一种面向检修的电动发电机全生命周期费用效能评估系统的制作方法

1.本发明涉及电力设备全生命周期管理领域，尤其涉及一种面向检修的电动发电机全生命周期费用效能评估系统。


背景技术：

2.在新型电力系统高密集设备规模、精细化管理模式的要求下，电动发电机作为电力企业资产管理的重点对象，加强设备运行资料的利用与管理、有效控制其各项经济性成本投入与效能回报是设备管理工作的重要内容。电动发电机传统的定期预试、计划检修的固定模式不满足设备管理经济性、可靠性综合优化的要求。
3.现有技术中，专利“一种可再生能源分布式发电运营模式的成本效益分析方法”，通过确定分布式发电在不同运营模式下的全寿命周期内的收益/成本的值，选取值最大的方案来确定最优运营模式。但是对于电动发电机只是基于费用效能比的值来考虑检修决策不符合设备运行的可靠性与经济性的综合需求，因此需要从包括费用效能比、成本投入、效能提升、风险评估在内的多因素来全面准确地评估检修决策，从而制定科学合理的检修决策，这对提升电站经济效益、提高电力系统稳定性具有重大意义。


技术实现要素：

4.本发明的目的在于改进传统电力资产管理模式，提供一种面向检修的电动发电机全生命周期费用效能评估方法及系统。本发明通过对电动发电机全生命周期内财务系统、操作两票系统、运行scada系统的数据记录进行采集，利用采集和处理的数据，在费用效能计算模块对数据进行处理计算，将得到的费效计算结果传入检修决策评估模块，经过提炼、交互处理，并于展示交互模块进行检修决策与检修成本和效能优化结果等结果展示。
5.本发明的目的至少通过如下技术方案之一实现。
6.一种面向检修的电动发电机全生命周期费用效能评估系统，包括顺次连接的设备数据采集模块、费用效能计算模块、检修决策评估模块和展示及交互模块；
7.设备数据采集模块中设置数据采集接口，对设备全生命周期内的财务系统、操作两票系统、运行scada系统的数据记录进行采集提取，进行实时的设备运行及成本数据监测并将数据传输至费用效能计算模块；
8.费用效能计算模块根据接收的设备运行及成本数据，进行单次检修检修费用投入、运行效能变化实例计算，通过费效比进行综合表征费用及效能情况；依据费用效能计算模块得到的检修方案的检修费用投入、效能变化以及费效比，同时考量运行风险，对检修决策进行评估；
9.检修决策评估模块用于根据设备费用效能计算结果，计算检修方案的资源配置并进行设备全生命周期经济性评估，并依据全生命周期记录进行管理方案优化，将优化方案和评估结果传输至展示及交互模块；
10.展示及交互模块用于获得电动发电机全生命周期费用及效能评估方案，对运行检
修日志、状态性检修预测以及预防性检修方案评估进行可视化展示，并设置接口提供人机交互功能，对实时运维管理工作进行信息化指导。
11.进一步地，设备数据采集模块中设置关联财务统计、两票记录、scada设备运行数据的硬件传感器与数据接口，运用文本智能识别，基于统一通信组网规约进行数据采集与汇集，通过数据中台进行数据分类并归一化处理并对应到设备树，导出为统一csv文件格式，便于计算模块调用与分析。
12.进一步地，费用效能计算模块中，根据设备运行及成本数据，进行涉及不同类型检修内容的检修费用投入、运行效能变化计算，并对费用及效能情况，通过费效比进行综合表征，并将检修费用投入、效能变化及费效比计算结果数据传输至检修决策评估模块；
13.所述费效比为同一时间点下对电动发电机的检修费用投入与运行效能值之比。
14.进一步地，费用效能计算模块中，建立电动发电机全生命周期成本估算模型：结合电动发电机全生命周期成本估算的行业实施案例以及成本参数特征，对各项成本进行针对性建模，包括投资成本ci，运行成本co，检修成本cm，故障成本cf，废弃成本cd；全生命周期成本lcc包括：
15.lcc＝ci+co+cm+cf+cd；
16.检修费用投入的计算在历史数据统计的基础上借助启发式预测算法进行趋势预测，并随着成本历史记录的增加，迭代更新启发式预测算法的修正参数，更新每一次迭代中的检修检修费用投入预测结果。
