基于状态的设备故障概率分析方法、装置及电子设备

技术领域

本发明涉及核电厂设备故障分析的技术领域，更具体地说，涉及一种基于状态的设备故障概率分析方法、装置及电子设备。

背景技术

关于电气设备的故障概率，一般是通过长期对设备实际运行情况进行记录，对所得数据进行统计分析得到的。在数据量少或完全缺乏统计数据的情况下，这种方法得到的故障率可信度极低，并且由于此方法得到的设备故障率是基于事后的统计分析得出的，因此，在进行设备状态检修决策的优化过程中，对于根据状态检测信息需要待检修的设备以及已经完成检修的设备，是不能完全通过数据统计分析的方法来获取故障率的。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于状态的设备故障概率分析方法、装置及电子设备。

本发明解决其技术问题所采用的技术方案是：构造一种基于状态的设备故障概率分析方法，包括：

对设备状态进行评估，获取设备状态评估结果；

基于所述设备状态评估结果和设备故障率，构建设备状态与故障概率模型；

对所述设备状态与故障概率模型进行求解；

根据所述设备状态与故障概率模型的求解结果，对设备故障概率进行分析。

优选地，所述对设备状态进行评估，获取设备状态评估结果包括：

获取设备各部件的状态量；

根据所述设备各部件的状态量，采用预设状态评估方法对所述设备状态进行评估，以获取设备状态评估结果。

优选地，所述基于所述设备状态评估结果和设备故障率，构建设备状态与故障概率模型包括：

基于所述设备状态评估结果和设备故障率，建立第一模型；

采用预设修正方法对所述第一模型进行修正，获得所述第一模型的修正模型；所述第一模型的修正模型为所述设备状态与故障概率模型。

优选地，所述采用预设修正方法对所述第一模型进行修正，获得所述第一模型的修正模型包括：

采用回归分析法，对所述第一模型进行修正，获得所述第一模型的修正模型。

优选地，所述对所述设备状态与故障概率模型进行求解包括：

基于所述设备状态与故障概率模型，建立非线性回归模型；

对所述非线性回归模型的参数进行求解，获取所述非线性回归模型的残差平方和；

对所述残差平方和取最小值，获得所述非线性回归模型的参数值；

基于所述非线性回归模型的参数值，确定所述设备状态与故障模型的求解结果。

优选地，所述对所述非线性回归模型的参数进行求解包括：

采用最小二乘法对所述非线性回归模型的参数进行求解。

优选地，所述方法还包括：

采用预设检验法对所述设备状态与故障概率模型进行检验。

优选地，所述采用预设检验法对所述设备状态与故障概率模型进行检验包括：采用非线性回归相关比对所述设备状态与故障概率模型进行检验。

优选地，所述采用非线性回归相关比对所述设备状态与故障概率模型进行检验包括：

基于所述设备故障率确定设备故障率的残差平方和；

基于所述设备故障率确定设备故障率的回归平方和；

根据所述残差平方和及所述回归平方和，获得非线性回归相关比的值；

根据所述非线性回归相关比的值，对所述设备状态与故障概率模型进行检验。

优选地，所述基于所述设备故障率确定设备故障率的残差平方和包括：

基于所述设备故障率，获取所述设备故障率的估计值；

根据所述设备故障率和所述设备故障率的估计值进行残差平方和运算，获得所述设备故障率的残差平方和。

优选地，所述基于所述设备故障率确定设备故障率的回归平方和包括：

基于所述设备故障率，获取所述设备故障率的平均值；

根据所述设备故障率与所述设备故障率的平均值进行回归平方和运算，获得所述设备故障率的回归平方和。

本发明还提供一种基于状态的设备故障概率分析装置，包括：

状态评估单元，用于对设备状态进行评估，获取设备状态评估结果；

模型构建单元，用于基于所述设备状态评估结果和设备故障率，构建设备状态与故障概率模型；

求解单元，用于对所述设备状态与故障概率模型进行求解；

分析单元，用于根据所述设备状态与故障概率模型的求解结果，对设备故障概率进行分析。

本发明还提供一种电子设备，包括：存储器和处理器；所述存储器用于存储程序指令，所述处理器用于根据所述存储器所存储的程序指令执行如上所述方法的步骤。

本发明还提供一种存储介质，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如上所述方法的步骤。

实施本发明的基于状态的设备故障概率分析方法、装置及电子设备，具有以下有益效果：包括：对设备状态进行评估，获取设备状态评估结果；基于设备状态评估结果和设备故障率，构建设备状态与故障概率模型；对设备状态与故障概率模型进行求解；根据设备状态与故障概率模型的求解结果，对设备故障概率进行分析。本发明通过模型建立、求解，实现了核电厂设备运行状态与故障概率关系的拟合，提高故障率分析计算的精度，可信度高，避免应用滞后的弊端。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例提供的基于状态的设备故障概率分析方法的流程示意图；

