共查询到20条相似文献,搜索用时 15 毫秒
1.
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所必须面对的问题,对当前应用于智能电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,盘点智能电表运行状态评价技术的研究现状和最新研发进展;最后从智能电表数据特点的角度阐释了目前应用算法的特点和不足,并探讨了研究基于多源数据融合技术的智能电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。 相似文献
2.
随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。 相似文献
3.
随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。 相似文献
4.
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。 相似文献
5.
6.
随着电子设备复杂程度越来越高,电子设备的可靠性要求也越来越突出。由于影响电子式电能表不运行的因素比感应式电能表更多更复杂,对电子式电能表的可靠性提出了更高的要求。通过分析电子电能表可靠性评估技术的发展现状及存在的问题,结合电能表自身的技术特点及可靠性评估技术要求,提出了加速寿命试验和元器件应力法两种预测方法,这两种方法是开展电子式电能表可靠性预测的最实用、最具理论价值和工程应用价值的技术方法,有利于电力企业选用更高可靠性、长寿命的电子式电能表,大大降低电力系统经营运行成本。 相似文献
7.
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。 相似文献
8.
9.
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。 相似文献
10.
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。 相似文献
11.
电池欠压故障在智能电能表现场运行过程中具有普遍性,由于电池欠压诱发原因,可靠性数据来源具有多样性,使得在现场运行上开展电池欠压量化评价困难,尚缺少适用的时钟电池欠压的评估与预测方法。文中方法从时钟电池回路层面梳理各组成单元可靠性逻辑关系,针对电池欠压故障模式构建时钟电池回路系统可靠性模型,创新性地提出时变权重构建系统寿命分布模型,提出基于系统可靠性综合理论的时钟电池欠压预测方法,实现综合利用单元性能退化数据、寿命数据以及寿命分布信息以预测时钟电池欠压事件触发时间,解决组成单元可靠性信息多样性条件下电能表时钟电池欠压量化评价困难的问题,最后以现场运行表计时钟欠压故障案例验证文中方法的有效性。 相似文献
12.
13.
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。 相似文献
14.
15.
16.
针对智能电能表在高严寒、高海拔、高湿热、高盐雾、高干热等典型环境下运行时故障率高、可靠性降低的情况,分析了典型的域特征对智能电能表运行可靠性的影响因素,选取层次结构作为可靠性指标体系的基本数据结构,提出了典型环境下智能电能表可靠性指标体系;基于层次分析理论和熵理论,提出了一种改进熵权法,用于典型环境下智能电能表可靠性指标的量化分析和权重计算;基于地域差异建立的智能电能表可靠性指标体系与指标量化方法,更加有效地完善了智能电能表的评价体系,提高了智能电能表的管理水平,为开展差异化招投标及电能表制造工艺控制提供技术支撑。 相似文献
17.
国家电网有限公司单相智能电能表(2020)通用技术规范要求,电能表使用寿命提高至16年,即将服役到期的电能表运维规划问题成为该领域研究热点与难点.文中收集了智能电能表近两年的现场故障数据,提出左删失右截尾条件下基于Weibull分布和指数分布的电能表可靠性评估方法,利用似然比检验选择电能表最优寿命分布,借助极大似然估计和Fisher信息矩阵给出电能表可靠度、失效率、MTBF和可靠寿命的点估计与置信限.将可靠寿命作为电能表使用寿命的度量指标,结合电能表异步投入运行的工程背景,从轮换决策和延寿时间确定方法两个方面给出了电能表轮换对策,实验测试与分析验证了文章方法的有效性.研究成果对智能电能表运行和维护策略制定具有参考价值. 相似文献
18.
19.
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。 相似文献
20.
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。 相似文献