CN103383445A - 一种智能电表寿命和可靠性预测系统及其方法 - Google Patents
一种智能电表寿命和可靠性预测系统及其方法 Download PDFInfo
- Publication number
- CN103383445A CN103383445A CN2013102968493A CN201310296849A CN103383445A CN 103383445 A CN103383445 A CN 103383445A CN 2013102968493 A CN2013102968493 A CN 2013102968493A CN 201310296849 A CN201310296849 A CN 201310296849A CN 103383445 A CN103383445 A CN 103383445A
- Authority
- CN
- China
- Prior art keywords
- electric meter
- intelligent electric
- reliability
- life
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种智能电表寿命和可靠性预测系统及其方法,属于电力工程检测领域。本系统包括依次连接的数据采集单元(100)、数据调整单元(200)、模型建立单元(300)、模型调整单元(400)、计算单元(500)和结果输出单元(600);本方法是:第1、建立智能电表寿命和可靠性指标;第2、建立智能电表的数学模型,进行元件失效率的计算,利用失效率结果计算得到预测结果从而完成智能电表的寿命和可靠性分析。本发明可解决现有传统判断方法有效性低、试验时间长、结果一致性差等问题,具有操作方便、误差较小、经济可行的优点。
Description
技术领域
本发明属于电力工程检测领域,尤其涉及一种智能电表寿命和可靠性预测系统及其方法。
背景技术
智能电表将是智能电网中数目庞大的基本设备,这些设备与用户直接相连,其寿命和可靠性是用户与电力系统共同关注的问题。可靠性是衡量产品质量的重要技术指标,产品可靠性给出的是产品及零部件的使用寿命和寿命周期的故障分布等指标。
目前的可靠性预测方法一般分为以下三类:
1、基于数学模拟和分析的可靠性预测方法
此类方法中应用最为广泛的是元件应力法。该方法的基本思想是系统中所有元件都同等重要,任何元件故障都被假定为将导致整个系统故障,并且所有元件的故障率都被假定为在一定时间段内是确定不变的。
2、基于可靠性试验的可靠性预测方法
该方法通过加速试验所获得的数据进行可靠性预测。
3、基于可靠性验证的可靠性预测方法
该方法通过对运行数据进行收集分析从而对智能电表进行可靠性预测。
但是上述方法还存在如下问题:
基于数学模拟和分析的可靠性预测方法的基础是元件可靠性数据必须准确,倘若数据有一定的误差,该预测方法的有效性便降低。
基于可靠性试验的可靠性预测方法也存在一些较大的缺陷,如试验时间较长、成本高、同时不同的试验方法为预测结果带来不同的影响。
基于可靠性验证的可靠性预测方法所需数据收集周期长、数据可能不完善, 对新使用的智能电表无法进行预测,且各地的地区环境差异往往导致结果的一致性差。
发明内容
本发明的目的是针对现有技术中可靠性预测方法存在的有效性低、试验时间长、结果一致性差等问题,提出了一种充分考虑元件特性的智能电表寿命和可靠性预测系统及其方法。
为了解决上述技术问题,本发明采用如下技术方案:
一、一种智能电表寿命和可靠性预测系统(简称系统)
本系统包括依次连接的数据采集单元、数据调整单元、模型建立单元、模型调整单元、计算单元和结果输出单元。
工作机理:
数据采集单元和数据调整单元连接,实现对数据的采集和调整;
模型建立单元和模型调整单元连接,实现对智能电表数学模型的构建和调整;
计算单元实现对智能电表寿命和可靠性的指标计算;
结果输出单元实现对指标计算和寿命和可靠性预测结果的输出。
二、一种智能电表寿命和可靠性预测方法(简称方法)
本方法基于上述的系统,包括以下步骤:
第1、建立智能电表寿命和可靠性指标
①分析元件的可靠度、失效率、平均失效前工作时间[MTTF(Mean Time to Failure)]和可靠寿命;
②分析MTTF与可靠寿命的关系建立智能电表寿命和可靠性的指标;
