【技术实现步骤摘要】
一种基于风险费用预测的牵引供电设备维修方法
本专利技术涉及一种基于风险费用预测的牵引供电设备维修方法。
技术介绍
高铁牵引供电设备的维修维护工作能够有效发现并处理故障，为保障牵引供电系统的安全可靠运行做出极大的贡献。目前，铁路牵引供电系统的维修(包括检测及修理)通常采用的是固定时间间隔的周期维修。该维修模式已在牵引供电领域执行多年，能够在较大程度上保障牵引供电设备的安全可靠运行。但这种固定周期的维修，易造成维修不足或维修过剩现象，不能确保维持牵引供电设备的高可靠性，同时成本高。基于设备故障预测的状态维修方法通过贝叶斯网络、支持向量机、神经网络等智能算法对设备运行状态进行预测；根据预测状态给出维修方案，方案中对预测状态为正常的设备不进行维修(检测及修理)，预测状态为故障的设备进行维修。这种基于状态预测的维修方案，能减少维修不足或维修过剩现象。但现有的基于状态预测的维修方案，没有对其状态预测结果进行基于历史维修状况的修正，导致其预测结果误差大，其维修方案有待优化，节约的维修费用有限。同时，现有的维修方案也未给出其维修方案与传统固定周期维修方式节省的费用，即未评估出其维...
【技术保护点】
一种基于风险费用预测的牵引供电设备维修方法，其步骤为：A、输入数据将历史维修记录中各牵引供电设备的各次维修时的设备实际运行状态值ck及各次维修时的环境温度值X1k、冰雪值X2k、降雨值X3k、雷电值X4k、风速值X5k、载荷值X6k、人为因素值X7k共七个影响变量值输入系统；其中，k为维修的次数序号，k＝1,2,…,K‑1；K为当前拟进行维修的次数序号，ck＝0,1；ck＝0表示第k次维修时该设备正常，ck＝1表示第k次维修时该设备故障；B、获取运行状态信息的概率将七个影响变量作为贝叶斯网络的节点证据变量，构建出贝叶斯网络分类器模型；将各设备各次维修时的实际运行状态值ck和...
【技术特征摘要】
1.一种基于风险费用预测的牵引供电设备维修方法，其步骤为：A、输入数据将历史维修记录中各牵引供电设备的各次维修时的设备实际运行状态值ck及各次维修时的环境温度值X1k、冰雪值X2k、降雨值X3k、雷电值X4k、风速值X5k、载荷值X6k、人为因素值X7k共七个影响变量值输入系统；其中，k为维修的次数序号，k＝1,2,…,K-1；K为当前拟进行维修的次数序号，ck＝0,1；ck＝0表示第k次维修时该设备正常，ck＝1表示第k次维修时该设备故障；B、获取运行状态信息的概率将七个影响变量作为贝叶斯网络的节点证据变量，构建出贝叶斯网络分类器模型；将各设备各次维修时的实际运行状态值ck和各次维修时的七个影响变量值代入贝叶斯网络分类器模型，得到七个影响变量与设备运行状态c的后验概率P(c|X1,X2,...,X7)；进而求出七个影响变量共同作用下设备运行状态c为故障的后验概率P(c＝1|X1,X2,...,X7)和七个影响变量共同作用下设备运行状态c为正常的后验概率P(c＝0|X1,X2,...,X7)；其中，X1,X2,...,X7分别表示影响变量：环境温度、冰雪、降雨、雷电、风速、载荷、人为因素；C、后验概率的计算根据第k次维修时的七个影响变量值X1K,X2K,...,X7K和B步骤的七个影响变量共同作用下的设备故障的后验概率P(c＝1|X1,X2,...,X7)，得到第k次维修时的设备运行状态为故障的后验概率Pk(c＝1|X1K,X2K,...,X7K)，其中，k＝1,2,…,K；根据第k次维修时的七个影响变量值X1K,X2K,...,X7K和B步骤的七个影响变量共同作用下设备正常的后验概率P(c＝0|X1,X2,...,X7)，得到第k次维修时设备运行状态为正常的后验概率Pk(c＝0|X1K,X2K,...,X7K)，其中，k＝1,2,…,K；D、运行状态预测及维修方案制定将第k次维修的设备运行状态为正常的后验概率Pk(ck＝0|X1K,X2K,...,X7K)减去第k次维修的设备运行状态为故障的后验概率Pk(ck＝1|X1K,X2K,...,X7K)得到第k次维修的设备健康指数b；如第k次维修的设备健康指数b>健...
【专利技术属性】
技术研发人员：林圣，冯玎，牟大林，何正友，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。