WO2017008180A1 - 一种光伏组件失效风险判别方法 - Google Patents

一种光伏组件失效风险判别方法 Download PDF

Info

Publication number
WO2017008180A1
WO2017008180A1 PCT/CN2015/000808 CN2015000808W WO2017008180A1 WO 2017008180 A1 WO2017008180 A1 WO 2017008180A1 CN 2015000808 W CN2015000808 W CN 2015000808W WO 2017008180 A1 WO2017008180 A1 WO 2017008180A1
Authority
WO
WIPO (PCT)
Prior art keywords
evaluation
failure
risk
photovoltaic module
factor
Prior art date
Application number
PCT/CN2015/000808
Other languages
English (en)
French (fr)
Inventor
余荣斌
肖莉
Original Assignee
广东产品质量监督检验研究院
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 广东产品质量监督检验研究院 filed Critical 广东产品质量监督检验研究院
Publication of WO2017008180A1 publication Critical patent/WO2017008180A1/zh

Links

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Definitions

  • the invention relates to the technical field of photovoltaic modules, in particular to a method for judging the failure risk of photovoltaic modules.
  • Photovoltaic modules are key components of solar power systems, and the reliability of photovoltaic modules has an important impact on the normal operation of the entire power generation system.
  • the conversion efficiency of photovoltaic modules may be reduced or even completely failed, thus affecting the power generation efficiency of the entire power station. Therefore, it is necessary to carry out evaluation research on the reliability of photovoltaic modules. Failure risk analysis is the premise and basis for conducting reliability assessment of PV modules.
  • FMEA/FMECA Failure Mode Effect and Criticality Analysis
  • FTA Finure Tree Analysis
  • BFA Boncing Failure Analysis
  • FMECA failure mode, impact and hazard analysis
  • RPN risk priority number method
  • Credibility of failure risk ranking The three indicators selected by the RPM function in FMECA do not have actual physical meanings themselves. The subjectivity of the indicators tends to cause the evaluation results to be inconsistent with the objective feelings of people's risk levels. Secondly, The value of the index is mostly based on the expert scoring method. It is subjectively influenced by expert knowledge and experience. There is no theoretical basis for the consistency and credibility of the RPN evaluation ranking results.
  • failure mode 1 is ranked at the minimum position of risk assessment, and failure modes 2 and 5 are repeated, and the ranking result is obviously inconsistent with the actual situation.
  • the object of the present invention is to provide a method for judging the failure risk of a photovoltaic module that improves the credibility of the failure risk analysis result and makes the analysis result more consistent with the actual situation.
  • the present invention can be implemented by the following technical solutions:
  • a method for determining the failure risk of a photovoltaic module includes the following steps:
  • the expert group evaluates the failure factor related evaluation index factors separately, and constructs the fuzzy evaluation matrix of the failure mode according to the evaluation results;
  • the failure risk of the failure mode is determined based on the comprehensive risk assessment factor.
  • the related evaluation index factors include output power loss, fault repair cost, and occurrence probability.
  • the output power loss and fault repair cost replace the severity and detection degree of the traditional RPN. The reasons are as follows:
  • Output power loss It is one of the key performance indicators for measuring PV modules and power stations. The consequences of most faults can ultimately be reflected in the output power loss indicators, with clear physical meaning;
  • the fault repair cost can not only measure the severity of the fault with a clear quantitative value, but also reflect the fault detection degree; for the easy-to-detect fault, it is easy and timely to find, the maintenance cost is low, and it is not easy to detect. The fault has a long impact time and is difficult to detect, resulting in high maintenance costs. Therefore, the fault repair cost can better reflect the failure nature of the PV module;
  • Output power loss and fault repair cost can be taken from historical data and production process analysis of PV modules, which improves the value-dependent method of relying on expert subjective judgment, and significantly reduces the subjectivity of traditional RPN value sorting.
  • the specific process of constructing the fuzzy evaluation matrix of the failure mode includes:
  • the evaluation index of the evaluation index factor i of the failure mode k is:
  • steps of constructing a weight set of relevant evaluation index factors include:
  • the judgment matrix of the evaluation index factors is constructed according to the 1-9 scale method
  • the consistency check is performed on the judgment matrix. If the test value is less than 0.1, the feature vector is the weight set, otherwise the judgment matrix is reconstructed.
  • I c is the consistency test index
  • I R is the average random consistency index
  • ⁇ max is the largest eigenvalue of the judgment matrix
  • n is the order of the judgment matrix
  • steps of calculating the comprehensive risk assessment factor include:
  • the fuzzy comprehensive judgment set and the evaluation level are weighted and averaged to obtain a comprehensive risk evaluation factor.
  • the principle of evaluating the output power loss is: the greater the loss, the higher the evaluation level; the principle to be evaluated when the fault repair cost is evaluated is: the higher the cost, the higher the evaluation level; The principle to follow when conducting the evaluation is that the higher the probability, the higher the evaluation level.
  • the invention proposes three new evaluation index factors of output power loss, fault maintenance cost and occurrence probability, realizes objectification and significance of index evaluation, and improves the evaluation value method which relies entirely on expert subjective judgment, and significantly reduces the traditional RPN.
  • the subjectivity of the value sort Using fuzzy comprehensive evaluation, the analytic hierarchy process is introduced to assign weights, and the quantitative continuity and weighting of evaluation index factors are realized. It is applied to the failure risk analysis of photovoltaic modules, which better solves the subjective and physical significance of traditional analysis methods. The problems are not obvious, the quantization order is unreasonable, the sorting is repeated, and the evaluation results are rationalized, which makes the analysis result more suitable with the actual situation, and greatly improves the credibility of the PV component failure risk analysis result.
  • Figure 1 is a schematic flow chart of the present invention.
  • the method for judging the failure risk of a photovoltaic module according to the present invention mainly comprises the following steps:
  • Step 1 Determine the failure mode of the photovoltaic module (box 1).
  • the specific analysis and determination method may adopt a mature scheme existing in the prior art, such as the FMECA analysis method, and no further description is made herein.
  • Step 2 The expert group evaluates the failure factor-related evaluation index factors separately, and constructs a fuzzy evaluation matrix of the failure mode according to the evaluation results (box 2).
  • the relevant evaluation index factors include output power loss, fault repair cost and probability of occurrence. They are represented by P, W, and O, respectively.
  • Step 2 above specifically includes:
  • Step 2.1 Assume that the total number of experts is S, the failure mode is k, the evaluation index factor is i, and the number of experts who evaluate the evaluation index factor i is level m. Then, the evaluation index of the evaluation index factor i of the failure mode k is:
  • Step 2.2 Failure mode k
  • the principle of failure maintenance cost evaluation is: the higher the cost, the higher the evaluation level;
  • the principle to evaluate the probability of occurrence is: the higher the probability, the higher the evaluation level.
  • Step 3 Construct a weight set of relevant evaluation indicator factors according to the analytic hierarchy process (box 3).
  • Weights The set is a set of corresponding weighting factors to reflect the importance of each evaluation index factor of the PV module. Determining the weight of each factor is one of the most critical aspects of the comprehensive evaluation. The appropriateness of the weighting factor will directly affect the comprehensive evaluation results.
  • the analytic hierarchy process combines qualitative and quantitative analysis to construct a decision matrix, and uses the consistency test to eliminate the human factors in the weight analysis method and ensure the validity and practicability of the weights.
  • Step 3 above specifically includes:
  • Step 3.1 According to the 1-9 scale method, the judgment matrix of the evaluation index factors is constructed. The comparison results are used to represent the influencing factors, and the comparison values are calculated by using the 1-9 scale method (see Table 3).
  • the construction judgment matrix is as follows:
  • n is an evaluation index factor
  • Step 3.2 Find a feature vector corresponding to the largest eigenvalue of the judgment matrix
  • Step 3.3 In order to reduce the influence of human factors in qualitative analysis, the weight of the weight is evaluated and the consistency of the judgment matrix is tested. If the test value is less than 0.1, the feature vector is the weight set, otherwise the judgment matrix is reconstructed.
  • the formula for the consistency check of the judgment matrix is: (4), where I c is the consistency test index, I R is the average random consistency index, and for the 1-9 order judgment matrix, the values are shown in Table 4. (5), where ⁇ max is the largest eigenvalue of the judgment matrix, and n is the order of the judgment matrix.
  • Step 4 Calculate the comprehensive risk assessment factor for each failure mode based on the fuzzy evaluation matrix and the weight set (box 4).
  • Step 4 above specifically includes:
  • Step 4.1 Multiply the fuzzy evaluation matrix and the weight set to obtain a fuzzy comprehensive judgment set; set the weight set of the relevant evaluation index factors of the obtained failure mode k as Where n is the evaluation index factor, then the fuzzy comprehensive evaluation set is multiplied by W k and (2):
  • Step 4.2 In order to more intuitively see the evaluation result, the fuzzy comprehensive judgment set and the evaluation level are weighted and averaged to obtain the comprehensive risk evaluation factor C k :
  • Step 5 Determine the failure risk of the failure mode based on the comprehensive risk assessment factor, and comprehensive risk assessment The larger the child, the higher the risk of failure.
  • Step 1 Determine the failure mode of the PV module, taking Table 1 as an example.
  • Step 2 The fuzzy evaluation matrix of the failure mode is exemplified by failure mode 1 of Table 1.
  • Step 2.1 According to the Delphi method, assuming that the total number of expert groups is 100, according to Table 2, the evaluation ratings of the output power loss P are 0, 0, 10, 20, 70 experts, respectively. The five evaluation levels of the maintenance cost W are 0, 10, 50, 30, and 10 experts respectively, and the evaluation levels of the occurrence probability O are 80, 20, 0, 0, and 0 experts respectively. According to formula (1), the corresponding evaluation set is
  • Step 2.2 According to equation (2), the fuzzy evaluation matrix of failure mode 1 is:
  • Step 3 Construct a weight set for evaluating the indicator factors.
  • Steps 3.1 and 3.2 According to Equation (3) and Table 3, the judgment matrix of the failure mode 1 evaluation index factor is constructed and the corresponding weight coefficient is obtained, and Table 5 is the judgment matrix and the weight result value of the evaluation index factor of the failure mode 1.
  • Step 4 Calculate the comprehensive risk assessment factor for failure mode 1.
  • Step 4.1 According to equation (6), the comprehensive decision set of failure mode 1 is:
  • the evaluation index factors of each failure mode adopt the same weight set, that is,
  • Step 5 Using the comprehensive risk assessment factor obtained by the failure assessment method for photovoltaic modules according to the present invention, the failure risk ranking results for each failure mode are: failure mode 1> failure mode 2> failure mode 5> failure mode 3> failure mode 4, Fault mode 1 component surface glass fragmentation leads to the highest risk ranking, and the sorting and repeating problem is also solved, which is consistent with the actual situation.

