CN115829543B - 基于故障需检区间的电力设备预防性试验有效性确定方法 - Google Patents
基于故障需检区间的电力设备预防性试验有效性确定方法 Download PDFInfo
- Publication number
- CN115829543B CN115829543B CN202211480777.3A CN202211480777A CN115829543B CN 115829543 B CN115829543 B CN 115829543B CN 202211480777 A CN202211480777 A CN 202211480777A CN 115829543 B CN115829543 B CN 115829543B
- Authority
- CN
- China
- Prior art keywords
- power equipment
- preventive test
- fault
- distribution function
- preventive
- 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
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)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请涉及一种基于故障需检区间的电力设备预防性试验有效性确定方法。所述方法包括：获取电力***中同一类型的各电力设备对应的电力设备运行参数；根据各电力设备投运时间以及各电力设备退役时间，得到任意一个电力设备对应的电力设备损耗分布函数；根据电力设备描述信息，确定电力设备对应的故障需检时间区间；根据电力设备运行特征数据以及预防性试验标准数据，得到电力设备对应的预防性试验周期；将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的预防性试验故障信息；预防性试验故障概率表征预设的时间段内发生故障的概率。采用本方法能够提升电力设备的预防性试验得到的结果的准确率。
Description
技术领域
本申请涉及电力安全技术领域，特别是涉及一种基于故障需检区间的电力设备预防性试验有效性确定方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电力安全技术的发展，出现了电力设备运维检修技术，该技术的应用的核心为预防性试验，目的是为了发现运行中设备的隐患，预防发生事故或设备损坏，对设备进行的检查、试验或监测。作为电力设备管理工作的重要组成部分，其目的在于检查电气设备在长期运行过程中是否保持良好状态，掌握电气设备状况，发现电气设备的潜伏性故障。目前，定期的预防性试验是提前发现故障隐患，提高电力供应可靠性的重要手段。
预防性试验的周期对于能否发现故障隐患存在较大影响，提前发现故障隐患决定着预防性试验的有效性。但是，传统技术中对于电力设备预防性试验有效性的处理方法收集电力***中各个设备的固有参数，通过这些参数以及对应的数学模型进行计算，然而，电力设备中的各个参数为出场时期的固定值，例如：电阻，但是在运行的过程中由于设备的老化而改变，导致进行预防性试验得到的结果准确率低下。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高预防性试验得到的结果准确率的基于故障需检区间的电力设备预防性试验有效性确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种基于故障需检区间的电力设备预防性试验有效性确定方法。所述方法包括：获取电力***中同一类型的各电力设备对应的电力设备运行参数；所述电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；根据各所述电力设备投运时间以及各所述电力设备退役时间，得到任意一个所述电力设备对应的电力设备损耗分布函数；根据所述电力设备描述信息，确定所述电力设备对应的故障需检时间区间；所述电力设备描述信息通过所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；根据所述电力设备运行特征数据以及所述预防性试验标准数据，得到所述电力设备对应的预防性试验周期；将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的预防性试验故障信息；所述预防性试验故障概率表征所述电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
第二方面，本申请还提供了一种基于故障需检区间的电力设备预防性试验有效性确定装置。所述装置包括：电设备运行参数获取模块，用于获取电力***中同一类型的各电力设备对应的电力设备运行参数；所述电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；电力设备损耗分布函数得到模块，用于根据各所述电力设备投运时间以及各所述电力设备退役时间，得到任意一个所述电力设备对应的电力设备损耗分布函数；故障需检时间区间确定模块，用于根据所述电力设备描述信息，确定所述电力设备对应的故障需检时间区间；所述电力设备描述信息通过所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；预防性试验周期得到模块，用于根据所述电力设备运行特征数据以及所述预防性试验标准数据，得到所述电力设备对应的预防性试验周期；预防性试验故障信息得到模块，用于将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的预防性试验故障信息；所述预防性试验故障概率表征所述电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取电力***中同一类型的各电力设备对应的电力设备运行参数；所述电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；根据各所述电力设备投运时间以及各所述电力设备退役时间，得到任意一个所述电力设备对应的电力设备损耗分布函数；根据所述电力设备描述信息，确定所述电力设备对应的故障需检时间区间；所述电力设备描述信息通过所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；根据所述电力设备运行特征数据以及所述预防性试验标准数据，得到所述电力设备对应的预防性试验周期；将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的预防性试验故障信息；所述预防性试验故障概率表征所述电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
