企业资产管理

StatusExamine&AnalysisSystem

状态检修分析系统（SEAS）状态检修分析部分第一页，共七十页。状态检修设备管理试验管理接口设备信息状态试验数据红外、在线、SCADA、变形色谱计划管理缺陷综合查询计划项目查询信息员工、班组、权限、安全第二页，共七十页。状态量维护试验周期维护状态分析试验数据预测神经网络建议、审核第三页，共七十页。总体思路采用模糊理论建立设备状态（性能）的评价体系基于规则的专家系统实现状态量的推理，确定设备的状态基于统计理论和曲线拟合的数据预测采用神经网络对色谱分析进行故障判别基于模糊运算的设备状态综合分析基于规则专家系统提出状态检修周期及内容第四页，共七十页。介绍方法理论基础系统实现举例系统特点存在问题第五页，共七十页。理论基础-模糊理论论域U，集合A，元素x整数，正数，1论域U，集合A，元素x所有年龄，中年人，某年龄隶属度第六页，共七十页。中年老年第七页，共七十页。理论基础-专家系统定义：知识+推理的智能计算机程序基本结构推理机知识库知识获取数据库解释接口问题描述用户解答、建议或解释专家第八页，共七十页。理论基础-专家系统（知识库）知识库是专家系统的核心知识的来源：试验标准，启发性知识以规则的形式表达IFATHENBA-前件，B-后件IFAANDBTHENCA、B-前件，C-后件第九页，共七十页。理论基础-专家系统（推理机）正向推理：数据驱动型、前件匹配推理。原始信息，从知识库寻找匹配的规则后向推理：目标驱动型、后件匹配推理。先提出假设性结论，寻找支持该结论的证据混合推理。第十页，共七十页。理论基础-专家系统（知识获取）基本功能：知识库的维护，增、删、改功能，完整性和一致性维护学习功能：自动知识获取，从错误和失败中归纳总结经验，修改和扩充知识库第十一页，共七十页。理论基础-神经网络特点：1、高度的并行性神经网络由许多神经元按某种拓扑结构组成，大量神经元的并行活动，使神经网络具有极强的信息处理能力。2、高度的非线形由于神经元的相互影响和制约，可以实现从输入空间到输出空间的非线形映射。第十二页，共七十页。理论基础-神经网络3、良好的容错性与联想记忆功能神经网络通过神经元的连接强度即权系数实现对信息的记忆。4、十分强的自适应、自学习能力人工神经网络可以通过训练和学习来获得网络的权值和结构，呈现出很强的自学习能力。第十三页，共七十页。理论基础-神经网络神经元第十四页，共七十页。理论基础-神经网络神经元描述其中，f(.)是激励函数。常用的激励函数有阈值型函数、线型函数和S函数。第十五页，共七十页。理论基础-神经网络网络结构（BP）第十六页，共七十页。理论基础-神经网络BP算法（已知学习样本（X，Y））正向传播过程中，输入信息X从输入经隐含层逐层计算传向输出层，得到实际输出Y1得到误差E进行反向传播，通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权系数（连接神经元之间的权）。网络泛化能力：经过适当样本训练的网络具有良好的泛化能力。第十七页，共七十页。系统实现-设备状态设备状态的模糊模型将设备的模糊状态定义为7档：良（PB、3）、一般良好(PM、2)一般(PS、1)、一般注意(Z、0)注意(NS、-1)、注意不良(NM、-2)不良(NB、-3)设备的状态为一个模糊全集每一个状态（如良）为一个模糊子集第十八页，共七十页。系统实现-设备状态隶属度曲线第十九页，共七十页。不良注意一般良第二十页，共七十页。系统实现-设备状态量状态量：指反映设备状态的技术指标、性能数据及运行状况等参量。属性：来源：试验项目、在线、SCADA、缺陷、其他第二十一页，共七十页。试验项目状态量运行信息系统实现-状态量与试验项目第二十二页，共七十页。系统实现-设备性能指标每个状态量都反映了设备的某项或几项性能指标根据设备类型，可将设备的性能划分为几项通用的指标。