CN107220712B - 一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及*** - Google Patents
一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及*** Download PDFInfo
- Publication number
- CN107220712B CN107220712B CN201710338753.7A CN201710338753A CN107220712B CN 107220712 B CN107220712 B CN 107220712B CN 201710338753 A CN201710338753 A CN 201710338753A CN 107220712 B CN107220712 B CN 107220712B
- Authority
- CN
- China
- Prior art keywords
- state
- converter valve
- states
- degradation
- determining
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000012423 maintenance Methods 0.000 title claims abstract description 92
- 238000006731 degradation reaction Methods 0.000 claims abstract description 187
- 230000015556 catabolic process Effects 0.000 claims abstract description 173
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 230000007704 transition Effects 0.000 claims description 37
- 230000006866 deterioration Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002250 progressing effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007562 laser obscuration time method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法,包括:确定描述换流阀的不同的劣化状态,根据不同的劣化状态,确定与劣化状态对应的状态监测和与劣化状态对应的状态检修决策;根据历史数据,获取换流阀的不同的劣化状态的转移率,确定不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益;确定基于马尔科夫过程的换流阀停留在不同的劣化状态的状态频率和在不同的劣化状态的平均持续时间;根据平均持续时间确定换流阀的可用时间,确定最优的状态监测频率;根据平均持续时间确定换流阀的不同的劣化状态、状态监测和与状态检修决策的期望收益总和,确定最优的状态检修决策。
Description
技术领域
本发明涉及换流阀检修领域,更具体地,涉及一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及***。
背景技术
换流阀在使用过程中,经常会面临状态监测及故障检修等问题。相比事故后检修、定期检修等检修方式,检修效率低,人力成本投入高。因此,实施设备的状态检修可提高检修效率。如今,在智能电网理念前提下,智能化变电站技术得到实施,变电站设备状态检修的实施条件日益成熟,也推进了电网全面实施设备状态检修的进程。就换流阀而言,围绕状态检修,在具备监测技术的基础上,现有还没有将研究方向的状态检修策略由定性向定量化方向发展的技术。
因此,需要一种技术,以解决换流阀状态监测和检修决策的优化的问题。
发明内容
本发明提供了一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及***,以解决如何对换流阀状态监测和检修决策的优化的问题。
为了解决上述问题,本发明提供了一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法,所述方法包括:
确定描述换流阀的不同的劣化状态,根据所述不同的劣化状态,确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策;
根据历史数据,获取所述换流阀的不同的劣化状态的转移率,确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益;
确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间;
根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间,以所述换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率;
根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和,以所述换流阀的所述期望收益总和最高为目标建立状态检修决策模型,确定最优的状态检修决策。
