基于无线射频识别的电力设备全寿命周期管理

针对电力设备全寿命周期管理中存在的问题,提出一种基于无线射频识别(RFID)电子标签技术的管理方法。该方法以非接触式信息读取方式对电力设备进行全寿命周期监控,同时实现设备数据自动录入到设备台账中。该方法在广东电网公司下属多个供电局的应用实践表明,RFID电子标签的实施提升了电力设备全寿命周期管理的智能化水平。     

基于射频识别技术的变电站设备全寿命周期管理研究

设备的全寿命周期管理研究是建设智能电网的重要课题之一。归纳总结了目前变电站设备资产管理的现状及存在的问题;概述了射频识别技术的研究历程、基本原理、特点以及应用领域;研究了射频识别技术在变电站设备全寿命周期管理中具体应用的关键技术,指出RFID数据收集中间件技术和RFID数据收集中间件技术是提高变电站设备全寿命周期管理能力的关键技术。     

基于状态联动的在役设备最佳运行寿命评估模型

以设备实际运行状态为依据,以科学预测在役设备最佳使用年限、维护系统的供电可靠性和提高企业经济效益为目的,构建了基于状态联动的在役设备最佳运行寿命评估模型。基于在役设备的状态评价结果建立状态联动的故障概率预测模型,改进可靠性参数的预测,综合考虑了健康状态和运行环境等因素,反映了在役设备的个体差异性。兼顾可靠性和经济性的要求,结合模糊役龄回退机制,以设备年均全寿命周期成本最小为目标,构建电力设备最佳运行寿命评估模型。以变压器为例,从在运时间和当前健康指数两个维度对在役设备的最佳运行寿命进行了比较分析。算例结果表明,构建的最佳运行寿命评估模型可以合理设定设备的最佳运行寿命,能为在役设备的检修和退役安排提供理论参考。     

基于RFID数据采集的电力设备识别研究

针对电力设备巡检及管理中存在的问题,构建一种基于无线射频识别（RFID）数据采集的电力设备信息识别管理系统,该系统由电子标签硬件部分和信息扫描管理软件部分组成,以非接触式信息读取方式对电力设备数据进行采集,利用DEMO软件解决前端与后台数据库的传输问题,通过SQL Server数据库实现电力设备数据识别与管理。该方法在国网江西省电力有限公司下属多个供电分公司的应用实践表明,基于RFID数据采集的电力设备识别系统的实施提升了电力设备全寿命周期管理的智能化水平,能够有效解决传统电力设备管理方式中各阶段被割裂、互联交差、识别准确度不高的问题。     

基于动态数据的输变电设备全寿命周期成本分析

针对电力设备全寿命周期成本分析所用的基础数据不准确的问题,提出了基于动态数据的输变电设备全寿命周期成本分析。首先分析了输变电设备全寿命周期的特点,研究了输变电设备全寿命周期成本组成和具体的计算公式。接着研究了电力信息大平台背景下,采用数据驱动方式实现输变电设备全寿命周期成本分析所需的动态数据。介绍了基于动态数据的输变电设备全寿命周期成本分析的具体流程。最后,通过案例验证了所提方法的有效性。     

电力企业招投标过程中全寿命周期管理体系研究

对运用资产全寿命管理方法进行招投标过程全寿命周期管理体系建设及应用进行研究,将潜在失效模式分析研究方法引用到电力设备故障分析中,用电力设备潜在失效模式分析研究方法建立全寿命周期费用评估模型,以及设备制造过程全寿命周期管理评价指标体系等。     

电力设备全寿命周期成本中故障成本的估算

针对全寿命周期成本中故障成本难预测的问题,根据电力设备累积失效概率符合威布尔(Weibull)模型的特点,运用最小二乘法对Weibull模型参数进行估计,计算出设备的期望寿命,从而建立故障成本估算模型。通过比较分析不可修复设备和可修复设备故障成本的计算方式,针对可修复设备平均寿命的特殊性,引进等劣化理论来揭示可修复设备平均寿命之间的关系,并计算出可修复设备的故障成本。算例验证了该方法的有效性。     