第四方面，本申请还提供了一种计算机可读存储介质。所述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以下步骤：获取电力***中同一类型的各电力设备对应的电力设备运行参数；所述电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；根据各所述电力设备投运时间以及各所述电力设备退役时间，得到任意一个所述电力设备对应的电力设备损耗分布函数；根据所述电力设备描述信息，确定所述电力设备对应的故障需检时间区间；所述电力设备描述信息通过所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；根据所述电力设备运行特征数据以及所述预防性试验标准数据，得到所述电力设备对应的预防性试验周期；将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的预防性试验故障信息；所述预防性试验故障概率表征所述电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取电力***中同一类型的各电力设备对应的电力设备运行参数；所述电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；根据各所述电力设备投运时间以及各所述电力设备退役时间，得到任意一个所述电力设备对应的电力设备损耗分布函数；根据所述电力设备描述信息，确定所述电力设备对应的故障需检时间区间；所述电力设备描述信息通过所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；根据所述电力设备运行特征数据以及所述预防性试验标准数据，得到所述电力设备对应的预防性试验周期；将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的预防性试验故障信息；所述预防性试验故障概率表征所述电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
上述基于故障需检区间的电力设备预防性试验有效性确定方法、装置、计算机设备、存储介质和计算机程序产品，通过获取电力***中同一类型的各电力设备对应的电力设备运行参数；电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；根据各电力设备投运时间以及各电力设备退役时间，得到任意一个电力设备对应的电力设备损耗分布函数；根据电力设备描述信息，确定电力设备对应的故障需检时间区间；电力设备描述信息通过电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；根据电力设备运行特征数据以及预防性试验标准数据，得到电力设备对应的预防性试验周期；将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的预防性试验故障信息；预防性试验故障概率表征电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
通过构建电力设备寿命对应的电力设备损耗分布函数、预防性试验的周期，确定预防性试验提前发现故障隐患的概率，并将故障隐患的概率用于分析预防性试验的有效性，进一步指导电力设备运维检修工作安排，调整预防性试验检测工作安排，提升电力设备的预防性试验得到的结果的准确率。
附图说明
图1为一个实施例中一种基于故障需检区间的电力设备预防性试验有效性确定方法的应用环境图；
图2为一个实施例中一种基于故障需检区间的电力设备预防性试验有效性确定方法的流程示意图；
图3为一个实施例中故障需检时间区间确定方法的流程示意图；
图4为一个实施例中预防性试验故障信息得到方法的流程示意图；
图5为一个实施例中第一子预防性试验故障概率得到方法的流程示意图；
图6为一个实施例中第二子预防性试验故障概率得到方法的流程示意图；
图7为一个实施例中电力设备损耗分布函数构建方法的流程示意图；
图8为一个实施例中一种基于故障需检区间的电力设备预防性试验有效性确定方法中的参数设置示意图；
图9为一个实施例中一种基于故障需检区间的电力设备预防性试验有效性确定装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的一种基于故障需检区间的电力设备预防性试验有效性确定方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104从终端102处获取电力***中同一类型的各电力设备对应的电力设备运行参数；电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；根据各电力设备投运时间以及各电力设备退役时间，得到任意一个电力设备对应的电力设备损耗分布函数；根据电力设备描述信息，确定电力设备对应的故障需检时间区间；电力设备描述信息通过电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；根据电力设备运行特征数据以及预防性试验标准数据，得到电力设备对应的预防性试验周期；将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的预防性试验故障信息；预防性试验故障概率表征电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于故障需检区间的电力设备预防性试验有效性确定方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取电力***中同一类型的各电力设备对应的电力设备运行参数。
