CN115660631A - 一种基于修正权重故障树模型的配电终端状态评估方法 - Google Patents
一种基于修正权重故障树模型的配电终端状态评估方法 Download PDFInfo
- Publication number
- CN115660631A CN115660631A CN202211039556.2A CN202211039556A CN115660631A CN 115660631 A CN115660631 A CN 115660631A CN 202211039556 A CN202211039556 A CN 202211039556A CN 115660631 A CN115660631 A CN 115660631A
- Authority
- CN
- China
- Prior art keywords
- fault
- tree model
- fault tree
- power distribution
- distribution terminal
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 89
- 238000011156 evaluation Methods 0.000 title claims abstract description 29
- 206010048669 Terminal state Diseases 0.000 title claims abstract description 21
- 238000012937 correction Methods 0.000 title claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000005065 mining Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 abstract 1
- 238000012423 maintenance Methods 0.000 description 25
- 230000004927 fusion Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000011664 signaling Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
Images
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于修正权重故障树模型的配电终端状态评估方法，方法包括：获取配电终端的多维度影响因素，根据所述多维度影响因素构建故障树模型，其中，所述故障树模型包括故障类型和功能模块，所述功能模块用于维持配电终端保持正常工作状态；通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度；基于所述关联度对故障树模型进行修正，形成带权重的故障树模型；通过所述带权重的故障树模型对配电终端进行状态评估。本发明能够对配电终端状态进行有效评估。本发明可类推应用至一二次融合成套设备等其他配电领域的终端设备。
Description
技术领域
本发明涉及电力***智能运维技术领域，特别是涉及一种基于修正权重故障树模型的配电终端状态评估方法。
背景技术
近年来，随着电力物联网的建设，配电网也由原来的传输电能、服务客户逐步演进为全面感知、数据融合和智能应用的配电物联网阶段。配电物联网是传统工业技术与物联网技术深度融合产生的一种新型电力网络形态，通过配电网设备间的全面互联、互通、互操作，实现配电网精益化管理需求。在配电物联网中实现监测控制的智能终端，其内涵与特征也在发生变化。传统配电网智能终端大多都是为了实现某一特定功能而单独设计，实现功能提前预设且相对固定，如监视采集客户用电量、监控配电开关状态、监测配电设施环境状态信息等。基于各终端业务功能，命名了如站所终端(DTU)、馈线终端(FTU)、智能配变终端(TTU)等分类。配电物联网终端对数据的采集、共享要求显著提高，配变智能终端是业务终端，更是数据终端以及通信网关，故终端要具备强大的数据处理能力和信息交互能力。同时终端的业务能力要更加开放，具备多业务开发、处理的能力。
目前配电终端接入配置领域还存在不足，大量配电终端设备需要通过人工调试、手动配置、数据对点、设备信息关联、核查/校验等一系列人工(或半自动)操作实现与远方主站***的通信连接和运行预配置。配电终端作为智能配电网的关键设备之一，通过通信***既可以完成相互之间的信息交互，又能够与配电主站进行信息交互。然而当前配电网建设中，配电终端设备的运维等方面存在以下问题：设备安装调试、运行维护工作量巨大：由于配电终端数量多、分布范围广，且无法实现即插即用和互连互换，因此目前配电自动化***安装调试及运行维护工作量巨大，效率低下。这种缺乏动态自适应技术特点的生产协作方式耗费了大量人力成本，也给后期设备运维工作带来很多不便。分散式站所终端作为一种重要的配电终端，以后将被广泛接入电网并使用。
发明内容
