[发明专利]一种改进型灰色马尔可夫模型的电力设备故障预测方法

说明书

技术领域

本发明涉及电力设备故障预测技术领域，更具体地说，本发明涉及一种改进型灰色马尔可夫模型的电力设备故障预测方法。

背景技术

随着设备自动化程度的不断提高，生产运行对设备维修的依懒性也不断增加，有效地维修可以提高设备的可靠性和完好率，并且可延长设备的使用寿命，有利于促进企业管理水平、生产效率和经济效益的全面提升，因此维修已成为保障企业生产能力的重要组成部分。

维修决策理论是现代维修理论和决策科学的高度融合，是以维修思想为指导，结合现代决策方法建立起来的理论和方法，重点研究与预防性维修决策相关的理论和方法问题，进而确定预防性维修周期，其主要涉及的技术领域包括，可靠性工程、概率统计、维修性工程、模糊数学、控制工程与科学、运筹优化理论、故障诊断理论。

设备的维修管理方式经历了三个阶段的发展过程，从最初的事后维修发展到预防性维修，然后发展到以可靠性为中心的维修，但是在整个设备维修管理方式的发展过程中，预防性维修始终占据着主导地位，预防性维修不但能提高设备的可用度及降低设备的突发故障，而且能有效减少设备的全寿命周期维护成本，所以设备的预防性维修问题一直是国内外学者研究的热点问题，提出了许多新型的维修理论方法。

设备的故障间隔期的预测是进行预防性维修的另一个重要课题，目前典型的预防性维修以可用度最大或平均费用最低为目标确定维修周期，这些方法在理论上虽然可行，但是所要求的条件比较苛刻，不太适用于基层预防性维修工作的展开，具体维修方法的应用受到一定的限制。

电力设备的正常工作对于电力系统可靠性运行有着重要的作用，在长期的运行中，电力设备会因为各种不良因素而发生故障，为保证电网的正常运行，延长设备的使用寿命，往往需要定期对电力设备进行预防性维修，这种维修策略虽然能有效地降低设备的故障隐患，但是存在着维修不足和维修过剩的问题，会显著降低整个电网的运行性能。

电力设备进行预防性维修的重要前提是对其故障间隔的准确预测，由于电力设备故障率随时间的变化趋势属于典型的浴盆曲线，在系统的老化故障期内，故障发生的时间具有随机波动性，因此预测的难度相对较高，有学者提出了在“少数据、贫信息”的情况利用灰色理论对故障率进行预测，但不适用于波动性较大的故障序列预测问题，针对这个问题，有学者采用灰色线性回归组合模型、人工神经网络法及灰色马尔可夫组合模型进行预测，但是预测精度并不理想。

因此，需要提出一种新型改进的故障预测方法，通过对电力设备故障的准确预测，对于电力设备的预防性维修周期的科学制定，合理安排设备的维护方案有着重要的意义。

发明内容

本发明所要解决的技术问题是针对现有技术中存在上述缺陷，克服上述现有研究存在的预测精度低的不足的问题，通过灰色理论与马尔可夫理论相结合，建立改进型灰色马尔可夫模型对电力设备故障进行预测，首先对原始故障数据进行灰色处理，建立电力设备故障间隔的GM(1，1)预测模型来确定初始的预测值，然后提出改进型马尔可夫模型对初始预测结果进行修正，将这两种模型结合起来能够做到优势互补，可以明显提高预测精度。

为了实现上述技术目的，根据本发明，提供了一种改进型灰色马尔可夫模型的电力设备故障预测方法，其特征在于包括：

对电力设备执行原始数据收集；

根据原始数据中的故障间隔数据执行先验性级比检验；

在通过先验性级比检验的情况下，直接建立GM(1,1)灰色模型；在未通过先验性级比检验的情况下，先执行原始数据变换然后建立GM(1,1)灰色模型；

根据马尔可夫链性质，基于GM(1,1)灰色模型确定初始的预测值，进行状态划分并建立状态转移矩阵，得到马尔可夫预测模型；

根据马尔可夫预测模型获取改进型的马尔可夫模型，并且通过运用改进型的马尔可夫模型对灰色模型的计算结果进行修正，得到最终的预测值。

优选地，所述方法还包括：采用相对误差法对最终的预测值的精度进行判定。

优选地，根据原始数据中的故障间隔数据执行先验性级比检验包括：