第2、建立智能电表的数学模型,进行元件失效率的计算,利用失效率结果计算得到预测结果从而完成智能电表的寿命和可靠性分析;
①将智能电表划分为7个子模块,建立系统的数学模型;
②建立智能电表元件的工作失效率预测模型,并对其进行电应力因子和温度应力因子的失效率计算;
③根据已建立的可靠性指标对智能电表进行结果预测计算,完成智能电表的 寿命和可靠性分析。
本发明对比现有技术有如下优点和积极效果:
①根据采集得到的数据,建立精确可靠的模型,专门针对智能电表的寿命和可靠性进行分析,误差较小,效果较传统判断方法更加科学;
②传统判断方法所需试验时间较长且成本较高;本发明可完全克服传统判断方法的问题,通过指标、模型的建立快速经济地完成可靠性分析;
总之,本系统充分考虑到了智能电表中各个元件的特性,本方法在建立智能电表寿命和可靠性指标后,建立智能电表的数学模型进行元件失效率的计算从而得到预测结果完成智能电表的寿命和可靠性分析。本发明可解决现有传统判断方法有效性低、试验时间长、结果一致性差等问题,具有操作方便、误差较小、经济可行的优点。
附图说明
图1是本系统的结构方框图;
图中:
100—数据采集单元;
200—数据调整单元;
300—模型建立单元;
400—模型调整单元;
500—计算单元;
600—结果输出单元;
图2是本方法的流程图。
具体实施方式
下面结合附图和实施例详细说明:
一、系统
①总体
本系统包括依次连接的数据采集单元100、数据调整单元200、模型建立单元300、模型调整单元400、计算单元500和结果输出单元600。
②功能块
A、数据采集单元100
数据采集单元100是一种基于AMD64位硬件系统的功能软件,负责从线路中采集到原始数据并将结果发送给数据调整单元200。
B、数据调整单元200
数据调整单元200是一种基于AMD64位硬件系统的功能软件,负责调整已采集得到的数据。
C、模型建立单元300
模型建立单元300是一种基于AMD64位硬件系统的功能软件,负责将智能电表拆分为7个子模块,包括采样计量模块301、微控制模块302、时钟存储嵌入式安全控制模块303[Embedded Secure Access Module(ESAM)]、按键与显示模块304、拉闸与检测模块305、通讯模块306和电源模块307;
采样计量模块301将数据调整单元200中的数据采集进入用于模型建立;
微控制模块302为不同的应用场合做不同组合控制;
时钟存储嵌入式安全控制模块303用于各种嵌入式终端实现数据的安全存储;
按键与显示模块304用于显示累计用电量,LED显示器显示剩余电量及其它信息;
拉闸与检测模块305内附开关和外附控电开关用于拉闸检测;
通讯模块306实现数据与模型之间的实时通讯;
电源模块307为贴在电路板上的电源供应器。
D、模型调整单元400
模型调整单元400是一种基于AMD64位硬件系统的功能软件,将建立的模型进行调整。
E、计算单元500
计算单元500是一种基于AMD64位硬件系统的功能软件,对已建立的智能电网的寿命和可靠性指标进行分析计算。
F、结果输出单元600
结果输出单元600是一种基于AMD64位硬件系统的功能软件,将计算结果输 出显示。
二、方法
如图2,本方法包括下列步骤:
第1、建立智能电表寿命和可靠性指标-10
①分析元件的可靠度、失效率、平均失效前工作时间[MTTF(Mean Time to Failure)]和可靠寿命-11
A、可靠度:指在规定的条件下和规定的时间内,完成其规定功能的概率,其数学表达式为
R(t)=P(T>t) (1)
式中,T为随机变量,表示智能电表从开始工作到发生失效的时间;t为时间变量;
由此,可靠度的概率定义为:失效前工作时间大于t的概率,具有以下性质:
a、0≤R(t)≤1,且R(0)=1,R(∞)=0,其中t≥0;
b、R(t)为关于时间t的非严格递减函数;
B、失效率:即产品的瞬时失效率,是表征电子元件的可靠性数量的重要标志;
在实际工作中,瞬时失效率是在t时刻还在正常工作的产品中,在t时刻后的Δt时间间隔内(t+Δt)还有多少百分比的产品失效;
其数学表达式为
λ(t)=limΔt→0P(t≤T≤t+Δt/T≥t) (2)
智能电表可采用菲特[Failures In Time(FIT)]作为失效率的单位,表示每十亿产品小时内的失效数,“产品小时”指产品数量和观测时间的乘积;
