CN117150418A - 基于状态特征故障树的变压器运检周期制定方法和*** - Google Patents
基于状态特征故障树的变压器运检周期制定方法和*** Download PDFInfo
- Publication number
- CN117150418A CN117150418A CN202311421404.3A CN202311421404A CN117150418A CN 117150418 A CN117150418 A CN 117150418A CN 202311421404 A CN202311421404 A CN 202311421404A CN 117150418 A CN117150418 A CN 117150418A
- Authority
- CN
- China
- Prior art keywords
- similar
- fault
- node
- priority
- fault tree
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000009472 formulation Methods 0.000 title description 2
- 239000000203 mixture Substances 0.000 title description 2
- 230000005856 abnormality Effects 0.000 claims abstract description 80
- 238000007689 inspection Methods 0.000 claims abstract description 72
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 238000012163 sequencing technique Methods 0.000 claims abstract description 11
- 238000013024 troubleshooting Methods 0.000 claims abstract description 4
- 238000012423 maintenance Methods 0.000 claims description 22
- 238000011835 investigation Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims 1
- 230000004888 barrier function Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 12
- 239000000463 material Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 208000002693 Multiple Abnormalities Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明提供了一种基于状态特征故障树的变压器运检周期制定方法和***,包括:获取电网***中记录的所有变压器的故障信息并分类,得到第一分类结果;建立状态特征故障树;获取相似故障信息的记录时间点,获取相邻两个相似故障信息的时间差值得到相似间隔;获取每个分类中相似故障信息得到相似数量;根据相似数量和相似间隔得到失效频次;在每个节点增加安全条件点,根据失效频次判断当前节点是否具备优先级,得到优先级序列;将异常信息引入特征故障树,判断异常信息所属的节点,并根据所属节点的优先级判断当前异常是否需要进行全面排查;按优先级序列从高到低来对日常巡检进行故障排查排序。本发明使变压器巡检排障更加方便。
Description
技术领域
本发明涉及变压器技术领域,具体而言,涉及一种基于状态特征故障树的变压器运检周期制定方法和***。
背景技术
变压器是变电站的核心装置,起到了电压变换、电流变换、稳压等功能, 且单台机组价格昂贵,更换代价大,频繁故障停电会造成大量经济损失。因此有必要定期进行巡视和检修,在异常或故障初期进行维护或检修,但现阶段频繁巡视及检修耗费大量人力物力,同时目前巡检大多没有先后性,使得在某些不重要的问题上会浪费时间以及人力物力,导致巡检过程更加漫长。
发明内容
因此,本发明实施例提供一种基于状态特征故障树的变压器运检周期制定方法和***,使变压器巡检排障更加方便。
为解决上述问题,本发明提供一种基于状态特征故障树的变压器运检周期制定方法,包括:获取电网***中记录的所有变压器的故障信息,并将故障信息进行分类,得到第一分类结果;根据第一分类结果建立状态特征故障树;获取第一分类结果中每个分类中相似故障信息的记录时间点,并根据记录时间点获取相邻两个相似故障信息的时间差值,得到相似间隔;获取每个分类中相似故障信息的数量,得到相似数量;根据相似数量和相似间隔得到失效频次;在状态特征故障树中每个节点增加安全条件点,并根据失效频次从上到下判断当前节点所代表的一类故障信息是否具备优先级,得到优先级序列;获取当前异常信息,将异常信息引入特征故障树,判断异常信息所属的节点,并根据所属节点的优先级判断当前异常是否需要进行全面排查;按优先级序列从高到低来对日常巡检进行故障排查排序。