优选地,所述换流阀的所述不同的劣化状态的期望收益为维持所述劣化状态所取得的运营收益;
所述与劣化状态对应的状态监测的期望收益为实施所述状态监测的资金;
所述与劣化状态对应状态检修决策的期望收益为实施所述检修决策的资金。
优选地,确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间,包括:
根据马尔科夫随机过程模型描述所述换流阀的劣化过程,所述换流阀的劣化状态经过n步转以后进入的极限状态,是所述换流阀的劣化状态的平稳状态,进入劣化状态后的平稳状态概率是一个常数,所述平稳状态概率与所述换流阀的初始状态无关;
马尔科夫随机过程的线性微分方程组为:
其中,λij为转移率,P(t)为马尔科夫通用方程,t为时间;
通过求解以下线性方程组,获取所述平稳状态概率:
所述换流阀劣化过程达到所述平稳状态时,每单位时间里停留在所述劣化状态i的平均次数为所述换流阀在状态i的状态频率fi,状态i的持续时间Ti是指所述换流阀劣化过程达到平稳状态时,停留在状态i的平均持续时间,fij为j个转移到状态i的频率,其中
优选地,所述根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间,以所述换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率,包括:
以所述换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数,B=f(γ),f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系,监测频率是变量,可用时间是应变量,最优监测频率γ满足:
γmin≤γ≤γmax,其中γmax、γmin分别为监测频率的最大值和最小值。
优选地,所述根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和,以所述换流阀的所述期望收益总和最高为目标,确定最优状态检修决策,包括:
以所述换流阀的所述期望收益总和最高为目标,确定最优状态检修决策模型的目标函数是:max{G},其中G是所述换流阀在整个寿命周期内,所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和。
优选地,所述换流阀的所述不同的劣化状态之间转换的时间服从指数分布,所述不同的劣化状态之间转换的概率恒定。
基于本发明的另一方面,本发明提供一种基于马尔科夫过程的换流阀状态监测和状态检修决策的***,所述***包括:
初始化单元,所述初始化单元用于确定描述换流阀的不同的劣化状态,根据所述不同的劣化状态,确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策;
获取单元,所述获取单元根据历史数据,获取所述换流阀的不同的劣化状态的转移率,确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益;
第一计算单元,所述第一计算单元用于确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间;
第二计算单元,所述第二计算单元用于根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间,以所述换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率;
第三计算单元,所述第三计算单元用于根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和,以所述换流阀的所述期望收益总和最高为目标,确定最优状态检修决策。
优选地,所述换流阀的所述不同的劣化状态的期望收益为维持所述劣化状态所取得的运营收益;
所述与劣化状态对应的状态监测的期望收益为实施所述状态监测的资金;
所述与劣化状态对应状态检修决策的期望收益为实施所述检修决策的资金。
优选地,所述第一计算单元还用于:
根据马尔科夫随机过程模型描述所述换流阀的劣化过程,所述换流阀的劣化状态经过n步转以后进入的极限状态,是所述换流阀的劣化状态的平稳状态,进入劣化状态后的平稳状态概率是一个常数,所述平稳状态概率与所述换流阀的初始状态无关;
马尔科夫随机过程的线性微分方程组为:
其中,λij为转移率,P(t)为马尔科夫通用方程,t为时间;
通过求解以下线性方程组,获取所述平稳状态概率:
所述换流阀劣化过程达到所述平稳状态时,每单位时间里停留在所述劣化状态i的平均次数为所述换流阀在状态i的状态频率fi,状态i的持续时间Ti是指所述换流阀劣化过程达到平稳状态时,停留在状态i的平均持续时间,fij为j个转移到状态i的频率,其中
优选地,所述第二计算单元还用于:
以所述换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数,B=f(γ),f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系,监测频率是变量,可用时间是应变量,最优监测频率γ满足:
γmin≤γ≤γmax,其中γmax、γmin分别为监测频率的最大值和最小值。
优选地,所述第三计算单元还用于:
以所述换流阀的所述期望收益总和最高为目标,确定最优状态检修决策模型的目标函数是:max{G},其中G是所述换流阀在整个寿命周期内,所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和。
