wykład III: Metody obliczeń iezawdości systemów
Transkrypt
wykład III: Metody obliczeń iezawdości systemów
III. Metody obliczeń niezawodności systemów (J. Paska) Wprowadzenie Wybór metody obliczania wskaźników niezawodności – instrumentu oceny ilościowej niezawodności, jest zależny w sposób istotny od struktury budowanych modeli niezawodnościowych. W przypadku modeli systemów (obiektów złożonych) może okazać się, że istniejące metody teoretyczne nie zapewniają efektywnego rozwiązania. Zachodzi wówczas potrzeba wprowadzania zmian i uzupełnień w istniejących metodach i dostosowania ich do wymagań zaproponowanego modelu niezawodnościowego, albo też sam model niezawodnościowy musi ulec uproszczeniu pod kątem możliwości obliczeniowych metody. Podział metod obliczeniowych Metody obliczeń Analityczne Symulacyjne Zdarzeń losowych Metody zdarzeń losowych Dekompozycji Mieszane Minimalnych ścieżek i przekrojów Ortogonalizacji funkcji Tablicowa Procesów losowych prostej złożonej zupełnej Rys. 3.1. Ogólna klasyfikacja metod obliczeniowych Rys. 3.2. Klasyfikacja metod zdarzeń losowych Metody procesów losowych Procesów semi-Markowa (półmarkowskich) Łańcuchów Markowa Procesów Markowa Metody analityczne Metoda przeglądu wszystkich stanów, zwana też metodą przeglądu zupełnego lub dekompozycji zupełnej, może być stosowana dla systemu złożonego z n dwustanowych elementów, z których każdy jest scharakteryzowany przez prawdopodobieństwo stanu dyspozycyjności (zdatności). Liczba stanów systemu, różniących się udziałem poszczególnych elementów w realizacji funkcji systemu, jest równa: n l S = card {S } = b ∑ C nm = b ⋅ 2 n Rys. 3.3. Klasyfikacja metod procesów losowych (3.1) m =0 gdzie: b - liczba rozpatrywanych przedziałow czasowych, w których przyjęto za stały jakiś istotny dla analizowanego systemu czynnik (np. rozpływ mocy); m – liczba uszkodzonych elementów; Cnm - liczba kombinacji “m z n”. Zbiór S, dla ustalonego rozpływu mocy, składa się z dwóch rozłącznych podzbiorów S = F ∪G gdzie: F – zbiór stanów dyspozycyjnosci (sprawności, zdatności), G – zbiór stanów niedospozycyjności (niezdatności). Prawdopodobieństwo stanów dyspozycyjności i niedyspozycyjności systemu mogą być wyznaczone, przy założeniu niezależności elementów zbioru S, jako odpowiednie sumy prawdopodobieństw: R s (t ) = P U S α = ∑ P( S α ) Sα ∈F Sα ∈F Q s ( t ) = P U Sα = ∑ P ( Sα ) Sα ∈G Sα ∈G (3.2) (3.3) gdzie: Sα - element zbioru S (stan systemu), P(Sα) – prawdopodobieństwo wystapienia stanu α systemu. W praktyce stosowanie metody przglądów wszystkich stanów jest ograniczone do systemów o małej liczbie elementów. Ograniczenie liczby stanów systemu (możliwe w układach elektroenergetycznych o wysokim poziomie niezawodności elementów) można uzyskać przez wyłączenie z analizy stanów z liczbą niesprawnych elementów wyższą niż 3. Wówczas: m=2 l SA = card {S A } = ∑ C nm (3.4) m =0 gdzie: SA – zbiór analizowanych stanów systemu. 