可靠度和失效率的关系为,
C、平均失效前工作时间:指智能电表失效前工作时间的平均值,其数学表达式为
由式(5)可知,MTTF是R(t)的无穷积分;
智能电表是典型的电子产品,电子产品运行实践表明其经过老化筛选后失效率近似为常数,可靠度服从指数分布,即
R(t)=e-λt (6)
R(MTTF)=e-λMTTF=e-1=0.368 (8)
可见,指数分布下智能电表MTTF=1/λ,对应的可靠度为0.368;
D、可靠寿命:指可靠度R为给定值时的寿命,其数学表达式为
②分析MTTF与可靠寿命的关系并建立智能电表寿命和可靠性的指标-12
MTTF与可靠寿命作为智能电表的寿命指标,既有区别,又有联系;为表征二者的关系,本发明引入寿命比KL的概念,即MTTF和可靠寿命的比值;
由式(7)和式(9),可得到MTTF与可靠寿命的关系,其数学表达式为
随着可靠度的增加,寿命比KL呈指数增长;可靠度为0.97时寿命比KL=32.8,即MTTF为可靠寿命t0.97的32.8倍;
表1给出了其它典型可靠度下的寿命比KL值。
表1典型可靠度下的寿命比KL值
可见,MTTF=10年对应智能电表可靠寿命寿命为1.33年的智能电表显然不能满足要求,因此将MTTF规定为10年并不合理;
通过分析可靠性特征量与行业标准DL/T448-2000和DL/T830-2002的相关规定,智能电表可靠性指标可以采用“寿命+可靠度”的二维可靠性指标,即可靠寿命来表达。根据DL/T448-2000、DL/T830-2002推算,运行中智能电表可靠度不应低于87.5%,考虑国内智能电网建设需要,结合国内智能电表的实际制造水平,本发明建议单相智能电表寿命指标不应低于可靠寿命t0.90=10年的要求;智能电表可靠性指标如表2所示;
表2智能电表可靠性指标
第2、建立智能电表的数学模型,进行元件失效率的计算,利用失效率结果计算得到预测结果从而完成智能电表的寿命和可靠性分析-20
①将智能电表划分为7个子模块,建立系统的数学模型-21
在开展寿命和可靠性预测之前,需对智能电表进行数学模型的建立,将智能电表划分为7个子模块,即在系统中的模型建立单元中的7个模块(前述)。从智能电表设计组成及元件采用角度来看,对智能电表建模时,一般将其考虑为串联系统是合适的,即任一元件失效,都将造成智能电表整机失效;
基于串联模型和恒定失效率,智能电表的失效率即各元件失效率的总和,其数学表达式为
式(12)中,N表示设备的元件总数,为第i个元件的工作失效率;
②建立智能电表元件的工作失效率预测模型,并对其进行电应力因子和温度应力因子的失效率计算-22
通过各种数据库或元件数据手册查到元件在参考工作条件下的失效率(GJB/Z299C称之为基本失效率),基本失效率与各种校正因子(π因子)的乘积即为元件的工作失效率。综合IEC62059和GJB/Z299C的优点,智能电表元件的工作失效率预测模型,其数学表达式为
式中,λGi为第i个元件的基本失效率,πE为环境应力因子,πQi为第i个元件的质量等级因子,πSi为第i个元件的电应力因子,πTi为第i个元件的温度应力因子,由元件工作环境温度决定;
A、电应力因子
元件在实际工作中承受的电应力是影响可靠性的主要因素之一,工作电应力的升高或降低,将直接影响元件的固有可靠性。采用降额设计降低其承受的电应力,可有效降低元件的失效率,提高电子式智能电表的可靠寿命;使用中,一般以电应力比(实际电应力与额定电应力的比值)表征元件承受电应力的大小;
电应力因子的其数学表达式为
式中,e为自然对数的底;m为电应力曲线形状参数,由元件类型决定;p1为电应力比;p2为参考电应力比(50%);
部分元件失效率受电应力影响较大,智能电表中对电应力较为敏感的元件有电容、二极管、晶体管等,详见表3;
表3电能表元器件降额对失效率影响的分析(失效率单位:FIT)
因此,为有效提高智能电表的使用寿命,设计过程中必须充分考虑降额的设计,根据元件实际承受的工作应力,选择额定值较高的元件。按照设计经验,贴片电阻、贴片电容、电解电容等一般应保证50%以上的降额;二极管、三极管等对电应力较为敏感的关键元件,应尽量采取降额设计,最大程度降低其失效率。
B、温度应力因子
温度能使许多电子元件产生物理损伤、参数漂移或电性能下降,还可以改变电子材料的性能和几何尺寸;温度升高可加速化学反应,加速原材料变化,进而 加速产生失效;因此,温度也是影响智能电表失效率的主要因素之一,设计中应当考虑热设计,尽量降低智能电表元件的工作温度,从而提高可靠性;
