Академический Документы
Профессиональный Документы
Культура Документы
РОССИЙСКОЙ ФЕДЕРАЦИИ
Е.Д. КАРАСЁВ
Компьютерные
модели надѐжности
электроэнергетических систем
Методическое пособие по курсу
«Надѐжность электроэнергетических систем»
Смоленск 2010
УДК 621.311:004 (076.5)
К 21
Рецензент
канд. техн. наук, доцент каф. электроэнергетических систем ГОУВПО «МЭИ (ТУ)» в г.
Смоленске Л.И.Долецкая
Учебно-методическое издание
Содержание
Содержание 3
Предисловие 5
1. ЗАКОНЫ РАСПРЕДЕЛЕНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН 6
1.1. Принципы именования в MathCAD’е функций
распределения случайных величин 6
1.2. Нормальное распределение 6
1.3. Биномиальное распределение 8
1.4. Распределение Пуассона 9
1.5. Экспоненциальное распределение 10
1.6. Гамма-распределение 10
2. СТАТИСТИЧЕСКИЕ ОЦЕНКИ 12
2.1. Предмет исследования 12
2.2. Точечные оценки 13
2.2.1. Расчѐт значений 13
2.2.2. Достоверность оценки математического ожидания 14
2.2.3. Достоверность оценки среднеквадратического
уклонения 14
2.3. Проверка гипотезы о виде распределения 15
3. Марковские процессы 17
3.1. Прогнозирование работоспособности энергоблока 17
3.1.1. Расчѐт стационарных значений вероятностей 18
3.1.2. Аналитический расчѐт временны' х зависимостей 19
3.1.3. Численное решение дифференциальных уравнений
Колмогорова 20
3.2. Расчѐт показателей надѐжности системы с поглощающим
состоянием 22
3.2.1. Расчѐт стационарных значений вероятностей 22
3.2.2. Прогнозирование отказа 22
3.2.3. Наработка до отказа 22
4. РАСЧЁТ НАДЁЖНОСТИ ПРОСТЕЙШИХ СТРУКТУР 24
4.1. Показатели надѐжности элементов 24
4.2. Показатели надѐжности системы в целом 25
5. РАСЧЁТ НАДЁЖНОСТИ СТРУКТУР ОБЩЕГО ВИДА 27
5.1. Формализация и расчѐтные соотношения 27
4
Предисловие
При изучении надѐжности электроэнергетических систем широко
используют вероятностные математические модели. Их применяют
для составления прогнозов, при статистической обработке и интерпре-
тации данных эксплуатации, в процессе технико-экономической про-
работки проектных решений, а также для оценки рисков, присущих
текущему оперативному состоянию. Исследование надѐжности самых
простых систем зачастую требует построения отнюдь не тривиальных
моделей. Для их адекватного восприятия нужно не только знать прин-
ципы построения электроэнергетических систем, но и обладать навы-
ками создания математических моделей и работы с ними. Пособие
призвано помочь в приобретении этих навыков.
В качестве средства построения моделей в настоящем пособии
принята система MathCAD (версия 14). Она широко используется в
учебном процессе, и, когда студенты на пятом курсе приступают к
изучению теории надѐжности, этой системой они уже владеют. Даже
не искушѐнный в программировании пользователь, обладающий мате-
матической подготовкой в объѐме, предусмотренном образовательным
стандартом, способен просто и скоро решать умеренно сложные мате-
матические задачи на MathCAD’е. Разработчикам этой системы уда-
лось найти удачный компромисс между скромностью палитры ин-
струментов и богатством еѐ возможностей. Применение же традици-
онной математической нотации в документах MathCAD’а облегчает их
восприятие, делая модели наглядными и легко модифицируемыми.
Пособие демонстрирует, как в знакомой программной среде мож-
но решать типичные задачи надѐжности. Оно дает возможность эти
модели прочувствовать, поэкспериментировать с ними, ощутить смысл
основных понятий и концепций теории надѐжности применительно к
электроэнергетике. Теоретические вопросы затрагиваются в той мере,
которая обеспечила бы целостность и однозначность восприятия.
Практические занятия по курсу «Теория надѐжности электроэнер-
гетических систем» проводятся в дисплейном классе. Документ
MathCAD’а, описанный в соответствующем разделе настоящего посо-
бия, студент получает в виде файла. Основа модели в нѐм уже заложе-
на. Но некоторые формулы, графики или их фрагменты скрыты, или
заменены заглушками в облике символов ■ или ъ. Требуется, дополнив
модель, получить ответы на поставленные в документе вопросы.