1 III. Metody obliczeń niezawodności systemów (J. Paska) Inną metodą (bardziej ogólną) na ograniczenie liczby analizowanych stanów systemu jest wprowadzenie granicznej wartości prawdopodobieństwa stanu systemu, poniżej której stany są pomijane (cut-off probability): l SA = card {S A } = card {Sα : P( Sα ) ≥ Pcut -off } (3.4a) gdzie: Pcut-off – prawdopodobieństwo graniczne (prawdopodobieństwo odcięcia). Dalsze zmniejszenie liczby analizowanych stanów można uzyskać przez wprowadzenie elementów zastępczych, odwzorowujących grupy elementów. Metody: minimalnych dróg i przekrojów, logiczna, schematów blokowych, tablicowa, drzewa uszkodzeń; są określone wspólnym mianem metod analizy strukturalnej i opierają się na różnych sposobach opisu struktury niezawodnościowej systemu. Korzysta się tu z aparatu matematycznego: teorii grafów (metody minimalnych dróg i przekrojów), algebry Boole’a (metoda logiczna, metoda drzewa uszkodzeń) i różnych form przedstawienia i zapisu struktury niezawodnościowej obiektu: schematy blokowe, grafy, funkcjonały logiczne, drzewo uszkodzeń, tablica. Stan systemu jest losową realizacją wektora stanu systemu X (t ) = [ x1 (t ), x 2 (t ),...x j (t ),...x n (t )] (3.5) gdzie: n – liczba elementów systemu, xj(t) – dwustanowy proces stochastyczny przyporządkowany elementowi uj, X(t) – losowy wektor stanu systemu. 1, gdy element jest sprawny x j (t ) = 0, gdy element jest niesprawny (3.6) Niezawodność systemu jest opisana funkcjonałem określonym na losowych realizacjach wektora stanu systemu X(t) R (t ) = Φ[ X (t )] (3.7) gdzie Φ - funkcjonał. Dla systemu o strukturze monotonicznej strukturalna funkcja systemu może być przedstawiona poprzez minimalne ścieżki sprawności (drogi) lub minimalne ścieżki niesprawności (przekroje): Φ[ X (t )] = Φ{∨ _[ ∧ x j (t )]} = Φ{∧ _[ ∨ x j (t )]} (3.8) i =1, n u j ∈U1i k =1, r u j ∈U ok gdzie: U1i – zbiór elementów systemu stanowiących i-tą minimalną ścieżkę sprawności, U0k – zbiór elementów systemu stanowiących k-tą ścieżkę niesprawności (przekrój, cięcie), m – liczba minimalnych ścieżek sprawności, r – liczba minimalnych ścieżek niesprawności, ∨ - suma logiczna, ∧ - iloczyn logiczny. Minimalna ścieżka sprawności (minimalna droga) jest to minimalny zbiór elementów systemu, których sprawność prowadzi do sprawności systemu. Przejście do stanu niesprawności dowolnego elementu z tego zbioru powoduje przejście systemu do stanu niesprawności. Tak więc, z punktu widzenia niezawodności elementy w minimalnej drodze są połączone szeregowo a rzeczywista struktura niezawodnościowa systemu może być odwzorowana ekwiwalentną strukturą równoległo-szeregową, w której minimalne drogi są połączone równolegle. Minimalna ścieżka niesprawności (minimalny przekrój, cięcie) jest to minimalny zbiór elementów systemu, których niesprawność pociąga za sobą niesprawność systemu. Jeżeli którykolwiek z nich przejdzie do stanu sprawności oznacza to przejście systemu do stanu sprawności. Tak więc, z punktu widzenia niezawodności elementy w minimalnym przekroju są połączone równolegle a rzeczywista struktura niezawodnościowa systemu może być odwzorowana ekwiwalentną strukturą szeregowo-równoległą, w której minimalne ścieżki niesprawności (przekroje) są połączone szeregowo. W kategoriach teorii grafów minimalną drogą będzie taki zbiór gałęzi grafu Aj, że podgraf Aj jest spójny ’ (dla zadanej pary wierzchołków) a dowolny jego podgraf Aj ⊂ Aj jest niespójny; natomiast minimalny przekrój to taki zbiór gałęzi (Bs) spójnego (dla zadanej pary wierzchołków) grafu G, że graf G\Bs jest