系统故障演化过程熵及其受逻辑关系的影响研究

为研究系统故障演化过程中系统功能状态变化的混乱程度,引入熵概念提出了系统故障演化过程熵(简称演化熵)。演化熵是演化过程某时刻的系统功能状态混乱程度,是系统演化从一时刻发展到另一时刻的系统功能状态混乱程度的变化度量,数值上等于该时刻事件故障概率分布熵(简称分布熵)。研究表明演化熵只能通过某时刻事件故障概率分布得到,且具有确定的值域范围;演化过程中的事件逻辑关系对演化熵的变化有直接影响,或逻辑使演化熵降低且小于任意参与事件的分布熵,与逻辑使演化熵增加且大于任意参与事件的分布熵;随传递次数增加,与逻辑和或逻辑分别对演化熵的提高和降低作用减小。最后通过实例展示了演化熵的确定过程,总结了目前研究存在的问题,提出了后继研究方向。

系统故障演化过程中事件状态联系数构建研究

由于故障数据提取、表示、分析和处理过程存在不确定性,给系统故障演化过程研究带来困难,为此,提出一种基于集对分析联系数的系统故障演化过程事件状态联系数构建方法。基于联系数对多语义状态划分及同异反状态的表示分析能力,以系统安全为目标进行研究。分析已有精确系统故障演化过程分析方法的不足;将事件发生概率分布划分为安全、不确定、不安全三状态等效同异反状态,进而确定状态分项系数得到事件状态联系数;通过同异反真值表确定结果事件状态联系数。结果表明,得到的事件状态联系数符合联系数构造条件和逻辑真值关系,进而获得系统故障演化过程的事件演化表示方法,也可使用集对分析的已有方法进行相关研究。研究搭建集对分析理论与系统安全分析的桥梁,将蕴含不确定数据的定量分析发展为不确定性分析,化简分析过程并体现同异反特征。

基于随机抽样方法的电力系统连锁故障演化程度评估算法设计研究

电力系统连锁故障演化程度评估是预防和控制电力系统连锁故障的重要手段之一。为更好地控制故障发生,提出了电力系统连锁故障演化程度评估算法,包括构建电力系统的连锁故障模型,刻画连锁故障发展动态过程,高效获取故障数据,提取电力系统的故障演化节点特征,采用随机抽样方法仿真连锁故障抽样,按比例估算系统的总体风险值,为电力系统连锁故障的预防和控制提供有力的支持。实验结果表明:电力系统连锁故障演化程度评估算法进行测试后的故障数量与实验设定的故障数量趋于一致,精准度较高,由此可见,电力系统连锁故障演化程度评估算法具有重要的实际意义和应用价值。

基于SRKDA的系统故障演化过程分解方法研究

为研究系统故障演化过程中可能蕴含的多种演化特征,对演化过程的分解进行研究,提出基于谱回归核判别分析(SRKDA)的演化过程分解方法。首先介绍演化过程的特点和分解原理,其次论证对象集合对演化过程的可表示性,给出分解方法流程,最后进行实例分析。研究结果表明:分解演化过程本质上是对象与系统功能状态对应关系的确定,各对象集合都对应了各自的子演化过程;线性和非线性条件下对象可表示各种功能状态;对象标签矩阵须满足标签值的均匀分布特征;使用SRKDA算法可以确定最大准确度和最优对象标签集合,实现演化过程的分解;实例分析得到在20000次迭代后最大准确度为0.85,3个子演化过程分别包含41,33,26个对象。研究结果可为系统故障过程的特征分析提供参考方法。

系统故障演化过程中故障事件发生概率的修正方法研究

为修正系统故障演化过程中故障事件发生概率,提出了一种故障事件发生概率修正方法。基于多专家经验融合,对专家给出的不同因素条件下故障事件发生概率的评估值进行修正。方法涉及DS证据论、皮尔逊相关性、信息熵等方法。讨论了系统故障演化过程与故障事件发生概率的关系;研究了故障事件发生概率不准确的原因;构建了故障事件发生概率修正方法的数学模型。通过实例演示了分析流程。研究表明:故障事件发生概率是实现系统故障演化过程定量描述的基础;概率不准确的原因在于方法论、系统及因素、技术限制三方面;修正过程中也可得到评估数据重要度、概率波动重要度、专家重要度和因素重要度等相关系数。研究可对故障事件发生概率进行修正。

