【技术实现步骤摘要】
一种快充桩设备风险评估方法及系统
本专利技术设计计算机信息读取、存储于处理
，具体涉及一种快充桩设备风险评估方法及系统。
技术介绍
设备在运行过程中，必然会出现故障，从而带来风险，减少或预见故障，降低或规避风险是人们一直以来的追求，其根本则是对于风险的评估。在对风险进行评估时，需要研究求解相应的数学模型，其中故障率相关模型尤为重要，而基于健康指数与基于运行时间的故障率模型则是研究重点，其展示了设备健康状况、设备劣化程度及设备故障概率；此外，还需对故障风险进行计算，其求解了量化的设备故障风险；同时，随着数据量日趋增大，大量数据的处理已经成为计算机科学相关领域焦点，在设备风险评估中也是如此，常规的数据读取、存储等均需要使用大数据对应的读取、存储方式，在基于健康指数与基于运行时间的故障率模型求解中，因为数据量巨大，其使用的常规曲线拟合方法，包括最小二乘法拟合均不再适用，需要使用相应的大数据量情况下的曲线拟合方法，在故障风险计算中，常规的故障风险计算算法也无法准确地根据大量数据求解准确的量化设备故障风险；而在最终的评估中，大量...
【技术保护点】
1.一种快充桩设备风险评估方法，其特征在于，包括：/n针对被评估快充桩设备和故障概率与健康指数关系计算所述设备健康状况和所述设备劣化程度；/n计算所述设备发生故障的风险；/n基于所述设备健康状况、发生故障的风险，采用数据货币化算法进行趋势评估。/n
【技术特征摘要】
1.一种快充桩设备风险评估方法，其特征在于，包括：
针对被评估快充桩设备和故障概率与健康指数关系计算所述设备健康状况和所述设备劣化程度；
计算所述设备发生故障的风险；
基于所述设备健康状况、发生故障的风险，采用数据货币化算法进行趋势评估。
2.如权利要求1所述的设备风险评估方法，其特征在于，所述针对被评估快充桩设备和故障概率与健康指数关系计算所述设备健康状况和所述设备劣化程度，包括：
获取设备读取分类模块计算得到所述设备发生故障的数目与所述设备总数目；
采用大数据拟合算法，针对故障设备数、总设备数进行细粒度的拟合得到故障率与健康指数关系；
基于所述得到故障率与健康指数关系得到故障率与运行时间关系；
基于所述故障率与运行时间关系得到设备基于故障率的运行年限、健康状况和设备劣化程度。
3.如权利要求2所述的设备风险评估方法，其特征在于，所述采用大数据拟合算法，针对多维数据进行细粒度的拟合得到故障率与健康指数关系，包括：
采用大数据拟合算法，根据故障设备数、总设备数进行曲线拟合；
根据所述拟合结果求解出故障发生的比例系数与曲率系数；
基于所述故障发生的比例系数与曲率系数结合历史数据和实际风险预测的准确度进行加权，得到故障率与健康指数关系。
4.如权利要求2所述的设备风险评估方法，其特征在于，所述故障率与运行时间关系的计算式如下：
式中，λ为设备运行单位时间内的平均故障概率；Pi为设备运行单位时间内设备i的故障风险系数；Ni为设备i运行单位时间；I为设备总数；K为统计周期内设备健康指数低于设定阈值的设备台数；C为设备故障后经济损失；Hi为设备i的历史数据权值。
5.如权利要求1所述的设备风险评估方法，其特征在于，所述计算所述设备发生故障的风险，包括：
获取所述设备历史大数据计算得到所述设备发生故障的概率和对应的经济损失；
对所述设备发生故障的概率和对应的经济损失进行量化，得到所述设备量化的故障风险系数。
6.如权利要求5所述的设备风险评估方法，其特征在于，所述故障风险系数的计算式如下：
P＝K×e-C×H
式中，C为设备故障后经济损失，K为统计周期内设备健康指数低于设定阈值的设备台数，H为历史数据权值，P为设备运行单位时间内的故障风险系数。
7.如权利要求1-6任一项所述的设备风险评估方法，其特征在于，所述基于所述设备健康状况、发生故障的风险，采用预先设定的大数据货币化算法进行趋势评估，包括：
基于所述设备的运行年限、基于故障率的运行年限和设备故障率采用最小二乘及拟合算法得到故障率与设备运行时间关系；其中，所述拟合优度为0.85＜R2＜0.9；
基于所述设备健康状况、所述设备劣化程度、发生故障的风险以及故障率与设备运行时间关系，使用机器学习进行趋势评估。
8.如权利要求7所述的设备风险评估方法，其特征在于，所述基于所述设备的运行年限、发生故障时的平均运行年限和设备故障率采用最小二乘及拟合算法得到故障率与设备运行时间关系，包括：
根据设备运行...
【专利技术属性】
技术研发人员：史双龙，严喆，李帅华，邢宇恒，陈云，
申请(专利权)人：国网电动汽车服务有限公司，清华四川能源互联网研究院，国家电网有限公司，国网山东省电力公司，
类型：发明
国别省市：北京;11
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。