niespójny, zaś graf (G\Bs)∪(Bs) jest spójny dla dowolnej gałęzi i(Bs) należącej do zbioru Bs. Każdej minimalnej ścieżce można przyporządkować dwuwartościową funkcję: S i [ X (t )] = ∏x u j ∈U 1i N k [ X (t )] = 1 − j (t ) (3.9) ∏ [1 − x j (t )] u j ∈U ok gdzie: Si – funkcja określona na stanach niezawodnościowych i-tej ścieżki sprawności przyjmująca wartość „1” gdy wszystkie elementy wchodzące w skład ścieżki są sprawne i „0” w przeciwnym przypadku; Nk – funkcja określona na stanach niezawodnościowych k-tej ścieżki niesprawności przyjmująca wartość „0” gdy wszystkie elementy wchodzące w skład ścieżki są niesprawne i „1” w przeciwnym razie. Strukturalną funkcję systemu można zatem zapisać w postaci 2 III. Metody obliczeń niezawodności systemów (J. Paska) m r i =1 k =1 Φ[ X (t )] = 1 − ∏ {1 − S i [ X (t )]} = ∏ N k [ X (t )] (3.10) zaś niezawodność systemu będzie określona przez wskaźniki: - prawdopodobieństwo dyspozycyjności funkcjonowania (zdatności) w przedziale (0, t): Rs (t ) = P{Φ[ X (t )] = 1} = E[Φ( X (t ))] - średni czas dyspozycyjności funkcjonowania (zdatności): T= - (3.11) Rs (t ) ∂Rs (t ) Ri (t )λi (t ) ∑ i =1 ∂Ri ( t ) (3.12) n średni czas niedyspozycyjności funkcjonowania (niezdatności): To = 1 − Rs (t ) ∂Rs (t ) Ri (t )λi (t ) ∑ i =1 ∂Ri ( t ) (3.13) n gdzie: Ri(t) – prawdopodobieństwo stanu dyspozycyjności funkcjonowania (zdatności) elementu „i” w przedziale (0, t); E – wartość oczekiwana. Zależność na Rs(t) można zapisać za pomocą funkcji określonych na stanach niezawodnościowych ścieżek niesprawności lub sprawności: MP r R ( t ) = 1 − P s U N k = 0 = k =1 r r r +1 = 1 − ∑ P( N k = 0) − ∑ P( N k = 0, N j = 0) + ... + ( −1) P( N 1 = 0, N 2 = 0,..., N r = 0) k =1 k , j =1 k< j MD m R ( t ) = P s U S i = 1 = i =1 m m = ∑ P( S i = 1) − ∑ P( S i = 1, S j = 1) + ... + ( −1) m +1 P( S1 = 1, S 2 = 1,..., S m = 1) i , j =1 i =1 i< j (3.14) gdzie ∪ jest symbolem sumy mnogościowej zdarzeń losowych. Gdy elementy systemu są niezależne, wówczas: P( N k = 0) = ∏ Q j (t ) = ∏ F j (t ) j:u j ∈U 0 k P( S i = 1) = j :u j ∈U 0 k (3.15) ∏ R j (t ) j :u j ∈U1i Nawet jednak wtedy zależności na Rs(t) są dość skomplikowane, zwłaszcza przy dużej liczbie minimalnych dróg i minimalnych przekrojów. Dalsze uproszczenie zależności uzyskuje się zakładając dodatkowo niezależność minimalnych ścieżek niezdatności (zdatności). Wówczas otrzymuje się zależności przybliżone: A C r RsMP (t ) ≈ ∏ 1 − k =1 E B A B D A B D C E E C D Rys. 3.4. System o mostkowej strukturze niezawodnościowej i minimalne przekroje systemu 3 ∏ [1 − R (t )] j j:u j ∈U 0 k m RsMD (t ) ≈ 1 − ∏ 1 − i =1 ∏ R (t ) j:u j ∈U1i j (3.16) Przykład 3.1: Dobrą ilustracją możliwości wykorzystania metod minimalnych ścieżek (zdatności lub niezdatności) jest system o strukturze mostkowej (rys. 3.4), złożony z 5 elementów (A, B, C, D, E). System ten ma 2 minimalne III. Metody obliczeń niezawodności systemów (J. Paska) przekroje dwuelementowe i 2 trójelementowe (rys. 3.4) oraz 4 minimalne drogi: {A, C}, {B, D}, {A, E, D}, {B, E, C}. Zastosowanie metody minimalnych dróg oraz metody minimalnych przekrojów, przy założeniu niezależności elementów systemu oraz reprezentowaniu ich funkcji niezawodności przez wartości stałe i jednakowe dla wszystkich elementów (RA(t) = RB(t) = RC(t) = RD(t) = RE(t) = R), prowadzi do zależności: Rs = RsMP = RsMD = 2 R 2 + 2 R 3 − 5R 4 + 2 R 5 RMD = 1 − (1 − R 2 ) 2 (1 − R 3 ) 2 [ (3.17) ][ 2 RMP = 1 − (1 − R ) 2 1 − (1 − R ) 3 ] 2 1 0,9 0,8 Rs Rs 0,7 0,6 Rmd 0,5 Rmp 0,4 0,3 0,2 0,1 0 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 gdzie: RMD – przybliżenie polegające na założeniu niezależności minimalnych ścieżek zdatności (sprawności), RMP – przybliżenie polegające na założeniu niezależności minimalnych ścieżek niezdatności (niesprawności). Na rys. 3.5 przedstawiono zależność funkcji niezawodności systemu o strukturze mostkowej, obliczonej w sposób dokładny i przybliżony, od funkcji niezawodności elementu. Wynika z niego, że dokładna wartość funkcji niezawodności systemu zawiera się pomiędzy przybliżeniami: RMP (t ) ≤ Rs (t ) ≤ RMD (t ) R Badanie niezawodności układów elektroenergetycznych za pomocą metod analizy strukturalnej można sprowadzić do następujących etapów: I. Dokonanie analizy struktury badanego układu i odwzorowanie jego schematu niezawodnościowego. II. Określenie strukturalnej funkcji systemu, III. Przejście od funkcji strukturalnej do odpowiednich funkcji probabilistycznych – obliczenie żądanych wskaźników niezawodności. Przykład 3.2: Zilustrujemy tok postępowania na przykładzie układu sieciowego przedstawionego na rys. 3.6. Rys. 3.5. Niezawodność systemu o mostkowej strukturze niezawodnościowej w zależności od niezawodności elementów składowych (R) oszacowana dokładnie i w sposób przybliżony b) B 3 G c) 4 4 C H 3 Z A 2 E D 6 6 I 2 5 5 Rys. 3.6. Przykład rzeczywistego układu: a) schemat główny, b) schemat zastępczy, c) graf układu 4 III. Metody obliczeń niezawodności systemów (J. Paska) Załóżmy, że interesować nas będzie zasilanie węzła obciążenia 6, zatem system jako całość będzie w stanie funkcjonowania gdy odbiorniki przyłączone do węzła 6 będą zasilane. Określenie minimalnych dróg (minimalnych ścieżek) można zrealizować różnymi sposobami, znanymi z teorii grafów. W rozpatrywanym przypadku, przy założeniu, że wierzchołki grafu są całkowicie niezawodne, mamy 6 minimalnych dróg. Z kolei, jeden ze sposobów określenia minimalnych ścieżek niesprawności (przekrojów) polega na wykorzystaniu macierzy minimalnych ścieżek sprawności U1 o wymiarach m × n, gdzie: m – liczba minimalnych dróg, n – liczba elementów systemu (węzłów i gałęzi); w której na miejsce elementu uij wpisuje się jedynkę gdy element uj należy do i-tej drogi (U1i) i zero w przeciwnym razie. W rozpatrywanym przykładzie macierz ta ma następującą postać: Wyznaczanie minimalnych przekrojów prowadzi się wg liczby wchodzących w nie elementów systemu (przekroje jednoelementowe, dwuelementowe, itd.) rozpatrując różne kombinacje (od 1 do n) wektorów – kolumn macierzy U. Jeśli dla pewnego elementu uk składowe wektora kolumny Ui,k = 1 dla wszystkich 1 1 1 U1 = 0 0 0 {u1i }i =1,6 A, C, G, H A, D, I A, E = (3.19) B, C, D, I B, C, E B, G, H 0 1 0 0 1 1 0 u11 0 0 1 0 0 0 1 u12 0 0 0 1 0 0 0 u13 (3.20) 1 1 1 0 0 0 1 u14 1 1 0 1 0 0 0 u15 1 0 0 0 1 1 0 u16 A B C D E G H I i = 1, m (czyli jeśli należy on do wszystkich dróg) to element ten jest przekrojem jednoelementowym (w rozpatrywanym przykładzie nie występują przekroje jednoelementowe). Dla