CN115860456A - 基于成本优先数的风机的可靠性分析方法及*** - Google Patents
基于成本优先数的风机的可靠性分析方法及*** Download PDFInfo
- Publication number
- CN115860456A CN115860456A CN202211334631.8A CN202211334631A CN115860456A CN 115860456 A CN115860456 A CN 115860456A CN 202211334631 A CN202211334631 A CN 202211334631A CN 115860456 A CN115860456 A CN 115860456A
- Authority
- CN
- China
- Prior art keywords
- fault
- cost
- maintenance
- component
- economic loss
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 73
- 238000012423 maintenance Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims abstract description 44
- 239000000463 material Substances 0.000 claims description 19
- 230000008439 repair process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 7
- 238000010248 power generation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出了一种基于成本优先数的风机的可靠性分析方法及***，该方法包括：获取风机中每个故障部件引发的故障对应的经济损失数据；计算每个故障部件的故障发生概率和故障未探测概率；基于经济损失数据、故障发生概率和故障未探测概率，计算每个故障部件的成本优先数；根据统计的全部故障部件的成本优先数确定目标故障部件，并针对目标故障部件进行运维。该方法基于成本优先数对风机进行可靠性分析，提高了风机的可靠性分析的客观性、准确性和可解释性。
Description
技术领域
本申请涉及可靠性分析技术领域，尤其涉及一种基于成本优先数的风机的可靠性分析方法及***。
背景技术
随着风力发电技术的发展，风电机组的普及率逐渐提高，风电机组的种类和规模也逐渐增加。目前，在大型风电场项目中，会对风机进行可靠性分析，分析可能存在的故障并采取相关措施以保证风机正常、安全的运行。
相关技术中，对风机进行可靠性分析时，通常是采用的主观性分析方法，比如，采用故障模式、影响及危害度分析(Failure Mode,Effects and Criticality Analysis，简称FMECA)分析方法，该方法根据领域专家的经验进行可靠性分析指标的量化，通过建立风险优先数RPN来评判风机的风险水平。
然而，上述分析方式得到的可靠性分析结果的主观性过强，结果的不确定性程度较大，在某些情况下引入的主观数据不准确时得到的分析结果的准确性较低。因此，目前亟需一种可以提高风机的可靠性分析的客观性和准确性的方案。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种基于成本优先数的风机的可靠性分析方法，该方法基于成本优先数对风机进行可靠性分析，在分析过程中全部使用客观数据，以成本优先数作为风险等级排序指标，避免采用主观评价信息，提高了获得的风机的可靠性分析结果的客观性、准确性和可解释性，从而解决了传统FMECA方法可靠性分析结果主观性强、不确定性大和结果可解释性弱的问题。
本申请的第二个目的在于提出一种基于成本优先数的风机的可靠性分析***；
本申请的第三个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本申请的第一方面实施例在于提出一种基于成本优先数的风机的可靠性分析方法，该方法包括以下步骤：
获取风机中每个故障部件引发的故障对应的经济损失数据；