温度对失效率影响的温度应力因子,其数学表达式为
式中,e为自然对数的底,T0=40+273=313K为参考温度;T1为工作温度;Ea为活化能;k=8.62×10-5eV/K为波尔兹曼常数。
根据各元器件工作失效率与串联模型计算智能电表总失效率λs,进而可以根据前述步骤中建立的智能电表寿命和可靠性指标,计算智能电表的可靠度、失效率、MTTF和可靠寿命;
③根据已建立的可靠性指标对智能电表进行结果预测计算,完成智能电表的寿命和可靠性分析-23
根据已建立的可靠性指标对智能电表进行结果预测计算,完成智能电表的寿命和可靠性分析。
Claims (2)
1.一种智能电表寿命和可靠性预测系统,其特征在于:
包括依次连接的数据采集单元(100)、数据调整单元(200)、模型建立单元(300)、模型调整单元(400)、计算单元(500)和结果输出单元(600);
所述的数据采集单元(100)是一种基于AMD64位硬件系统的功能软件,负责从线路中采集到原始数据并将结果发送给数据调整单元(200);
所述的数据还原单元(200)是一种基于AMD64位硬件系统的功能软件,负责调整已采集得到的数据;
所述的模型建立单元(300)是一种基于AMD64位硬件系统的功能软件,负责将智能电表拆分为7个子模块,包括采样计量模块(301)、微控制模块(302)、时钟存储嵌入式安全控制模块(303)[Embedded Secure Access Module(ESAM)]、按键与显示模块(304)、拉闸与检测模块(305)、通讯模块(306)和电源模块(307);
采样计量模块(301)将数据调整单元(200)中的数据采集进入用于模型建立;
微控制模块(302)为不同的应用场合做不同组合控制;
时钟存储嵌入式安全控制模块(303)用于各种嵌入式终端实现数据的安全存储;
按键与显示模块(304)用于显示累计用电量,LED显示器显示剩余电量及其它信息;
拉闸与检测模块(305)内附开关和外附控电开关用于拉闸检测;
通讯模块(306)实现数据与模型之间的实时通讯;
电源模块(307)为贴在电路板上的电源供应器;
所述的模型调整单元(400)是一种基于AMD64位硬件系统的功能软件,将建立的模型进行调整;
所述的计算单元(500)是一种基于AMD64位硬件系统的功能软件,对已建立的智能电网的寿命和可靠性指标进行分析计算;
所述的结果输出单元(600)是一种基于AMD64位硬件系统的功能软件,将计算结果输出显示。
2.基于权利要求1所述的一种智能电表寿命和可靠性预测系统的预测方法,其特征在于:
第1、建立智能电表寿命和可靠性指标-10
①分析元件的可靠度、失效率、平均失效前工作时间[MTTF(Mean Time toFailure)]和可靠寿命-11
A、可靠度:指在规定的条件下和规定的时间内,完成其规定功能的概率,其数学表达式为
R(t)=P(T>t)
式中,T为随机变量,表示智能电表从开始工作到发生失效的时间;t为时间变量;
B、失效率:即产品的瞬时失效率,是表征电子元件的可靠性数量的重要标志;
其数学表达式为
λ(t)=limΔt→0P(t≤T≤t+Δt/T≥t)
C、平均失效前工作时间:指智能电表失效前工作时间的平均值,其数学表达式为
D、可靠寿命:指可靠度R为给定值时的寿命,其数学表达式为
②分析MTTF与可靠寿命的关系并建立智能电表寿命和可靠性的指标-12
MTTF与可靠寿命的关系,其数学表达式为
第2、建立智能电表的数学模型,进行元件失效率的计算,利用失效率结果计算得到预测结果从而完成智能电表的寿命和可靠性分析-20
①将智能电表划分为7个子模块,建立系统的数学模型-21
智能电表的失效率即各元件失效率的总和,其数学表达式为
②建立智能电表元件的工作失效率预测模型,并对其进行电应力因子和温度应力因子的失效率计算-22
智能电表元件的工作失效率预测模型,其数学表达式为
式中,λGi为第i个元件的基本失效率,πE为环境应力因子,πQi为第i个元件的质量等级因子,πSi为第i个元件的电应力因子,πTi为第i个元件的温度应力因子;
A、电应力因子
电应力因子的其数学表达式为
式中,e为自然对数的底;m为电应力曲线形状参数,由元件类型决定;p1为电应力比;p2为参考电应力比(50%);
