摘要：关于电气设备的故障率,一般是通过长期对设备实际运行状况进行记录,对所得数据进行统计分析而得到的。在数据量少或完全缺乏统计数据的情况下,用这种方法得到的故障率可信度极低,并且由于用此方法得到的设备故障率是基于事后的统计数据分析得出的,因此在进行设备状态检修决策的优化过程中,对于根据状态检测信息需要待检修的设备以及已经完成检修的设备,是不能完全通过数据统计分析的方法来获得它们的故障率,需要另辟方法对设备故障率进行预测。本文提出对设备当前状态下的故障率以及设备检修后的故障率进行预测的方法,为后续的设备状态检修决策优化提供科学依据。
关键词：状态检修；电气设备；故障
一、基于健康指数的设备故障率推算
（一）设备健康指数的获取
电气设备的健康指数HI(HealthIndex)是描述设备状态劣化程度的数值。设备通常由多个部件组成,每个部件的运行状态往往由若干状态量共同决定,因此,设备健康指数的获取涉及到设备基础状态量的采集和评估。
巡检、运行工况记录、带电(在线)检测、停电例行试验、家族缺陷统计、停电诊断试验等是一个完整的设备状态信息链条,通过详细记录设备信息链上的信息,可以为设备状态评估提供原始的基础数据。随着诸如红外/紫外线、超声波、油色谱等带电检测技术的应用,基础数据的准确性和有效性将得到进一步的提升。
国家电网公司在2008年初颁布了《输变电设备状态检修试验规程》以及相关设备的状态评价导则(Q/GDW168~173-2008)(以下简称《导则》),针对输变电一次设备的状态量拟定了扣分标准。本文以国家电网公司颁布的《导则》为评分依据,对基于巡检及例行试验、诊断性试验、在线监测、带电检测、家族缺陷诊断、不良工况诊断等状态信息,包括其现象强度、量值大小以及发展趋势进行评价,得出各部件的扣分量,继而求得具体设备的综合扣分值,作为设备的健康指数。
以变压器为例,对本体、套管、冷却系统、分接开关、非电量保护装置等部件分别进行评估。若所有部件状态均为正常,则设备状态定义为正常,其健康指数是各部件扣分值乘以权重累加所得;若设备中有些部件处于非正常状态(注意状态、异常状态、严重状态),则以该设备劣化最严重的部件状态作为设备的状态,该部件的状态分值即为设备的健康指数。其中,设备状态的划分标准以及具体部件的权重设置在《导则》中都有明确规定,此处不再赘述。
（二）设备当前状态下的故障率推算
研究表明,设备健康指数与故障率之间存在如下关系:健康指数数值上升,设备故障率也随之上升,且具有如式(1)所示的指数关系:λ=K•eC•HI(1)其中,λ为设备故障率;K为比例系数;C为曲率系数,依据所收集信息的完整程度,选取相应的数值;HI为设备健康指数,数值范围为0~100。只要具备2年以上的设备健康指数HI和设备故障率λ的统计数据(如表1所示),则可通过反演计算获取比例系数K和曲率系数C。表1为华东某地区变压器2005年与2007年基于健康指数的分类统计数据。
将表1的数据代入式(2)中,反演计算求得:K=0.0112,C=0.0451。 P=n10N•iK×eC•HIi×100%=×100%(2)Ni=1N 其中,P为年故障发生概率;n为故障设备的台数;N为设备总台数;i为设备的分类,i=1~10;Ni为某一分类的设备台数;HIi为根据i的分类,为对应HI分值上下限的平均值。
二、电网状态检修概念
设备是否检修、何时检修、采用何种方式检修不仅 与设备自身健康状态有关,还受电网结构、运行方式等 影响,由此形成了电网状态检修的概念。电网状态检 修是以设备个体状态检修决策结果为基础,综合考虑 设备个体性能、设备个体之间的关联性、设备个体与电 网整体运行之间的关系,根据一定的评价指标,协调所 有设备的检修方案,以实现设备个体与电网整体运行 的综合最优。电网状态检修决策过程电网状态检修决策包括检修基础层和检修决策 层。在检修基础层,研究者根据设备与设备之间、设备与电网之间的关系建立电网状态检修决策的指导原 则。从前述电网状态检修概念可知,电网状态检修是 一个多目标多约束的决策问题。
