一种基于人为因素的变压器的可靠性评估方法与流程

1.本发明涉及电力系统技术领域，具体涉及一种基于人为因素的变压器的可靠性评估方法。


背景技术：

2.变压器失效停运可能导致电网发生大规模停电，不仅影响到电网的稳定运行也极大地增加了系统的运行风险。因此，对电力变压器进行基于人为因素的变压器的可靠性评估，分析变压器当前健康状况，评估人为因素对变压器的稳定运行具有重要意义。
3.时间相关型场景是指需要操作人员长时间持续工作，例如系统状态的监视和设备调试等，在长时间工作中会出现操作员疲劳状态。。根据我国电力部门有关事故统计资料表明，由于疲劳而发生的事故在人为事故中占有很大的比重。时间型场景下影响人为失误的主要因素持续工作时间，任务开始时操作员状态较好，操作员人为失误率维持一个较低的水平，随着连续工作时间的增加，人为失误率不断增大。
4.过程相关型场景是指电力系统中涉及多步骤、按照一定程序的操作，例如倒闸操作和电力检修等，改进认知可靠性及误差分析方法可以用于该场景下人为可靠性分析。对操作绩效的影响效应分为三类：
①
降低，情景环境因素不利于人员操作，发生人为失误概率增大；
②
不显著，情景环境条件对人为操作基本无明显影响；
③
改进，情景环境条件对人员操作起到促进作用，人为操作的可靠性提高。
5.应急相关型场景是指电网发生故障时，操作员需要在短时间识别系统故障原因，并采取相应措施进行紧急调控。根据人员对操作任务的熟悉程度，操作行为类型可以分为三类，即技能型、规则型和知识型。技能型行为是操作人员获取的信息与行为之间存在着非常密切的耦合关系，这种情况下不需要人对显示信息进行解释，而是下意识地对信息给予反应操作。技能型行为依赖于人员培训水平和完成该任务的经验。规则型行为是规则或程序所控制和支配的。由于操作员对规则掌握不够熟练，操作时需要对每项规则进行重复和校对。在这种情况下，人的反应就可能由于时间短、认知过程慢、对规则理解差等而产生失误。知识型行为是指操作员对当前情景症状不清楚，或者是完全未遇到过的突发情况，操作人员必须依靠自己的知识经验进行分析诊断和制定决策，这种情况下发生人为失误的概率很大。


技术实现要素：

6.本发明要解决的技术问题是：目前变压器可靠性评估过多的依赖人员主观因素的技术问题。提出了一种采用客观参数评分的基于人为因素的变压器的可靠性评估方法。
7.为解决上述技术问题，本发明所采取的技术方案为：一种基于人为因素的变压器的可靠性评估方法，包括以下步骤：a)根据工作强度、人员心理状态、人员技能经验、环境因素和人员身体状态，计算人员工作可靠性函数r
hp
(t)；b)根据变压器维护涉及的具体操作，计算人为失误概率p
he
；c)根据操作完成时间计算行为类别的失误概率p(t)；d)建立变压器
及主保护状态空间图，计算每个状态失效的概率，从而获得当前状态下变压器的可靠概率。使用客观数据进行变压器可靠性的评估，不依赖主观经验判断，评估结果更客观公正。
8.作为优选，步骤a)中，人员工作可靠性函数r
hp
(t)的计算方法包括：a1)构建故障率函数h(t,z)＝h0(t)
·
ψ(z)，其中h0(t)为基准故障率函数，ψ(z)为连接函数；a2)计算基准故障率函数：其中，k为预设参数，λ为比例参数，k,λ>0；a3)计算连接函数ψ(z)：其中，z1,z2,z3,z4,z5分别为工作强度参数、人员心理状态参数、人员技能经验参数、环境因素参数和人员身体状态参数，γ为权重系数向量，γ＝[γ1,γ2,γ3,γ4,γ5]；a4)计算人员工作可靠性函数r
hp
(t)：其中，t为人员已工作时长。
[0009]
作为优选，步骤b)中，计算人为失误概率p
he
的方法包括：b1)计算认知行为失效概率基本值p
he0
：p
he0
＝1
‑
(1
‑
p
a1
)
×
(1
‑
p
a2
)
×
(1
‑
p
a3
)，其中，p
a1
表示动作方式错误概率，p