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置获取所有变压器的故障信息并进行分类,使得变压器的故障种类得到提取,方便后续对变压器进行排查时提供数据支撑,同时设置状态特征故障树,使得故障的剖析更加全面和深入,并且设置获取每个分类中相似故障信息的时间点并获取相邻的时间差值,进而获得相似间隔,使得能得知相似故障发生的频率,进而能得知该异常的重要性以及为后续巡检的先后提供信息支持,使得巡检时的参照更具有科学性和实际性,同时通过获取相似故障的数量,并通过相似数量和相似间隔得到失效频次,进而通过失效频次来判断故障树中每个节点所代表的的故障是否具有巡检优先级,使得优先级的判断更加贴合实际,进而使得在巡检时能通过优先级进行排查,使得巡检过程更加方便快捷,同时目的性强,同时由于设置了故障树进行统筹和统计,因此借助故障树和优先级序列能快速将目前的异常进行定位以及判断是否需要进行全面排查,因此使得巡检和排异更加方便和具有效率。
在本发明的一个实例中,获取电网***中记录的所有变压器的故障信息,并将故障信息进行分类,得到第一分类结果包括:故障信息的分类依据包括:声音异常,电压异常,油温异常和油位异常。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置通过声音和电压以及油温和油位对故障信息进行分类,使得故障信息能更有条理性,便于后续进行建立故障树,进而使得借助故障树的后续判断更加准确和贴合实际,保障了后续巡检的效率。
在本发明的一个实例中,获取第一分类结果中每个分类中相似故障信息的记录时间点,并根据记录时间点获取相邻两个相似故障信息的时间差值,得到相似间隔还包括:对时间差值进行第一筛除计算;当时间差值均大于等于第一阈值时,则将获得的所有时间差值相加后取平均值,并将平均值作为相似间隔;当时间差值存在小于第一阈值的情况时,则取所有时间差值中的最小值作为相似间隔。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置对得到的时间差值进行第一筛除计算,并使得通过时间差值与第一阈值的比较,得到不同的时间间隔,由于在时间差值大于等于第一阈值时,说明当前异常发生的频率较低,为正常情况,因此取平均值来作为相似间隔,使得相似间隔不会脱离实际,又保障相似间隔不会过高,使得后续的巡检制定更加科学和贴合实际,同时当时间差值存在小于第一阈值的情况,则说明当前异常存在高频发生的情况,因此需要重点关注,则将最小值作为相似间隔,使得其的优先度上升,保障在后续制定巡检时能重点关注该类异常,也使得巡检时目的性更强,进而提高巡检的效率。
在本发明的一个实例中,根据相似数量和相似间隔得到失效频次还包括:失效频次s通过公式1:s=n/t+k进行计算;其中,n为相似数量,t为相似间隔,k为失效误差,且k大于0。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置失效频次根据公式进行计算,同时借助相似数量和相似间隔的比例来对失效频次进行计算,同时添加失效误差来使得失效频次更加贴合实际情况,同时保证得到的失效频次能更好的提高优先级排列的准确性,保证巡检的效率。
在本发明的一个实例中,在状态特征故障树中每个节点增加安全条件点,并根据失效频次从上到下判断当前节点所代表的一类故障信息是否具备优先级,得到优先级序列还包括:从上到下判断当前节点所代表的故障分类对应的失效频次是否大于安全阈值;若大于,则大于安全阈值的部分,按每个节点对应的失效频次的大小,从大到小排列优先级序列;若小于,则按排查便捷程度进行优先级序列的排列,并排在大于安全阈值的部分之后。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置从上到下借助失效频次判断当前故障分类的节点是否大于安全阈值,进而来判断当前节点的优先级,同时失效频次大时这说明当前异常的频次高,容易发生异常,因此需要重点排查,防止频繁发生断电,导致造成大量经济损失,通过失效频次与安全阈值的比较,能最大效率的判断当前节点是否需要进行日常巡检以及在巡检时的先后顺序,使得巡检的效率更高,目的性更强,能最大程度的保障当前变压器的正常运作。
在本发明的一个实例中,若大于,则大于安全阈值的部分,按每个节点对应的失效频次的大小,从大到小排列优先级序列还包括:若存在失效频次相等的节点,则根据第一分类结果统计每个大分类下的大于安全阈值的失效频次的数量,得到第一统计结果;比较失效频次相等的节点所对应的大分类下的第一统计结果的大小,并按第一统计结果从大到小进行优先级序列排序。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置有失效频次相等的情况发生时,通过比较大分类下的失效频次的数量来进行判断,有先进行失效频次数量大的分类,由于改分类下失效频次数量多则表明当前分类下重要异常更多,因此优选针对该分类进行排查,能最大程度的降低多异常发生的概率,保障变压器的稳定运行,也提高了巡检的效率,不会盲目的进行巡检,使得巡检具有更好的目的性。
