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。     

基于多融合贝叶斯变零值维纳电能表退化研究

针对高干热、高海拔与高严寒等典型环境应力下智能电能表退化趋势难以刻画的问题,提出了一种基于多融合贝叶斯变零值维纳的智能电能表退化研究方法。首先,对各公司的多个电能表样本基本误差与环境应力分布规律进行多维分析,选择合理先验分布;然后,采用多融合贝叶斯网络模型融合各种环境应力对多款电能表的退化趋势影响,并在此基础上建立变零值维纳退化模型;利用马尔可夫链蒙特卡洛方法实现非共轭条件下的模型参数求解后,通过比对分析多个模型预测结果及其置信区间,验证本文变零值维纳退化模型的适用性和优越性;最后,结合逆高斯分布,分析智能电能表的可靠度。结果表明,所建立模型能够准确分析典型环境下智能电能表随时间的退化趋势,适用于典型环境条件下智能电能表基本误差预测。     

基于加速退化试验数据的智能电能表早期失效分析

基于加速退化试验进行智能电能表的寿命预测,是当前解决智能电能表的可靠性评估的一种有效手段。智能电能表在设计、制造过程中不可避免的引入早期失效的问题,若在开展加速退化试验工作时,不对检测得到的智能电能表性能数据进行早期失效分析,将存在早期失效的智能电能表的伪寿命数据引入寿命评估,会导致错误的寿命评估结果及不必要的后期维修更换成本、风险。针对智能电能表的加速退化试验数据处理问题,提出了一种基于加速退化试验数据的早期失效分析方法,并以某单相智能电能表为例,进行了分析验证,本文的研究进一步提升了智能电能表寿命评估的准确性。     

智能电能表的加速退化试验方案研究

针对加速寿命试验对长寿命产品可靠性评价的不足,采用加速退化试验的方法对智能电能表进行可靠性评价。通过分析影响在运智能电能表可靠性的主要因素,选取了温度、湿度作为加速应力;通过摸底试验和对加速因子的分析,确定了最大加速应力水平及优化后加速应力组合;确定了退化特征量及其失效阈值、样品数量及其分配比例、试验时间及测量次数等试验参数;最后给出了加速退化试验的试验方案。     

基于遗传算法的智能电能表配送车辆优化调度

从车辆路径问题的属性角度对智能电能表的配送优化调度问题进行了描述,并对该问题进行了假设,建立了比较符合实际的数学优化模型,并基于遗传算法的工作流程对该优化问题进行了分析求解,最后基于matlab建立了一个仿真计算模型,得出了最优的配送方案,说明了该方法对于求解智能电能表配送优化调度问题的有效性。     

基于加性分位数GB算法的智能电能表数据不确定性预测

与传统电力数据相比,智能电能表数据波动性更大,可预测性更低。能源行业需对智能电能表数据进行概率预测,以量化未来电力需求的不确定性,以便对发电和配电进行合理规划。文章提出了一种用梯度提升算法估计智能电能表数据未来分布的加性分位数回归模型。所提方法提出了电能表数据概率预测的分位数回归及分位数修正算法。基于分位数算法给出了综合考虑外部影响因素的加性分位数的GB算法,并研究了该基于梯度提升算法的智能电能表数据概率预测加性分位数模型的关键性能参数选择,从而建立起了高性能的智能电能表数据概率预测模型;通过算例分析证明了该方法在综合和单个用户智能电能表数据概率预测中的准确性和有效性,尤其是在单个用户电能表数据概率预测方面具有远超其他算法的优越性能。     

智能电能表自动化检定流水线的温度参比条件影响分析

文中建立智能电能表结构化模型,分析确定智能电能表受温度影响产生误差的主要因素,即AD转换器基准电压受温度影响的变化。采用机理建模的方法,建立了CMOS带隙基准源和AD转换器受温度影响的数学模型,采用普遍应用的点积和电能测量算法,研究分析基准电压随温度的变化对智能电能表误差的影响及关系;并通过试验,给出智能电能表误差变化随温度与时间变化的关系曲线。根据被试电能表的等级,给出大规模智能电能表自动化检定流水线的温度参比条件的建议。     

