考慮風險的變壓器計劃檢修策略

曾榮均,吳杰康,鄭風雷,林奕鑫,黃 強

(1.廣東電網有限責任公司 東莞供電局,廣東 東莞 523008; 2.廣東工業大學 自動化學院,廣州 510006)

?

考慮風險的變壓器計劃檢修策略

曾榮均1,吳杰康2,鄭風雷1,林奕鑫2,黃 強1

(1.廣東電網有限責任公司 東莞供電局,廣東 東莞 523008; 2.廣東工業大學 自動化學院,廣州 510006)

針對變壓器、線路等電力設備的不同運行狀態和維修需求,從不同數據庫系統收集電力變壓器歷史數據,利用歷史數據對變壓器故障曲線進行擬合,確定每臺變壓器故障的分布曲線,計算每臺變壓器在周期內的運行故障風險。同時統計每臺變壓器在每個計劃周期內的檢修狀況,計算每臺變壓器每個計劃周期內計及檢修狀況的運行和故障風險,計算每臺變壓器的計劃檢修概率,確定每臺變壓器計劃檢修次數,從而制定變壓器在計劃周期的檢修策略。通過在某一大型電網110 kV電力變壓器上應用驗證,該計劃檢修策略有效可行。

電力變壓器;計劃檢修;策略;概率

對于電力設備的檢修,不同時間段的待檢修設備的停運將造成電網運行結構、傳輸功率大小的變化,使得電網運行的可靠度有不同程度上的改變[1-2]。而且電力設備因故障而退出運行,不僅會給設備自身資產帶來損失以及造成故障檢修成本的增加,還會給電網運行帶來不確定性,使得電網運行的可靠性下降[3-5]。所以為了使電力設備的故障率下降,要盡量減少由于電力設備的突然故障帶給電網運行所產生的風險,即開展電力設備的計劃檢修工作。因此本文提出了一種基于設備運行故障風險與設備檢修狀態結合的檢修計劃概率模型,即設備由于服役時間的不同所影響的故障風險與設備由于檢修狀況不同所帶來的故障削減相結合的檢修計劃概率模型[6-7],以對設備在下一計劃檢修周期內的檢修概率做出合理的預測[8-10]。

1 電力變壓器檢修風險

在電力設備工作至t時刻的條件下,在一個研究周期Δt內,電力設備發生故障的條件概率F(t+Δt)稱為故障風險,假設電力設備的壽命為T,則故障風險為

F(t+Δt|t)=P(Tt)

(1)

利用條件概率可以表示為

(2)

2 電力變壓器計劃檢修概率

假設某電網中，某種類型的電力設備共計n臺,對設備按1、2、…、n的順序進行編號,用ti來標記第i臺設備的服役時間,則第i臺設備在假定計劃檢修周期Δt內的運行故障風險為

(3)

式中,λi(t)為第i臺設備所處服役時間段內的故障率函數。

若第i臺設備在第k個計劃檢修周期內的檢修狀況為:大修ai次;小修bi次。假定大修給此類型設備帶來的故障削減率ωa為0.8,小修給此類型設備帶來的故障削減率ωb為0.8。因此,可以得到第i臺設備在第k+1個計劃檢修周期Δt內計及過去檢修狀態后的運行故障風險為

(1-ωa)ai(1-ωb)biFi(ti+Δt|ti)

(4)

定義Frisk為此類設備在第k+1個計劃檢修周期內計及設備過去檢修狀態的運行故障總風險,則Frisk可以表示為

(5)

由于設備的運行故障風險將直接影響設備檢修的概率,因此定義Pi為第i臺設備在第k+1個計劃檢修周期內的計劃檢修概率,則Pi可以表示為

(6)

通過式(6)的計算,可以分別得到n臺設備在第k+1個計劃檢修周期內的計劃檢修概率,分別以P1、P2、…、Pn、來表示。若該類設備在第k+1個計劃檢修周期內的計劃檢修次數預定為CRP次，假設每臺設備的檢修為獨立事件,僅與其自身的服役時間與過去檢修狀況相關聯,則對于第i臺設備而言,基于前述的條件下,其在第k+1個計劃檢修周期內的計劃檢修事件相當于二項分布。若預定計劃檢修次數CRP足夠大,則根據棣莫佛-拉普拉斯定理:對于第i臺設備而言,其在第k+1個計劃檢修周期內的計劃檢修次數CRPi服從正態分布N(μi,σi),其中期望值為μi=CRPPi,方差為σi=CRPPi(1-Pi)。當計劃檢修概率較小時(如Pi的值在0.1附近或者小于0.1),則可以利用泊松分布進行擬合,此時CRPi服從泊松分布π(λi),其中λi=CRPPi。