a2
表示动作目标错误概率，p
a3
表示动作顺序错误概率；b2)计算计算人为失误概率p
he
：p
he
＝p
he0
×
10
0.25β
，其中，β为失效概率修复系数，β＝∑ρ
i
，ρ
i
表示第i个认知行为失效的影响指数，i∈[1,3]。
[0010]
作为优选，步骤c)中，行为类别的失误概率p(t)的计算方法包括：其中，t
1/2
＝t
1/2,n
(1+k1)(1+k2)(1+k3)，t
1/2,n
表示完成操作n所需的平均时间，k1、k2、k3分别表示操作训练水平、人员心理状态以及人机界面水平的修正因子。
[0011]
作为优选，步骤d)中，建立的变压器及主保护状态空间图包括9个状态，分别为：状态1，变压器c和主保护p都处于正常状态；状态2，变压器c发生故障，主保护p处于正常状态；状态3，变压器c处于正常状态，主保护p发生故障；状态4，由状态3第三类人为失误引起的主保护隐性误动，进入状态4；状态5，由状态3第三类人为失误引起的主保护隐性拒动，进入状态5；状态6，由状态1发生第二类人为失误，进入状态6；状态7，在状态5时若发生变压器c发生故障，将会进入状态7，主保护拒动，更多元件将被切除；状态8，在状态4时若变压器c发生故障，进入状态8，此时主保护隐性误动状态并未显现；状态9，由状态1发生第一类人为失误，进入状态9；状态7根据变压器c及主保护p的修复情况相应进入状态2或状态3。
[0012]
作为优选，步骤a3)中，工作强度参数z1的获得方法包括：建立变压器检修任务列表，人工对检修任务工作强度进行评分，将本次变压器检修任务与变压器检修任务列表对比，将匹配的任务对应的工作强度的评分和作为本次变压器检修任务的工作强度参数z1的值。
[0013]
作为优选，步骤a3)中，检修人员心理状态参数z2的获得方法包括：a31)检修人员进行变压器检修前录制视频，录制视频时念出指定语句并做出指定表情；a32)完成录制视频后，由检修人员自行对工作积极度打分e1，而后上传到后台服务器；a33)管理人员根据检修人员完成变压器检修结果及用时，对相应检修工作开始前的视频重新进行积极度打分e2，将打分e1和打分e2进行加权平均后作为视频的评分e；a34)提取录制视频指定语句的单字发音音量、念诵时长、单字发音持续时长以及单字发音音调作为发音特征向量；a35)提取录制视频中的指定表情的时段，以均匀间隔提取时段中的n张图片，n为预设值，将n张图片
作为表情特征图像集；a36)将发音特征向量和表情特征图像集作为输入，构建神经网络模型，使用评分e作为输出，训练神经网络模型；a37)将检修人员进行变压器检修前录制的视频，按照步骤a34)提取发音特征向量，按照步骤a35)提取表情特征图像集，输入步骤a36)获得的神经网络模型，得出视频的评分e，将评分e作为心理状态参数z2的值。
[0014]
作为优选，步骤a3)中，人员技能经验参数z3的获得方法包括：将操作行为类型分为技能型、规则型和知识型，所述技能型是指操作人员获取的信息与行为之间存在耦合关系，由现场信息能够决定基本唯一的操作人员检修行为，所述规则型行为是规则或程序所控制，由现场信息能够导致操作人员符合预定规则的检修行为，所述知识型行为是指当前情景症状不清楚或完全未遇到过的突发情况，操作人员不一定能够根据现场信息作出检修行为或者作出的检修行为即与往不同且无规律可循，技能型行为根据操作人员培训水平评分和完成同类型任务的经验参数的加权和作为z3的评分，规则型行为以对规则掌握熟练度参数作为经验参数z3的评分，知识型行为以预设固定值作为经验参数z3的评分。
[0015]
作为优选，步骤a3)中，环境因素参数z4的获得方法包括：将环境温度、湿度、风力、天气情况以及现场光强度作为环境因素参数z4的影响因子，分别建立每个影响因子对操作人员工作舒适度的归一化函数，取所有影响因子计算出的工作舒适度进行相乘，结果作为环境因素参数z4的值；步骤a3)中，人员身体状态参数z5的获得方法包括：将操作人员的疲劳程度参数作为人员身体状态参数z5的值。
