[发明专利]一种电网设备大修决策优化方法及装置

权利要求书

1.一种电网设备大修决策优化方法，其特征在于，所述大修决策优化方法包括：

基于因素识别对设备的故障影响要素进行提取，以获得设备故障影响因素，所述设备故障影响因素包括日常因素及意外因素，所述日常因素根据设备长期运行的故障情况的获取，所述意外因素根据设备意外变化导致的故障情况获取；

基于所述日常因素构建基础故障率曲线，并结合所述意外因素，对所述基础故障率曲线进行优化，确定最优故障率曲线，所述基础故障率曲线根据设备的基础数据进行构建并通过日常因素进行校正得到；

基于所述最优故障率曲线，并结合运行成本，确定设备大修决策，所述运行成本包括设备故障直接成本、设备故障电量直接损失成本及设备故障电量间接损失成本。

2.如权利要求1所述一种电网设备大修决策优化方法，其特征在于，在基于因素识别对设备的故障影响要素进行提取，以获得设备故障影响因素，所述设备故障影响因素包括日常因素及意外因素步骤中：

所述日常因素包括品牌特点、设备老化及设备历次检修数据，所述意外因素包括自然灾害、环境恶化及意外损坏，所述日常因素及所述意外因素均通过设备的巡检数据、试验数据及状态监测数据获取。

3.如权利要求2所述一种电网设备大修决策优化方法，其特征在于，在基于所述日常因素构建基础故障率曲线，并结合所述意外因素，对所述基础故障率曲线进行优化，确定最优故障率曲线，所述基础故障率曲线根据设备的基础数据进行构建并通过日常因素进行校正得到步骤中，还包括以下步骤：

获取设备的第一故障率曲线；

根据所述品牌特点的特性对所述基础故障率曲线进行校正，得到第二故障率曲线；

根据所述设备老化的差异对所述第一故障率曲线进行校正，得到第三故障率曲线；

根据所述设备维修数据的现状对所述第二故障率曲线进行校正，得到基础故障率曲线。

4.如权利要求3所述一种电网设备大修决策优化方法，其特征在于，在基于所述日常因素构建基础故障率曲线，并结合所述意外因素，对所述基础故障率曲线进行优化，确定最优故障率曲线，所述基础故障率曲线根据设备的基础数据进行构建并通过日常因素进行校正得到步骤中，还包括以下步骤：

结合设备当前时刻的健康状态，并得到实际等效运行时间，根据所述实际等效运行时间，得到设备在所述意外因素影响下的故障率；

基于所述设备在所述意外因素影响下的故障率，对所述基础故障率曲线进行校正，确定最优故障率曲线。

5.如权利要求1所述一种电网设备大修决策优化方法，其特征在于，在基于所述最优故障率曲线，并结合运行成本，确定设备大修决策，所述运行成本包括设备故障直接成本、设备故障电量直接损失成本及设备故障电量间接损失成本步骤中，还包括以下步骤：

构建运行成本模型，所述运行成本模型包括风险成本模型根及设备主动停运成本模型，根据基于设备故障直接成本、设备故障电量直接损失成本及设备故障电量间接损失成本得到；

根据所述风险成本模型及所述设备主动停运成本模型，结合所述最优故障率曲线，确定设备大修决策。

6.如权利要求1所述一种电网设备大修决策优化方法，其特征在于，在基于所述最优故障率曲线，并结合运行成本，确定设备大修决策步骤中：

所述设备大修决策包括最佳大修时刻及最迟大修时刻，以为与运维人员确定大修计划提供多方面的决策。

7.一种电网设备大修决策优化装置，其特征在于：所述装置包括：

采集模块，用于基于因素识别对设备的故障影响要素进行提取，以获得设备故障影响因素，所述设备故障影响因素包括日常因素及意外因素，所述日常因素根据设备长期运行的故障情况的获取，所述意外因素根据设备意外变化导致的故障情况获取；

计算模块，用于基于所述日常因素构建基础故障率曲线，并结合所述意外因素，对所述基础故障率曲线进行优化，确定最优故障率曲线，所述基础故障率曲线根据设备的基础数据进行构建并通过日常因素进行校正得到；

执行模块，用于基于所述最优故障率曲线，并结合运行成本，确定设备大修决策，所述运行成本包括设备故障直接成本、设备故障电量直接损失成本及设备故障电量间接损失成本。