[发明专利]一种基于人为因素强迫停运模型的建立及其判别方法

说明书

本发明涉及一种基于人为因素强迫停运模型的建立及其判别方法，该基于人为因素强迫停运模型的建立步骤如下：步骤1)在时间相关型、过程相关型、应急相关型的人因可靠性分析基础上，得到其三种人因的设备修复率模型；步骤2)确定人为因素强迫停运模型的特征参数；特征参数包括影响因素数N、设备状态数M、初始状态下设备影响因素的概率值π、状态转移概率矩阵A、和设备状态概率矩阵B；步骤3)将特征参数代入隐马尔可夫模型建立基于人为因素强迫停运模型。本发明通过考虑基于人为因素强迫停运模型可以得到不同人因的设备停运序列的停运概率。判别出人为因素，针对不同的人为因素采取有效的措施，减少设备强迫停运时间，提高电力系统可靠性。

技术领域

本发明涉及一种设备停运模型，特别涉及一种基于人为因素强迫停运模型的建立及其判别方法，属于电力系统可靠性评估领域。

背景技术

近年来，随着智能电网的发展，电网结构变得越加复杂，电力系统可靠性评估愈加重要。电气设备故障率、修复率和强迫停运率的准确程度对电力系统可靠性评估至关重要。设备的修复率大部分是由人来完成的，人的动作失误将使设备修复率降低，强迫停运率增加。为进一步提高电力系统可靠性，必须考虑人为因素。这里的设备主要指发电机、220k V及以上架空线路、主变压器和断路器等设备。

随着电力系统可靠性影响因素的广泛研究，国内外学者开始对电力系统可靠性中人为因素的影响进行探索。文献覃庆努,魏学业,韩磊,吴小进.电子系统的Markov模型和云可靠性评价方法提出来将云理论与Markov模型相结合的可靠性模型，其中根据产品、维修人员的条件适应能力和工作条件情况，生成相应的失效率云和修复率云，将其应用到电子设备可靠性评估中。还有文献将模糊克隆选择法应用到人为可靠性的量化中，再进行电力系统的安全性评估；也有文献分析人的状态感知水平对电力系统的影响。这些文献内容虽然均已进行人为因素建模，但其考虑的人为因素都过于笼统、单一，电力系统中任务场景繁多、人为因素复杂。虽然也有很好的将三种人因可靠性分析方法量化得到人为失误概率，对原有的元件停运模型进行改进，得到了耦合人为失误的元件可靠性模型。但其耦合方法较为单一，需要已知大量人因数据进行分析。

不同的人为因素对设备的影响也不同。而人为因素通过影响设备强迫停运率进而影响设备的可用小时数、系统可靠性。如何判别出设备是由哪种人为因素引起的，从而采取措施，来减少设备强迫停运时间，提高系统可靠性是目前要解决的问题。

发明内容

本发明的目的是：提供了一种基于人为因素强迫停运模型的建立及其判别方法。本发明基于人为因素的不同，考虑基于人为因素强迫停运模型可以得到不同人因的设备停运序列的停运概率。通过往年的设备停运序列，判别出可能人为因素，进而针对不同的人为因素采取有效的措施，减少设备强迫停运时间，进而提高电力系统可靠性。

本发明的技术方案是：一种基于人为因素强迫停运模型的建立，其特征是：它的具体步骤如下：

步骤1)在时间相关型、过程相关型、应急相关型的人因可靠性分析基础上，得到其三种人因的设备修复率模型；

步骤2)确定人为因素强迫停运模型的特征参数；特征参数包括影响因素数N、设备状态数M、初始状态下设备影响因素的概率值π、状态转移概率矩阵A、和设备状态概率矩阵B；

步骤3)将特征参数代入隐马尔可夫模型建立基于人为因素强迫停运模型。

所述步骤1)的时间相关型的设备人因修复率，表达式如下：

其中，μ₀为设备修复概率基本值；n为因素数，其中n＝5；γ_iZ_i(t)为因素协变量，由工作人员的工作强度Z₁(t)、心理状态Z₂(t)、技能经验Z₃(t)、环境因素Z₄(t)和身体状态Z₅(t)组成；γ_i是每个协变量对应的协系数；