系统故障演化过程的耗散性研究及关键参数计算

系统故障演化是受外界影响并不断变化的过程,为研究其耗散性,提出了一种计算演化过程耗散性的方法。首先论述了系统故障演化过程的特征,其次研究了演化的耗散性,最后提出了耗散结构中关键参数的计算方法。结果表明,系统故障演化过程具有复杂的结构和层次,使演化过程满足耗散结构的4个条件;可借助演化过程的物理意义和空间故障网络的数学方法构建关键参数的计算方法,从而定量计算并判断演化过程的耗散性;通过实例展示了分析流程,并得到了预期结果,可为判断和预测系统故障演化过程最终结果对后继事件的影响提供方法。

基于LSTM-BO和SPRT的风电机组故障演化过程分析

有效挖掘故障演化的过程有利于分析和总结故障传播规律。本文提出了基于LSTM-BO模型和SPRT算法,利用SCADA历史数据研究风电机组早期故障演化过程的分析方法。首先使用Pearson相关系数法挖掘SCADA数据各监测变量之间的映射关系,获得LSTM-BO网络所需的输入—输出关系对;其次是依赖LSTM网络强大的时序特征提取能力,将预处理后的SCADA数据送入LSTM网络进行训练,从而得到相应的正常行为模型;最后,依赖SPRT在序贯测试方面的优势,将各监测变量模型预测值与实际监测值之间的偏差看作序贯测试的对象,并对其测试结果进行滑动窗口观测,以异常点数目占观测窗口宽度的比值为度量指标,得到SCADA数据部分重要监测变量在故障发生前的演化过程。实例分析结果表明,所提方法能够有效提取故障演化的过程,为后续演化规律的分析提供指导。

考虑系统故障演化整体和局部特征的关键事件确定方法

为更加合理地构建系统故障演化过程、更加准确地确定关键事件,提出1种考虑演化整体和局部特征的关键事件确定方法。首先,以系统故障演化过程测量得到的对象为基础,建立基础数据矩阵和归一数据矩阵;然后,使用MCFS确定对象局部特征权重,使用LS确定对象整体特征权重;最后,综合各对象局部和整体特征权重得到关键事件。研究结果表明:演化过程中的经历事件是演化的核心;研究对象权重需考虑整体趋势和局部波动特征;大权重对象对应关键事件;利用实例得到的11个关键事件构成该系统故障演化过程。研究结果可为构建系统故障演化过程提供参考方法。

系统故障演化过程的事件故障概率分布熵构建及其性质研究

为研究系统故障演化过程带来的系统功能状态的不确定性,提出事件故障概率分布熵的概念和计算方法。系统故障演化过程的不确定性来源于事件故障概率分布和演化过程本身的不确定性,可等效为概率分布和演化的混乱性。基于上述考虑,借助信息熵的思想建立事件故障概率分布熵,对演化过程中事件故障概率分布的变化混乱程度进行度量。考虑事件故障概率分布特征,确定了分布熵模型的各参数,给出了模型推导过程,建立了分布熵表达式。研究表明:分布熵具有对称性、确定性、非负性、扩展性、可加性和极值性,符合信息熵规则;分布熵与因素数量、因素值域的等距划分点数量、故障概率变化程度均存在正相关性。通过实例演示了事件故障概率分布熵的计算过程,得到了不同事件分布熵的大小关系,表明了不同事件对系统功能状态不确定性的影响。为下一步建立系统故障演化过程的熵理论提供基础。

系统故障演化过程中事件综合效用系数计算方法研究

为确定各事件在系统故障演化过程(System Fault Evolution Process,SFEP)中的效用,衡量对演化过程的贡献,提出了事件综合效用及系数计算方法。研究认为,影响SFEP的要素包括事件、事件故障概率、影响因素、演化过程中的事件演化关系和事件逻辑关系;进而提出了事件效用系数、事件逻辑效用系数和事件结构效用系数来表征这些要素;给出了3个系数的推导过程和计算方法;综合3个系数形成了事件综合效用系数。通过实例展示了计算流程,得到了实例SFEP中各事件的综合效用系数。结果表明:事件综合效用从大到小依次为过程事件、最终事件、边缘事件;对比事件效用系数,事件逻辑效用系数和结构效用系数对实现演化的作用更大;事件综合效用系数是通过所有因素的具体值确定的,只对确定因素值有效。成果可为SFEP增加研究事件效用的新方法。

