CN103177186B - 一种电气回路故障概率预测方法 - Google Patents

Abstract

本发明涉及一种电气回路故障概率预测方法，步骤为：⑴统计前10年输变电设备的健康指数Hi；⑵利用历年健康指数的统计值定义云滴drop（x，u(x)）；⑶通过逆向云发生器建立设备故障概率预测云模型；⑷通过正向云发生器产生所需数量的具体云滴；⑸检验云滴是否位于置信区间；⑹预测计算变压器设备下一年的故障概率；⑺根据电气回路划分定义计算设备所在回路的故障概率预测值。本发明基于云模型的设备故障率预测方法，设备服役役龄和自身健康状态对其故障发生概率的影响，结合对电气回路故障概率进行了预测计算，为评估电气回路可靠性和计算电气回路故障的风险提供了数据支持，具有良好的推广价值和应用前景。

Description

一种电气回路故障概率预测方法

技术领域

本发明属于设备故障分析和可靠性评估技术领域，涉及一种电气回路故障概率预测方法。

背景技术

电气回路按照功能不同分为输电回路、变电回路和母线回路3种。电气回路的功能主要特点是：在某一特定的容量范围内将电能从一端传输到另一端；灵活地改变系统运行方式；在回路发生故障时自动将本身与整个电力系统隔离。电气回路作为电力系统的重要组成部分，由众多输变电设备组合连接而成，不同种类的电气设备故障对电气回路单元故障率的影响程度同，一旦发生故障会严重影响电能的传输与分配，危机供电系统的可靠性和运行稳定性。因此，预测电气回路故障发生概率对评估电力系统运行风险和找出系统薄弱环节具有重要意义。

国内外广泛采用设备健康指数来评估输变电设备的运行状态，但健康指数只能用以定性估算电气设备故障概率，实现由设备状态定性评价到定量故障率数据间的转化仍然是一个难题。传统的预测方法如经验法、回归分析法、BP神经网络法等虽然具有简便易行、计算速度快，但当遇到非线性波动时存在需要详细可靠统计资料、预测精度不高等问题。

云模型理论对于日常生活中的不确定性具有很好的表达能力，能够准确地实现定性概念到定量数据间的转化。目前云模型已经成功地运用于数据挖掘中的预测领域。因此，本发明将云模型理论分析分析方法引入到主要输变电设备故障概率预测计算中来，通过预测计算变压器、输电线路、断路器等主要输变电设备故障发生概率，进计算电气回路故障发生概率，研究电气回路故障特性和变化规律，有利于找出系统运行薄弱环节，为状态检修和电网规划、设计、管理和运行工作提供决策支持。

目前，国内外针对由输变电设备故障概率推算电气回路故障概率的研究还处于空白，未见相关报道。

发明内容

为弥补现有技术的不足，本发明提供一种电气回路故障概率预测方法，利用云模型理论预测电气设备及电气回路的故障概率，提高预测的准确性和可靠性。

本发明电气回路故障概率预测方法，步骤如下：

(1)统计前10年输变电设备的健康指数Hi，所述输变电设备健康的健康指数Hi为相应设备为各部件的综合扣分值，其数值介于0-100之间；所述扣分值为基于《输变电设备状态检修试验规程》以及相关设备的状态评价导则对设备基础状态量进行采集和处理得到各部件的扣分值；对于缺乏定量状态评估数据的年份，取设备相应的缺陷数据进行健康指数计算。

