一种配电网主设备故障概率模型参数辨识方法及系统技术方案

一种配电网主设备故障概率评估模型参数辨识方法及系统，方法包括：建立故障概率评估模型，从故障概率历史数据中获取最大故障概率和最小故障概率，以最大故障概率对应健康状态第一评估值，以最小故障概率对应健康状态第二评估值，对待辨识参数进行第一次辨识；利用主设备的故障概率历史数据和健康状态历史数据构造目标函数，采用遗传算法等优化算法，以目标函数的值最小为优化目标，通过迭代计算对待辨识参数进行第二次辨识；利用待辨识参数的第一次辨识结果和第二次辨识结果进行加权平均，得到参数辨识结果。本发明专利技术解决了设备故障概率评估模型参数确定困难的问题，提高了设备故障概率评估模型参数的准确性。概率评估模型参数的准确性。概率评估模型参数的准确性。

【技术实现步骤摘要】
一种配电网主设备故障概率模型参数辨识方法及系统


[0001]本专利技术属于故障检测
，具体地，涉及一种配电网主设备故障概率模型参数辨识方法及系统。

技术介绍

[0002]电力网是重要的基础设施，电力行业是社会发展和民生的关键支柱产业，对社会经济发展和城市现代化起着基础保障和关键作用。配电网作为电力输送和供应的末端，配电网设备数量众多，运行环境复杂，为有效应对城市、农村、偏远山区等多种用电群体，确保电压合格率和供电可靠性达到用户期望，供电企业需要投入大量的人力物力进行配电设备维护。
[0003]现有技术中，配电网设备按计划运维检修存在工作量大、检修费用高的问题，近期发展了设备状态检修，即基于设备状态风险评估的检修，能够根据设备状态风险评估情况，合理制定设备运维计划，降低运维支出。设备状态检修的基础是设备风险评估，而设备风险评估的前提是对设备故障发生的概率进行评估。故障概率评估模型参数的准确性对故障概率评估的准确性和实用性具有重大影响。
[0004]现有的输变电设备故障概率模型的建模时会对模型参数采用极大似然估计法进行一次辨识。然而，用于分析设备状态的各类数据中存在大量的非结构化数据，存在着一定数量的错误数据、重复数据、遗漏数据、相互矛盾数据，影响了模型参数的辨识质量。一种电网设备故障概率分析方法(CN112580993B)，提出了一种通过对设备相关的多维数据进行综合分析，实现对设备的健康状态及跳闸概率整体分析的方法。然而参数辨识过程中，过多的依赖专家经验进行系数的初设，样本的数量、对不同运行方式的适应性、对当前电网新特征的适应性方面存在问题，容易造成辨识偏差。