计算每个所述故障部件的故障发生概率和故障未探测概率；
基于所述经济损失数据、所述故障发生概率和所述故障未探测概率，计算每个所述故障部件的成本优先数；
根据统计的全部故障部件的成本优先数确定目标故障部件，并针对所述目标故障部件进行运维。
可选地，在本申请的一个实施例中，所述经济损失数据包括直接经济损失和间接经济损失，计算风机中每个故障部件引发的故障造成的直接经济损失，包括：确定更换每个所述故障部件产生的材料成本、运输成本和维修成本；确定每个所述故障部件对所位于的风机中的其他部件造成损伤带来的潜在成本；将所述材料成本、所述运输成本、所述维修成本和所述潜在成本相加，获得所述直接经济损失。
可选地，在本申请的一个实施例中，确定更换每个所述故障部件产生的所述维修成本，包括：针对每个所述故障部件，确定参与维修的维修人员数量、维修人员时薪和维修时间；将所述维修人员数量、所述维修人员时薪和所述维修时间相乘，获得每个所述故障部件的所述维修成本。
可选地，在本申请的一个实施例中，计算风机中每个故障部件引发的故障造成的所述间接经济损失，包括：确定每个所述故障部件所位于的风机的输出功率；确定每个所述故障部件引发的故障导致的故障停机时间，以及所述故障停机时间对应时段下的电能上网电价；将所述输出功率、所述故障停机时间和所述电能上网电价相乘，获得所述间接经济损失。
可选地，在本申请的一个实施例中，计算每个所述故障部件的故障发生概率，包括：获取待分析的目标风电场的故障信息统计数据，从所述故障信息统计数据中确定每个所述故障部件的故障次数统计数据；确定所述目标风电场包括的风机的数量和每台风机上的零部件数量；计算所述风机的数量和所述零部件数量的乘积，并将每个所述故障部件的所述故障次数统计数据除以所述乘积，获得每个所述故障部件的所述故障发生概率。
可选地，在本申请的一个实施例中，计算每个所述故障部件的所述故障未探测概率，包括：获取预设时段内每个所述故障部件在检修记录中记录的故障次数；获取每个所述故障部件的实际故障次数；针对每个所述故障部件，将所述实际故障次数减去所述记录的故障次数后，除以所述记录的故障次数，获得每个所述故障部件的所述故障未探测概率。
为达上述目的，本申请的第二方面实施例还提出了一种基于成本优先数的风机的可靠性分析***，包括以下模块:
获取模块，用于获取风机中每个故障部件引发的故障对应的经济损失数据；
第一计算模块，用于计算每个所述故障部件的故障发生概率和故障未探测概率；
第二计算模块，用于基于所述经济损失数据、所述故障发生概率和所述故障未探测概率，计算每个所述故障部件的成本优先数；
确定模块，用于根据统计的全部故障部件的成本优先数确定目标故障部件，并针对所述目标故障部件进行运维。
可选地，在本申请的一个实施例中，所述经济损失数据包括直接经济损失和间接经济损失，获取模块，具体用于：确定更换每个所述故障部件产生的材料成本、运输成本和维修成本；确定每个所述故障部件对所位于的风机中的其他部件造成损伤带来的潜在成本；将所述材料成本、所述运输成本、所述维修成本和所述潜在成本相加，获得所述直接经济损失。
可选地，在本申请的一个实施例中，获取模块，具体用于：针对每个所述故障部件，确定参与维修的维修人员数量、维修人员时薪和维修时间；将所述维修人员数量、所述维修人员时薪和所述维修时间相乘，获得每个所述故障部件的所述维修成本。
本申请的实施例提供的技术方案至少带来以下有益效果：本申请基于成本优先数对风机进行可靠性分析，针对故障成本、故障发生概率和故障未探测概率计算成本优先数，在计算成本优先数时采取的数据均为客观数据，不包含任何主观评价信息，避免采用专家经验等主观数据，从而提高了可靠性分析的客观性和确定性，在不同应用场景下均具有较高的准确性。本申请获得的成本优先数是故障成本、故障发生概率、故障未探测概率的乘积，因此获得的分析结果具有概率性，且具有明确的物理量纲，该分析结果表征故障发生引起的潜在经济损失，使分析结果具有可解释性。并且，本申请计算出的成本优先数以经济性为第一优先原则，将海上风机的可靠性分析从风险优先转变为成本优先，在风机开发、风场运营和风险评估等方面比风险优先数更具优势，有利于风机运行的科学性和经济性，提高风力发电的收益。由此，本申请提高了风机的可靠性分析的客观性、准确性和可解释性，有利于保证风机正常、安全的运行，并提高风机运行的经济性。