（2）利用历年健康指数的统计值定义云滴drop(x,u(x))，

其中：

x为每一年变压器实际健康指数；

为变压器的某一健康指数x隶属于故障停运时最大健康指数均值X的程度；

X为所统计的全国变压器设备历年来发生故障停运时的最大健康指数的均值。

（3）采用拟合算法对一组云滴进行计算，通过逆向云发生器建立设备故障概率预测云模型，所述云模型用期望、熵和超熵3个数字特征来表征，具体计算方法如下：

①根据云期望曲线拟合得到期望的估计值，将的点剔除，剩下m个云滴；

②由计算出，并由得熵的估计值；

③根据，求得超熵的估计值；

式中：

、和分别为云预测模型中变压器设备健康指数的期望、熵和超熵的估计值；

a、c为:云预测模型求解过程中的中间值；

drop(xi,u(xi))为生成正向云发生器所需的云滴；

Xi为变压器设备某一年的健康指数实际值；

m为正向云发生器的有效云滴输入数目。

（4）根据步骤（3）生成的预测云模型数字特征、和，通过正向云发生器产生所需数量的具体云滴drop(xi,u(xi))，用将产生的云滴来预测设备下一年的故障概率，再用迭代法产生设备未来故障概率；具体算法如下：

a）生成期望为，方差为的一个正态随机数，即：；

b）生成以为期望值，方差为的一个正态随机数，即：；

c）计算；

d）具有确定度的成为云模型中的一个云滴；

e）若或时，所生成的云滴不满足条件，予以舍弃，并重复步骤a）至e），直到产生所需数量的预测云滴；

norm为生成正态分布随机数的函数。

（5）检验云滴是否位于的置信区间内，若不满足该条件，重新进行计算生成相应云滴。

（6）根据步骤（4）所产生的云滴drop(xi,u(xi))的隶属度的平均值预测计算变压器设备下一年的故障概率，计算式为：

式中：

为变压器设备下一年故障概率预测值；

n为符合条件的云滴数；

P为近五年全国变压器设备平均故障停运概率值。

（7）计算设备所在电气回路故障概率，计算式为：

式中：

m为变电回路中变压器的个数，n为断路器的个数；为变电回路中变压器的故障概率预测值，为变电回路中断路器的故障概率预测值。

电气回路包括输电回路、变电回路和母线回路。对于缺乏定量状态评估数据的年份，取设备相应的缺陷数据进行健康指数计算。具体方法为：健康指数Hi的正常、一般、严重和危急四种状态取值区间分别为0～25、25～50、50～75和75～100。通过在相应区间上生成一个相应的随机数来表征设备正常、一般、严重和危急状态下的健康指数值。

云是用自然语言值表示的某个定性概念与其定量表示之间的不确定性转换模型，主要功能是实现定性与定量之间的不确定性转换。云模型反映了人类认知概念中的两种不确定性：模糊性和随机性。通过云模型把二者完全结合在一起，来研究自然语言中的最基本的语言因子所包含的不确定性。从语言因子表达的定性的信息中得到定量数据的分布规律和范围，或者将精确的定量数值转换为有效的定性语言因子。

定义论域U为一个精确的定量数值集的集合U={x}。T是与U相联系的定性概念。若U中元素x对T的隶属度（或称x与T的相容度）是具有稳定倾向的随机数，则在论域U上的分布称为隶属云，简称云（cloud）。

其中，取值范围为，云是指从论域U到区间的映射，即

：

映射称为T的云模型，其中的每一个(x,u(x)）称为一个云滴。大量的云滴组成云。云可以是一维的，也可以是多维云，主要取决于论域U的维数。定义里提到的确定度即模糊意义下的隶属度，同时也具有概率意义下的分布。

云模型用3个数字特征期望、熵和超熵来表征云的整体特性，其中，期望是最能够代表这个定性概念的点，反映在运行上就是云的“最高点”，即隶属度为1的点；熵则用以反映云模糊性和随机性的大小，表示云的“跨度”，即熵越大，云的“跨度”越大；超熵用来反映云滴的凝聚度，反映在云形上表示云的“厚度”，超熵越大，“厚度”越大。

本发明电气回路故障概率预测方法根据输变电设备故障历史故障统计数据，基于云模型的设备故障率预测方法，并考虑了设备服役役龄和自身健康状态对其故障发生概率的影响。在此基础上，采用专家调查权重方法对电气回路故障概率进行了预测计算，为评估电气回路可靠性和计算考虑电气回路故障的风险提供了数据支持，具有良好的推广价值和应用前景。

