for financial losses assessment due to voltage sag and short interruptions | |
CN103699947A (zh) | 一种基于元学习的电力***时变非线性负荷组合预测方法 | |
CN106021724A (zh) | 基于ahm及熵值法的机床产品制造***的能效评价方法 | |
CN102750454B (zh) | 一种氢气消耗预测值获取方法、装置及*** | |
Markoska et al. | Towards smart buildings performance testing as a service | |
CN102521698A (zh) | 大型建筑工程质量的关键工序识别与监控方法 | |
CN104680315B (zh) | 基于约束理论的港口装卸设备智能预防性维护***及方法 | |
CN103136446A (zh) | 基于优化输入层的bp神经网络预报滑坡的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170208 |
|
RJ01 | Rejection of invention patent application after publication |