排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
2.
智能电网在现代化科技中的应用逐渐扩大,智能变电站在智能网络建设中的使用也越来越多.智能变电站的技术先进,比常规变电站成本少,对环境影响少,易于维护.在智能变电站的发展中,对于智能变电站的设计优化部分,已经成为了国家电网实施的重要内容. 相似文献
3.
基于最小割集的系统可靠性预计 总被引:1,自引:0,他引:1
运用故障树分析法求解出设备冷却水系统的最小割集,由于此系统可靠性可以用其最小割集组合的可靠性来表示,假设系统的设备之间具有失效相关性,显然其最小割集内设备故障之间也具有失效相关的特性,针对设备之间存在失效相关性的情况,使用Copula函数刻画最小割集内设备故障之间的失效相关性,建立设备冷却水系统的可靠度预计模型并进行定量计算。分析结果表明,系统采用冗余设备的可靠度比无冗余情况的可靠度高,但设备之间的失效相关性使系统的可靠度降低了。也说明了该模型可以较好地解决设备冷却水系统的可靠性预计问题。 相似文献
4.
核动力个别设备(如电动泵)在其运行历史上无失效记录或仅有很少的失效记录,仅用小样本数据反映设备可靠性参数的总体分布有所欠缺。本文提出"两步走"方法,即对核动力设备数据进行处理时参考同堆型核电站的通用数据库,将属于无信息先验的核动力设备数据处理转化为有信息先验的处理。应用Jeffreys先验模型对核动力电动泵进行贝叶斯推断,通过图检验评价模型复现观察数据的能力,结果表明模型可以完全复现观察数据具有良好的预计能力,经分析建议将第4组数据剔除后再对电动泵失效数据进行贝叶斯推断。 相似文献
5.
6.
7.
故障时间数据服从单参数情形下使用Jeffreys先验可以得到很好的推断结果,但对于服从双参数的情形,并且参数之间具有相关性时,需要对Jeffreys先验作特定的修改才能使用;推导出服从正态分布的核动力设备故障时间的Jeffreys先验和Reference先验,通过分析它们的后验频率性质得到:Reference先验πR (μ,σ2)∞1/σ2是σ2的精确概率匹配先验、μ的二阶概率匹配先验;在Jeffreys先验下,σ2水平为α的可信上限的频率覆盖概率低于事先给定的可信水平α,其差异会随着样本容量的增大而逐渐缩小;对实例进行分析,首先推导出核动力设备泵的正态分布故障时间数据的Reference无信息先验,应用此先验对故障时间数据进行分析,然后通过Bayesianχ2拟合优度对所建立的无信息先验模型进行检验,发现仅有15.5%的RB超过0.95分位数,表明所建立的正态分布Reference无信息先验模型可以很好的描述本实例中核动力设备泵的故障时间数据。 相似文献
8.
非能动型反应堆概率安全评价(PSA)工作在分析非能动系统可靠性时,仅考虑系统设备可靠性,未涉及物理过程可靠性。综合考虑非能动系统设备可靠性与物理过程可靠性时,又存在仅考虑系统投入的设备可靠性而忽略运行设备可靠性的问题。针对此问题,以丧失正常给水事故下AP1000非能动余热排出系统(PRHRS)为研究对象,采用自主提出的综合法将系统可靠性融合进PSA模型,兼顾能动设备的需求失效与非能动设备的运行失效,分析了系统设备可靠性的敏感性。结果表明,综合法对PRHRS进行可靠性分析时所得事故序列谱更真实、更全面,与传统方法相比较具有优越性。 相似文献
1