论文部分内容阅读
[摘 要 ]在科技的推动下，电力企业飞速发展，较为核心的变电检修技术也取得了非常显著的进步，现阶段，各种电气设备不断涌现，导致电气容量增加，基于这样前提，人们对电力的需求更加迫切，标准也在增高。输变电设备作为核心组成构件，其检修成本与企业的效益息息相关，并且影响着系统运行状態。为了提高变电设备检修水平，必须要对故障率进行预测，通过这方面的研究，提高系统稳定性。故障率预测属于先进的检修方式，可以从源头降低检修风险，检修的针对性明显增强，同时还有利于延长变电设备寿命，科学、合理控制检修成本，值得大范围推广。
[关键词]变电设备;状态检修;故障率预测
[中图分类号]TM732 [文献标志码]A [文章编号]2095–6487（2020）11–00–03
[Abstract]Driven by science and technology， power companies have developed rapidly， and the core substation maintenance technology has also made very significant progress. At this stage， various electrical equipment continue to emerge， resulting in an increase in electrical capacity. Based on this premise， people are The needs of the company are more urgent， and the standards are increasing. As the core component of power transmission and transformation equipment， its maintenance cost is closely related to the benefit of the enterprise and affects the operating status of the system. In order to improve the maintenance level of substation equipment， it is necessary to predict the failure rate， and improve the stability of the system through research in this area. Failure rate prediction is an advanced maintenance method， which can reduce the risk of maintenance from the source， and the pertinence of maintenance is significantly enhanced. At the same time， it is also conducive to extending the life of substation equipment， scientifically and reasonably controlling maintenance costs， and it is worthy of widespread promotion.
[Keywords]substation equipment; state maintenance; failure rate prediction
现如今，在电网建设以及设备运行阶段，可靠性与安全性是首先需要考虑的问题。为了维护变电设备性能，提高供电的质量，变电设备状态检修必不可少。而设备状态维修并不是简单的工作，需要掌握核心技术，对故障率进行科学预测，从而将故障概率降至最低。基于此，开展这方面的研究意义重大，可以为今后的变电设备状态检修提供参考，指导后续工作，提高电网运行效率。
1 故障率预测模型
现实工作中，想要最大限度保证供电平稳，变电设备状态检修十分关键，主要的检修内容包括以下几点，首先需要完成的是变电设备状态预测。其次，完成合理监测。最后，进行故障诊断。根据相关研究可以知道，在电力系统中变电设备的重要性不言而喻，变电站总线通信之所以能够实现主要是借助串行通信来实现，在此基础上辅助在线监测设备，完成有关参数的监测，确保了解设备每时每刻的运行状态。为了保证状态检修质量，故障率预测属于重要手段，较为科学和可靠，想要合理发挥出故障率预测的优势，就要通过预测模型搭建来完成。
1.1 云模型预测规则
