本文選題：灰色線性回歸模型 + 累積失效��； 參考：《高電壓技術(shù)》2017年07期

【摘要】：現(xiàn)有的變電設(shè)備故障率預(yù)測模型在預(yù)測設(shè)備故障率時,往往會出現(xiàn)穩(wěn)定期的預(yù)測數(shù)值高于實測值而損耗期的預(yù)測值低于實測值的現(xiàn)象。針對該問題,在研究變電設(shè)備累積失效規(guī)律的基礎(chǔ)上,引入"故障分界點"和"故障數(shù)據(jù)分區(qū)"2個概念,并結(jié)合灰色線性回歸模型建立了一種新的變電設(shè)備故障率預(yù)測優(yōu)化模型。通過數(shù)值驗證對各模型的特點和有效性進行論證。結(jié)果表明,對處于故障率穩(wěn)定期和損耗期2個階段的案例,故障分界點的確定和故障數(shù)據(jù)分區(qū)均有利于提高變電設(shè)備故障率預(yù)測的精度,改進模型的相對誤差率較灰色線性回歸模型降低了3.59%,較基于M-R算法的故障預(yù)測模型降低了3.91%,整體擬合效果也更理想。
[Abstract]:When the existing fault rate prediction model of substation equipment is used to predict the equipment failure rate, the prediction value of stable period is higher than the measured value, and the predicted value of loss period is lower than the measured value. In order to solve this problem, the concepts of "fault boundary point" and "fault data partition" are introduced on the basis of studying the cumulative failure law of substation equipment. Based on the grey linear regression model, a new optimal model for predicting the failure rate of substation equipment is established. The characteristics and validity of each model are demonstrated by numerical verification. The results show that the determination of fault boundary point and fault data partition are beneficial to improve the accuracy of fault rate prediction for substation equipment in the two stages of failure rate stable period and loss period. The relative error rate of the improved model is 3.59 lower than that of the grey linear regression model, and 3.91 is lower than that of the fault prediction model based on M-R algorithm, and the overall fitting effect is better.
【作者單位】： 西南交通大學(xué)電氣工程學(xué)院;
【分類號】：TM507

【參考文獻】

相關(guān)期刊論文 前10條

1 姚陳果;趙仲勇;李成祥;陳曉晗;李昭炯;;基于暫態(tài)過電壓特性的電力變壓器繞組變形故障在線檢測[J];高電壓技術(shù);2015年03期

2 姜玲燕;龐明勇;;邊緣信息誘導(dǎo)的圖像矢量化算法[J];小型微型計算機系統(tǒng);2015年01期

3 仲元昌;萬能飛;夏艷;張亮;喬靜;;基于油氣參數(shù)分析的電力變壓器故障分步式診斷算法[J];高電壓技術(shù);2014年08期

4 邵延君;潘宏俠;馬春茂;劉永姜;;基于灰色線性回歸組合模型的故障率預(yù)測[J];振動.測試與診斷;2014年04期

5 周nv;孫超;廖瑞金;李劍;張鎰議;王時征;;基于云理論的變壓器多重故障診斷及短期預(yù)測方法[J];高電壓技術(shù);2014年05期

6 白翠粉;高文勝;金雷;劉通;;變壓器綜合應(yīng)力壽命模型研究[J];四川大學(xué)學(xué)報(工程科學(xué)版);2013年S2期

7 汲國強;張伯明;吳文傳;孫宏斌;寧遼逸;;一種適用于可靠性評估的電網(wǎng)設(shè)備時變停運模型[J];中國電機工程學(xué)報;2013年01期

8 孫鵬;陳紹輝;張彩慶;;基于Marquardt法參數(shù)估計的變電設(shè)備壽命周期故障率評估[J];電力系統(tǒng)保護與控制;2012年01期

9 廖峰;劉清良;賀輝;程義明;徐聰穎;姚建剛;;基于改進灰色模型與綜合氣象因素的母線負(fù)荷預(yù)測[J];電網(wǎng)技術(shù);2011年10期

10 楊鵬;;改進的數(shù)學(xué)形態(tài)學(xué)小波圖像融合算法[J];計算機仿真;2011年02期

【共引文獻】

相關(guān)期刊論文 前10條

1 吳廣寧;倪雪松;宋臻杰;高波;;基于改進灰色組合模型的變電設(shè)備故障率預(yù)測[J];高電壓技術(shù);2017年07期

2 鄧春紅;王蒙;;基于相似日和灰色理論的短期電力負(fù)荷預(yù)測研究[J];重慶工商大學(xué)學(xué)報(自然科學(xué)版);2017年03期

3 郭松林;水泉龍;顧翔瑜;;灰色系統(tǒng)理論在負(fù)荷預(yù)測中運用綜述[J];工業(yè)儀表與自動化裝置;2017年03期

4 黃榮輝;馮迎賓;李勛;李智剛;伍國興;何震;黃煒昭;;基于WiFi遙控的油浸式變壓器內(nèi)部檢測機器人研究[J];機械工程師;2017年06期

5 鄭一鳴;姚暉;何文林;錢平;張帆;孫翔;;電力變壓器在特快速暫態(tài)頻率范圍內(nèi)的諧振分析[J];高電壓技術(shù);2017年06期

6 徐建源;陳彥文;李輝;鄂士平;陳江波;蔡勝偉;;基于短路電抗與振動信號聯(lián)合分析的變壓器繞組變形診斷[J];高電壓技術(shù);2017年06期

7 錢國超;趙仲勇;鄒德旭;劉紅文;李成祥;姚陳果;;基于連續(xù)小波變換的變壓器繞組變形故障類型檢測[J];高電壓技術(shù);2017年06期

8 王恩;趙振剛;曹敏;唐標(biāo);李川;;基于光纖Bragg光柵的油浸式變壓器多點溫度監(jiān)測[J];高電壓技術(shù);2017年05期

9 尹pひ，

本文編號：1892681