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Photovoltaic Devices (AREA)

Abstract

一种光伏组件失效风险判别方法，主要包括以下步骤：确定光伏组件的故障模式；专家小组分别对故障模式相关评价指标因素评价等级，根据评价结果构建故障模式的模糊评判矩阵；根据层次分析法构建相关评价指标因素的权重集；根据模糊评判矩阵和权重集计算各故障模式的综合风险评价因子；根据综合风险评价因子确定故障模式的失效风险。实现了指标评价的客观化、意义化；利用模糊综合评判，引入层次分析法进行权重赋值，实现风险评价指标的量化连续性、权重化，并应用于光伏组件失效风险分析，有效改进FMECA方法量化排序不合理、重复现象，使得分析与实际更加贴合，提高光伏组件失效风险分析结果可信性。

Description

一种光伏组件失效风险判别方法 技术领域
本发明涉及光伏组件技术领域，尤其涉及一种光伏组件失效风险判别方法。
背景技术
光伏组件是太阳能发电***的关键部件，光伏组件可靠性对整个发电***的正常运作有着重要影响。在光伏电站实际运行中，由于温度、湿度或紫外辐射等外界因素作用会导致光伏组件转换效率降低甚至完全失效，从而影响整个电站的发电效率，因此有必要开展光伏组件可靠性的评估研究，其中失效风险分析是开展光伏组件可靠性评估的前提和基础。
目前主要失效分析方法有FMEA/FMECA(Failure Mode Effect and Criticality Analysis)、FTA(Failure Tree Analysis)、BFA(Bouncing Failure Analysis)等，其中失效模式、影响及危害性分析(FMECA)是一种常用***失效分析方法。FMECA分析产品中所有可能产生的失效状况对产品、***造成的影响，并按每一个失效模式严重程度S、发生频度O和探测度D予以分类(RPN法)。此法虽然易于操作，但应用到光伏组件失效分析上存在一定问题：
(1)失效风险指标不连续性：FMECA方法利用风险优先数法(RPN)过对影响失效模式危害性等级的三个关键要素：{故障严重性S、发生率O、探测度D}进行风险识别，得到定量RPN值，即([S O D]＝{(1…10)，(1…10)，(1…10)})。风险优先数法(RPN)法虽一定程度弥补了定性分析的不足，但存在风险指标量值不连续的问题。经计算，RPN只有120个取值，也即在1～1000理论覆盖范围中，有88％的风险量值无法取的。例如，假设[S O D]＝{10，10，10}，则RPN＝1000；假设[S O D]＝{9，9，9}，则RPN＝729，1000与729之间的风险量值无法取 到，取值出现较大的空白段。
(2)失效风险排序可信性：FMECA中RPN函数选取的3个指标首先自身并不具备实际物理意义，指标的主观性易导致评估结果常与人们对风险程度的客观感觉不符；其次3个指标取值多采用专家评分法，受专家知识、经验等主观影响较大，RPN评估排序结果一致性、可信性缺乏理论依据。
以某10KW试验电站光伏组件历史运行数据和实际情况为依据，利用传统FMECA方法进行光伏组件失效风险分析，结果如表1所示：
表1基于FMECA的光伏组件失效风险分析
Figure PCTCN2015000808-appb-000001
根据表1传统RPN值排序结果，故障模式1排在风险评估最小位置，故障模式2、5排序重复，排序结果明显与实际情况不符。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种提高失效风险分析结果可信性，使得分析结果与实际更加相符的光伏组件失效风险判别方法。
为实现上述目的，本发明可以通过以下技术方案予以实现：
一种光伏组件失效风险判别方法，包括以下步骤：
确定光伏组件的故障模式；
专家小组分别对故障模式相关评价指标因素评价等级，根据评价结果构建故障模式的模糊评判矩阵；
根据层次分析法构建相关评价指标因素的权重集；
根据模糊评判矩阵和权重集计算各故障模式的综合风险评价因子；
根据综合风险评价因子确定故障模式的失效风险。
进一步的，所述相关评价指标因素包括输出功率损失、故障维修费用和发生概率。输出功率损失、故障维修费用替代传统RPN中严重程度、探测度，理由如下：
(1)输出功率损失：是衡量光伏组件和电站的关键性能指标之一，绝大部分故障造成的影响后果最终都能从输出功率损失指标中体现，具有明确物理意义；
(2)故障维修费用：故障维修费用不仅能以明确的量化取值来衡量故障严重程度，同时也反映出故障探测度；对于易探测的故障，发现容易且及时，维护成本低，而不易探测的故障，影响时间长，探测难度大，导致维护成本也高，因此故障维修费用更能反映光伏组件失效本质；
(3)输出功率损失和故障维修费用可从光伏组件使用的历史数据和生产工艺分析取值，改进了完全依赖专家主观判定的取值方式，显著降低了传统RPN取值排序主观性。
进一步的，构建故障模式的模糊评判矩阵的具体过程包括：
假设专家总人数为S，故障模式为k，评价指标因素为i，评定评价指标因素i为等级m的专家人数为
Figure PCTCN2015000808-appb-000002
则故障模式k的评价指标因素i的评价集为：
Figure PCTCN2015000808-appb-000003
所述故障模式k所有评价指标因素i的评价集构建成故障模式k的模糊评判矩阵Rk，其中i＝1，…，n，
Figure PCTCN2015000808-appb-000004
进一步的，构建相关评价指标因素的权重集的步骤包括：
根据1-9标度法构建评价指标因素的判断矩阵；
求出判断矩阵最大特征根所对应的特征向量；
对判断矩阵进行一致性检验，若检验值小于0.1，则该特征向量即为权重集，否则重新构建判断矩阵。
进一步的，对判断矩阵进行一致性检验的公式为：
Figure PCTCN2015000808-appb-000005
其中，Ic为一致性检验指标，IR为平均随机一致性指标。
进一步的，
Figure PCTCN2015000808-appb-000006
其中，λmax为判断矩阵的最大特征根，n为判断矩阵的阶数。
进一步的，计算综合风险评价因子的步骤包括：
将模糊评判矩阵和权重集相乘得出模糊综合判定集；
将模糊综合判定集与评价等级进行加权平均处理，得出综合风险评价因子。
进一步的，所述综合风险评价因子越大，表示失效风险越高。
进一步的，对输出功率损失进行评价时所遵循的原则为：损失越大，评价等级越高；对故障维修费用进行评价时所遵循的原则为：费用越高，评价等级越大；对发生概率进行进行评价时所遵循的原则为：概率越大，评价等级越高。
本发明提出输出功率损失、故障维修费用和发生概率这三个全新评价指标因素，实现了指标评价的客观化、意义化，改进了完全依赖专家主观判定的评价取值方式，显著降低了传统RPN取值排序的主观性。利用模糊综合评判，引入层次分析法进行权重赋值，实现评价指标因素的量化连续性、权重化，应用于光伏组件失效风险分析，较好地解决了传统分析方法存在的主观性较强、物理意义不明显、量化排序不合理、排序重复等问题，评判结果合理化，使得分析结果与实际情况更加贴合，大大提高了光伏组件失效风险分析结果的可信性。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面将结合附图以及具体实施方式对本发明作进一步的说明：
如图1所示，本发明所述的光伏组件失效风险判别方法，主要包括以下步骤：
步骤1：确定光伏组件的故障模式(方框1)，具体分析确定方法可采用现有技术中已有的成熟方案，例如FMECA分析法，在此不作赘述。
步骤2：专家小组分别对故障模式相关评价指标因素评价等级，根据评价结果构建故障模式的模糊评判矩阵(方框2)。
其中，相关评价指标因素包括输出功率损失、故障维修费用和发生概率， 分别用P、W、O表示。
上述步骤2具体包括：
步骤2.1：假设专家总人数为S，故障模式为k，评价指标因素为i，评定评价指标因素i为等级m的专家人数为
Figure PCTCN2015000808-appb-000007
则故障模式k的评价指标因素i的评价集为：
Figure PCTCN2015000808-appb-000008
步骤2.2：故障模式k所有评价指标因素i的评价集构建成故障模式k的模糊评判矩阵Rk，其中i＝1，…，n，
Figure PCTCN2015000808-appb-000009
其中，评价等级V分为5个等级，即V＝{1，2，3，4，5}，且对输出功率损失进行评价时所遵循的原则为：损失越大，评价等级越高；对故障维修费用进行评价时所遵循的原则为：费用越高，评价等级越大；对发生概率进行进行评价时所遵循的原则为：概率越大，评价等级越高。为了进行统一评价，根据光伏组件实际的使用情况、历史数据和生产工艺分析，建立评价指标因素的评价等级体系(表2)：
表2评价指标因素的评价等级体系
评价指标因素 等级1 等级2 等级3 等级4 等级5
输出功率损失P 0～10％ 10％～30％ 30％～70％ 70％～90％ 90％～100％
故障维修费用W 极低 低 中等 高 极高
发生概率O 稀少 较少 一般 较高 高
步骤3：根据层次分析法构建相关评价指标因素的权重集(方框3)。权重 集是为了体现光伏组件各个评价指标因素重要程度而赋予相应加权因子所组成的集合。确定各因素权重是综合评判中最为关键的环节之一，权重因子的恰当与否，将直接影响综合评判结果。层次分析法将定性、定量分析进行结合，构造判定矩阵，并利用一致性检验，能够尽量消除权重分析方法中的人为因素，保证权重的有效性、实用性。
上述步骤3具体包括：
步骤3.1：根据1-9标度法构建评价指标因素的判断矩阵，用表示影响因素对因素比较结果，比较取值利用1-9标度法(见表3)，构造判断矩阵如下：
Figure PCTCN2015000808-appb-000010
式(3)中，n为评价指标因素；
表3 1-9标度法判定取值等级表
尺度P 含义
1 与“同等重要”
3 与“稍微重要”
5 与“明显重要”
7 与“强烈重要”
9 与“绝对重要”
2，4，6，8之一 各相邻等级1-3、3-5、5-7和7-9之间中值
步骤3.2：求出判断矩阵最大特征根所对应的特征向量；
步骤3.3：为了降低定性分析的人为因素影响，评估求出权重精确性，对判断矩阵进行一致性检验，若检验值小于0.1，则该特征向量即为权重集，否则重新构建判断矩阵。对判断矩阵进行一致性检验的公式为：
Figure PCTCN2015000808-appb-000011
(4)，其中，Ic为一致性检验指标，IR为平均随机一致性指标，对于1-9阶判断矩阵，其取 值见表4。
Figure PCTCN2015000808-appb-000012
(5)，其中，λmax为判断矩阵的最大特征根，n为判断矩阵的阶数。
表4 1-9阶判断矩阵IR取值表
n IR
1 0.00
2 0.00
3 0.58
4 0.90
5 1.12
6 1.24
7 1.32
8 1.41
9 1.45
步骤4：根据模糊评判矩阵和权重集计算各故障模式的综合风险评价因子(方框4)。
上述步骤4具体包括：
步骤4.1：将模糊评判矩阵和权重集相乘得出模糊综合判定集；设所求的故障模式k的相关评价指标因素的权重集为
Figure PCTCN2015000808-appb-000013
式中，n为评价指标因素，则模糊综合评判集为Wk与式(2)相乘：
Figure PCTCN2015000808-appb-000014
步骤4.2：为了更直观看出评判结果，将模糊综合判定集与评价等级进行加权平均处理，得出综合风险评价因子Ck：
Ck＝Bk·VT                            (7)。
步骤5：根据综合风险评价因子确定故障模式的失效风险，综合风险评价因 子越大，表示失效风险越高。
下面用数据来举例说明本发明的流程方法：
步骤1：确定光伏组件的故障模式，以表1为例。
步骤2：故障模式的模糊评判矩阵，以表1的故障模式1为例。
步骤2.1：根据德尔菲法评定，假设专家小组总人数为100，按表2进行评价，对输出功率损失P的5个评价等级分别有0，0，10，20，70位专家评定，对故障维修费用W的5个评价等级分别有0，10，50，30，10位专家评定，对发生概率O的5个评价等级分别有80，20，0，0，0位专家评定。根据式(1)，则相应的评价集为
Figure PCTCN2015000808-appb-000015
Figure PCTCN2015000808-appb-000016
Figure PCTCN2015000808-appb-000017
步骤2.2：根据式(2)，故障模式1的模糊评判矩阵为：
Figure PCTCN2015000808-appb-000018
步骤3：构建评价指标因素的权重集。
步骤3.1、3.2：根据式(3)和表3，构造故障模式1评价指标因素的判断矩阵并求出对应权重系数，表5为故障模式1的评价指标因素的判断矩阵及权重结果值。
表5故障模式1的评价指标因素判断矩阵及权重
Figure PCTCN2015000808-appb-000019
步骤3.3：对判断矩阵进行一致性检验，根据式(4)、式(5)和表4，计算得Rc＝0.0559＜0.1，说明构造的判断矩阵一致性满足要求，因此故障模式1的 评价指标因素权重集为W1＝[0.7306，0.1884，0.0810]。
步骤4：计算故障模式1的综合风险评价因子。
步骤4.1：根据式(6)，故障模式1的综合判定集为：
Figure PCTCN2015000808-appb-000020
步骤4.2：根据式(7)，将模糊综合判定集与评价等级(即V＝{1，2，3，4，5})进行加权平均处理，得出综合风险评价因子C1＝4.0986。
同样方法可以得出故障模式2～5的模糊评判矩阵：
Figure PCTCN2015000808-appb-000021
Figure PCTCN2015000808-appb-000022
Figure PCTCN2015000808-appb-000023
Figure PCTCN2015000808-appb-000024
为简便计算，各故障模式的评价指标因素采用同一权重集，即
W2＝W3＝W4＝W5＝W1＝[0.7306，0.1884，0.0810]
从而可求出各故障模式模糊综合判定集为：
B2＝W2R2＝[0 0.1838 0.5192 0.2970 0]
B3＝W3R3＝[0.4384 0.2922 0.0701 0.1805 0.0188]
B4＝W4R4＝[0.5845 0.1838 0.1130 0.0458 0.0729]
B5＝W5R5＝[0.5845 0.0188 0.0942 0.0727 0.2298]
同理，得出各故障模式的综合风险评价因子集：
C＝{C1，C2，C3，C4，C5}＝{4.0986，3.1132，2.0491，1.8388，2.3445}
步骤5：利用本发明所述光伏组件失效风险判别方法得到的综合风险评价因子对各故障模式失效风险排序结果为：故障模式1＞故障模式2＞故障模式5＞故障模式3＞故障模式4，故障模式1组件表面玻璃碎裂导致风险排序最大，排序重复问题也得到解决，这与实际情况是相符合的。
对于本领域的技术人员来说，可根据以上技术方案以及构思，做出其他各种相应的改变以及变形，而所有的这些改变和变形都应该属于本发明权利要求的保护范围之内。