为了实现上述实施例，本申请第三方面实施例还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中的基于成本优先数的风机的可靠性分析方法。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例提出的一种基于成本优先数的风机的可靠性分析方法的流程图；
图2为本申请实施例提出的一种故障造成的直接经济损失的计算方法的流程图；
图3为本申请实施例提出的一种故障未探测概率计算方法的流程图；
图4为本申请实施例提出的一种具体的基于成本优先数的风机的可靠性分析方法的流程图
图5为本申请实施例提出的一种基于成本优先数的风机的可靠性分析***的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图详细描述本申请实施例所提出的一种基于成本优先数的风机的可靠性分析方法和***。
图1为本申请实施例提出的一种基于成本优先数的风机的可靠性分析方法的流程图，如图1所示，该方法包括以下步骤：
步骤S101，获取风机中每个故障部件引发的故障对应的经济损失数据。。
其中，本申请的可靠性分析方法针对的风机可以是实际应用中各类型的风机，比如，陆地固定式风机，或者海上浮式风机等。
其中，故障部件是风机中曾发生故障进而导致风机故障的部件，故障部件可以是风机各个***中的部件或设备。在本申请实施例中，可以对风机的运行状况、故障记录和维修记录等历史数据进行记录和分析，确定本申请针对的引发风机故障的故障部件。
具体的，本申请先确定风机故障造成的经济损失，即故障成本。经济损失数据主要包括两方面：直接经济损失和间接经济损失。实际应用中，经济损失数据可以是已经计算完成的数据，可以从存储故障数据的数据库中直接调用已计算完成的数据，也可以获取每个故障相关的数据，再进行计算。
下面以获取每个故障相关的数据，并计算直接经济损失和间接经济损失进行示例性说明。其中，直接经济损失是解决该故障带来的损失以及对风机运行造成的损失。本申请获取预先存储的每个故障的历史记录数据，根据真实的历史数据计算经济损失。
为了更加清楚的说明本申请计算故障造成的直接经济损失的具体实现方式，下面以本申请实施例中提出的一种直接经济损失的计算方法进行示例性说明。图2为本申请实施例提出的一种故障造成的直接经济损失的计算方法的流程图，如图2所示，该方法包括以下步骤：
步骤S201，确定更换每个故障部件产生的材料成本、运输成本和维修成本。
具体的，对于当前分析的故障部件，先在其引发的故障的历史记录数据中查找并计算更换该损失的故障部件导致的材料成本Cm、运输成本Ct和维修成本Cr。
其中，材料成本Cm包括生产新的替换部件的一系列流程带来的成本。然后，获取更换该故障部件带来的运输成本Ct，包括运走损失的故障部件以及运来新的替换部件至风机处的运输成本。再获取维修人员维修该故障带来的人工耗费成本Cr。
具体实施时，在本申请一个实施例中，材料成本Cm和运输成本Ct可以直接查找相关的数据记录获得。在计算维修成本Cr时，作为一种可能的实现方式，可以通过以下方法计算，先针对当前的故障部件，确定参与维修的维修人员数量、维修人员时薪和维修时间，然后将维修人员数量、维修人员时薪和维修时间相乘，以获得维修成本。即，可以通过以下公式计算：
Cr＝Nr×Sr×Tr
其中，Nr为维修人员数量，Sr为维修人员时薪，Tr为维修时间。
可以理解的是，在本实施例中，当每个维修人员的时薪和维修时间相同时，可以按照上述方式计算维修成本Cr。当每个维修人员的时薪和参与维修的时间不同时，可以依次计算出每个维修人员的维修成本，再将全部维修人员的维修成本相加。
步骤S202，确定每个故障部件对所位于的风机中的其他部件造成损伤带来的潜在成本。
具体的，潜在成本Cp是故障对本风机中的除本故障部件之外的其他部件(主要是机械部件和电气部件)造成的损伤所带来的成本。
举例而言，若当前的故障部件为风机支撑结构***中的塔筒，当塔筒发生倾斜或损坏等故障时，可能会对与其相连的塔架造成损伤，为保证风机的正常运行，在一定时间后可能也需要更换塔架，而后续更换塔架带来的成本即为本次故障的潜在成本。又比如，若当前的故障部件为风机电能生产***中发电机，当发电机输出异常时可能会对风机的电能转换***中的整流器或变压器造成损伤，为保证风机的正常运行和作业，后续维修整流器或变压器带来的成本即为本次故障的潜在成本。