图2是本发明实施例提供的基于状态的设备故障概率分析装置的结构示意图；

图3是本发明实施例提供的电子设备的结构示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

为了解决传统对设备故障分析方法中存在的可信度低、应用滞后的弊端以及不能完全通过数据统计分析的方法来获取故障率的方法的问题，本发明提供了一种基于状态的设备故障概率分析方法，该方法有效解决了传统方法的可信度低、应用滞后的弊端以及因通过数据统计无法分析获取故障率的问题。而且本发明可以对设备进行状态评估、趋势分析、风险评估及维修策略决断提供有理的理论依据。

具体的，参考图1，图1为本发明提供的基于状态的设备故障概率分析方法各实施例一可选实施例的流程示意图。可选的，本发明所指的设备可以为电力变压器，例如，可以为大型电力变压器。当然，可以理解地，这里的设备还可以包括其他电气设备。进一步地，本发明可应用于核电厂设备中。

如图1所示，该基于状态的设备故障概率分析方法包括：

步骤S101、对设备状态进行评估，获取设备状态评估结果。

在一些实施例中，对设备状态进行评估，获取设备状态评估结果包括：

步骤S1011、获取设备各部件的状态量。

步骤S1012、根据设备各部件的状态量，采用预设状态评估方法对设备状态进行评估，以获取设备状态评估结果。

在一些实施例中，假设该设备为电力变压器，由于电力变压器各部件的独立性，因此，可将电力变压器分为：本体、套管、有载分接开关、冷却系统、非电量保护系统、及在线监测装置六个部件。在划分电力变压器的各部件后，分别获取各部件的状态量，然后再根据各部件的状态量对各部件的状态进行评估，根据各部件的状态评估结果获得电力变压器的状态评估结果。

其中，各个部件的状态量均包括：

(1)原始资料：包括订货技术规范、铭牌值、试验报告、设备监造报告、出厂试验报告、运输安装记录、交接试验报告、安装使用说明等。

(2)运行资料：包括短路冲击情况、过负荷情况、设备巡检记录、历年缺陷及异常记录、红外测温记录等。

(3)检修试验资料：包括检修报告、预试报告、油色谱检验分析报告、在线监测信息、特殊测试报告、有关反措执行情况、设备技改及主要部件更换情况等。

(4)其他资料：包括同型(同类)设备的运行、修试、缺陷和故障的情况；设备运行环境的变化、系统运行方式的变化；其他影响变压器安全稳定运行的因素等。

进一步地，本发明实施例中，对于电力变压器的具体状态评估方法可采用电力行业标准DL/T1685油浸式变压器(电抗器)状态评价导则进行变压器状态评估。

步骤S102、基于设备状态评估结果和设备故障率，构建设备状态与故障概率模型。

其中，基于设备状态评估结果和设备故障率，构建设备状态与故障概率模型包括：

步骤S1021、基于设备状态评估结果和设备故障率，建立第一模型。

步骤S1022、采用预设修正方法对第一模型进行修正，获得第一模型的修正模型；第一模型的修正模型为设备状态与故障概率模型。

本发明实施例中，预设修正方法为回归分析法，即可采用回归分析法对第一模型进行修正，获得第一模型的修正模型。其中，该第一模型的修正模型即为本发明实施例所需构建的设备状态与故障概率模型。

具体的，以数学表达式进行表示，则第一模型可表示为：

P＝K·e

(1)式中，P为设备故障概率，取值为0～1；K为比例系数；C为曲率系数；HI为设备状态评估结果，取值为0～100。

由(1)式可以看出，设备故障概率是随其健康状态变化的指数函数，当设备的健康状态结果为0时，即设备状态最差的时候，该设备故障概率无限趋近于1；当设备状态结果为100时，即设备状态最佳的时候，该设备故障概率无限趋近于0。通过(1)式可知，其为指数函数，其可通过两边取自然数对数的方式转化为线性模型，在回归分析模型中属于本质线性模型。然而，由于核电厂的地理位置的特性、地理位置不同的核电厂大型电力变压器的运行环境差别较大，且由于厂家制作工艺、检修人员技术水平、设备维护标准等因素的差别，使得设备状态与故障概率之间存在模糊匹配性、非线性的特点，因此，核电厂大型电力变压器健康状态与故障概率之间的数学模型本质为非线性模型。基于该原理，本发明采用回归分析法，引入随机误差项对第一模型进行修正，使得设备状态与故障概率模型为非线性模型。其中，其数学表达式可表示为：