wyznaczenia przekrojów dwuelementowych rozpatruje się po dwie kolumny macierzy U (względem dwóch dowolnych elementów uk, ul) i jeśli suma logiczna ∧U i∈1,m i,k ∨ U i,l = 1 (3.21) to elementy uk, ul tworzą przekrój dwuelementowy (np. elementy A i B). A, B Analogicznie wyznacza się przekroje złożone z większej liczby A, C, G elementów. Dla zapewnienia minimalności przekrojów nie rozpatruje się w kolejnych etapach kombinacji tych elementów, które stanowiły już A, C, H przekroje w poprzednich etapach (np. przy określaniu przekrojów dwuelementowych nie rozpatruje się elementów tworzących przekroje D, E, G jednoelementowe, przy trójelementowych - dwuelementowych i (3.22) jednoelementowych, itd.). Tak postępując otrzymamy: jeden przekrój {u 0i }i =1,9 = D, E, H dwuelementowy – {A, B}; 6 przekrojów trójelementowych {A, C, G}; {A, E, G, I C, H}; {D, E, G}; {D, E, H}; {E, G, I}; {E, H, I}; oraz 2 przekroje czteroelementowe {B, C, D, E}; {B, C, E, I}. E, H, I Wśród metod analitycznych opartych na analizie procesów B, C, D, E losowych (zwanych też metodami przestrzeni stanów) do najczęściej stosowanych należą metody łańcuchów i procesów Markowa a ostatnio B, C, E, I procesów semi-Markowa. Bazują one na przyjęciu za model niezawodnościowy badanego obiektu procesu losowego spełniającego własność Markowa. Ich stosowanie wymaga jednak spełnienia pewnych założeń. I tak w przypadku metody procesów Markowa rozkłady prawdopodobieństw czasów przebywania w stanach muszą być wykładnicze. Wyjątek stanowią obliczenia wartości asymptotycznych wskaźników niezawodności. W niektórych przypadkach istnieje również możliwość takiego przekształcenia przestrzeni stanów by niewykładnicze rozkłady prawdopodobieństw zastąpić ciągiem rozkładów wykładniczych. Metoda łańcuchów Markowa może być stosowana przy założeniu, że proces zmiany stanów jest pierwszego rzędu. W procesach semi-Markowa rozkłady prawdopodobieństw mogą być dowolne lecz większa uniwersalność metody wymaga zastosowania bardziej złożonego aparatu matematycznego. Metody symulacyjne Metody symulacyjne są czasem nazywane metodami modelowania statystycznego. Ich konstrukcja opiera się na prawie wielkich liczb ustanawiającym, w określonych warunkach, graniczną równość pomiędzy średnią arytmetyczną pewnych realizacji zmiennej losowej oraz wartością oczekiwana tej zmiennej, przy dążącej do nieskończoności liczbie doświadczeń. Metody modelowania statystycznego umożliwiają uwzględnienie obiektów, niestacjonarności strumieni niesprawności i odnów, współzależności zdarzeń, empirycznych rozkładów prawdopodobieństw czasów przebywania obiektu w poszczególnych stanach. 5 III. Metody obliczeń niezawodności systemów (J. Paska) Algorytmy modelowania statystycznego mają jednorodną strukturę, którą można przestawić w postaci trzech zasadniczych bloków: - blok I: wprowadzenie danych, obliczenia wstępne, generowanie realizacji procesów losowych uszkodzeń i odnów elementów układu; - blok II: odtworzenie procesu funkcjonowania układu za pomocą modelu niezawodnościowego - blok III: opracowanie wyników modelowania i obliczanie wskaźników niezawodności. Zadaniem bloku I jest formowanie realizacji zmiennych losowych (czasów trwania stanów F(t) eksploatacyjnych elementów) oraz generowania na ich podstawie momentu czasowego zmiany stanu układu. 