設備的周期計劃檢修概率預測模型的計算流程如圖1所示。

圖1 設備周期計劃檢修概率預測模型的計算流程

3 變壓器計劃檢修策略

某電網中有110 kV變電站共計135個,有110 kV主變壓器398臺,其中海唇、石碣、石龍、茶園、峽口、八達、蓮湖等7個變電站110 kV主變壓器的等效服役時間(截止2014年底)如表1所示。

表1 某電網各110 kV變電站主變壓器的情況

假定表1所有110 kV的變壓器均服從同一故障率曲線,則根據110 kV變壓器的歷史數據,對其進行故障率曲線擬合,從而求得基于威布爾分布的形狀參數和尺度參數(由于沒有歷史數據可以進行擬合的情況下,因此根據1995-1999年全國變壓器類設備故障統計與分析的數據,110 kV變壓器平均年故障率約為0.5%,此時威布爾分布故障率模型的參數m=1以及η=200);再由2014年度的計劃檢修數據得到各110 kV變壓器在2014年度檢修狀況(假設檢修時間大于等于5 d的為大修,檢修時間小于5 d的為小修),因此可以得出其在下一計劃檢修周期內的運行風險。

利用2014年度110 kV主變壓器的統計數據,對各變電站的110 kV變壓器的故障率曲線參數、檢修狀況與周期運行故障風險進行計算。110 kV變壓器的故障率曲線參數、檢修狀況與周期運行故障風險如表2所示。

利用式(5)可以得到所有110 V主變壓器在

(3)同德縣地質災害易發性評價及區劃結果表明：高易發區面積760.51 km2，占總面積的15.18%；中易發區面積3 784.41 km2，占總面積的75.52%；低易發區面積466.12 km2，占全區面積的9.3%。本次易發性分區結果可以作為同德縣土地利用規劃的基礎依據，也可以指導該縣防災減災工作，是地質災害風險管理的基礎數據。

表2 110 kV主變壓器的故障率曲線參數、檢修狀況與周期運行故障風險

表3 110 kV主變壓器2015年度計劃檢修概率

由表2可知,由于不同設備的運行時間以及其在2014年度的檢修狀況的不同,導致了不同設備之間運行風險的相對差異較大,一些運行時間較短,檢修狀況較為良好的設備,如茶園110 kV變電站中2號的110 kV主變壓器(算例編號為10),其2015年度運行風險為0.005;蓮湖110 kV變電站中的3號110 kV主變壓器(算例編號為395),其2015年度運行風險為0.0025。二者在2015年度計劃檢修需求之間對比如圖2所示。

圖2 部分110 kV主變壓器2015年度計劃檢修需求對比

由圖2可知,在2015年度中,蓮湖110 kV變電站中的3號110 kV主變壓器計劃檢修需求:1次檢修的概率為97.35%,2次檢修的概率為2.619%,3次檢修的概率約為0.031%;茶園110 kV變電站中2號的110 kV主變壓器計劃檢修需求:1次檢修的概率為75.4%,2次檢修的概率為21.29%,3次檢修的概率約為3%,4次檢修的概率約為0.31%。

表4 110 kV主變壓器2015年度計劃檢修次數概率分布

以茶園110 kV變電站中2號的110 kV主變壓器(編號 為10)為例,按表3內的檢修概率以及給定的計劃檢修盈余次數 進行模擬,并同時利用泊松分布和正態分布對其概率模型進行擬合，則可以得出茶園110 kV變電站中2號的110 kV主變壓器的年計劃盈余檢修次數概率密度曲線與概率累積曲線的對比圖，如圖3所示。

圖3 年檢修次數概率密度曲線和概率累積曲線

通過對比可知,在泊松分布擬合中,對茶園110 kV變電站中2號的110 kV主變壓器不同檢修次數的概率估計最大偏差為0.41%,所占比重為2%;而正態分布擬合中,對于茶園110 kV變電站中2號的110 kV主變壓器不同檢修次數的概率估計最大偏差為8.08%,所占比重為37.2%;同時從圖2中的概率累積分布可以看出,利用泊松分布可以較為準確地模擬實際產生的檢修次數計劃,其精度高于利用正態分布的擬合結果。

在得到茶園110 kV變電站中2號的110 kV主變壓器的2015年度計劃檢修概率模型的基礎上,利用110 kV變壓器大修與小修的耗時歷史數據得不同檢修所需時間分布,再利用模擬抽樣的方法(檢修時間取整數,單位:d),在進行100 000次抽樣統計后,可以得到編號為80的茶園110 kV變電站中2號的110 kV主變壓器的年計劃檢修停電時間的概率分布,如圖4所示。

