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。     

基于多分类融合模型的智能电能表故障预测

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GJB/Z299C的智能电能表关键元器件可靠性预计

针对国产智能电能表存在的一些问题,提出对智能电能表关键元器件进行可靠性预计,同时以GJB/Z 299C为基础,设计了关键元器件可靠性信息输入表。研究了智能电能表的主要故障类型,对各主要故障类型进行统计分析,给出了导致故障的关键元器件;基于GJB/Z 299C,设计出各关键元器件的可靠性信息输入表,通过填入相关数据信息,再进行相关计算,即可获得各关键元器件的工作失效率。该方法简单易行,已在企业中实行,对提高国产智能电能表可靠性具有一定的现实意义。     

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,并将整理好的贝叶斯网络转化为编程语言,利用matlab软件进行可靠性计算;进行贝叶斯双向推理,最终得到电能表的可靠度及各个节点的后验概率分布,对电能表进行故障推断;最后,针对电能表开展加速寿命试验,试验结果验证了方法的科学性与有效性.     

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。     

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。     

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。     

智能电能表时钟精准对时方法研究及应用

针对现场长期运行的智能电能表时钟错乱问题以及传统对时方法的不足,分析确定导致电能表时钟错乱的根本原因,提出双层级响应的智能电能表时钟精准对时方法,从影响智能表时钟故障的原因、发动智能表时钟对时的响应机制、对时流程整体执行效率等方面对该方法进行分析,并说明应用情况和应用效果。     

智能电能表的现场运行管理策略研究

智能电能表是智能电网建设的重要组成部分。随着智能电能表的逐步推广,智能电能表在设计、制造、管理、运输等多种环节质量问题也渐渐暴露出来。文章以智能电能表故障实例为基础,分析故障原因,对故障进行分类,研究不同故障类型的检测方法,形成相应的检测项目,以可靠性技术为中心,提出运行管理措施,降低现场故障,提升运行水平。     

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...     

基于故障树理论的单相智能电能表黑屏故障分析方法研究

借助故障树相关理论,结合电能表现场故障分析数据,展开了基于单相智能电能表的黑屏故障分析方法研究。首先,进行故障统计与电能表结构分析,将引起电能表黑屏故障的原因进行分类和初步分析;其次,逐单元定位失效原因,建立故障树模型;最后结合故障树模型,进行定性分析和定量分析,确定故障树最小割集,计算系统黑屏故障率和最小割集的概率重要度,确定故障定位与分析顺序,为快速、精确定位和分析电能表黑屏故障提供建议。