B、温度应力因子
温度对失效率影响的温度应力因子,其数学表达式为
式中,e为自然对数的底,T0=40+273=313K为参考温度;T1为工作温度;Ea为活化能;k=8.62×10-5eV/K为波尔兹曼常数。
③根据已建立的可靠性指标对智能电表进行结果预测计算,完成智能电表的寿命和可靠性分析-23。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102968493A CN103383445A (zh) | 2013-07-16 | 2013-07-16 | 一种智能电表寿命和可靠性预测系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102968493A CN103383445A (zh) | 2013-07-16 | 2013-07-16 | 一种智能电表寿命和可靠性预测系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103383445A true CN103383445A (zh) | 2013-11-06 |
Family
ID=49491284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102968493A Pending CN103383445A (zh) | 2013-07-16 | 2013-07-16 | 一种智能电表寿命和可靠性预测系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103383445A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745081A (zh) * | 2013-12-09 | 2014-04-23 | 深圳供电局有限公司 | 一种电子式电能表可靠性分析方法 |
CN104076224A (zh) * | 2014-07-11 | 2014-10-01 | 国家电网公司 | 一种用电信息采集设备可靠性验证的试验方法 |
CN104297614A (zh) * | 2014-09-16 | 2015-01-21 | 冀雅(廊坊)电子有限公司 | 一种段码类液晶显示模块短路测试装置和方法 |
CN104316879A (zh) * | 2014-10-13 | 2015-01-28 | 珠海许继电气有限公司 | 一种铅酸蓄电池组寿命的预测方法 |
CN104537212A (zh) * | 2014-12-12 | 2015-04-22 | 大唐移动通信设备有限公司 | 一种通信设备的可靠性预计方法和装置 |
CN104933492A (zh) * | 2015-07-10 | 2015-09-23 | 浙江理工大学 | 购物系统的在线可靠性预测和提高方法 |
CN105022019A (zh) * | 2015-06-23 | 2015-11-04 | 国家电网公司 | 单相智能电能表可靠性综合评价的方法 |
CN105866726A (zh) * | 2016-06-06 | 2016-08-17 | 哈尔滨电工仪表研究所 | 一种基于电能表可靠性数据的便携式评估装置 |
CN106355298A (zh) * | 2016-10-13 | 2017-01-25 | 哈尔滨电工仪表研究所 | 一种智能电能表可靠性预计云服务平台 |
CN106529026A (zh) * | 2016-11-08 | 2017-03-22 | 中国电子产品可靠性与环境试验研究所 | 混合集成电路模块可靠性评估方法和系统 |
CN108337323A (zh) * | 2018-03-19 | 2018-07-27 | 深圳增强现实技术有限公司 | 一种基于全终端的仪表计量数据ar比对系统和方法 |
CN109598353A (zh) * | 2018-12-06 | 2019-04-09 | 国网浙江省电力有限公司电力科学研究院 | 一种批次电能表近期寿命预测方法 |
CN109598052A (zh) * | 2018-11-29 | 2019-04-09 | 武汉大学 | 基于相关系数分析的智能电表寿命周期预测方法及装置 |