其中，电力设备可以是维持电力***正常运作的各个元素，例如：发电机、输电塔、变压器、输电线等。
其中，电力设备运行参数可以是电力设备在运行的过程中所产生的报文以及电力设备的固有参数。
具体地，服务器响应终端的指令，从终端处获取各电力设备对应的电力设备运行参数，并且将获取到的电力设备运行参数存储到存储单元中，其中，电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据。当服务器需要对电力设备运行参数中的任意数据记录进行处理时，则从存储单元中调取至易失性存储资源以供中央处理器进行计算。其中，任意数据记录可以是单个数据输入至中央处理器，也可以为多个数据同时输入至中央处理器。
举例来说，服务器104响应终端102的指令，从终端102处获取各电力设备对应的电力设备运行参数，并存储到服务器104中的存储单元中，其中服务器104获取到的数据记录有10条，可以同时为多个数据同时输入至中央处理器。
步骤204，根据各电力设备投运时间以及各电力设备退役时间，得到任意一个电力设备对应的电力设备损耗分布函数。
其中，电力设备投运时间可以是电力***中的各个电力设备分别投入到正常运行所对应的时间。
其中，电力设备退役时间可以是电力***中的各个电力设备分别从正常运行转变为报废所对应的时间。
其中，电力设备损耗分布函数可以是根据业务需求，将有关电力的参数添加到两参数威布尔分布所得到的分布函数。
具体地，统计电网***中任意一类的各电力设备投运时间以及各电力设备退役时间，针对任意一个电力设备，将电力设备的退役时间减去电力设备投运时间，得到各个电力设备对应的电力设备寿命，将各个电力设备寿命排列起来，得到各个电力设备对应的设备的电力设备寿命序列ti，将电力设备寿命序列ti按从小到大排序，并计算电力设备中位秩序列F(ti)，表达式为：
其中，其中i表示第几个数据，n表示一共多少数据，例如：43个故障时间点，即n＝43。根据中位秩序列计算中间变量xi和yi的序列，表达式分别为：
xi＝ln(ti)，
根据中间变量xi和yi的序列计算xi和yi的平均值和/>以及二阶中心矩lxx、lyy、lxy，并计算/>和/>表达式分别为：
根据和/>对威布尔分布表达式中的参数m、η进行参数估计，其中，方程组分别为：
根据和/>对参数m、η进行参数估计后，代入至威布尔分布表达式中，则得到了任意一个电力设备对应的电力设备损耗分布函数。
步骤206，根据电力设备描述信息，确定电力设备对应的故障需检时间区间。
其中，电力设备描述信息可以是对电力设备进行评价后所得到的评价结果。
其中，故障需检时间区间可以是对电力设备的故障可以进行检测的时间区间。
具体地，从电力设备的制造厂与电力***中分别抽取若干名专家成为专家组，专家组中各位专家分别独立进行评价，得到电力设备描述信息(即电力设备的评价结果)，将电力设备寿命时间作为故障需检时间区间的最大值，根据电力设备描述信息确定故障检测阈值常数，并通过故障检测阈值常数计算故障检测阈值时间的算数平均数p，基于故障检测阈值时间的算数平均数，确定故障需检时间区间的最小值，可以得到电力设备对应的故障需检时间区间[pt,t)。电力设备描述信息通过电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的。
步骤208，根据电力设备运行特征数据以及预防性试验标准数据，得到电力设备对应的预防性试验周期。
其中，电力设备运行特征数据可以是同一类型的电力设备在运行的过程中，所产生该类型的电力设备所特有的，且能够表示出该类型电力设备的特征的数据。
其中，预防性试验标准数据可以是根据不同类型的电力设备所设定的试验标准数据，用于进行预防性试验。
其中，预防性试验周期可以是电力设备进行检查、试验或监测，以预防发生事故或设备损坏的试验所对应的周期。
具体地，根据不同类型的电力设备，从电力设备运行过程中所产生的报文里获取该类型电力设备对应的电力设备运行特征数据，其中，获取电力设备运行特征数据可以采用人工智能模型进行特征提取，然后使用分类函数进行分类；结合对照国家标准《DL/T596—2021电力设备预防性试验规程》，即预防性试验标准数据，可以得到电力设备对应的预防性试验周期，其中预防性试验周期的取值不能大于故障需检时间区间中的最大值。
步骤210，将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的预防性试验故障信息。
其中，预防性试验故障信息可以是电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
具体地，第一步：通过故障检测阈值常数计算故障检测阈值时间的算数平均数p，利用故障检测阈值时间的算数平均数p建立电力设备对应的预防性试验次数标准值，其中，建立预防性试验次数标准值的表达式为：p/(1-p)。
第二步：如果电力设备已经完成的预防性试验次数k小于预防性试验次数标准值p/(1-p)的情况下，也就是说仅有1次预防性试验的时间处于故障需检时间区间，将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，则得到预防性试验故障信息(预防性试验提前发现故障的概率)的其中一个组合部分P1，表达式为：
P1＝W(kT/p)-W(kT)
第三步：如果电力设备已经完成的预防性试验次数k大于预防性试验次数标准值p/(1-p)的情况下，就是说存在2次或2次以上的预防性试验的时间处于故障需检时间区间，将小于p/(1-p)的最大整数(预防性试验次数最大值)表示为M，将预防性试验次最大整数值以及预防性试验周期输入至电力设备损耗分布函数，则得到预防性试验故障信息(预防性试验提前发现故障的概率)的其中一个组合部分P2，表达式为：
P2＝1-W[(M+1)T]
第四步：将第一子预防性试验故障概率以及第二子预防性试验故障概率进行相加，得到电力设备对应的预防性试验故障信息P，即电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
