一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及系统技术方案

本发明专利技术公开了一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法，包括：确定描述换流阀的不同的劣化状态，根据不同的劣化状态，确定与劣化状态对应的状态监测和与劣化状态对应的状态检修决策；根据历史数据，获取换流阀的不同的劣化状态的转移率，确定不同的劣化状态、与劣化状态对应的状态监测和与劣化状态对应状态检修决策的期望收益；确定基于马尔科夫过程的换流阀停留在不同的劣化状态的状态频率和在不同的劣化状态的平均持续时间；根据平均持续时间确定换流阀的可用时间，确定最优的状态监测频率；根据平均持续时间确定换流阀的不同的劣化状态、状态监测和与状态检修决策的期望收益总和，确定最优的状态检修决策。

【技术实现步骤摘要】
一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及系统
本专利技术涉及换流阀检修领域，更具体地，涉及一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及系统。
技术介绍
换流阀在使用过程中，经常会面临状态监测及故障检修等问题。相比事故后检修、定期检修等检修方式，检修效率低，人力成本投入高。因此，实施设备的状态检修可提高检修效率。如今，在智能电网理念前提下，智能化变电站技术得到实施，变电站设备状态检修的实施条件日益成熟，也推进了电网全面实施设备状态检修的进程。就换流阀而言，围绕状态检修，在具备监测技术的基础上，现有还没有将研究方向的状态检修策略由定性向定量化方向发展的技术。因此，需要一种技术，以解决换流阀状态监测和检修决策的优化的问题。
技术实现思路
本专利技术提供了一种基于马尔科夫过程的换流阀状态监测和检修决策的方法及系统，以解决如何对换流阀状态监测和检修决策的优化的问题。为了解决上述问题，本专利技术提供了一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法，所述方法包括：确定描述换流阀的不同的劣化状态，根据所述不同的劣化状态，确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策；根据历史数据，获取所述换流阀的不同的劣化状态的转移率，确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益；确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间；根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间，以所述换流阀可用时间最长为目标建立状态监测频率模型，确定最优的状态监测频率；根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和，以所述换流阀的所述期望收益总和最高为目标建立状态检修决策模型，确定最优的状态检修决策。优选地，所述换流阀的所述不同的劣化状态的期望收益为维持所述劣化状态所取得的运营收益；所述与劣化状态对应的状态监测的期望收益为实施所述状态监测的资金；所述与劣化状态对应状态检修决策的期望收益为实施所述检修决策的资金。优选地，确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间，包括：根据马尔科夫随机过程模型描述所述换流阀的劣化过程，所述换流阀的劣化状态经过n步转以后进入的极限状态，是所述换流阀的劣化状态的平稳状态，进入劣化状态后的平稳状态概率是一个常数，所述平稳状态概率与所述换流阀的初始状态无关；马尔科夫随机过程的线性微分方程组为：其中，λij为转移率，P(t)为马尔科夫通用方程，t为时间；通过求解以下线性方程组，获取所述平稳状态概率：所述换流阀劣化过程达到所述平稳状态时，每单位时间里停留在所述劣化状态i的平均次数为所述换流阀在状态i的状态频率fi,状态i的持续时间Ti是指所述换流阀劣化过程达到平稳状态时，停留在状态i的平均持续时间，fij为j个转移到状态i的频率，其中优选地，所述根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间，以所述换流阀可用时间最长为目标建立状态监测频率模型，确定最优的状态监测频率，包括：以所述换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数，B＝f(γ)，f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系，监测频率是变量，可用时间是应变量，最优监测频率γ满足：γmin≤γ≤γmax，其中γmax、γmin分别为监测频率的最大值和最小值。优选地，所述根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和，以所述换流阀的所述期望收益总和最高为目标，确定最优状态检修决策，包括：以所述换流阀的所述期望收益总和最高为目标，确定最优状态检修决策模型的目标函数是：max{G}，其中G是所述换流阀在整个寿命周期内，所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和。优选地，所述换流阀的所述不同的劣化状态之间转换的时间服从指数分布，所述不同的劣化状态之间转换的概率恒定。基于本专利技术的另一方面，本专利技术提供一种基于马尔科夫过程的换流阀状态监测和状态检修决策的系统，所述系统包括：初始化单元，所述初始化单元用于确定描述换流阀的不同的劣化状态，根据所述不同的劣化状态，确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策；获取单元，所述获取单元根据历史数据，获取所述换流阀的不同的劣化状态的转移率，确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益；第一计算单元，所述第一计算单元用于确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间；第二计算单元，所述第二计算单元用于根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间，以所述换流阀可用时间最长为目标建立状态监测频率模型，确定最优的状态监测频率；第三计算单元，所述第三计算单元用于根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和，以所述换流阀的所述期望收益总和最高为目标，确定最优状态检修决策。优选地，所述换流阀的所述不同的劣化状态的期望收益为维持所述劣化状态所取得的运营收益；所述与劣化状态对应的状态监测的期望收益为实施所述状态监测的资金；所述与劣化状态对应状态检修决策的期望收益为实施所述检修决策的资金。优选地，所述第一计算单元还用于：根据马尔科夫随机过程模型描述所述换流阀的劣化过程，所述换流阀的劣化状态经过n步转以后进入的极限状态，是所述换流阀的劣化状态的平稳状态，进入劣化状态后的平稳状态概率是一个常数，所述平稳状态概率与所述换流阀的初始状态无关；马尔科夫随机过程的线性微分方程组为：其中，λij为转移率，P(t)为马尔科夫通用方程，t为时间；通过求解以下线性方程组，获取所述平稳状态概率：所述换流阀劣化过程达到所述平稳状态时，每单位时间里停留在所述劣化状态i的平均次数为所述换流阀在状态i的状态频率fi,状态i的持续时间Ti是指所述换流阀劣化过程达到平稳状态时，停留在状态i的平均持续时间，fij为j个转移到状态i的频率，其中优选地，所述第二计算单元还用于：以所述换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数，B＝f(γ)，f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系，监测频率是变量，可用时间是应变量，最优监测频率γ满足：γmin≤γ≤γmax，其中γmax、γmin分别为监测频率的最大值和最小值。优选地，所述第三计算单元还用于：以所述换流阀的所述期望收益总和最高为目标，确定最优状态检修决策模型的目标函数是：max{G}，其中G是所述换流阀在整个寿命周期内，所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和。本文档来自技高网...