技术实现思路

[0005]为解决现有技术中存在的不足，本专利技术提供一种配电网主设备故障概率模型参数辨识方法及系统，解决了设备故障概率评估模型参数确定困难的问题，提高了设备故障概率评估模型参数的准确性。
[0006]本专利技术采用如下的技术方案。
[0007]本专利技术一方面提出了一种配电网主设备故障概率评估模型参数辨识方法，包括：
[0008]步骤1，对主设备的健康状态历史数据和故障概率历史数据的之间关系进行量化处理，建立故障概率评估模型，故障概率评估模型中的待辨识参数包括：比例系数和曲率系数；
[0009]步骤2，从故障概率历史数据中获取最大故障概率和最小故障概率，以最大故障概率对应健康状态第一评估值，以最小故障概率对应健康状态第二评估值，对故障概率评估模型中的待辨识参数进行第一次辨识；
[0010]步骤3，利用主设备的故障概率历史数据和健康状态历史数据构造目标函数，采用
遗传算法等优化算法，以目标函数的值最小为优化目标，通过迭代计算对故障概率评估模型中的待辨识参数进行第二次辨识；
[0011]步骤4，利用待辨识参数的第一次辨识结果和第二次辨识结果进行加权平均，得到参数辨识结果。
[0012]步骤1中，通过接口函数从配电自动化系统中，获取主设备的故障概率历史数据和健康状态历史数据。
[0013]步骤1中，故障概率评估模型满足如下关系式：
[0014]P＝Ke
CH
[0015]式中，
[0016]P为设备故障概率，取值范围为大于等于0且小于等于1，
[0017]K为待辨识的比例系数，
[0018]C为待辨识的曲率系数，
[0019]H为配电网主设备的健康状态评估值。
[0020]H取值范围为大于等于0且小于等于100，配电网主设备的健康状态评估值越大表示主设备越健康。
[0021]步骤2中构建如下关系式所示的约束函数：
[0022][0023]式中，
[0024]P
max
为最大故障概率，
[0025]P
min
为最小故障概率，
[0026]H1为健康状态第一评估值，
[0027]H2为健康状态第二评估值；
[0028]利用约束函数和故障概率评估模型联合求解，得到比例系数的第一次辨识值K1和曲率系数的第一次辨识值C1。
[0029]健康状态第一评估值取值为50，健康状态评估值取值为100。
[0030]步骤3包括：
[0031]步骤3.1，以时间为样本点，提取具有主设备的故障概率历史数据和健康状态历史数据的样本点作为辨识点；
[0032]步骤3.2，按照时间先后顺序，构建各辨识点的故障概率序列SP，其中，故障概率序列满足SP＝{P1,P2,
…
,P
i
,
…
,P
N
}，i＝1,2,
…
,N，N为辨识点数量，P
i
为第i个辨识点的设备故障概率；
[0033]当N大于1时，进入步骤4.3；当N等于1时，以比例系数的第一次辨识值K1和曲率系数的第一次辨识值C1分别作为比例系数的第二次辨识值K2和曲率系数的第二次辨识值C2；
[0034]步骤3.3，获取第i个辨识点的设备故障概率P
i
对应的健康状态值H
ij
，j＝1,2,
…
,M
i
，M
i
为第i个辨识点的设备故障概率P
i
对应的健康状态值的数量；
[0035]步骤3.4，对于每个辨识点，采用平均求和的方法得到设备状态序列SH；设备状态序列满足SH＝{H1,H2,
…
,H
i
,
…
,H
N
}，其中，
[0036][0037]式中，
[0038]H
i
为第i个辨识点的设备健康状态平均值；
[0039]步骤3.5，利用故障概率序列和设备状态序列构建目标函数，满足如下关系式
[0040][0041]步骤3.6，采用遗传算法等优化算法，以目标函数的值最小为优化目标，通过迭代计算得到比例系数的第二次辨识值K2和曲率系数的第二次辨识值C2。
[0042]比例系数的参数辨识结果满足如下关系式：
[0043]K＝α1K1+(1
‑
α1)K2[0044]C＝α2C1+(1
‑
α2)C2[0045]式中，α1、α2分别为第一权重和第二权重，第一权重和第二权重的取值范围均为大于0且小于等于1。
[0046]步骤4包括：
[0047]步骤4.1，找若干名专家分别对第一权重α1和第二权重α2进行赋值。第一权重α1的专家赋值标记为：α
1t
，第二权重α2的专家赋值标记为：α
2t
，其中t＝1,2，
…
，T，T为专家数量。
[0048]步骤4.2，对第一权重α1的专家赋值和第二权重α2的专家赋值，按照专家赋值等级的不同取不同的权重因子，将第一权重的专家赋值、第二权重的专家赋值分别与对应的权重因子进行加权平均得到更新后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网主设备故障概率评估模型参数辨识方法，其特征在于，所述方法包括：步骤1，对主设备的健康状态历史数据和故障概率历史数据的之间关系进行量化处理，建立故障概率评估模型，故障概率评估模型中的待辨识参数包括：比例系数和曲率系数；步骤2，从故障概率历史数据中获取最大故障概率和最小故障概率，以最大故障概率对应健康状态第一评估值，以最小故障概率对应健康状态第二评估值，对故障概率评估模型中的待辨识参数进行第一次辨识；步骤3，利用主设备的故障概率历史数据和健康状态历史数据构造目标函数，采用遗传算法等优化算法，以目标函数的值最小为优化目标，通过迭代计算对故障概率评估模型中的待辨识参数进行第二次辨识；步骤4，利用待辨识参数的第一次辨识结果和第二次辨识结果进行加权平均，得到参数辨识结果。2.根据权利要求1所述的配电网主设备故障概率评估模型参数辨识方法，其特征在于，步骤1中，通过接口函数从配电自动化系统中，获取主设备的故障概率历史数据和健康状态历史数据。3.根据权利要求2所述的配电网主设备故障概率评估模型参数辨识方法，其特征在于，步骤1中，故障概率评估模型满足如下关系式：P＝Ke
CH
式中，P为设备故障概率，取值范围为大于等于0且小于等于1，K为待辨识的比例系数，C为待辨识的曲率系数，H为配电网主设备的健康状态评估值。4.根据权利要求3所述的配电网主设备故障概率评估模型参数辨识方法，其特征在于，H取值范围为大于等于0且小于等于100，配电网主设备的健康状态评估值越大表示主设备越健康。5.根据权利要求3所述的配电网主设备故障概率评估模型参数辨识方法，其特征在于，步骤2中构建如下关系式所示的约束函数：式中，P
max
为最大故障概率，P
min
为最小故障概率，H1为健康状态第一评估值，H2为健康状态第二评估值；利用约束函数和故障概率评估模型联合求解，得到比例系数的第一次辨识值K1和曲率系数的第一次辨识值C1。6.根据权利要求5所述的配电网主设备故障概率评估模型参数辨识方法，其特征在于，健康状态第一评估值取值为50，健康状态评估值取值为100。
7.根据权利要求1所述的配电网主设备故障概率评估模型参数辨识方法，其特征在于，步骤3包括：步骤3.1，以时间为样本点，提取具有主设备的故障概率历史数据和健康状态历史数据的样本点作为辨识点；步骤3.2，按照时间先后顺序，构建各辨识点的故障概率序列SP，其中，故障概率序列满足SP＝{P1,P2,
…
,P
i
,
…
,P
N
}，i＝1,2,
…
,N，N为辨识点数量，P
i
为第i个辨识点的设备故障概率；当N大于1时，进入步骤4.3；当N等于1时，以比例系数的第一次辨识值K1和曲率系数的第一次辨识值C1分别作为比例系数的第二次辨识值K2和曲率系数的第二次辨识值C2；步骤3.3，获取第i个辨识点的设备故障概率P
i
对应...

【专利技术属性】
技术研发人员：谭志海，秦嘉凯，郑道疆，刘军，
申请(专利权)人：天津港电力有限公司，
类型：发明
国别省市：