变压器生产厂家产品质量评价模型

豆朋，王红斌，杜双育

(1. 广东电网有限责任公司，广东 广州 510060；2. 广东电网有限责任公司电力科学研究院，广东 广州 510080)



变压器生产厂家产品质量评价模型

豆朋1，王红斌2，杜双育2

(1. 广东电网有限责任公司，广东 广州 510060；2. 广东电网有限责任公司电力科学研究院，广东 广州 510080)

摘要：以变压器缺陷、故障、运行寿命等数据为基础，挖掘数据分布模式和规律，提出剔除投运年限、投运年份等因素影响的缺陷、故障评价计算方法以及非线性寿命评价方法，并以此构建变压器生产厂家产品质量评价模型。和传统方法相比，该模型利用数据挖掘分析得到的缺陷、故障在设备生命周期内的分布规律，并将分布规律、寿命因素等反映到评价模型中，有利于从资产全生命周期全局最优的角度，提高生产厂家产品质量评价的合理性。

关键词：大数据；产品质量评价；全生命周期管理；数据分析；变压器

目前电网设备生产厂家产品质量评价有多种方式，如设备采购期间的抽样试验、基于历史运行数据开展质量评价等。格勒诺布尔大学Belgacem Bettayeb等、山东大学温德成等通过统计分析的方法研究抽样检测对整体质量的反映程度，并对抽样检测的方法进行了优化[1-4]。杨伟坚等[5]提出以设备的运行数据来评价设备质量，充分考虑设备使用年限、缺陷严重等级等因素，并贯穿资产全生命周期设备质量管控。王璁等[6-9]从设备全寿命周期管理视角出发，指出应充分利用设备运行数据对设备质量进行评价，从源头控制设备质量。上述研究肯定了运行数据对设备质量评价的重要意义，但主要集中于对影响因素的定性论述，未能更进一步定量分析设备缺陷、故障等信息对于评价结果的影响，导致部分结果较为片面。

本文基于数据挖掘理念，采用RHadoop平台，以变压器为例，挖掘设备缺陷、故障、寿命数据中隐含的模式，并以此构建变压器生产厂家产品质量评价模型。

1产品质量评价模型

首先，结合已有的产品质量评价研究以及全生命周期管理理念，本文对电网设备从投运至退役报废的整个生命周期中反映的设备质量核心要素进行分析，提出了由设备缺陷、故障以及运行寿命等三大要素构成的设备质量评价体系(如图1所示)；然后，分析挖掘各因素在设备资产全生命周期中的分布规律，并以此构建评价模型。

图1　电网设备质量评价模型要素

2产品质量评价模型各要素

2.1研究平台介绍

本文以某电网公司油浸式变压器为例开展研究。数据对象主要包括缺陷、故障、负荷等。由于数据量较大，本文采用基于RHadoop的R软件进行分析。其中，RHadoop是由Revolution Analytics发起的一个开源项目，其特点在于以Hadoop为平台，利用R为前端，将统计语言R与Hadoop结合起来，用于对大数据进行分析挖掘[10]。研究所搭建的数据平台采用4台PC服务器，其中一台为主节点，进行MapReduce任务的分解和结果的收集；另外三台作为子节点，并行执行数据分析任务。

以计算各投运年限变压器平均负载率为例，对RHadoop平台中数据分析过程进行简述，步骤如下：

步骤1：数据导入。负荷数据原始记录以表的形式存储在Oracle数据库中，其中每一条记录包括年份、时间、设备ID、有功功率、无功功率等。

步骤2：RHadoop平台数据存储。负荷数据分别存储到3个子节点上的16张数据表，其中子节点1存储5张表，子节点2存储5张表，子节点3存储6张表。

步骤3：负载率的计算。并行计算每一条负荷记录对应的负载率及投运年限，得到包含某台变压器某一时间节点的负载率和投运年限的数据集R1。

步骤4：各投运年限平均负载率计算。

a)Map过程：主节点服务器将Map任务分布到三个子节点上，并监控其执行。各子节点读取存储在各自节点上的数据片段，通过Map函数提取投运年限和负载率，生成新的键值对(year，load_rate)，并将Map结果保存在本地缓存中。

b)Reduce阶段：对各子节点上缓存结果按投运年限进行排序。主节点为这些保存Map结果的本地缓存分配Reducer，远程读取，由Reducer根据键值对进行合并求均值,得到各投运年限的平均负载率(year，avg_load_rate)，Reducer将计算结果输出至主节点上。