上述一种基于故障需检区间的电力设备预防性试验有效性确定方法中，通过获取电力***中同一类型的各电力设备对应的电力设备运行参数；电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；根据各电力设备投运时间以及各电力设备退役时间，得到任意一个电力设备对应的电力设备损耗分布函数；根据电力设备描述信息，确定电力设备对应的故障需检时间区间；电力设备描述信息通过电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；根据电力设备运行特征数据以及预防性试验标准数据，得到电力设备对应的预防性试验周期；将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的预防性试验故障信息；预防性试验故障概率表征电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
通过构建电力设备寿命对应的电力设备损耗分布函数、预防性试验的周期，确定预防性试验提前发现故障隐患的概率，并将故障隐患的概率用于分析预防性试验的有效性，进一步指导电力设备运维检修工作安排，调整预防性试验检测工作安排，提升电力设备的预防性试验得到的结果的准确率。
在一个实施例中，如图3所示，根据至少一个电力设备描述信息确定电力设备对应的故障需检时间区间，包括：
步骤302，根据电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息，确定电力设备对应故障检测阈值常数。
其中，电力设备制造描述信息可以是电力设备的制造厂家所派出的专家对该电力设备进行评价后所得到的评价结果。
其中，电力设备运行描述信息可以是电力设备的使用企业所派出的专家对该电力设备进行评价后所得到的评价结果。
其中，故障检测阈值常数可以是进行故障检测对应的临界值，通常以常数进行表示，综合不同的评价结果可以得到相接近的故障检测阈值常数。
具体地，从电力设备的制造厂与电力***中分别抽取若干名专家成为专家组，专家组中各位专家分别独立进行评价。其中，来自于电力设备的制造厂的专家进行评价得到的评价结果为电力设备制造描述信息，而来自于电力***派出的专家进行评价得到的评价结果为电力设备运行描述信息，将电力设备制造描述信息和电力设备运行描述信息输入至电力设备故障检测阈值生成模型中，即可得到电力设备对应故障检测阈值常数，其中，电力设备故障检测阈值生成模型为根据同一类电力设备而设计的数学统计模型。
步骤304，将电力设备退役时间减去电力设备投运时间，得到电力设备对应的电力设备寿命时间。
其中，电力设备寿命时间可以是电力设备正常运作所对应的时间段。
具体地，针对任意一个电力设备，使用设备对应的电力设备退役时间与电力设备投运时间进行相减，得到的时间差即为电力设备对应的电力设备寿命时间。例如：电力设备的退役时间为2025年12月31号，而电力设备的投运时间为2000年11月1号，则该电力设备的寿命时间为15年2个月。
步骤306，根据故障检测阈值常数以及电力设备寿命时间，确定电力设备对应的故障需检时间区间。
具体地，将电力设备寿命时间作为故障需检时间区间的最大值，通过故障检测阈值常数计算故障检测阈值时间的算数平均数p，基于故障检测阈值时间的算数平均数，确定故障需检时间区间的最小值，可以得到电力设备对应的故障需检时间区间[pt,t)。
本实施例中，通过确定故障检测阈值常数以及电力设备寿命时间后进一步确定电力设备对应的故障需检时间区间，能够限定需要运行预防性试验所对应的时间区间，减少不必要的时间执行预防性试验，提高寻找电力设备对应的未来的故障概率的效率。
在一个实施例中，如图4所示，将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的预防性试验故障信息，包括：
步骤402，根据故障检测阈值常数确定电力设备对应的预防性试验次数标准值。
其中，预防性试验次数标准值可以是用来判断预防性试验的时间处于故障需检时间区间的次数。
具体地，通过故障检测阈值常数计算故障检测阈值时间的算数平均数p，利用故障检测阈值时间的算数平均数p建立电力设备对应的预防性试验次数标准值，其中，建立预防性试验次数标准值的表达式为：p/(1-p)。
步骤404，在电力设备的预防性试验次数小于预防性试验次数标准值的情况下，将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的第一子预防性试验故障概率。
其中，预防性试验次数可以是电力设备执行预防性试验所对应的次数。
其中，第一子预防性试验故障概率可以是组成预防性试验故障信息(预防性试验提前发现故障的概率)的其中一个组合部分(k＜p/(1-p))。
具体地，如果电力设备已经完成的预防性试验次数k小于预防性试验次数标准值p/(1-p)的情况下，也就是说仅有1次预防性试验的时间处于故障需检时间区间，将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，则得到预防性试验故障信息(预防性试验提前发现故障的概率)的其中一个组合部分P1，表达式为：
P1＝W(kT/p)-W(kT)
步骤406，在电力设备的预防性试验次数大于预防性试验次数标准值的情况下，将预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的第二子预防性试验故障概率。
其中，第二子预防性试验故障概率可以是组成预防性试验故障信息(预防性试验提前发现故障的概率)的其中一个组合部分(k＞p/(1-p))。
具体地，如果电力设备已经完成的预防性试验次数k大于预防性试验次数标准值p/(1-p)的情况下，就是说存在2次或2次以上的预防性试验的时间处于故障需检时间区间，将小于p/(1-p)的最大整数表示为M，将预防性试验周期输入至电力设备损耗分布函数，则得到预防性试验故障信息(预防性试验提前发现故障的概率)的其中一个组合部分P2，表达式为：
P2＝1-W[(M+1)T]
步骤408，将第一子预防性试验故障概率以及第二子预防性试验故障概率进行相加，得到电力设备对应的预防性试验故障信息。
具体地，将第一子预防性试验故障概率以及第二子预防性试验故障概率进行相加，得到电力设备对应的预防性试验故障信息P，即电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
本实施例中，通过利用预防性试验次数标准值对预防性试验的次数所对应的情况进行区分，针对不同的情况分别输入不同的条件量到电力设备损耗分布函数进行计算，能够将计算方案落实到不同的情况，提高计算预防性试验故障信息的准确性。
在一个实施例中，如图5所示，将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的第一子预防性试验故障概率，包括：