实践表明，要想出色地完成云模型的搭建任务，就要掌握科学搭建的流程，懂得云模型预测规则，在现实工作中，预测流程的第一步就是要明确定性概念，找到对应的预测规则。第二步，完成实际数据的代入，将其输入到逆向云发生器，形成模型数字特征。第三步，借助组合云发生器最终完成不确定性预测。结合以往研究可以发现健康指数这一重要参数和故障率之间的微妙关系，所以建模需要借助健康指数来实现。根据规律可知，设备的实际健康指数越大或役龄越大，那么与之对应的故障率也就越大[1]。要想完成故障率模型的搭建，就要参照这一条原则，明确预测语言规则，在此基础上对故障可能性进一步研究。健康指数（HealthIndex）是一项重要指标，主要是描述设备健康程度的科学数值。随着健康指数概念被提出和广泛应用，相关研究逐渐深入，人们逐渐发现了该指数和故障率的微妙关系，之间呈现出反比例关系的显著特征，基于此，相关学者提出了以健康指数为依据的设备故障率模型，表达式如下：。但是该演算方法也存在一定缺陷，存在较大的寿命计算误差。基于这样的前提，云模型应运而生，这种一种改良模型，具有十分显著的性能，可以弥补传统方式的不足，让计算结果更加精准和可靠。云模型在实际应用中，需要首先明确语言预测规则，此外，还要建立健康指数，并配合使用役龄的定性概念，构建用于设备故障率预测的一维故障云。通过实际统计数据，就可以清晰明确故障特征云，对设备故障发生可能性进行预判。研究指出，当真实数据大于10时，就意味着云数字特征较为明显，精确度比较高，此时的误差通常会比较小，不会超过0.01。 1.2 设备故障率预测
在预测模型搭建完成的基础上，就可以尝试进行故障率预测，想要确保预测的科学性以及合理性，就要严格按照预测流程来进行，在实际故障率预测阶段，二维正向云发生器起到决定性的作用，主要被用于挖掘最真实、有效的设备健康指数，这是保证故障率预测结果准确的关键。前文已经提到过，云模型的搭建是以健康指数作为前提的，所以健康指数必须要全面和正确，这样才能确保预测模型可以发挥出理想的效果。与此同时，还要考虑和役龄状态的密切关联性，将役龄状态参数充分考虑进去，实际工作中，一维正向云发生器的作用比较突出，主要是用来分析变电设备性能以及故障率发展趋势，重要性不言而喻。为了实现关于设备故障率的预测，在掌握相关参数的同时，还要把握参数间的内在联系，建立二维状态云，并找到其和一维故障云的联系[2]。结合算法可知，数字特征期望值是重要参数，可以直接、客观地反映定性概念，是进行故障率预测的决定性因素。因为现实操作中，相同健康指数条件下故障率分布十分稳定，不会存在较大的波动，所以借助二维状态云，并且配合一维故障云，可以充分运用健康指数以及役龄等重要参数，最终实现不确定性预测。在预测阶段，值得注意的是，不确定性推理之所以能够发挥作用，还需要严格遵守语言预测规则，具体过程如图1所示。
2 变电设备状态检修
2.1 影响状态检修的因素
结合上文可以发现，变电设备状态检修相对全面且复杂，需要综合分析各项参数，再加上变电设备所处环境复杂，因此状态检修十分困难。实践表明，设备状态检修工作之所以能够实现，主要是依托实时监控和设备故障诊断，在此基础上完成检修任务。现如今，计算机技术的出现及推广给设备状态检修指明了方向。数字处理技术逐渐纯熟，并且越来越智能化，可以将其应用到设备故障检修领域，提高设备检修的效率以及质量。要想对设备状态进行精准地预判，需要掌握并灵活运用故障诊断相关技术，借助故障率预测模型，长期维护设备性能，促使设备处于健康、良好的运行环境，为供电的稳定、安全提供保障。现实工作中影响状态检修的核心因素主要包括2个方面，一个是电气设备状态监测，这是基础和前提;另一个是维修决策，这是故障尽快排除的关键。其中设备的状态监测相对复杂和繁琐，具体是通过数据分析来实现，从而掌握设备运行信息，以此作为前提为设备状态检修创造必要条件和打好基础，确保设备状态检修的合理性。在实际设备检测阶段，需要时刻关注设备的性能变化，一旦发现异常或者是存在设备运行效率变差的情况，就要采用合理措施，否则故障率就会增加。当获取了重要信息之后，要对关键信息进行深入分析，制定科学维修决策，结合现实运行状况，借助专业诊断系统不断优化维修方案，制定科学的设备保养计划，为延长设备服役时间提供保障。
2.2 隐式马尔科夫链
隐式马尔科夫链属于一种较为先进的设备状态检修方法，是对马尔科夫链的创新与改进，结合研究可以知道，复杂设备的状态很难被清晰、准确观测到，想要完成直接观测，就需要改良传统的马尔科夫链。在此基础上加入新的预测模型参数，采用该种方法具有明显的双重随机性，可以完成不确定预测。现实工作中，输变电设备体型庞大，大多属于复杂机电设备，想要进行科学检测困难重重，其状态是无法实现直接、有效监测的，因此就要借助相应特征量进行状态的间接描述，这和马尔科夫链（隐式）的规则基本相符。隐式半马尔科夫具有一定的先进性，该模型最早在语音识别等领域被广泛应用，并取得了显著成绩。近些年来，该项技术从文字识别逐渐向故障诊断等领域延伸，也得到了大量应用。传统意义中的马尔科夫链局限性相对明显，在应用的过程中，将状态持续时间习惯定义成为指数分布，而经过改良后的隐式马尔科夫链，这种局限性依然存在，虽然隐式马尔科夫链应用价值更高，应用的领域也更加宽广，但是对连续时间状态依旧无法进行全面、细致描述[3]。针对这一问题，相关学者进行了大量实验研究，最终得出结论借助状态空间训练，可以弥补该方法的不足，进一步完成改进。具体原理如下，首先通过训练样本的方式完成不同状态分布函数的建立，在此基础上结合分布函数计算结果可以得出状态转移概率分布，采用此方法，就可以准确、直接完成连续时间状态描述。以变压器为例，在其正常运行阶段，在没有检修的前提下，其状态转移过程如图2所示。