本发明所要解决的技术问题是提供一种基于修正权重故障树模型的配电终端状态评估方法，能够对配电终端状态进行有效评估，并且可类推应用至一二次融合成套设备等其他配电领域的终端设备。
本发明解决其技术问题所采用的技术方案是：提供一种基于修正权重故障树模型的配电终端状态评估方法，包括：
获取配电终端的多维度影响因素，根据所述多维度影响因素构建故障树模型，其中，所述故障树模型包括故障类型和功能模块，所述功能模块用于维持配电终端保持正常工作状态；
通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度；
基于所述关联度对故障树模型进行修正，形成带权重的故障树模型；
通过所述带权重的故障树模型对配电终端进行状态评估。
所述故障树模型具体包括终端故障，所述终端故障通过或门连接有若干故障类型，每个所述故障类型通过或门连接有若干功能模块。
所述故障树模型通过
来表示配电终端的可靠性，其中，f为故障类型，i为可能引起故障类型f的所有功能模块，Ri为功能模块i的可靠度且
MTTFi为功能模块i的平均故障时间，MTTRi为功能模块i的平均修复时间。
所述通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度，公式为：
其中，wi,f为功能模块i与故障类型f间的关联度，T(i∩f)为功能模块i与故障类型f同时出现在故障数据中的条数，T(f)为出现故障类型f的条数。
所述基于所述关联度对故障树模型进行修正，形成带权重的故障树模型，包括：
将所述故障树模型中的故障类型和功能模块之间的关联度进行归一化，得到归一化关联度；
计算所述故障树模型中的故障类型的重要度；
基于所述归一化关联度和所述重要度形成带权重的故障树模型。
所述带权重的故障树模型通过
来表示配电终端的可靠性，其中，wf为故障类型f的重要度且
T(f)为出现故障类型f的条数，
为所有故障的条目数，j为不同的故障类型，
为功能模块i与故障类型f间的归一化关联度且
为引起故障类型f的所有模块i的关联度之和，Ri为功能模块i 的可靠度。
还包括通过定期更新所述功能模块i的可靠度Ri、功能模块i与故障类型f间的归一化关联度
故障类型f的重要度wf来提高配电终端的可靠性。
本发明解决其技术问题所采用的技术方案是：提供一种基于修正权重故障树模型的配电终端状态评估装置，包括：
获取单元：用于获取配电终端的多维度影响因素，根据所述多维度影响因素构建故障树模型，其中，所述故障树模型包括故障类型和功能模块，所述功能模块用于维持配电终端保持正常工作状态；
计算单元：用于通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度；
修正单元：用于基于所述关联度对故障树模型进行修正，形成带权重的故障树模型；
评估单元：用于通过所述带权重的故障树模型对配电终端进行状态评估。
本发明解决其技术问题所采用的技术方案是：提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于修正权重故障树模型的配电终端状态评估方法的步骤。
本发明解决其技术问题所采用的技术方案是：提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述基于修正权重故障树模型的配电终端状态评估方法的步骤。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明提出的配电终端状态评估方法首次基于一二次融合分散式站所终端物理模型构建了适用于一二次融合分散式站所终端的故障树模型，该故障数模型通过分析导致各类型故障的功能模块，将各功能模块的可靠性映射到终端整体可靠性指标中；本发明的配电终端实时采集的自检、状态等信息以实时在线的方式反映着设备的健康状况，日常巡检记录和检修历史数据以离线录入的方式反映着终端设备时间历史状态和家族性健康状态，因此可采用配电终端实时采集的数据和日常巡检记录、检修历史数据等离线数据两者相结合的方式构建终端状态多维度评价指标体系，从而确定终端状态多维度影响因素，进而融合专家经验构建了终端的故障树模型；本发明充分利用关联关系挖掘算法设计所述故障类型和功能模块之间的关联度、计算故障类型-功能模块关联度归一化指标与故障重要度指标，然后融合形成具有修正权重的终端设备故障树模型。由于实际运行中，并非所有终端模块发生故障的概率、所有功能故障发生的概率都是相等的。因此，故障树各层级间是需要设置一定权重的，将底层模块的可靠性通过与/非/否逻辑门映射到顶层故障事件或从顶层故障事件追溯到底层模块需要按一定的比例分摊故障概率。本发明根据配电终端的历史故障数据计算出各故障类型与终端各功能模块的置信度关系；针对频繁发生的故障，设置较高的权重，最终反映到终端整体的可靠性程度上。
附图说明
图1是本发明实施方式的方法流程图；
图2是本发明实施方式的一二次融合配电终端设备状态的多维度影响因素示意图；
图3是本发明实施方式的一二次融合分散式站所终端物理模型结构示意图；
图4是本发明实施方式的一二次融合分散式站所终端故障树模型示意图；
图5是本发明实施方式的故障类型与功能模块间的关联关系示意图；
