基于数据融合方法的智能电能表运行剩余寿命预测

本文融合加速退化试验数据和外场检测退化数据对智能电能表进行在线运行的剩余寿命预测。首先,基于加速退化试验（ADT）数据建立非线性Wiener过程退化模型和温湿综合加速模型,利用贝叶斯理论估计模型参数。其次,利用外场检测的退化数据对退化模型中参数进行不断更新,采用粒子滤波算法实现这一更新过程。最终,给出智能电能表在外场状态检测时刻开始的剩余寿命预测结果。该方法解决了两个问题,一是解决了仅仅利用ADT数据对智能电表在线运行状态评估不准确的问题;二是解决了仅仅利用外场使用条件下的数据量建立预测模型不准确的问题。不仅如此,使用粒子滤波（PF）算法对参数更新的精确度也很高。因此,本文对于智能电能表数据融合方法的研究有着一定的参考价值。     

基于多元大数据融合的智能电能表可靠性评估模型

智能电表是电能计量体系的基础单元,广泛部署于用户侧。针对其量大而难以维护的问题,建立了基于多源大数据融合分析的智能电表可靠性评估模型。为了充分发掘智能电表设计、检修和运行数据中的有用信息,对多源大数据进行融合整理,得到了影响智能电表寿命的协变量数据和智能电表生存标签。基于生存分析理论建立智能电表生命周期CoxPH模型,并采用深度神经网络表征强非线性关联参数,形成智能电表的可靠性评估模型。基于某城市实际智能电表运维数据,对所建模型的有效性进行了验证。测试结果表明,所建模型可以基于智能电表的实时运行状态实现可靠性评估,为智能电表运维工作提供辅助决策。     

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。     

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.     

基于分层抽样的运行智能电能表剩余寿命预测方法研究

运行中的智能电能表的计量准确性直接关系着电网公司和用户的切身利益,全国6.8亿只的庞大数量,涉及国土面积90%,运行环境千差万别。投运后的智能电能表运行状态完全不一致,实际寿命不一致,因此需要对智能电能表的实际状态进行评估,开展寿命预测研究。本文采用分层抽样方法对典型的高湿热和高严寒地区运行一年的智能电能表进行抽样,建立了抽样寿命允差模型,综合考虑温度和湿度对误差的影响,基于浴盆曲线特性建立了Weibull寿命分布模型,将寿命预测结果与样本试验结果进行对比,论证本文所提出的寿命预测方法的可行性。     

基于加速退化试验的智能电能表服役抽检试验和乘余寿命预测方法

智能电能表服役一段时间后,需要定期进行抽检,决定该批次电表能否在线服役以及还能服役多少年。本文针对到达一定期限的智能电能表进行剩余寿命预测研究。首先根据到期智能电能表的抽检结果,选择部分样本进行恒定应力加速退化试验,试验过程中对输出性能参数基本误差进行监测。根据建立的幂函数退化模型和温湿综合加速模型,利用步进应力加速试验数据处理思想,推导得到高应力下产品的伪寿命分布,从而计算得出产品在给定可靠度为0.9时产品的剩余寿命。     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标。在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型——NGGM（1,1）,并将此模型应用于智能电网用电量预测研究中。该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考。最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性。     

基于ARMA-GABP组合模型的电网大停电事故损失负荷预测

损失负荷作为衡量大停电事故风险的重要指标,如何对其进行准确预测对于电网的安全运行具有十分重要的参考意义。选取1981—2016年东北电网和西北电网的大停电事故损失负荷作为实验数据进行分析,为消除电网发展对数据分析产生的影响,采用相对值法对电网大停电事故损失负荷进行处理。根据实验数据的特点,将损失负荷相对值的数据结构分解为线性和非线性残差部分,建立自回归滑动平均(ARMA)模型和遗传算法(GA)优化的误差反向传播(BP)神经网络组合模型,对东北电网大停电事故进行综合分析与预测。将所提模型的预测结果与单一模型和ARMA-BP模型的预测结果相对比,结果表明,所提模型的预测精度更高,预测效果较为理想。为进一步验证该预测模型的有效性,将西北电网大停电事故数据代入预测模型,实验结果表明该预测模型在电网大停电事故损失负荷方面具有良好的预测效果。     

基于Gauss插值的正交化预测方法在智能电网用电量预测中的应用研究

智能电网的一个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.在此背景下,将高斯正交化插值方法与灰色GM(1,1)预测模型相结合,构造一类新的灰色正交化预测模型--NGGM(1,1),并将此模型应用于智能电网用电量预测研究中.该模型可以有效地解决非等距序列的预测问题,较大程度提高模型的预测精度,优化数据质量,加强电网运行及调配的智能性,为智能电网的辅助决策提供更为符合实际的、可操作的科学参考.最后用所提出的方法对江苏省2008年工业用电量进行预测研究,其结果表明了所提方法的有效性.     