Claims (10)

  1. 一种光伏组件失效风险判别方法，其特征在于，包括以下步骤：
    确定光伏组件的故障模式；
    专家小组分别对故障模式相关评价指标因素评价等级，根据评价结果构建故障模式的模糊评判矩阵；
    根据层次分析法构建相关评价指标因素的权重集；
    根据模糊评判矩阵和权重集计算各故障模式的综合风险评价因子；
    根据综合风险评价因子确定故障模式的失效风险。
  2. 根据权利要求1所述的光伏组件失效风险判别方法，其特征在于：所述相关评价指标因素包括输出功率损失、故障维修费用和发生概率。
  3. 根据权利要求1所述的光伏组件失效风险判别方法，其特征在于，构建故障模式的模糊评判矩阵的具体过程包括：
    假设专家总人数为S，故障模式为k，评价指标因素为i，评定评价指标因素i为等级m的专家人数为
    Figure PCTCN2015000808-appb-100001
    则故障模式k的评价指标因素i的评价集为：
    Figure PCTCN2015000808-appb-100002
    所述故障模式k所有评价指标因素i的评价集构建成故障模式k的模糊评判矩阵Rk，其中i＝1，…，n，
    Figure PCTCN2015000808-appb-100003
  4. 根据权利要求1所述的光伏组件失效风险判别方法，其特征在于，构建相关评价指标因素的权重集的步骤包括：
    根据1-9标度法构建评价指标因素的判断矩阵；
    求出判断矩阵最大特征根所对应的特征向量；
    对判断矩阵进行一致性检验，若检验值小于0.1，则该特征向量即为权重集，否则重新构建判断矩阵。
  5. 根据权利要求4所述的光伏组件失效风险判别方法，其特征在于，对判断矩阵进行一致性检验的公式为：
    Figure PCTCN2015000808-appb-100004
    其中，Ic为一致性检验指标，IR为平均随机一致性指标。
  6. 根据权利要求5所述的光伏组件失效风险判别方法，其特征在于：
    Figure PCTCN2015000808-appb-100005
    其中，λmax为判断矩阵的最大特征根，n为判断矩阵的阶数。
  7. 根据权利要求1所述的光伏组件失效风险判别方法，其特征在于，计算综合风险评价因子的步骤包括：
    将模糊评判矩阵和权重集相乘得出模糊综合判定集；
    将模糊综合判定集与评价等级进行加权平均处理，得出综合风险 评价因子。
  8. 根据权利要求1或7所述的光伏组件失效风险判别方法，其特征在于：所述综合风险评价因子越大，表示失效风险越高。
  9. 根据权利要求1所述的光伏组件失效风险判别方法，其特征在于：所述评价等级分为5个等级。
  10. 根据权利要求9所述的光伏组件失效风险判别方法，其特征在于：对输出功率损失进行评价时所遵循的原则为：损失越大，评价等级越高；对故障维修费用进行评价时所遵循的原则为：费用越高，评价等级越大；对发生概率进行进行评价时所遵循的原则为：概率越大，评价等级越高。
PCT/CN2015/000808 2015-07-16 2015-11-23 一种光伏组件失效风险判别方法 WO2017008180A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510419574.7A CN105096037A (zh) 2015-07-16 2015-07-16 一种光伏组件失效风险判别方法
CN201510419574.7 2015-07-16

Publications (1)

Publication Number Publication Date
WO2017008180A1 true WO2017008180A1 (zh) 2017-01-19

Family

ID=54576406

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/000808 WO2017008180A1 (zh) 2015-07-16 2015-11-23 一种光伏组件失效风险判别方法

Country Status (2)

Country Link
CN (1) CN105096037A (zh)
WO (1) WO2017008180A1 (zh)