在传统Oracle数据库中，计算全部2 150台变压器10年负载率，并将其按投运年限统计需要96 h，采用该平台只需4 h。

2.2设备缺陷要素评价方法

传统分析方法中，主要以缺陷率(缺陷数量/设备数量)来评价设备缺陷情况。该方法较为简便，但并没有考虑缺陷数据在整个生命周期中的分布模式、不同批次设备之间的差异性以及缺陷严重程度(如紧急缺陷、一般缺陷等)等因素，评价模型相对粗糙。本文根据设备缺陷分布模式，将投运年限、投运批次、缺陷严重程度对于缺陷率的影响进行归一化处理，综合评价设备缺陷对产品质量的影响。

2.2.1不同投运年限设备缺陷率的折算

通过对2007—2013年4 266台变压器10 379项缺陷数据的分析，发现变压器的缺陷率随着投运年限具有逐年近似线性增长的规律。以110 kV变压器(2 816台，6 234项缺陷)为例，其缺陷率随投运年限变化情况如图2所示。

图2　110 kV变压器各投运年限缺陷率分布

对图2数据进行线性拟合，函数为

y=y0+λax.

(1)

式中：x为投运年限，y为该年缺陷率，y0为投运0年的缺陷率，λa为缺陷率随投运年限的增长率；拟合曲线的确定性系数为0.883 7。

按照该规律，设备投运时间较早的厂家的年平均总体缺陷率会偏高，在进行质量评价时，评价结果有利于投运时间较晚的厂家，存在一定的非公正性，故需要剔除投运年限对于评价结果的影响。

利用设备缺陷率随设备投运年限呈线性增长的规律，本文将各厂家各投运年份设备的缺陷率统一转化投运年限为0时的缺陷率，从而剔除投运年限对设备总体缺陷率的影响。根据式(1)，折算到投运年限为0年所对应的缺陷率为y=y0+xλa，将各厂家各投运年份设备缺陷率折算至第0年之后，取折算值的平均值作为该厂家设备的最终缺陷率。若某厂家缺陷率增长的速度高于该平均λa，则折算后该厂家仍有部分缺陷率数据被折算到第0年；若某厂家缺陷率增长的速度低于该平均λa，则折算后该厂家实际上被减免了一些缺陷率数量，体现了评价方法的公平性。

2.2.2不同投运批次设备缺陷率的折算

不同批次的设备由于生产工艺不同，其缺陷率也会有差异。以110 kV变压器为例，其缺陷率随投运年份变化情况如图3所示。

图3　各投运年份110 kV变压器缺陷率分布

由于较早投运的设备投运年限较长，根据前文分析，图3中的曲线也包含设备缺陷率随投运年限增长这一因素。为了保证最终结果的准确性，采用上述方法剔除投运年限的影响，结果如图4所示。

图4　各投运年份110 kV变压器投运年限0年时缺陷率分布

可见，随着投运年份的推移，110 kV变压器各投运年份缺陷率有所波动，但未有明显的增长或下降趋势。这说明随着年份的增长，设备的生产工艺无显著变化。因此，在进行厂家设备缺陷率评价时，对各批次的设备缺陷率计算采取求均值的方式。

2.2.3不同严重等级缺陷权重的确定

为使评价结果更客观合理，采取加权方式区别对待不同严重程度的缺陷，以合理反映其对设备质量评价的影响。目前电网企业主要将缺陷按照其严重程度分为紧急缺陷、重大缺陷、一般缺陷和其他缺陷[11]。采用德尔菲方法，通过征询多组专家意见，最终确定将紧急缺陷、重大缺陷作同一严重等级处理，记为严重缺陷，其权重为4；将一般缺陷、其他缺陷作为一类缺陷处理，记为一般缺陷，其权重为1。该权重设置与《南方电网设备运行评价规则》中类似权重大致相同，具有科学性和可比性。

2.2.4设备缺陷评价的计算流程

在对设备缺陷进行评价时，将缺陷细分到某一严重程度某一投运年份的设备在特定投运年限的缺陷。计算步骤如下：

步骤1：缺陷率折算到该投运年份下投运年限为0年时的缺陷率，计算公式如下：

Iybi,j=Rybi,j-j×λa.