3 展望
3.1 网络化运行
在信息技術的推动下，未来的变电设备状态检测将会更加高效和安全，并且采用微处理器技术，可以提升变电保护装置的功能性，避免故障的发生。即使发生故障，也可以在较短时间内发现，实现供电系统的模块化设计，提高网络化运行水平。电压无功补偿检测等在线检测装置，统统都可以借助网络化通信技术来进行优化，将变电设备和通信系统进行连接，实现资源共享。
3.2 智能化运行
未来的设备状态检修，必将走上智能化的道路，在充分运用故障率预测数据的同时，提高在线检修能力，以网络通信平台作为基础支撑，实现有效信息传输，确保发挥出检修系统计量、控制和监测等功能，将设备状态检修效率大幅提高。结合电网实时情况进行智能调节与在线分析决策，简化继电器保护方式，为电网运行提供安全、可靠保障。
4 结束语
综上所述，变电设备实际检修过程中，不确定因素较多，想要完成设备状态检修十分困难，变电运行中看似平常的故障，都会影响电网的稳定性，对于电网的损害是无法估量的，后果非常严重。现如今，随着经济建设加快以及科技的进步，设备状态检修技术得以发展，为了满足用电量的需求，提升设备状态检修质量，可以通过设备故障率建模的方法来实现，为电网的安全、高效、平稳运行奠定基础，降低故障发生概率。此外，还要加强变电运行管理，结合现实需求采取有效防控措施，对故障及时发现，并且做到及时解决，确保变电设备状态检修的实际效果。
参考文献
[1] 王鑫，邵成林.变电一次设备故障预测及检修方法研究[J].电气技术与经济，2020（4）：34-36.
[2] 田巍.探究变电一次设备故障预测及检修方法[J].中国金属通报，2019（1）：161-162.
[3] 吴星.输变电设备故障率预测及状态检修[D].西安：西安科技大学，2018.
[关键词]变电设备;状态检修;故障率预测
[中图分类号]TM732 [文献标志码]A [文章编号]2095–6487（2020）11–00–03
[Abstract]Driven by science and technology， power companies have developed rapidly， and the core substation maintenance technology has also made very significant progress. At this stage， various electrical equipment continue to emerge， resulting in an increase in electrical capacity. Based on this premise， people are The needs of the company are more urgent， and the standards are increasing. As the core component of power transmission and transformation equipment， its maintenance cost is closely related to the benefit of the enterprise and affects the operating status of the system. In order to improve the maintenance level of substation equipment， it is necessary to predict the failure rate， and improve the stability of the system through research in this area. Failure rate prediction is an advanced maintenance method， which can reduce the risk of maintenance from the source， and the pertinence of maintenance is significantly enhanced. At the same time， it is also conducive to extending the life of substation equipment， scientifically and reasonably controlling maintenance costs， and it is worthy of widespread promotion.