17.进一步地，费用效能计算模块中，建立电动发电机系统设备架构模型；定义电动发电机机组系统包括：电动发电机本体(定子、转子及其电气部分)、空气冷却系统、上导与下导和推力轴承、制动停机系统以及电加热器、灭火系统等辅助系统；
18.运行效能变化的计算基于adc模型方法，建立电动发电机系统的可用性矩阵a和可信矩阵d；建立电动发电机固有能力指标体系，运用层次分析法、熵权法来确定固有能力体系各指标所所占权重，计算固有能力矩阵c；
19.定义电动发电机及其附属设备的各可用性状态及各可用性状态间发生状态转移的概率，运用马尔科夫状态转移方法对电动发电机及其附属设备的紧急、重大和一般各级故障进行预测计算，将结果应用于预防性检修(状态检修)的确定；根据电动发电机并网运行的考核指标，采用主客观评价法对预测结果进行综合评估，通过评估结果实现检修决策的制定，依据adc模型获得电动发电机及其附属设备全生命周期内执行制定的检修决策前后的实时效能变化情况。
20.进一步地，可用性a矩阵的计算具体如下：
21.针对电动发电机系统的工作状态，根据电动发电机系统其分为三种工作状态：正常运行、非停故障和故障状态，分别用数字a1、a2、a3表示；则电动发电机系统的可用性向量可以表示为：a＝[a1，a2，a3]，各可用性状态ai计算依据电动发电机功能架构配合关系与可靠度理论具体计算得到，i＝1、2、3；
[0022]
可信度d矩阵的具体如下：
[0023]
定义可信度表示为d
ij
，表示水轮机机组系统由状态ai变更为状态aj的概率；根据可信度计算的约束条件，电动发电机的状态转移矩阵满足d
ij
＝0，i＞j，即开关任务执行过程状态转移为单向一次性变化，且符合马尔科夫状态转移的随机性；因此，使用电动发电机
系统的故障率λ反映在过程中发生状态变化的事件概率，采用拉普拉斯变换法求解得到可信度d矩阵；
[0024]
电动发电机固有能力指标包括电动发电机及其附属设备各功能环节的考核指标，基于电力系统设备性能评估标准，评价电动发电机的性能特征，包括出力爬坡速度、暂稳态特性；
[0025]
运用模糊综合评价方法来计算固有能力c矩阵，具体过程为：根据评判因素集建立评判等级集v；利用ahp法计算主观权值，利用熵权法计算客观权值，组合赋权，建立权重集w；对评判指标按对应评价等级集v中各个元素的隶属程度生成隶属度矩阵r；由式c＝w*r*v求解得到固有能力矩阵c；
[0026]
基于adc模型求解的可用性、可信度与固有能力模块结果，定义设备效能综合评估结果e，由式e＝a
×d×
c求解获得电动发电机系统效能值e。
[0027]
进一步地，考虑检修对电动发电机的作用，依据运维历史数据，运用回退役龄方法量化检修前后设备故障率变化，对可信度d矩阵进行修正，进而获得检修后效能值，实现检修决策与对检修决策的评估的闭环交互。
[0028]
进一步地，检修决策模块中，依据费用效能计算模块得到的检修费用投入、效能值变化结果，对电动发电机设备系统下成本效能进行耦合分析，根据最优费效比方法对单次检修决策方案的效益进行评估；在全生命周期尺度下，同时考虑检修费用投入、效能提升、费效比以及运行风险，通过平衡经济性，可靠性来制定检修决策；并依据历史数据及役龄回退方法，预测检修决策费效比收益，指导检修决策优化。
[0029]
进一步地，费用效能计算模块输出结果传输至检修决策模块进行多种检修决策制定，依据多种检修决策使用役龄回退方法对检修后的电动发电机进行故障率预测，预测结果输出至费用效能计算模块，通过费用效能计算模块对多种检修决策的费效比进行计算，计算结果输出至检修决策模块，通过检修决策模块在多种检修决策中选择最优检修决策，即在保证设备安全可靠运行的前提下选择检修决策方案的最低费效比，将最优检修决策输出至展示交互模块。
[0030]
