CN107529652A - 一种拆回电能表的故障现象相关性分析方法 - Google Patents
一种拆回电能表的故障现象相关性分析方法 Download PDFInfo
- Publication number
- CN107529652A CN107529652A CN201710809770.4A CN201710809770A CN107529652A CN 107529652 A CN107529652 A CN 107529652A CN 201710809770 A CN201710809770 A CN 201710809770A CN 107529652 A CN107529652 A CN 107529652A
- Authority
- CN
- China
- Prior art keywords
- energy meter
- electric energy
- failure
- module
- correlation
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种拆回电能表的故障现象相关性分析方法,包括以下步骤:1)根据拆回故障电能表的故障类别、故障数量,对电能表进行区分,将电能表分为单一故障类型、复合故障类型两类(2)通过排查,排除由于用户或人工安装问题造成的电能表故障;(3)针对排查之后的电能表,将其按照不同批次分为不同单元,并对每一个单元的电能表分别计算其故障发生相关系数;(4)对于相关系数超过0.4的相关故障,进一步分析该相关故障对应的电能表的故障发生时间,判断该相关故障是否属于本批次的电能表相关故障。采用本发明的分析方法能够准确、合理的评价电能表故障的相关性,从而提高了电能表资产的可靠性,并对电能表相关故障处理量做出了合理的相关预估计。
Description
技术领域
本发明属于电能计量领域,尤其是一种拆回电能表的故障现象相关性分析方法。
背景技术
目前,据统计天津市电力公司故障拆回的电能表已经超过16万只,由于拆回表故障存在 一定关联关系,而这种关联关系无法通过一般的统计分析来实现,因此希望可以发明一种有 效的分析方法,合理的判断电能表相关的伴随故障,另外能够合理预测电能表故障的多发性, 对于多发故障得到早起预警,提高计量资产的可靠性。
随着电能计量装置自动检定系统发展和应用,尤其是拆回表业务取得的成果,目前已经 具备了分析对电能表故障相关性的可能性。在此基础上,结合营销业务系统、计量生产调度 平台的信息,应用统计分析、数据挖掘和机器学习技术构建电能表故障预测程序,实现对现 有16万只电能表的拆回故障进行分析。
经过检索,未发现相近技术的已公开专利文献。
发明内容
本发明的目的在于克服现有技术的不足之处,提供一种拆回电能表的故障现象相关性分 析方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种拆回电能表的故障现象相关性分析方法,其特征在于:具体包括以下步骤:
(1)根据拆回故障电能表的故障类别、故障数量,对电能表进行区分,将电能表分为单 一故障类型、复合故障类型两类;
(2)通过排查,排除由于用户或人工安装问题造成的电能表故障;
(3)针对排查之后的电能表,将其按照不同批次分为不同单元,并对每一个单元的电能 表分别计算其故障发生相关系数;
(4)对于相关系数超过0.4的相关故障,进一步分析该相关故障对应的电能表的故障发 生时间,判断该相关故障是否属于本批次的电能表相关故障。
而且,步骤(1)中所述故障类别分为电能表内部运行故障、电能表载波模块故障、电能 表显示类故障以及其他类故障。
而且,步骤(1)区分类型后,对于单一故障类型的电能表,不做进一步的区分;对于复 合故障类型的电能表,获取其相应的运行数据、拆表数据、资产数据。
而且,步骤(3)中相关系数是指皮尔森相关系数,对于相关系数较高的相关故障,具体 的判断标准是发生该生相关故障的时间不超过1年的故障表超过该单元故障表数量的20%, 将其定义为本批次的电能表相关故障。
而且,完成电能表的批次区分后,针对单元内电能表数量不足其他批次的十分之一的单 元,将按照预设的相关性进行再组合,并再次计算电能表的故障发生相关系数。
而且,所述其他的相关性包括相同的生产厂家或相同的电能表使用地区。
一种拆回电能表的故障现象相关性分析系统,其特征在于:包括数据输入模块、排查模 块、单元区分模块、计算模块、存储模块以及数据输出模块,数据输入模块连接到排查模块 的输入端,排查模块的输出端连接到单元区分模块的输入端,该单元区分模块的输出端连接 计算模块,计算模块的输出端连接对比模块,对比模块的输出端连接到使用时间判断模块, 使用时间判断模块的输出端连接到存储模块以及数据输出模块。
本发明的优点和积极效果是:
采用本发明的分析方法能够准确、合理的评价电能表故障的相关性,从而提高了电能表 资产的可靠性,并对电能表相关故障处理量做出了合理的相关预估计。
具体实施方式
下面结具体实施例对本发明作进一步详述,以下实施例只是描述性的,不是限定性的, 不能以此限定本发明的保护范围。
一种拆回电能表的故障现象相关性分析方法,本方法是基于皮尔森(Pearson)相关系数 的电能表故障相关性分析方法,在对电能表进行供货批次、制造商、适用地区等为分析对象, 对统计对象内的电能表发生各类质量故障、报废率、检定结果等情况,以此为分析要素,对 电能表故障相关性进行合理的评估。
皮尔森相关系数的计算方法如下:
两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商:
上式定义了总体相关系数,常用希腊小写字母ρ(rho)作为代表符号。这里的X定义为故障,Y定义为其他相关因素。估算样本的协方差和标准差,可得到样本相关系数(样本皮尔逊系数),常用英文小写字母r代表:
r亦可由(Xi,Yi)样本点的标准分数均值估计,得到与上式等价的表达式:
其中及σX分别是对Xi样本的标准分数、样本平均值和样本标准差。
具体的评估方法如下:
(1)根据电能表的故障类型对电能表进行区分:
首先,将电能表的故障类型进行分类,将电能表内部故障分为下面几类:电能表内部运 行故障、电能表载波模块故障、电能表显示类故障、其他类故障。
另外,再把各个大类下的电能表分别统计其发生故障数量,对于故障数量不大于2的电 能表,视为其为单一故障类型电能表,对此类型电能表不做区分;
对复合类型的电能表,在按照上述分类方法区分后,获取其相应的运行数据,拆表数据, 资产数据等相关信息,为下一步发展做合理的判断。
(2)将可能由用户原因造成的电能表故障进行排查。把人为损坏故障,如电能表发现有 开盖记录或电能表发现明显人为故障的,视为坏数据,对此不进行处理。
(3)从资产数据库中找到当前电能表的相关资产信息,针对当前电能表,将其按照不同 批次分为不同单元,并对每一个单元的电能表分别计算其故障发生相关系数。
故障类别数据分别代入相关系数计算公式,这里计算相关系数分为计算单元之间的故障 相关系数和各个故障类别内部的电能表故障相关系数。
(4)对于相关系数超过0.9的相关故障为较高相关,尤其是对于相关系数达到0.95以 上的单元,再分析其使用时间,若故障发生时的使用时间在合理范围内,即如果故障表中对 应的有超过20%的故障表的故障时间区间不超过1年,将其定义为本批次的电能表相关故障, 并对电能表的相关生产厂家提出意见和建议。
针对那些电能表数量较少的单元,将其按照一定的相关性进行再组合,如相同的生产厂 家,电能表使用地区等,对电能表的故障计算相关性,以此找到尽量多的依据来增强相关故 障判断的可信度。
数量较少的单元是指单元内电能表数量明显低于其他单元的情况,根据回收电能表单元 的相对比例确定,电能表按照批次区分单元后,如果单元内电能表数量不足其他批次的十分 之一,则需要重新组合形成新的单元。
(5)在计算完后将电能表相关性故障与专家意见进行对比,若没有出现较大差距认为分 析是合理的,并将分析结果记录当前故障数据库。
本实施例所述分析方法采用的一种拆回电能表的故障现象相关性分析系统,包括数据输 入模块、排查模块、单元区分模块、计算模块、存储模块以及数据输出模块,数据输入模块 连接到排查模块的输入端,排查模块的输出端连接到单元区分模块的输入端,该单元区分模 块的输出端连接计算模块,计算模块的输出端连接对比模块,对比模块的输出端连接到使用 时间判断模块,使用时间判断模块的输出端连接到存储模块以及数据输出模块。
数据输入模块用于输入电能表的故障类型及故障数量;
排查模块用于筛除可能由用户原因造成的电能表故障,根据故障电能表分拣拆回数据和 电能表在运行数据,筛除有开盖记录或人为损坏记录的数据;
单元区分模块用于将电能表分为不同单元;
计算模块用于计算单元之间的故障相关系数和各个故障类别内部的电能表故障相关系 数;
对比模块用于对比计算获得的故障相关系数,得出本批次的电能表相关故障;
使用时间判断模块用于判断其电能表的相关故障发生时间,是针对相关系数较高的相关 故障,如果超过20%的故障表不超过1年内发生故障则判断为当前批次的电能表相关故障;
数据输出模块包括显示器、打印机;
存储器内存储当前故障数据库以及历史数据。
尽管为说明目的公开了本发明的实施例,但是本领域的技术人员可以理解:在不脱离本 发明及所附权利要求的精神和范围内,各种替换、变化和修改都是可能的,因此,本发明的 保护范围不局限于实施例所公开的内容。
Claims (8)
1.一种拆回电能表的故障现象相关性分析方法,其特征在于:具体包括以下步骤:
(1)根据拆回故障电能表的故障类别、故障数量,对电能表进行区分,将电能表分为单一故障类型、复合故障类型两类;
(2)通过排查,排除由于用户或人工安装问题造成的电能表故障;
(3)针对排查之后的电能表,将其按照不同批次分为不同单元,并对每一个单元的电能表分别计算其故障发生相关系数;
(4)对于相关系数超过0.9的相关故障,进一步分析该相关故障对应的电能表的故障发生时间,判断该相关故障是否属于本批次的电能表相关故障。
2.根据权利要求1所述的拆回电能表的故障现象相关性分析方法,其特征在于:步骤(1)中所述故障类别分为电能表内部运行故障、电能表载波模块故障、电能表显示类故障以及其他类故障。
3.根据权利要求1所述的拆回电能表的故障现象相关性分析方法,其特征在于:步骤(1)区分类型后,对于单一故障类型的电能表,不做进一步的区分;对于复合故障类型的电能表,获取其相应的运行数据、拆表数据、资产数据。
4.根据权利要求1所述的拆回电能表的故障现象相关性分析方法,其特征在于:步骤(3)中相关系数是指皮尔森相关系数;
所述分析该相关故障对应的电能表的故障发生时间,判断该相关故障是否属于本批次的电能表相关故障具体为:若发生该生相关故障的时间不超过1年的故障表超过该单元故障表数量的20%,将其定义为本批次的电能表相关故障。
5.根据权利要求1所述的拆回电能表的故障现象相关性分析方法,其特征在于:完成电能表的批次区分后,针对单元内电能表数量不足其他批次的十分之一的单元,将按照预设的相关性进行再组合,并再次计算电能表的故障发生相关系数。