在本发明的一个实例中,根据所属节点的优先级判断当前异常是否需要进行全面排查还包括:若当前异常所在的节点的优先级序列的位置大于第一安全界限,则判断当前异常需要进行全面排查,并执行第一预警操作;若小于第一安全界限,则正常进行排异。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置在异常发生时,将异常所属节点的优先级序列位置与第一安全界限进行比较,判断是否进行第一预警操作,由于异常发生时的重要程度不同,因此不重要的异常不用大费周章的进行排查,浪费人力物力,而对重要程度高的异常则要重视,进行全面排查,防止连带异常的发生,造成经济损失以及导致居民生活受到影响,通过第一安全界限的设置使得排异时的效率更高,不会浪费时间。
在本发明的一个实例中,若当前异常所在的节点的优先级序列的位置大于第一安全界限,则判断当前异常需要进行全面排查,并执行第一预警操作还包括:将优先级序列中大于第一安全界限的所有节点进行提取,并获取每个节点发生异常时对应的影响范围,得到范围界值;将每个节点按范围界值的大小进行二次优先级序列排列,得到排查序列;按排查序列对大于第一安全界限的所有节点进行排查。
与现有技术相比,采用该技术方案所达到的技术效果:通过设置对优先级序列中大于第一安全界限的节点进行提取并获取影响范围,使得每个节点按影响范围进行排序,使得在对大于第一安全界限的节点进行排查时,也有先后程度,最大程度的保障重要等级高的节点进行优先排查,即会造成影响最大的节点进行优先排查,最大程度的降低异常带来的损失,保障变压器的正常运行,同时提高巡检的效率。
在本发明的一个实例中,影响范围根据当前节点对应的异常发生时,所需要的维修时间进行界定。
与现有技术相比,采用该技术方案所达到的技术效果:通过将异常的维修时间来作为判断依据,能使得排序依据更贴合实际,由于维修时间越长,造成的损失越高,对居民的影响越大,因此通过维修时间来进行判断,使得排序依据能最大程度保障变压器的正常运行以及使得巡检更具有效率。
在本发明还提供一种基于状态特征故障树的变压器运检周期制定***,如上述任意一项的变压器运检周期制定方法应用于变压器运检周期制定***中,变压器运检周期制定***包括:获取模块,获取模块用于获取故障信息,进而建立状态特征故障树;计算模块,计算模块用于根据相似数量和相似间隔计算失效频次;分析模块,分析模块用于分析故障信息进而得到优先级序列,并根据优先级序列判断当前异常是否需要进行全面排查,并制定日常巡检的故障排查顺序。
该变压器运检周期制定***具有上述变压器运检周期制定方法的所有特征,因此也具有相同的技术效果,此处不再一一赘述。
采用本发明的技术方案后,能够达到如下技术效果:
(1)通过设置获取所有变压器的故障信息并进行分类,使得变压器的故障种类得到提取,方便后续对变压器进行排查时提供数据支撑,同时设置状态特征故障树,使得故障的剖析更加全面和深入,并且设置获取每个分类中相似故障信息的时间点并获取相邻的时间差值,进而获得相似间隔,使得能得知相似故障发生的频率,进而能得知该异常的重要性以及为后续巡检的先后提供信息支持,使得巡检时的参照更具有科学性和实际性,同时通过获取相似故障的数量,并通过相似数量和相似间隔得到失效频次,进而通过失效频次来判断故障树中每个节点所代表的的故障是否具有巡检优先级,使得优先级的判断更加贴合实际,进而使得在巡检时能通过优先级进行排查,使得巡检过程更加方便快捷,同时目的性强,同时由于设置了故障树进行统筹和统计,因此借助故障树和优先级序列能快速将目前的异常进行定位以及判断是否需要进行全面排查,因此使得巡检和排异更加方便和具有效率;
(2)通过设置失效频次根据公式进行计算,同时借助相似数量和相似间隔的比例来对失效频次进行计算,同时添加失效误差来使得失效频次更加贴合实际情况,同时保证得到的失效频次能更好的提高优先级排列的准确性,保证巡检的效率;
(3)通过设置从上到下借助失效频次判断当前故障分类的节点是否大于安全阈值,进而来判断当前节点的优先级,同时失效频次大时说明当前异常的频次高,容易发生异常,因此需要重点排查,防止频繁发生断电,导致造成大量经济损失,通过失效频次与安全阈值的比较,能最大效率的判断当前节点是否需要进行日常巡检以及在巡检时的先后顺序,使得巡检的效率更高,目的性更强,能最大程度的保障当前变压器的正常运作。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中待要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图;
图1为本发明实施例提供的一种基于状态特征故障树的变压器运检周期制定方法的流程图;
图2为本发明实施例提供的一种基于状态特征故障树的变压器运检周期制定方法的结构示意图。
附图标记说明:
100为变压器运检周期制定***;110为获取模块;120为计算模块;130为分析模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
【第一实施例】
参见图1,本发明提供一种基于状态特征故障树的变压器运检周期制定方法,包括:
步骤S100:获取电网***中记录的所有变压器的故障信息,并将故障信息进行分类,得到第一分类结果;根据第一分类结果建立状态特征故障树;获取第一分类结果中每个分类中相似故障信息的记录时间点,并根据记录时间点获取相邻两个相似故障信息的时间差值,得到相似间隔;获取每个分类中相似故障信息的数量,得到相似数量;
步骤S200:根据相似数量和相似间隔得到失效频次;在状态特征故障树中每个节点增加安全条件点,并根据失效频次从上到下判断当前节点所代表的一类故障信息是否具备优先级,得到优先级序列;