例：对变压器，分为导电性能、绝缘性能和机械性能。第二十三页，共七十页。系统实现-状态量反映性能指标的关系每一个状态量都是有意义的，如直流电阻是为了判断分接开关的烧蚀情况。反映的是导电性能。因此对每一个状态量，应确定它对三大指标的隶属程度。相当于对每个状态量建立如下的表：第二十四页，共七十页。系统实现-状态量规则来源为试验项目的状态量：规则的定义类似于试验标准，也可直接引用标准绝缘电阻小于200兆欧，发生紧急状态告警小于500兆欧，发生重要状态告警来源为缺陷等状态量：规则是一些逻辑量灭弧室内发生是否发生闪络或产生红光是，紧急状态告警否，无告警第二十五页，共七十页。系统实现-状态量推理确定该状态量当前处于什么状态根据状态量来源和规则的不同，推理方法应有所区别一般标准性的规则，采用专家系统的正向推理对色谱状态量的推理，拟采用神经网络方法。对色谱结论的得出，一般有三比值法，电研法等，但每种方法均有一定的局限性，利用神经网络对非线形函数的无限逼近能力，可以使神经网络具有色谱分析的故障判断推理能力。第二十六页，共七十页。系统实现-状态量推理结果表示如果满足条件：一般程度，取值=0或1，有处理方法的取0，没有取1重要程度，取值=-1或-2，有处理方法的取-2，没有的取-1紧急程度，取值<=-3，处理方法须立即停役的的取-6(强化)，不必立即停役的取-3如果不满足条件：取值=2或3，一般取2，表示严格。第二十七页，共七十页。系统实现-试验数据的预测需要预测的理由：当进行一次状态分析时，由于各状态量的采集周期不同，不能同时获得所有试验数据当本次分析为设备状态为良好时，希望了解下一采集周期前设备状态如何？预测的方法：曲线拟合（最小二乘法）、（神经网络）置信度的概念：第一个试验数据的时间坐标为零点，第二次，第三次的时间间隔分别为T1和T2，第四次为预测点，设时间间隔为T3（T3>=0），T1=T2=T3时，置信度为0.6。第二十八页，共七十页。系统实现-设备状态的分类综合完成一次状态分析后,将会得到一组状态量对三大性能指标的不同反映，一般情况下，从不同角度会得到类似的结论，如绝缘性能下降，绝缘电阻和介损两个状态量都会有所反映，但有时并不如此，甚至为出现相互矛盾的结论。在排除测量误差或错误的情况下，这就涉及到状态综合的问题。不同状态量的同一分类指标状态的综合采用加权平均法进行。综合结果：第二十九页，共七十页。系统实现-设备状态的综合设备状态的综合采用严格方法或极值法在设备的三大指标中，哪个指标最差，则，该设备的状态就确定为该最差的状态。第三十页，共七十页。系统实现-设备状态的层次分析实时参数在线检测SCADA不停电采集量红外、缺陷、油务、附盐密度、部分试验项目停电采集量部分试验项目第三十一页，共七十页。状态分析实时分析：在线、SCADA转状态综合不停电量分析停电量分析离线分析系统实现-设备状态的层次分析第三十二页，共七十页。系统实现-状态分析建议良好预测两点，距下一周期的中间预测一点（T/2），下一周期预测一点（T）。预测两点的状态若好于一般良好，周期延长10%或一个标准时间段预测状态在一般以下，周期不变第三十三页，共七十页。系统实现-状态分析建议一般良好预测两点，距下一周期的中间预测一点（T/2），下一周期预测一点（T）。预测两点的状态若好于一般注意，周期不变预测状态在注意以下，周期缩短10%或一个标准时间段第三十四页，共七十页。系统实现-状态分析建议一般预测两点取分类状态分类状态在注意以下，参照状态量处理方法，相关状态量的周期缩短50%或若干标准时间段分类状态在一般注意以下，参照状态量处理方法，相关状态量的周期缩短10%或一个标准时间段第三十五页，共七十页。系统实现-状态分析建议不良取分类状态分类状态在不良，参照状态量处理方法，相关状态量的周期缩短50-100%或若干标准时间段第三十六页，共七十页。系统实现-状态分析建议状态分析建议：建议某设备在何时进行何专业哪些项目的试验第三十七页，共七十页。