[發明專利]一種電力設備的狀態評估方法、裝置及存儲介質

有效

• 申請號: 202010193975.6
• 申請日: 2020-03-18
• 公開（公告）號: CN111475925B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 彭在興;王頌;李銳海;趙林杰;易林;劉凱;張帥;張杰;金虎
• 申請（專利權）人: 南方電網科學研究院有限責任公司;中國南方電網有限責任公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/14
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種電力設備的狀態評估方法，其特征在于，包括以下步驟：

根據現代控制理論，通過理論分析的方法，獲取電力設備的幾何尺寸和物性參數作為狀態向量，獲取所述電力設備的外部施加應力作為輸入向量，獲取所述電力設備的外部可觀測參量作為輸出向量，建立所述電力設備的狀態空間模型；

根據電力設備故障模式分析理論，分析確定所述狀態向量中的狀態變量、所述輸入向量中的工作條件變量和環境條件變量以及所述電力設備的外部可觀測參量，以確定所述狀態空間模型的狀態空間大??；

根據電力設備數值仿真計算理論，確定所述電力設備的工程仿真計算模型與所述狀態空間模型之間的一一對應關系，建立所述工程仿真計算模型，并搭建正常模擬試驗裝置和故障模擬試驗裝置，以使所述工程仿真計算模型進行正常模擬試驗和故障模擬試驗，進行誤差分析和修正；

根據狀態空間線性近似理論，通過所述狀態空間模型和修正后的所述工程仿真計算模型，建立在不同的所述工作條件變量和不同所述環境條件變量下，不同所述狀態變量與所述輸出向量的特征參量之間的一一對應關系，得到所述電力設備的全景數據指紋庫；

選擇所述電力設備在運行中發生變異的變異狀態變量，設計加速壽命試驗，根據所述全景數據指紋庫，建立基于所述變異狀態變量的電力設備動態評估模型。

2.如權利要求1所述的電力設備的狀態評估方法，其特征在于，所述電力設備的狀態空間模型對應的系統動態方程為其中，x為所述狀態向量，u為所述輸入向量，為所述狀態向量對應的一階微分方程，y為所述輸出向量，A、B、C、D為系數矩陣。

3.如權利要求1所述的電力設備的狀態評估方法，其特征在于，所述確定所述狀態空間模型的狀態空間大小是通過以下步驟進行的：

根據電力設備的維修需要，將所述狀態變量進行離散化處理，分為正常、注意、異常和嚴重四檔，依據同樣的方法將所述工作條件變量、所述環境條件變量和所述外部可觀測參量根據需要進行分檔，根據分檔結果，確定所述電力設備的狀態空間模型的所述狀態向量、所述輸入向量和所述輸出向量對應的維度和空間大小，最終得到所述狀態空間模型的狀態空間大小。

4.如權利要求1所述的電力設備的狀態評估方法，其特征在于，所述根據電力設備數值仿真計算理論，確定所述電力設備的工程仿真計算模型與所述狀態空間模型之間的一一對應關系，建立所述工程仿真計算模型，具體包括：

根據所述電力設備的幾何尺寸建立所述電力設備的幾何模型，根據所述物性參數設置材料的參數，根據所述電力設備的外部施加應力設置邊界條件和施加載荷，得到所述工程仿真計算模型。

5.如權利要求3所述的電力設備的狀態評估方法，其特征在于，所述選擇所述電力設備在運行中發生變異的變異狀態變量，設計加速壽命試驗，根據所述全景數據指紋庫，建立基于所述變異狀態變量的電力設備動態評估模型，具體包括：

根據機器學習理論，在所述全景數據指紋庫提取在不同所述工作條件變量和不同所述環境條件變量下，所述狀態變量分別處于正常、注意、異常和嚴重四個狀態時對應的所述輸出向量的機器學習特征參數，建立基于機器學習的第一狀態評估模型；

根據統計理論，在所述全景數據指紋庫提取不同所述工作條件變量和不同所述環境條件變量下，所述狀態變量分別處于正常、注意、異常和嚴重四個狀態時對應所述輸出向量的統計特征參數，建立基于統計理論的第二狀態評估模型；

根據物理方法，在所述全景數據指紋庫庫提取在不同所述工作條件變量和不同所述環境條件變量下，所述狀態變量分別處于正常、注意、異常和嚴重四個狀態時對應所述輸出向量的物理特征參數，建立基于物理方法的第三狀態評估模型；

綜合第一狀態評估模型、第二狀態評估模型和第三狀態評估模型，得到所述電力設備的狀態評估模型；

選擇所述電力設備在運行中發生變異的變異狀態變量，根據可靠性理論，確定所述變異狀態變量的加速因子，設計加速壽命試驗，根據所述狀態評估模型，建立基于所述變異狀態變量的電力設備動態評估模型。