[发明专利]一种基于风险费用预测的牵引供电设备维修方法

说明书

本发明公开了一种基于风险费用预测的牵引供电设备维修方法。其步骤主要是：将贝叶斯网络分类器模型得出的各设备正常状态的后验概率与故障状态的后验概率相减，得出各设备的健康指数，再引入健康指数修正值、得到修正运行状态预测值；进而将修正运行状态预测值与实际预测值的比较运算得到预测的准确率，进而得到风险费用；再通过不同健康指数的迭代运算得出风险费用最小的健康修正值及其最佳维修方案。该方法给出的维修方案，降低了预测结果的误差，提高了对各设备的状态预测准确率，节约的维修费用明显增多。

技术领域

本发明涉及一种基于风险费用预测的牵引供电设备维修方法。

背景技术

高铁牵引供电设备的维修维护工作能够有效发现并处理故障，为保障牵引供电系统的安全可靠运行做出极大的贡献。目前，铁路牵引供电系统的维修(包括检测及修理)通常采用的是固定时间间隔的周期维修。该维修模式已在牵引供电领域执行多年，能够在较大程度上保障牵引供电设备的安全可靠运行。但这种固定周期的维修，易造成维修不足或维修过剩现象，不能确保维持牵引供电设备的高可靠性，同时成本高。

基于设备故障预测的状态维修方法通过贝叶斯网络、支持向量机、神经网络等智能算法对设备运行状态进行预测；根据预测状态给出维修方案，方案中对预测状态为正常的设备不进行维修(检测及修理)，预测状态为故障的设备进行维修。这种基于状态预测的维修方案，能减少维修不足或维修过剩现象。但现有的基于状态预测的维修方案，没有对其状态预测结果进行基于历史维修状况的修正，导致其预测结果误差大，其维修方案有待优化，节约的维修费用有限。同时，现有的维修方案也未给出其维修方案与传统固定周期维修方式节省的费用，即未评估出其维修方案到底能提高多少可靠性，降低多少检修成本，难以说服维管单位人采用，不易推广实施。

发明内容

本发明的目的是提出一种基于风险费用预测的牵引供电设备维修方法，该方法预测结果误差小，节约的维修费用多；且易于推广实施。

本发明实现其发明目的所采用的技术方案为，一种基于风险费用预测的牵引供电设备维修方法，其步骤为：

A、输入数据

将历史维修记录中各牵引供电设备的各次维修时的设备实际运行状态值c_k及各次维修时的环境温度值X_1k、冰雪值X_2k、降雨值X_3k、雷电值X_4k、风速值X_5k、载荷值X_6k、人为因素值X_7k共七个影响变量值输入系统；其中，k为维修的次数序号，k＝1,2,…,K-1；K为当前拟进行维修的次数序号，c_k＝0,1；c_k＝0表示第k次维修时该设备正常，c_k＝1表示第k次维修时该设备故障；

B、获取运行状态信息的概率

将七个影响变量作为贝叶斯网络的节点证据变量，构建出贝叶斯网络分类器模型；将各设备各次维修时的实际运行状态值c_k和各次维修时的七个影响变量值代入贝叶斯网络分类器模型，得到七个影响变量与设备运行状态c的后验概率P(c|X₁,X₂,...,X₇)；进而求出七个影响变量共同作用下设备运行状态c为故障的后验概率P(c＝1|X₁,X₂,...,X₇)和七个影响变量共同作用下设备运行状态c为正常的后验概率P(c＝0|X₁,X₂,...,X₇)；其中，X₁,X₂,...,X₇分别表示影响变量：环境温度、冰雪、降雨、雷电、风速、载荷、人为因素；

C、后验概率的计算