[发明专利]一种基于故障模式的变电设备故障概率计算方法

说明书

技术领域

本发明属于电力系统中变电设备(变电设备包括变压器、GIS设备、断路器、互感器、避雷器)在线监测与故障诊断领域，涉及一种新的基于设备故障模式的故障概率计算方法。

技术背景

近年来对电能需求的不断增加，使得电力系统向大容量、超高压和跨区域方向发展。但电力系统的发展速度并不能时时完全满足需求量的增长，于是电网超负荷运行便时有发生。而超负荷运行会严重缩短电力设备的使用寿命，进而导致大面积停电事故发生。由此可见，如何保证电气设备安全工作、及时发现存在的隐患、有效减少电力系统事故、提高供电可靠性，成为电力系统工作者急需解决的难题。

变电站是电力系统的重要组成部分，是发电厂与电力用户之间输送电能与分配电能的中间环节，它担负着变电的重要任务。变电设备发生故障时，要求运行维护人员能够迅速准确地判别故障元件与故障性质，及时处理故障，在最短时间内恢复系统的正常运行。电力行业普遍采用定期维修制度，但这种维修方法不考虑设备实际状况的差异，容易产生过剩维修和维修不足的双重局限。因此为了更好的保障设备的正常运行，出现了一种新的维修策略，即状态维修策略。状态维修以设备实际健康状态，包括设备的历史运行、检修及试验状态和连续监测数据为基础，对设备当前运行状况进行评估、预测，在设备故障发生前安排检修时间和项目，使设备尽可能长时间的处于安全、稳定运行状态，具有极强针对性和时效性。而要实现状态维修，必须有赖于完善的设备状态在线监测和故障诊断技术，即对设备状态的检测和对所检测信息的分析。

随着计算机、传感器及信息处理技术的长足发展，变压器在线监测系统、高压断路器在线监测系统等变电设备在线监测系统已得到较为广泛的应用。而在故障诊断方面，由于初期的目视、触摸、监听等日常检查难以对设备故障做出准确的诊断，所以通常只有通过电气试验、绝缘油试验等预防性试验以及油中溶解气体分析来发现设备内部的绝缘故障，并对故障的部位和严重程度做出一定的预测。当前，人工智能的理论和方法已逐步融入故障诊断领域，维护人员关于故障诊断的经验和知识被系统化，形成知识库，这既有利于故障诊断知识的积累和扩大，又可以大大减少人力，提高了诊断的准确率。基于专家系统、神经网络、模糊理论和粗糙集等技术的智能综合故障诊断方法目前在变电设备的故障诊断中都有成功的应用。

故障模式是设备故障的外部表现形式，它们是可以通过人的感官或测量仪器、仪表观测到的故障形式。在进行设备的故障诊断时，首先需要通过事实数据确定故障模式，而后是通过确定的故障模式判断其对系统的影响，提出针对性的维修措施和处理办法。变电设备故障模式多种多样，发生故障的原因复杂，一个简单的故障模式就可能对应两条甚至多条原因，同时，不同的故障模式下的诸多原因也有可能部分相同，一个故障模式的发生还可能会导致其它故障模式的发生。而现有的诊断方法都未能将诊断对象看成一个有机的整体，没有有效地考虑各种故障现象之间可能存在的相互联系，缺乏故障模式系统化的理论基础和统一的综合方法，不能对设备故障状况有全局性的了解。

所以针对上述情况，十分有必要提出一种模型或方法来将各故障机理、故障模式、故障模式的危害度有机地联系起来，从而了解故障模式对最终引发设备故障的影响。

发明内容

本发明的内容是一种基于故障模式的变电设备故障概率计算方法。主要思路是通过建立变电设备故障模式树及相应故障模式子树，利用各故障模式的发生概率P、缺陷的严重程度I、缺陷的危害度W来求解该变电设备发生故障概率，以此达到指导设备状态维修的目的。

方法的具体实施步骤如下所示：

步骤1：为变电设备划分故障树，即划分设备的各类故障模式。

步骤2：计算变电设备第i种故障模式的发生概率即变电设备中是否存在相应缺陷(既模式)的概率P_i。

取所测变电设备第i种故障模式中某一可实时在线监测的特征参数X，利用该设备处于正常状态D₁和存在第i种缺陷D₂的先验概率P(D₁)、P(D₂)，以及参数X在设备正常D₁和存在第i种缺陷D₂的概率密度函数f(X|D₁)、f(X|D₂)，通过如下计算公式得到该设备在所选特征参数X的某一测量值x条件下，此故障模式发生的概率P(D₂|X)，即P_i