基于故障演化的电网阶段脆弱性及其可视化预警

提出了电网阶段脆弱性概念,将故障后系统经历的暂态稳定、潮流响应、发电再调度3个演化过程作为脆弱性分析阶段,从暂态能量聚集和线路输电裕度角度建立各阶段脆弱深度与广度指标。算法从有功平衡角度出发,突出故障后电网演化各阶段脆弱特点的关键矛盾,可用于识别各阶段脆弱关键线路与重要断面脆弱性水平。新英格兰10机39节点系统算例验证了算法的有效性。结合四川大学开发的电力调度可视化平台展示了电网阶段脆弱性可视化预警,为运行人员掌握电网阶段动态特征提供了新工具。

系统故障演化过程描述方法研究

为了解系统故障演化过程,提供可行的描述方法,进一步对空间故障网络理论进行研究。将原有空间故障网络结构W=(V,L,R,H,B)改为W=(O,S,L,X),即用四要素对象、状态、连接和因素描述故障演化过程构建空间故障网络。提出枚举法和实例法具体进行故障演化过程描述。研究三级往复式压缩机的第一级故障过程,并辨识了事件的对象、对象的状态及事件的逻辑关系,绘制了空间故障网络。以V 10和V 2为例得到了转换的空间故障树,并以V 2为例研究了故障演化过程。得到了127种故障模式,其中64种有利于V 2发生,剩余63种不利于发生。根据演化过程描述需要将故障演化过程进一步分类,论述了故障演化机理。

系统故障演化过程最终事件状态及发生概率研究

为探究系统故障演化过程(SFEP)中系统故障的发生特征,基于空间故障网络(SFN)和量子博弈理论提出最终事件状态及发生概率确定方法,以管理者和操作者的安全和不安全行为制定博弈假设,通过量子力学方法表示混合策略概率;研究单一事件混合策略的概率、事件逻辑关系的量子博弈表示、最终事件状态形式及发生概率。结果表明:利用管理者和操作者的静态博弈确定预期收益,求导得到各方安全和不安全行为概率,即可得到最终事件全部状态的发生概率;但由于安全和不安全行为概率是由管理者和操作者收益确定的,因此最终事件全部状态的发生概率是不精确的。

系统故障演化过程的可拓学原理

为研究系统故障演化过程(System Fault Evolution Process,SFEP)的表示、分析和处理,利用智能理论并满足对系统功能状态的分析要求,提出基于可拓学原理研究SFEP。首先论述了系统功能状态与可拓学结合的可能性。其次研究了SFEP的可拓表示,确定了SFEP的基本单元,即原因事件—传递条件—结果事件。认为事件可表示为物元和事元的复合事元;传递可表示为关系元和这2个复合事元的复合关系元,称为传递元。最后研究了传递元的发散性、相关性、蕴含性和可扩性,并说明了方法对SFEP分析的作用。论文是通过可拓学研究SFEP的开始,为系统功能状态分析提供智能分析方法和理论基础。

一种基于多元物理场耦合的变压器故障演化评估模型

变压器作为电力系统的重要设备,其故障预防和寿命管理对提升电力系统运行的可靠性具有重要意义。为实现变压器设备故障状态的高效评估,文中从变压器故障机理的关联性和复杂性特征出发,建立了基于多元物理场耦合与模糊数理论的变压器故障演化评估模型。首先,基于变压器故障的关联性特征,建立变压器故障演化网络图。其次,考虑到变压器故障机理复杂以及监测数据有限,采用COMSOL软件进行多元物理场耦合仿真;同时结合模糊数理论,建立变压器故障演化概率计算模型。最后,引入风险熵表征变压器故障演化的不确定性,提出变压器故障演化路径最大概率表达式,并将其转化为线性规划问题,进而得到不同初始风险因素下变压器最大概率故障演化路径。算例分析表明:模型计算结果能够反映变压器故障统计数据特征,可为变压器的状态评估提供参考。