CN109697525A (zh) * | 2018-12-06 | 2019-04-30 | 国网浙江省电力有限公司电力科学研究院 | 一种批次电能表多故障模式近期寿命预测方法 |
CN110146840A (zh) * | 2019-05-23 | 2019-08-20 | 国网浙江省电力有限公司电力科学研究院 | 一种基于多应力影响的批次电能表近期寿命预测方法 |
CN110163385A (zh) * | 2019-05-13 | 2019-08-23 | 上海交通大学 | 机场多平台多设备复杂系统健康管理方法 |
CN110244255A (zh) * | 2019-07-01 | 2019-09-17 | 国网重庆市电力公司电力科学研究院 | 基于层次分析的智能电能表可靠性综合评价方法及装置 |
CN111426999A (zh) * | 2020-04-14 | 2020-07-17 | 南方电网科学研究院有限责任公司 | 一种电能计量设备可靠性寿命试验自动监测装置及方法 |
CN112444772A (zh) * | 2020-11-11 | 2021-03-05 | 云南电网有限责任公司电力科学研究院 | 一种智能电能表可靠性预测方法及装置 |
CN112667957A (zh) * | 2020-12-03 | 2021-04-16 | 国网天津市电力公司营销服务中心 | 一种基于深度神经网络的智能电能表失效率预测方法 |
CN113064112A (zh) * | 2021-03-23 | 2021-07-02 | 广东电网有限责任公司计量中心 | 一种智能电能表使用寿命评估方法及系统 |
CN116976151A (zh) * | 2023-09-25 | 2023-10-31 | 天固信息安全系统(深圳)有限公司 | 一种硬件寿命检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009072204A1 (ja) * | 2007-12-06 | 2009-06-11 | Japan Electric Meters Inspection Corporation | 電子化計量装置の寿命推定方法および装置 |
CN102129060A (zh) * | 2010-01-12 | 2011-07-20 | 华北电力科学研究院有限责任公司 | 电能表可靠性检测方法及装置 |
CN102636770A (zh) * | 2012-05-11 | 2012-08-15 | 河北省电力研究院 | 一种智能电能表寿命测试方法 |
-
2013
- 2013-07-16 CN CN2013102968493A patent/CN103383445A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009072204A1 (ja) * | 2007-12-06 | 2009-06-11 | Japan Electric Meters Inspection Corporation | 電子化計量装置の寿命推定方法および装置 |
CN102129060A (zh) * | 2010-01-12 | 2011-07-20 | 华北电力科学研究院有限责任公司 | 电能表可靠性检测方法及装置 |
CN102636770A (zh) * | 2012-05-11 | 2012-08-15 | 河北省电力研究院 | 一种智能电能表寿命测试方法 |
Non-Patent Citations (3)
Title |
---|
张晓迎 等: "可靠性预计中计数法和应力分析法的比较", 《压电与声光》, vol. 27, no. 3, 30 June 2005 (2005-06-30) * |
李金玲 等: "基于元器件应力法的电能表可靠性预计报告", 《电子元器件应用》, vol. 14, no. 6, 30 June 2012 (2012-06-30) * |
武宏波: "面向智能电网的智能电能表可靠性预计方法研究及应用", 《万方学位论文数据库》, 31 December 2010 (2010-12-31) * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745081A (zh) * | 2013-12-09 | 2014-04-23 | 深圳供电局有限公司 | 一种电子式电能表可靠性分析方法 |