进一步地，展示及交互模块中，依据电动发电机运行记录日志、检修决策评估模块输出的检修预测以及检修评估结果设置人机交互模块，通过展示成本曲线、效能曲线、费效曲线直观呈现电动发电机全生命周期内的运维效益情况，为运维管理人员检修业务的开展提供数字化与可视化交互功能。
[0031]
相比与现有技术，本发明的优点在于：
[0032]
相比较往常只通过费效比值来决定方案。本发明综合考虑成本投入、效能提升、费效比、运行风险，通过平衡经济性与可靠性来制定检修决策。并依据历史数据及役龄回退方法，预测检修决策费效比收益，指导检修决策优化。并通过不同模块层层递进建立一个了从底层数据到决策分析并展示的完善系统。
附图说明
[0033]
图1本发明实施例中的一种面向检修的电动发电机全生命周期费用效能评估系统架构图
[0034]
图2本发明实施例中的完整费效方法流程图。
具体实施方式
[0035]
以上通过实施例对本发明进行详细说明，基于本发明中的实施例，不构成对本发明的实施范围的限定。凡利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，在本发明的实质和保护范围内，所做的相关技术方案或方法改进，均归属于本发明专利的保护范围内。
[0036]
实施例：
[0037]
一种面向检修的电动发电机全生命周期费用效能评估系统，包括顺次连接的设备数据采集模块、费用效能计算模块、检修决策评估模块和展示及交互模块；
[0038]
设备数据采集模块中设置数据采集接口，对设备全生命周期内的财务系统、操作两票系统、运行scada系统的数据记录进行采集提取，进行实时的设备运行及成本数据监测，通过数据清洗处理一并传输至费用效能计算模块；
[0039]
费用效能计算模块根据接收的设备运行及成本数据，进行单次检修检修费用投入、运行效能变化实例计算，通过费效比进行综合表征费用及效能情况，综合考虑成本的投入、效能的提升，费效比计算结果来对检修方案的资源配置以及全生命周期经济性进行评估，并将这三个计算结果输出到检修决策评估模块；
[0040]
费用效能计算模块中，采用成本信息智能识别、修正拟合、灰狼优化启发式算法对采集的成本数据实现成本的归集；
[0041]
可变成本模型具体如下：
[0042][0043]
本实施例中，sc为包括运行成本、检修成本、故障成本在内的可变成本，k为经验系数，η
energy
为机组电能损耗率，pn为机组的额定容量300mw，t为设备平均工作小时数6500h，c
p
为当前电价，取为0.45元/千瓦时，fa，fc分别为该年度a修、c修概率，ca，cc为a修、c修检修预算，分别为60000000元和12890000元，t
malfunction
为年平均停电时间，r为通货膨胀率，取0.03，r为社会贴现率，取0.06。
[0044]
成本归集模型：lcc＝ci+co+cm+cf+cd；
[0045]
其中，ci为投资成本、co为运行成本、cm为检修成本、cf为故障成本、cd为废弃成本。
[0046]
采用改进adc算法模型对电动发电机进行实时效能计算分析，评估时刻t效能模型e(t)具体如下：
[0047]
e(t)＝a*d(t)*c(t)
[0048]
其中，包括对子系统可靠性、可用时间、故障率等参数计算得出的可用性矩阵a；定义电动发电机及其附属设备各可用性状态及各状态间发生状态转移的概率，运用马尔科夫状态转移方法对电动发电机及其附属设备紧急、重大、一般等各级故障进行预测计算在当前评估时刻t的状态转移矩阵d(t)；以及对电动发电机并网运行的考核指标运用主客观评价法实现在当前时刻t的综合评估固有能力矩阵c(t)的计算。并将费用、效能两大模块，通过实时运行时间耦合，以费效比的形式表示费效关系。综合检修费用投入与效能变化制定最优检修方案。
[0049]
检修决策评估模块：通过费用效能计算模块中得到电动发电机在检修中的检修成本，效能提升以及费效比最优方案，同时综合考虑发电机设备运行风险来优化检修决策。即通过费用效能计算模块中选择在合适的时间节点，根据电动发电机运行的考核指标评估结果确定合理的检修方案，通过采用费效综合最优的方式进行状态检修，并且出于对运行风险的评估在必要时候需要加大成本投入来提升效能。