图6是本发明实施方式的一二次融合分散式站所终端可靠性曲线图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于修正权重故障树模型的配电终端状态评估方法，本实施方式中的配电终端包括但不限于一二次融合柱上开关、一二次融合配电终端设备、站所终端，请参阅图1，主要包括以下步骤：
(1)本实施方式以一二次融合配电终端设备中的分散式站所终端为例，构建终端物理结构，融合主观经验与客观数据，建立一二次融合配电终端设备的状态多维度评估体系，根据状态多维度评估体系确定一二次融合配电终端设备的多维度影响因素，根据一二次融合配电终端设备的多维度影响因素构建故障树模型；其中，所述故障树模型包括故障类型和功能模块；
(2)通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度；
(3)基于所述关联度对故障树模型进行修正，形成带权重的故障树模型；
(4)利用带权重的故障树模型对一二次融合配电终端设备进行状态评估，以支持日常状态运维与故障运维。
步骤(1)具体如下：
一二次融合配电终端设备实时采集的自检、状态等信息以实时在线的方式反映着设备的健康状况，日常巡检记录和检修历史数据以离线录入的方式反映着终端设备时间历史状态和家族性健康状态。因此，可采用在线和离线两者相结合的方式构建一二次融合配电终端状态多维度评价指标体系，从而确定一二次融合配电终端设备状态的多维度影响因素。如图2所示，多维度影响因素主要分为四个部分：设备本体运行状态因素、时间因素、环境因素、检修历史，其中，检修历史包括家族缺陷、检修次数以及故障发生的历史记录；时间因素包括设备新旧程度和设备运行年限；环境因素包括温度变化和湿度变化；设备本体运行状态因素包括一二次回路、电源、通信、二次终端本体运行等。
一二次融合配电终端设备分为馈线终端、站所终端和配变终端。其中，站所终端根据布置方式分为集中式和分散式。集中式站所终端是指站所终端各组成模块采用集中组屏安装型式。分散式站所终端是指站所终端由若干个间隔单元和公共单元组成，本实施方式以分散式站所终端为例，其环网柜内部组成如图3所示。
在图3中，间隔单元安装在各环网柜间隔柜内的二次室，公共单元和电源模块等组成公共单元柜，相互配合共同完成一二次融合配电终端设备功能。公共单元配有安装于通信室的无线通信模块，通信室(光纤通信箱)安装在公共单元柜上方。公共单元具有光纤与无线两种远方通信模式，目前大部分采用无线公网与主站进行通信。
从功能角度看，分散式站所终端可视为一种模块化及分布式结构的配电二次监控设备。间隔单元的主要构成包括用于与公共单元通信的通信模块、用于采集一次侧模拟量与状态量的开入模块、用于输出一次侧控制信号的开出模块、用于计算处理与存储数据的中央处理单元、用于与GPS时钟统一对时的对时模块。公共单元与间隔单元间通过交换机连接。
具体地，多个间隔单元通过交换机将各自采集的一次侧的电流电压信息与开关状态信息，上送到公共单元汇总，再通过无线/光纤上送至主站。主站的控制指令通过无线/光纤下发至公共单元，经公共单元分发至控制指令对应的间隔单元实现对一次设备的操作。
本实施方式以分散式站所终端为例，构建的故障树模型具体如下：
如图4所示，各功能模块与故障类型之间通过或门连接，表示任意一个功能模块发生故障都会导致对应功能故障，同时任意一个功能故障发生即认为是终端故障。如遥信故障可能由于“公共单元无线通信模块”未上送主站数据、“开入模块”接触不良、“间隔与公共单元间的通信模块”丢包堵塞等导致遥信数据不及时、“对时模块”存在错误导致遥信数据不及时等故障引起。通过故障树模型可将分散式站所终端的可靠性表示为：
其中，f为故障类型，i为可能引起故障类型f的所有功能模块，Ri为功能模块i的可靠度，Ri可通过下式计算得到：
其中，MTTFi为功能模块i的平均故障时间，MTTRi为功能模块i的平均修复时间。上式Ri的含义为：只有所有可能引起某故障的功能模块i都可靠，那么该故障就不会发生；只有所有故障都“可靠”(都不会发生)，那么分散式站所终端就不会出现故障。
步骤(2)具体如下：
基于步骤(1)构建的分散式站所终端故障树模型中第二层“故障类型”与底层“功能模块”之间存在一定的关联关系。如图4中的遥信故障可能由于“公共单元”未上送主站数据、“开入模块”接触不良、“间隔与公共单元间的通信模块”丢包堵塞等导致遥信数据不及时、“对时模块”存在错误导致遥信数据不及时等故障引起。遥测故障、零序过流告警多与厂家家族性缺陷有关。遥控故障主要原因在于开关机构卡涩(一次设备故障)、通信问题(间隔单元与公共单元间的通信模块故障)。终端频繁离线原因较多，包括蓄电池(电源模块)耗尽或故障、硬件损坏、终端程序死机(软件运行状态)、无线信号质量较差、通信参数配置错误等等。实际检修时，运维人员大多依靠专家经验一一排查可能引发故障的因素，不仅效率低，也对人员的专业水平要求较高，增加了运维工作的压力。因此，本实施方式采用关联关系挖掘算法，根据历史故障、运维数据等提炼出的经验，分析故障类型与功能模块之间的关联关系。
具体地，收集终端历史运维记录数据，提取关键信息“故障类型”与“功能模块”，分别记为FT与FP。采用关联关系挖掘算法，分析故障类型与功能模块之间的关系，设计关联度指标，计算方法如下：