[0016]
作为优选，步骤b1)中，动作方式错误概率p
a1
、动作目标错误概率p
a2
以及动作顺序错误概率p
a3
均根据操作人员历史同类型操作错误概率获得；认知行为i失效的影响指数ρ
i
由相应行为失效导致变压器故障的概率获得。
[0017]
本发明的实质性效果是：本发明方法依赖客观数据，不依赖主观判断，评估结果更客观公正；采用三类人为失误情况进行分析与评估，更具科学性与系统性；利用改进认知可靠性及误差分析方法进行评估计算，更加客观全面地反映数据信息；本发明能全面评估人为失误数据，真实全面地反映数据信息，得到科学准确的变压器人为可靠性评估结果。
附图说明
[0018]
图1为实施例一变压器的可靠性评估方法流程框图。
[0019]
图2为实施例一考虑人为失误的变压器状态空间图模型。
具体实施方式
[0020]
下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
[0021]
一种基于人为因素的变压器的可靠性评估方法，如图1所示，包括以下步骤：a)根据工作强度、人员心理状态、人员技能经验、环境因素和人员身体状态，计算人员工作可靠性函数r
hp
(t)；b)根据变压器维护涉及的具体操作，计算人为失误概率p
he
；c)根据操作完成时间计算行为类别的失误概率p(t)；d)建立变压器及主保护状态空间图，计算每个状态失效的概率，从而获得当前状态下变压器的可靠概率。
[0022]
步骤a)中，人员工作可靠性函数r
hp
(t)的计算方法包括：a1)构建故障率函数h(t,z)＝h0(t)
·
ψ(z)，其中h0(t)为基准故障率函数，ψ(z)为连接函数；a2)计算基准故障率函
数：其中，k为预设参数，λ为比例参数，k,λ>0；a3)计算连接函数ψ(z)：其中，z1,z2,z3,z4,z5分别为工作强度参数、人员心理状态参数、人员技能经验参数、环境因素参数和人员身体状态参数，γ为权重系数向量，γ＝[γ1,γ2,γ3,γ4,γ5]；a4)计算人员工作可靠性函数r
hp
(t)：其中，t为人员已工作时长。
[0023]
步骤b)中，计算人为失误概率p
he
的方法包括：b1)计算认知行为失效概率基本值p
he0
：p
he0
＝1
‑
(1
‑
p
a1
)
×
(1
‑
p
a2
)
×
(1
‑
p
a3
)，其中，p
a1
表示动作方式错误概率，p
a2
表示动作目标错误概率，p
a3
表示动作顺序错误概率；b2)计算计算人为失误概率p
he
：p
he
＝p
he0
×
10
0.25β
，其中，β为失效概率修复系数，β＝∑ρ
i
，ρ
i
表示第i个认知行为失效的影响指数，i∈[1,3]。
[0024]
步骤a3)中，工作强度参数z1的获得方法包括：建立变压器检修任务列表，人工对检修任务工作强度进行评分，将本次变压器检修任务与变压器检修任务列表对比，将匹配的任务对应的工作强度的评分和作为本次变压器检修任务的工作强度参数z1的值。
[0025]
步骤a3)中，检修人员心理状态参数z2的获得方法包括：a31)检修人员进行变压器检修前录制视频，录制视频时念出指定语句并做出指定表情；a32)完成录制视频后，由检修人员自行对工作积极度打分e1，而后上传到后台服务器；a33)管理人员根据检修人员完成变压器检修结果及用时，对相应检修工作开始前的视频重新进行积极度打分e2，将打分e1和打分e2进行加权平均后作为视频的评分e；a34)提取录制视频指定语句的单字发音音量、念诵时长、单字发音持续时长以及单字发音音调作为发音特征向量；a35)提取录制视频中的指定表情的时段，以均匀间隔提取时段中的n张图片，n为预设值，将n张图片作为表情特征图像集；a36)将发音特征向量和表情特征图像集作为输入，构建神经网络模型，使用评分e作为输出，训练神经网络模型；a37)将检修人员进行变压器检修前录制的视频，按照步骤a34)提取发音特征向量，按照步骤a35)提取表情特征图像集，输入步骤a36)获得的神经网络模型，得出视频的评分e，将评分e作为心理状态参数z2的值。