Cited By (73)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108053121A (zh) * 2017-12-18 2018-05-18 广东广业开元科技有限公司 一种基于ahp的建筑消防安全大数据健康度评估方法
CN108108887A (zh) * 2017-12-18 2018-06-01 广东广业开元科技有限公司 一种基于多维数据的物联网旅游出行指数的智能评估模型
CN108109001A (zh) * 2017-12-18 2018-06-01 广东广业开元科技有限公司 一种基于ahp的贸易摩擦指数人工智能评估的方法
CN108133311A (zh) * 2017-12-14 2018-06-08 长春工程学院 一种风电机组故障模式风险评估及可靠性分析方法
CN108665076A (zh) * 2018-04-13 2018-10-16 国网上海市电力公司 一种基于台区线损精益管理的关口表电压线搭头选取方法
CN108805395A (zh) * 2018-04-23 2018-11-13 中国南方电网有限责任公司 一种基于改进可拓学理论的停电影响综合评估方法
CN109255205A (zh) * 2018-11-16 2019-01-22 中国航空综合技术研究所 一种基于功能稳健性的复杂机械***方案设计方法
CN109636243A (zh) * 2019-01-03 2019-04-16 深圳壹账通智能科技有限公司 模型故障检测方法、装置、计算机设备以及存储介质
CN109711707A (zh) * 2018-12-21 2019-05-03 中国船舶工业***工程研究院 一种船舶动力装置综合状态评估方法
CN109783879A (zh) * 2018-12-21 2019-05-21 西安电子科技大学 一种雷达辐射源信号识别效能评估方法及***
CN110210110A (zh) * 2019-05-29 2019-09-06 陕西柴油机重工有限公司 一种面向船用柴油机机身加工过程工艺可靠性的建模方法
CN110459329A (zh) * 2019-07-11 2019-11-15 广东省公共卫生研究院 一种登革热风险综合评估方法
CN110598965A (zh) * 2019-03-18 2019-12-20 浙江工业大学 石化装置换热网络中换热设备的三维效能评级方法
CN111010083A (zh) * 2019-11-21 2020-04-14 浙江大学 一种光伏电站故障综合预警***
CN111143763A (zh) * 2019-12-13 2020-05-12 广东电网有限责任公司 电力设备状态的评估方法、装置及其存储介质
CN111159861A (zh) * 2019-12-16 2020-05-15 北京航空航天大学 基于数据包络分析的锂电池多源可靠性试验数据评价方法
CN111191770A (zh) * 2019-12-25 2020-05-22 北京航天测控技术有限公司 一种基于模糊神经网络的火箭***健康状态评估方法
CN111242406A (zh) * 2019-11-29 2020-06-05 国网浙江省电力有限公司 一种综合能源互动***的用户侧能源断供风险处理方法
CN111460656A (zh) * 2020-03-31 2020-07-28 合肥优尔电子科技有限公司 一种电力机房通信电源运行寿命评估方法和***
CN111597502A (zh) * 2020-04-20 2020-08-28 国网福建省电力有限公司 基于模糊理论的电力监控***无线接入安全评估方法及装置
CN111626646A (zh) * 2020-07-07 2020-09-04 中国人民解放军陆军防化学院 一种装备完好性检查信息融合方法
CN111626632A (zh) * 2020-06-03 2020-09-04 中国南方电网有限责任公司超高压输电公司大理局 一种换流阀空冷器状态评估方法
CN111666684A (zh) * 2020-06-05 2020-09-15 中国石化销售股份有限公司华南分公司 输送管道的环焊缝风险预估方法、装置及可读存储介质
CN111859594A (zh) * 2019-04-15 2020-10-30 上海申通地铁集团有限公司 地铁信号设备使用寿命评估方法及***
CN111859808A (zh) * 2020-07-24 2020-10-30 华北电力大学 一种基于模糊加权几何平均的燃气轮机***故障排序方法
CN111859535A (zh) * 2020-06-20 2020-10-30 武汉理工大学 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置
CN111932110A (zh) * 2020-08-06 2020-11-13 中铁四局集团有限公司 一种适用于隐伏溶洞的隧道风险判别方法
CN111967777A (zh) * 2020-08-19 2020-11-20 国网河南省电力公司经济技术研究院 一种储能促进清洁能源利用价值的综合评价方法
CN111967776A (zh) * 2020-08-19 2020-11-20 国网河南省电力公司经济技术研究院 一种园区综合能源***运营价值链的评估方法
CN112085375A (zh) * 2020-09-04 2020-12-15 东南大学 一种竖向阻隔屏障方案的遴选方法
CN112163713A (zh) * 2020-10-13 2021-01-01 南京航空航天大学 一种基于模糊熵权综合评判法-响应曲面法的表面完整性加工参数优化方法
CN112163282A (zh) * 2020-10-30 2021-01-01 智慧航海（青岛）科技有限公司 一种智能船舶综合性能评价方法
CN112329952A (zh) * 2020-10-15 2021-02-05 中国第一汽车股份有限公司 一种汽车零部件维修方便性的评价方法
CN112364932A (zh) * 2020-11-20 2021-02-12 沈阳理工大学 一种基于图像特征的拟态度建模***及方法
CN112365135A (zh) * 2020-10-27 2021-02-12 西安热工研究院有限公司 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备
CN112416774A (zh) * 2020-11-24 2021-02-26 中国电子科技集团公司第二十八研究所 一种添加权重的软件可靠性测试方法
CN112488463A (zh) * 2020-11-13 2021-03-12 山东大学 一种基于组合赋权法与优劣解距离法的滑坡评价方法
CN112614551A (zh) * 2020-12-27 2021-04-06 北京化工大学 一种危化介质多因素危害性综合评价方法
CN112733379A (zh) * 2021-01-20 2021-04-30 上海海事大学 一种门座起重机金属结构风险评估方法
CN112907097A (zh) * 2021-03-08 2021-06-04 北京科技大学 一种深部金属矿工程开采热环境风险评价方法
CN112967075A (zh) * 2021-03-29 2021-06-15 北京工商大学 一种基于dematel-ism的粮油质量安全区块链风险分析及优化方法
CN113033997A (zh) * 2021-03-24 2021-06-25 汕头大学 基于改进集对分析的城市水质等级确定方法、装置及介质
CN113204873A (zh) * 2021-04-29 2021-08-03 中国人民解放军海军工程大学 一种大型武器装备制造风险传导评价方法
CN113298417A (zh) * 2021-06-15 2021-08-24 国网上海市电力公司 一种面向不同停电场景的关键负荷重要度评估方法
CN113435686A (zh) * 2021-04-28 2021-09-24 国网冀北电力有限公司计量中心 蓄热式电采暖***评价方法及装置
CN113469522A (zh) * 2021-06-30 2021-10-01 国网综合能源服务集团有限公司 综合能源物联网评价方法、装置、电子设备及存储介质
CN113537753A (zh) * 2021-07-08 2021-10-22 国网电力科学研究院武汉南瑞有限责任公司 一种智能组件环境适应性评估方法
CN113536610A (zh) * 2021-09-16 2021-10-22 北京慧智神光科技有限公司 一种断路器操动机构综合评价方法
CN113610401A (zh) * 2021-08-09 2021-11-05 上海应用技术大学 牵引供电变压器的状态评估方法
CN113689081A (zh) * 2021-07-29 2021-11-23 同济大学 基于正态云模型的自动驾驶道路测试数据质量确定方法
CN113722380A (zh) * 2021-09-02 2021-11-30 西安工业大学 一种特种装备关重件健康管理方法及其验证与监测***
CN113780653A (zh) * 2021-09-07 2021-12-10 上海电力大学 一种基于云物元的输电线路路径方案优选方法
CN113780757A (zh) * 2021-08-21 2021-12-10 国网湖北省电力有限公司电力科学研究院 一种电气火灾风险评估权重指标系数的确定方法
CN114048986A (zh) * 2021-11-04 2022-02-15 国网冀北电力有限公司经济技术研究院 一种配电侧共享储能的评估方法
CN114169718A (zh) * 2021-11-25 2022-03-11 吉林省电力科学研究院有限公司 一种基于风电机组状态评估提高机组可靠性的方法
CN114386884A (zh) * 2022-03-24 2022-04-22 广东电网有限责任公司东莞供电局 一种电网调度运行精益化评价方法
CN114427882A (zh) * 2021-12-13 2022-05-03 国网湖南省电力有限公司检修公司 一种基于模糊层次分析法的智能隔离开关***及其评估方法
CN114564839A (zh) * 2022-03-02 2022-05-31 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种汽轮机振动故障风险的评价方法及***
CN114692565A (zh) * 2022-06-01 2022-07-01 井芯微电子技术(天津)有限公司 多特征参数高速板卡设计阶段质量检测方法、***及设备
CN114707841A (zh) * 2022-03-30 2022-07-05 华能大理风力发电有限公司洱源分公司 一种基于集中监控的光伏健康度评估***及方法
CN114743073A (zh) * 2022-06-13 2022-07-12 交通运输部水运科学研究所 一种基于深度学习的危险货物集装箱预警方法及装置
CN114866137A (zh) * 2022-04-21 2022-08-05 国网青海省电力公司信息通信公司 电力光缆网的检测方法及装置
CN114912781A (zh) * 2022-04-29 2022-08-16 中国第一汽车股份有限公司 一种基于计权分析的车门声品质主观评价方法、装置及设备
CN115392735A (zh) * 2022-08-30 2022-11-25 浙江正泰智维能源服务有限公司 光伏电站工作性能监测方法、***、设备及介质
CN115439273A (zh) * 2022-10-19 2022-12-06 桂林电子科技大学 基于模糊算子的配电网运行调度的风险评估方法
CN115564222A (zh) * 2022-09-29 2023-01-03 国网湖南省电力有限公司 混合式抽水蓄能电站的综合评价方法及***
CN115630270A (zh) * 2022-12-19 2023-01-20 国网江西省电力有限公司电力科学研究院 一种变电站防鸟装置应用效果评估方法及***
CN115801334A (zh) * 2022-10-27 2023-03-14 华中科技大学 一种智能仪表功能安全和信息安全策略融合方法和***
CN115907484A (zh) * 2023-03-09 2023-04-04 泰安市特种设备检验研究院 一种承压特种设备安全状态在线评估方法
CN116611741A (zh) * 2023-07-14 2023-08-18 湖南省计量检测研究院 基于风电设备的服役质量指数体系构建方法及***
CN116823576A (zh) * 2023-06-30 2023-09-29 北京极嗅科技有限公司 一种毒品原植物适生区的评估方法及***
CN117436708A (zh) * 2023-12-20 2024-01-23 临沂市规划建筑设计研究院集团有限公司 国土空间规划风险评估方法
WO2024093468A1 (zh) * 2022-11-04 2024-05-10 国网山东省电力公司电力科学研究院 风偏闪络风险评价方法、***、设备、可读存储介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105741022B (zh) * 2016-01-26 2019-11-19 中国石油大学(北京) 关联失效影响下的页岩气压裂管柱风险排序方法及装置
CN108764598A (zh) * 2018-04-02 2018-11-06 国网上海市电力公司 一种低压计量箱故障风险评估方法
CN109782746A (zh) * 2019-02-01 2019-05-21 哈尔滨工业大学 一种考虑权重的硬件电路fmea方法
CN113256160B (zh) * 2021-06-21 2021-09-28 西南交通大学 一种以监测数据驱动的综合管廊运维动态风险评价方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080011979A (ko) * 2006-08-02 2008-02-11 대덕대학산학협력단 대규모 태양광 발전시설의 태양전지모듈 온라인 감시 진단방법 및 그 시스템
CN101562339A (zh) * 2009-05-08 2009-10-21 东南大学 基于成功流的配电***可靠性指标计算方法
CN101853320A (zh) * 2010-05-17 2010-10-06 北京航空航天大学 一种适用于飞机结构腐蚀损伤的模糊综合评判方法
CN102129466A (zh) * 2011-03-22 2011-07-20 国网电力科学研究院 基于实证示范建立光伏电站测试诊断和预测数据库的方法
CN102208809A (zh) * 2011-06-01 2011-10-05 清华大学 含光伏电源的配电网可靠性评估方法
JP5524769B2 (ja) * 2010-09-01 2014-06-18 株式会社Ｎｔｔファシリティーズ 太陽光発電診断装置
CN104103019A (zh) * 2014-06-20 2014-10-15 清华大学 含分布式电源的配电网运行风险评估方法及评估***
CN104217104A (zh) * 2014-08-19 2014-12-17 上海交通大学 一种基于风险评估的电力变压器寿命分析方法及***
CN104504607A (zh) * 2014-09-04 2015-04-08 国家电网公司 一种基于模糊聚类算法的光伏电站故障诊断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006019896A1 (de) * 2006-04-28 2007-10-31 Siemens Ag Verfahren zur Fehlerbaumanalyse

