基于物联网技术的电气设备全生命周期风险预测方法

杨琳玮

(国能黄骅港务有限责任公司，河北 沧州 061110)

1 引言

在现代社会，各领域的运行都离不开电力能源作为支撑。在电力供应系统中，电气设备的运行涉及电力的生产、运输、更换、分配等各个环节。一旦其中一个设备出现问题，电力供应就会中断，从而造成巨大的损失。电气设备故障从生产到使用，再到废弃，经历了一个全生命周期[1]。因此，如何准确地预测电气设备整个生命周期内的各种风险，对其进行全生命周期的风险预测，对防范和规避风险具有重要的现实意义。

关于风险预测的研究有很多，如文献[2]提出的基于红外成像技术的电气设备故障检测和文献[3]提出的基于物联网技术的地铁机电设备全寿命周期管理系统。但上述主要是针对设备运行过程中存在的风险进行分析，且需要处理的数据过于庞大，电气设备种类的不同，数据过于分散，得到的预测结果准确性并不能保证，且需要花费大量的时间成本。

针对上述问题，本文结合物联网技术，提出一种电气设备全生命周期风险预测方法。物联网技术的介入，能够将设备各个环节的大数据集中到一起，并进行分析，实现了电气设备管理的信息化，包括降低设备风险存在的时间、提升风险规避效率、节省人工成本、提高设备可用性和完好率。通过本研究以期保证电气设备全生命周期运行安全，延长电气设备使用寿命，及时规避掉各个环节存在的风险。

2 基于物联网技术的电气设备全生命周期风险预测研究

电气设备风险的发生不仅仅出现在运行阶段，而是出现在全生命周期，周期上每一个环节出现的风险都有可能造成设备故障。然而，各设备从生产、到使用再到废弃，各个环节相对分散，且数据分散在各个电脑，不能有效共享，汇总繁琐且易出差错，设备维修费用、备件采购数量、点检计划数据、人员KPI 等数据源不一，统计汇整分析困难不精准，因此在电气设备全生命周期风险预测中最亟待解决的问题是“如何集中获取全生命周期涉及的相关信息，包括设备生产数据或设备本身的运行状态、故障、运行参数、环境等状态信息”。这也是以往电气设备全生命周期风险预测研究较少的重大原因之一。

基于上述问题，物联网技术的出现为电气设备全生命周期风险预测提供了所需要的移动端和网络环境的支持。物联网技术组成框架如图1所示。

图1 物联网技术组成框架

物联网技术利用计算机硬件、软件、网络设备、通信技术及智能传感器设备等实现了信息的收集、传输、加工、储存、更新和维护等，为风险预测提供了重要的辅助。

2.1 电气设备全生命周期数据收集与预处理

电气设备全生命周期大致可以分为三个大致时期，建设期，运行维护期和轮换报废期。每个时期的风险是数据或信息的不完备引起的，因此需要收集与风险可能相关的信息和数据[4-6]。数据收集方式主要有四种，具体如下：

(1) 方式1

基于物联网技术的电气设备全生命周期管理平台已具备数据接口时，直接通过已有接口根据设备厂家提供的协议获取数据[7]。

(2) 方式2

基于物联网技术的电气设备全生命周期管理平台无数据接口时，请设备厂家对设备控制系统扩展出新的数据接口，再通过接口获取数据[8]。

(3) 方式3

通过连接电气设备相关数据传输线路上的数据信号实现数据采集。

(4)方式4

在电气设备上外接各式传感器，并通过采集器实现定向数据采集。

在上述四种获取方式中，方式4 是最为简单、快捷的。外接的各式传感器主要RFID 系统、红外图像采集设备、信号采集器等，具体如表1所示[9-11]。

表1 电气设备全生命周期数据收集工具对比表

在电气设备全生命周期数据收集之后，需要对这些数据进行预处理，提高数据质量。根据数据类型的不同，预处理方法也不同，具体如表2所示。

表2 电气设备全生命周期数据预处理方案

2.2 电气设备全生命周期风险因素识别

基于上一章节电气设备全生命周期数据收集与预处理的基础上，对各个环节存在的风险因素进行识别。采用事故树分析法，将风险识别工作按各个时期阶段细化成较小的风险因素。基于事故树分析法的电气设备全生命周期风险识别过程具体如下：

步骤1：确定事故树的主题目标，即电气设备的整个生命周期风险；

步骤2：中间事件的建立，即根据电气设备全生命周期，将风险分为建设期风险，运行维护期风险和轮换报废期风险等三大类。

步骤3：底事件的建立。继续根据每个时期的风险，再逐级继续进行细化，直至达到最小集，也就是导致电气设备存在风险的最根本原因，即完成关于电气设备全生命周期风险的事故树。

