基于模糊役龄回退的电力设备检修优化方法

摘要

本发明提供了一种基于模糊役龄回退的电力设备检修优化方法，根据检修活动对设备故障率提升效果的不确定性，对设备历史数据中故障率进行模糊拟合，提出模糊役龄回退故障率预测模型，并综合考虑可靠性与经济性，建立弹性状态检修决策优化模型。通过采用模糊役龄回退模型计算检修后设备的故障率分布函数，及运用弹性状态检修决策优化模型进行电力设备检修时间的求解优化。其中，将故障率限值作为检修后设备故障率分布函数最值的约束条件，使得设备的全寿命周期成本更为经济。该方法充分考虑了维修活动对单个变电设备失效概率及使用寿命的模糊性和随机性，有助于电网企业合理安排检修计划，可靠延长设备使用寿命。

主权项

一种基于模糊役龄回退的电力设备检修优化方法，其特征在于，包括以下步骤：S1：根据电力设备故障率历史数据进行电力设备故障率的模糊拟合，得到拟合结果为：设备故障率Y(t)的随机模糊分布函数为：$\hat{Y}\left(t\right)=(\hat{\lambda }\left(t\right),{\hat{c}}_1\left(t\right),{\hat{c}}_2\left(t\right))$其中，为故障率三角模糊数的中心值，为右偏差值，为左偏差值；S2：结合所述拟合结果建立电力设备的模糊役龄回退故障率预测模型，根据检修时间序列得到检修后电力设备的等效服役年龄以及第k次检修后电力设备的故障率曲线三角模糊数的中心值λ'(t_k)、右偏差值c'₁(t_k)及左偏值c'₂(t_k)，其中，为根据t'_k计算回退点故障率模糊数期望值；S3：进行检修成本估算及故障成本估算，并据此构建弹性状态检修决策优化模型，该模型将故障率限值作为检修后的设备故障率分布函数最值的约束条件，模型如下：$\begin{array}{cc}\min & f\left(\overrightarrow{T}\right)={{\hat{C}}_M}^{\prime }+{{\hat{C}}_F}^{\prime }\\ & =\underset{k=1}{\overset{n}{\Sigma }}{\hat{C}}_M{\left(\frac{1}{1+r_d}\right)}^{t_k}+\underset{t=1}{\overset{T_A}{\Sigma }}{\hat{C}}_F{\lambda }^{\prime }\left(t\right){\left(\frac{1}{1+r_d}\right)}^t\end{array},$s.t. λ_min≤λ′(t)≤λ_max其中，用决策向量表示每次检修的时间；为总检修成本；为总故障成本；为单次检修成本的模糊估计值；为单次故障成本的模糊估计值；t_k为第k次检修时设备的服役年龄；n为设备寿命周期内总的检修次数；T_A为设备使用寿命；r_d为考虑通货膨胀率、利率、汇率等因素后的折现率；λ'(t)为检修后设备的故障率分布函数；λ_min为故障率下限；λ_max为故障率上限。S4：根据所述电力设备的模糊役龄回退故障率预测模型计算检修后设备的故障率分布函数，再运用步骤S3的弹性状态检修决策优化模型进行电力设备检修时间的求解优化。