[发明专利]一种供电系统电力设备生命周期管理方法及系统

权利要求书

1.一种供电系统电力设备生命周期管理方法，其特征在于，包括如下步骤：

采集电力系统中电力设备信息；

解析采集的电力设备信息，获取电力设备中包含的存在生命周期期限的电力设备信息；

根据实际的工作环境对存在生命周期期限的电力设备进行生命周期的预测；

根据实际工作环境的预测生命周期确定出检测时间点的寿期损耗概率；

通过理想生命周期、寿期损耗概率、检测时间点建立基于可靠性分析的维修规划模型；

根据维修规划模型进行计算处理，并得到存在生命周期期限的电力设备的最佳维修时间。

2.根据权利要求1所述的供电系统电力设备生命周期管理方法，其特征在于，根据实际的工作环境对存在生命周期期限的电力设备进行生命周期的预测的步骤包括：

S1：采集存在生命周期期限的电力设备的运行状态数据，所运行状态数据包括不同工作环境条件下每个时间点的运行状态数据；

S2：通过存在生命周期期限的电力设备的运行状态数据建立神经网络预测模型；

S3：通过建立的神经网络预测模型预测存在生命周期期限的电力设备的寿命周期。

3.根据权利要求2所述的供电系统电力设备生命周期管理方法，其特征在于，不同工作环境条件包括分别在-40℃、-20℃、0℃、25℃、35℃和60℃的环境温度下运行存在生命周期期限的电力设备。

4.根据权利要求3所述的供电系统电力设备生命周期管理方法，其特征在于，通过存在生命周期期限的电力设备的运行状态数据建立神经网络预测模型的步骤包括：

S21：通过选取神经网络的输入层、隐含层、输出层的层数和节点个数，以及函数和训练算法，进行预测模型的初步构建；

S22：将采集的部分运行状态数据作为训练数据采用模拟退火算法对神经网络模型进行训练，进行神经网络的参数优化；

S23：将优化得到的最优参数作为神经网络的对应参数的初始值，结合蚁群优化算法再次进行训练，获取神经网络的输出值；

S24：将获取的神经网络的输出值与设定的精确值进行判断，当神经网络输出值达到设定精度值时，停止对神经网络模型的训练，得到优化后的神经网络预测模型；

S25：将采集的剩余部分的运行状态数据作为测试数据，对优化后的神经网络预测模型进行预测，并输出预测结果。

5.根据权利要求3所述的供电系统电力设备生命周期管理方法，其特征在于，神经网络的输入为：环境温度、运行功耗、运行电压、运行电流、工作时间，输出为：电力设备的生命周期。

6.根据权利要求1所述的供电系统电力设备生命周期管理方法，其特征在于，根据实际的工作环境对存在生命周期期限的设备进行生命周期的预测的步骤之后还包括：

获取存在生命周期期限的设备的理想生命周期。

7.根据权利要求1所述的供电系统电力设备生命周期管理方法，其特征在于，根据实际工作环境的预测生命周期确定出检测时间点的寿期损耗概率的步骤包括：

根据运行状态数据进行电力系统有限元计算；

根据各环境因素对电力系统中电力设备寿命的影响程度确定损伤参数；

通过确定损伤参数的概率分布，建立电力设备损伤概率模型；

根据损伤概率模型计算电力设备的失效概率；

根据计算出的失效概率以及实际工作环境的预测生命周期确定出检测时间点的寿期损耗概率。