基于模糊役龄回退的电力设备弹性检修决策优化模型

基于电力设备的检修维护工作是影响设备性能和供电可靠性的关键,也是影响电力系统稳定性和企业经济效益重要因素的问题,结合役龄回退理论和模糊理论构建电力设备检修的故障率预测模型,量化检修工作对可靠性因素的不确定影响效果。综合考虑可靠性与经济性,以设备全寿命周期中检修成本与故障成本之和最小为目标,对传统的检修模型进行修正和优化,建立了弹性周期定期检修模型和弹性状态检修决策优化模型,对检修决策进行优化提高理论保证。     

电力设备管理中的寿命周期费用分析

简要介绍了电力设备管理的概念。从设备寿命周期费用的角度 ,结合 Weibull寿命分布 ,用 Monte- Carlo方法模拟设备运行中的故障情况 ,在此基础上分析了设备在寿命周期内的现金流问题 ,为选择电力设备维修方案提供了经济依据 ,并为设备管理的效益和风险分析打下了良好的基础。     

基于大数据的电力企业资产组维修策略优化研究

在汇总过去若干年的电力设备故障数据的基础上,运用大数据分析方法,把故障预测技术引入到预防性维修的实践中,提出一种基于大数据的预防性维修策略。首先,根据由状态检测信息得到剩余寿命的预测结果,以预防性维修时的剩余寿命为阀值制定预防性维修策略。然后,根据更新过程理论,建立以电力设备的预防性维修阀值和预测间隔期为优化变量,综合考虑电力设备维修成本、客户满意度、电量销售、停电损失、维修时机选择等约束条件呢,以电力设备平均维修费用最小和电力设备可用度最大为优化目标的预防性维修优化模型。采用人群搜索算法进行优化求解,得到系统最佳的预防性维修阀值和维修预测间隔期。最后,通过引入算例,对所建模型优化仿真求解,得到电力设备最佳的预测周期,在保证电力设备可用度的同时,使电力设备的平均维修费用最小,验证了所建模型的可行性和有效性,从而提高电力企业的整体效益。     

10kV开关柜维修和技改策略的分析与探索

介绍了电力设备全寿命周期管理理论,通过对比分析10 kV开关柜定期维修与技改的全寿命周期成本,探索出对该类设备定期开展大小修为优选策略,为供电企业对10 kV开关柜的管理工作提供探索性的数据支持和参考。     

物联网+大数据+智能电器——电力设备发展的未来

随着信息技术在电力设备和电力系统中的应用,智能化电器逐步形成和发展。智能化电器能够以数字化方式获取和监测工作范围内的各项电气参数,进行智能化判断,控制和保护被操控对象,并且具有比较完备的自身监测、诊断和保护功能。对电力设备进行全寿命管理,可以更加科学地把握电力设备的运行状态,预防性地进行设备维护,从而提高系统整体可靠性和安全性。利用大数据技术对电力设备的状态数据进行分析,实现全寿命周期管理是发展的趋势。未来电力设备制造企业提供的不再是单纯的装备产品,其需要利用大数据技术通过物联网掌握电力设备的运行状态,为电力设备运行客户提供全方位的技术服务。     

基于盲数的电力开关设备全寿命周期成本估算

全寿命周期成本(life cycle cost,LCC)理论已应用于许多领域,并且取得良好的社会经济效益。电力开关设备全寿命周期成本分析常采用净现值法,但其中设备的运行维护以及故障成本通常在总成本中占相当大的比重,由于此部分费用是未来发生的费用而且设备实际运行情况是不确定的,采用盲数理论可以处理电力开关设备数据的不确定性,能够克服传统方法过于绝对化的问题。针对GIS和AIS两种开关设备备选方案进行了基于盲数理论的全寿命周期成本分析。结合资金的时间价值详细介绍了电力开关设备全寿命周期成本的费用分解结构以及计算模型。经过对这两种开关设备的LCC计算结果进行分析评价,从而确定出最优方案为GIS。该模型具备处理多种不确定性因素的能力,为电力设备选型提供了一种有效的方法。     

资产全寿命周期成本与大修技改效益分析

本文针对资产全寿命周期管理（Life Cycle Asset Management）的设计思想和管理原则,将全生命周期成本（LCC）理论引入电力成本和效益分析研究,构建了基于设备全生命周期成本（LCC）的框架和计算模型,以产品在全寿命周期内质量最可靠、技术最优、成本最低为目的,实现了对电力设备大修技改的科学、合理、客观的全面评价.     