具体实施时，可以结合本次故障的故障分析记录和相关部件后续的故障记录等多种因素计算潜在成本Cp。
步骤S203，将材料成本、运输成本、维修成本和潜在成本相加，获得直接经济损失。
具体的，通过以下公式计算直接经济损失LD：
LD＝Cm+Ct+Cr+Cp。
进一步的，再计算故障造成的间接经济损失。
其中，间接经济损失是因故障停机导致的发电量损失。根据故障停机时的历史数据，计算由于本次故障导致未按预期正常发电带来的经济损失。
在本申请一个实施例中，可以通过以下方式计算间接经济损失LI：
首先，通过查阅风机的基本信息等方式，确定每个故障部件所位于的风机的输出功率Po。
然后，通过查阅故障记录和电能交易记录等方式，确定每个故障部件引发的故障导致的故障停机时间Th，以及在当时的停机时段下的电能上网电价Pr。
将确定的输出功率、故障停机时间和电能上网电价相乘，获得间接经济损失，即，可以通过以下公式计算间接经济损失LI：
LI＝Po×Pr×Th。
更进一步的，根据直接经济损失和间接经济损失可以计算出每个故障部件引发的故障造成的总经济损失。
具体的，将直接经济损失和间接经济损失相加，计算出每个故障部件引发的故障造成的总经济损失，即通过以下公式计算出故障造成的总经济损失L：
L＝LD+LI。
该总经济损失L即为获得的经济数据。
步骤S102，计算每个故障部件的故障发生概率和故障未探测概率。
其中，故障发生概率表示故障发生的可能性，可以根据故障信息统计数据获得。
在本申请一个实施例中，可以通过以下方式计算每个故障部件的故障发生概率：
首先，获取待分析的目标风电场的故障信息统计数据，从故障信息统计数据中确定每个故障部件的故障次数统计数据。
具体的，在本实施例中以包含多个风力发电机的风电场站为可靠性分析的研究范围，对当前待进行可靠性分析的目标风电场中的故障部件进行分析。获取目标风电场的故障信息统计数据，该数据包括预先记录的目标风电场中发生的全部故障的次数、类型和维修记录等各种与故障相关的数据。从故障信息统计数据中筛选出的每个故障部件的故障次数统计数据n。
然后，确定目标风电场包括的风机的数量和每台风机上的零部件数量。查阅目标风电场的资料数据和风电场中每台风机的资料数据，统计目标风电场中全部的风机数量Tn以及每一台风机上的零部件数量En。
最后，计算风机的数量和零部件数量的乘积，并将每个故障部件的故障次数统计数据除以该乘积，获得每个故障部件的所述故障发生概率。即，通过以下公式计算故障发生概率Ph：
其中，n为故障单元的故障次数统计数据，Tn为统计的海上风机数量，En为单台海上风机上所统计的零部件数量。
更进一步的，计算每个故障部件的故障未探测概率。其中，故障未探测概率由零部件检修中的故障次数和实际故障信息共同决定。
为了更加清楚的说明本申请计算故障未探测概率的具体实现方式，下面以图3所示的故障未探测概率的计算方法进行示例性说明，如图3所示，该方法包括以下步骤：
步骤S301，获取预设时段内每个故障部件在检修记录中记录的故障次数。
需要说明的是，本申请的故障未探测概率计算方法，可以针对一个风机计算其中的故障部件的故障未探测概率，也可以如上述实施例中方式，针对一个风电场研究其中的各个故障部件的故障未探测概率，具体可根据数据分析量和分析精度等实际因素确定。在本实施例中，以海上风机为研究范围进行示例性说明。
具体的，获取海上风机的检修记录，从检修记录中获得记载的某一时间段内海上风机特定零部件在检修中的故障次数RN。RN表示当前故障部件在该海上风机的检修过程中由相关人员探测并进行了维修的故障次数，可用于表征故障部件可探测出的故障次数。
步骤S302，获取每个故障部件的实际故障次数。
具体的，从预先存储的海上风机的历史故障信息中，获得上述预设时间段内海上风机特定零部件的实际故障次数(FN)，该历史故障信息可以通过汇总风机实际发生的故障得到。
步骤S303，针对每个故障部件，将实际故障次数减去记录的故障次数后，除以记录的故障次数，获得每个故障部件的故障未探测概率。
具体的，通过以下公式计算每个故障部件的故障未探测概率Pu：
步骤S103，基于经济损失数据、故障发生概率和故障未探测概率，计算每个故障部件的成本优先数。
