基于异常事件故障关联度的电能表可靠性评价方法

随着智能电网的全面建设,使得通过智能电表终端的用电采集数据来对电能表可靠性评价成为了可能。本文提出了一种基于异常事件故障关联度的电能表可靠性评价方法。由于电能表故障引起的异常事件报警存在一定的耦合关系,所以将异常告警事件分为单异常事件和并发异常事件进行分析。对于单异常告警事件,分析电能表发生异常事件报警的次数与电能表故障有无直接关系;对于组合异常告警事件,利用Apriori算法筛选出频繁发生的组合异常告警事件,然后计算异常事件的故障关联度。最后通过异常事件的故障关联度对同地区尚在运行的电能表进行可靠性评价。实例分析结果验证了本文方法的可行性。     

单相电子式电能表黑屏故障分析

对南宁供电局运行中的DDS8880型单相电子式电能表出现大概率黑屏及报警故障进行分析,认为故障原因有电源供电回路异常、电池功耗低、上电后MCU不能自动复位、显示及报警异常。介绍了分析查找故障方法。分析结果可对评定该批次电能表的整体性能提供参考。     

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.     

基于时间序列的电能表月故障数预测方法

针对当前国网信息系统中电能表故障预测模型比较简单、不够全面和没有具体电能表月故障数预测模型的问题,基于时间序列建立综合时间序列预测模型,实现对批次电能表月故障数较准确的预测。首先计算电能表月故障数的移动平均序列,去除微小波动;然后根据序列是否有明显长期趋势,选用ARIMA模型或指数平滑模型对移动平均序列进行预测;最后采用反向移动平均,实现对整个批次电能表月故障数准确的短期预测。通过与BP神经网络模型的预测进行对比,验证了综合时间序列模型的实用性和准确性。在此基础上,建立电能表月故障总数预测模型。计量资产管理部门可以根据所提方法对故障电能表数进行预测,根据预测结果进行备货,提高管理部门的资源配置合理性和工作效率。     

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。     

计量异常分析及处理（下）

<正>（接上期）计量异常是指因计量用电压互感器、电流互感器、电能表等计量设备故障或接线错误引起的电能表计量不准,其常见故障可分为电压电流异常、电量异常和接线异常三大类。下面接着从电量异常和接线异常的故障现象描述、故障原因分析、故障诊断排查步骤和故障修复处置等方面进行详细介绍。     

厂站电能量远方终端电压采集异常故障分析

针对广西某电厂的厂站电能量远方终端电压显示异常故障,搭建试验室模拟测试平台,通过模拟不同相别的电压组合场景对故障现象进行复现.基于故障现象,对故障厂站终端抄读电能表电压瞬时量的流程和用户采集参数的配置文件进行分析,查出故障原因为该文件参数配置异常,并提出了相应整改措施和建议。     

电压互感器故障判断及电量分析

分析电压互感器二次电压异常原因和故障所在,给出了电能表在非正常运行时的差错电量计算方法.     

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。     

智能电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。     

基于超阈值分布的直流充电桩计量准确性预测研究

直流充电桩准确性取决于超过误差阈值但小于极大值区间的分布.文中从POT模型出发,引入广义极值分布和广义Pareto分布对非对称的误差数据序列进行特征描述,采用超限均值函数法和峰度值法对阈值进行估计.结果 表明直流充电桩误差数据可用广义Pareto分布较好拟合,并结合危险率函数给出超阈值风险的概率,为预防直流充电桩误差极值可能造成的风险提供较为可靠的依据.     

基于voting集成的智能电能表故障多分类方法

为提升智能电能表故障准确分类能力,助力维护人员迅速排除故障,本文提出基于投票法voting集成的智能电能表故障多分类方法。首先针对实际智能电能表故障数据进行编码预处理,基于皮尔逊系数法筛选智能电能表故障分类关键影响因素,结合SMOTE算法解决数据类别不平衡问题,由此建立模型所需数据集,再通过投票法进行模型融合,结合粒子群PSO确定各基模型的权重,据此构建基于XGBT+KNN+NB模型的智能电能表故障多分类方法。实测实验结果表明：本文提出方法能有效实现智能电能表的故障快速准确分类,与现有方法相比,在智能电能表的故障分类精确率、召回率及F1-Score均有明显提升。     

智能电能表故障预警系统的设计与开发

智能电能表因其信息采集的便利性以及功能的完善性而广泛普及,如何高效且有针对性地对数量如此庞大的智能电能表进行维护是电力运营企业面临的挑战.针对此问题,文中提出了基于数据挖掘技术的智能电能表故障预警方法,即利用C 5.0算法构建智能电能表的故障预警模型,通过大量训练集对模型进行训练,再利用测试集计算模型的预警准确度.通过...     

基于权重调整-AHP法的电能表黑屏共因失效关键因素评价

共因失效会导致相互作用较强的元器件同时或先后失效,为有效评价电能表黑屏故障的共同失效问题,文中提出基于动态权重调整-AHP法的共因失效评价方法,该方法采用故障率峰值时刻的加权综合决策矩阵偏离权重模型,通过计算权重偏差的影响因子以获得稳定且唯一的偏离权重,修正了专家入为判断权重的准确性问题.最终应用实际案例验证共因失效评价方法的可行性及有效性,为电能表黑屏故障排查提供了可借鉴的经验.     

基于分层网络的电能表运行状态评价

现有的电能表状态评价大都从孤立微观的角度对电能表运行状态进行评估,没有从更大的视角对台区电能表进行整体评价。孤立地对单个电能表进行状态评价,有可能造成对整个台区运行风险的误判。为了更加全面细致掌握电能表及台区的运行状态,我们提出了一种分层网络模型。方法是基于用电采集系统和计量生产调度平台的历史数据,根据各指标的状态对电能表质量,预期寿命和故障率进行评分,依据评分将电能表状态划分为稳定、正常、关注、严重和预警五个等级。基于台区终端记录的电能表异常事件数据,利用深度决策森林(Deep Neural Decision Forests)模型将台区中的异常事件等级程度划分为严重、重要、较重要和一般四个等级,模型分类正确率达到86.58%。实验结果表明,方法能够准确判断电能表的运行状态和整个台区的运行风险情况,为实现电网可靠稳定运行创造了条件。     

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.     

基于改进支持向量机的智能电能表故障多分类方法

智能电表故障多分类对于制定合理及时的智能电表检修计划具有重要意义。针对智能电表故障多分类问题,采用支持向量机构建多分类模型,所建立的模型提取智能电表的输出电压,输出电流,输出功率,功率因素误差等数据作为分类依据构建多维空间,考虑包括误差超差,直流电流开路,直流电压短路,控制回路短线在内的智能电表模式识别故障分类。通过所建立的模型依据有限的样本信息在复杂性和学习性之间寻求平衡,对智能电表多维度运行信息在超平面之间进行最佳分类从而进行故障分类,通过引入一类对多类的最优分类平面集进行改进从而适用于多分类模型。采用混沌粒子群算法针对所建立的基于改进支持向量机的智能电表故障多分类方法进行求解流程设计。最后通过对某配电台区智能电表故障分类问题采用所建立的模型进行仿真,验证了模型的合理性。