智能电能表批次故障预警和寿命预估方法

随着智能电网的建设,智能电能表投运数量出现大幅增长。基于现场可靠性数据,使用极大似然法对智能电能表的分布参数进行估计,提出了智能电能表批次故障预警和寿命预估方法。实际验证结果表明,所提方法可以预警存在故障的智能电能表批次,预估可靠寿命,为智能电能表轮换机制的优化提供理论和数据支撑。     

批次电能表寿命预判系统设计与实现

为实现批次电能表故障预警及寿命预判,文中开发了一套批次电能表寿命预判系统,该系统通过对电力公司大量现场故障数据的清洗筛选,构建一套用于存储电能表可靠性关联数据模型的故障数据库,并在故障模型库的基础上,开展电能表数据统计分析、批量寿命预判及故障快速诊断等应用模块的开发.系统通过对16个不同厂家、不同型号、共计1020个到货批次电能表的寿命预判分析,其月阶段失效率偏差值低于20％.该系统可为电能表状态更换、故障诊断预警提供技术支撑,有效节省社会资源、缓解环境压力,同时降低电力公司现场运维成本.     

基于现场可靠性数据和组合应力寿命模型的电能表寿命预判

基于电能表MDS系统、用采系统和营销系统等数据源,分析了现场可靠性数据、故障模式、故障机理、外部诱导应力以及它们随时间变化的特征,建立了不同应力条件下的电能表的组合应力寿命预判模型。通过对不同批次、不同供应商的现场故障数据的实际验证,结果表明,该寿命预判模型可以预测批次电能表的剩余寿命,使电能表暴露潜在故障,支撑批次电能表状态精准更换。为故障快速排除和故障优先级处理提供理论和数据支持。     

基于分故障模式威布尔分布模型的电能表寿命预判及验证

现场运行故障电能表在不同故障模式形成机制及演化趋势各有差异,文中提出了一种基于分故障模式威布尔分布模型的电能表寿命预判方法.利用电能表进行历史故障数据实测,建立各故障模式失效率威布尔分布模型,根据拟合优度情况,优化部分故障模式预测结果,并对所有故障模式的阶段失效率进行累加;从而获得整体电能表的预期寿命.经现场电能表故障数据验证,表明该方法可有效对电能表寿命进行预判,同时可以预判同批次电能表可能潜在故障,有利于批次电能表状态更换、隐患排查.     

基于共享数据源和组合应力寿命模型的电能表寿命预判

基于电能表计量中心生产调度系统、用采系统、营销系统等平台的共享数据源,分析了现场可靠性数据,故障模式,故障机理和外部诱导应力以及它们随时间变化的特征,建立了不同应力条件下的电能表的组合应力寿命预判模型。该寿命预判模型可以预判批次电能表的剩余寿命,使电能表暴露潜在故障,支撑批次电能表状态精准更换。此外,为故障快速排除和故障优先级处理提供理论和数据支持。     

在运智能电能表批量剩余寿命预判方法

该方法主要目的在于通过对批次性电能表历史故障数据的分析,判断故障分布浴盆曲线拐点和预测下一个时间段的失效率。该方法利用对电力公司用采系统和营销系统故障数据的二次挖掘,提取有技术价值的故障数据,通过分析研究电能表产品整体批次失效率随时间变化的特征,利用威布尔分布拟合的方法从电能表无差别数据和考虑外部应力条件后的故障数据两个层级对产品的批次可靠性状态进行判断和下阶段的寿命指标进行预测,并输出相应的批次电能表当前和下一个阶段失效率、累计失效率和分布类型的形状参数,进而为批次性电能表轮换周期节点的判断做出技术数据支撑,输出高故障率风险提示、警告。     

智能电能表运行状态评估技术研究综述

智能电能表运行状态评估包括可靠性分析、电能表故障分析以及电能表可靠性寿命预计;针对目前智能电能表运行状态评价研究必须面对的问题,将当前应用于智能电能表状态评估的质量评价方法、异常分析和故障预测算法、寿命预测算法等内容进行了梳理和对比,总结了智能电能表运行状态评价技术的研究现状和最新研发进展;从智能电能表数据特点的角度阐释了目前应用算法的特点和不足,探讨了研究基于多源数据融合技术的智能电能表运行状态评估技术的必要性、可行性和努力方向,为智能电能表数据数据分析技术和状态评估技术提供可靠的借鉴意义。     