在本申请实施例中，继续参照步骤S101中计算总经济损失的示例进行说明，将计算出的总经济损失、故障发生概率和故障未探测概率相乘，以计算成本优先数，即，通过以下公式计算每个故障部件的成本优先数(Cost Priority Number，简称CPN)：
CPN＝L×Ph×Pu。
可以理解的是，由上述步骤中记载的计算总经济损失L、故障发生概率Ph和故障未探测概率Pu的过程可知，本申请计算成本优先数CPN用到的数据，均为预先记录的真实的历史数据，本申请根据实际应用中产生客观数据计算成本优先数CPN，后续通过成本优先数CPN对各个故障部件的风险进行分析时，得到的分析结果具有较高的客观性和确定性。
步骤S104，根据统计的全部故障部件的成本优先数确定目标故障部件，并针对目标故障部件进行运维。
具体的，对上述步骤中参与计算的每个故障部件的成本优先数进行统计分析，根据各个故障部件的成本优先数确定其中风险等级较高的目标故障部件，再针对目标故障部件执行运维措施。
作为一种可能的实现方式，本申请按照CPN值从大到小的顺序对全部的故障零部件进行排序，根据排序结果确定风险等级在预设的风险等级阈值之上的目标故障部件。其中，风险等级阈值可以是预先确定的一个CPN值，它用于区分高低风险等级，当计算出的故障单元的CPN值大于该风险等级阈值时，表示该故障单元的风险等级较高。其中，该风险等级阈值可以结合大量的实验验证、实际应用中经验和专家知识等多种方式确定，在对全部的故障部件的CPN值进行排序后，筛出CPN值大于风险等级阈值之上故障部件为目标故障部件，目标故障部件的数量可以为一个也可以为多个。
进而，再针对筛选出的目标故障部件，采取各目标故障部件对应的运维措施，预防故障发生。作为一种可能的实现方式，可以根据上述实施例中获取的故障信息数据和检修记录等历史数据，分析故障原因和排除故障使用的方案，确定每种故障部件最佳的运维方案，比如，将获取的风机的历史故障数据、运维数据和运维后的运行数据等作为训练数据，训练深度学习神经网络模型，通过训练完成的神经网络模型确定目标故障部件最佳的运维方案，输出运行维护的建议和措施，并对目标故障部件执行对应的运维措施，以规避风机可能发生的故障。
综上所述，本申请实施例的基于成本优先数的风机的可靠性分析方法，基于成本优先数对风机进行可靠性分析，针对故障成本、故障发生概率和故障未探测概率计算成本优先数，在计算成本优先数时采取的数据均为客观数据，不包含任何主观评价信息，避免采用专家经验等主观数据，从而提高了可靠性分析的客观性和确定性，在不同应用场景下均具有较高的准确性。该方法计算的成本优先数是故障成本、故障发生概率、故障未探测概率的乘积，因此获得的分析结果具有概率性，且具有明确的物理量纲，该分析结果表征故障发生引起的潜在经济损失，使分析结果具有可解释性。并且，该方法计算出的成本优先数以经济性为第一优先原则，将海上风机的可靠性分析从风险优先转变为成本优先，在风机开发、风场运营和风险评估等方面比风险优先数更具优势，有利于风机运行的科学性和经济性，提高风力发电的收益。由此，该方法提高了风机的可靠性分析的客观性、准确性和可解释性，有利于保证风机正常、安全的运行，并提高风机运行的经济性。
为了更加清楚地说明本申请实施例的基于成本优先数的风机的可靠性分析方法的实现过程，下面以一个具体的基于成本优先数的风机的可靠性分析方法实施例进行详细说明。图4为本申请实施例提出的一种具体的基于成本优先数的风机的可靠性分析方法的流程图，如图4所示，该实施例的分析方法包括以下步骤：
步骤S401：定义并计算更换损失故障部件导致的材料成本、运输成本、维修成本和故障对其他部件造成损伤的潜在成本。
步骤S402：定义并计算直接经济损失。
其中，直接经济损失的数值等于步骤S401中的材料成本、运输成本、维修成本和潜在成本之和。
步骤S403：定义并计算间接经济损失。
其中，间接经济损失的数值等于风机输出功率、上网电价、故障停机时间三者的乘积步骤S404：定义并计算海上浮式风机故障发生造成的总经济损失。
其中，总经济损失的数值等于等于步骤S402中计算出的故障发生造成的直接经济损失和步骤S403中计算出的故障发生造成的间接经济损失的和。
步骤S405：定义并计算故障发生概率。
步骤S406：定义并计算故障未探测概率。
步骤S407：定义并计算零部件发生故障的成本优先数CPN，并按CPN值由大到小排序。
步骤S408：提出规避故障的建议或措施。
需要说明的是，本实施例中各步骤的具体实现方式可参照上述实施例中的相关描述，此处不再赘述。