6
1. ЗАКОНЫ РАСПРЕДЕЛЕНИЯ
СЛУЧАЙНЫХ ВЕЛИЧИН
1.1. Принципы именования в MathCAD’е функций
распределения случайных величин
В MathCAD встроены1 средства для работы с основными распре-
делениями случайных величин, используемыми в математической ста-
тистике и теории надѐжности. Закон распределения закодирован в
имени функции, начиная со второго символа. Начальный же символ
указывает на принадлежность функции к одной из четырѐх категорий:
d (density – плотность) – (локальная) функция распределения: веро-
ятность конкретного значения для дискретной случайной величи-
ны и плотность вероятности для величины непрерывной;
p (probability – вероятность) – (интегральная) функция распределе-
ния, т.е. вероятность того, что случайная величина не превзойдѐт
конкретного значения;
q (quantile) – функция, обратная предыдущей, квантиль, она равна
пороговому значению, вероятность не превзойти которое задана;
r (random – случайный) – функция, генерирующая выборку (вектор)
значений случайной величины с заданным законом распределе-
ния.
1
Полный перечень встроенных функций законов распределения можно найти
в справочной системе MathCAD'а по адресу «Functions / Statistics / Density and
distribution functions».
7
1 100
f
F ( Int )
50
0
5 0 5
0
f
Гистограмма
Теоретическая кривая
Сгенерируйте последовательно1 несколько выборок случайной
величины, отображая каждый раз значения на графике. Выясните, как
1
Принудительный пересчѐт документа можно заказать горячей комбинацией
клавиш Ctrl+F9 или через меню: Tools / Calculate / Calculate Worksheet.
8
1.6. Гамма-распределение
Оно характеризует время x накопления в потоке Пуассона группы
из k событий, измеренное в долях от ожидаемого интервала между
отдельными событиями, или, в более общем случае, интервал между
событиями в потоке Эрланга k-го порядка (k при этом может быть и
нецелым).
11
1
Плотности вероят-
ности для k=1,2,3
dgamma t 1 Встроенные функции:
k1
x x
dgamma t 2 dgamma( x k) e
0.5 pgamma(x,k) ( k)
dgamma t 3 qgamma(p,k)
rgamma(m,k)
0 1 2 3 4 5
t
xВероятность того, что прежде чем будет ликвидирована одна
авария, произойдѐт новая, составит pgamma tв 1 0.00254 .
Вероятность того, что число аварий за год превзойдѐт ожидаемое,
составит 1 pgamma( ъ ъ) .
С вероятностью r := 0.99 число аварий не превзойдѐт величины
k ъ( ъ ъ)= .
Убедимся в этом, рассчитав вероятности непревышения числа
аварий значений floor( k) и ceil( k) .
1 ъ( ъ floor( k) ) % 1 ъ( ъ floor( k) ) %
Время восстановления трансформатора с номинальным напряже-
нием 500 кВ подчинено [2, C.31] Г-распределению с =5 лет –1 и пара-
метром формы k=1.45. Проверьте, насколько сильно отличается поток
событий восстановления от простейшего, той же интенсивности /k.
Для этого постройте графики плотности вероятности времени
восстановления для потоков Пуассона и Эрланга, а, кроме того, сопо-
ставьте вероятности восстановления за указанные ниже времена.
За время t := ( 0.25 0.5 1 2 3 4 5 7 10 12 ) мес
работоспособность будет восстановлена с вероятностью:
Фактически: ъ ъ k
tt k
Если принять гипотезу о про-
ъ t
стейшем потоке восстановлений: ъ t k
k
12
2. СТАТИСТИЧЕСКИЕ ОЦЕНКИ
2.1. Предмет исследования
При внезапном отключении силового оборудования регистриру-
ются времена его отключения и последующего включения. По этим
данным можно найти не только усреднѐнные числовые характеристи-
ки потока восстановления, но и оценить достоверность полученных
значений, а также выдвинуть и проверить гипотезу о законе распреде-
ления времени восстановления как случайной величины.
Сымитируем ситуацию. Положим, что предметом статистическо-
го анализа являются аварийные погашения секции сборных шин рас-
предустройств напряжением 110 кВ c масляными выключателями.
Отказы шин опишем, сгенерировав выборку случайных значений
времѐн восстановления по данным [2, c.44]. Примем для времѐн
Г-распределение с параметром формы k := 0.91 и := 1.1 час-1.
