基于FMEA技术的客滚船电力系统安全评估

刘鑫男，孙彦刚，欧书博，赵 维

应用研究

基于FMEA技术的客滚船电力系统安全评估

刘鑫男1，孙彦刚2，欧书博1，赵 维2

（招商局金陵船舶（威海）有限公司，山东威海 264205）

为了降低由于故障状态分析偏差引起的电力系统安全评估误差，提出基于FMEA技术的客滚船电力系统安全评估。利用FMEA技术计算故障前后的各个设备内电能信号的传输状态，确定目标区域，再根据继电器与断路器对目标区域的状态进行针对性计算，降低由于海量计算带来的统计偏差，以此为基础通过作用强度以及衰弱系数对故障是否存在安全隐患进行判断，当存在安全威胁时，通过人工蜂群算法计算故障信号的传导强度，以此划分危险等级，完成安全评估。并进行仿真试验，结果表明，所提方法能够实现对自体故障和干扰故障的有效识别，安全评估结果具有一定的可靠性。

故障状态 电力系统 安全评估 FMEA技术 客滚船 人工蜂群算法

0 引言

客滚轮在我国境内的海上运输有着极其重要的作用，其不仅可以满足货物的运输需求，同时也可以实现载运旅客的目的[1]。与一般的船只相比，客滚船的甲板是以多层的形式存在的，因此可以满足货运物品以独立单元的方式放置，也正因其上甲板没有舱口，也没有起重设备的独特的造型，为货物的装卸提供了更加便利的条件。同时，各层甲板之间也是相互连通的，通过斜坡道、升降平台等方式确保运输车辆可以在其中顺利通行，船上的首门、尾门可以供车辆直接通过，大大降低了货物装卸过程中的时间开销。但船体电力系统的稳定运行是甲板上各传输设备发挥关键作用。因此，对其进行准确的安全评估是十分必要的。对此，已有不少专家学者做出了相关研究，其中，文献[2]提出了一种基于贝叶斯网络的电力系统风险评估方法，利用贝叶斯网络的覆盖性，实现了对潜在风险的全面评估，但风险的评估只是停留在有或无的阶段，有待进一步优化；文献[3]利用改进概率神经网络设计了一种安全评估方法，该方法实现了对存在隐患位置的精准定位，但对隐患识别的全面性有待提升；文献[4]提出基于ALARP准则的运行风险评估方法，在一定程度上取得了良好的效果，但其仅可以对当前阶段做出判断，难以发现电力系统的长期变化，因此对隐患故障的判断能力较差。由此可以看出，进一步深化研究电力系统安全评估的研究是十分必要的。FMEA（Failure Mode and Effects Analysis，失效模式与影响分析）[5]，也就是所谓的潜在失效模式及后果分析在此背景下诞生，其可实现对构成产品的子系统、零件以及各个运作过程的逐一分析，并发现潜在的失效模式与可能产生的后果，对于预先采取必要的防护措施具有十分重要的指导意义[6]。

基于此，本文提出一种基于FMEA技术的客滚船电力系统安全评估方法，利用FMEA实现对电力系统安全隐患的全面排查，并通过仿真试验验证了所提方法的有效性。

1 构建基于FMEA客滚船电力系统故障诊断模型

对客滚船电力系统的安全评估，本质上就是对其存在的故障进行诊断定位，通过判断故障隐患，计算出电力系统的安全性[7]。因此，为了实现对故障的有效诊断，本文首先建立了客滚船电力系统故障诊断模型。为了确保模型与正常情况下客滚船电力系统的实际运行状态保持一致，本文采用FMEA技术对电力系统的状态进行判断，并分为两步实现该模型的构建。

首先，根据客滚船电力系统故障前后的电能信号的传输状态，对其状态的变化情况，利用FMEA技术对信号的进行分析，假设正常状态下系统内电能传输强度为，在横向以及纵向上的传导尺度系数分别为和，系统允许波动空间为，信号本身的小波系数为，那么在传导过程中则有

而当系统出现故障后，则会出现输出电能小于输入电能的情况，此时，准确判断出现该情况的原因是用电设备参数变化引起的，还是由于系统故障引起的就至关重要，为此，本文引入FMEA技术，对电能传输中各部件的情况逐一进行分析。假设电力系统内参与电能传导的部件数量为，由发出端到接收端设备分别为1，2，…i。那么对其运行状态进行分析可以表示为