步骤502，将故障需检时间区间的故障检测阈值常数、预防性试验周期以及预防性试验次数输入至电力设备对应的第一子电力设备损耗分布函数，得到电力设备对应的第一函数值。
其中，第一函数值可以是经过第一子电力设备损耗分布函数计算后的数值。
具体地，如果电力设备已经完成的预防性试验次数k小于预防性试验次数标准值p/(1-p)的情况下，也就是说仅有1次预防性试验的时间处于故障需检时间区间，将故障需检时间区间的故障检测阈值常数、预防性试验周期以及预防性试验次数输入至电力设备对应的第一子电力设备损耗分布函数，则得到电力设备对应的第一函数值(第一子预防性试验故障概率的其中一个组合部分)，表达式为：W(kT/p)。
步骤504，将预防性试验周期以及预防性试验次数输入至电力设备对应的第二子电力设备损耗分布函数，得到电力设备对应的第二函数值。
其中，第二函数值可以是经过第二子电力设备损耗分布函数计算后的数值。
具体地，如果电力设备已经完成的预防性试验次数k小于预防性试验次数标准值p/(1-p)的情况下，也就是说仅有1次预防性试验的时间处于故障需检时间区间，将预防性试验周期以及预防性试验次数输入至电力设备对应的第二子电力设备损耗分布函数，则得到电力设备对应的第二函数值(第一子预防性试验故障概率的其中一个组合部分)，表达式为：W(kT)。
步骤506，将第一子电力设备损耗分布函数对应的第一函数值减去第二子电力设备损耗分布函数对应的第二函数值，得到电力设备对应的第一子预防性试验故障概率。
具体地，将第一子电力设备损耗分布函数对应的第一函数值作为被减数，而第二子电力设备损耗分布函数对应的第二函数值作为减数进行相减，得到预防性试验故障信息(预防性试验提前发现故障的概率)的其中一个组合部分P1，表达式为：
P1＝W(kT/p)-W(kT)
本实施例中，通过对电力设备对应的第一子预防性试验故障概率拆分成两个不同的函数值进行表示，针对不同的函数值分别输入不同的条件量到对应的电力设备损耗分布函数进行计算，能够对预防性试验次数小于预防性试验次数标准值的情况进行考虑，提高计算预防性试验故障信息的准确性。
在一个实施例中，如图6所示，将预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的第二子预防性试验故障概率，包括：
步骤602，将预防性试验次最大整数值以及预防性试验周期输入至电力设备对应的第三子电力设备损耗分布函数，得到电力设备对应的第三函数值。
其中，预防性试验次数最大值可以是小于预防性试验次数标准值对应的最大整数值。
其中，第三函数值可以是经过第三子电力设备损耗分布函数计算后的数值。
具体地，如果电力设备已经完成的预防性试验次数k大于预防性试验次数标准值p/(1-p)的情况下，就是说存在2次或2次以上的预防性试验的时间处于故障需检时间区间，将小于p/(1-p)的最大整数(预防性试验次数最大值)表示为M，将预防性试验次最大整数值以及预防性试验周期输入至电力设备对应的第三子电力设备损耗分布函数，则得到电力设备对应的第三函数值，表达式为：W[(M+1)T]。
步骤604，计算1和第三子电力设备损耗分布函数对应的第三函数值之间的差值，得到电力设备对应的第二子预防性试验故障概率。
具体地，因为第三子电力设备损耗分布函数对应的第三函数值为W[(M+1)T]，因此，针对电力设备对应的第二子预防性试验故障概率，计算式为：P2＝1-W[(M+1)T]。
本实施例中，通过引入预防性试验次最大整数值计算第二子预防性试验故障概率，进一步结合预防性试验次数大于预防性试验次数标准值与预防性试验次数小于预防性试验次数标准值的联系，能够提高对预防性试验故障概率的计算精度。
在一个实施例中，如图7所示，根据各电力设备投运时间以及各电力设备退役时间，得到电力设备对应的电力设备损耗分布函数，包括：
步骤702，根据各电力设备投运时间以及各电力设备退役时间，得到各电力设备对应的电力设备寿命序列。
其中，电力设备寿命序列可以是将各个电力设备的使用寿命进行排列所形成的序列。
具体地，统计电网***中任意一类的各电力设备投运时间以及各电力设备退役时间，针对任意一个电力设备，将电力设备的退役时间减去电力设备投运时间，得到各个电力设备对应的电力设备寿命，将各个电力设备寿命排列起来，得到各电力设备对应的电力设备寿命序列ti。
步骤704，将电力设备寿命序列中各元素进行从小到大的排列，并根据排列结果计算电力设备中位秩序列。
其中，电力设备中位秩序列可以是电力设备在N个单元样本第j次失效时真实失效概率在50％的置信水平上应具有的值对应的序列，或者是不可靠性的最佳估计值对应的序列。
具体地，将电力设备寿命序列ti按从小到大排序，并计算电力设备中位秩序列F(ti)，表达式为：
其中，其中i表示第几个数据，n表示一共多少数据，例如：43个故障时间点，即n＝43。
步骤706，根据中位秩序列，构建电力设备对应的电力设备损耗分布函数。
具体地，根据中位秩序列计算中间变量xi和yi的序列，表达式分别为：
xi＝ln(ti)，
根据中间变量xi和yi的序列计算xi和yi的平均值和/>以及二阶中心矩lxx、lyy、lxy，并计算/>和/>表达式分别为：
根据和/>对威布尔分布表达式中的参数m、η进行参数估计，其中，方程组分别为：
根据和/>对参数m、η进行参数估计后，代入至威布尔分布表达式中，则构建了了任意一个电力设备对应的电力设备损耗分布函数。
针对一种基于故障需检区间的电力设备预防性试验有效性确定方法中的参数设置如图8所示。
本实施例中，通过使用威布尔分布来对同伊类型的电力设备构建对应的电力设备损耗分布函数，能够利用威布尔分布的特性，提高电力设备损耗分布函数的适应力，进一步提高预设的时间段内发生故障的概率的预测准确性。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于故障需检区间的电力设备预防性试验有效性确定方法的一种基于故障需检区间的电力设备预防性试验有效性确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于故障需检区间的电力设备预防性试验有效性确定装置实施例中的具体限定可以参见上文中对于一种基于故障需检区间的电力设备预防性试验有效性确定方法的限定，在此不再赘述。