步骤S300:获取当前异常信息,将异常信息引入特征故障树,判断异常信息所属的节点,并根据所属节点的优先级判断当前异常是否需要进行全面排查;按优先级序列从高到低来对日常巡检进行故障排查排序。
具体的,建立故障信息数据库,首先获取所有电网***中有记载的关于变压器的维修记录,并提取里面的故障信息,如故障的原因,故障的维修时间,故障的地区等,可根据实际情况设置提取内容。在获取完成后,对数据库内的所有故障信息按故障的原因进行分类,如按声音异常,电压异常,油温异常和油位异常等关键故障来进行分类,并分为几大类,即大分类,并将这些大类分别设置为状态特征故障树的顶事件,其余的细小分支内容作为细化事件,如在电压异常中,下方事件还有部件异常,接线异常等更细致的原因,这些细小分支内容加大分类即为各节点,按这些进行故障树和节点的建立。这个具体按照数据库中记载的维修原因进行细化分支,从而使得该分类下的原因更加齐全和深入,使得故障原因被剖析到最根本,提高后续异常发生时,根据故障树进行定位时的准确性以及效率。
进一步的,优先级的定义即用于排列在优先级序列中的先后排满顺序所用到的定义值。
优选的,通过设置获取所有变压器的故障信息并进行分类,使得变压器的故障种类得到提取,方便后续对变压器进行排查时提供数据支撑,同时设置状态特征故障树,使得故障的剖析更加全面和深入,并且设置获取每个分类中相似故障信息的时间点并获取相邻的时间差值,进而获得相似间隔,使得能得知相似故障发生的频率,进而能得知该异常的重要性以及为后续巡检的先后提供信息支持,使得巡检时的参照更具有科学性和实际性,同时通过获取相似故障的数量,并通过相似数量和相似间隔得到失效频次,进而通过失效频次来判断故障树中每个节点所代表的的故障是否具有巡检优先级,使得优先级的判断更加贴合实际,进而使得在巡检时能通过优先级进行排查,使得巡检过程更加方便快捷,同时目的性强,同时由于设置了故障树进行统筹和统计,因此借助故障树和优先级序列能快速将目前的异常进行定位以及判断是否需要进行全面排查,因此使得巡检和排异更加方便和具有效率。
具体的,获取电网***中记录的所有变压器的故障信息,并将故障信息进行分类,得到第一分类结果包括:故障信息的分类依据包括:声音异常,电压异常,油温异常和油位异常。
具体的,异常的获取通过对应的传感器进行获取,传感器为常见的对应传感器,安装在对应异常的检测位置或者发生位置进行实时监测,并与***进行远程信号连接,实时传输检测内容。
优选的,通过设置通过声音和电压以及油温和油位对故障信息进行分类,使得故障信息能更有条理性,便于后续进行建立故障树,进而使得借助故障树的后续判断更加准确和贴合实际,保障了后续巡检的效率。
具体的,获取第一分类结果中每个分类中相似故障信息的记录时间点,并根据记录时间点获取相邻两个相似故障信息的时间差值,得到相似间隔还包括:对时间差值进行第一筛除计算;当时间差值均大于等于第一阈值时,则将获得的所有时间差值相加后取平均值,并将平均值作为相似间隔;当时间差值存在小于第一阈值的情况时,则取所有时间差值中的最小值作为相似间隔。
具体的,第一阈值为人为设定值,根据实验数据和计算获得,可根据实际情况进行适应性调整。举例来说,时间差值分别为7天,10天,12天,14天,7天,而第一阈值设定为7天,则相似间隔取值为10天。此为时间差值均大于等于第一阈值的情况,此时说明该异常发生频率不高,而当时间差值中有一天为4天时,则说明有两个相邻的异常发生间隔过短,需要重点关注,则取时间间隔为4天。
优选的,通过设置对得到的时间差值进行第一筛除计算,并使得通过时间差值与第一阈值的比较,得到不同的时间间隔,由于在时间差值大于等于第一阈值时,说明当前异常发生的频率较低,为正常情况,因此去平均值来作为相似间隔,使得相似间隔不会脱离实际,又保障相似间隔不会过高,使得后续的巡检制定更加科学和贴合实际,同时当时间差值存在小于第一阈值的情况,则说明当前异常存在高频发生的情况,因此需要重点关注,则将最小值作为相似间隔,使得其的优先度上升,保障在后续制定巡检时能重点关注该类异常,也使得巡检时目的性更强,进而提高巡检的效率。
具体的,根据相似数量和相似间隔得到失效频次还包括:失效频次s通过公式1:s=n/t+k进行计算;其中,n为相似数量,t为相似间隔,k为失效误差,且k大于0。
具体的,失效误差为根据实际情况得到的实验值,可适应性调整。举例来说,相似数量n=10,相似间隔t=10,取k=0.5,则s=1.5。再与安全阈值进行比较判断当前节点是否具备优先级以及在优先级序列中的位置。
优选的,通过设置失效频次根据公式进行计算,同时借助相似数量和相似间隔的比例来对失效频次进行计算,同时添加失效误差来使得失效频次更加贴合实际情况,同时保证得到的失效频次能更好的提高优先级排列的准确性,保证巡检的效率。
具体的,在状态特征故障树中每个节点增加安全条件点,并根据失效频次从上到下判断当前节点所代表的一类故障信息是否具备优先级,得到优先级序列还包括:从上到下判断当前节点所代表的故障分类对应的失效频次是否大于安全阈值;若大于,则大于安全阈值的部分,按每个节点对应的失效频次的大小,从大到小排列优先级序列;若小于,则按排查便捷程度进行优先级序列的排列,并排在大于安全阈值的部分之后。
具体的,安全阈值为人为设定值,可根据实际情况进行适应性调整。