[0050]
展示及交互模块：内容包括对检修决策评估模块中通过计算评估得出的决策内容，包括维修程度和最佳维修时间，其中维修程度分为小修、大修、设备更换呈现在展示界面上。通过成本曲线、效能曲线、费效分析曲线所直观呈现的电动发电机全生命周期内的费用、效能变化情况，以及过往不同检修决策产生的修正效果，并对当前状态的预防性检修的效果预测评估都在此模块进行展示。
[0051]
一种面向检修的电动发电机全生命周期费用效能评估系统由设备数据采集模块采集与提取电动发电机底层数据，通过费用效能计算模块进行检修费用投入及运行效能变化进行具体计算，检修决策评估模块根据计算结果进行对单次检修运维效益以及设备全生命周期管理优化效果进行分析，最终在展示及交互模块对评估决策结果、预防性检修效果评估、费用效能变化曲线进行信息化与可视化展示。
[0052]
一种面向检修的电动发电机全生命周期费用效能评估系统通过进行电动发电机费用、效能、费用效能关系计算、以及运行风险分析及评估，实现对设备运维工作的管理优化，降低设备全生命周期内费用效能比和设备运行风险。实现设备管理的经济性与可靠性的综合优化，对电力设备的全生命周期管理模式起到很大改善效果。
[0053]
本实施例中，以某电厂电动发电机为例，对某一正常运行机组各部件监测数据以及离线数据作为数据输入。对2016年整年的该机组费效曲线进行分析并为设计预测决策提供依据。
[0054]
效能计算模块：将该电动发电机分为四个子系统：机械系统、主系统、保护控制系统、调速系统，并且在可用性上视为串联系统。所有子系统正常运行时定义为正常可用状态，将只有机械系统发生故障时的机组定义为可用性状态的非停故障状态，将其他状态定义为故障状态。
[0055]
可用度矩阵a：由该发电机组根据历史数据可得到机组的平均故障时间间隔平均修复时间等数据各个系统故障率：机械系统p1＝0.00142，发电电动机主系统p2＝0.00145，保护控制系统p3＝0.00159，调速系统p4＝0.00163。根据上述机组状态关系得到可用度矩阵：
[0056]
a＝[0.8983，0.0894，0.0123]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0057]
可信度矩阵d：由该发电机组历史故障率数据基于威布尔分布对各子系统建立故障率模型，其模型系数如下：
[0058][0059]
考虑检修对电动发电机及其附属设备的作用，运用回退役龄方法量化为效能提升。根据历史检修后设备故障率的变化由威布尔分布模型来反推计算等效役龄t，根据经验
数据回退量采用平均化取大类型检修回退因子g1＝0.40，小类型检修回退因子g2＝0.15。
[0060]
大类型检修导致的役龄回退的计算公式如下：
[0061][0062]
式中：δt
1i
为i次大修产生的役龄回退时间；t
1i
为大修时实际设备运行时间，x为大类型检修次数。
[0063]
同理小类型检修导致的役龄回退计算方法如下：
[0064][0065]
计算等效役龄公式为：
[0066][0067]
其中，t为实际役龄，t为等效役龄。
[0068]
然后通过可靠度模型得到可靠度ri(t)(i＝1，2，3，4)。由此得到考虑检修变化的可信度矩阵d(t)。
[0069][0070]
固有能力矩阵c：通过设备数据采集模块输出7个效能指标包括一次调频投运率、响应目标偏差、调频死区、一次调频响应上升时间、一次调频响应滞后时间、一次调频稳定时间和永态转差率的运行数据，通过模糊综合评价法构建固有能力矩阵c＝[c1，c2，c3，c4，c5，c6，c7]。具体步骤为：根据评判因素建立评判等级集v＝[1，0.8，0.6]，根据主观层次分析法来确定各指标的主观权重，然后通过客观熵权法确定客观权重，最终乘法合成综合主客观权重来确定指标权重w，权重表如下：