[0026]
步骤a3)中，人员技能经验参数z3的获得方法包括：将操作行为类型分为技能型、规则型和知识型，技能型是指操作人员获取的信息与行为之间存在耦合关系，由现场信息能够决定基本唯一的操作人员检修行为，规则型行为是规则或程序所控制，由现场信息能够导致操作人员符合预定规则的检修行为，知识型行为是指当前情景症状不清楚或完全未遇到过的突发情况，操作人员不一定能够根据现场信息作出检修行为或者作出的检修行为即与往不同且无规律可循，技能型行为根据操作人员培训水平评分和完成同类型任务的经验参数的加权和作为z3的评分，规则型行为以对规则掌握熟练度参数作为经验参数z3的评分，知识型行为以预设固定值作为经验参数z3的评分。
[0027]
步骤a3)中，环境因素参数z4的获得方法包括：将环境温度、湿度、风力、天气情况以及现场光强度作为环境因素参数z4的影响因子，分别建立每个影响因子对操作人员工作舒适度的归一化函数，取所有影响因子计算出的工作舒适度进行相乘，结果作为环境因素参数z4的值；步骤a3)中，人员身体状态参数z5的获得方法包括：将操作人员的疲劳程度参数作为人员身体状态参数z5的值。
[0028]
步骤b1)中，动作方式错误概率p
a1
、动作目标错误概率p
a2
以及动作顺序错误概率
p
a3
均根据操作人员历史同类型操作错误概率获得；认知行为i失效的影响指数ρ
i
由相应行为失效导致变压器故障的概率获得。
[0029]
步骤c)中，行为类别的失误概率p(t)的计算方法包括：步骤c)中，行为类别的失误概率p(t)的计算方法包括：其中，t
1/2
＝t
1/2,n
(1+k1)(1+k2)(1+k3)，t
1/2,n
表示完成操作n所需的平均时间，k1、k2、k3分别表示操作训练水平、人员心理状态以及人机界面水平的修正因子。
[0030]
如图2所示，步骤d)中，建立的变压器及主保护状态空间图包括9个状态，分别为：状态1，变压器c和主保护p都处于正常状态；状态2，变压器c发生故障，主保护p处于正常状态；状态3，变压器c处于正常状态，主保护p发生故障；状态4，由状态3第三类人为失误引起的主保护隐性误动，进入状态4；状态5，由状态3第三类人为失误引起的主保护隐性拒动，进入状态5；状态6，由状态1发生第二类人为失误，进入状态6；状态7，在状态5时若发生变压器c发生故障，将会进入状态7，主保护拒动，更多元件将被切除；状态8，在状态4时若变压器c发生故障，进入状态8，此时主保护隐性误动状态并未显现；状态9，由状态1发生第一类人为失误，进入状态9；状态7根据变压器c及主保护p的修复情况相应进入状态2或状态3。图中箭头旁的概率表示箭头指向的状态变化方向的变化概率。其中：λ
c
和μ
c
分别表示变压器c的故障率和修复率，λ
p
和μ
p
分别表示主保护p的故障率和修复率，λ
h1
,λ
h2
,λ
h3
分别表示三类人为失误的失误率，α4,β4分别表示三类人为失误引起保护系统隐性误动和隐性拒动的比例，λ
h1
＝r
hp
(t)，λ
h2
＝p
he
，λ
h3
＝p(t)。
[0031]
本实施例的有益技术效果是：本发明方法依赖客观数据，不依赖主观判断，评估结果更客观公正；采用三类人为失误情况进行分析与评估，更具科学性与系统性；利用改进认知可靠性及误差分析方法进行评估计算，更加客观全面地反映数据信息；本发明能全面评估人为失误数据，真实全面地反映数据信息，得到科学准确的变压器人为可靠性评估结果。
[0032]
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。