|
摘 要：随着电力企业向市场化迈进，供电设备的检修工作，由状态检修代替定期检修是必然的。采用人工智能的思想设计了供电设备状态检修决策支持系统。该系统具有供电设备状态评估、故障诊断、检修决策、制定检修计划、自学习和企业网站检修信息发布功能。并且重点介绍了故障诊断的两个诊断模块：基于专家系统的单一诊断模块和基于人工神经网络的综合诊断模块。
关键词：[HTSS]供电设备；状态检修；专家系统；人工神经元网络
状态检修方式以设备当前的实际工作状况为依据，它通过先进的状态监测和诊断手段、可靠性评价手段以及寿命预测手段，判断设备的状态，识别故障的早期征兆，对故障部位其及严重程度、故障发展趋势做出判断，并根据分析诊断结果，在设备性能下降到一定程度或故障将要发生之前主动实施维修［1］。它为电气设备安全、稳定、长周期、全性能、优质运行提供了可靠的技术和管理保障。
作到状态检修的关键是对设备状态的判断，不仅要识别已经发生的故障，而且预测未来可能发生的故障。解决这些问题，一些常规的计算程序和分析程序无能为力或不够有效。因为在这些问题中，人类专家的经验起着主导作用。因此，专家系统技术已经运用到电力设备状态检修中，特别是发电设备的状态检修。而专家系统技术用于供电设备的状态检修还不多见。原因在于供电设备的状态检修起步比较晚，这与早年实行“重发轻供不管用”的政策有关。当前电力企业深化改革，以利润为中心，实行内部模拟电力市场，促使供电企业努力提高供电可靠率和检修的经济性。因此供电设备的状态检修势在必行。
状态检修能够使检修和管理效率提高，设备大修间隔延长和小修频率降低，杜绝不足维修和过剩维修，减少重大事故的发生，提高了设备的可用系数，从而降低了企业经营成本。
1、配电设备状态检修决策支持系统的总体结构
随着传感技术、微电子、数字信号处理和计算机网络技术在状态监测中的应用，使状态检修成为可能。而人工神经网络、专家系统、模糊集理论等综合智能技术在状态识别和故障诊断中的应用，使状态检修得以实现［2，3］。
本系统根据在线和离线监测诊断数据、设备寿命预测数据、可靠性评价数据、设计参数、检修历史数据、同类设备统计数据等进行综合分析，并利用状态评价准则体系对设备状态变化趋势进行预测，运用决策模型给出检修什么和何时检修的建议，并制定检修计划，发布到企业网站。总体结构如图1所示。
1.1设备综合管理模块
状态检修需要大量描述设备状态及其演变过程的准确数据，即要有足够的信息用于分析与决策，这就是设备数据综合管理。该模块管理、存储所有设备资产清单，设备台帐图纸、设备设计数据、设备安装状况及系统图、维修历史数据、设备变更与维修记录、设备状态监测与诊断数据、事故及异常记录、测点设置、设备可靠性状态统计分析数据等等。
1.2智能化诊断模块
该模块用专家系统与人工神经元网络结合的方法实现。既能对单一试验数据进行故障诊断，也能对多种试验数据进行综合诊断。单一诊断用产生式专家系统，将规程规定和专家知识存储在知识库，可以随时更新、修改。综合诊断用人工神经元BP网络。功能模块之间用状态驱动。每一个层次的数据可以维护、查询，有利于程序的模块化设计［4，5］。
1.3检修决策模块
对单一设备，根据不同运行方式和检修方式，运用技术经济分析方法，对检修费用、效益进行评估，给出对该设备来说最佳检修时间、检修措施和检修项目，并形成检修决策报告。
1.4编制检修计划模块
状态
| 