优选地,所述换流阀的所述不同的劣化状态之间转换的时间服从指数分布,所述不同的劣化状态之间转换的概率恒定。
本发明技术方案以换流阀为对象,提出换流阀状态监测、状态检修的模型和求解方法。本发明技术方案针对换流阀这一对象,在换流阀全寿命周期管理、设备状态检修技术及相关概念引导下,给出计及检修策略的基于马尔科夫随机过程的换流阀状态转移模型,并基于马尔科夫过程方程计算相关指标参数,可以方便定量分析换流阀的可靠性,具有较强的可操作性。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明一实施方式的一种基于马尔科夫过程的换流阀状态监测和检修决策的方法流程图;
图2为根据本发明一实施方式的一种基于马尔科夫过程的换流阀状态转移模型图;以及
图3为根据本发明一实施方式的一种基于马尔科夫过程的换流阀状态监测和检修决策的***结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明一实施方式的一种基于马尔科夫过程的换流阀状态监测和检修决策的方法流程图。本发明的实施方案以换流阀为对象,提出换流阀状态监测、状态检修决策的模型和求解方法。本发明实施方式针对换流阀这一对象,在换流阀全寿命周期管理、状态监测以及状态检修决策及相关概念引导下,给出基于马尔科夫随机过程的换流阀状态转移模型,并基于马尔科夫过程方程计算相关指标参数,可以定量分析换流阀的可靠性,具有较强的可操作性。本发明的实施方式提供了一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法,方法包括:
确定描述换流阀的不同的劣化状态,根据不同的劣化状态,确定与劣化状态对应的状态监测和与劣化状态对应的状态检修决策。
在可靠性分析中,换流阀的劣化过程可表示为换流阀不断的劣化损耗,直至最终发生故障。本发明的实施方式以劣化状态1、劣化状态2和劣化状态3描述换流阀劣化过程中的不同阶段,如果不进行维修,换流阀会从劣化状态1一直发展到劣化状态3,最后发展到故障状态。换流阀故障后,经过更换或者维修后又可以恢复到劣化状态1。在每个劣化状态,都有相应的状态监测,检修人员会根据状态监测的情况确定不同的检修决策,即采取不同的检修手段。在进行检修之后,设备也会恢复到不同的状态。
根据历史数据,获取换流阀的不同的劣化状态的转移率,确定不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益。换流阀的不同的劣化状态的期望收益为维持劣化状态所取得的运营收益;与劣化状态对应的状态监测的期望收益为实施状态监测的资金;与劣化状态对应状态检修决策的期望收益为实施检修决策的资金。
换流阀不同的劣化状态之间的转移率由历史统计数据得到,单位是/年。不同的劣化状态的期望收益是指换流阀维持该劣化状态可取得的运营收益,劣化状态监测的期望收益是指实施劣化状态监测消耗的资金,检修的期望收益是指实施不同检修手段消耗的资金。
确定基于马尔科夫过程的换流阀停留在不同的劣化状态的状态频率和在不同的劣化状态的平均持续时间。优选地,确定基于马尔科夫过程的换流阀停留在不同的劣化状态的状态频率和在不同的劣化状态的平均持续时间,包括:
根据马尔科夫随机过程模型描述换流阀的劣化过程,换流阀的劣化状态经过n步转以后进入的极限状态,是换流阀的劣化状态的平稳状态,进入劣化状态后的平稳状态概率是一个常数,平稳状态概率与换流阀的初始状态无关;
马尔科夫随机过程的线性微分方程组为:
其中,λij为转移率,P(t)为马尔科夫通用方程,t为时间;
通过求解以下线性方程组,获取平稳状态概率:
换流阀劣化过程达到平稳状态时,每单位时间里停留在劣化状态i的平均次数为换流阀在状态i的状态频率fi,状态i的持续时间Ti是指换流阀劣化过程达到平稳状态时,停留在状态i的平均持续时间,fij为j个转移到状态i的频率,其中
根据不同的劣化状态的平均持续时间确定换流阀的可用时间,以换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率。优选地,根据不同的劣化状态的平均持续时间确定换流阀的可用时间,以换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率,包括:
以换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数,B=f(γ),f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系,监测频率是变量,可用时间是应变量,最优监测频率γ满足:
γmin≤γ≤γmax,其中γmax、γmin分别为监测频率的最大值和最小值。
根据不同的劣化状态的平均持续时间确定换流阀的不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益总和,以换流阀的期望收益总和最高为目标建立状态检修决策模型,确定最优的状态检修决策。优选地,根据不同的劣化状态的平均持续时间确定换流阀的不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益总和,以换流阀的期望收益总和最高为目标,确定最优状态检修决策,包括:
以换流阀的期望收益总和最高为目标,确定最优状态检修决策模型的目标函数是:max{G},其中G是换流阀在整个寿命周期内,不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益总和。