为了实现上述实施例，本申请还提出了一种基于成本优先数的风机的可靠性分析***，图5为本申请实施例提出的一种基于成本优先数的风机的可靠性分析***的结构示意图，如图5所示，该***包括获取模块100、第一计算模块200、第二计算模块300和确定模块400。
其中，获取模块100，用于获取风机中每个故障部件引发的故障对应的经济损失数据。
第一计算模块200，用于计算每个故障部件的故障发生概率和故障未探测概率。
第二计算模块300，用于基于经济损失数据、故障发生概率和故障未探测概率，计算每个故障部件的成本优先数。
确定模块400，用于根据统计的全部故障部件的成本优先数确定目标故障部件，并针对目标故障部件进行运维。
可选地，在本申请的一个实施例中，经济损失数据包括直接经济损失和间接经济损失获取模块100，具体用于：确定更换每个故障部件产生的材料成本、运输成本和维修成本；确定每个故障部件对所位于的风机中的其他部件造成损失带来的潜在成本；将材料成本、运输成本、维修成本和潜在成本相加，获得直接经济损失。
可选地，在本申请的一个实施例中，获取模块100，具体用于：针对每个故障部件，确定参与维修的维修人员数量、维修人员时薪和维修时间；将维修人员数量、维修人员时薪和维修时间相乘，获得每个故障部件的维修成本。
可选地，在本申请的一个实施例中，获取模块100，还用于：确定每个故障部件所位于的风机的输出功率；确定每个故障部件引发的故障导致的故障停机时间，以及故障停机时间对应时段下的电能上网电价；将输出功率、故障停机时间和电能上网电价相乘，获得间接经济损失。
可选地，在本申请的一个实施例中，第一计算模块200，具体用于：获取待分析的目标风电场的故障信息统计数据，从故障信息统计数据中确定每个故障部件的故障次数统计数据；确定目标风电场包括的风机的数量和每台风机上的零部件数量；计算风机的数量和零部件数量的乘积，并将每个故障部件的故障次数统计数据除以乘积，获得每个故障部件的故障发生概率。
可选地，在本申请的一个实施例中，第一计算模块200还用于：获取预设时段内每个故障部件在检修记录中记录的故障次数；获取每个故障部件的实际故障次数；针对每个故障部件，将实际故障次数减去记录的故障次数后，除以记录的故障次数，获得每个故障部件的故障未探测概率。
需要说明的是，前述对基于成本优先数的风机的可靠性分析方法的实施例的解释说明也适用于该实施例的***，此处不再赘述。
综上所述，本申请实施例的基于成本优先数的风机的可靠性分析***，基于成本优先数对风机进行可靠性分析，针对故障成本、故障发生概率和故障未探测概率计算成本优先数，在计算成本优先数时采取的数据均为客观数据，不包含任何主观评价信息，避免采用专家经验等主观数据，从而提高了可靠性分析的客观性和确定性，在不同应用场景下均具有较高的准确性。该***计算的成本优先数是故障成本、故障发生概率、故障未探测概率的乘积，因此获得的分析结果具有概率性，且具有明确的物理量纲，该分析结果表征故障发生引起的潜在经济损失，使分析结果具有可解释性。并且，该***计算出的成本优先数以经济性为第一优先原则，将海上风机的可靠性分析从风险优先转变为成本优先，在风机开发、风场运营和风险评估等方面比风险优先数更具优势，有利于风机运行的科学性和经济性，提高风力发电的收益。由此，该***提高了风机的可靠性分析的客观性、准确性和可解释性，有利于保证风机正常、安全的运行，并提高风机运行的经济性。
为了实现上述实施例，本申请还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述实施例中任一所述的基于成本优先数的风机的可靠性分析方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于成本优先数的风机的可靠性分析方法，其特征在于，包括以下步骤：
获取风机中每个故障部件引发的故障对应的经济损失数据；
计算每个所述故障部件的故障发生概率和故障未探测概率；
基于所述经济损失数据、所述故障发生概率和所述故障未探测概率，计算每个所述故障部件的成本优先数；
根据统计的全部故障部件的成本优先数确定目标故障部件，并针对所述目标故障部件进行运维。
2.根据权利要求1所述的可靠性分析方法，其特征在于，所述经济损失数据包括直接经济损失和间接经济损失，计算风机中每个故障部件引发的故障造成的所述直接经济损失，包括：