CN104076224A (zh) * | 2014-07-11 | 2014-10-01 | 国家电网公司 | 一种用电信息采集设备可靠性验证的试验方法 |
CN104297614A (zh) * | 2014-09-16 | 2015-01-21 | 冀雅(廊坊)电子有限公司 | 一种段码类液晶显示模块短路测试装置和方法 |
CN104316879A (zh) * | 2014-10-13 | 2015-01-28 | 珠海许继电气有限公司 | 一种铅酸蓄电池组寿命的预测方法 |
CN104316879B (zh) * | 2014-10-13 | 2018-08-10 | 珠海许继电气有限公司 | 一种铅酸蓄电池组寿命的预测方法 |
CN104537212B (zh) * | 2014-12-12 | 2017-07-04 | 大唐移动通信设备有限公司 | 一种通信设备的可靠性预计方法和装置 |
CN104537212A (zh) * | 2014-12-12 | 2015-04-22 | 大唐移动通信设备有限公司 | 一种通信设备的可靠性预计方法和装置 |
CN105022019A (zh) * | 2015-06-23 | 2015-11-04 | 国家电网公司 | 单相智能电能表可靠性综合评价的方法 |
CN105022019B (zh) * | 2015-06-23 | 2017-12-08 | 国家电网公司 | 单相智能电能表可靠性综合评价的方法 |
CN104933492A (zh) * | 2015-07-10 | 2015-09-23 | 浙江理工大学 | 购物系统的在线可靠性预测和提高方法 |
CN105866726A (zh) * | 2016-06-06 | 2016-08-17 | 哈尔滨电工仪表研究所 | 一种基于电能表可靠性数据的便携式评估装置 |
CN106355298A (zh) * | 2016-10-13 | 2017-01-25 | 哈尔滨电工仪表研究所 | 一种智能电能表可靠性预计云服务平台 |
CN106529026A (zh) * | 2016-11-08 | 2017-03-22 | 中国电子产品可靠性与环境试验研究所 | 混合集成电路模块可靠性评估方法和系统 |
CN108337323A (zh) * | 2018-03-19 | 2018-07-27 | 深圳增强现实技术有限公司 | 一种基于全终端的仪表计量数据ar比对系统和方法 |
CN109598052A (zh) * | 2018-11-29 | 2019-04-09 | 武汉大学 | 基于相关系数分析的智能电表寿命周期预测方法及装置 |
CN109598353A (zh) * | 2018-12-06 | 2019-04-09 | 国网浙江省电力有限公司电力科学研究院 | 一种批次电能表近期寿命预测方法 |
CN109697525A (zh) * | 2018-12-06 | 2019-04-30 | 国网浙江省电力有限公司电力科学研究院 | 一种批次电能表多故障模式近期寿命预测方法 |
CN110163385A (zh) * | 2019-05-13 | 2019-08-23 | 上海交通大学 | 机场多平台多设备复杂系统健康管理方法 |
CN110163385B (zh) * | 2019-05-13 | 2023-02-07 | 上海交通大学 | 机场多平台多设备复杂系统健康管理方法 |
CN110146840A (zh) * | 2019-05-23 | 2019-08-20 | 国网浙江省电力有限公司电力科学研究院 | 一种基于多应力影响的批次电能表近期寿命预测方法 |
CN110146840B (zh) * | 2019-05-23 | 2021-08-24 | 国网浙江省电力有限公司营销服务中心 | 一种基于多应力影响的批次电能表近期寿命预测方法 |
CN110244255A (zh) * | 2019-07-01 | 2019-09-17 | 国网重庆市电力公司电力科学研究院 | 基于层次分析的智能电能表可靠性综合评价方法及装置 |