附图说明

图1为本发明电气回路故障概率预测方法流程框图；

图2.为云模型数字特征示意图；

图3为逆向云发生器示意图；

图4为正向云发生器框图；

图5为变压器设备故障概率云预测模型散点分布图。

具体实施方式

下面结合附图和实施例对本发明做进一步描述。

本发明电气回路故障概率预测方法，如图1所示，预测步骤为：

(1)统计前10年输变电设备的健康指数Hi，所述输变电设备健康的健康指数为100-扣分值后的数值，健康指数Hi介于0-100之间。扣分值为基于《输变电设备状态检修试验规程》以及相关设备的状态评价导则对设备基础状态量进行采集和处理得到各部件的扣分值。

河北某地区一台220kV变压器T1近十年健康指数评价数据见表1，其中变压器危急、严重、一般和正常状态的健康指数分别统一取88、63、37和13。

表1变压器T1近十年健康指数评价数据

年份/a	2001	2002	2003	2004	2005	2007	2008	2009	2010	2011
											健康指数/Hi	13	37	63	88	37	37	67	34	37	34
u(x)	0.14	0.41	0.7	.97	0.41	0.41	0.74	0.38	0.41	0.38

（2）利用历年健康指数的统计值定义云滴drop(x,u(x))，

其中：x为每一年变压器实际健康指数，X为所统计的全国变压器设备历年来发生故障停运时的最大健康指数的均值，取变压器故障停运时最大健康指数均值X=90。为变压器的某一健康指数x隶属于故障停运时最大健康指数均值X的程度，步骤(2)中220kV变压器T1近十年的见表1。

（3）采用拟合算法对一组云滴进行计算，通过图3所示的逆向云发生器建立设备故障概率预测云模型，所述云模型用期望、熵和超熵3个数字特征来表征。具体算法如下：

①根据云期望曲线拟合得到期望的估计值，将的点剔除，剩下m个云滴；

②由计算出，并由得熵的估计值；

③根据，求得超熵的估计值；

式中：

、和分别为云预测模型中变压器设备健康指数的期望、熵和超熵的估计值；

a、c为:云预测模型求解过程中的中间值；

drop(xi,u(xi))为生成正向云发生器所需的云滴；

Xi为设备某一年健康指数实际值，即表1中的Hi。m为正向云发生器的有效云滴输入数目，取值为10。

利用表1中数据，预测模型算法得到数字特征如下的云模型：，，，其中，，此时的绝对误差小于1%，的相对误差小于2%，的相对误差小于10%，满足精度要求。变压器T1故障概率的云模型如图2所示。

（4）根据步骤（3）生成的预测云模型数字特征、和，通过图4所示的正向云发生器产生所需数量的具体云滴drop(xi,u(xi))，用将产生的云滴来预测设备下一年的故障概率，再用迭代法产生设备未来故障概率。具体算法如下：

a）生成期望为，方差为的一个正态随机数，即：；norm为生成正态分布随机数的函数；

b）生成以为期望值，方差为的一个正态随机数，即：；

c）计算；

d）具有确定度的成为云模型中的一个云滴；

e）若或时，所生成的云滴不满足条件，予以舍弃，并重复步骤a）至e），直到产生所需数量的预测云滴。变压器设备故障概率云预测模型散点分布如图5所示。

利用步骤（3）生成的正向云发生器实际产生500个预测云滴，其中负荷健康指数实际取值范围[0,100]的有273个。

（5）检验云滴是否位于的置信区间内，若不满足该条件，重新进行计算生成相应云滴；

根据步骤（3）得到的云数字特征值，计算得到健康指数对应置信区间为[-11.3,193.9]，结合健康指数实际取值范围[0,100]，得到预测云滴的置信区间设置为[0,100]，通过取该区间内所有有效云滴的均值进行故障率预测。