确定更换每个所述故障部件产生的材料成本、运输成本和维修成本；
确定每个所述故障部件对所位于的风机中的其他部件造成损伤带来的潜在成本；
将所述材料成本、所述运输成本、所述维修成本和所述潜在成本相加，获得所述直接经济损失。
3.根据权利要求2所述的可靠性分析方法，其特征在于，确定更换每个所述故障部件产生的所述维修成本，包括：
针对每个所述故障部件，确定参与维修的维修人员数量、维修人员时薪和维修时间；
将所述维修人员数量、所述维修人员时薪和所述维修时间相乘，获得每个所述故障部件的所述维修成本。
4.根据权利要求2所述的可靠性分析方法，其特征在于，计算风机中每个故障部件引发的故障造成的所述间接经济损失，包括：
确定每个所述故障部件所位于的风机的输出功率；
确定每个所述故障部件引发的故障导致的故障停机时间，以及所述故障停机时间对应时段下的电能上网电价；
将所述输出功率、所述故障停机时间和所述电能上网电价相乘，获得所述间接经济损失。
5.根据权利要求1所述的可靠性分析方法，其特征在于，所述计算每个所述故障部件的故障发生概率，包括：
获取待分析的目标风电场的故障信息统计数据，从所述故障信息统计数据中确定每个所述故障部件的故障次数统计数据；
确定所述目标风电场包括的风机的数量和每台风机上的零部件数量；
计算所述风机的数量和所述零部件数量的乘积，并将每个所述故障部件的所述故障次数统计数据除以所述乘积，获得每个所述故障部件的所述故障发生概率。
6.根据权利要求1所述的可靠性分析方法，其特征在于，计算每个所述故障部件的所述故障未探测概率，包括：
获取预设时段内每个所述故障部件在检修记录中记录的故障次数；
获取每个所述故障部件的实际故障次数；
针对每个所述故障部件，将所述实际故障次数减去所述记录的故障次数后，除以所述记录的故障次数，获得每个所述故障部件的所述故障未探测概率。
7.一种基于成本优先数的风机的可靠性分析***，其特征在于，包括以下模块：
获取模块，用于获取风机中每个故障部件引发的故障对应的经济损失数据；
第一计算模块，计算每个所述故障部件的故障发生概率和故障未探测概率；
第二计算模块，用于基于所述经济损失数据、所述故障发生概率和所述故障未探测概率，计算每个所述故障部件的成本优先数；
确定模块，用于根据统计的全部故障部件的成本优先数确定目标故障部件，并针对所述目标故障部件进行运维。
8.根据权利要求7所述的分析***，其特征在于，所述经济损失数据包括直接经济损失和间接经济损失，所述获取模块，具体用于：
确定更换每个所述故障部件产生的材料成本、运输成本和维修成本；
确定每个所述故障部件对所位于的风机中的其他部件造成损伤带来的潜在成本；
将所述材料成本、所述运输成本、所述维修成本和所述潜在成本相加，获得所述直接经济损失。
9.根据权利要求8所述的分析***，其特征在于，所述获取模块，具体用于：
针对每个所述故障部件，确定参与维修的维修人员数量、维修人员时薪和维修时间；
将所述维修人员数量、所述维修人员时薪和所述维修时间相乘，获得每个所述故障部件的所述维修成本。
10.一种非临时性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1-6中任一所述的基于成本优先数的风机的可靠性分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211334631.8A CN115860456A (zh) | 2022-10-28 | 2022-10-28 | 基于成本优先数的风机的可靠性分析方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211334631.8A CN115860456A (zh) | 2022-10-28 | 2022-10-28 | 基于成本优先数的风机的可靠性分析方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115860456A true CN115860456A (zh) | 2023-03-28 |
Family