在一个实施例中，如图9所示，提供了一种基于故障需检区间的电力设备预防性试验有效性确定装置，包括：电设备运行参数获取模块902、电力设备损耗分布函数得到模块904、故障需检时间区间确定模块906、预防性试验周期得到模块908和预防性试验故障信息得到模块910，其中：
电设备运行参数获取模块902，用于获取电力***中同一类型的各电力设备对应的电力设备运行参数；电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；
电力设备损耗分布函数得到模块904，用于根据各电力设备投运时间以及各电力设备退役时间，得到任意一个电力设备对应的电力设备损耗分布函数；
故障需检时间区间确定模块906，用于根据电力设备描述信息，确定电力设备对应的故障需检时间区间；电力设备描述信息通过电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；
预防性试验周期得到模块908，用于根据电力设备运行特征数据以及预防性试验标准数据，得到电力设备对应的预防性试验周期；
预防性试验故障信息得到模块910，用于将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的预防性试验故障信息；预防性试验故障概率表征电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率。
在一个实施例中，故障需检时间区间确定模块906，还用于根据电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息，确定电力设备对应故障检测阈值常数；将电力设备退役时间减去电力设备投运时间，得到电力设备对应的电力设备寿命时间；根据故障检测阈值常数以及电力设备寿命时间，确定电力设备对应的故障需检时间区间。
在一个实施例中，预防性试验故障信息得到模块910，还用于根据故障检测阈值常数确定电力设备对应的预防性试验次数标准值；在电力设备的预防性试验次数小于预防性试验次数标准值的情况下，将故障需检时间区间以及预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的第一子预防性试验故障概率；在电力设备的预防性试验次数大于预防性试验次数标准值的情况下，将预防性试验周期输入至电力设备损耗分布函数，得到电力设备对应的第二子预防性试验故障概率；将第一子预防性试验故障概率以及第二子预防性试验故障概率进行相加，得到电力设备对应的预防性试验故障信息。
在一个实施例中，预防性试验故障信息得到模块910，还用于将故障需检时间区间的故障检测阈值常数、预防性试验周期以及预防性试验次数输入至电力设备对应的第一子电力设备损耗分布函数，得到电力设备对应的第一函数值；将预防性试验周期以及预防性试验次数输入至电力设备对应的第二子电力设备损耗分布函数，得到电力设备对应的第二函数值；将第一子电力设备损耗分布函数对应的第一函数值减去第二子电力设备损耗分布函数对应的第二函数值，得到电力设备对应的第一子预防性试验故障概率。
在一个实施例中，预防性试验故障信息得到模块910，还用于将预防性试验次最大整数值以及预防性试验周期输入至电力设备对应的第三子电力设备损耗分布函数，得到电力设备对应的第三函数值，预防性试验最大整数值为小于预防性试验次数标准值对应的最大整数值；计算1和第三子电力设备损耗分布函数对应的第三函数值之间的差值，得到电力设备对应的第二子预防性试验故障概率。
在一个实施例中，电力设备损耗分布函数得到模块904，还用于根据各电力设备投运时间以及各电力设备退役时间，得到各电力设备对应的电力设备寿命序列；将电力设备寿命序列中各元素进行从小到大的排列，并根据排列结果计算电力设备中位秩序列；根据中位秩序列，构建电力设备对应的电力设备损耗分布函数。
上述一种基于故障需检区间的电力设备预防性试验有效性确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储服务器数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于故障需检区间的电力设备预防性试验有效性确定方法。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于故障需检区间的电力设备预防性试验有效性确定方法，其特征在于，所述方法包括：
获取电力***中同一类型的各电力设备对应的电力设备运行参数；所述电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；
根据各所述电力设备投运时间以及各所述电力设备退役时间，得到任意一个所述电力设备对应的电力设备损耗分布函数；
根据所述电力设备描述信息，确定所述电力设备对应的故障需检时间区间；所述电力设备描述信息通过所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；
根据所述电力设备运行特征数据以及所述预防性试验标准数据，得到所述电力设备对应的预防性试验周期；
将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的预防性试验故障信息；所述预防性试验故障信息表征所述电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率；根据故障检测阈值常数确定所述电力设备对应的预防性试验次数标准值；在所述电力设备的预防性试验次数小于所述预防性试验次数标准值的情况下，将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的第一子预防性试验故障概率；在所述电力设备的预防性试验次数大于所述预防性试验次数标准值的情况下，将所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的第二子预防性试验故障概率；将所述第一子预防性试验故障概率以及所述第二子预防性试验故障概率进行相加，得到所述电力设备对应的预防性试验故障信息。
2.根据权利要求1所述的方法，其特征在于，所述根据至少一个所述电力设备描述信息确定所述电力设备对应的故障需检时间区间，包括：
根据所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息，确定所述电力设备对应故障检测阈值常数；