【技术保护点】
一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法，所述方法包括：确定描述换流阀的不同的劣化状态，根据所述不同的劣化状态，确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策；根据历史数据，获取所述换流阀的不同的劣化状态的转移率，确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益；确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间；根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间，以所述换流阀可用时间最长为目标建立状态监测频率模型，确定最优的状态监测频率；根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和，以所述换流阀的所述期望收益总和最高为目标建立状态检修决策模型，确定最优的状态检修决策。

【技术特征摘要】
1.一种基于马尔科夫过程的换流阀状态监测和状态检修决策的方法，所述方法包括：确定描述换流阀的不同的劣化状态，根据所述不同的劣化状态，确定与劣化状态对应的状态监测和所述与劣化状态对应的状态检修决策；根据历史数据，获取所述换流阀的不同的劣化状态的转移率，确定所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益；确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间；根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间，以所述换流阀可用时间最长为目标建立状态监测频率模型，确定最优的状态监测频率；根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和，以所述换流阀的所述期望收益总和最高为目标建立状态检修决策模型，确定最优的状态检修决策。2.根据权利要求1所述的方法，所述换流阀的所述不同的劣化状态的期望收益为维持所述劣化状态所取得的运营收益；所述与劣化状态对应的状态监测的期望收益为实施所述状态监测的资金；所述与劣化状态对应状态检修决策的期望收益为实施所述检修决策的资金。3.根据权利要求1所述的方法，确定基于马尔科夫过程的所述换流阀停留在所述不同的劣化状态的状态频率和在所述不同的劣化状态的平均持续时间，包括：根据马尔科夫随机过程模型描述所述换流阀的劣化过程，所述换流阀的劣化状态经过n步转以后进入的极限状态，是所述换流阀的劣化状态的平稳状态，进入劣化状态后的平稳状态概率是一个常数，所述平稳状态概率与所述换流阀的初始状态无关；马尔科夫随机过程的线性微分方程组为：其中，λij为转移率，P(t)为马尔科夫通用方程，t为时间；通过求解以下线性方程组，获取所述平稳状态概率：所述换流阀劣化过程达到所述平稳状态时，每单位时间里停留在所述劣化状态i的平均次数为所述换流阀在状态i的状态频率fi,状态i的持续时间Ti是指所述换流阀劣化过程达到平稳状态时，停留在状态i的平均持续时间，fij为j个转移到状态i的频率，其中4.根据权利要求1所述的方法，所述根据所述不同的劣化状态的平均持续时间确定所述换流阀的可用时间，以所述换流阀可用时间最长为目标建立状态监测频率模型，确定最优的状态监测频率，包括：以所述换流阀可用时间最长为目标建立状态监测频率模型的目标函数为max{B},其中B为监测频率γ的函数，B＝f(γ)，f(γ)为是表征换流阀检测频率和换流阀可用时间的函数关系，监测频率是变量，可用时间是应变量，最优监测频率γ满足：γmin≤γ≤γmax，其中γmax、γmin分别为监测频率的最大值和最小值。5.根据权利要求1所述的方法，所述根据所述不同的劣化状态的平均持续时间确定所述换流阀的所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望收益总和，以所述换流阀的所述期望收益总和最高为目标，确定最优状态检修决策，包括：以所述换流阀的所述期望收益总和最高为目标，确定最优状态检修决策模型的目标函数是：max{G}，其中G是所述换流阀在整个寿命周期内，所述不同的劣化状态、所述与劣化状态对应的状态监测和所述与劣化状态对应状态检修决策的期望...

【专利技术属性】
技术研发人员：贾鹏飞，李金忠，高飞，张贺军，张书琦，程涣超，汤浩，吴超，关健昕，遇心如，邓俊宇，仇宇舟，张亚楠，黄霆，陈绍君，申泽军，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网福建省电力有限公司，国网福建省电力有限公司电力科学研究院，
类型：发明
国别省市：北京,11