Число аварий за год: n10. Именно для этого значения представ-
лены расчѐты в настоящем пособии (ширины страницы хватает для
размещения векторов). Вы же должны вести основные расчѐты для
выборки объѐмом n=20. Определите n не как переменную, а как кон-
станту, чтобы можно было область с присвоенным ей значением пере-
мещать по документу туда, где вы хотите увидеть результат.
1
Времена восстановления: t rgamma( n k)
T
t ( 0.66 0.28 0.78 1.49 1.67 0.68 0.18 1.02 0.35 0.16)
Постройте по этим цифрам гистограмму времѐн восстановления.
13
1
Статистикой называют функцию от вектора случайных значений в выборке.
15
Kol(x) := 1 – K(x).
Запрограммируем эту функцию.
Kol( ) K 0 Плотность вероятности :
2
sign 1
for i 1 23456789 1.5
s exp2 ( i )
2 f ( ) 1
K K s sign 0.5
sign sign
0
7 0 0.5 1 1.5 2
return 2 K if s 10
По сымитированным данным эксплуатации: √n −∙∆ = 0.9.
Вероятность такого или ещѐ большего уклонения равна ъ(ъ) = %
Исходя из =10%-го уровня значимости, оцените достоверность
гипотезы о том, что времена восстановления имеют:
нормальное распределение с и , полученными путѐм статисти-
ческой оценки;
нормальное распределение с истинными значениями и ;
Г-распределение с и , полученными путѐм статистической
оценки;
Г-распределение с истинными значениями и .
На каждый из четырѐх поставленных вопросов ответьте, проанализи-
ровав 5 различных выборок объѐмом n=30, а затем объѐмом 300.
Попробуйте предсказать, а затем проверьте экспериментально:
будет ли отвергнута не отвергнутая прежде гипотеза, если
одно из времѐн заменить нулѐм?
одно из времѐн заменить значением ?
все времена удвоить?
к каждому времени добавить по 5.
3. Марковские процессы
3.1. Прогнозирование работоспособности
энергоблока
Конденсационный энергоблок мощностью 500 МВт характеризу-
ется [4] наработкой на отказ to := 16 суток и средним временем восста-
новления tв := 4 суток. Считая поток отказов-восстановлений простей-
18
Duration B Start B
0 1
Final B
rows( B) 1 1
for t 0 row s( B) 1
B Final
t1
return B if
t0 Start Final
Задание
1. Рассчитайте время вхождения в 10-, 5-, 2- и 1-процентные зоны.
2. Повторите расчѐты п.3.1.3, предположив, что энергоблок первона-
чально находится в рабочем состоянии.
3. Постройте графики переходного процесса и рассчитайте его про-
должительность для более типичного (т.е. более надѐжного) эле-
мента – масляного выключателя напряжением 220кВ. Для него
наработка на отказ составляет [5, с.96] to := 25 лет, а среднее время
восстановления – tв := 2 суток.
4. Получите ответы на следующие вопросы:
4.1. Какая из вероятностей скорее достигает стационарного значе-
ния: вероятность простоя или работоспособного состояния?
4.2. Стационарный процесс наступает скорее, если объект в исход-
ном состоянии был работоспособен, или нет?
4.3. Чем определяется скорость затухания переходного процесса:
временем восстановления или наработкой на отказ?
4.4. Сейчас энергоблок простаивает из-за аварии. Какова вероят-
ность, что он будет работоспособен через сутки?
4.5. Энергоблок только что был экстренно остановлен. Какова ве-
роятность, что он будет работоспособен через сутки? А вероят-
ность того, что он успеет восстановить работоспособность за
сутки (но, быть может, вновь еѐ утратит)?
4.6. По статистике, ремонтная бригада с вероятностью 70% за сутки
восстанавливает работоспособность энергоблока. С какой веро-
ятностью ей хватит двух суток? А недели? Каково ожидаемое
время ремонта?
22
t
1
F ( )d
0
p
F ( p) , lim F (t ) lim p F ( p) .
t p 0
dF (t ) d
Таким образом,
dt
tdt
dp
p F ( p) .
0 p 0
4. РАСЧЁТ НАДЁЖНОСТИ
ПРОСТЕЙШИХ СТРУКТУР
Построим модель для расчѐта показателей надѐжности электро-
снабжения по схеме, изображѐнной на рисунке.