6.根据权利要求5所述的拆回电能表的故障现象相关性分析方法,其特征在于:所述预设的相关性包括相同的生产厂家或相同的电能表使用地区。
7.一种拆回电能表的故障现象相关性分析系统,其特征在于:包括数据输入模块、排查模块、单元区分模块、计算模块、存储模块以及数据输出模块,数据输入模块连接到排查模块的输入端,排查模块的输出端连接到单元区分模块的输入端,该单元区分模块的输出端连接计算模块,计算模块的输出端连接对比模块,对比模块的输出端连接到使用时间判断模块,使用时间判断模块的输出端连接到存储模块以及数据输出模块。
8.根据权利要求7所述的拆回电能表的故障现象相关性分析系统,其特征在于:所述数据输出模块包括显示器和/或打印机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710809770.4A CN107529652A (zh) | 2017-09-11 | 2017-09-11 | 一种拆回电能表的故障现象相关性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710809770.4A CN107529652A (zh) | 2017-09-11 | 2017-09-11 | 一种拆回电能表的故障现象相关性分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107529652A true CN107529652A (zh) | 2018-01-02 |
Family
ID=60766391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710809770.4A Pending CN107529652A (zh) | 2017-09-11 | 2017-09-11 | 一种拆回电能表的故障现象相关性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107529652A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108267709A (zh) * | 2018-02-02 | 2018-07-10 | 日照瑞吉德仓储科技有限公司 | 电能故障检查和分类的方法及装置 |
CN108311400A (zh) * | 2018-02-02 | 2018-07-24 | 日照瑞吉德仓储科技有限公司 | 电能表检测分拣的方法及装置 |
CN109245943A (zh) * | 2018-10-19 | 2019-01-18 | 北京奇艺世纪科技有限公司 | 一种故障定位方法及装置 |
CN109407039A (zh) * | 2018-11-13 | 2019-03-01 | 许继集团有限公司 | 智能电表及其系统、自诊断方法和故障检测方法 |
CN111221289A (zh) * | 2019-04-09 | 2020-06-02 | 国网福建省电力有限公司 | 电表数据交互系统及方法 |
CN111274056A (zh) * | 2018-11-20 | 2020-06-12 | 河南许继仪表有限公司 | 智能电能表故障库的自学习方法与装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744047A (zh) * | 2013-12-23 | 2014-04-23 | 国家电网公司 | 一种定位运行中超差电能表的方法 |
CN106154209A (zh) * | 2016-07-29 | 2016-11-23 | 国电南瑞科技股份有限公司 | 基于决策树算法的电能表故障预测方法 |
-
2017
- 2017-09-11 CN CN201710809770.4A patent/CN107529652A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744047A (zh) * | 2013-12-23 | 2014-04-23 | 国家电网公司 | 一种定位运行中超差电能表的方法 |
CN106154209A (zh) * | 2016-07-29 | 2016-11-23 | 国电南瑞科技股份有限公司 | 基于决策树算法的电能表故障预测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108267709A (zh) * | 2018-02-02 | 2018-07-10 | 日照瑞吉德仓储科技有限公司 | 电能故障检查和分类的方法及装置 |
CN108311400A (zh) * | 2018-02-02 | 2018-07-24 | 日照瑞吉德仓储科技有限公司 | 电能表检测分拣的方法及装置 |
CN108267709B (zh) * | 2018-02-02 | 2022-03-29 | 日照瑞吉德仓储科技有限公司 | 电能故障检查和分类的方法及装置 |
CN109245943A (zh) * | 2018-10-19 | 2019-01-18 | 北京奇艺世纪科技有限公司 | 一种故障定位方法及装置 |
CN109407039A (zh) * | 2018-11-13 | 2019-03-01 | 许继集团有限公司 | 智能电表及其系统、自诊断方法和故障检测方法 |