将所述电力设备退役时间减去所述电力设备投运时间，得到所述电力设备对应的电力设备寿命时间；
根据所述故障检测阈值常数以及所述电力设备寿命时间，确定所述电力设备对应的故障需检时间区间。
3.根据权利要求1所述的方法，其特征在于，所述电力设备损耗分布函数包括第一子电力设备损耗分布函数、第二子电力设备损耗分布函数以及第三子电力设备损耗分布函数，所述将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的第一子预防性试验故障概率，包括：
将所述故障需检时间区间的故障检测阈值常数、所述预防性试验周期以及所述预防性试验次数输入至所述电力设备对应的第一子电力设备损耗分布函数，得到所述电力设备对应的第一函数值；
将所述预防性试验周期以及所述预防性试验次数输入至所述电力设备对应的第二子电力设备损耗分布函数，得到所述电力设备对应的第二函数值；
将所述第一子电力设备损耗分布函数对应的第一函数值减去所述第二子电力设备损耗分布函数对应的第二函数值，得到所述电力设备对应的第一子预防性试验故障概率。
4.根据权利要求3所述的方法，其特征在于，所述将所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的第二子预防性试验故障概率，包括：
将预防性试验次最大整数值以及所述预防性试验周期输入至所述电力设备对应的第三子电力设备损耗分布函数，得到所述电力设备对应的第三函数值，所述预防性试验最大整数值为小于所述预防性试验次数标准值对应的最大整数值；
计算1和所述第三子电力设备损耗分布函数对应的第三函数值之间的差值，得到所述电力设备对应的第二子预防性试验故障概率。
5.根据权利要求1所述的方法，其特征在于，所述根据各所述电力设备投运时间以及各所述电力设备退役时间，得到所述电力设备对应的电力设备损耗分布函数，包括：
根据各所述电力设备投运时间以及各所述电力设备退役时间，得到各所述电力设备对应的电力设备寿命序列；
将所述电力设备寿命序列中各元素进行从小到大的排列，并根据排列结果计算电力设备中位秩序列；
根据所述中位秩序列，构建所述电力设备对应的电力设备损耗分布函数。
6.一种基于故障需检区间的电力设备预防性试验有效性确定装置，其特征在于，所述装置包括：
电设备运行参数获取模块，用于获取电力***中同一类型的各电力设备对应的电力设备运行参数；所述电力设备运行参数包括电力设备投运时间、电力设备退役时间、电力设备描述信息、电力设备运行特征数据以及预防性试验标准数据；
电力设备损耗分布函数得到模块，用于根据各所述电力设备投运时间以及各所述电力设备退役时间，得到任意一个所述电力设备对应的电力设备损耗分布函数；
故障需检时间区间确定模块，用于根据所述电力设备描述信息，确定所述电力设备对应的故障需检时间区间；所述电力设备描述信息通过所述电力设备分别对应的电力设备制造描述信息以及电力设备运行描述信息整合得到的；
预防性试验周期得到模块，用于根据所述电力设备运行特征数据以及所述预防性试验标准数据，得到所述电力设备对应的预防性试验周期；
预防性试验故障信息得到模块，用于将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的预防性试验故障信息；所述预防性试验故障信息表征所述电力设备在正常运行的情况下当前时刻之后预设的时间段内发生故障的概率；根据故障检测阈值常数确定所述电力设备对应的预防性试验次数标准值；在所述电力设备的预防性试验次数小于所述预防性试验次数标准值的情况下，将所述故障需检时间区间以及所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的第一子预防性试验故障概率；在所述电力设备的预防性试验次数大于所述预防性试验次数标准值的情况下，将所述预防性试验周期输入至所述电力设备损耗分布函数，得到所述电力设备对应的第二子预防性试验故障概率；将所述第一子预防性试验故障概率以及所述第二子预防性试验故障概率进行相加，得到所述电力设备对应的预防性试验故障信息。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
8.一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权利要求1至5中任一项所述的方法的步骤。
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211480777.3A CN115829543B (zh) | 2022-11-24 | 2022-11-24 | 基于故障需检区间的电力设备预防性试验有效性确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211480777.3A CN115829543B (zh) | 2022-11-24 | 2022-11-24 | 基于故障需检区间的电力设备预防性试验有效性确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115829543A CN115829543A (zh) | 2023-03-21 |
| CN115829543B true CN115829543B (zh) | 2023-08-29 |
Family
ID=85531012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211480777.3A Active CN115829543B (zh) | 2022-11-24 | 2022-11-24 | 基于故障需检区间的电力设备预防性试验有效性确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115829543B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101718827A (zh) * | 2009-11-30 | 2010-06-02 | 国网电力科学研究院武汉南瑞有限责任公司 | 震后电网设施剩余寿命分布寿命模型诊断方法 |
| CN108414898A (zh) * | 2018-01-27 | 2018-08-17 | 北京天润新能投资有限公司 | 一种风电场设备带电检测的状态试验方法及*** |