ID=85661970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211334631.8A Pending CN115860456A (zh) | 2022-10-28 | 2022-10-28 | 基于成本优先数的风机的可靠性分析方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115860456A (zh) |
-
2022
- 2022-10-28 CN CN202211334631.8A patent/CN115860456A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230003198A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
| Peng et al. | Wind turbine failure prediction and health assessment based on adaptive maximum mean discrepancy | |
| CN108304350A (zh) | 基于大数据集近邻策略的风机指标预测与故障预警方法 | |
| CN116933197B (zh) | 一种基于大数据的用电信息采集***故障判别方法及*** | |
| CN112800580A (zh) | 风电机组的备品备件的储备数量确定方法及其*** | |
| CN114037194B (zh) | 基于机器学习的水电厂发电负荷预测***及方法 | |
| CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
| CN116771610A (zh) | 一种调整风电机组变桨***故障评估值的方法 | |
| CN108988347B (zh) | 一种电网暂态电压稳定样本集类别失衡的调节方法及*** | |
| CN117992776A (zh) | 基于人工智能的电网设备健康状态实时预测方法 | |
| CN110489852A (zh) | 提高风电***数据质量的方法及装置 | |
| CN114004991A (zh) | 风电机组的故障识别方法及装置 | |
| Botsaris et al. | Systemic assessment and analysis of factors affect the reliability of a wind turbine | |
| CN115169038B (zh) | 基于fmeca的海上浮式风机可靠性分析方法及装置 | |
| CN115860456A (zh) | 基于成本优先数的风机的可靠性分析方法及*** | |
| CN110852544B (zh) | 风力发电机组的可靠性评估方法及装置 | |
| CN112380641B (zh) | 一种应急柴油机健康状态评价方法及计算机终端 | |
| Zhang et al. | Probability warning for wind turbine gearbox incipient faults based on SCADA data | |
| US20200271095A1 (en) | Method, apparatus and system for wind converter management | |
| Souza et al. | Evaluation of data based normal behavior models for fault detection in wind turbines | |
| Zhang | Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data | |
| CN112699598A (zh) | 齿轮箱油温异常智能诊断方法及装置 | |
| CN117272844B (zh) | 配电盘工作寿命的预测方法及*** | |
| CN118157325B (zh) | 一种用于新能源电力的实时监测方法及*** | |
| CN115523104A (zh) | 一种风电机组异常风数据的识别方法及装置 |
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 |