QF1 QR T QF2
Потребитель
W1
Л
I
QK
АВР QF2
QF1 QR T QF2 II
W1 Л
QK
Пренебрежѐм при этом вероятностями отказа источников питания
и любых элементов во время преднамеренных отключений. Выключа-
тели объединим на расчѐтной схеме с разъединителями, оперируя ин-
тегральными показателями потока отказов такого блока.
5. РАСЧЁТ НАДЁЖНОСТИ
СТРУКТУР ОБЩЕГО ВИДА
5.1. Формализация и расчѐтные соотношения
Расчѐтную схему по надѐжности сформируем из многополюсни-
ков (МП). Узлами схемы будем считать точки соединения полюсов
МП. При такой формализации отказать могут только МП, но не узлы.
Типичным примером МП с числом полюсов, отличным от двух, явля-
ются секции шин распредустройств. Их отказы бывают обусловлены
как повреждениями в самих шинопроводах, так и в присоединѐнных к
ним ячейках с оборудованием, а также повреждениями отходящих ли-
ний при отказе в срабатывании защищающих их выключателей.
Некоторые элементы допускают передачу мощности лишь в од-
ном направлении. Поэтому условимся различать два типа полюсов:
входы и выходы. Если элемент работоспособен, то представляющий
его МП пропускает сигнал с любого своего входа на любой выход.
Если элемент неработоспособен, то ни с одного входа ни на один вы-
ход сигнал не проходит. МП должны быть соединены так, чтобы из
абсолютно надѐжной точки в расчѐтную сигнал проходил тогда и
только тогда, если система работоспособна.
Показатели надѐжности системы в целом можно рассчитать по
показателям отдельных элементов. Положим в основу алгоритма поня-
тие минимального сечения. Определим его как множество МП, одно-
временный отказ которых влечѐт за собою отказ системы, но при
наличии хотя бы одного работоспособного элемента в котором систе-
ма должна быть уже работоспособной.
Отказ системы наступает при отказе любого из минимальных се-
чений. На языке теории множеств это означает, что отказ системы
28
Таблица 5.1
Перечень операторов над множествами
Форма
Семантика
обращения
m M Принадлежит ли элемент m множеству M?
mM Принадлежит ли множество m множеству M?
A B Объединение множеств A и B c сортировкой результата
M m Удаление из множества M множества m
Есть ли во множестве M элемент, принадлежащий мно-
m M
жеству m?
Есть ли во множестве M элемент, не принадлежащий
m M
множеству m?
Пополнение множества сечений.
Сечение m попадает в объединѐнное множество U лишь
тогда, если оно не поглощается каким-либо элементом из
m M
M, т.е. если не выполняется условие M k m. Элемент M
попадает в U лишь тогда, если он не поглощается сече-
нием m.
Каждая операция оформлена в виде функции с двумя аргумента-
ми. Например, функция (m,M) – булев индикатор принадлежности
элемента m множеству M. Символ ―‖ и многие иные специальные
символы MathCAD разрешает включать в состав имѐн1. Обращаться к
такого рода функциям в математике принято в форме инфиксных 2 опе-
раторов: mM. Воспользуемся и мы этой нотацией.
1
Ввести специальный символ можно, скопировав его через буфер Windows из
перечня, вызываемого через меню Help / Quick Sheets / Extra Math Symbols.
Перечень насчитывает свыше сотни символов.
2
При инфиксной записи символ
операции размещают между опе-
рандами. На MathCAD'е вызвать
такой оператор можно кнопкой
xfy из палитры, показанной спра-
ва. Палитра выводится на экран
командой главного меню
View/Toolbars/Evaluation.
30
Потребитель
4
2 15 16
10 11 12 13 14
17
8
13
11 14 15 10
12 27
20 21 23 24 25 26
9
if Out
mp
n Out
t mp
N if N
rows( N) 1
M m M if row s( m) ЁмкостьСечений
M
Сформированное сечение m добавляем к множеству M тех сече-
ний, что были сформированы прежде. Но делаем это так, чтобы ни
один элемент вновь образованного множества не мог поглотить какой-
либо иной его же элемент.
Если в только что сформированное сечение m попадают все МП
какого-то сформированного прежде сечения M k , это означает, что для
отказа системы достаточно отказа всех элементов M k , независимо от
состояния прочих элементов m. Иными словами, сечение m оказывает-
ся неминимальным: оно поглощается сечением M k. При этом m в но-
вое множество M вводиться не должно.