函数求解的步骤如下:(1)首先给定迭代的初始决策,为减少迭代次数,简化迭代过程,本发明实施方式以每个劣化状态期望收益最大为原则给定初始检修策略;(2)改变检修策略并计算全寿命周期期望收益;(3)判断改变检修策略后换流阀劣化状态过程全寿命周期的期望收益是否最大,若不满足则重复第(2)步,如果迭代过程中出现前后两次的策略相同,则表明当前策略为最优检修策略,可以停止迭代。此时获得的检修策略即为换流阀劣化状态检修的最优策略。
优选地,换流阀的不同的劣化状态之间转换的时间服从指数分布,不同的劣化状态之间转换的概率恒定。
以下对本发明实施方式进一步举例说明:
图1为发明一实施方式的一种基于马尔科夫过程的换流阀状态监测和检修决策的方法流程图。本发明实施方式将换流阀的劣化状态过程等效成一个随机过程,建立如图2所示的换流阀劣化过程状态转移模型。模型中包括换流阀劣化过程的不同劣化阶段和故障状态,以及换流阀寿命周期中的劣化状态监测和检修决策。假定换流阀从当前劣化状态可以过渡到其它的状态,且各个劣化状态之间转换的时间满足指数分布,即劣化状态转移的概率是恒定的,那么换流阀下一个劣化状态仅与当前状态相关。指数分布是概率论和统计学中的一种连续概率分布,可以用来表示独立随机事件发生的时间间隔,其一个重要特性是无记忆性。
例如,劣化状态2发展到劣化状态3的状态转移概率是恒定的,劣化状态3仅与劣化状态2相关,与劣化状态1无关。
图2中以三个分离的劣化状态来表示换流阀的劣化过程,最终换流阀进入故障状态,故障后可更换新换流阀或维修恢复到最早的劣化状态。每个劣化状态对应有状态监测,通过监测可确定检修策略,经过检修后可使换流阀恢复到前一阶段的劣化状态。
劣化状态2对应进行状态监测2,经过监测后,检修人员决定采用检修手段2,通过检修的实施,使换流阀的状态从劣化状态2恢复到劣化状态1。
λn、δn、γn和μn分别表示不同状态之间的转移概率,其中,λn是指换流阀从劣化状态n发展到劣化状态n+1的转移概率。
δn是指对换流阀进行状态监测n后实施检修手段n的转移概率。
γn是指对换流阀的劣化状态n实施状态监测n的转移概率。
μn是指对换流阀实施检修手段n后换流阀恢复劣化状态n-1的转移概率。
由于对处于不同劣化状态下的换流阀进行状态监测后,会有不同的检修决策,采取不同的检修手段对换流阀运行的经济性有不同的影响,因此对不同状态给出期望收益来描述换流阀检修的经济性。
以劣化状态2为例,假如换流阀在劣化状态2下未采取状态监测2,则检修人员无法发现换流阀已处于劣化状态2,采用不同的状态监测需要的费用不相同。同样,假如采取了状态监测2,发现换流阀已处于劣化状态2,但检修人员并未决定实施检修手段2,那换流阀无法恢复到劣化状态1,不同的检修手段需要的费用也是不相同的。最终会引起期望收益不相同。
在建立换流阀劣化过程状态转移模型,确定各状态期望收益。及各劣化状态间的转移率之后,可求取换流阀劣化过程的平稳状态概率以及各劣化状态的平均持续时间。平稳状态概率表征换流阀劣化过程进入平稳状态后,即使再发生状态转移,换流阀劣化过程的各个状态的转移概率也不再发生变化。
在获得上述参数后,即各劣化状态的期望收益、各劣化状态的平均持续时间和劣化状态转移概率,可建立换流阀例行状态监测频率的优化模型,以换流阀可用时间最长为目标方程,应用优化方法求取最优例行状态监测频率。在确定例行检查频率后可建立换流阀状态检修优化决策模型并应用迭代法获得最优检修策略,其步骤如下:(1)首先给定迭代的初始决策,为减少迭代次数,简化迭代过程,本发明实施方式以每个劣化状态期望收益最大为原则给定初始检修策略;(2)改变检修策略并计算全寿命周期期望收益;(3)判断改变检修策略后换流阀劣化过程全寿命周期的期望收益是否最大,若不满足则重复第(2)步,如果迭代过程中出现前后两次的策略相同,则表明当前策略为最优检修策略,可以停止迭代。此时获得的检修策略即为换流阀状态检修的最优策略。
本发明提供的换流阀状态检修优化决策方法,在电力设备全寿命周期管理的背景下,用马尔科夫过程来描述换流阀的劣化过程,能够更为准确的对换流阀进行可靠性的量化评估,在进行检修策略优化时,综合考虑换流阀运行的可靠性和经济性,可以使检修效果更佳。
图3为根据本发明一实施方式的一种基于马尔科夫过程的换流阀状态监测和检修决策的***结构图。如图3所示,***300包括:
初始化单元301,初始化单元301用于确定描述换流阀的不同的劣化状态,根据不同的劣化状态,确定与劣化状态对应的状态监测和与劣化状态对应的状态检修决策;
获取单元302,获取单元302根据历史数据,获取换流阀的不同的劣化状态的转移率,确定不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益;
第一计算单元303,第一计算单元303用于确定基于马尔科夫过程的换流阀停留在不同的劣化状态的状态频率和在不同的劣化状态的平均持续时间;
第二计算单元304,第二计算单元304用于根据不同的劣化状态的平均持续时间确定换流阀的可用时间,以换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率;
第三计算单元305,第三计算单元305用于根据不同的劣化状态的平均持续时间确定换流阀的不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益总和,以换流阀的期望收益总和最高为目标,确定最优状态检修决策。
优选地,***300的换流阀的不同的劣化状态的期望收益为维持劣化状态所取得的运营收益;
与劣化状态对应的状态监测的期望收益为实施状态监测的资金;
与劣化状态对应状态检修决策的期望收益为实施检修决策的资金。
优选地,第一计算单元303还用于:
根据马尔科夫随机过程模型描述换流阀的劣化过程,换流阀的劣化状态经过n步转以后进入的极限状态,是换流阀的劣化状态的平稳状态,进入劣化状态后的平稳状态概率是一个常数,平稳状态概率与换流阀的初始状态无关;
马尔科夫随机过程的线性微分方程组为:
其中,λij为转移率,P(t)为马尔科夫通用方程,t为时间;
通过求解以下线性方程组,获取平稳状态概率:
换流阀劣化过程达到平稳状态时,每单位时间里停留在劣化状态i的平均次数为换流阀在状态i的状态频率fi,状态i的持续时间Ti是指换流阀劣化过程达到平稳状态时,停留在状态i的平均持续时间,fij为j个转移到状态i的频率,其中
优选地,第二计算单元304还用于:
以换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数,B=f(γ),f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系,监测频率是变量,可用时间是应变量,最优监测频率γ满足:
γmin≤γ≤γmax,其中γmax、γmin分别为监测频率的最大值和最小值。
优选地,第三计算单元305还用于:
以换流阀的期望收益总和最高为目标,确定最优状态检修决策模型的目标函数是:max{G},其中G是换流阀在整个寿命周期内,不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益总和。
优选地,***300的换流阀的不同的劣化状态之间转换的时间服从指数分布,不同的劣化状态之间转换的概率恒定。
发明一实施方式的一种基于马尔科夫过程的换流阀状态监测和检修决策的***300与本发明另一实施方式的一种基于马尔科夫过程的换流阀状态监测和检修决策的方法100相对应,在此不再进行赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
Claims (10)
1.一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法,所述方法包括:
确定描述换流阀的不同的劣化状态,根据所述不同的劣化状态,确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策;
根据历史数据,获取所述换流阀的不同的劣化状态的转移率,确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益;
确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间;
根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间,以所述换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率;
根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和,以所述换流阀的所述期望收益总和最高为目标建立状态检修决策模型,确定最优的状态检修决策;包括:以所述换流阀的所述期望收益总和最高为目标,确定最优状态检修决策模型的目标函数是:max{G},其中G是所述换流阀在整个寿命周期内,所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和。
2.根据权利要求1所述的方法,所述换流阀的所述不同的劣化状态的期望收益为维持所述劣化状态所取得的运营收益;
所述与劣化状态对应的状态监测的期望收益为实施所述状态监测的资金;
所述与劣化状态对应状态检修决策的期望收益为实施所述检修决策的资金。
3.根据权利要求1所述的方法,确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间,包括:
根据马尔科夫随机过程模型描述所述换流阀的劣化过程,所述换流阀的劣化状态经过n步转以后进入的极限状态,是所述换流阀的劣化状态的平稳状态,进入劣化状态后的平稳状态概率是一个常数,所述平稳状态概率与所述换流阀的初始状态无关;
马尔科夫随机过程的线性微分方程组为:
其中,λij为转移率,P(t)为马尔科夫通用方程,t为时间;
通过求解以下线性方程组,获取所述平稳状态概率:
所述换流阀劣化过程达到所述平稳状态时,每单位时间里停留在所述劣化状态i的平均次数为所述换流阀在状态i的状态频率fi,状态i的持续时间Ti是指所述换流阀劣化过程达到平稳状态时,停留在状态i的平均持续时间,fij为j个转移到状态i的频率,其中
4.根据权利要求1所述的方法,所述根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间,以所述换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率,包括:
以所述换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数,B=f(γ),f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系,监测频率是变量,可用时间是应变量,最优监测频率γ满足:
γmin≤γ≤γmax,其中γmax、γmin分别为监测频率的最大值和最小值。
5.根据权利要求1所述的方法,所述换流阀的所述不同的劣化状态之间转换的时间服从指数分布,所述不同的劣化状态之间转换的概率恒定。
6.一种基于马尔科夫过程的换流阀状态监测和状态检修决策的***,所述***包括:
