[发明专利]风电机组的备品备件的储备数量确定方法及其系统有效
| 申请号: | 202011613702.9 | 申请日: | 2020-12-30 |
| 公开(公告)号: | CN112800580B | 公开(公告)日: | 2023-10-27 |
| 发明(设计)人: | 黄永民;成骁彬;张晓冬;别晓芳;王蓓;孙佳林 | 申请(专利权)人: | 上海电气风电集团股份有限公司 |
| 主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F119/04 |
| 代理公司: | 北京博思佳知识产权代理有限公司 11415 | 代理人: | 王茹 |
| 地址: | 200241 上海*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 机组 备品备件 储备 数量 确定 方法 及其 系统 | ||
1.一种风电机组的备品备件的储备数量确定方法,其特征在于,包括:
获取所述风电机组的目标部件的当前运行部件的当前运行数据和所述目标部件的历史使用部件的历史寿命数据;
根据所述当前运行数据确定所述当前运行部件的当前寿命数据;
将所述历史寿命数据和所述当前寿命数据作为样本数据,确定所述目标部件的寿命模型;及
根据所述寿命模型和所述当前运行部件的当前使用数量,确定所述目标部件的备品备件的储备数量。
2.根据权利要求1所述的储备数量确定方法,其特征在于,所述根据所述当前运行数据确定所述当前运行部件的当前寿命数据,包括:
根据所述当前运行数据确定所述目标部件的目标退化模型;
利用所述当前运行数据和所述目标退化模型,确定所述当前寿命数据。
3.根据权利要求2所述的储备数量确定方法,其特征在于,所述根据所述当前运行数据确定所述目标部件的目标退化模型,包括:
根据所述当前运行数据拟合所述目标部件的多个待选退化模型,并获得各个所述待选退化模型的第一拟合程度;
根据所述多个待选退化模型的所述第一拟合程度,选择所述多个待选退化模型中的一个作为所述目标退化模型。
4.根据权利要求2所述的储备数量确定方法,其特征在于,所述利用所述当前运行数据和所述目标退化模型,确定所述当前寿命数据,包括:
利用所述目标部件的所述当前运行部件的更换阈值,获取与所述更换阈值对应的寿命数据作为所述当前寿命数据。
5.根据权利要求2所述的储备数量确定方法,其特征在于,所述根据所述当前运行数据确定所述目标部件的目标退化模型,包括:
根据多台所述风电机组中每台所述风电机组的所述当前运行部件的所述当前运行数据,分别确定每台所述风电机组的所述目标部件的所述目标退化模型;
所述利用所述当前运行数据和所述目标退化模型,确定所述当前寿命数据,包括:
利用每台所述风电机组的所述当前运行部件的所述当前运行数据和每台所述风电机组的所述目标部件的所述目标退化模型,分别确定每台所述风电机组的所述目标部件的所述当前寿命数据。
6.根据权利要求1所述的储备数量确定方法,其特征在于,所述将所述历史寿命数据和所述当前寿命数据作为样本数据,确定所述目标部件的寿命模型,包括:
根据所述历史寿命数据和所述当前寿命数据获取多个待选寿命模型各自的第二拟合程度;
根据所述多个待选寿命模型的第二拟合程度,选择所述多个待选寿命模型中的一个作为所述目标部件的所述寿命模型。
7.根据权利要求6所述的储备数量确定方法,其特征在于,所述将所述历史寿命数据和所述寿命数据作为样本数据,确定所述目标部件的寿命模型,包括:
根据所述样本数据和所述寿命模型的置信区间,确定所述寿命模型的模型参数值,所述模型参数值包括参数上限值和参数下限值。
8.根据权利要求7所述的储备数量确定方法,其特征在于,所述确定所述寿命模型的模型参数值,包括:通过最大似然估计或最小二乘法确定所述寿命模型的模型参数值。
9.根据权利要求7所述的储备数量确定方法,其特征在于,所述根据所述寿命模型和所述当前运行部件的当前使用数量,确定所述目标部件的所述备品备件的储备数量,包括:
利用所述寿命模型,获取所述目标部件的寿命概率;
根据所述寿命概率和所述目标部件的当前使用数量,确定所述目标部件的所述备品备件的储备数量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海电气风电集团股份有限公司,未经上海电气风电集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011613702.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种新风控制方法、装置及空调器
- 下一篇:一种卫生巾透水性智能检测设备