基于多应力影响威布尔分布模型的电能表寿命预判及验证

电能表不同故障模式的失效分布特征不同,诱发其失效的应力类型和退化过程也各有差异。文中提出了一种基于多应力影响威布尔分布模型的电能表寿命预判方法,应力类型主要包括环境应力及电应力。利用电能表实测历史故障数据建立各故障模式失效率威布尔分布模型,进而针对主要影响应力类型,建立影响应力与各故障模式失效率之间的模型,并计算影响系数,通过调整各故障模式的预测阶段失效率,获得整体电能表的近期寿命。经现场实际电能表故障数据验证,其累计失效率偏差率平均值为1.99%,失效数偏差率平均值为4.41%,表明该方法可有效预判电能表寿命,为电能表状态更换、故障预警提供技术支撑。     

电能表健康度分析及整体运行状态预测方法

通过基于"厂商+批次"对电能表整体运行状态进行分析,不仅可以发现电能表的运行故障率呈现出明显的层次分布,同时还能发现家族性的问题或者缺陷,实现基于传统的人工经验诊断转变为基于机器学习智能分析预测。第一阶段:以厂商和生产批次为对象,通过对电能表状态的故障率、报废费和折旧率进行分析,将所有电能表的分析数据降维整合为"非健康度曲线"的一维数据,且利用散点图将分析对象非健康值展现。不仅能告诉我们每个批次电能表的现状,还能告诉我们哪些批次存在问题,根据不同的预警等级,确定电能表故障的严重性。第二阶段:通过对电能表工作状态和工作环境实时监测,借助机器学习中线性回归的算法,诊断、预测电能表的实际运行状态,预测电能表非健康度值变化趋势。基于上述二个阶段的分析,为电能表状态检修、备品备件等工作提供辅助决策依据。     

智能电能表故障风险预估算法的研究*

智能电能表随着国家电网的大力推广应用,它在使用中是否发生故障已成为令人关注的问题。为此,研究并编制了智能表故障风险预估算法。该算法针对智能电能表的首检数据,先按规程判定出性能良好的电能表,再将这些良好电能表分别进行横向筛查和纵向筛查,最后依筛查结果划分为四个风险等级,可作为检修维护的参考数据。用大量数据对算法进行了验证,结果符合本文预期值,表明算法正确合理。     

大规模电能计量器具智能检定的优化调度策略探讨

探讨了大规模电能计量器具智能检定的优化调度策略。为实现检定台体效率的最大化,提高自动化检定的检定能力,同时保证AGV小车输送轨道的畅通,提出了一种分区分线体分单元分散调度的优化调度策略。根据AGV机器人、检定台体的工作状态及其检定工作进度,建立待检转接台没表情况下AGV输送的优先级策略。结合电能计量器具实际配送的特点,采取批次尾表优先回库的原则。最后,实证验证了所提优化调度策略是可行的和有效的。     

基于边缘计算的智能电能表能耗与寿命优化方法

针对智能电能表在大规模使用后出现的寿命异常缩短,能耗异常增高问题。提出了一种基于边缘计算的智能电能表能耗与寿命优化方案。使用边缘服务器接收和上传智能电能表数据,在边缘端通过卷积神经网络(CNN)提取能耗与寿命的影响因子,采用K-means聚类算法预测用电量变化从而得到能耗与寿命优化模型。仿真结果表明,在基于边缘计算的能耗与寿命优化环境中,优化的1000个智能电能表的使用寿命提高了30%,总能耗降低了26%。为智能电能表长期稳定工作提供了一种研究方法。     

基于复合核 SVM 的智能电表基本误差预测方法

智能电表作为电网的终端设备,其退化情况与工作环境、运行时间等因素密切相关.针对复杂变量条件下智能电表退化情况难以预测的问题,提出一种基于复合核支持向量机(support vector machine,SVM)的智能电表基本误差预测方法.首先对智能电表退化数据进行分析,采用皮尔逊相关性分析找出与智能电表基本误差相关性极强的环境变量.然后,为进一步提取数据退化特征,采用模糊C均值聚类算法对智能电表退化数据进行聚类,确定退化特征向量.最后,基于高斯径向基核函数与多项式核函数构造一种新的复合核SVM模型用以预测智能电表基本误差.结合新疆地区智能电表退化数据对复合核SVM模型性能进行验证,实验结果表明,复合核SVM模型可以准确预测复杂环境下智能电表的基本误差,其预测准确率高于贝叶斯方法、神经网络方法以及经典SVM方法.     