系统实现-状态分析建议第三十八页，共七十页。系统实现-检试项目定义完成设备的检试项目定义定义的依据上次试验的情况周期检修的到期情况状态分析的建议可自由添加或删除项目审核确定后进入计划模块，由计划员编排计划第三十九页，共七十页。系统实现-检试项目定义第四十页，共七十页。举例-变压器状态检修基本数据维护状态量、隶属度、规则、处理方法维护试验周期维护：项目周期、专业性质周期等状态分析基于规则的分析神经网络分析状态结果综合状态分析建议状态分析建议检试项目定义第四十一页，共七十页。举例-维护分析对象的定义进行状态检修的设备对象集合，该集合一般为相同的设备类型、型号、厂家的设备沈变产SFSZ8-50000变压器可定义为一个分析对象第四十二页，共七十页。举例-分析对象第四十三页，共七十页。举例-对象状态量维护状态量来源：试验项目、非试验项目、在线等设定周期（天）周期上限（天）实际周期（天）状态量隶属度状态规则：引用标准，其他规则关系处理方法维护：紧急、重要、一般第四十四页，共七十页。举例-对象状态量维护变压器状态量第四十五页，共七十页。举例-对象状态量维护第四十六页，共七十页。举例-具体设备状态量维护选择具体设备如昌安变#1主变共性状态量个性状态量第四十七页，共七十页。举例-具体设备状态量维护第四十八页，共七十页。举例-试验周期维护设备试验专业性质周期维护设备试验项目周期维护主要属性试验周期（天）周期起点周期偏置（天）审核后有效通过调整起点和偏置，可调节试验性质的顺序第四十九页，共七十页。举例-非周期试验规则维护新投产的设备须经过一定时间运行后才进入周期维护此时，应遵循一定的规则，如油务，投产后1天、3天、7天。第一年大修等第五十页，共七十页。举例-周期重合调整规则维护目的：试验项目的周期和专业性质的周期会发生重合情况，不同性质试验的周期也会出现重合的情况。调整的基本规则：试验项目的周期汇入到试验性质。低优先级的试验性质汇总到高优先级的试验性质。被汇入的试验周期须及时调整相关周期的起点和偏置。第五十一页，共七十页。举例-状态分析待状态分析设备列表可以进行状态分析的的设备部试验标准为不良或不合格的设备不在此列在线分析只有绍兴变考虑规则离线分析-试验分析启发式规则分析第五十二页，共七十页。举例-试验分析第五十三页，共七十页。举例-启发分析第五十四页，共七十页。举例-色谱分析（神经网络）神经网络设计结构设计：层数、每层神经元数、激励函数学习设计：误差、次数、步长样本训练：样本的代表性样本校验投入使用第五十五页，共七十页。举例-色谱分析神经网络设计第五十六页，共七十页。举例-神经网络设计第五十七页，共七十页。举例-色谱样本设计第五十八页，共七十页。举例-样本设计第五十九页，共七十页。举例-学习设计第六十页，共七十页。举例-状态结果显示第六十一页，共七十页。举例-状态趋势曲线第六十二页，共七十页。举例-状态分析建议第六十三页，共七十页。第六十四页，共七十页。第六十五页，共七十页。举例-检试项目定义第六十六页，共七十页。状态检修系统特点建立设备状态的模糊评价体系实现设备状态的跨专业分析色谱神经网络可分析复合型故障一定的预测能力自动产生状态检修的时间和不同专业的试验项目第六十七页，共七十页。存在问题及对策实时监测手段少目前只有绍兴变有在线检测SCADA不能反映故障点信息，分析作用不大运行工区的有关信息如开关动作次数应通过接口实现实时获取对策故障录波器信息的获取特征气体的在线检测：如氢气、CO的在线检测甚高频局部放电在线检测其他实时检测手段第六十八页，共七十页。存在问题与对策知识获取困难：状态量确定、规则的确定自学习维护样本数据的可靠性、代表性故障数据较少对策尽快建立专家系统核心模型，加强与技术人员的交流，逐步完善知识库加强与兄弟单位合作，获取有关故障数据第六十九页，共七十页。内容总结StatusExamine&AnalysisSystem