（6）根据步骤（4）所产生的云滴drop(xi,u(xi))的隶属度的平均值预测计算变压器设备下一年的故障概率，计算式为：

式中：

为变压器设备下一年故障概率预测值；

P为P为近五年全国变压器设备平均故障停运概率值，这里取值为1.1568次/百台·年。

由步骤（6）知，n为有效预测云滴数目，这里取值为273。按式（4）计算预测计算得到变压器T1下一年发生故障概率为0.8713次/百台·年。

（7）计算电气回路故障概率，计算是为：

式中：

m为变电回路中变压器的个数，n为断路器的个数；为变电回路中变压器的故障概率预测值，为变电回路中断路器的故障率预测值。

按照上述方法，计算得变压器T1所在变电回路的断路器故障概率预测值为0.8213次/百台·年。根据变电回路定义（变压器本体及其与各侧母线回路连接点以内的设备，不含母线侧隔离开关，线路变压器组按变电回路统计）可知，变压器T1所在变电回路有变压器和断路器各1个，m=n=1，所以由式（5）计算得到变压器T1所在的变电回路下一年发生故障的概率为1.6926次/百台·年。

Claims (3)

1.一种电气回路故障概率预测方法，步骤如下：

(1)统计前10年输变电设备的健康指数Hi，所述输变电设备健康的健康指数Hi为相应设备为各部件的综合扣分值，其数值介于0-100之间；所述扣分值为基于《输变电设备状态检修试验规程》以及相关设备的状态评价导则对设备基础状态量进行采集和处理得到各部件的扣分值；对于缺乏定量状态评估数据的年份，取设备相应的缺陷数据进行健康指数计算；

（2）利用历年健康指数的统计值定义云滴drop(x,u(x))，

其中：x为每一年变压器实际健康指数；

为变压器的某一健康指数x隶属于故障停运时最大健康指数均值X的程度；

X为所统计的全国变压器设备历年来发生故障停运时的最大健康指数的均值；

（3）采用拟合算法对一组云滴进行计算，通过逆向云发生器建立设备故障概率预测云模型，所述云模型用期望、熵和超熵3个数字特征来表征，具体算法如下：

①根据云期望曲线拟合得到期望的估计值，将的点剔除，剩下m个云滴drop(xi,u(xi))；

②由计算出，并由得熵的估计值；

③根据，求得超熵的估计值；

式中：

、和分别为云预测模型中变压器设备健康指数的期望、熵和超熵的估计值；

a、c为:云预测模型求解过程中的中间值；

drop(xi,u(xi))为生成正向云发生器所需的云滴；

xi为变压器设备某一年的健康指数实际值；

m为正向云发生器的有效输入云滴数目；

（4）根据步骤（3）生成的预测云模型数字特征、和，通过正向云发生器产生所需数量的具体云滴drop(xi,u(xi))，用将产生的云滴来预测设备下一年的故障概率，再用迭代法产生设备未来故障概率；具体算法如下：

a）生成期望为，方差为的一个正态随机数，即：；

b）生成以为期望值，方差为的一个正态随机数，即：；

c）计算；

d）具有确定度的成为云模型中的一个云滴；

e）若或时，所生成的云滴不满足条件，予以舍弃，并重复步骤a）至e），直到产生所需数量的预测云滴；

norm为生成正态分布随机数的函数；

（5）检验云滴是否位于的置信区间内，若不满足该条件，重新进行计算生成相应云滴；

（6）根据步骤（4）所产生的云滴drop(xi,u(xi))的隶属度的平均值预测计算变压器设备下一年的故障概率，计算式为：

(4)

式中：

为变压器设备下一年故障概率预测值；

n为符合条件的云滴数；

P为近五年全国变压器设备平均故障停运概率值；

（7）根据电气回路划分定义计算相应电气回路故障概率，计算式为：

式中：

m为待预测变电回路中变压器的个数；

n为断路器的个数；为变电回路中变压器的故障概率预测值；

为变电回路中断路器的故障概率预测值。

2.根据权利要求1所述的电气回路故障概率预测方法，其特征是：所述电气回路包括输电回路、变电回路和母线回路。

3.根据权利要求1所述的电气回路故障概率预测方法，其特征是：步骤（1）中所述计算健康指数Hi的缺陷数据分为正常、一般、严重和危急四种状态，四种状态的取值区间分别为0～25、25～50、50～75和75～100。