智能电能表大容量数据安全存储的方法研究

智能电能表作为一种电能计量器具,其数据存储安全十分重要。随着OIML R46国际建议的推行和智能电能表功能越来越丰富,对大容量电能数据存储提出了新的要求。从EEPROM及Flash数据保存特点出发,结合电能存储数据的重要性,研究了智能电能表的数据存储器分配,提出了一种智能电能表的大容量数据存储方法,提高了数据的存储效率,扩展了存储器的使用寿命,并且大大提高存储数据的安全性,同时在成本上得到了有效控制。     

基于随机矩阵的海量智能电能表异常个体定位方法

智能电表是电力计量计费的核心装置,关系业主、电网等多方经济利益,具有数量庞大、运行环境复杂等特点。为有效精准发现海量智能电表的异常个体,提出了一种基于随机矩阵的海量智能电表异常个体定位方法。首先,提出了智能电表健康状态的多个参数表征方法,包括比差、角差、温度、湿度、震动等非电气量参数和一次电压、磁场等电气参数。其次,为了更加准确全面地对智能电表的状态进行评估,将智能电表的实时数据、仿真数据和历史运行数据等作为数据源,选取智能电表健康状态时的参数构建高维随机矩阵进行分析,实现了智能电表异常个体的定位。最后,采用南网新一代智能电表实际数据验证了文章所提方法的有效性,以期为我国智能电表在线运检提供借鉴。     

考虑现场校验的智能电能表可靠性分析与改进

为解决智能电能表运行8年到期轮换的问题，列举并分析了3种可行的电能表轮换方案。随着智能电能表生产水平的提高，针对采用现场校验方式延长电能表轮换周期的方案，考虑不同地域的气候因素和电能表现场校验结果的影响，对基于威布尔分布分析电能表运行寿命的过程进行修正，通过理论计算与实际情况对比验证该方法可行，为电能表轮换周期的延长提供理论依据。     

智能电表可靠性研究综述

智能电表的普及以及功能复杂性的提高使其可靠性问题变得突出。智能电表的可靠性评估方法包括基于元件应力法的可靠性预计以及可靠性加速寿命试验,而失效机理的研究可从微观层面分析智能电表失效的内因,从而为智能电表的质量提升提供理论依据。文章在调研分析智能电表的运行现状基础上,分析了当前智能电表在可靠性预计以及可靠性加速寿命试验和失效机理等方面的研究现状,总结了关于智能电表可靠性标准规范的发展现状,探讨了未来智能电表可靠性的发展方向。     

智能电能表综合性能评级方法研究*

针对目前国内智能电能表综合性能评价缺失的情况,提出一种基于数据挖掘方法的智能电能表综合性能评级方法。基于大量智能电能表样本的全性能试验数据,选取代表性试验项目数据作为性能评级指标,利用主成分法分析某一评级指标下不同试验点的影响程度,给出不同试验点的权重值,通过加权处理获得各评级指标数据,得到评级指标矩阵。采用k均值聚类分析法构建智能电能表综合性能评级模型,对所选各样表性能给出评级结果。最后随机选取三个不同电能表厂家的样表,结合电能表现场故障率统计情况等分析其评级结果分布,验证了该评级方法对电能表综合性能评级的合理性及可靠性。     

基于故障树的智能电能表可靠性分析

智能电能表系统复杂且广泛运用于日常生活,智能电能表可靠性的提升对于整个电力部门的正常运行具有重要意义。提出了基于故障树的智能电能表可靠性分摊算法,利用可靠性指标对系统可靠性进行分析。该算法包括智能电能表故障树的建立,可靠性分摊算法在故障树最小割集中的结合应用,提出元件可靠性指标进行智能电能表元件可靠性评估。根据智能电能表的结构特点、各功能作用进行定性分析,建立完整的智能电能表故障树。由可靠性指标进行智能电能表元件故障追踪,确定对电能表故障影响的关键元件,从而通过相应措施进行故障预防提高智能电能表可靠性。通过对智能电能表可靠性指标的评定证明本算法对系统可靠性指标的改进,有效提高分析系统可靠性。