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080011979A (ko) * 2006-08-02 2008-02-11 대덕대학산학협력단 대규모 태양광 발전시설의 태양전지모듈 온라인 감시 진단방법 및 그 시스템
CN101562339A (zh) * 2009-05-08 2009-10-21 东南大学 基于成功流的配电***可靠性指标计算方法
CN101853320A (zh) * 2010-05-17 2010-10-06 北京航空航天大学 一种适用于飞机结构腐蚀损伤的模糊综合评判方法
JP5524769B2 (ja) * 2010-09-01 2014-06-18 株式会社Ｎｔｔファシリティーズ 太陽光発電診断装置
CN102129466A (zh) * 2011-03-22 2011-07-20 国网电力科学研究院 基于实证示范建立光伏电站测试诊断和预测数据库的方法
CN102208809A (zh) * 2011-06-01 2011-10-05 清华大学 含光伏电源的配电网可靠性评估方法
CN104103019A (zh) * 2014-06-20 2014-10-15 清华大学 含分布式电源的配电网运行风险评估方法及评估***
CN104217104A (zh) * 2014-08-19 2014-12-17 上海交通大学 一种基于风险评估的电力变压器寿命分析方法及***
CN104504607A (zh) * 2014-09-04 2015-04-08 国家电网公司 一种基于模糊聚类算法的光伏电站故障诊断方法

