论文关键词:定期维修 状态 可靠性
论文摘要:电力系统的设备维修,长期以来一直是以时间周期为基础的定期维修制度,然而近期这种单纯的以时间为基础的定期维修制度已被人们所质疑,人们不断采用新技术探索改革维修制度,逐渐向以状态为基础的维修方式过渡,并取得了一定的成效。
1 引言
电气设备运行可靠性与电力系统的安全与稳定紧密相关。长期以来,我国电力行业一直根据电气设备预防性试验规程的规定,对电气设备进行定期的停电试验、检修和维护,对电力系统的安全运行起了非常重要的作用。随着状态维修技术的的广泛认同,状态维修技术取代定期维修己成为发展的必然。
2 实施状态维修的必要性分析
随着电力体制的改革和经营机制发生的变化,以及减人增效和供电可靠性要求进一步提高,计划性维修制度已逐步不能完全适应形势发展的要求。因此,迫切希望能实现对电气设备维修管理由“到修必修,修必修好”的方针向“应修必修,修必修好”的观念转变,并对传统的设备维修制度进行改革。实际上,电气设备的状态维修是当前先进工业国家普遍推行的一种科学的设备维修管理策略。
电力企业由计划经济向市场经济转移,经济效益和社会效益都是其重要的追求目标,而提高供电可靠性和降低生产成本是实现该目标最重要的途径和提高经济效益的关键。wwW.11665.coM由于状态维修是提高供电可靠性和降低设备维修费用的重要措施,而设备维修费用在整个生产成本中占有相当大的比重,因此从提高经济效益的角度来看,定期维修已不能满足形势发展的要求。由于停电维修合格的设备运行中出现事故的可能性依然存在,所以定期预防性维修不能及时发现设备内部的绝缘隐患。定期维修是不管设备状态如何“到期必修”,有失设备维修的科学性和合理性,用它来指导维修实践,可能会发生维修不足或维修过剩的情况,从而造成人、财、物的浪费某些不必要的频繁检修还可能会增加误操作、人员伤亡和事故发生的几率此外定期维修造成的计划停电很可能影响供电可靠性和售电量。
3 实施状态维修的基本过程与主要技术
3.1 电气设备状态维修的基本过程分析
电气设备的状态维修过程是根据在线监测数据如色谱分析数据、局部放电数据、红外测温数据等、设备定期预试数据以及运行工况记录、缺陷记录、维修记录、出厂数据等,诊断电气设备可能出现的潜伏性故障,并作出故障的趋势预报,由此对电气设备的实际健康状态进行评估根据电气设备故障性质及预报、电气设备健康状态、维修规则,拟订出初步的维修方案,确定影响维修的主要指标属性或目标,采用某种决策方法进行分析,选择出最优或次优满意的维修方案。
3.1.1 状态评估
状态维修的宗旨就是根据设备的实际状态来确定采取的维修措施。因此,设备的状态评估是状态维修决策的重要一环,只有正确地评估了设备的状态,才能做出正确的维修决策。我国现行的《电力变压器检修导则》以及《电气设备预防性试验规程》中,只有检修周期、检修内容、检修工艺流程以及预试数据的注意值等,都没有涉及对变压器状态评估的内容,在实际工作中无法对电气设备的状态进行判断。因此,很有必要深入研究电气设备健康状态评估的方法。
3.1.2 决策分析
决策分析就是从若干可选方案中选择和决定最佳方案的一种分析过程。对电气设备实施状态维修,不仅要考虑技术方面的因素,还要考虑生产计划、经济成本等方面的因素。当电气设备出现某种非紧急故障的情况下,是否需要立即进行检修处理,不仅涉及对电气设备实际状态的判断,而且还应根据电网实际运行情况以及实际生产情况和设备管理情况是否可以报废等,提出维修计划安排和维修方案,采用某种决策方法,通过对决策指标或决策目标的综合评价,选择最优或满意的维修方案。决策分析的方法很多,应研究多种方法应用于电气设备状态维修决策的可行性和实用性。
3.2 电气设备状态维修的技术要求
3.2.1 状态监测
设备状态监测技术是根据设备诊断的目的,针对设备故障模式,选用适当方法和装置来检查测量设备的状态信息,并对这些信息进行处理,抑制各种干扰信息,提取能反映设备状态特征的信息的一项信息检测处理技术。
