基于贝叶斯网络的智能电能表可靠性预计的研究

可靠性作为智能电能表正常工作的重要指标,是现阶段电能质量研究的重点问题,本文针对智能电能表可靠性预计的重要性为切入点,讨论电能表可靠性的研究过程,以贝叶斯网络为依据,分析了传统的贝叶斯网络的可靠性预计双向推理的方法,并且同时结合故障树的模型理论,在可靠性研究的求解过程中引入了新的桶消元法对贝叶斯网络进行计算简化,从而快速得到可靠性预计结果。最后通过本文提出的方法,应用于电能表可靠性预计实例当中,计算的结果满足GJB/Z299C-2006标准在误差范围内的要求,从而证明,该方法简化预计过程的同时准确的预计出可靠性结果。     

基于贝叶斯网络的智能电能表可靠性预计研究

可靠性作为智能电能表正常工作的重要指标,是现阶段电能质量研究的重点问题,针对智能电能表可靠性预计的重要性为切入点,讨论电能表可靠性的研究过程,以贝叶斯网络为依据,分析了传统的贝叶斯网络的可靠性预计双向推理的方法,并且同时结合故障树的模型理论,在可靠性研究的求解过程中引入了新的桶消元法对贝叶斯网络进行计算简化,从而快速得到可靠性预计结果。最后通过提出的方法,应用于电能表可靠性预计实例当中,计算的结果满足GJB/Z299C-2006标准在误差范围内的要求,从而证明,该方法简化预计过程的同时准确的预计出可靠性结果。     

基于FMEA和HM的智能电能表关键元器件认定研究

智能电能表关键元器件的认定是智能电能表可靠性提升的重要途径和手段。文中根据智能电能表可靠性的要求,结合智能电能表的实际情况对智能电能表严酷度进行了定义。利用故障模式和影响分析方法(Failure Mode and Effect Analysis, FMEA)结合智能电能表实际故障调研数据,对智能电能表的严酷度和故障概率等级进行评定,在此基础上绘制危害性矩阵图,得到了智能电能表关键元器件的认定依据,进而认定了智能电能表的关键元器件,实验分析验证了结果符合实际情况。文章对智能电能表生产厂家和相关管理部分具有较好的参考价值,对提升智能电能表可靠性有积极作用。     

改进贝叶斯网络GO法在高压直流输电系统的可靠性分析

文中针对贝叶斯网络GO法仅适用于简单不可修系统可靠性分析的不足,提出了改进贝叶斯网络GO法。改进算法依据元件之间的相关性和系统运行工况,在贝叶斯网络中构建了串、并联相关性结构等效算法,改进了模型映射流程,使之适应复杂可修高压直流输电系统可靠性分析。在建立的高压直流输电系统可靠性模型上应用该方法进行定量计算验证,结果表明:改进贝叶斯网络GO算法是可行的,它仅需多次贝叶斯网络推理就可直接计算等效单元可靠性特征量,无需考虑共有信号问题,省去了复杂的GO运算,还可利用贝叶斯网络寻找系统中可靠性薄弱环节。该方法相比传统GO法具有明显优势。     

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。     

基于贝叶斯网络时序模拟的气电耦合系统可靠性评估

采用贝叶斯网络时序模拟的算法对气电耦合系统的可靠性进行分析与研究.首先根据贝叶斯网络的逻辑关系,针对11节点的天然气系统,建立天然气系统贝叶斯网络,计算天然气系统的可靠性指标,验证了贝叶斯网络及算法的可行性,同时根据贝叶斯网络的诊断推理性质,对比各个元件对天然气系统故障影响程度.然后,以IEEE-RBTS Bus6系统主馈线F4配电网和比利时11节点天然气网络搭建气电耦合系统,建立对应的贝叶斯网络,采用时序模拟的方法分析气电耦合系统的可靠性指标,并通过不同模式下其可靠性数据的对比,验证了气电耦合系统对可靠性指标的提升程度,并依据贝叶斯网络诊断推理识别系统可靠性的薄弱环节,为系统建设及系统检修时提供有效的参考信息.     

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。     

基于层次分析法和群体决策的智能电能表可靠性分配技术研究

针对电能计量设备研发过程中可靠性分配开展的实际情况,以及层次分析可靠性分配方法主观性过强的问题,文中将群体决策引入到层次分析法中,应用于电能计量设备的可靠性分配.聘请多位领域专家分别对智能电能表的递进层次结构模型建立判断矩阵,利用一致性比例构建专家权重,并由指标权重和专家权重形成综合权重,从而克服层次分析法中主观性过强的局限性.通过对某型号智能电能表采用层次分析法和群体决策进行可靠性分配,对基于该可靠性分配结果的设计方案进行可靠性预计评估,其结果证明了方法的正确性和有效性,对于智能电能表在研发过程中的可靠性设计、降低设计可靠性成本、寿命试验(加速、高加速)、实际使用过程的运行维护具有参考价值.     