(2)式中，β

步骤S103、对设备状态与故障概率模型进行求解。

其中，对设备状态与故障概率模型进行求解包括：

步骤S1031、基于设备状态与故障概率模型，建立非线性回归模型。

步骤S1032、对非线性回归模型的参数进行求解，获取非线性回归模型的残差平方和。其中，对非线性回归模型的参数进行求解包括：采用最小二乘法对非线性回归模型的参数进行求解。

步骤S1033、对残差平方和取最小值，获得非线性回归模型的参数值。

步骤S1034、基于非线性回归模型的参数值，确定设备状态与故障模型的求解结果。

具体的，非线性回归模型一般可以表示为：

Y＝f(X，θ)+ε (3)；

(3)式中，Y为因变量；f()为函数形式；X为自变向量；θ为未知参数向量；ε为随机误差项。其中，Y表示设备故障概率，即相当于(2)式中的P；X表示设备状态(即设备健康状态)评估结果，即相当于(2)式中的HI；θ为未知参数向量，其相当于(2)式的未知量β

因此，基于(3)式，应用最小二乘法对非线性回归模型的参数进行求解，从而求出残差平方和最小，即：

(4)式中，Q()为残差平方和函数；y

步骤S104、根据设备状态与故障概率模型的求解结果，对设备故障概率进行分析。

具体的，在步骤S103中算出β

进一步地，在其他一些实施例中，该基于状态的设备故障概率分析方法还包括：

采用预设检验法对设备状态与故障概率模型进行检验。其中，采用预设检验法对设备状态与故障概率模型进行检验包括：采用非线性回归相关比对设备状态与故障概率模型进行检验。

具体的，采用非线性回归相关比对设备状态与故障概率模型进行检验包括：基于设备故障率确定设备故障率的残差平方和；基于设备故障率确定设备故障率的回归平方和；根据残差平方和及回归平方和，获得非线性回归相关比的值；根据非线性回归相关比的值，对设备状态与故障概率模型进行检验。其中，基于设备故障率确定设备故障率的残差平方和包括：基于设备故障率，获取设备故障率的估计值；根据设备故障率和设备故障率的估计值进行残差平方和运算，获得设备故障率的残差平方和。基于设备故障率确定设备故障率的回归平方和包括：基于设备故障率，获取设备故障率的平均值；根据设备故障率与设备故障率的平均值进行回归平方和运算，获得设备故障率的回归平方和。

其中，用数据表达式可表示为：

(5)式中SSE为残差平方和；

由(7)式可以看出，相关比越接近于1，回归拟合效果越好。

以下以某一变压器的故障数据为例进行说明：

如表1所示，有12组设备，其设备数、故障次数如表1中所示，其中，设备故障概率等于故障次数与设备数的商。

表1：

根据表1的数据，通过分析求解可求得第一模型方差分析结果为0.868，采用本发明的设备状态与故障概率模型进行求解所得到的方差分析结果为0.930，由分析结果可以看出，本发明的设备状态与故障概率模型相关比更接近于1，精度更好，可信度更高，且不存在应用滞后的问题。

本发明针对核电厂大型电力变压器故障概率计算方法存在偏差大、可信度低、可应用性不强的问题，充分分析了传统方法存在的弊端，以核电厂大型电力变压器运行特点为基点，基于非线性回归原理对第一模型公式进行了修正，通过本发明设备状态与故障概率模型的建立、求解，实现了核电厂大型电力变压器运行状态与故障概率关系的拟合，并应用非线性回归相关比对计算模型进行了校验，通过求解提高了基于状态的核电厂大型电力变压器故障概率的计算精度，为核电厂大型电力变压器状态检修提供理论基础，可基于本发明所提供的设备状态与故障概率模型精确地分析得到设备的故障概率，提升可应用性。

参考图2，图2为本发明提供的基于状态的设备故障概率分析装置各实施例一可选实施例的结构示意图。其中，该分析装置可用于实现本发明实施例公开的基于状态的设备故障概率分析方法。

具体的，如图2所示，该于状态的设备故障概率分析装置包括：

状态评估单元，用于对设备状态进行评估，获取设备状态评估结果。

模型构建单元，用于基于设备状态评估结果和设备故障率，构建设备状态与故障概率模型。

求解单元，用于对设备状态与故障概率模型进行求解。

分析单元，用于根据设备状态与故障概率模型的求解结果，对设备故障概率进行分析。

进一步地，如图3所示，本发明还提供一种电子设备，该电子设备包括：存储器和处理器；存储器用于存储程序指令，处理器用于根据存储器所存储的程序指令执行实现本发明实施例提供的基于状态的设备故障概率分析方法的步骤。

进一步地，本发明还提供一种存储介质，其上存储有计算机程序，其中，所存储的计算机程序被处理器执行时实现本发明实施例提供的基于状态的设备故障概率分析方法的步骤。

以上实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施，并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰，均应属于本发明权利要求的涵盖范围。