圖4 茶園110 kV變電站中2號的110 kV主變壓器的年計劃檢修停電時間的概率分布

4 結 論

本文在概率分析和風險估計基礎上提出了電力變壓器計劃檢修策略,重點剖析變壓器計劃檢修的概率分布并確定其概率函數,闡明變壓器檢修狀態對未來檢修的影響。通過理論分析、仿真計算以及與歷史數據的比對,得出如下結論:

1) 電力變壓器計劃檢修次數,利用泊松分布可以較為準確地進行模擬和估計,其精度高于利用正態分布的擬合結果。

2) 由于電力變壓器歷史的檢修狀況不同,會導致較大相對差異的運行和故障風險值,進而影響電力變壓器的計劃檢修概率和次數。

3) 針對不同運行要求和維修需求,在確定了不同計劃檢修概率和次數的基礎上,可以制定出科學、合理、可行的變壓器計劃檢修策略。

4) 針對不同變壓器計劃檢修策略,利用概率分析方法,可以確定電力變壓器年計劃檢修停電時間的概率分布特性,對電力變壓器日常的計劃檢修工作有積極的指導意義。

[1] 廖瑞金,廖玉祥,楊麗君,等.多神經網絡與證據理論融合的變壓器故障綜合診斷方法研究[J].中國電機工程學報,2006,26(3):119-124.

LIAO Ruijin, LIAO Yuxiang, YANG Lijun, et al. Study on synthetic diagnosis method of transformer fault using multi-neural network and evidence theory [J]. Proceedings of the CSEE, 2006,26(3):119-124.

[2] TANG W H,SPURGEON K,WU Q H,et al.An evidential reasoning approach to transformer condition assessments.IEEE Transactions on Power Delivery,2004,19(4):1696-1703.[3] IEEE Standard C57. 104TM-2008,IEEE guide for the interpretation of gases generated in oil-immersed transformers[S].2008.

[4] 郭永基.可靠性工程原理[M].北京:清華大學出版社,2001:96-101.

GUO Yongji.Principles of reliability engineering[M].Beijing:Tsinghua University Press,2001:96-101(in Chinese).

[5] NING Liaoyi,WU Wenchuan,ZHANG Boming.Generator random outage model for risk-based monthly maintenance scheduling[C]//The 11th International Conference on Probabilistic Methods Applied to Power Systems.Singapore:IEEE,2010:126-130.

[6] ROSS S M. Introduction to probability models[M].Harcourt Academic Press,2000:421-427.

[7] PATHAK J,YONG Jiang,HONAVAR V,et al.Condition data aggregation with application to failure rate calculation of power transformers[C]//Proceedings of the 39th Hawaii International Conference on System Sciences.Hawaii,USA:IEEE,2006:241-251.

[8] ENDRENYI J,ANDERS G J,da Silva A M L.Probabilistic evaluation of the effect of maintenance on reliability-an application[J].IEEE Transactions on Power Systems,1998,13(2):576-583.

[9] ENDRENYI J,ABORESHEID S,ALLAN R,ANDERS G,et al.The present status of maintenance strategies and the impact of maintenance on reliability[J].IEEE Transactions on Power Systems,2001,16(4):638-646.

[10] ABEYGUNAWARDANE S K, JIRUTITIJAROEN P. New state diagrams for probabilistic maintenance models[J].IEEE Transactions on Power Systems,2011,26(4):2207-2213.

(責任編輯 郭金光)

Planned maintenance strategy for transformers based on risk assessment

ZENG Rongjun1, WU Jiekang2, ZHENG Fenglei1, LIN Yixin2, HUANG Qiang1

(1. Dongguan Power Supply Bureau, Guangdong Power Grid Corporation, Dongguan 523008, China; 2. School of Automation, Guangdong University of Technology, Guangzhou 510006, China)

According to the different operation status and maintenance requirements of power equipments, such as transformers and lines, this paper collected the historic data of power transformers from different database systems, used the historic data of power transformers to fit fault curve, assessed their fault risk in the planned period. At the same time, it made the statistical analysis for the maintenance status of power transformers, assessed their operation and maintenance risk of power transformers in a planned period considering maintenance status, determined the probability and number of planned maintenance of power transformers, and proposed a planned maintenance strategy of power transformers. The 110 kV power transformer in a large-scale grid was taken as an example to prove the feasibility of this strategy.

power transformers; planning repair; strategy; probability

2015-09-25。

國家自然科學基金項目(50767001)；國家863高技術基金項目(2007AA04Z197)；高等學校博士學科點專項科研基金資助項目(20094501110002)。

曾榮均(1980—),男,高工,研究方向為電力系統及其自動化。

TM407

A

2095-6843(2016)01-0065-05