寿命预测

电池状态有效评估过程中数据驱动法的模型输入虽与容量呈现相关性，但并没有考虑其信息量及信息质量，低质量的数据输入会造成一定程度的预测偏差。针对上述问题，提出一种计及健康特征信息量的加权神经网络电池健康状态(state of health, SOH)预测与剩余寿命(remaining useful life, RUL)估计模型。该模型在GA-BP神经网络的基础上，通过确定有效健康特征数据集，利用数据信息度构建动量因子来保证神经网络迭代收敛速度。并基于熵权思想过滤出低信息量健康特征的预测结果，将过滤后的预测结果作为电池老化模型的输入，进一步实现剩余寿命的估计。通过公开电池老化数据集与实验平台进行验证，得到该模型健康状态预测结果MAE、RMSE分别控制在0.63%、0.81%之下，剩余寿命估计结果MAE、RMSE分别控制在0.0031 mA·h、0.0042 mA·h之下，具有良好的可行性与有效性。

准确预测锂离子电池剩余使用寿命(remaining useful life, RUL)对降低电池使用风险和维护设备稳定性方面具有重要意义。为了提高锂离子电池RUL预测的稳定性和结果的准确性，提出一种基于混合改进麻雀搜索算法(improved sparrow search algorithm, ISSA)与长短期记忆(long short-term memory, LSTM)神经网络的锂电池RUL预测模型。首先，用均值化方法对原始数据中的异常值进行处理。然后，结合Tent混沌映射、自适应权重以及反向学习策略和柯西变异扰动策略优化麻雀搜索算法，再利用改进麻雀搜索算法对LSTM模型的参数进行优化。最后，采用改进的混合ISSA-LSTM模型并完成RUL预测。采用NASA公开数据集对本模型进行验证。结果表明，该模型的平均绝对误差、均方根误差和平均相对百分比误差控制在0.016 47、0.022 84和1.2048%以内，能够有效地提高锂离子电池RUL的预测精度。

本项目运用全面整合的方法，遵循“业务驱动”的原则，采用业务架构分析、应用架构设计到系统架构设计的三步设计方法，建立大数据平台框架，提供高效实时的数据采集、数据存储、数据计算、数据分析以及数据分析能力。构建分析决策组件，提供分析建模、模型运行、模型发布等能力，增加对大数据分布式计算的支持。基于多级评价标准，采用多元线性回归的方法构建电能计量资产质量评价、寿命预测、寿命评估、供应商评价以及业务管控质量评价的数学模型。对各环节的质量水平进行评价，实现全省电能计量资产的全寿命周期量化评价。满足实时、离线应用的分析挖掘需求，为分析决策应用构建提供基础平台支撑。 通过计量设备全寿命周期量化评价与可视化调度监控系统的深化应用，2016-2019 年共发现计量设备故障隐患 61 起。通过该项目有助于找出管理中的薄弱环节、存在的问题，为改善管理流程和业务、保证设备质量提供技术手段和数据支撑。有效指导省计量中心和各地市公司单位计量设备资产的日常生产及运维需要，有效提高了国网四川省电力公司资产管理效率，切实降低设备故障率，避免现有资产闲置、浪费、无序报废等不良情况的发生，保证资产的可循环利用，合理的降低购置成本。计量设备全寿命周期量化评价与可视化调度监控系统的完成有利于实现计量资产管理方式由分散粗放向集约精益的根本性转变，有利于促进营销业务管理模式的创新，业务流程的简化和优化，对泛在电力物联网客户侧电力营销业务模式创新、客户用电感知水平提升和公司智能营销管理水平加强起到了有力的基础支撑作用。