CN111274056A (zh) * | 2018-11-20 | 2020-06-12 | 河南许继仪表有限公司 | 智能电能表故障库的自学习方法与装置 |
CN111274056B (zh) * | 2018-11-20 | 2023-10-03 | 河南许继仪表有限公司 | 智能电能表故障库的自学习方法与装置 |
CN111221289A (zh) * | 2019-04-09 | 2020-06-02 | 国网福建省电力有限公司 | 电表数据交互系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107529652A (zh) | 一种拆回电能表的故障现象相关性分析方法 | |
CN110824270A (zh) | 结合台区线损和异常事件的窃电用户辨识方法及装置 | |
US10802081B2 (en) | Method and system for analyzing waveforms in power systems | |
Chen et al. | Detecting big structural breaks in large factor models | |
Catterson et al. | Online conditional anomaly detection in multivariate data for transformer monitoring | |
JP4191772B1 (ja) | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
Bian et al. | Degradation state mining and identification for railway point machines | |
CN106842106A (zh) | 电能表故障预测方法和装置 | |
Lin et al. | Reliability assessment model considering heterogeneous population in a multiple stresses accelerated test | |
CN103389430A (zh) | 一种基于贝叶斯判别理论的油浸式变压器故障检测方法 | |
CN108304567A (zh) | 高压变压器工况模式识别与数据分类方法及系统 | |
Xu et al. | Improved few-shot learning method for transformer fault diagnosis based on approximation space and belief functions | |
Jiang et al. | Automated distribution network fault cause identification with advanced similarity metrics | |
Guo et al. | Fault diagnosis for power system transmission line based on PCA and SVMs | |
CN113835962A (zh) | 一种服务器故障检测方法、装置、计算机设备及存储介质 | |
Yip et al. | Detection of energy theft and metering defects in advanced metering infrastructure using analytics | |
KR20220008101A (ko) | 전력 케이블 노후도 판단 장치 및 방법 | |
Stephen et al. | Design of trip current monitoring system for circuit breaker condition assessment | |
Herraiz et al. | Impact of installation counts on perceived quality: A case study on debian | |
CN114298558A (zh) | 电力网络安全研判系统及其研判方法 | |
Lan et al. | Unsupervised power system event detection and classification using unlabeled pmu data | |
Nisi et al. | Transparently Mining Data from a Medium-voltage Distribution Network: A Prognostic-diagnostic Analysis. | |
CN108664641A (zh) | 一种基于覆盖集理论的智能电能表故障诊断方法 | |
Jia Yong et al. | Classification of fault and stray gassing in transformer by using duval pentagon and machine learning algorithms | |
Bao et al. | Identifying hot socket problem in smart meters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180102 |