(2)

Iyzi,j=Ryzi,j-j×λa.

(3)

式中：Iybi,j为批次i投运年限j的设备一般缺陷的缺陷率折算到投运年限为0年的缺陷率；Rybi,j为批次i投运年限j的设备一般缺陷的缺陷率；Iyzi,j为批次i投运年限j的设备严重缺陷的缺陷率折算到投运年限为0年的缺陷率；Ryzi,j为批次i投运年限j的设备严重缺陷的缺陷率。

步骤2：对同一投运年份不同投运年限折算后的缺陷率求均值，得到该批次设备的缺陷率，计算公式如下：

(4)

(5)

式中：Iybi为批次i中一般缺陷的缺陷率；Iyzi为批次i中严重缺陷的缺陷率；m为该批不同投运年限的缺陷率的个数。

批次i缺陷率

Ii=wyb×Iybi+wyzIyzi.

(6)

式中wyb、wyz分别为一般缺陷和严重缺陷的权重。

步骤3：计算某一厂商的设备缺陷率评价指数I，其计算公式为

(7)

式中n为该厂商设备的投运批次数量。

2.3设备故障因素评价方法

设备故障的评价处理方式和流程与缺陷评价类似，同样需要区分故障严重程度、投运年限以及投运批次，处理流程如下。

a)不同投运年限、投运批次设备故障率的计算。110 kV变压器因设备质量引起的故障率随投运年限、年份变化情况如图5和图6所示。

图5　110 kV主变各投运年限故障率分布

图6　110 kV主变压器各投运年份故障率分布

由图5和6可以看出，随着投运年限或投运年份的变化，变压器各投运年份故障率有所波动，但未有明显的增长或下降趋势。因此，在进行设备故障评价时，对各投运年限、各批次设备故障率，采取求均值的方式。

b)不同严重等级故障权重的确定。结合电力安全事故等级划分标准的规定[3]，事故划分为特大事故、重大事故、较大事故，事件共划分为5级。参考缺陷划分思路，将事故定义为严重故障，事件定义为一般故障。采用德尔菲方法，结合电力安全事故等级划分标准规定中严重故障与一般故障的划定标准，得到严重故障与一般故障的损失比为6∶1，故将严重故障权重设为6，一般故障权重设为1。

c)设备故障评价的计算。在对设备故障进行评价时，应将故障细分到某一严重程度某一投运年份的设备在特定投运年限的故障。其计算公式为

(8)

式中：A为某生产厂家设备的故障率评价指数；Qybi,j为批次i投运年限为j时折算到投运年限为0年的设备一般故障率；Qyzi,j为批次i投运年限j时折算到投运年限为0年的设备严重故障率；mi为批次i不同投运年限的故障率的个数；w′yb为一般故障的权重；w′yz为严重故障的权重，l为该厂商设备的投运年限数。

2.4设备运行寿命因素评价方法

设备寿命长短是衡量设备质量的重要信息。由于重大故障导致设备提前退役会造成企业的经济损失，但这一损失无法在上述设备缺陷及故障评价时体现，因此，在开展设备质量评价时，应考虑设备运行寿命的损失情况。设备提前退役所造成的价值损失包括两类：一是设备本身的价值损失，二是由于设备提前退役而带来的供电量的损失。从数据分析中可知：后者的损失明显高于前者。因此，在对设备运行寿命进行评价时，将重点分析设备因提前退役所造成的供电损失。

为分析变压器的运行效率在整个生命周期中的发展情况，本文对变压器负载率随投运年限变化情况分析得出：变压器负载率在投运早期呈上升状态，在投运11年后逐渐达到稳定，而后基本持平，如图7所示。该规律具有普遍性。电网规划中，变压器容量会预留足够的负荷增长空间，这导致变压器需要运行5到10年后其负载率才逐渐达到正常水平。

