[发明专利]小样本失效数据下继电保护系统可靠性评估方法在审
申请号: | 201410225536.3 | 申请日: | 2014-05-26 |
公开(公告)号: | CN103971024A | 公开(公告)日: | 2014-08-06 |
发明(设计)人: | 戴志辉 | 申请(专利权)人: | 华北电力大学(保定) |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 黄家俊 |
地址: | 071003 河*** | 国省代码: | 河北;13 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 样本 失效 数据 下继电 保护 系统 可靠性 评估 方法 | ||
技术领域
本发明涉及电力系统继电保护领域,特别涉及小样本失效数据下继电保护系统可靠性评估方法。
背景技术
作为电力系统的第一道防线,继电保护系统的可靠性水平对于电力系统的安全稳定运行有着重要意义。从目前系列文献对继电保护装置实际运行情况的统计数据看,继电保护装置在其工作年限内,极少发生“误动”、“拒动”等失效情况甚至缺陷情况。加之保护装置换代周期缩短、目前继电保护系统缺陷和失效信息记录尚不十分规范和标准,在一定地域和时间范围内,具体到装置型号、失效模式的完整失效记录样本更少。迄今为止,继电保护可靠性评估方法还很少考虑该小样本失效的特点,而主要以常规基于解析法和模拟法的可靠性评估方法为主。解析法如Markov状态空间法、GO法、故障树法、风险分析等主要根据系统的结构、功能或二者的逻辑关系建立可靠性概率模型,通过递推或迭代等求解模型、计算指标。模拟法如蒙特卡罗仿真是通过对概率分布采样来进行状态的选择和估计,利用统计学方法得到可靠性指标。考虑到继电保护系统在有限时间内很难获取足够的失效数据(甚至无失效数据),即便缺陷数据样本也不丰富,因此依赖于大失效样本的传统可靠性评估方法的有效性会打折扣,并在一定程度上降低其评估结果的可信度,可能进一步影响以可靠性评估为依据的检修策略等的参考价值。还有方法考虑继电保护装置运行特性,采用威布尔分布作为其寿命分布模型,直接通过回归分析确定威布尔分布中的形状参数、尺度参数计算可靠度、失效率等可靠性指标,但由于继电保护装置的失效数据少,利用有限的失效数据样本分析结果的准确度较低。
针对上述问题,本发明提出了小样本失效数据下继电保护系统可靠性评估方法。本发明涉及以下两个背景技术。
1继电保护系统小样本失效数据
目前继电保护的失效数据主要来源于故障信息系统、维修检修报告、调度中心运行报告、故障录波及台账系统等其它数据源。随着电力系统和继电保护装置运行水平的不断提高,保护设备极少发生拒动和误动情况,即仅有极少数失效数据可供相关评估所用。加之目前设备更新换代的周期较短,很多保护装置在服役期间根本没有出现过失效情况使得原本就不丰富的失效样本中同型号装置的数据更为缺乏。整体上,现场获得的失效数据呈现比较典型的小样本特征。
对于现场获得的继电保护装置失效数据,一般可分为以下三种数据类型:完整数据、左截尾数据和定时截尾数据。实际上,由于保护装置投运时间的差异较大和现场运行情况的差别,反映保护装置运行情况的数据更符合定时截尾数据的特点。对于截尾数据中的检修时间,由于其相对于设备运行时间来说极短,加之以已经发生的失效或者缺陷数据为分析对象时,修复完成后会重新进入运行时间的统计周期,故该类分析中修复时间可忽略不计。
2贝叶斯公式及其先验分布的选取
经典统计只以样本提供的信息在一定的统计模型下做统计推断,对样本量较大的情况有较好的统计推断效果。而贝叶斯方法是在取得样本观测值之前,对参数统计模型中的未知参数θ有某些先验知识,这些知识以先验分布的形式体现出来。而在得到样本观测值x(本方法指的是故障间隔时间)之后,由x与先验分布提供的信息得到后验分布,后验分布是贝叶斯统计推断的基础。由于利用了各类先验知识,例如历史数据、专家信息和仿真试验信息等,降低了经典方法对现场运行数据样本的依赖程度,因而对小样本情况往往也很有效。
贝叶斯公式是贝叶斯理论的直接体现,写为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北电力大学(保定),未经华北电力大学(保定)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410225536.3/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种汽车空气滤清器
- 下一篇:大型燃气发电机组一键启动控制系统
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置