当输出的（）与式（1）中的统计结果存在差异时，则认为该设备节点处存在故障隐患的可能，以此类推，计算出所有存在隐患可能的阶段，并将该节点所在的范围初步作为故障的区域。

然后在该区域内，将断路器和继电保护器动作状态，与其对应的动作期望值进行匹配，为进一步缩小故障位置基础。考虑到实际客滚船的运行方式，其接入的电网区域相对较多，因此进行故障诊断时需要具有更加明显的针对性，如果对整个电网状态进行处理将会消耗大量的时间成本，并且效率较低。为快速判断出故障发生的区域，本文在上述基础上对故障范围判断方法进行了进一步研究。

由于客滚船在运行过程中并不是电力系统中所有的线路、设备、元件都处于通电状态，因此，本文利用局部通电的方式对目标区域内的故障进行诊断。在上文确定的初步故障区域内通入测试电流，故障后所有保护断路器状态采集的实际值和真实故障状态下对应的断路器期望值之间差值最小；另一部分则是故障后所有继电器动作采集的实际值与真实故障状态下继电器动作期望值之间差值最小。两者求和最小对应的期望状态，即是客滚船电力系统中对应的故障状态。其可以表示为

其中，代表保护继电器的期望状态值，代表实际状态值，为故障发生前的断路器实际状态值，为故障发生后的断路器期望状态值。通过这样的方式计算出最终的故障状态。

2 电力系统安全评估

在上文中，本文已经计算得出了电力系统的故障状态值，要实现对其的评估主要是从两个方面入手，首先是对其故障状态的客观分析，其次就是根据其传导情况进行危险等级划分。

2.1 故障状态分析

在式(2)中已经通过保护继电器以及断路器计算出了故障状态，为了排除未在网的断路器对计算结果的干扰。本文逐个比较偏差值()，找出使()最大的故障，从而得出诊断的故障定位的结果。其过程为

通过这样的方式确定出()最大的故障，从而得出客滚船电网的故障位置和类型。将得到的故障位置与类型带入到客滚船电力系统中，分析其作用强度以及衰弱系数，其结果为

其中，和分别表示故障在电力系统中的作用强度和衰弱系数，()表示系统可能存在的最大故障。当其作用强度不在系统自体调节范围内，或无法在目标周期内实现自我衰弱时，则认为此时的故障会影响系统的安全。

2.2 危险等级划分

为了实现对电力系统危险等级的划分，本文以故障信号在电能传导中的作用强度作为标准，利用人工蜂群算法对故障信号进行识别。那么故障信号的数量即为蜜蜂数量，也就是，单体向量的运动空间维度是×。首先在=0时，随意形成蜂群矩阵，并确保0是×空间内的一个分量，运算每个蜜蜂的适应度函数值，其表示为

之后，将距离×中心最近的一半当作起始的新的蜜蜂群体，以此类推，直至确定最终的中心点()的值，并将该值作为目标值，在已知的蜂群搜索结果中匹配与该值一致的结果，作为最终蜂群的搜索结果，实现对故障信号的有效识别，并根据识别结果中信号的传导强度，对其进行等价划分，实现对电力系统安全的评估。

3 仿真分析

为了测试本文提出评估方法的应用效果，进行了仿真测试，并将文献[2]、文献[3]提出的方法作为对照组同时进行试验。通过对比三种方法的试验结果，对本文方法的有效性作出客观评价。

3.1 测试环境

本文应用Matlab搭建测试平台，运用Simulink仿真工具实现图形化建模，同时，软件携带的小波分析工具包、神经网络工具包可以更加直观地实现电力系统安全评估的建模与仿真。设定电力系统为单输入单输电系统，当电力系统正常运行时，在电力信号传递过程中，横向传导尺度系数为10，纵向传导尺度系数为4，允许波动尺度空间为3，电能信号的小波系数为8。以此为基础，通过使电力系统参数产生突变模拟安全故障。

3.2 测试过程

1)电力系统输入信号均值不恒为零时的安全评估

本文在=40 s时向电力系统输入安全故障，该故障是由纵向传导尺度系数突变为5，电能信号的小波系数突变为20引起的，在其他系统参数不变的情况下，采用分段平稳的方式对输入信号分布进行评估，其结果如图1所示。