资产全寿命周期管理在变压器招评标中的应用

鉴于目前的电力设备招评标体系存在的不足,将设备资产全寿命周期成本管理(life cycle asset management,LCAM)应用到变压器的招评标中,构建LCAM评标体系,改进和完善电力设备招评标体系.阐述了LCAM评标体系模型中的评价指标选取、评分标准选择以及各项指标权重设定等问题,给出了变压器全寿命周期成...     

基于大数据的多维度设备评价体系研究

电力设备的安全可靠是电网稳定运行的重要保证,基于大数据、资产全寿命周期管理提出了多维度设备评价体系,从资格业绩、履约、经济寿命、设备质量、综合信用五个维度进行建模和量化,对电力设备进行综合评价。算例表明,基于大数据的多维度设备评价体系可为电网公司选择最优供应商时提供量化依据。     

多维时间序列关联分析方法在电力设备故障预测中的应用

提出基于多维时间序列关联分析的电力设备故障预测方法:将电力设备拓扑网络设备节点的历史时间序列数据进行规范化,运用时间序列分解算法将时间序列进行分解;用一种时间序列模式表示方法,提取关键设备发生故障之前网络拓扑中设备节点的特征事件;并采用关联分析的方法挖掘设备指标运行趋势与设备工况之间存在的隐含关系,达到对故障或冲击进行有效预测的目的。实验证明,该方法能充分利用时间序列数据,发挥数据挖掘对于不确定性关系的分析和表达的优势,能够准确、有效地进行复杂电力设备故障预测。     

基于资产全寿命周期管理的质量事件分析应用

从设备寿命周期要素和影响设备质量安全要素出发,建立电力设备质量判别矩阵模型。通过该模型计算电网资产质量监督管理系统中的1579个设备质量事件,进而明确电力设备质量控制关键节点并对其进行分析,提出有效改进措施,从而对提高电力设备全寿命周期质量控制起到重要作用。     

基于模糊神经网络的高压电力设备故障预测模型

电力设备作为电力系统的基本要素,对其故障风险预测可以有效降低电网故障风险带来的损失。当前应用的高压电力设备故障预测模型忽略了对高压电力设备信号的盲源分离处理,无法去除虚假故障分量,导致故障预测结果不准确、耗时较长的问题。构建新的基于模糊神经网络的高压电力设备故障预测模型。将小波降噪方法引入到盲源分离中,对高压电力设备信号完成盲源分离和小波分解;通过互信息方法将分解结果中的虚假分量删除;利用插值形态滤波的方式提取故障特征,将其设定为模糊神经网络的输入变量,构建高压电力设备故障预测模型。实验结果验证了所构建的模型在30次实验迭代过程中的误差始终不超过2.5%,均方根误差低于3.4%,预测用时测试结果在14~23 ms之间。数据表明所构建模型的预测精度较高、预测速度更快,具有明显的应用优势。     

计及可靠性的电力设备全寿命周期成本管理

单纯依据设备投资费用进行设备选型有一定的局限性。基于设备全寿命周期成本(LCC)原理,结合资金的时间价值,介绍等年值的概念,提出电力设备全寿命周期成本的费用构成和计算模型。结合电力设备实际,给出了在LCC分析中,计及可靠性的设备投资、运行维修、停电损失等费用的等年值电力设备LCC的计算模型。通过实例进行的电力设备LCC计算分析,真实地反映了工程中现金流水平,证实了模型的正确性和工程实用性。