[0071][0072]
[0073]
采用模糊正态分布隶属度函数将各指标对应评级集各元素的隶属程度建立隶属度矩阵r：
[0074][0075][0076][0077]
式中，μ
min
，μo，μ
max
对应评价集v的三个元素，u为指标检测值。
[0078]
通过c＝w*r*v得到各指标评估值，从而构成实时固有能力矩阵。根据2016年每个周期所监测收集的数据生成c(t)。
[0079]
由效能模型：e＝a*d(t)*c(t)
ꢀꢀꢀꢀꢀꢀꢀ
(8)
[0080]
得到效能评估结果如下表：
[0081]
时间t/(月份)1234效能e(t)0.796330.788910.682580.77911时间t/(月份)5678效能e(t)0.766620.755960.744910.73356时间t/(月份)9101112效能e(t)0.752510.736760.606910.76558
[0082]
在3月份由于效能值下降至低于注意值(0.68258＜0.7)，所以进行了一次小类型检修，依据役龄回退理论得到修正后的可信度矩阵以及固有能力参数提升，设备效能因此得到提升。在8月份由于效能值的变化趋势而进行了一次预防性小类型检修，并将在下文对检修效果进行评估。而11月份由于该机组的效能值明显降低，且效能值接近警告值(0.6)，为保证机组安全稳定运行，遂停机进行一次大类型检修。
[0083]
成本计算模块：将损失函数和通过经验介入的参数的边界条件作为灰狼算法的输入，并进行初始化，通过迭代寻优直到收敛。
[0084][0085]
得到参数详解如下表：
[0086]
待解参数kη
energy
fafct
malfunction
最优值0.8870.0020.150.166.02
[0087]
由lcc计算模型：
[0088]
lcc＝ci+co+cm+cf+cd
ꢀꢀꢀꢀ
(10)
[0089]
为对检修决策进行详细分析，统计该段时间内成本变化lcc(t)时，只统计2016年的成本变化，并且只对可变成本sc：包括检修成本、故障成本、运行成本这三项成本进行统计，成本变化如下表：
[0090]
时间t/(月份)1234sc(t)/(元)830316606160751169054时间t/(月份)5678sc(t)/(元)177357185660193963209284时间t/(月份)9101112sc(t)/(元)217587225890890662898965
[0091]
采用费效比拟合方式可以得到该机组整年费效变化情况，费效比越小证明机组运维成本低且效能好，并且费效比随时间必将呈现增长趋势，通过上述数据得到费效结果如下表：
[0092]
时间t/(月份)1234lcc(t)/e(t)1.0422.10023.5421.898时间t/(月份)5678lcc(t)/e(t)23.15324.55126.03028.530时间t/(月份)9101112lcc(t)/e(t)28.91530.600146.739117.423
[0093]
同时为了量化维修效果，综合考虑经济性和运行优良性，可以将机组设备的成本变化量与效能提升量作比，数值越小综合两方面效果越好。结果如下：
[0094][0095]
检修决策分析：通过上述成本投入，效能变化以及费效变化比，可以作出以下分析：8月份的检修费效比结果最优，实现了用最低的成本投入得到了较好的效能提升，说明适时的预防检修既能提升设备可用性，又具备良好的经济性；发生在3月份的检修用相对较低的成本投入得到更好效能提升；11月份的检修是由于效能太低出于对风险的评估所制定的检修决策，根据费效比说明在经济性上效益较低，但出于对电动发电机安全可靠运行的考虑，这次检修为必需的。
[0096]
实施例2：
[0097]
本实施例，以实施例1的同一发电机组设备的2018年数据为例。
[0098]
由于设备的可用性数据、威布尔和成本归集模型的系数数据采用的是全生命周期数据处理后的结果，有广泛适用性。由此，本实施例中的可用度矩阵a，可信度矩阵d的表达式，以及可变成本计算模块sc均与实施例1中相同。
[0099]
对2018年的可变成本数据进行统计，如下表：
[0100]
时间t/(月份)1234sc(t)/(元)8303166062490933212时间t/(月份)5678sc(t)/(元)41515606285614588622891
时间t/(月份)9101112sc(t)/(元)631194639574739582747885
[0101]
以检修信息、实际役龄t为输入代入役龄回退模型得到等效役龄，由评估周期的指标数据以效能评估模型一式(8)得到各评估周期的效能评估结果，如下表：
[0102]
时间t/(月份)1234效能e(t)0.80220.74960.70060.6753时间t/(月份)5678效能e(t)0.65480.46540.81810.7797时间t/(月份)9101112效能e(t)0.74320.70840.63090.7649
[0103]
由此得到费效比数据如下表：
[0104]
时间t/(月份)1234lcc(t)/e(t)1.0352.2153.5554.918时间t/(月份)5678lcc(t)/e(t)6.340130.27275.12479.888时间t/(月份)9101112lcc(t)/e(t)84.92990.284117.22697.775
[0105]
由表可知，6月与11月的费效比陡增，这是因为设备运行出现问题后花费成本检修导致的结果同时为了量化维修效果，综合考虑经济性和运行优良性，可以将机组设备的成本变化量与效能提升量作比，数值越小综合两方面效果越好。结果如下：
[0106][0107]
检修决策分析：由费效变化比可知，显然发生在11月的检修用更少的成本得到更好的检修效果，投入与成效比更佳，但是发生在6月的检修是由于设备效能急剧下降，可能引起运行的安全问题所必要采取的检修措施。
[0108]
实施例3：
[0109]
本实施例，以实施例1的同一发电机组设备的2019年数据为例。
[0110]
对2019年的可变成本数据进行统计，如下表：
[0111]
时间t/(月份)1234sc(t)/(元)8303166062490933212时间t/(月份)5678sc(t)/(元)4151549823637346645649时间t/(月份)9101112sc(t)/(元)653952765952774255782558
[0112]
各评估周期的效能评估结果，如下表：
[0113]
时间t/(月份)1234效能e(t)0.81950.78070.74380.7371时间t/(月份)5678
效能e(t)0.70860.68860.55160.7963时间t/(月份)9101112效能e(t)0.68240.63190.74490.7124
[0114]
由此得到费效比数据如下表：
[0115]
时间t/(月份)1234lcc(t)/e(t)1.0132.1273.3494.687时间t/(月份)5678lcc(t)/e(t)6.0299.03480.03887.593时间t/(月份)9101112lcc(t)/e(t)95.831121.213103.941109.848
[0116]
对两次检修的成本投入与效能提升的结果对比如下：
[0117][0118]
结果分析：由于设备的老化，将效能值注意值下调至0.65。由于7月份该机组效能值偏低，故对其进行检修。但由费效变化比可知，其成本与成效之比小于10月份的检修，却是由于可能引起运行的安全问题所必要采取的检修措施。
[0119]
以上通过实施例对本发明进行详细说明，基于本发明中的实施例，不构成对本发明的实施范围的限定。凡利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，在本发明的实质和保护范围内，所做的相关技术方案或方法改进，均归属于本发明专利的保护范围内。