Cited By (101)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133311A (zh) * 2017-12-14 2018-06-08 长春工程学院 一种风电机组故障模式风险评估及可靠性分析方法
CN108053121A (zh) * 2017-12-18 2018-05-18 广东广业开元科技有限公司 一种基于ahp的建筑消防安全大数据健康度评估方法
CN108108887A (zh) * 2017-12-18 2018-06-01 广东广业开元科技有限公司 一种基于多维数据的物联网旅游出行指数的智能评估模型
CN108109001A (zh) * 2017-12-18 2018-06-01 广东广业开元科技有限公司 一种基于ahp的贸易摩擦指数人工智能评估的方法
CN108665076A (zh) * 2018-04-13 2018-10-16 国网上海市电力公司 一种基于台区线损精益管理的关口表电压线搭头选取方法
CN108805395A (zh) * 2018-04-23 2018-11-13 中国南方电网有限责任公司 一种基于改进可拓学理论的停电影响综合评估方法
CN109255205A (zh) * 2018-11-16 2019-01-22 中国航空综合技术研究所 一种基于功能稳健性的复杂机械***方案设计方法
CN109255205B (zh) * 2018-11-16 2022-11-22 中国航空综合技术研究所 一种基于功能稳健性的复杂机械***方案设计方法
CN109711707A (zh) * 2018-12-21 2019-05-03 中国船舶工业***工程研究院 一种船舶动力装置综合状态评估方法
CN109783879A (zh) * 2018-12-21 2019-05-21 西安电子科技大学 一种雷达辐射源信号识别效能评估方法及***
CN109636243A (zh) * 2019-01-03 2019-04-16 深圳壹账通智能科技有限公司 模型故障检测方法、装置、计算机设备以及存储介质
CN110598965B (zh) * 2019-03-18 2023-06-09 浙江工业大学 石化装置换热网络中换热设备的三维效能评级方法
CN110598965A (zh) * 2019-03-18 2019-12-20 浙江工业大学 石化装置换热网络中换热设备的三维效能评级方法
CN111859594B (zh) * 2019-04-15 2024-03-19 上海申通地铁集团有限公司 地铁信号设备使用寿命评估方法及***
CN111859594A (zh) * 2019-04-15 2020-10-30 上海申通地铁集团有限公司 地铁信号设备使用寿命评估方法及***
CN110210110A (zh) * 2019-05-29 2019-09-06 陕西柴油机重工有限公司 一种面向船用柴油机机身加工过程工艺可靠性的建模方法
CN110210110B (zh) * 2019-05-29 2023-11-21 陕西柴油机重工有限公司 一种面向船用柴油机机身加工过程工艺可靠性的建模方法
CN110459329B (zh) * 2019-07-11 2022-11-18 广东省公共卫生研究院 一种登革热风险综合评估方法
CN110459329A (zh) * 2019-07-11 2019-11-15 广东省公共卫生研究院 一种登革热风险综合评估方法
CN111010083A (zh) * 2019-11-21 2020-04-14 浙江大学 一种光伏电站故障综合预警***
CN111242406B (zh) * 2019-11-29 2023-10-24 国网浙江省电力有限公司 一种综合能源互动***的用户侧能源断供风险处理方法
CN111242406A (zh) * 2019-11-29 2020-06-05 国网浙江省电力有限公司 一种综合能源互动***的用户侧能源断供风险处理方法
CN111143763A (zh) * 2019-12-13 2020-05-12 广东电网有限责任公司 电力设备状态的评估方法、装置及其存储介质
CN111143763B (zh) * 2019-12-13 2021-09-17 广东电网有限责任公司 电力设备状态的评估方法、装置及其存储介质
CN111159861A (zh) * 2019-12-16 2020-05-15 北京航空航天大学 基于数据包络分析的锂电池多源可靠性试验数据评价方法
CN111191770A (zh) * 2019-12-25 2020-05-22 北京航天测控技术有限公司 一种基于模糊神经网络的火箭***健康状态评估方法
CN111191770B (zh) * 2019-12-25 2023-04-21 北京航天测控技术有限公司 一种基于模糊神经网络的火箭***健康状态评估方法
CN111460656A (zh) * 2020-03-31 2020-07-28 合肥优尔电子科技有限公司 一种电力机房通信电源运行寿命评估方法和***
CN111460656B (zh) * 2020-03-31 2023-06-27 合肥优尔电子科技有限公司 一种电力机房通信电源运行寿命评估方法和***
CN111597502A (zh) * 2020-04-20 2020-08-28 国网福建省电力有限公司 基于模糊理论的电力监控***无线接入安全评估方法及装置
CN111626632A (zh) * 2020-06-03 2020-09-04 中国南方电网有限责任公司超高压输电公司大理局 一种换流阀空冷器状态评估方法
CN111666684A (zh) * 2020-06-05 2020-09-15 中国石化销售股份有限公司华南分公司 输送管道的环焊缝风险预估方法、装置及可读存储介质
CN111666684B (zh) * 2020-06-05 2023-08-29 中国石化销售股份有限公司华南分公司 输送管道的环焊缝风险预估方法、装置及可读存储介质
CN111859535B (zh) * 2020-06-20 2024-04-30 武汉理工大学 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置
CN111859535A (zh) * 2020-06-20 2020-10-30 武汉理工大学 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置
CN111626646B (zh) * 2020-07-07 2023-09-01 中国人民解放军陆军防化学院 一种装备完好性检查信息融合方法
CN111626646A (zh) * 2020-07-07 2020-09-04 中国人民解放军陆军防化学院 一种装备完好性检查信息融合方法
CN111859808A (zh) * 2020-07-24 2020-10-30 华北电力大学 一种基于模糊加权几何平均的燃气轮机***故障排序方法
CN111859808B (zh) * 2020-07-24 2023-11-17 华北电力大学 一种基于模糊加权几何平均的燃气轮机***故障排序方法
CN111932110A (zh) * 2020-08-06 2020-11-13 中铁四局集团有限公司 一种适用于隐伏溶洞的隧道风险判别方法
CN111967777A (zh) * 2020-08-19 2020-11-20 国网河南省电力公司经济技术研究院 一种储能促进清洁能源利用价值的综合评价方法
CN111967776A (zh) * 2020-08-19 2020-11-20 国网河南省电力公司经济技术研究院 一种园区综合能源***运营价值链的评估方法
CN111967777B (zh) * 2020-08-19 2023-10-27 国网河南省电力公司经济技术研究院 一种储能促进清洁能源利用价值的综合评价方法
CN112085375A (zh) * 2020-09-04 2020-12-15 东南大学 一种竖向阻隔屏障方案的遴选方法
CN112163713A (zh) * 2020-10-13 2021-01-01 南京航空航天大学 一种基于模糊熵权综合评判法-响应曲面法的表面完整性加工参数优化方法
CN112329952A (zh) * 2020-10-15 2021-02-05 中国第一汽车股份有限公司 一种汽车零部件维修方便性的评价方法
CN112365135A (zh) * 2020-10-27 2021-02-12 西安热工研究院有限公司 基于模糊层次分析法的风电叶片制造质量评价方法、***及设备
CN112163282A (zh) * 2020-10-30 2021-01-01 智慧航海（青岛）科技有限公司 一种智能船舶综合性能评价方法
CN112488463A (zh) * 2020-11-13 2021-03-12 山东大学 一种基于组合赋权法与优劣解距离法的滑坡评价方法
CN112364932A (zh) * 2020-11-20 2021-02-12 沈阳理工大学 一种基于图像特征的拟态度建模***及方法
