《PLOS One》:An integrated Gaussian–Probabilistic–Fuzzy framework for health assessment and remaining useful life prediction of medium-voltage switchgears
编辑推荐:
开关柜的可靠运行对于确保现代电力系统的安全性和稳定性至关重要。然而,长时间暴露于热、机械和电应力下会逐渐恶化开关柜的性能,常常导致灾难性故障和昂贵的停电。本文提出了一种新颖的混合框架,用于中压(MV)开关柜的全面健康评估和剩余使用寿命(RUL)预测,该框架集成
开关柜的可靠运行对于确保现代电力系统的安全性和稳定性至关重要。然而,长时间暴露于热、机械和电应力下会逐渐恶化开关柜的性能,常常导致灾难性故障和昂贵的停电。本文提出了一种新颖的混合框架,用于中压(MV)开关柜的全面健康评估和剩余使用寿命(RUL)预测,该框架集成了高斯归一化、概率建模和模糊逻辑评估。首先,所有测量指标被系统地分类为四个功能子系统:电气、机械、绝缘和辅助,以实现结构化状态评估。高斯方法对异构指标值进行归一化,概率方法量化每个指标的故障可能性,模糊逻辑系统处理不确定性和语言专家信息。由此产生的子系统健康指数被聚合以得出全局健康指数(HI),然后通过基于(高斯、概率、模糊)GPF的算法估计RUL。该框架已使用从两个MV变电站收集的真实现场数据进行了验证,其性能已与现有技术进行了基准比较。结果表明,所提出的方法在不确定性下具有优越的准确性、鲁棒性和可解释性,为电力公用事业中基于状态的维护调度和基于风险的决策提供了可操作的见解。
**论文解读:集成高斯-概率-模糊框架用于中压开关柜健康评估与剩余使用寿命预测**
**研究背景与问题**
开关柜是电力系统中保障安全配电、隔离和下游设备保护的关键设备。然而,长期暴露于热、机械、电气和环境应力下,其性能逐渐退化,可能导致灾难性故障和昂贵的停电事故。现有研究多聚焦于单一子系统(如电气或机械)的故障检测或状态分类,缺乏将多领域指标综合为统一健康指数(HI)的框架,难以支持基于状态的维护(CBM)决策和生命周期管理。此外,测量数据存在尺度异质性、随机波动和专家判断模糊性等不确定性,单一确定性方法无法有效处理。因此,研究人员开展本研究,旨在开发一种集成高斯归一化、概率建模和模糊逻辑的混合框架,实现中压(MV)开关柜的全面健康评估和剩余使用寿命(RUL)预测。该论文发表在《PLOS One》。
**主要技术方法**
研究人员提出了基于高斯归一化方法(GNM)、故障概率方法(FPM)和模糊健康方法(FHM)的GPF框架。GNM利用高斯函数将异构指标(如kA2、μΩ、ms、pC)归一化至[0,1]区间,反映与标称值的偏离程度;FPM基于正态分布将归一化指标划分为健康(H)、轻微劣化(mD)、严重劣化(MD)和故障(F)四个状态,并计算各状态概率;FHM采用三角模糊隶属函数将指标映射为低(健康)、中(劣化)、高(故障)三个定性等级,处理语言和主观不确定性。三个方法的输出通过加权聚合(等权重1/3)得到子系统健康指数,再平均得到全局HI,并线性映射至设计寿命(40年)以估计RUL。样本数据来自中国北方两个变电站的两种MV空气绝缘开关柜(SW1和SW2),包含电气、机械、绝缘和辅助子系统的多参数记录。
**研究结果**
**4.1 高斯归一化方法(GNM)结果**
SW1的电气子系统获得最高归一化均值(2.57),机械子系统最低(1.26);SW2的电气子系统(2.14)也较高,机械(1.25)和辅助(1.00)较低。表明载流部件状态良好,而机械部件存在中度磨损。
**4.2 故障概率方法(FPM)结果**
SW1的总故障概率为14.63%,SW2为32.35%。SW2的机械子系统故障概率最高,暗示可能存在执行器磨损或运动部件退化。
**4.3 模糊健康方法(FHM)结果**
SW1的总体模糊健康得分为1.25(0–2标度),显示中等劣化趋势;SW2为0.91,表明模糊评估下状态较好。FHM揭示了辅助和绝缘子系统的细微劣化,可能与老化和环境应力有关。
**4.4 三种方法比较分析**
GNM提供较高数值,FPM提供风险导向概率,FHM捕捉定性退化模式。三方法聚合后,SW1的GNM=0.60、FPM=0.80、FHM=0.62;SW2的GNM=0.48、FPM=0.84、FHM=0.46。与随机森林、XGBoost、LSTM、1D-CNN-LSTM等机器学习模型对比,GPF在无需训练数据下达到可比精度,且完全可解释。
**4.5 健康指数(HI)与RUL估计**
SW1的HI=0.589,对应RUL≈5.8年;SW2的HI=0.621,RUL≈6.2年(基于40年设计寿命)。蒙特卡洛模拟(10,000次迭代)给出95%置信区间:SW1的HI[0.562,0.614],RUL[5.3,6.2]年;SW2的HI[0.593,0.647],RUL[5.7,6.8]年。
**讨论与结论**
讨论部分指出,GNM、FPM和FHM提供了互补视角:GNM突出电气和绝缘参数接近标称状态,FPM揭示SW2更高的故障概率,FHM捕捉辅助和绝缘子系统的渐进退化。GPF框架的交叉验证能力可识别单方法遗漏的隐藏早期故障,并减少异常值和测量噪声的影响。HI和RUL可作为预警指标,便于优先维护临近寿命终点的设备。实际应用中,框架计算简单(<0.1秒/台),适合集成到SCADA或在线监测平台。局限性包括:RUL估计依赖数据质量,当前采用等权重,且验证仅基于两台开关柜,需在更大样本(≥30台)中进一步验证。
**结论部分翻译**:本文提出了一种新颖的GPF框架,集成了高斯归一化、概率建模和模糊逻辑,实现了在数据不确定性下对开关柜的准确健康评估和剩余使用寿命预测。通过将状态指标系统分类为电气、机械、绝缘和辅助子系统,该框架捕获了多领域退化模式。高斯方法确保异构数据的适当缩放,概率分量量化故障事件的可能性,模糊逻辑模块纳入专家知识和不精确数据,实现了稳健且可解释的健康指数计算。基于GPF的算法成功地将健康指数与退化轨迹相关联以估计RUL,促进了主动且成本效益高的维护决策。使用真实数据集的实验验证证实,所提方法在预测准确性和可靠性方面优于传统的单领域或确定性方法。该框架为公用事业公司提供了强大的决策支持工具,以优先安排维护、防止意外故障并延长开关柜资产的使用寿命,最终增强电力系统的运行安全性和韧性。