基于故障演化分析的齿轮故障预测特征选择

提出基于故障演化分析的齿轮故障预测特征选择方法.根据机械动力学与振动模型,计算不同故障严重程度下系统的输出响应.使用特征选择方法建立不同特征描述的齿轮故障演化曲线,计算各特征对齿轮故障演化过程的跟踪能力,选择跟踪能力最大的特征作为故障预测特征.以一阶齿轮传动系统的齿轮裂纹故障为例,论证结果表明,小波熵对齿轮裂纹故障演化过程的跟踪能力最大,采用小波熵作为齿轮裂纹故障的预测特征能有效提高故障预测的精度.

基于事件驱动的配电信息物理连锁故障演化机理

随着通信与控制技术在配电系统中的迅速发展,配电系统逐渐呈现出信息物理系统的典型特征,这既带来了崭新的发展机遇,也将信息系统中的多类型风险引入到了电力系统。多类型风险易使电网中信息物理连锁故障频发,导致严重事故。因此,分析与研究信息物理连锁故障的演化过程与故障后果,探索信息物理连锁故障演化的内在机理具有重要的理论与现实意义。文中基于事件驱动模型提出配电信息物理系统架构,分析物理与信息系统的交互机理,提出信息物理连锁故障演化机理研究框架。然后,对信息系统内部节点重要度进行研究,综合考虑系统总风险值与防御资源,计算信息节点被攻击成功概率等相关参数并建立相关矩阵。最后,在算例上进行信息物理连锁故障演化机理的仿真计算,得出了发生信息物理连锁故障时系统会承受更大的风险且可能导致更大损失的结论,验证了所提机理在故障过程推演和后果计算上的有效性。

系统故障演化过程不连续现象的原因及消除方法研究

为研究系统故障演化过程中,通过原因事件得到的结果事件发生可能性与直接试验得到的结果事件发生可能性不同的问题,定义系统故障演化过程的不连续现象,研究不连续现象出现的原因和消除方法。根据不连续现象的程度将原因分为3层,第1层是基本的原因事件、结果事件或传递的概率错误造成的不连续;第2层是因素对应错误造成的概率错误;第3层是演化结构不清造成的错误。针对这些错误提出消除方法,基本方法包括试验法、结构分析法和逻辑推理法;第2层次使用空间故障树和因素空间等方法;第3层使用三值逻辑等方法。研究结果表明:导致不连续的原因是演化过程的结构性问题,消除的方法应根据实际情况进行选择和变化。

空间故障网络理论与系统故障演化过程研究

为描述和分析系统故障演化过程,提出了空间故障网络理论。该理论基于先期提出的空间故障树理论,继承了其多因素影响分析、故障大数据处理及因果关系分析的能力。实际系统故障演化过程较为复杂,使用空间故障树树形结构难以描述,因此提出空间故障网络。故障演化过程的实质是由事件和连接组成的按照一定因果关系相连的网络结构。又由于事件由对象及其状态表示,空间故障网络研究的是故障演化过程中对象、状态和连接之间的关系。论述了以往研究的不足,给出了各概念的物理含义、转化步骤、单向环分类、最终事件发生概率计算方法等。论述了空间故障网络研究存在的不足及今后需要研究的关键问题。

齿轮故障演化的非线性动力学机理与实验研究

由于齿轮传动存在间隙、摩擦以及时变刚度,其动力学特性具有强烈的非线性。当齿轮发生故障时,如点蚀、剥落以及断齿,振动信号往往伴随有超谐波、次谐波等非线性特征,给齿轮故障诊断带来一定困难,因此有必要研究齿轮不同故障程度时的非线性振动机理。通过应用傅里叶级数来描述齿轮时变刚度,一定程度上避免了分段函数刚度突变问题;通过引入齿轮故障程度因子来描述齿轮故障程度,建立了齿轮故障程度的非线性动力学模型;并搭建齿轮故障演化实验台进行相关实验。仿真和实验结果表明,在一定摩擦因数以及转速时,齿轮非线性振动与转速以及齿面摩擦因数有关,与故障程度没有直接关系。