CN112364932B (zh) * 2020-11-20 2024-02-02 沈阳理工大学 一种基于图像特征的拟态度建模***及方法
CN112416774B (zh) * 2020-11-24 2022-11-22 中国电子科技集团公司第二十八研究所 一种添加权重的软件可靠性测试方法
CN112416774A (zh) * 2020-11-24 2021-02-26 中国电子科技集团公司第二十八研究所 一种添加权重的软件可靠性测试方法
CN112614551A (zh) * 2020-12-27 2021-04-06 北京化工大学 一种危化介质多因素危害性综合评价方法
CN112733379A (zh) * 2021-01-20 2021-04-30 上海海事大学 一种门座起重机金属结构风险评估方法
CN112907097B (zh) * 2021-03-08 2024-05-17 北京科技大学 一种深部金属矿工程开采热环境风险评价方法
CN112907097A (zh) * 2021-03-08 2021-06-04 北京科技大学 一种深部金属矿工程开采热环境风险评价方法
CN113033997B (zh) * 2021-03-24 2023-09-19 汕头大学 基于改进集对分析的城市水质等级确定方法、装置及介质
CN113033997A (zh) * 2021-03-24 2021-06-25 汕头大学 基于改进集对分析的城市水质等级确定方法、装置及介质
CN112967075A (zh) * 2021-03-29 2021-06-15 北京工商大学 一种基于dematel-ism的粮油质量安全区块链风险分析及优化方法
CN112967075B (zh) * 2021-03-29 2023-09-01 北京工商大学 一种基于dematel-ism的粮油质量安全区块链风险分析及优化方法
CN113435686A (zh) * 2021-04-28 2021-09-24 国网冀北电力有限公司计量中心 蓄热式电采暖***评价方法及装置
CN113204873A (zh) * 2021-04-29 2021-08-03 中国人民解放军海军工程大学 一种大型武器装备制造风险传导评价方法
CN113298417A (zh) * 2021-06-15 2021-08-24 国网上海市电力公司 一种面向不同停电场景的关键负荷重要度评估方法
CN113469522A (zh) * 2021-06-30 2021-10-01 国网综合能源服务集团有限公司 综合能源物联网评价方法、装置、电子设备及存储介质
CN113537753A (zh) * 2021-07-08 2021-10-22 国网电力科学研究院武汉南瑞有限责任公司 一种智能组件环境适应性评估方法
CN113537753B (zh) * 2021-07-08 2023-06-27 国网电力科学研究院武汉南瑞有限责任公司 一种智能组件环境适应性评估方法
CN113689081A (zh) * 2021-07-29 2021-11-23 同济大学 基于正态云模型的自动驾驶道路测试数据质量确定方法
CN113610401A (zh) * 2021-08-09 2021-11-05 上海应用技术大学 牵引供电变压器的状态评估方法
CN113610401B (zh) * 2021-08-09 2023-08-11 上海应用技术大学 牵引供电变压器的状态评估方法
CN113780757B (zh) * 2021-08-21 2024-01-26 国网湖北省电力有限公司电力科学研究院 一种电气火灾风险评估权重指标系数的确定方法
CN113780757A (zh) * 2021-08-21 2021-12-10 国网湖北省电力有限公司电力科学研究院 一种电气火灾风险评估权重指标系数的确定方法
CN113722380A (zh) * 2021-09-02 2021-11-30 西安工业大学 一种特种装备关重件健康管理方法及其验证与监测***
CN113780653A (zh) * 2021-09-07 2021-12-10 上海电力大学 一种基于云物元的输电线路路径方案优选方法
CN113536610A (zh) * 2021-09-16 2021-10-22 北京慧智神光科技有限公司 一种断路器操动机构综合评价方法
CN114048986A (zh) * 2021-11-04 2022-02-15 国网冀北电力有限公司经济技术研究院 一种配电侧共享储能的评估方法
CN114169718A (zh) * 2021-11-25 2022-03-11 吉林省电力科学研究院有限公司 一种基于风电机组状态评估提高机组可靠性的方法
CN114427882A (zh) * 2021-12-13 2022-05-03 国网湖南省电力有限公司检修公司 一种基于模糊层次分析法的智能隔离开关***及其评估方法
CN114564839B (zh) * 2022-03-02 2024-05-28 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种汽轮机振动故障风险的评价方法及***
CN114564839A (zh) * 2022-03-02 2022-05-31 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种汽轮机振动故障风险的评价方法及***
CN114386884A (zh) * 2022-03-24 2022-04-22 广东电网有限责任公司东莞供电局 一种电网调度运行精益化评价方法
CN114707841A (zh) * 2022-03-30 2022-07-05 华能大理风力发电有限公司洱源分公司 一种基于集中监控的光伏健康度评估***及方法
CN114866137B (zh) * 2022-04-21 2024-04-12 国网青海省电力公司信息通信公司 电力光缆网的检测方法及装置
CN114866137A (zh) * 2022-04-21 2022-08-05 国网青海省电力公司信息通信公司 电力光缆网的检测方法及装置
CN114912781A (zh) * 2022-04-29 2022-08-16 中国第一汽车股份有限公司 一种基于计权分析的车门声品质主观评价方法、装置及设备
CN114692565A (zh) * 2022-06-01 2022-07-01 井芯微电子技术(天津)有限公司 多特征参数高速板卡设计阶段质量检测方法、***及设备
CN114743073A (zh) * 2022-06-13 2022-07-12 交通运输部水运科学研究所 一种基于深度学习的危险货物集装箱预警方法及装置
CN115392735A (zh) * 2022-08-30 2022-11-25 浙江正泰智维能源服务有限公司 光伏电站工作性能监测方法、***、设备及介质
CN115392735B (zh) * 2022-08-30 2024-04-23 浙江正泰智维能源服务有限公司 光伏电站工作性能监测方法、***、设备及介质
CN115564222A (zh) * 2022-09-29 2023-01-03 国网湖南省电力有限公司 混合式抽水蓄能电站的综合评价方法及***
CN115439273A (zh) * 2022-10-19 2022-12-06 桂林电子科技大学 基于模糊算子的配电网运行调度的风险评估方法
CN115801334B (zh) * 2022-10-27 2024-05-14 华中科技大学 一种智能仪表功能安全和信息安全策略融合方法和***
CN115801334A (zh) * 2022-10-27 2023-03-14 华中科技大学 一种智能仪表功能安全和信息安全策略融合方法和***
WO2024093468A1 (zh) * 2022-11-04 2024-05-10 国网山东省电力公司电力科学研究院 风偏闪络风险评价方法、***、设备、可读存储介质
CN115630270A (zh) * 2022-12-19 2023-01-20 国网江西省电力有限公司电力科学研究院 一种变电站防鸟装置应用效果评估方法及***
CN115907484A (zh) * 2023-03-09 2023-04-04 泰安市特种设备检验研究院 一种承压特种设备安全状态在线评估方法
CN116823576A (zh) * 2023-06-30 2023-09-29 北京极嗅科技有限公司 一种毒品原植物适生区的评估方法及***
CN116823576B (zh) * 2023-06-30 2023-12-26 北京极嗅科技有限公司 一种毒品原植物适生区的评估方法及***
CN116611741A (zh) * 2023-07-14 2023-08-18 湖南省计量检测研究院 基于风电设备的服役质量指数体系构建方法及***
CN117436708B (zh) * 2023-12-20 2024-04-05 临沂市规划建筑设计研究院集团有限公司 国土空间规划风险评估方法
CN117436708A (zh) * 2023-12-20 2024-01-23 临沂市规划建筑设计研究院集团有限公司 国土空间规划风险评估方法