图1 自体异常时不同方法的评估结果

从图1中可以看出，40 s时在电力系统信号中施加突变后，三种方法均在t=60 s时识别不出系统中信号的异常，但相比之下，文献[2]方法在120 s后期对这种异常的识别开始变得模糊，自140 s～170 s时间段内，仅有一次准确识别，说明随着时间的推移，其对突变信号的识别效果逐渐降低，如果在短时间内未能及时发现其异常，最终对电力系统的该次突变将被隐藏，无法实现有效的安全评估；文献[3]方法的结果与文献[2]相似，但其出现识别疏漏的时间更早，是在120 s时开始的。相比之下，本文方法对异常信号的识别更加准确，在试验过程中，自其发现异常后，始终能够准确捕捉异常信号，说明本文方法能够实现对电力系统安全隐患的有效查找，实现可靠的安全评估。

2)电力系统接收到干扰信号时的安全评估

考虑到客滚船运行中电力系统出现异常的原因一部分是来自自体，另一部分是来自外界信号干扰，因此，本文在上述基础上，在t =200 s时，输入强度为2的干扰系数，作用于电能信号的纵向传输上，并分别采用三种方法对其进行评估。其结果如表2所示。

图2 外界干扰异常时不同方法的评估结果

从图2中可以看出，在三种方法中，文献[2]与文献[2]方法的对于干扰作用的识别结果均出现了不同程度的丢失，并且文献[3]方法在试验后期已经无法准确对电能信号的传导波形进行准确输出，而本文方法自200 s发现异常后，始终能够对异常进行有效跟踪，在240 s时出现了小范围的波动，这是因为电能系统的输出是以动态的形式存在的，但后期仍能实现准确识别，说明本文方法在能够实现对隐患的有效辨别，实现对系统安全的有效评估。

4 结束语

客滚轮电力系统不仅对于运输货物的安全起到重要的保护作用，同时，也是维持客舱内乘客基本需求的保障，因此，准确有效的异常识别，可靠的安全评估是客滚船稳定运行的基础。本文提出基于FMEA技术的客滚船电力系统安全评估方法研究，实现了对电力系统自身异常和外界干扰引起异常的识别，能够准确对电力系统安全作出有效评估。通过本文的研究，以期为电力系统的评估研究提供有价值的参考。

[1] 朱炳铨, 郭逸豪, 郭创新, 等. 信息失效威胁下的电力信息物理系统安全评估与防御研究综述[J]. 电力系统保护与控制, 2021, 49(01): 178-187.

[2] 岳宝强, 孙世军, 杨立超, 等. 基于贝叶斯网络的危化品爆炸事故电力系统风险评估模型[J]. 中国安全生产科学技术, 2021, 17(01): 155-161.

[3] 石乐义, 徐兴华, 刘祎豪, 等. 一种改进概率神经网络的工业控制系统安全态势评估方法[J]. 信息网络安全, 2021, 21(03): 15-25.

[4] 商皓钰, 刘天琪, 卜涛, 等. 基于ALARP准则的高比例新能源并网系统日前运行风险评估[J]. 电力自动化设备, 2021, 41(03): 196-203.

[5] 杜博迟, 王国星, 李昞晖, 等. 基于FMEA的RPQ三维质量管理模型在航天产品中的应用研究[J]. 质量与市场, 2021(01): 82-84.

[6] 张福祥. 基于FMEA的煤矿用废气处理箱补水系统可靠性分析与评估[J]. 机电产品开发与创新, 2021, 34(03): 110-112.

[7] 秦健春. 基于FMEA评判模型的充填系统可靠性与失效模式研究[J]. 矿业研究与开发, 2020, 40(05): 60-66.

Safety assessment of Ropax vessel electrical power system based on FMEA technology

Liu Xinnan1, Sun Yangang2, Ou Shubo1, Zhao Wei2

(China Merchants Jinling Shipping Co., Ltd, Weihai 264205, Shandong, China)

U665

A

1003-4862（2022）02-0031-04

2021-05-21

刘鑫男（1978-），男。研究方向：高端客滚船。E-mail: 836386430@qq.com