其中，wi,f为功能模块i与故障类型f间的关联度，T(i∩f)为功能模块i与故障类型f 同时出现在故障数据中的条数，T(f)为出现故障类型f的条数。
然而，实际情况容易出现一个故障类型f与多个功能模块i相关的情况(即一个故障类型f由多个功能模块i引起)，那么此时求出的引起故障类型f的所有功能模块i的权重w之和大于1(因为一个故障类型f由多个功能模块i引起，就会重复计数，权重和自然大于1)，因此，对关联度进行归一化形成故障类型f-功能模块i归一化关联度指标：
其中，
为功能模块i与故障类型f间的归一化关联度，
表示引起故障类型f 的所有功能模块i的关联度之和。
此外，各类故障类型f发生的频率也不相同，例如频繁离线故障相比遥控故障就更常发生。因此，本实施方式还考虑了各故障类型f发生的频率，设计故障重要度，公式如下：
其中，wf为故障类型f的重要度，
为所有故障类型f的条目数，j为不同的故障类型。
步骤(3)具体如下：
融合步骤(1)中的故障树模型与步骤(2)中的关联度，修正故障树模型以形成带权重的故障树模型，最终一二次融合分散式站所终端可靠性如下：
步骤(4)具体如下：
利用带权重的故障树模型实现分散式站所终端状态自评估，以支持日常状态运维与故障运维。
进一步地，本实施方式基于定期运维数据更新各功能模块i的可靠度Ri、功能模块i与故障类型f间的归一化关联度
以及故障类型f的重要度wf，来提高一二次融合配电终端设备的可靠性。推荐定期运维更新频次为一月一次。
通过这种方法，可增加一二次融合分散式站所终端可靠性模型的自生长、自适应性。将更可能出问题的功能模块i(关联度)与更可能发生的故障类型f(重要度)映射到总的分散式站所终端可靠性指标上，进而增加一二次融合分散式站所终端状态自评价的准确度。
以下通过一个具体的实施方式进一步说明本发明：
(1)以分散式站所终端为例：收集一二次融合分散式站所终端历史运维数据进行案例分析。终端历史运维数据是指短期内(一年内)供电公司运维人员的检修记录，通常包含故障类型、故障处理措施、故障模块等信息。根据江苏省某地区提供的2021年6月至 12月一二次融合分散式站所终端历史运维数据共2724条对终端可靠性进行分析。
(2)根据江苏省某地区提供的2021年6月至12月一二次融合分散式站所终端历史运维数据共2724条，通过Python编写算法处理数据，分析配电终端可靠性。
(3)一二次融合分散式站所终端故障树模型已在发明内容步骤(1)提及。根据终端历史运维数据求得各功能模块i可靠性如表1所示：
表1功能模块i的可靠性计算结果
| 模块 | 可靠性/％ |
| 中央处理单元 | 91.2 |
| 公共单元 | 77.5 |
| 开入模块 | 80.4 |
| 开出模块 | 83.6 |
| 对时模块 | 86.8 |
| 通信模块 | 82.9 |
| 电源模块 | 97.8 |
进一步地，得到的故障类型f与功能模块i间的关联关系如图5所示。
基于故障树模型及关联关系分析结果，修正故障树模型如下：
根据终端历史运维数据，故障重要度wf计算结果如表2所示：
表2故障重要度wf计算结果
故障-模块关联度归一化指标
计算结果如表3所示下：
表3关联度归一化指标
计算结果
(4)利用带权重的故障树对一二次融合分散式站所终端进行状态评估，可生成一二次融合分散式站所终端可靠性曲线，详见图6。
本实施方式还涉及一种基于修正权重故障树模型的配电终端状态评估装置，包括：
获取单元：用于获取配电终端的多维度影响因素，根据所述多维度影响因素构建故障树模型，其中，所述故障树模型包括故障类型和功能模块，所述功能模块用于维持配电终端保持正常工作状态；
计算单元：用于通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度；
修正单元：用于基于所述关联度对故障树模型进行修正，形成带权重的故障树模型；
评估单元：用于通过所述带权重的故障树模型对配电终端进行状态评估。
在获取单元中，所述故障树模型具体包括终端故障，所述终端故障通过或门连接有若干故障类型，每个所述故障类型通过或门连接有若干功能模块。
在获取单元中，所述故障树模型通过
来表示配电终端的可靠性，其中，f 为故障类型，i为可能引起故障类型f的所有功能模块，Ri为功能模块i的可靠度且
MTTFi为功能模块i的平均故障时间，MTTRi为功能模块i的平均修复时间。
在计算单元中，所述通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度，公式为：
其中，wi,f为功能模块i与故障类型f间的关联度，T(i∩f)为功能模块i与故障类型f同时出现在故障数据中的条数，T(f)为出现故障类型 f的条数。
在修正单元中，所述基于所述关联度对故障树模型进行修正，形成带权重的故障树模型，包括：
将所述故障树模型中的故障类型和功能模块之间的关联度进行归一化，得到归一化关联度；
计算所述故障树模型中的故障类型的重要度；
基于所述归一化关联度和所述重要度形成带权重的故障树模型。
在修正单元中，所述带权重的故障树模型通过
来表示配电终端的可靠性，其中，wf为故障类型f的重要度且