优选的,通过设置从上到下借助失效频次判断当前故障分类的节点是否大于安全阈值,进而来判断当前节点的优先级,同时失效频次大时这说明当前异常的频次高,容易发生异常,因此需要重点排查,防止频繁发生断电,导致造成大量经济损失,通过失效频次与安全阈值的比较,能最大效率的判断当前节点是否需要进行日常巡检以及在巡检时的先后顺序,使得巡检的效率更高,目的性更强,能最大程度的保障当前变压器的正常运作。
具体的,若大于,则大于安全阈值的部分,按每个节点对应的失效频次的大小,从大到小排列优先级序列还包括:若存在失效频次相等的节点,则根据第一分类结果统计每个大分类下的大于安全阈值的失效频次的数量,得到第一统计结果;比较失效频次相等的节点所对应的大分类下的第一统计结果的大小,并按第一统计结果从大到小进行优先级序列排序。
具体的,大分类即按在第一分类结果下的分类顶点,如声音异常,电压异常,油温异常和油位异常,这些即大分类。
优选的,通过设置有失效频次相等的情况发生时,通过比较大分类下的失效频次的数量来进行判断,有先进行失效频次数量大的分类,由于改分类下失效频次数量多则表明当前分类下重要异常更多,因此优选针对该分类进行排查,能最大程度的降低多异常发生的概率,保障变压器的稳定运行,也提高了巡检的效率,不会盲目的进行巡检,使得巡检具有更好的目的性。
具体的,根据所属节点的优先级判断当前异常是否需要进行全面排查还包括:若当前异常所在的节点的优先级序列的位置大于第一安全界限,则判断当前异常需要进行全面排查,并执行第一预警操作;若小于第一安全界限,则正常进行排异。
具体的,第一安全界限为人为设定值,可根据实际情况进行调整。
具体的,在新异常被获取时,即不存在于当前所建立的所有状态特征故障树中的新异常,则***发出报警信号,通知维修人员前往,在维修人员维修完成后,将维修记录上传至***中,并且***根据电网***记载的故障信息内容进行分析,判断当前异常是否需要建立为新的状态特征故障树。
具体的,***根据故障信息内容分析具体包括:根据记载的故障信息中的维修时间与大于第一安全界限中的所有节点的范围界值的最小值进行比较,若大于该最小值,则将新异常建立新的状态特征故障树,反之,则按维修时间排入到小于第一安全界限的节点中的优先级序列。
优选的,通过设置在异常发生时,将异常所属节点的优先级序列位置与第一安全界限进行比较,判断是否进行第一预警操作,由于异常发生时的重要程度不同,因此不重要的异常不用大费周章的进行排查,浪费人力物力,而对重要程度高的异常则要重视,进行全面排查,防止连带异常的发生,造成经济损失以及导致居民生活受到影响,通过第一安全界限的设置使得排异时的效率更高,不会浪费时间。
具体的,若当前异常所在的节点的优先级序列的位置大于第一安全界限,则判断当前异常需要进行全面排查,并执行第一预警操作还包括:将优先级序列中大于第一安全界限的所有节点进行提取,并获取每个节点发生异常时对应的影响范围,得到范围界值;将每个节点按范围界值的大小进行二次优先级序列排列,得到排查序列;按排查序列对大于第一安全界限的所有节点进行排查。
优选的,通过设置对优先级序列中大于第一安全界限的节点进行提取并获取影响范围,使得每个节点按影响范围进行排序,使得在对大于第一安全界限的节点进行排查时,也有先后程度,最大程度的保障重要等级高的节点进行优先排查,即会造成影响最大的节点进行优先排查,最大程度的降低异常带来的损失,保障变压器的正常运行,同时提高巡检的效率。
具体的,影响范围根据当前节点对应的异常发生时,所需要的维修时间进行界定。
优选的,通过将异常的维修时间来作为判断依据,能使得排序依据更贴合实际,由于维修时间越长,造成的损失越高,对居民的影响越大,因此通过维修时间来进行判断,使得排序依据能最大程度保障变压器的正常运行以及使得巡检更具有效率。
【第二实施例】
参见图2,在本发明还提供一种基于状态特征故障树的变压器运检周期制定***100,如上述任意一项的变压器运检周期制定方法应用于变压器运检周期制定***100中,变压器运检周期制定***100包括:获取模块110,获取模块110用于获取故障信息,进而建立状态特征故障树;计算模块120,计算模块120用于根据相似数量和相似间隔计算失效频次;分析模块130,分析模块130用于分析故障信息进而得到优先级序列,并根据优先级序列判断当前异常是否需要进行全面排查,并制定日常巡检的故障排查顺序。
在一个具体实施例中,获取模块110、计算模块120和分析模块130,配合实现如上述的变压器运检周期制定方法,此处不再赘述。
该变压器运检周期制定***100具有上述变压器运检周期制定方法的所有特征,因此也具有相同的技术效果,此处不再一一赘述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于状态特征故障树的变压器运检周期制定方法,其特征在于,包括:
获取电网***中记录的所有变压器的故障信息,并将故障信息进行分类,得到第一分类结果;
根据所述第一分类结果建立状态特征故障树;
获取所述第一分类结果中每个分类中相似故障信息的记录时间点,并根据所述记录时间点获取相邻两个相似故障信息的时间差值,得到相似间隔;
获取每个分类中相似故障信息的数量,得到相似数量;
根据所述相似数量和所述相似间隔得到失效频次;
在所述状态特征故障树中每个节点增加安全条件点,并根据所述失效频次从上到下判断当前节点所代表的一类故障信息是否具备优先级,得到优先级序列;