基于贝叶斯与数据驱动的智能电表状态感知技术研究

为更准确地对智能电能表进行状态评估,文中将加速退化试验数据与现场检测状态数据相结合。文章基于加速退化试验(Accelerated Degradation Test,ADT)数据,成立了线性Wiener过程退化以及综合湿、温度加速模型,以贝叶斯理论对模型进行参数预测,利用外场检测状态数据修正退化模型中的参数,最终给出了智能电能表在运行状态下的状态评估结果。该方法同时解决了仅基于加速退化试验数据的在线运行状态评估和通过外场条件获得的状态数据预测模型的两类不准确性问题,对智能电能表数据融合方法的研究具有一定的参考价值。     

智能电能表可靠性研究综述

智能电能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。智能电能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能表失效的内因,从而为智能电能表的质量提升提供理论依据。文章在调研分析智能电能表的运行现状基础上,分析了当前智能电能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,总结了关于智能电能表可靠性标准规范的发展现状,探讨了未来智能电能表可靠性的发展方向。     

基于改进BP神经网络的低压配电台区智能电能表误差状态评估模型

针对配电网台区中智能电能表误差估计问题,基于粒子群优化BP神经网络提出智能电能表误差估计方法。所提方法从数据搜集和数据预测、预处理建立智能电能表误差估计模型;针对传统BP神经网络隐含层节点数制定的局限性,提出采用粒子群优化算法对隐含层节点数进行优化,并采用优化得到的隐含层节点数构建BP神经网络结构对训练样本数据进行训练,基于训练得到的BP神经网络对测试样本数据进行计算得到智能电能表误差数据。针对某地区典型配电网台区中智能电网运行误差估计问题,采用所建立的方法进行智能电能表运行误差的评估。仿真算例表明,所建立的模型能够有效评估智能电能表运行误差,相比于传统的评估方法,其评估准确性有显著提升。     

基于混合威布尔模型的智能电能表可靠性评价方法

针对当前智能电能表故障类型多样、可靠性评价单一的问题,本文提出基于混合威布尔模型的可靠性评价方法。首先基于智能电能表各单元串联关系和故障事件进行故障类型分类,利用最小二乘法推算各单元故障类型的尺度与形状参数,结合中位秩与平均秩次计算智能电能表累计失效概率提高模型准确度,并通过熵权法计算各故障类型对整表可靠度影响的权重系数,据此建立基于混合威布尔模型的智能电能表可靠性评价方法。实例结果表明：本文提出方法在各类故障类型下均能准确得到智能电能表可靠度评估,并能准确获得智能电能表单元模块的可靠度,与现有方法相比,本文方法不需大量先验知识,且实现简单、准确度更高。     

基于层次分析法的智能电能表软件质量评价

随着智能电网的发展,电能表逐步向智能化、多功能化方向发展,对嵌入式软件的质量提出了更高要求。针对智能电能表的功能特点,结合AHP层次分析法,依据专家经验对智能电能表各功能分类的测试项目进行两两比较,以确定每类项目的权重,根据权重实现对智能电能表软件的质量评估。文章提出的方法对评价电能表软件可靠性及容错能力,具有一定的参考价值。     

基于马尔科夫链蒙特卡洛仿真的智能电表软件可靠性仿真研究

保障智能电能表软件可靠性有利于降低设备故障率,提升电力营销部门服务质量。基于灰盒测试的软件测试技术能够在保护软件源代码安全性基础上进行深度测试。依托智能电能表软件测试平台,按事件触发概率构造若干马尔科夫状态,对智能电能表进行蒙特卡洛仿真分析,使用两款单相电能表进行软件可靠性评价研究。测试模型能够充分挖掘电能表软件成熟度和健壮性,形成对比数据和结论。     

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.     

基于层次分析法的智能电能表供应商评价方法

智能电能表是电力系统进行电能计量的关键设备,目前对智能电能表的供货需求庞大,实现智能电能表的质量评价对其招标工作具有重要意义。提出了一种智能电能表的供应商评价方法,综合考虑了智能电能表的性能指标和商务指标的影响,针对一般的质量评价方法无法全面、准确地对智能电能表的多项质量影响指标的重要性和优先级横向比较的问题,该方法采用层次分析法,选择能够全面反映智能电能表误差概率分布情况的特征量指标,依据专家意见,对指标两两比较的重要性程度做出打分构造判断矩阵,通过计算变换将多个指标转化为一个综合指标,对智能电能表的供货优先级形成评价性指标。实例表明,该方法能对智能电能表做出有效评价,得出智能电能表的采购优先级。     

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。