1 Realizacje zmiennych losowych uzyskuje się za pomocą generatorów liczb losowych (pseudolosowych) o zadanym rozkładzie. Z reguły oparte są one na metodzie odwracania dystrybuanty zmiennej losowej. R Metodę tę zilustrowano na rys. 3.7. Czas zmiany stanu elementu jest określony zależnością: tz = tp + t* (3.23) gdzie tp – czas poprzedniej zmiany stanu. t t* Ponieważ stany elementów określają stan Rys. 3.7. Ilustracja metody odwracania dystrybuanty: systemu można symulować proces zmian stanów R – liczba pseudolosowa o rozkładzie jednostajnym systemu, co jest realizowane w bloku II. w przedziale (0, 1); t* - realizacja zmiennej losowej W bloku II następuje rejestracja zmiany stanu o rozkładzie opisanym dystrybuantą F(t) układu i analiza jej następstw. Rozważa się tu rozwój awarii, konieczność dokonania przełączeń i ich czas, możliwości nałożenia się awarii i-tego elementu na element j (Kij). Jeśli R < Kij następuje rozwój awarii na element j, w przeciwnym razie nie. Wynikiem bloku II jest zatem zbiór informacji np. o czasie przerwy w zasilaniu, ilości niedostarczonej energii, zaniżeniach mocy w stosunku do mocy zapotrzebowanej, czasie odnowy systemu, itp. Realizowany w blokach I i II eksperyment symulacyjny musi być powtórzony wielokrotnie tak, by można było zastosować prawo wielkich liczb i w bloku III dokonać obróbki statystycznej wyników modelowania i obliczyć żądane wskaźniki niezawodności. Liczba N prób (powtórzeń eksperymentu symulacyjnego) jest więc istotnym parametrem metod modelowania statystycznego. Dla ilustracji metodę symulacyjną zastosowano do określenia wartości oczekiwanej kosztów strat u odbiorcy spowodowanych przerwami w zasilaniu. Należy w tym celu odtworzyć (za pomocą komputera) proces awarii elementów układu zasilania i ocenić ich następstwa w postaci strat u odbiorców. Można to zrobić znajdując czasy awarii wszystkich elementów w ciągu roku, następnie określić odpowiednie straty u odbiorców; powtarzając podobną operację N-krotnie oblicza się wartość oczekiwaną z zależności: K str = 1 N N ∑K i =1 (3.24) stri gdzie Kstri – zmienna losowa rocznych kosztów strat. Dokładność będzie w tym przypadku zależeć od liczby awarii każdego z elementów, jaka miała miejsce w rozpatrywanym okresie czasu (N lat). Im więcej awarii tym większa dokładność. Natomiast liczba awarii jest określona przez średni parametr strumienia niesprawności awaryjnych ω, w związku z czym N powinno być takie by iloczyn ωN dla elementów o najmniejszej wartości ω był nie mniejszy od 10÷20. Wynika stąd, że dokładność określenia wartości oczekiwanej kosztów strat w wyniku awarii elementów o różnych wartościach ω będzie niejednakowa. Dlatego też, gdy czasy między awariami elementów mają rozkłady wykładnicze, można zastosować inny sposób, zgodnie z którym: s ωi i =1 Ni K str = ∑ Ni ∑K m =1 (3.25) strim gdzie: i – numer elementu; s – liczba elementów; m – kolejny numer awarii i-tego elementu; Ni – łączna liczba awarii i-tego elementu. Takie podejście zmniejsza czas obliczeń oraz pozwala wykryć słabe miejsca układu zasilania. Przykład 3.4: Powyższe podejście można zastosować do określenia kosztów strat u odbiorców spowodowanych przerwami w zasilaniu