【摘要】：水力發(fā)電機組狀態(tài)維修是在準確掌握設(shè)備狀態(tài),并預(yù)測設(shè)備故障發(fā)生和發(fā)展趨勢的前提下,進行技術(shù)經(jīng)濟分析,做出檢修決策的一種設(shè)備維修模式,是水力發(fā)電機組檢修的發(fā)展方向,因此,研究水力發(fā)電設(shè)備狀態(tài)維修策略具有重要的研究意義。 水力發(fā)電機組的狀態(tài)維修模式的一項重要任務(wù)是故障預(yù)測(Prognostics)�；诳煽啃苑治龅墓收项A(yù)測研究,目前主要是基于故障數(shù)據(jù)和故障發(fā)生時的狀態(tài)監(jiān)測信息來分析設(shè)備的故障風(fēng)險發(fā)展趨勢,但缺乏關(guān)注未發(fā)生故障時的狀態(tài)監(jiān)測信息對故障風(fēng)險預(yù)測的信息價值。狀態(tài)維修中另一項重要任務(wù)是狀態(tài)維修決策。目前的研究主要是將水力發(fā)電機組簡化成單設(shè)備系統(tǒng),而缺乏關(guān)注機組各種設(shè)備之間復(fù)雜的相互依賴關(guān)系對狀態(tài)維修決策的影響。因此,本文以水力發(fā)電機組狀態(tài)維修為背景,圍繞機組的故障預(yù)測和作為復(fù)雜多設(shè)備系統(tǒng)的機組狀態(tài)維修決策這兩方面展開研究,主要的研究工作和成果包括： 第一、針對經(jīng)典比例風(fēng)險模型(PIM)只適用于擬合水力發(fā)電設(shè)備故障時的狀態(tài)監(jiān)測信息的事實,為充分挖掘未發(fā)生故障時的狀態(tài)監(jiān)測信息對故障風(fēng)險預(yù)測的信息價值,本文提出了廣義比例風(fēng)險模型(GPIM),用于分析全程狀態(tài)監(jiān)測量(包括解釋變量和響應(yīng)變量)對故障風(fēng)險的影響,并采用極大似然估計法(MLE)進行模型參數(shù)的估計,提高故障風(fēng)險預(yù)測的精度,為水力發(fā)電設(shè)備制定高效的狀態(tài)維護決策提供了扎實的基礎(chǔ)。并通過葛洲壩水電站的機組的實例分析,進一步驗證了GPIM模型相對于PIM模型的有效性。 第二、對于傳統(tǒng)的水力發(fā)電機組的狀態(tài)維修策略,大部分將機組簡化成單設(shè)備系統(tǒng),忽略了設(shè)備間復(fù)雜的相互依賴關(guān)系。為提高狀態(tài)維修策略的有效應(yīng)用范圍,本文將發(fā)電機組擴展成多設(shè)備系統(tǒng)進行研究。針對具有經(jīng)濟性依賴關(guān)系的多設(shè)備系統(tǒng),采用基于比例故障率模型的狀態(tài)維修控制閾值策略,常用的數(shù)值解析方法的計算量會隨著系統(tǒng)中設(shè)備的數(shù)量增加而急劇增加,進而降低多設(shè)備系統(tǒng)狀態(tài)檢修策略的實用性。針對此問題,本文對多設(shè)備系統(tǒng)提出了劣化過程和隨機故障過程的雙重仿真模擬的方法,達到權(quán)衡求解精度和計算量的目的,從而提高了多設(shè)備系統(tǒng)狀態(tài)檢修模型的適用范圍。并通過算例分析比較,進一步說明了對于多設(shè)備系統(tǒng)基于比例故障率模型的維修策略求解,基于蒙特卡羅方法的仿真計算效率優(yōu)于數(shù)學(xué)解析法。 第三、常用的多設(shè)備系統(tǒng)控制閾值策略模型忽略了隨時間波動變化的維修費用。對于這個問題,本研究將傳統(tǒng)的狀態(tài)維護恒定控制閾值策略擴展到動態(tài)閾值策略,提出了基于停機成本的線性控制閾值模型。該閾值策略表示基于狀態(tài)的預(yù)防維修閾值與停機成本成正比例的線性關(guān)系,目的是通過降低(或增加)在高(或低)停機成本時段的預(yù)防維修的概率,來實現(xiàn)狀態(tài)維護規(guī)劃的“削峰填谷”,進而降低維修費用目標。并通過1)美國PJM電力市場電價引起的波動停機成本,2)湖南小東江徑流式電站的徑流引起的波動停機成本這兩種實例背景,分別對比分析了發(fā)電設(shè)備維修閾值策略,進一步驗證了基于停機成本的比例控制閾值策略對于恒定閾值策略的優(yōu)勢。 第四、對于與停機費用成正比例線性關(guān)系的狀態(tài)維護動態(tài)閾值策略模型,為進一步提高狀態(tài)維修策略經(jīng)濟性,本文探究了一般化的基于停機成本的動態(tài)閾值策略,提出了基于停機成本的非線性閾值策略模型。非線性閾值策略表示基于狀態(tài)的預(yù)防維修的閾值不一定與停機成本呈線性關(guān)系,最優(yōu)閾值在各停機成本水平階段的分配方式還受到停機成本序列特征(比如各停機水平的連續(xù)時段數(shù)、累積時段數(shù)數(shù)等)的影響,即對于最優(yōu)維修閾值,不一定將較高(或低)閾值分配給高(或低)停機成本階段。通過分析美國PJM電力市場歷史電價,采用SARIMA時間序列模型進行年電價預(yù)測,并通過基于統(tǒng)計量的場景樹生成(Scenario Generation)方法和場景縮減方法(Scenario Reduction),產(chǎn)生一系列典型的預(yù)測電價樣本。通過分析不同電價樣本對應(yīng)的發(fā)電機組狀態(tài)維護最優(yōu)閾值,總結(jié)出電價序列特征(如各電價水平的連續(xù)時段數(shù)之比、各電價水平的累積時段數(shù)之比等)與最優(yōu)閾值之間的關(guān)系,也表明了非線性控制閾值相對于線性閾值策略的優(yōu)勢。同時對非線性閾值策略進行敏感性分析,即通過分析不同停機成本率、不同設(shè)備可靠性、不同設(shè)備劣化過程情形下的非線性閾值策略相對于恒定閾值策略的成本節(jié)約率,從而得出非線性閾值策略的適用范圍。 作為多設(shè)備系統(tǒng)的水力發(fā)電機組的狀態(tài)維修決策分析涉及的模型和分析方法十分復(fù)雜,還存在諸多未解決的問題；為使得模型能夠在電力系統(tǒng)中得到應(yīng)用,還需要繼續(xù)深入探索。本文的研究成果是在水力發(fā)電機組故障預(yù)測和作為多設(shè)備的機組狀態(tài)維修策略方面做了一些有益的研究和探索,能夠為以后的相關(guān)研究提供一定的借鑒和參考。
[Abstract]:......
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TV738