T(f)为出现故障类型f的条数，
为所有故障的条目数，j为不同的故障类型，
为功能模块i与故障类型f间的归一化关联度且
为引起故障类型f的所有模块i的关联度之和，Ri为功能模块i的可靠度。
本实施方式还包括更新单元：用于通过定期更新所述功能模块i的可靠度Ri、功能模块i与故障类型f间的归一化关联度
故障类型f的重要度wf来提高配电终端的可靠性。
本发明的实施方式涉及一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例所述基于修正权重故障树模型的配电终端状态评估方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于修正权重故障树模型的配电终端状态评估方法，其特征在于，包括：
获取配电终端的多维度影响因素，根据所述多维度影响因素构建故障树模型，其中，所述故障树模型包括故障类型和功能模块，所述功能模块用于维持配电终端保持正常工作状态；
通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度；
基于所述关联度对故障树模型进行修正，形成带权重的故障树模型；
通过所述带权重的故障树模型对配电终端进行状态评估。
2.根据权利要求1所述的基于修正权重故障树模型的配电终端状态评估方法，其特征在于，所述故障树模型具体包括终端故障，所述终端故障通过或门连接有若干故障类型，每个所述故障类型通过或门连接有若干功能模块。
3.根据权利要求1所述的基于修正权重故障树模型的配电终端状态评估方法，其特征在于，所述故障树模型通过
来表示配电终端的可靠性，其中，f为故障类型，i为可能引起故障类型f的所有功能模块，Ri为功能模块i的可靠度且
MTTFi为功能模块i的平均故障时间，MTTRi为功能模块i的平均修复时间。
4.根据权利要求1所述的基于修正权重故障树模型的配电终端状态评估方法，其特征在于，所述通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度，公式为：
其中，wi,f为功能模块i与故障类型f间的关联度，T(i∩f)为功能模块i与故障类型f同时出现在故障数据中的条数，T(f)为出现故障类型f的条数。
5.根据权利要求4所述的基于修正权重故障树模型的配电终端状态评估方法，其特征在于，所述基于所述关联度对故障树模型进行修正，形成带权重的故障树模型，包括：
将所述故障树模型中的故障类型和功能模块之间的关联度进行归一化，得到归一化关联度；
计算所述故障树模型中的故障类型的重要度；
基于所述归一化关联度和所述重要度形成带权重的故障树模型。
6.根据权利要求2所述的基于修正权重故障树模型的配电终端状态评估方法，其特征在于，所述带权重的故障树模型通过
来表示配电终端的可靠性，其中，wf为故障类型f的重要度且
T(f)为出现故障类型f的条数，
为所有故障的条目数，j为不同的故障类型，
为功能模块i与故障类型f间的归一化关联度且
为引起故障类型f的所有模块i的关联度之和，Ri为功能模块i的可靠度。
7.根据权利要求6所述的基于修正权重故障树模型的配电终端状态评估方法，其特征在于，还包括通过定期更新所述功能模块i的可靠度Ri、功能模块i与故障类型f间的归一化关联度w～i,f、故障类型f的重要度wf来提高配电终端的可靠性。
8.一种基于修正权重故障树模型的配电终端状态评估装置，其特征在于，包括：
获取单元：用于获取配电终端的多维度影响因素，根据所述多维度影响因素构建故障树模型，其中，所述故障树模型包括故障类型和功能模块，所述功能模块用于维持配电终端保持正常工作状态；
计算单元：用于通过关联关系挖掘算法计算所述故障树模型中故障类型与功能模块的关联度；
修正单元：用于基于所述关联度对故障树模型进行修正，形成带权重的故障树模型；
评估单元：用于通过所述带权重的故障树模型对配电终端进行状态评估。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述基于修正权重故障树模型的配电终端状态评估方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述基于修正权重故障树模型的配电终端状态评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211039556.2A CN115660631A (zh) | 2022-08-29 | 2022-08-29 | 一种基于修正权重故障树模型的配电终端状态评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211039556.2A CN115660631A (zh) | 2022-08-29 | 2022-08-29 | 一种基于修正权重故障树模型的配电终端状态评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115660631A true CN115660631A (zh) | 2023-01-31 |
Family