dla układu przedstawionego na rys. 3.8. Rys. 3.8. Schemat układu zasilania 6 III. Metody obliczeń niezawodności systemów (J. Paska) Należy określić wartość oczekiwaną kosztów strat w wyniku niesprawności awaryjnych linii przesyłowej. Element ten jest scharakteryzowany przez średni parametr strumienia niesprawności awaryjnych ω = 0,45 1/rok oraz rozkłady: czasu trwania awarii (rys. 3.9), awarii w czasie doby (rys. 3.10). Odbiorcy są reprezentowani przez dobowy wykres obciążenia (jednakowy dla wszystkich dni w roku) oraz charakterystyki jednostkowych kosztów strat dla dwóch grup odbiorców A i B: kstrA’ = 40 zł/kWh, kstrB’ = f(Tp) 1 F( τ ) F(Ta) 1 0,8 0,8 0,6 0,6 0,4 0,4 0,2 0,2 τ 4 8 12 16 τ 4 [h] Rys. 3.9. Rozkład czasu trwania awarii 12 16 8 20 24 [h] Rys. 3.10. Rozkład awarii w czasie doby (rys. 3.12) (gdzie Tp – rzeczywisty czas przerwy w zasilaniu odbiorcy); kstrA’’ = 50 zł/kWh, kstrB’’ = 20 zł/kWh. Załóżono, że liczba losowa R jest równa 0,75. Z rozkładu czasu trwania awarii znaleziono odpowiedni czas trwania awarii Ta = 12 h. Analogicznie dla kolejnej liczby R, równej 0,45 znaleziono z rozkładu awarii moment rozpoczęcia się przerwy w zasilaniu, równy 10 h. Nanosząc moment rozpoczęcia przerwy i czas jej trwania na wykres dobowy otrzymuje się moce grup odbiorców w chwili awarii: ∆PA = 7 MW, ∆PB = 10 MW; oraz ilość energii niedostarczonej w czasie przerwy w zasilaniu (założono, że jest on o 1 h dłuższy od czasu trwania awarii): ∆AA = 63 MWh, ∆AB = 130 MWh. zł/kWh [MW] ∆PA 16 TP 12 4 400 300 200 ∆PB 8 ∆AB 100 t 4 8 kstrB 500 ∆AA P 20 12 16 20 24 [h] Tp 5 Rys. 3.11. Dobowy wykres obciążenia 10 15 20 [h] Rys. 3.12. Charakterystyka kosztów strat Łączne koszty strat u odbiorców wywołane tą przerwą w zasilaniu wynoszą: Kstr = ∆PAkstrA’ + ∆PBkstrB’ (Tp = 13 h) + ∆AAkstrA’’ +∆ABkstrB’’ = = 7 ⋅ 40 + 10 ⋅ 310 + 63 ⋅ 50 + 130 ⋅ 20 = 9130 tys. zł. Dalsze wyniki dla R równych odpowiednio 0,1; 0,3; 0,5; 0,7; 0,9 zestawiono w tablicy 3.1 (rozpatrywano różne kombinacje początków i czasów awarii) Tablica 3.1. Koszty strat u odbiorców wywołane przerwą w zasilaniu Czas trwania przerwy w zasilaniu Tp [h] 2,0 4,2 7,0 11,3 16,0 Koszty strat przy czasie rozpoczęcia awarii τ [h], (tys. zł.) 5,0 7,7 11,0 15,2 17,0 1600 3300 5550 8280 14800 1880 3590 5130 8560 15080 1530 2890 5410 8110 14730 1880 3590 5410 7340 15080 1880 3590 4780 6710 15080 7 III. Metody obliczeń niezawodności systemów (J. Paska) Wartość oczekiwana kosztów strat u odbiorców spowodowanych przerwami w zasilaniu (roczna) wyniesie K str = ω N ∑K N m =1 stri = 0,45 ⋅ 165370 ≅ 3000 tys. zł. 25 Ograniczenia w stosowaniu metody przestrzeni stanów i metod symulacyjnych mogą być częściowo wyeliminowane dzięki zastosowaniu metod mieszanych. Jedna z nich, bardziej przydatna w zastosowaniach praktycznych, jest połączeniem aparatu matematycznego procesów półmarkowskich oraz modelowania statystycznego. Cechą szczególną metody jest zastąpienie losowego czasu przebywania obiektu w każdym stanie jego wartością średnią oraz losowe określenie przejścia do kolejnego stanu obiektu. Aparat procesów półmarkowskich wykorzystuje się zatem do określenia oczekiwanych czasów przebywania układu w różnych stanach oraz stacjonarnych prawdopodobieństw między stanami. 8