33
1
Обратите внимание: буква q набрана стилем Курсив, и потому обозначенный
ею объект не тождественен вектору q, имя которого набрано стилем Variables.
2
Многоточие – это не бланк имени переменной, а само имя (см. Прил. 2).
35
1
Полилинейной называют функцию, линейную относительно каждого из сво-
их аргументов, если все прочие считать константами.
36
6. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
НАДЁЖНОСТИ
Метод Монте-Карло состоит в имитации потоков случайных со-
бытий отказов-восстановлений элементов ЭЭС с последующей стати-
стической обработкой результатов. Общая идея состоит в том, что для
каждого элемента индивидуально настроенный генератор случайных
чисел формирует время наступления очередного события – отказа или
восстановления работоспособности. По состояниям элементов с учѐ-
том схемы их соединения определяется: работоспособна ли система.
Таким образом, организуется наблюдение за функцией работоспособ-
37
QK
Разъединители, как и раньше, не будем выделять в качестве само-
стоятельных элементов, объединив их с выключателями. Таким обра-
зом, на расчѐтной схеме по надѐжности последовательно соединим:
"QF1" "Головной масляный выключатель 110 кВ"
"W1" "ЛЭП 110кВ длиной 30 км"
"QR" "Отделитель"
Элементы
"QK" "Короткозамыкатель"
"T" "Трансформатор"
"QF2" "Выключатель 35 кВ"
Именно
Именно в этой
в этой очерѐдности
очерѐдности условимся
условимся впредь
впредь перечислять
перечислять эле-
элементы
векторов.
менты ПриПри
векторов. этомэтом
положим, что ветвь
положим, № i выходит
что ветвь из узла
№ i выходит из № i и№i
узла вхо-
дит в узел
и входит № №(i+1).
в узел (i+1). Разъединители, как и раньше, не будем выделять в
качестве самостоятельных элементов, объединив их с выключателями.
6.2. Параметры элементов
Допустим, что отказы и восстановления элементов ЭЭС незави-
симы, а их потоки ординарны и стационарны, т.е. относятся к классу
потоков Пальма. С достаточной для практики точностью можно при-
нять, что времена безотказной работы, а также восстановления подчи-
38
Среднее время
дн Интенсивность потока
восстановления, год:
восстановлений, год -1:
Какой бы вы предложили способ для учѐта повреждаемости сбор-
ных шин? Или, если сформулировать задачу в более общем виде: как
методом Монте-Карло можно было бы оценить надѐжность системы,
расчѐтная схема которой составлена из многополюсников? Документ
MathCAD'а изменился бы радикально, или лишь слегка? Если приме-
нить метод Монте-Карло для выполнения расчѐтного задания по курсу
―Надѐжность электроэнергетических систем‖, это облегчило бы вашу
задачу? А ресурсов вашего домашнего компьютера хватило бы?
43
3
Вероятность простоя системы: q q q 10
Средняя наработка на отказ, год: tо tо
Среднее время восстановления, год: tв tв дн
СравнитеСравните полученные
полученные значения
значения с теми, счто
теми,
далакоторые дала имитационная
имитационная модель.
модель.
6.7. Достоверность статистических оценок
Проведѐм исследование точности и достоверности статистических
оценок двух параметров: наработки на отказ и среднего времени вос-
становления.
Для этого сгенерируем n выборок по Events событий в каждой. В
каждой выборке найдѐм среднее значение t оцениваемого параметра
(по формулам п.6.5). Осреднив n значений t, получим оценку m мате-
матического ожидания исследуемого параметра.
Число событий в каждой выборке исчисляется сотнями, т.е. вели-
ко. Поэтому есть основания полагать, что действует закон больших
чисел, и случайная величина m распределена по нормальному закону.
Математическое ожидание у m то же, что и у t – а вот дисперсия
меньше. В главе, посвящѐнной статистическим оценкам, отмечалось,
что точность и достоверность оценки математического ожидания
величиной m удобно измерять, введя в рассмотрение статистику
mμ
n 1 , где s – расчѐтное значение среднеквадратического укло-
s
нения m. Эта статистика распределена по закону Стьюдента с (n–1)
степенями свободы.
Чтобы получить возможность осреднения статистик t по всем n
выборкам (реализациям случайного потока отказов-восстановлений),
будем записывать расчѐтные их значения в файл по имени ―t‖. Каждая
44
Time
1
Очередное значение параметра: t Failures
1
Добавляем новое значение файл: APPENDPRN( "t." ) t
Читаем из файла все значения: t READPRN( "t." )
Число реализаций: n last ( t) 7 .