ID=84983615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211039556.2A Pending CN115660631A (zh) | 2022-08-29 | 2022-08-29 | 一种基于修正权重故障树模型的配电终端状态评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115660631A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116148600A (zh) * | 2023-04-20 | 2023-05-23 | 清华大学 | 航空发动机加力线路故障定位模型校正方法、装置和设备 |
| CN117743805A (zh) * | 2024-02-19 | 2024-03-22 | 浙江浙能技术研究院有限公司 | 基于健康度评估反馈的发电机励磁***分层级判别方法 |
-
2022
- 2022-08-29 CN CN202211039556.2A patent/CN115660631A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116148600A (zh) * | 2023-04-20 | 2023-05-23 | 清华大学 | 航空发动机加力线路故障定位模型校正方法、装置和设备 |
| CN117743805A (zh) * | 2024-02-19 | 2024-03-22 | 浙江浙能技术研究院有限公司 | 基于健康度评估反馈的发电机励磁***分层级判别方法 |
| CN117743805B (zh) * | 2024-02-19 | 2024-04-30 | 浙江浙能技术研究院有限公司 | 基于健康度评估反馈的发电机励磁***分层级判别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115660631A (zh) | 一种基于修正权重故障树模型的配电终端状态评估方法 | |
| CN107358366B (zh) | 一种配电变压器故障风险监测方法及*** | |
| CN108345282B (zh) | 一种基于人工智能的泵站运行异常诊断方法及*** | |
| CN110807550B (zh) | 基于神经网络的配变重过载识别预警方法及终端设备 | |
| CN109298379B (zh) | 一种基于数据监测的智能电表现场误差异常的识别方法 | |
| CN102122431B (zh) | 用电信息采集终端的故障智能诊断方法及*** | |
| CN111209274B (zh) | 一种数据质量检核方法、***、设备及可读存储介质 | |
| AU2022204116A1 (en) | Verification method for electrical grid measurement data | |
| CN103926490A (zh) | 一种具有自学习功能的电力变压器综合诊断方法 | |
| CN109949178B (zh) | 一种基于支持向量机中压配网停电事件判断及补全方法 | |
| CN117035513A (zh) | 一种智慧工业园区能源运行智能监测管理***及方法 | |
| CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
| CN112560214A (zh) | 变电站母线平衡故障诊断方法、***、设备及存储介质 | |
| CN102800030A (zh) | 地区电网继电保护设备综合可靠性互动迭代评估方法 | |
| CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与*** | |
| CN109284837A (zh) | 一种配电自动化终端运维评价方法与*** | |
| CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及*** | |
| CN110443481A (zh) | 基于混合k-近邻算法的配电自动化终端状态评价***及方法 | |
| CN111984656B (zh) | 智能变电站自动化设备基础数据关键参数校核方法及*** | |
| CN109523030A (zh) | 一种基于机器学习的遥测参数异常监测*** | |
| CN113869633A (zh) | 一种配电网多源数据质量管控方法 | |
| CN112700082A (zh) | 变电站关口计量大数据分析与在线监测***和方法 | |
| CN112036712A (zh) | 一种配电终端状态评价指标权重分配方法 | |
| CN109683565A (zh) | 一种基于多方法融合的仪器仪表故障检测方法 | |
| CN107748701B (zh) | 一种电能计量自动化***的可靠性分析方法 |
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 |