获取当前异常信息,将所述异常信息引入所述特征故障树,判断所述异常信息所属的节点,并根据所属节点的优先级判断当前异常是否需要进行全面排查;
按所述优先级序列从高到低来对日常巡检进行故障排查排序。
2.根据权利要求1所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述获取电网***中记录的所有变压器的故障信息,并将故障信息进行分类,得到第一分类结果包括:
所述故障信息的分类依据包括:声音异常,电压异常,油温异常和油位异常。
3.根据权利要求1所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述获取所述第一分类结果中每个分类中相似故障信息的记录时间点,并根据所述记录时间点获取相邻两个相似故障信息的时间差值,得到相似间隔还包括:
对所述时间差值进行第一筛除计算;
当所述时间差值均大于等于第一阈值时,则将获得的所有时间差值相加后取平均值,并将所述平均值作为所述相似间隔;
当所述时间差值存在小于第一阈值的情况时,则取所有时间差值中的最小值作为所述相似间隔。
4.根据权利要求1所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述根据所述相似数量和所述相似间隔得到失效频次还包括:
所述失效频次s通过公式1:s=n/t+k进行计算;
其中,n为所述相似数量,t为所述相似间隔,k为失效误差,且k大于0。
5.根据权利要求4所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述在所述状态特征故障树中每个节点增加安全条件点,并根据所述失效频次从上到下判断当前节点所代表的一类故障信息是否具备优先级,得到优先级序列还包括:
从上到下判断当前节点所代表的故障分类对应的失效频次是否大于安全阈值;
若大于,则大于所述安全阈值的部分,按每个节点对应的失效频次的大小,从大到小排列优先级序列;若小于,则按排查便捷程度进行优先级序列的排列,并排在所述大于所述安全阈值的部分之后。
6.根据权利要求5所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述若大于,则大于所述安全阈值的部分,按每个节点对应的失效频次的大小,从大到小排列优先级序列还包括:
若存在失效频次相等的节点,则根据所述第一分类结果统计每个大分类下的大于所述安全阈值的失效频次的数量,得到第一统计结果;
比较失效频次相等的节点所对应的大分类下的第一统计结果的大小,并按第一统计结果从大到小进行优先级序列排序。
7.根据权利要求1所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述根据所属节点的优先级判断当前异常是否需要进行全面排查还包括:
若所述当前异常所在的节点的优先级序列的位置大于第一安全界限,则判断当前异常需要进行全面排查,并执行第一预警操作;
若小于所述第一安全界限,则正常进行排异。
8.根据权利要求7所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述若所述当前异常所在的节点的优先级序列的位置大于第一安全界限,则判断当前异常需要进行全面排查,并执行第一预警操作还包括:
将所述优先级序列中大于第一安全界限的所有节点进行提取,并获取每个节点发生异常时对应的影响范围,得到范围界值;
将每个节点按所述范围界值的大小进行二次优先级序列排列,得到排查序列;
按所述排查序列对所述大于第一安全界限的所有节点进行排查。
9.根据权利要求8所述的基于状态特征故障树的变压器运检周期制定方法,其特征在于,所述影响范围根据当前节点对应的异常发生时,所需要的维修时间进行界定。
10.一种基于状态特征故障树的变压器运检周期制定***,其特征在于,如权利要求1至9中任意一项所述的变压器运检周期制定方法应用于所述变压器运检周期制定***中,所述变压器运检周期制定***包括:
获取模块,所述获取模块用于获取故障信息,进而建立所述状态特征故障树;
计算模块,所述计算模块用于根据所述相似数量和所述相似间隔计算所述失效频次;
分析模块,所述分析模块用于分析故障信息进而得到所述优先级序列,并根据所述优先级序列判断当前异常是否需要进行全面排查,并制定所述日常巡检的故障排查顺序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311421404.3A CN117150418B (zh) | 2023-10-31 | 2023-10-31 | 基于状态特征故障树的变压器运检周期制定方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311421404.3A CN117150418B (zh) | 2023-10-31 | 2023-10-31 | 基于状态特征故障树的变压器运检周期制定方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150418A true CN117150418A (zh) | 2023-12-01 |
CN117150418B CN117150418B (zh) | 2024-01-26 |
Family