Also Published As

Publication number Publication date
CN105096037A (zh) 2015-11-25

Similar Documents

Publication Publication Date Title
WO2017008180A1 (zh) 一种光伏组件失效风险判别方法
CN105930976B (zh) 基于加权理想点法的节点电压暂降严重程度综合评估方法
CN103793854B (zh) 多重组合优化的架空输电线路运行风险信息化评估方法
WO2016091084A1 (zh) 一种基于复杂网络的高速列车***安全评估方法
CN103617568B (zh) 稳态电能质量预警机制中的异常数据判定阈值设定方法
CN103177186B (zh) 一种电气回路故障概率预测方法
CN103617371A (zh) 一种基于灰色理论的电能质量综合评估方法
CN105141255A (zh) 一种光伏阵列故障诊断方法
CN113780443B (zh) 一种面向威胁检测的网络安全态势评估方法
CN105303331A (zh) 一种变压器维修风险决策方法
CN105912857B (zh) 一种配电设备状态监测传感器的选配方法
CN108510147B (zh) 一种基于残差波动模型的电能质量综合评价方法
CN110705887A (zh) 一种基于神经网络模型的低压台区运行状态综合评价方法
CN103440410A (zh) 主变个体缺陷概率预测方法
WO2023273249A1 (zh) 基于tsvm模型的智能电能表自动化检定***异常检测方法
CN114266289A (zh) 一种复杂装备健康状态评估方法
CN114444910A (zh) 一种面向电力物联网的边缘网络***健康度评估方法
CN116467658A (zh) 一种基于马尔科夫链的设备故障溯源方法
CN111695288A (zh) 一种基于Apriori-BP算法的变压器故障诊断方法
CN105741184B (zh) 一种变压器状态评估方法及装置
CN117494950B (zh) 一种光储充检微电网一体站运行安全评价方法
Yang et al. Assessment of equipment operation state with improved random forest
CN113608968A (zh) 一种基于密度距离综合决策的电力调度监控数据异常检测方法
CN116151799A (zh) 一种基于bp神经网络的配电线路多工况故障率快速评估方法
CN108509537B (zh) 一种输电线路舞动概率预报***及方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15897910

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15897910

Country of ref document: EP

Kind code of ref document: A1