当前全社会上下都面临着节能减排的巨大压力，而发电厂这一高耗能群体，面对燃煤价格的日益上涨和污染排放的限制，面临着提高锅炉效率与降低污染排放的双重要求，迫切需要更好的面向节能、降耗、减排、安全的生产过程一体化智能优化方法。本项目基于可调谐激光吸收光谱技术（TDLAS）的锅炉CT温度场测量系统研发及应用，实现了锅炉大空间温度场的在线检测，为燃煤锅炉燃烧优化提供了检测手段和必要信息。构建智能燃烧优化系统，实现锅炉燃烧精确高效运行。通过大数据分析和智能寻优，开发基于神经网络和遗传算法的变煤质/负荷锅炉高效运行专家指导系统，根据锅炉炉膛温度参数分布，利用神经网络、遗传算法和模拟退火方法等全局寻优算法对锅炉的最佳燃烧工况进行寻优，获得不同煤种、配风模式及负荷条件下，各燃烧参数的最佳设定值。基于历史数据分析、专家知识库诊断的远程故障诊断与预警系统，实现了远程诊断中心对DCS过程数据、旋转机械振动分析数据、精密点检数据的集成，将数据集中在公司总部集中展示，利用大数据技术、专家系统，对数据进行分析，对设备的健康状态进行分析展示，指导运行和检修。基于炉内燃烧动力场的“四管”防磨防爆预警系统，建立了大数据分析处理系统，可以长期采集DCS运行数据，根据烟气对“四管”长期冲刷下磨损情况和汽水参数越限情况，结合锅炉燃烧CFD模拟判断烟气流累积评估，建立“四管”寿命预测模型，从而对锅炉泄漏进行预判。基于物联网的安全管理系统，系统综合运用高精度定位技术、物联网技术、智能信息处理技术等高科技手段，实现现场关键区域人员工作状态的实时监控，实现危险源智能识别、智能巡检、电子围栏、智能两票等功能，消除安全生产隐患，提高电厂运行的安全性。三维虚拟电厂构建与应用技术，对电厂进行整体三维建模，最高精度达到设备零件级，并与DCS运行数据、人员点位数据、两票作业数据、燃烧动力场数据、故障诊断预警数据等进行实时联动显示。 项目研发的技术在大唐南京发电厂#1机组（660MW超超临界机组）安装并成功投运。经第三方测试，系统投运以后可以提供锅炉效率0.5%以上。本项目成功实施后，主要用户在发电领域，如中国大唐集团、中国华能集团等五大电力集团。根据《2014版全国火力发电厂分布与规划图册》，截至2014年底，全国火力发电机组300MW以上已投产数量为1397台，在建机组192台，机组共计约1600台，目标用户数量和市容量十分庞大，项目技术及产品有很大的推广应用价值。

准确预测变压器油纸绝缘寿命对于保障电力系统安全稳定运行具有重要意义。根据微观介电响应机制剖析界面极化与油纸绝缘老化的内在机理联系，并基于混合极化模型——一种在扩展德拜模型基础上引入界面极化支路的等效电路拓扑，探究界面电荷极化特性在油纸绝缘寿命预测中的应用。首先，分析温升过程中频谱特性变化背后蕴含的普适弛豫极化规律，基于混合极化模型重构回复电压极化谱。结合温度对主时间常数和模型参数的影响规律，提出一种单一温度测试下的油纸绝缘活化能计算方法，通过界面极化电容构建出频温平移因子。其次，剖析介质损耗因数随老化加深的变化规律，探究损耗峰偏移现象与界面极化弛豫时间的内在联系，凝练全新表征油纸绝缘聚合度含量的频域特征参量——界面极化支路极点。最后，联合界面极化支路极点、频温平移因子和损失累积动力学方程构建油纸绝缘寿命预测模型，并将不同运行年限变压器现场实测数据代入模型验证实效性，为油纸绝缘寿命预测提供了一种新思路。

针对锂离子电池剩余寿命预测精度低、泛化能力差等问题，提出基于改进粒子滤波的预测方案。首先，提出双高斯模型作为退化经验模型，拟合锂离子电池的容量退化过程。然后，通过先验知识设置退化模型的初始参数，并利用粒子滤波方法进行参数更新。针对预测过程中出现的粒子退化问题，提出高斯混合方法进行粒子重采样，拟合重采样过程中粒子复杂的非线性分布和长尾分布，保证预测结果的概率密度分布状况均匀且集中。最后在不同的数据集上进行了实验验证，结果表明所提出的改进粒子滤波方案具有较高的精度和较强的鲁棒性。

我国经济社会的快速发展带动用电需求的持续增长和电力基础设施的大规模建设。电力设备在自然环境中的腐蚀不可避免。据统计，2014年电力行业腐蚀成本约占总产值的3.58%，高达800亿元。其中，电工金属材料在大气中的腐蚀占一半以上。由腐蚀引发的导线断裂、倒塔、户外开关机构失效等重大事故严重威胁着电力系统的运行安全。电工金属材料服役大气环境复杂且动态变化，现有技术无法实时、定量检测材料的腐蚀进程，无法精确预测腐蚀规律，是导致电力设备防腐效能和技术经济性低下的根本原因。项目组历经10年的产学研联合攻关，开展大气腐蚀在线定量检测技术、腐蚀进程动态跟踪评价技术以及腐蚀寿命预测技术研究，实现了常用电力工程金属材料锌、铝、铜、钢大气腐蚀的检测原理—检测仪器—腐蚀评价—腐蚀预测的全链条创新。 项目在世界范围首次绘制出了可实时更新的区域性动态大气腐蚀性图、电工金属材料大气腐蚀速率图和腐蚀预测图。解决了工程中“在什么地区选什么材料、防腐寿命多久”的难题。项目已获专利授权16项，其中发明专利12项，制定中国电机工程学会标准2项，软件著作权6项，发表论文12篇。由中国工程院宫声凯院士和中国腐蚀与防护学会理事长王福会教授等同行专家组成的鉴定委员会一致认为，项目成果达到了国际领先水平。