图7　110 kV主变压器各投运年限负载率分布

变压器负载率在某段时间内的积分是该时间段内变压器传输电量的反映，可近似认为变压器所创造的价值。对该积分结果与投运年限进行指数回归分析，得到投运年限与变压器负载率积分的关系为：f=e0.145x+0.583，f为负载率从投运年限0到x的积分。

回归分析结果R方值高达0.856，高度拟合，说明变压器所创造的价值与投运年限满足指数函数的分布。结合回归分析结果，以tl代表设备实际运行寿命，texp代表该类设备预期寿命，假设设备达到预期寿命时，所创造的价值为1。则设备退运时的相对价值损失为：

(9)

令C为某厂家设备寿命评价指数，u为该厂家因质量问题退役的设备数量，u′为投运年限已达预期寿命但未退役的设备的数量，Lk为第k个设备退运时的相对价值损失，则

(10)

2.5各因素分值的计算

在实际的设备质量评价时，由于缺陷、故障、运行寿命的重要程度不一，采用德尔菲方法，将缺陷指标满分设置为10分，故障指标满分设置为20分，运行寿命指标满分设置为5分。分数越高表示设备质量越好。以缺陷评价为例，对于某厂家，假设其缺陷率经过上述折算后为Ik，则其扣分值计算方法为

(11)

式中：Qk为该厂家的缺陷扣分值；Qmax为参与评价的所有厂家的缺陷最大扣分值；Imax为厂家缺陷率的最大值；Imin为所有厂家缺陷率的最小值。设备故障、运行寿命两个要素的扣分值计算过程类似，不作具体介绍。

3模型的实证分析

本文以110 kV油浸式变压器10个生产厂家为例进行实证分析(由于数据涉及到保密性问题，本文在此只展示其中某3个厂家数据)。各生产厂家对应的指标数据见表1。

表1各生产厂家设备数据情况

设备生产厂商设备数量/台缺陷数量/次故障数量/次退运设备数量/台S1/台S2/台M14744050006M22813212604M97019511225

注：S1—因质量问题退运设备数量；S2—已达预期投运年限未退运设备数量。

按照本文上述各指标的评价方法进行计算，结果见表2。

表2各厂家指标评价结果

设备生产厂商缺陷评价结果故障评价结果寿命评价结果M113.180.000M28.920.070M927.780.130.0105

按照前述各类指标分值区间设计和映射方式，得到厂家排名见表3。

表3各指标得分

设备生产厂商缺陷评价得分故障评价得分寿命评价得分总分M17.32220.0005.00032.322M29.4589.2315.00023.689M9004.7374.737

上述结果经过和变压器采购部门、运行部门专家讨论，与专家们主观经验吻合，说明模型参数基本合理。

4结束语

本文以变压器为例，基于设备全生命周期运行数据及其分布模式，设计了生产厂家产品质量评价模型。与传统方法相比，该模型利用利用大数据技术，挖掘缺陷、故障、负荷在设备生命周期内的发展规律，剔除投运年限、投运年份对评价的影响，并将设备寿命纳入评价模型，其评价指标与分析思路适用于其他电压等级、不同类型电网设备。

参考文献：

[1] BETTAYEB B, BASSETTO S, VIALLETELLE P,et al. Quality and Exposure Control in Semiconductor Manufacturing. Part II: Evaluation[J]. International Journal of Production Research，2012，50(23)：6852-6869.

[2] 温德成. 供应商质量供应能力的直方图分析[J]. 企业管理，2006(1)：158-160.

WEN Decheng. Histogram Analysis of Quality Supplying Competence[J].Enterprise Management，2006(1)：158-160.

[3] BI Tianshu，CHEN Jinmeng，WU Lanmin，et al. Research on Sampling Test Effect of Large-Scale Power Transformer and its Improvement based on Game Theory[J].Science & Technology，2014，7(3)：117-128.