应用于智能电表的低功耗MCU的设计与验证

设计了一种应用于智能电网系统智能电表的低功耗MCU芯片。采用多种低功耗设计和验证技术,在保证电表功能正常运行情况下可进行工作模式的切换,降低芯片整体的工作功耗,从而使电表用电量降低,提高电能有效利用率和电表寿命。     

基于多分类融合模型的智能电能表故障预测北大核心

由于智能电能表功能的丰富多样,随之而来的是设备故障类型及故障率的不断增加,如何准确地判断智能电能表的故障类型,提高故障表的检修效率,对保障智能电能表的安全稳定运行十分重要。文中提出一种基于多分类融合模型的智能电能表故障预测算法。针对智能电能表故障进行多维度分析及故障类型筛选;通过欠采样和过采样相结合的混合采样方式解决数据集中类不平衡问题,构建分类预测模型所需数据;利用基础分类算法的组合获取最优融合算法,在公共数据集上验证了所提算法的有效性,融合后的准确率较基础分类模型有稳定提升,以近年来电网系统中实时采集的智能电能表故障数据为基础,进行了基础模型与融合后算法模型的实验对比,结果表明文中所提的多分类融合算法模型在故障预测的准确率和可靠性上有明显的提升。     

基于层次分析法的智能电表器件选型

智能电表是智能电网的终端,它除了具备传统电表基本的计量功能之外,为了适应新能源与智能电网的使用,还具备通信功能、故障预测、相位检测等智能化功能。但是,关于智能电表的基本核心器件的选型,目前还没有统一的标准,基于此,本文提出一种基于层次分析法的对智能电表元器件选型方案,该方案依据智能电网的发展需求和业务特征,具体分析了智能电网对智能电表的功能需求,并分别针对智能电表具体功能模块的需求特性设置准则层,从而选择出该智能电表所需最优的元器件,为智能电表元器件选型提供科学化依据,支撑智能电网的发展。     

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。     

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。     

电能表可靠性试验方法研究综述及展望

智能电能表是电力贸易结算的主要度量设备,其可靠性关系到产品电力企业与制造企业,电力用户与电网企业之间的安全性、经济性以及公正性等问题。智能电能表可靠性试验作为一种评估、提高可靠性的有效方法,贯穿了设计、制造、交付、使用、维护整个寿命周期,并随着不同的使用目的衍生出了一系列专用可靠性试验,具有广阔的研究和使用场景。简述了可靠性试验的发展历程,结合智能电能表发展过程综述了在学术界、制造业、用户方对智能电能表可靠性研究的研究历程,展望了在与国际接轨后满足IR46标准新一代电能表可靠性工作。     

单相智能电表中电能计量方法的研究

如今全球智能电网的发展趋势迅猛,其核心技术也是逐步进步,同时我国政府为了刺激经济,加大力度发展智能电网.智能电表对广大用电消费者的生活非常贴近,其应用技术也在居民中广泛普及.通过智能电网的发展,作为它智能终端的智能电表已相当普及,不同于以往使用的电表,它除了一些基本的电量计算功能,更多为了适用于新能源的发展以及智能电网要求具备了新的智能化功能,如双向数据通信,用户端控制技术,多种费率双向接受计量及防窃电等.主要对单相智能电表对电能的计量方法进行了研究.通过将电压信号和电流信号分别经过高精度模数转换器,由模拟信号转化为数字信号.然后通过高通滤波器和采样滤波器,滤去直流增益与高频噪声,从而得到需要的电压和电流采样数据.将电压和电流数据相乘,可得到瞬时有功功率,经过低通滤波器输出平均有功功率.另外,电压和电流采样数据分别通过平方电路,低通滤波器,开平方电路,可以得到电压和电流的有效值.将有功功率通过时间的积分,还可以获得有功能量.     

基于熵权-层次分析的智能电能表关键元器件选型方法

智能电能表作为智能电网中近用户侧的量测终端,是智能电网高级量测体系中与用户交互的核心环节,其可靠性需要重点关注.针对现有智能电能表的核心部件-元器件的选型依据主观经验选型的不足之处,提出一种智能电能表关键元器件选型方法,攻克经验选型方法中严重依赖于主观的不足之处.采用层次分析法设定智能电能表中元器件选择模型;针对层次分析法过于依赖专家经验而存在的客观赋权不足之处,采用熵权法进一步自适应调整层次分析方法中指标数据的权重;通过智能电能表中关键元器件的选型实验,验证出所提方法在智能电能表中的关键元器件选型的可行性和有效性,可为智能电能表的可靠计量提供保障.     

基于超状态隐马尔可夫模型的智能电能表非侵入式故障远程检定

存在故障或误差的智能电表不仅给电网企业带来经济损失,而且其中的安全隐患容易影响电网的稳定运行,尤其是对成分复杂的智能电网体系。针对这一问题,提出一种基于超状态隐马尔可夫模型(super-state hidden Markov model,SSHMM)对故障电表进行非侵入式远程检测与定位。该方法不仅能发现已经出现故障的电表,还可以对最有可能出现故障的电表进行估计,为电网企业的运营管理提供参考。在真实数据集上的实验结果验证了该方法的有效性与稳定性。