ID=88897228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311421404.3A Active CN117150418B (zh) | 2023-10-31 | 2023-10-31 | 基于状态特征故障树的变压器运检周期制定方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150418B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520999A (zh) * | 2024-01-08 | 2024-02-06 | 浙江德塔森特数据技术有限公司 | 一种边缘数据中心设备的智能运维方法和*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100037099A1 (en) * | 2008-07-07 | 2010-02-11 | Eurocopter | Diagnostic method for locating a failure in a complex system, and a device for implementing said method |
CN104778370A (zh) * | 2015-04-20 | 2015-07-15 | 北京交通大学 | 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法 |
CN106533754A (zh) * | 2016-11-08 | 2017-03-22 | 北京交通大学 | 用于高校教学服务器故障诊断的方法及专家*** |
CN107544462A (zh) * | 2017-09-07 | 2018-01-05 | 新疆金风科技股份有限公司 | 用于诊断风力发电机组的故障的方法及*** |
CN109872084A (zh) * | 2019-03-18 | 2019-06-11 | 国电联合动力技术有限公司 | 风电机组的故障率统计方法及*** |
CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及*** |
CN115687315A (zh) * | 2022-09-20 | 2023-02-03 | 北京天泽智云科技有限公司 | 一种风机的故障诊断与健康管理*** |
CN116483865A (zh) * | 2022-11-15 | 2023-07-25 | 中国煤炭科工集团太原研究院有限公司 | 一种具有优先级的液压故障诊断专家*** |
CN116542655A (zh) * | 2023-07-04 | 2023-08-04 | 北京智盟信通科技有限公司 | 基于事件树的变电设备故障机理推演方法 |
US20230280240A1 (en) * | 2020-07-31 | 2023-09-07 | Mitsubishi Heavy Industries, Ltd. | Abnormality diagnosis device and abnormality diagnosis method |
-
2023
- 2023-10-31 CN CN202311421404.3A patent/CN117150418B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100037099A1 (en) * | 2008-07-07 | 2010-02-11 | Eurocopter | Diagnostic method for locating a failure in a complex system, and a device for implementing said method |
CN104778370A (zh) * | 2015-04-20 | 2015-07-15 | 北京交通大学 | 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法 |
CN106533754A (zh) * | 2016-11-08 | 2017-03-22 | 北京交通大学 | 用于高校教学服务器故障诊断的方法及专家*** |
CN107544462A (zh) * | 2017-09-07 | 2018-01-05 | 新疆金风科技股份有限公司 | 用于诊断风力发电机组的故障的方法及*** |
CN109872084A (zh) * | 2019-03-18 | 2019-06-11 | 国电联合动力技术有限公司 | 风电机组的故障率统计方法及*** |
US20230280240A1 (en) * | 2020-07-31 | 2023-09-07 | Mitsubishi Heavy Industries, Ltd. | Abnormality diagnosis device and abnormality diagnosis method |
CN115687315A (zh) * | 2022-09-20 | 2023-02-03 | 北京天泽智云科技有限公司 | 一种风机的故障诊断与健康管理*** |
CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及*** |