[Keywords]substation equipment; state maintenance; failure rate prediction
现如今，在电网建设以及设备运行阶段，可靠性与安全性是首先需要考虑的问题。为了维护变电设备性能，提高供电的质量，变电设备状态检修必不可少。而设备状态维修并不是简单的工作，需要掌握核心技术，对故障率进行科学预测，从而将故障概率降至最低。基于此，开展这方面的研究意义重大，可以为今后的变电设备状态检修提供参考，指导后续工作，提高电网运行效率。
1 故障率预测模型
现实工作中，想要最大限度保证供电平稳，变电设备状态检修十分关键，主要的检修内容包括以下几点，首先需要完成的是变电设备状态预测。其次，完成合理监测。最后，进行故障诊断。根据相关研究可以知道，在电力系统中变电设备的重要性不言而喻，变电站总线通信之所以能够实现主要是借助串行通信来实现，在此基础上辅助在线监测设备，完成有关参数的监测，确保了解设备每时每刻的运行状态。为了保证状态检修质量，故障率预测属于重要手段，较为科学和可靠，想要合理发挥出故障率预测的优势，就要通过预测模型搭建来完成。
1.1 云模型预测规则
实践表明，要想出色地完成云模型的搭建任务，就要掌握科学搭建的流程，懂得云模型预测规则，在现实工作中，预测流程的第一步就是要明确定性概念，找到对应的预测规则。第二步，完成实际数据的代入，将其输入到逆向云发生器，形成模型数字特征。第三步，借助组合云发生器最终完成不确定性预测。结合以往研究可以发现健康指数这一重要参数和故障率之间的微妙关系，所以建模需要借助健康指数来实现。根据规律可知，设备的实际健康指数越大或役龄越大，那么与之对应的故障率也就越大[1]。要想完成故障率模型的搭建，就要参照这一条原则，明确预测语言规则，在此基础上对故障可能性进一步研究。健康指数（HealthIndex）是一项重要指标，主要是描述设备健康程度的科学数值。随着健康指数概念被提出和广泛应用，相关研究逐渐深入，人们逐渐发现了该指数和故障率的微妙关系，之间呈现出反比例关系的显著特征，基于此，相关学者提出了以健康指数为依据的设备故障率模型，表达式如下：。但是该演算方法也存在一定缺陷，存在较大的寿命计算误差。基于这样的前提，云模型应运而生，这种一种改良模型，具有十分显著的性能，可以弥补传统方式的不足，让计算结果更加精准和可靠。云模型在实际应用中，需要首先明确语言预测规则，此外，还要建立健康指数，并配合使用役龄的定性概念，构建用于设备故障率预测的一维故障云。通过实际统计数据，就可以清晰明确故障特征云，对设备故障发生可能性进行预判。研究指出，当真实数据大于10时，就意味着云数字特征较为明显，精确度比较高，此时的误差通常会比较小，不会超过0.01。 1.2 设备故障率预测
在预测模型搭建完成的基础上，就可以尝试进行故障率预测，想要确保预测的科学性以及合理性，就要严格按照预测流程来进行，在实际故障率预测阶段，二维正向云发生器起到决定性的作用，主要被用于挖掘最真实、有效的设备健康指数，这是保证故障率预测结果准确的关键。前文已经提到过，云模型的搭建是以健康指数作为前提的，所以健康指数必须要全面和正确，这样才能确保预测模型可以发挥出理想的效果。与此同时，还要考虑和役龄状态的密切关联性，将役龄状态参数充分考虑进去，实际工作中，一维正向云发生器的作用比较突出，主要是用来分析变电设备性能以及故障率发展趋势，重要性不言而喻。为了实现关于设备故障率的预测，在掌握相关参数的同时，还要把握参数间的内在联系，建立二维状态云，并找到其和一维故障云的联系[2]。结合算法可知，数字特征期望值是重要参数，可以直接、客观地反映定性概念，是进行故障率预测的决定性因素。因为现实操作中，相同健康指数条件下故障率分布十分稳定，不会存在较大的波动，所以借助二维状态云，并且配合一维故障云，可以充分运用健康指数以及役龄等重要参数，最终实现不确定性预测。在预测阶段，值得注意的是，不确定性推理之所以能够发挥作用，还需要严格遵守语言预测规则，具体过程如图1所示。
2 变电设备状态检修
2.1 影响状态检修的因素