步骤4：认真审定事故树。在绘制完成事故树后，对其进行审查，并进行修改，以达到最优。

2.3 电气设备全生命周期风险评估与预测

在完成电气设备全生命周期风险识别后，计算风险系数，并以此预测电气设备的可靠程度，以便采取合理的应对措施。电气设备全生命周期风险评估与预测基本过程如下：

步骤1：明确目标，建立电气设备全生命周期风险事故树，具体过程见章节2．2；

步骤2：建立层次结构模型。

步骤3：建立判断矩阵，赋值通过0．1～0．9标度法完成，如表3所示。

表3 0.1～0.9标度法

建立的模糊判断矩阵形式如下：

式中，aij表示风险因素xi比风险因素xj的重要程度，其值采用0．1～0．9标度法来赋值，如表3所示。

步骤4：计算风险因素的权重，也就是风险因素造成电气设备故障的严重程度。

step1：计算权重系数。

step2：一致性检验。一致性比率CR计算公式如下：

式中，CI为一致性指标；RI为一致性指标，其选值如下表4所示。

表4 RI取值

当CR＜0．1时，判断矩阵一致性检验通过，进入下一环节；否则，修正判断矩阵，重新进行权重计算。

step3：计算综合权重，并同样进行step2操作。

步骤5：根据权重，计算风险系数Yi。计算公式如下：

式中，pi表示风险因素i的发生率，其取值如表5所示；wi表示风险因素i的权重；n表示故障原因个数。

表5 风险因素发生率取值

步骤6：综合每个风险因素的风险系数，得到电气设备整体发生故障的概率，计算公式如下：

式中，Xi表示电气设备故障X的第i个风险因素；Z表示风险发生的概率。

步骤7：计算电气设备的可靠度。计算公式如下：

式中，R为电气设备的可靠度。

3 实例分析

为验证所研究风险预测方法的应用性能，选取一种电气设备作为研究对象，进行实例测试分析。

3.1 实验对象选择

断路器属于一种开关装置，起到故障保护的作用，本实验对象为一种高压断路器。利用所研究的方法对其进行基于物联网技术的电气设备全生命周期风险预测。

3.2 数据采集环境部署

部署高压断路器全生命周期过程相关数据的采集环境，如图2所示。

图2 数据采集环境部署示意图

3.3 风险因素事故树模型

基于事故树分析法建立关于电气设备全生命周期风险因素的事故树模型，如图3所示。

图3 风险因素事故树模型

3.4 断路器风险评估与预测

计算断路器各个环节风险系数，然后结合影响程度，得出风险发生概率，并以此预测电气设备的可靠程度，结果如表6所示。

表6 断路器风险评估与预测结果

从表6中可以看出，断路器运行维护期发生风险的概率最高，可靠性最低，因此以其它时期相比，运行维护期间，不可控的干扰因素众多，极易发生故障问题，而其它两个期间都有专业人员进行把控和反复审核，风险并不易发生。在断路器运行维护期中又以使用期间最有发生风险，风险的发生率及可靠度具体如表7所示。

表7 断路器使用期间风险的发生率及可靠度

从上述表7 中可以看出，断路器使用期间拒动故障、误动故障以及绝缘故障风险的发生率均超过10%，可靠度低于90%，由此说明断路器使用期间要注意这三类故障的规避。

为验证本文所研究风险预测方法的有效性，对比不同信噪比下，以文献[2]提出的基于红外成像技术的电气设备故障检测和文献[3]提出的基于物联网技术的地铁机电设备全寿命周期管理系统为对比对象，进行对比实验，风险预测正确率对比结果如表8所示。

表8 风险预测正确率(%)对比

分析表8可得，采用本文方法风险预测的正确率均明显高于其它方法，本文方法预测电气设备的可靠程度较高，说明本文方法预测断路器各个环节风险系数较小，风险不易发生，证明了所研究方法的有效性。

4 结束语

综上所述，电气设备的健康状况直接关系到电力供应业务的质量，一旦发生故障问题，造成的损失将是巨大的。为此，本文进行基于物联网技术的电气设备全生命周期风险预测方法研究。该研究分为采集、识别、评估三个过程，对电气设备全生命周期各个环节中存在的风险因素进行寻找，以判断故障发生的概率，以便及时规避。最后通过实例测试，证明了所研究方法的有效性，达到了研究的目标，为电气设备正常运行提供了重要的保障手段。