CN116483865A (zh) * | 2022-11-15 | 2023-07-25 | 中国煤炭科工集团太原研究院有限公司 | 一种具有优先级的液压故障诊断专家*** |
CN116542655A (zh) * | 2023-07-04 | 2023-08-04 | 北京智盟信通科技有限公司 | 基于事件树的变电设备故障机理推演方法 |
Non-Patent Citations (3)
Title |
---|
SIWEI ZHOU 等: "Reliability analysis of dynamic fault trees with Priority-AND gates based on irrelevance coverage model", 《RELIABILITY ENGINEERING & SYSTEM SAFETY》, vol. 224, pages 1 - 15 * |
王有元: "基于可靠性和风险评估的电力变压器状态维修决策方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, vol. 2009, no. 6, pages 042 - 16 * |
赵泽玲: "通信网络故障数据挖掘与溯源算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2023, no. 7, pages 136 - 326 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520999A (zh) * | 2024-01-08 | 2024-02-06 | 浙江德塔森特数据技术有限公司 | 一种边缘数据中心设备的智能运维方法和*** |
CN117520999B (zh) * | 2024-01-08 | 2024-04-05 | 浙江德塔森特数据技术有限公司 | 一种边缘数据中心设备的智能运维方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN117150418B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539550B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN111507376B (zh) | 一种基于多种无监督方法融合的单指标异常检测方法 | |
CN107885642A (zh) | 基于机器学习的业务监控方法及*** | |
CN112561736A (zh) | 智能变电站继电器保护装置故障诊断***和方法 | |
CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和*** | |
CN112925279A (zh) | 一种基于mes***的故障综合分析*** | |
GB2522926A (en) | Method of identifying anomalies | |
CN113902241A (zh) | 一种基于综合状态评价的电网设备检修的策略***及方法 | |
CN112987696A (zh) | 一种区域配电网设备管理平台及其运行方法 | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断***及故障诊断方法 | |
CN111666978B (zh) | 一种it***运维大数据的智能故障预警*** | |
CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
CN113962308A (zh) | 一种航空设备故障预测方法 | |
CN114487705A (zh) | 一种电网设备故障定位检测方法 | |
CN117808456A (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
CN112803587A (zh) | 一种基于诊断决策库的自动化设备状态智能巡视方法 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及*** | |
Catterson et al. | On-line transformer condition monitoring through diagnostics and anomaly detection | |
CN114492636B (zh) | 一种变压器绕组状态信号的采集*** | |
CN114167282B (zh) | 一种电动机故障诊断及劣化趋势预测*** | |
CN116381380A (zh) | 一种用于智能变电站故障录波器的动态故障监管*** | |
CN115600695A (zh) | 一种计量设备的故障诊断方法 | |
CN113836203A (zh) | 一种网络数据化诊断检测分析*** | |
CN117993895B (zh) | 电网设备全生命周期管理*** | |
CN117520999B (zh) | 一种边缘数据中心设备的智能运维方法和*** |
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 |