初始化单元,所述初始化单元用于确定描述换流阀的不同的劣化状态,根据所述不同的劣化状态,确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策;
获取单元,所述获取单元根据历史数据,获取所述换流阀的不同的劣化状态的转移率,确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益;
第一计算单元,所述第一计算单元用于确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间;
第二计算单元,所述第二计算单元用于根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间,以所述换流阀可用时间最长为目标建立状态监测频率模型,确定最优的状态监测频率;
第三计算单元,所述第三计算单元用于根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和,以所述换流阀的所述期望收益总和最高为目标,确定最优状态检修决策;所述第三计算单元还用于:
以所述换流阀的所述期望收益总和最高为目标,确定最优状态检修决策模型的目标函数是:max{G},其中G是所述换流阀在整个寿命周期内,所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和。
7.根据权利要求6所述的***,所述换流阀的所述不同的劣化状态的期望收益为维持所述劣化状态所取得的运营收益;
所述与劣化状态对应的状态监测的期望收益为实施所述状态监测的资金;
所述与劣化状态对应状态检修决策的期望收益为实施所述检修决策的资金。
8.根据权利要求6所述的***,所述第一计算单元还用于:
根据马尔科夫随机过程模型描述所述换流阀的劣化过程,所述换流阀的劣化状态经过n步转以后进入的极限状态,是所述换流阀的劣化状态的平稳状态,进入劣化状态后的平稳状态概率是一个常数,所述平稳状态概率与所述换流阀的初始状态无关;
马尔科夫随机过程的线性微分方程组为:
其中,λij为转移率,P(t)为马尔科夫通用方程,t为时间;
通过求解以下线性方程组,获取所述平稳状态概率:
所述换流阀劣化过程达到所述平稳状态时,每单位时间里停留在所述劣化状态i的平均次数为所述换流阀在状态i的状态频率fi,状态i的持续时间Ti是指所述换流阀劣化过程达到平稳状态时,停留在状态i的平均持续时间,fij为j个转移到状态i的频率,其中
9.根据权利要求6所述的***,所述第二计算单元还用于:
以所述换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数,B=f(γ),f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系,监测频率是变量,可用时间是应变量,最优监测频率γ满足:
γmin≤γ≤γmax,其中γmax、γmin分别为监测频率的最大值和最小值。
10.根据权利要求6所述的***,所述换流阀的所述不同的劣化状态之间转换的时间服从指数分布,所述不同的劣化状态之间转换的概率恒定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710338753.7A CN107220712B (zh) | 2017-05-15 | 2017-05-15 | 一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710338753.7A CN107220712B (zh) | 2017-05-15 | 2017-05-15 | 一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107220712A CN107220712A (zh) | 2017-09-29 |
CN107220712B true CN107220712B (zh) | 2021-11-26 |
Family
ID=59945550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710338753.7A Active CN107220712B (zh) | 2017-05-15 | 2017-05-15 | 一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107220712B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320048A (zh) * | 2018-01-05 | 2018-07-24 | 中车青岛四方机车车辆股份有限公司 | 一种车轮镟修策略优化方法及装置 |
CN108845202B (zh) * | 2018-06-15 | 2020-11-17 | 国网山东省电力公司经济技术研究院 | 一种计及多种故障模式间机会维修的变压器状态检修方法 |
CN110018371B (zh) * | 2019-03-28 | 2021-08-24 | 国网山东省电力公司青岛供电公司 | 换流站主设备状态检修***及其实现方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222170A (zh) * | 2011-06-21 | 2011-10-19 | 重庆大学 | 一种换流变***可靠性评估的马尔可夫状态空间图方法 |