CN111426999A (zh) * | 2020-04-14 | 2020-07-17 | 南方电网科学研究院有限责任公司 | 一种电能计量设备可靠性寿命试验自动监测装置及方法 |
CN112444772A (zh) * | 2020-11-11 | 2021-03-05 | 云南电网有限责任公司电力科学研究院 | 一种智能电能表可靠性预测方法及装置 |
CN112667957A (zh) * | 2020-12-03 | 2021-04-16 | 国网天津市电力公司营销服务中心 | 一种基于深度神经网络的智能电能表失效率预测方法 |
CN113064112A (zh) * | 2021-03-23 | 2021-07-02 | 广东电网有限责任公司计量中心 | 一种智能电能表使用寿命评估方法及系统 |
CN116976151A (zh) * | 2023-09-25 | 2023-10-31 | 天固信息安全系统(深圳)有限公司 | 一种硬件寿命检测方法 |
CN116976151B (zh) * | 2023-09-25 | 2023-12-26 | 天固信息安全系统(深圳)有限公司 | 一种硬件寿命检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103383445A (zh) | 一种智能电表寿命和可靠性预测系统及其方法 | |
Duan et al. | Remaining useful life prediction of lithium‐ion battery based on extended Kalman particle filter | |
CN105631578A (zh) | 一种面向风险评估的输变电设备故障概率模型的建模方法 | |
CN102968556B (zh) | 一种基于概率分布的配网可靠性判断方法 | |
CN104484723A (zh) | 一种基于寿命数据的电力变压器经济寿命预测方法 | |
CN105022019A (zh) | 单相智能电能表可靠性综合评价的方法 | |
CN104614179A (zh) | 一种风电机组齿轮箱状态监测方法 | |
CN105445671A (zh) | 一种基于无迹粒子滤波的锂离子电池寿命预测方法 | |
CN102708306A (zh) | 一种智能电表可靠寿命的预测方法 | |
CN103488869A (zh) | 一种最小二乘支持向量机的风力发电短期负荷预测方法 | |
CN102436519A (zh) | 电力系统自动装置动态可靠性综合评估方法 | |
CN103745081A (zh) | 一种电子式电能表可靠性分析方法 | |
Almutairi et al. | Use of MCMC to incorporate a wind power model for the evaluation of generating capacity adequacy | |
CN103235984B (zh) | 风电场出力的纵向时刻概率分布计算方法 | |
CN101741086A (zh) | 基于pmu数据的稳定计算模型及参数精度的综合评估方法 | |
CN103996147A (zh) | 配电网综合评估方法 | |
CN104820747A (zh) | 一种基于仿真的dc-dc开关电源故障预测方法 | |
CN106571627A (zh) | 一种基于在线监测信息的二次设备健康状态评价方法 | |
CN103413048A (zh) | 基于三参数威布尔分布确定电网设备最佳退役时间的方法 | |
CN108205114A (zh) | 电池寿命的预测方法及系统 | |
CN110673081B (zh) | 基于边缘计算的智能电表误差在线估计方法 | |
CN105488335A (zh) | 一种基于李雅普诺夫指数的电力系统负荷预测方法及装置 | |
CN106056305A (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
CN102930353B (zh) | 一种小区用电负荷的预测方法及装置 | |
CN102682212B (zh) | 机电类产品的一种可靠性度量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131106 |