基于支持向量回归的变电站蓄电池退化趋势预测

蓄电池是变电站电源重要组成部分,为直流系统提供稳定可靠供电。但运行中的蓄电池长期处于浮充状态,难以在线测量其最大荷电容量,容易出现蓄电池退化导致的储能不足,变电站保安电源中断和保护系统供电中断等问题。为准确预测铅酸蓄电池退化趋势,本文提出一种计及浮充和均充影响的蓄电池退化趋势预测方法。采用集合经验模态分解法（EEMD）将随时序变化的蓄电池健康状态特征量进行模态分解,然后将退化特征量模态分解的结果作为输出、电池浮充时长和均充次数作为输入代入支持向量机（SVM）完成预测模型的训练。以数据驱动的方法建立蓄电池使用计划与退化趋势之间的相关性,从而最终实现蓄电池退化趋势的预测。仿真实验结果表明,本文所提方法可有效预测蓄电池在使用计划内端电压和内阻等健康状态特征量的变化,为变电站的直流系统的合理运维提供依据。     

基于元器件应力法的电子式电能表可靠性预测技术

如何对电子式电能表进行可靠性预测是电力企业关注的热门问题.文章介绍了可靠性预测方法,重点讨论了基于元器件应力法的电子式电能表可靠性预测模型、电能表失效模型,提出了基于元器件应力法的可靠性预测方法和步骤,以及开展可靠性预测工作的建议,为电力企业评判电子式电能表质量提供一个有效途径.     

智能电能表可靠性预计技术

智能电能表可靠性预计是提高智能电能表固有可靠性的重要技术手段,开展预计的关键是选择合适的预计手册.分析了各预计手册的特点和局限性,结合智能电能表的固有特征及其可靠性预计的需求,指出Telcordia SR-332是目前预计智能电能表可靠性最实用的预计手册,具有重要的理论价值和工程应用价值.在选择预计手册之后,对多款智能电能表的预计结果进行对比分析,并总结出提高智能电能表可靠性的措施.     

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...     

基于GO法与贝叶斯网络的智能电能表可靠性预计方法研究

随着智能电能表的大面积普及和应用功能的复杂化,智能电能表可靠性的准确预计越来越重要.首先,利用GO图语义性强的特点,将电能表的架构框图转化为GO图;其次,根据GO法的贝叶斯映射法则,将GO图转化为贝叶斯网络,解决GO图操作符众多、算法复杂等问题;然后,对贝叶斯网络各子节点的条件概率表(CPT)进行标注,并将整理好的贝叶...     

温度影响下的智能电能表误差模型

开展对智能电能表在低温环境下运行的计量性能测试研究,在黑龙江省漠河县地区搭建低温实际运行状态下的智能电能表试验场,试验功能包括:近、远程检测系统;负荷控制系统;保护系统以及环境监测系统。近、远程检测系统可以实现本地和远方在线检测。基于智能电能表低温环境试验基地的实际检测数据,结合Matlab和Origin等处理软件基础性地研究低温环境和运行负荷与智能电能表计量性能的关系以及影响程度,结果表明:低温环境会使电能表误差向负方向漂移,从而得出不同负荷下电能表误差随温度变化的数学模型。     

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。     

电能表故障预测的代价敏感模型研究

对电能表故障的准确预测是及时处理异常电能表,实现拆回电能表的自动分拣与质量评估的关键环节.为解决电能表故障预测这一高度不平衡的分类问题,文章提出一种代价敏感的多分类集成树模型.通过层次聚类等预处理技术,对数据特征维度进行压缩以抑制过拟合;通过优化基于类别先验概率设计的代价敏感目标函数,模型可以有效克服由于数据集不平衡导...     

智能电能表面向对象通信协议设计

文中通过介绍面向对象思想,结合用电信息采集工作中涉及的协议现状,提出了以面向对象模型制定自主协议的建议,并通过一个面向对象建模的例子阐述了对象建模可以增强计量仪表的互操作性,减少仪表以及协议与具体业务的牵扯,避免在电力公司业务升级过程中频繁的软件升级和协议更改。     

基于k-means的智能电表负荷测量估算

文章提出了一种基于K-means聚类分析的负荷估计算法.该算法将聚类的负荷曲线和距离函数应用于估算缺失和未来的测量值,研究了Canberra、Manhattan、Euclidean和Pearson的相关距离函数,利用聚合智能电能表的每日和分段负荷曲线实施了一些案例研究.当分段配置曲线覆盖的时间窗口≤24 h,仿真结果表明,Canberra距离优于其他距离函数.结果 显示,分段式集群中心比每日集群中心产生更准确的负荷估计,聚类中心在16 h～24 h范围内获得更高的准确性估计.根据研究成果,可以将开发的负荷估算算法与状态估算或其他网络操作工具集成在一起,更好地监视和控制配电网络,为电力系统提供服务.