结合上文可以发现，变电设备状态检修相对全面且复杂，需要综合分析各项参数，再加上变电设备所处环境复杂，因此状态检修十分困难。实践表明，设备状态检修工作之所以能够实现，主要是依托实时监控和设备故障诊断，在此基础上完成检修任务。现如今，计算机技术的出现及推广给设备状态检修指明了方向。数字处理技术逐渐纯熟，并且越来越智能化，可以将其应用到设备故障检修领域，提高设备检修的效率以及质量。要想对设备状态进行精准地预判，需要掌握并灵活运用故障诊断相关技术，借助故障率预测模型，长期维护设备性能，促使设备处于健康、良好的运行环境，为供电的稳定、安全提供保障。现实工作中影响状态检修的核心因素主要包括2个方面，一个是电气设备状态监测，这是基础和前提;另一个是维修决策，这是故障尽快排除的关键。其中设备的状态监测相对复杂和繁琐，具体是通过数据分析来实现，从而掌握设备运行信息，以此作为前提为设备状态检修创造必要条件和打好基础，确保设备状态检修的合理性。在实际设备检测阶段，需要时刻关注设备的性能变化，一旦发现异常或者是存在设备运行效率变差的情况，就要采用合理措施，否则故障率就会增加。当获取了重要信息之后，要对关键信息进行深入分析，制定科学维修决策，结合现实运行状况，借助专业诊断系统不断优化维修方案，制定科学的设备保养计划，为延长设备服役时间提供保障。
2.2 隐式马尔科夫链
隐式马尔科夫链属于一种较为先进的设备状态检修方法，是对马尔科夫链的创新与改进，结合研究可以知道，复杂设备的状态很难被清晰、准确观测到，想要完成直接观测，就需要改良传统的马尔科夫链。在此基础上加入新的预测模型参数，采用该种方法具有明显的双重随机性，可以完成不确定预测。现实工作中，输变电设备体型庞大，大多属于复杂机电设备，想要进行科学检测困难重重，其状态是无法实现直接、有效监测的，因此就要借助相应特征量进行状态的间接描述，这和马尔科夫链（隐式）的规则基本相符。隐式半马尔科夫具有一定的先进性，该模型最早在语音识别等领域被广泛应用，并取得了显著成绩。近些年来，该项技术从文字识别逐渐向故障诊断等领域延伸，也得到了大量应用。传统意义中的马尔科夫链局限性相对明显，在应用的过程中，将状态持续时间习惯定义成为指数分布，而经过改良后的隐式马尔科夫链，这种局限性依然存在，虽然隐式马尔科夫链应用价值更高，应用的领域也更加宽广，但是对连续时间状态依旧无法进行全面、细致描述[3]。针对这一问题，相关学者进行了大量实验研究，最终得出结论借助状态空间训练，可以弥补该方法的不足，进一步完成改进。具体原理如下，首先通过训练样本的方式完成不同状态分布函数的建立，在此基础上结合分布函数计算结果可以得出状态转移概率分布，采用此方法，就可以准确、直接完成连续时间状态描述。以变压器为例，在其正常运行阶段，在没有检修的前提下，其状态转移过程如图2所示。
3 展望
3.1 网络化运行
在信息技術的推动下，未来的变电设备状态检测将会更加高效和安全，并且采用微处理器技术，可以提升变电保护装置的功能性，避免故障的发生。即使发生故障，也可以在较短时间内发现，实现供电系统的模块化设计，提高网络化运行水平。电压无功补偿检测等在线检测装置，统统都可以借助网络化通信技术来进行优化，将变电设备和通信系统进行连接，实现资源共享。
3.2 智能化运行
未来的设备状态检修，必将走上智能化的道路，在充分运用故障率预测数据的同时，提高在线检修能力，以网络通信平台作为基础支撑，实现有效信息传输，确保发挥出检修系统计量、控制和监测等功能，将设备状态检修效率大幅提高。结合电网实时情况进行智能调节与在线分析决策，简化继电器保护方式，为电网运行提供安全、可靠保障。
4 结束语
综上所述，变电设备实际检修过程中，不确定因素较多，想要完成设备状态检修十分困难，变电运行中看似平常的故障，都会影响电网的稳定性，对于电网的损害是无法估量的，后果非常严重。现如今，随着经济建设加快以及科技的进步，设备状态检修技术得以发展，为了满足用电量的需求，提升设备状态检修质量，可以通过设备故障率建模的方法来实现，为电网的安全、高效、平稳运行奠定基础，降低故障发生概率。此外，还要加强变电运行管理，结合现实需求采取有效防控措施，对故障及时发现，并且做到及时解决，确保变电设备状态检修的实际效果。
参考文献
[1] 王鑫，邵成林.变电一次设备故障预测及检修方法研究[J].电气技术与经济，2020（4）：34-36.
[2] 田巍.探究变电一次设备故障预测及检修方法[J].中国金属通报，2019（1）：161-162.
[3] 吴星.输变电设备故障率预测及状态检修[D].西安：西安科技大学，2018.