【參考文獻】

相關(guān)期刊論文 前10條

1 李芳,艾友忠,李朝暉;CMMS框架下的水電廠計算機監(jiān)控系統(tǒng)[J];水電自動化與大壩監(jiān)測;2003年03期

2 王善永,范文,鐘敦美;基于狀態(tài)監(jiān)測的水電廠主設(shè)備檢修計劃決策系統(tǒng)[J];電力系統(tǒng)自動化;2001年16期

3 潘樂真;魯國起;張焰;俞國勤;祝達康;;基于風(fēng)險綜合評判的設(shè)備狀態(tài)檢修決策優(yōu)化[J];電力系統(tǒng)自動化;2010年11期

4 許婧,王晶,高峰,束洪春;電力設(shè)備狀態(tài)檢修技術(shù)研究綜述[J];電網(wǎng)技術(shù);2000年08期

5 袁曉輝,王乘,張勇傳,袁艷斌;粒子群優(yōu)化算法在電力系統(tǒng)中的應(yīng)用[J];電網(wǎng)技術(shù);2004年19期

6 廖勝利;程春田;李剛;謝一工;蔡華祥;;機組檢修優(yōu)化的最小缺電量模型[J];電網(wǎng)技術(shù);2010年10期

7 彭宇;劉大同;彭喜元;;故障預(yù)測與健康管理技術(shù)綜述[J];電子測量與儀器學(xué)報;2010年01期

8 趙濤,毛華,劉曙;設(shè)備管理理論體系與發(fā)展趨勢[J];工業(yè)工程;2001年02期

9 王佳明;劉文穎;魏帆;杜培;汪隆臻;;基于壽命周期成本管理的輸變電設(shè)備狀態(tài)檢修策略研究[J];電力系統(tǒng)保護與控制;2011年05期

10 馮長有;王錫凡;;電力市場環(huán)境下發(fā)電機組檢修規(guī)劃研究綜述[J];電力系統(tǒng)保護與控制;2011年13期

相關(guān)博士學(xué)位論文 前6條

1 劉紅嶺;電力市場環(huán)境下水電系統(tǒng)的優(yōu)化調(diào)度及風(fēng)險管理研究[D];上海交通大學(xué);2009年

2 劉道兵;電網(wǎng)故障診斷的解析化建模與求解[D];華北電力大學(xué);2012年

3 岳夏;基于HMM的復(fù)雜條件故障診斷技術(shù)研究[D];華南理工大學(xué);2012年

4 鄭含博;電力變壓器狀態(tài)評估及故障診斷方法研究[D];重慶大學(xué);2012年

5 尤明懿;基于狀態(tài)監(jiān)測數(shù)據(jù)的產(chǎn)品壽命預(yù)測與預(yù)測維護規(guī)劃方法研究[D];上海交通大學(xué);2012年

6 馮長有;電力市場環(huán)境下發(fā)電機組檢修規(guī)劃策略研究[D];西安交通大學(xué);2010年

，

本文編號：2379039