[4] 陈金猛，毕天姝，王庆杰，等. 电力变压器抽检(抽查)质量问

题分析及管控措施研究[J]. 变压器，2014(1)：62-65.

CHEN Jinmeng，BI Tianshu，WANG Qingjie，et al. Analysis of Quality Problems in Power Transformer Test Check and Their Control Measure Research [J]. Transformer，2014(1)：62-65.

[5] 杨伟坚，熊焰雄，廖红. 电力设备质量管理的思路[J]. 广东电力，2011，24(10)：100-104.

YANG Weijian, XIONG Yanxiong, LIAO Hong. Discussion on Idea of Quality Management on Electric Equipment[J].Guangdong Electric Power，2011，24(10)：100-104.

[6] 王璁，李晓，屠幼萍. 变压器质量风险的全寿命周期评估方法研究[J]. 电气技术，2014(5)：31-34.

WANG Cong, LI Xiao, TU Youping. Research on the Evaluation Method of Life Cycle Transformer Quality Risk[J]. Electrical Engineering，2014(5)：31-34.

[7] 殷可，郁东升. 全寿命周期成本LCC在变电站主设备招标采购中的研究与实践[J]. 华东电力，2009，37(3)：436-439.

YIN Ke，YU Dongsheng. Application of Life Cycle Cost to Bid-invitation and Purchase of Main Substation Equipment[J]. East China Electric Power, 2009, 37(3): 436-439.

[8] 孙鹏，陈绍辉，张彩庆. 基于全寿命周期成本模型的变电站设备最佳寿命周期评估[J]. 南方电网技术，2011(6)：96-100.

SUN Peng, CHEN Shaohui, ZHANG Caiqing. LCC Assessment on the Best Life Cycle of Substation Equipments[J]. Southern Power System Technology, 2011(6): 96-100.

[9] 陈立，郭丽娟，邓雨荣. 基于状态和风险评估的老旧变压器安全经济性分析[J]. 南方电网技术，2010(增刊1)：64-67.

CHEN Li, GUO Lijuan, DENG Yurong. Safety and Economy Analysis of the Aged Transformer Based on the Condition and Risk Assessment[J]. Southern Power System Technology, 2010(S1):64-67.

[10] Revolution Analytics/RHadoop [EB/OL]. https://github.com/RevolutionAnalytics/RHadoop/wiki.

[11] 中国南方电网有限责任公司. 中国南方电网有限责任公司设备缺陷管理办法[S]. 广州：中国南方电网有限责任公司，2014.

豆朋(1983)，男，安徽淮北人。高级工程师，工学硕士，主要从事电网生产技术和运行管理工作。

王红斌(1972)，男，湖北武汉人。教授级高级工程师，工学硕士，主要从事高电压技术研究。

杜双育(1985)，男，湖南双峰人。工程师，工学博士，主要从事电力设备状态监测及故障诊断工作。

(编辑王朋)

Product Quality Evaluation Model for Transformer Manufacturer

DOU Peng1, WANG Hongbin2, DU Shuangyu2

(1. Guangdong Power Grid Co., Ltd., Guangzhou, Guangdong 510060, China; 2. Electric Power Research Institute of Guangdong Power Grid Co., Ltd., Guangzhou，Guangdong 510080，China)

Abstract：On the basis of data including transformer defect, fault, running life, and so on, this paper discovers data distribution modes and laws, proposes to eliminate defects affected by factors such as running age limit and running year, fault evaluation and calculation method, and nonlinear life evaluation method, as well as establishes product quality evaluation model for the transformer manufacturers. Compared with traditional method, this model uses data excavation and analysis to get distribution laws of defects and faults in equipment life cycle and reflects distribution laws and life factors into the evaluation model, which may be in favor of improving reasonability of product quality evaluation in term of global optimum of asset life cycle.

Key words：big data; product quality evaluation; life cycle management; data analysis; transformer

作者简介：

中图分类号：TM76

文献标志码：A

文章编号：1007-290X(2016)01-0119-05

doi:10.3969/j.issn.1007-290X.2016.01.023

基金项目：中国南方电网有限责任公司科技项目(K-GD2014-166)

收稿日期：2015-06-10修回日期：2015-09-22