| CN113537523A (zh) * | 2021-07-16 | 2021-10-22 | 陕西省地方电力(集团)有限公司延安供电分公司 | 一种变电设备状态检修及辅助决策方法 |
| CN114429046A (zh) * | 2022-01-26 | 2022-05-03 | 国网河北省电力有限公司衡水供电分公司 | 电池寿命估计方法及电池管理*** |
| CN115329995A (zh) * | 2022-06-27 | 2022-11-11 | 国网山东省电力公司曲阜市供电公司 | 一种电力***状态检修决策的优化方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9407093B2 (en) * | 2007-08-22 | 2016-08-02 | Maxout Renewables, Inc. | Method for balancing circuit voltage |
-
2022
- 2022-11-24 CN CN202211480777.3A patent/CN115829543B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101718827A (zh) * | 2009-11-30 | 2010-06-02 | 国网电力科学研究院武汉南瑞有限责任公司 | 震后电网设施剩余寿命分布寿命模型诊断方法 |
| CN108414898A (zh) * | 2018-01-27 | 2018-08-17 | 北京天润新能投资有限公司 | 一种风电场设备带电检测的状态试验方法及*** |
| CN113537523A (zh) * | 2021-07-16 | 2021-10-22 | 陕西省地方电力(集团)有限公司延安供电分公司 | 一种变电设备状态检修及辅助决策方法 |
| CN114429046A (zh) * | 2022-01-26 | 2022-05-03 | 国网河北省电力有限公司衡水供电分公司 | 电池寿命估计方法及电池管理*** |
| CN115329995A (zh) * | 2022-06-27 | 2022-11-11 | 国网山东省电力公司曲阜市供电公司 | 一种电力***状态检修决策的优化方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 变压器故障诊断及预防性试验综合管理***研究;宋志杰;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第1期);第C042-208页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115829543A (zh) | 2023-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102574016B1 (ko) | 파워 네트워크 애셋들의 조건 분류를 위한 방법들 및 디바이스들 | |
| CN105637432A (zh) | 识别被监控实体的异常行为 | |
| JP6079243B2 (ja) | 障害分析支援装置、障害分析支援方法、及びプログラム | |
| CN116881675B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
| CN113343581B (zh) | 基于图马尔可夫神经网络的变压器故障的诊断方法 | |
| CN117041029A (zh) | 网络设备故障处理方法、装置、电子设备及存储介质 | |
| CN115980585A (zh) | 电池故障的检测方法、装置、计算机设备和存储介质 | |
| CN117170915A (zh) | 数据中心设备故障预测方法、装置和计算机设备 | |
| CN115796708A (zh) | 一种工程建设用的大数据智能质检方法、***和介质 | |
| CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
| CN113946983A (zh) | 产品可靠性薄弱环节评估方法、装置和计算机设备 | |
| CN114446019A (zh) | 告警信息处理方法、装置、设备、存储介质和产品 | |
| CN116228045B (zh) | 基于性能退化的产品可靠性薄弱环节评估方法和装置 | |
| Zhou et al. | Performance evaluation method for network monitoring based on separable temporal exponential random graph models with application to the study of autocorrelation effects | |
| CN115829543B (zh) | 基于故障需检区间的电力设备预防性试验有效性确定方法 | |
| CN117235664A (zh) | 配电通信设备的故障诊断方法、***和计算机设备 | |
| CN113689042B (zh) | 监测节点的故障源预测方法 | |
| CN115795928A (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
| CN114743703A (zh) | 核电站机组的可靠性分析方法、装置、设备和存储介质 | |
| CN113887676A (zh) | 设备故障预警方法、装置、设备、介质和计算机程序产品 | |
| CN115825790B (zh) | 电池绝缘故障的预警方法、装置、***和计算机设备 | |
| CN117034083A (zh) | 局部放电分类模型可解释性方法的选择方法、装置及设备 | |
| CN117930017A (zh) | 基于机器学习的健康状态确定方法、装置和计算机设备 | |
| CN117437083A (zh) | 基于云边融合智能调度运行平台的电网边缘集群监控方法 | |
| CN117436603A (zh) | 电网设备生命周期故障概率评估方法、装置和计算机设备 |
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 |