CN105182749A (zh) * | 2015-09-02 | 2015-12-23 | 湘潭大学 | 基于马尔科夫决策过程的变流器统一控制策略的方法 |
CN106447201A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于马尔可夫决策过程的输变电设备最佳检修决策方法 |
CN106647263A (zh) * | 2016-12-01 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用等劣化理论和设备风险的电力设备检修决策方法 |
-
2017
- 2017-05-15 CN CN201710338753.7A patent/CN107220712B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222170A (zh) * | 2011-06-21 | 2011-10-19 | 重庆大学 | 一种换流变***可靠性评估的马尔可夫状态空间图方法 |
CN105182749A (zh) * | 2015-09-02 | 2015-12-23 | 湘潭大学 | 基于马尔科夫决策过程的变流器统一控制策略的方法 |
CN106447201A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于马尔可夫决策过程的输变电设备最佳检修决策方法 |
CN106647263A (zh) * | 2016-12-01 | 2017-05-10 | 贵州电网有限责任公司电力科学研究院 | 一种利用等劣化理论和设备风险的电力设备检修决策方法 |
Non-Patent Citations (1)
Title |
---|
基于Markov过程的电网资产全寿命周期管理的理论研究;吕翔;《工程科技Ⅱ辑 中国优秀硕士论文全文数据库》;20130228;正文第7-53页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107220712A (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Joint optimization of condition-based opportunistic maintenance and spare parts provisioning policy in multiunit systems | |
CN105096053B (zh) | 一种适用于复杂工艺***的健康管理决策方法 | |
CN107220712B (zh) | 一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及*** | |
CN111539515A (zh) | 一种基于故障预测的复杂装备维修决策方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及*** | |
CN105825279A (zh) | 一种基于预测的多部件***成组维修决策方法和装置 | |
CN111652461A (zh) | 基于sae-hmm的航空发动机连续健康状态评估方法 | |
CN103810328A (zh) | 一种基于混合模型的变压器维修决策方法 | |
US11120350B2 (en) | Multilevel pattern monitoring method for industry processes | |
CN112598144B (zh) | 基于相关性分析的cnn-lstm突发故障预警方法 | |
CN103679280A (zh) | 一种性能缓变退化的设备最优维护方法 | |
CN106682159A (zh) | 一种阈值配置方法 | |
Li et al. | Preventive maintenance decision model of urban transportation system equipment based on multi-control units | |
CN106649755A (zh) | 一种多维度实时变电设备数据的阈值自适应设置异常检测方法 | |
CN104899646A (zh) | 一种多设备混联***的预测性维护方法 | |
CN117354171A (zh) | 基于物联网平台的平台健康状况预警方法及*** | |
CN112287624A (zh) | 基于生存分析加go法的继电保护***可靠性评价方法 | |
CN104218571A (zh) | 一种风力发电设备的运行状态评估方法 | |
CN111598328A (zh) | 一种计及疫情事件的电力负荷预测方法 | |
CN105404940B (zh) | 一种面向船舶使用阶段的维修资源预测方法 | |
CN117696224A (zh) | 一种基于大模型的磨矿优化处理*** | |
CN103985059A (zh) | 一种基于模糊故障率的电网变压器运行风险评估方法 | |
CN117154945A (zh) | 基于云计算技术的变配电站智能监测方法 | |
Moslemi et al. | A machine learning based demand charge management solution | |
CN111861181A (zh) | 一种数字能源产品智造生产***及生产线制定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |