基于贝叶斯网络的智能电能表故障分析与诊断

发布时间：2020-08-18 12:14

【摘要】：安全仪表广泛应用于石油、化工、冶金等高危行业,是保障企业安全生产的重要设备。然而在现实生活中存在维修效率低、检修缺乏针对性的问题。本文以智能电能表为例进行故障分析可将其推广到安全仪表研究中。目前国内对电表故障研究常采用具有直观、因果逻辑性强等特点的故障树分析方法,但故障树(Fault Tree,FT)存在模型不易更改、不能及时更新参数的问题,而贝叶斯网络(Bayesian Network,BN)能够解决。BN本身具有模型参数不断更新,及时预测潜在故障隐患的特点,但常常由于数据缺乏导致建模困难。因此,本文基于BN对电表进行故障分析与诊断,掌握其故障模式及失效机理,找出薄弱环节与缺陷,及时诊断预测,提高电表维修效率和检修针对性。具体研究如下:通过电表失效数据的统计与分析得出各模块单元故障概率及易损关键元器件,进而确定显示模块、计量模块、通信模块为更易发生故障的单元,分别对各模块进行故障模式及机理分析,建立FT,为转化成BN提供基础。针对电表BN模型难建的问题,充分利用原有的历史信息建立FT并根据其具有的与或门逻辑关系建立转化规则,采用信息提取与重组的方法建立符合实际的BN,克服了依靠专家经验知识完成建模主观性强、效率低的缺点。针对转化成BN时存在有些根节点信息无法用现有数据统计得出的问题,采用德尔菲法与梯形模糊数相结合的方法,以梯形模糊数的形式为专家提供打分原则,再用均值面积法将专家意见转化为相应的概率值。针对FT模型结构不易更改、不能及时更新模型参数的问题,采用BN方法加以解决。当电表发生故障后,将维修检查结果作为BN更新的证据,如连接开路,未发生故障“0”,可作为证据赋值给BN用于数据更新,实现模型参数的动态更新,进而提高维修效率。因此,通过BN对电表进行故障分析与诊断,能够实现模型参数的动态更新,及时预防故障发生。也对相关安全仪表系统的可靠性研究提供重要价值和理论依据。
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH814
【图文】：

智能电能表,工作原理图

哈尔滨理工大学工学硕士学位论文第 2 章智能电能表的故障模式与故障树建立2.1 智能电能表的工作原理智能电能表是国家电网高级计量体系中的重要设备之一，是保证企业和用户共同利益必不可少的环节，属于复杂的安全仪表设备，体积小，功能多，包含大量的电子元器件，不仅能完成电能计量任务，还能实现电网运行参数采集、本地数据处理以及远程数据通信等功能，为电网安全运行、智能电能表抄读、信息交互等工作提供了极大的便利，运行状态直接影响到企业与用户沟通的效果。其工作原理是先通过对用户供电电压和电流的实时采样，再采用专用的智能电能表集成电路，对采样电压和电流信号进行处理并将其转换成与电能成正比的脉冲输出，最后由单片机处理和控制，把脉冲显示为用电量并输出[35]。智能电能表的工作原理图如图 2-1 所示。

流程图,失效分析,流程图,学位论文

失效分析流程图

故障数,元器件,比例,磁保持继电器

故障总数 15.78%；磁保持继电器故障总数 13 次，占元器件故障总%。各元器件故障数和总故障数比例如表 2-2 所示，其中各元器件占总比例如图 2-3 所示。表 2-2 各元器件故障数和总故障数比例Table2-2 Count the number of failures of each component and the proportion元器件类型故障数（次）总故障数比例LCD 液晶屏 21 18.91%通信芯片 18 16.14%计量芯片 17 15.78%磁保持继电器 13 11.16%电源芯片 7 6.85%电池 15 13.19%压敏电阻 7 5.65%晶振 8 6.97%接线 31 26.95%

【相似文献】