期刊文章分类查询,尽在期刊图书馆综合检修过程中涉及 到的目标和约束,可建立能够全面反映电网安全、可 靠、经济运行的指标集合。在检修决策层,研究者根据 检修基础层的指导原则,将已知的待检修设备方案进 行组合和筛选,得到电网可能的检修方案集合; 然后采 用 D-S 证据理论建立决策模型,得到电网检修的最终 决策结果。
二、状态检修后的设备故障率推断
上节提出的基于健康指数的设备故障率推算方 法是以设备当前实际状态为基础的,并未将设备故 障率与运行时间相关联,不能直接用于设备检修后 的故障率预测。 因此,需要对该方法加以补充,以实 现状态检修后的设备故障率推算。
（一）基于威布尔分布的故障率曲线
设备故障率函数的参数设置与设备故障分布形式密切相关,不同的故障分布形式,对应的故障率函 数的具体表达式不同。 在可靠性工程中,常用的设备 故障分布形式有指数分布、正态分布、伽玛分布以及 威布尔分布等,其中指数分布和威布尔分布应用最 为广泛。
大部分电气设备故障率随时间变化的曲线为经 典的浴盆曲线,大致分为早期故障期、偶然故障期, 以及耗损故障期 3 个阶段。 在指数分布中,由于故障 率为常数,只能描述浴盆曲线的偶然故障期阶段;而 威布尔分布具有形状参数 m,在数据拟合上极具弹 性,可全面地描述浴盆曲线的各个阶段。 本文将采用 威布尔分布对设备故障率曲线进行拟合。
威布尔分布含有 3 个分布参数:m 为形状参数, 表征分布曲线的形状;η 为尺度参数,表征坐标尺度; γ 为位置参数,表征分布曲线的起始位置,一般情况 下 γ 取值为 0。 基于威布尔分布的设备故障率 λ(t)可 表达为当 m<1 时,故障率呈下降趋势;m=1 时,故障 率为常数;m>1 时,故障率呈上升趋势。
通过分析同一类型电气设备的历史统计数据,可以对基于威布 尔分布的故障率曲线分段拟合,求得各阶段的参数 m、η。 为提高拟合精度,可采用 Marquardt 法推求设 备的故障率函数。 Marquardt 法是一种解决已知非线 性关系式的参数估计问题的有效方法,在电力负荷 预测、设备状态预测中得到广泛应用[8-9]。
（二）基于实际役龄的故障率推算
设备的名义役龄是指设备运行的总年数,而实际役龄则与设备的实际性能相关。 由于设备在运行 过程中需要经历保养维护以及不良工况等外界干 扰,因此,实际役龄往往与名义役龄不相符。利用 2.1 节中建立的基于威布尔分布的设备故 障率函数,可以方便地预测出设备在运行年份对应 的故障率。 但该故障率仅是根据设备的名义役龄推 算所得,与设备的实际故障率存在一定偏差。 在已有 的研究中也仅仅是提出了设备实际役龄这一概念, 并未涉及实际役龄的具体推算。本文首先采用基于健康指数的故障率推算法, 求得设备在当前状态对应的故障率,然后依据此故 障率在对应的威布尔分布曲线上查得对应的运行年 数,即为设备在该时刻的实际役龄 tactual。
设备的实际役龄反映了设备当前的运行情况。 以设备的实际役龄为起点,利用威布尔分布曲线,就 能以相对较小的误差预测设备的故障率。
（三）检修后的设备故障率推算
状态检修属于预防性检修,该项工作不仅能使 设备因故障丧失的功能得到恢复,还能改善设备的 整体性能,降低故障率,如同将设备的役龄向前推移 了一定量。为描述设备状况在检修前后的这种动态 变化,本文引入“役龄回退因子 αj”和“等效役龄 teq” 等相关概念,以表征设备状态检修的效果。
参考文献：
[1]潘乐真,张焰,俞国勤等.状态检修决策中的电气设备故障率推算[J].电力自动化设备,2010,30(2):91-94.DOI:10.3969/j.issn.1006-6047.2010.02.019.
[2]袁仲雄,周钊,陆文宇等.基于Java EE的电气设备状态检修管理系统[J].华东电力,2014,42(11):2306-2309.
[3]白鹏飞,景采文.电气设备状态检修技术的分析应用[J].电气技术,2016,(9):139-141.DOI:10.3969/j.issn.1673-3800.2016.09.036.
论文作者:侯健
论文发表刊物:《电力设备》2017年第30期
论文发表时间:2018/3/8
标签：设备论文; 故障率论文; 状态论文; 役龄论文; 电网论文; 指数论文; 布尔论文; 《电力设备》2017年第30期论文;