Вектор значений оцениваемого параметра в выборках:
T
t ( 4.48 0.16 0.16 0.16 4.48 8.95 4.48)
Его усреднѐнное значение: m mean t .
Среднеквадратичное уклонение: Stdev ( t) .
Чтобы проверить достоверность оценки математического ожидания,
оценим вероятность того, что m находится в 10 %-й зоне .
( n ) pt n 1 n 1 pt n 1 n 1
m m
s s
( n ) %
Сгенерируйте столько выборок по 200 событий в каждой, сколько
нужно для обеспечения доверительной вероятности =95%.
Выясните: что обещает более надѐжный результат: 10 выборок по
200 событий или 4 по 500?
Чтобы выполнить сразу серию из n расчѐтов, можно
нажать на кнопку с надписью «Пересчитать», показан-
ную справа, указав значение n в поле под ней. Щелчок
по этой кнопке запустит скрипт, написанный на диалекте Бейсика, по-
нятном MathCAD'у. C текстом скрипта можно ознакомиться, щѐлкнув
по кнопке «Пересчитать» правой кнопкой мышки и выбрав из меню
пункт «Edit script».
Попробуйте найти с достоверностью =50% и точностью =10%
среднее время восстановления системы (в днях), генерируя выборки по
500 событий.
Предскажите, сколько выборок потребуется, чтобы довести до-
стоверность до 95%? А если и точность повысить до 5%? Сколько на
это уйдѐт машинного времени? Попытайтесь объяснить результат.
45
Приложение
Операции с множествами
Принадлежит ли элемент m множеству M?
( m M) return m M if row s( M) 0
for k 1 row s( M)
return 1 if m M
k
0
( 6 4 )T
T
6
2
(6 4)
1 1 1 6
0 1 1 4 2 1
2 2 2 4 3
1 3
2 21 3 0 4 (4) 1
2
Принадлежит ли множество m множеству M?
( m M ) return m M if row s( m) 0
return 1 if m M
for k 1 row s( m)
return 0 if m M
k
1
1 ( 6 4 )T T ( 6 4)(T6 4 )T
3 6 6 ( 6 4 ) 6 6
2 1
2 2 1
2 2 1
1 4 4 4 4
3 3 3 3 3
1 1
3 2 1 4 2 0 4 (4) 1 3 31
3 3
46
A ( 4 3 2 2 )
T A T ( 2 3 4)
T T
B ( 3 4 4 6 4 ) ( A B) ( 2 3 4 6 )
( M m) return M if row s( m) 0 1
1
2 0
return 0 if row s( M ) 0
2
d0 3
for i 1 row s( M ) 1
1
1 (2)
Add 1 2
for j 1 row s( m) 3
1 1
if m M 0
j i 2 2
Add 0 1
0 0
break 2
d M if Add 1
2
rows( d) 1 i (2)
3 3
d
47
T
( m M ) if row s( M ) 0 3 ( 2 ) 3 2
M m
1 1 1
return M
(1)
( 3 )
( 3 ) 2
for k 1 row s( M )
return M if M m ( 1 )
k 3
U m 2
1
[(3) ] [(3) ]
for k 1 row s( M ) 3
U
rows( U ) 1
M
k
if m M
k 3 3
0
U 1 1
48
Список литературы
1. Гук Ю.Б. Теория надѐжности в электроэнергетике. – Л.: Энерго-
атомиздат, 1990. – 208 с.
2. Непомнящий В.А. Учѐт надѐжности при проектировании энерго-
систем. – М.: Энергия, 1978. – 200 с.
3. Ивченко Г.И., Медведев Ю.И. Математическая статистика. – М.:
Высш. шк., 1984. – 248 с.
4. Понасечкин С.А., Терентьев И.А. Итоги работы энергетических
блоков мощностью 150–1200 МВт. – Энергетик, №1, 2001. – c.12.
5. Трубицын В.И. Надѐжность электрической части электростан-
ций. – М.: МЭИ, 1993. – 112 с.
6. Фокин Ю.А. Вероятностные методы в расчѐтах надѐжности элек-
трических систем. – М.: МЭИ, 1983. – 216 с.
7. Китушин В.Г. Надѐжность электрических систем. – М.: Высшая
школа, 1984. – 256 с.