电气设备状态监测可分为3个基本步骤:(1)数据采集;(2)数据分析及特征提取;(3)状态评估或故障诊断及分类。对于不同的步骤,根据不同的监测对象,可采用不同的方法。
3.2.2 状态预测
设备运行状态的预测是从已知运行状态出发,考虑运行、气候、历史等相关因素,对未来的运行状态作出预测。电气设备的定期预防性试验作业程序十分复杂,且随着电力系统的迅速发展,电气设备的数量也会越来越多,如果逐一对每台设备进行离线试验,势必需要更长的试验周期,这样就会增加设备产生故障的危险性。因此通过预测预防试验参数值,在预防性试验进行之前,预知运行设备的状态,就可以更好地将设备事故防患于未然,提高设备的运行可靠性。预测中比较常用的主要有时间序列法、回归分析法、模糊预测法、灰色预测法、人工神经网络法等。
时间序列预测是最常使用且有效的传统状态预测方法,目前许多新的方法是在其基础上发展起来的。回归预测是根据事物的历史资料,建立可以进行数学分析的数学模型,预测事物未来状态。其特点是将影响预测目标的因素作为自变量,而将预测目标作为因变量。模糊预测是应用模糊逻辑和预报人员的专业知识将数据和语言形成模糊规则库,然后选用一个线性逼近非线性动态系统,进行预测。从实际应用来看,单纯的模糊预测其精度往往不尽人意,这主要是因为模糊预测没有学习能力。神经网络法是各种人工智能方法中的一种典型方法。它利用神经网络,选取历史数据作为训练样本,然后构造适宜的网络结构,用某种训练算法对网络进行训练,使其满足精度要求之后,再进行预测。由于神经网络具有良好的非线性品质、极高的拟合精度、灵活而有效的学习方式、完全分布式的存储结构以及模型结构的层次性,使其在预测领域受到了高度的重视。作为一种非常有效的非线性系统预测方法,它在电力系统负荷预测中已经取得了成功的应用。
4 状态维修对设备可靠性的影响
4.1 在设备故障随时间增加而减少时(即m<1时),对设备的定期预防性维修工作将使设备的可靠性降低。而且,由于实际中的维修工作都是不完善维修,存在着因维修活动的不完善、出现差错而导致设备故障的可能性。所以,定期预防性维修活动往往会导致“过维修”现象,即可靠性高的设备经不必要的定期维修后其可靠性反而降低,状态正常的设备经不必要的定期维修后反而导致故障或出现潜在故障。
4.2 由于定期预防性维修时间间隔是事先确定的,当设备在两次维修间隔(n t, (n +1)t)中出现异常导致可靠性快速下降时,定期维修活动不会因此启动。这导致了“欠维修”现象的出现。维修的基木目标是“应修必修,修必修好”,而定期预防性维修一定程度上存在着维修的盲目性。
可靠性理论认为,可靠性是“设备在规定的条件下和规定的时间内完成规定功能的能力”。可以认为,设备的完成规定功能的能力与设备状态是直接相关的。即设备状态与设备可靠性呈正相关关系,并可粗略视为线性正相关关系,亦即一般情况下状态好的设备可靠性高,状态差的设备可靠性低。
状态维修以设备的健康状态为维修决策的基础,是以可靠性为中心的维修方法(rcm)中的一种。状态维修活动是被设备的健康状态“触发”的,事先需要确定的不是维修时间间隔,而是“触发”不同维修活动实施的不同健康状态等级。当设备状态劣化到一定程度时,相应的维修活动得以实施,如此便使得设备的健康状态保持在较高的水平,进而提高了设备的可靠性;设备健康状态正常时,继续保持对其进行状态监测。状态维修对设各可靠性的影响的分析方法与前节定期预防性维修对设各可靠性的影响的分析方法类似,所小同的是状态维修的时间间隔是不确定的。
参考文献
[1]许婧.电力设备状态检修技术研究综述,电网技术,2000.
[2]田玲.电气设备实施状态维修决策方法的探讨,电网技术,2004.
[3]苏鹏声.电力系统设备状态监测与故障诊断技术分析,电力系统自动化,2003.
