CN109375143A - 一种确定智能电能表剩余寿命的方法 - Google Patents

Abstract

本发明提供一种确定智能电能表剩余寿命的方法，包括：从待测生产批次的全部Y只智能电能表进行抽样，以确定进行多水平恒定应力加速试验的智能电能表样本；获取所述智能电能表样本在进行多水平恒定应力加速试验时在多个预先设定的监测时刻下的性能参数的值；根据获取的智能电能表样本的性能参数的值、双变量恒定应力加速模型及指数型性能退化模型，确定所述智能电能表样本的全部M×Q只智能电能表中的每只智能电能表在正常应力水平下的伪寿命值；根据智能电能表样本的伪寿命值，确定所述待测生产批次的智能电能表在指定的可靠度值r下的可靠寿命值；确定所述待测生产批次的智能电能表在投入使用N年后的剩余寿命值。该方法可以避免造成大量尚未失效的智能电能表提前终止使用。

Description

一种确定智能电能表剩余寿命的方法

技术领域

本发明涉及可靠性技术领域，并且更具体地，涉及一种确定智能电能表剩余寿命的方法。

背景技术

目前，在电网中投入使用的智能电能表，通常采用定时更换的维修模式。也就是，达到预先设定的投入年限后，同一生产批次的智能电能表会全部更换为新的智能电能表。

这种维修模式造带来大量的维修工作，造成大量尚未失效的智能电能表提前终止使用；在维修期间，需要电网断电或部分器件断电，降低了电网的有效工作时间。

发明内容

本发明提供了一种确定智能电能表剩余寿命的方法，以确定对应于某一投入使用年限的智能电能表的剩余寿命，以克服目前智能电能表达到某一使用年限即认为失效从而降低电网有效工作时间的问题。

本发明提供的确定智能电能表剩余寿命的方法，包括以下步骤：

从待测生产批次的全部Y只智能电能表进行抽样，以确定进行多水平恒定应力加速试验的智能电能表样本，其中，所述智能电能表样本被分为M个试验组，每个试验组包括Q只智能电能表，M×Q＜Y，M和Q均为不小于2的正整数，Y为正整数，所述待测生产批次的全部Y只智能电能表中的每个均已投入使用N年；

获取所述智能电能表样本在进行多水平恒定应力加速试验时在多个预先设定的监测时刻下的性能参数的值，所述性能参数包括智能电能表的基本误差；

根据获取的智能电能表样本的性能参数的值、双变量恒定应力加速模型及指数型性能退化模型，确定所述智能电能表样本的全部M×Q只智能电能表中的每只智能电能表在正常应力水平下的伪寿命值；

根据智能电能表样本的伪寿命值，确定所述待测生产批次的智能电能表在指定的可靠度值r下的可靠寿命值t_r；

根据如下公式来确定所述待测生产批次的智能电能表在投入使用N年后的剩余寿命值RUL：

RUL＝t_r-N。

进一步地，所述的方法，

第i个试验组内的Q只智能电能表在第i组高应力水平下分别进行恒定应力加速试验，其中，1≤i≤M；

在任一预先设定的监测时刻，每只智能电能表的性能参数的值不大于预先指定的失效阈值。

进一步地，所述的方法，

所述多水平恒定应力包括：

第一组温度应力水平T₁：55℃，第一组相对湿度应力水平(％)RH₁：95；

第二组温度应力水平T₂：70℃，第二组相对湿度应力水平(％)RH₂：95；

第三组温度应力水平T₃：80℃，第三组相对湿度应力水平(％)RH₃：80；

所述正常应力水平中，正常温度应力水平T₀：23℃，正常相对湿度应力水平(％)RH₀：50。

进一步地，所述的方法，

在智能电能表样本的每个循环剖面中，电应力在两个时段内依次施加，在第一时段，施加1Ib的电流；在第二时段，施加4Ib的电流。

进一步地，所述的方法，根据下式确定所述指数型性能退化模型：

其中，y_ij为在第i个应力水平下第j个样本的性能参数退化轨迹；

y_N,i,j为第i个应力水平下第j个样本在加速试验开始前的性能参数值；

β_i为第i个应力水平下第j个样本的退化率；

a_i,j为第i个应力水平下第j个样本的退化时间指数。

进一步地，所述的方法，根据下式确定所述双变量恒定应力加速模型：

其中，i为0，1，2或3，

当i为1，2或3时，T_i为第i个温度应力水平，RH_i为第i个相对湿度应力水平；

当i为0时，T₀为正常温度应力水平，RH₀为正常相对湿度应力水平；

A、B、C分别为一常数值。

进一步地，所述的方法，

所述根据获取的智能电能表样本的性能参数值、双变量恒定应力加速模型及指数型性能退化模型，确定每只智能电能表样本在正常应力水平下的伪寿命值，包括：

在指定的失效阈值为D_f时，根据如下方程确定每只智能电能表样本在正常应力水平下的伪寿命值T_i,j：

其中，β₀为正常应力水平下第j个样本的退化率；

y_0,i,j为第i个应力水平下第j个样本在N年前出厂时的性能参数值；

a_i,j为第i个应力水平下第j个样本的退化时间指数。

进一步地，所述的方法，

所述根据全部的所述伪寿命值，确定所述待测生产批次的智能电能表的在指定的可靠度值r下的可靠寿命值t_r，包括：

所述根据全部的所述伪寿命值，确定所述待测生产批次的智能电能表的可靠度函数；

根据所述可靠度函数，确定所述待测生产批次的智能电能表的在指定的可靠度值r下的可靠寿命值t_r。

进一步地，所述的方法，

所述根据全部的所述伪寿命值，确定所述待测生产批次的智能电能表的可靠度函数，包括：

在检验所述伪寿命值符合Weibull分布后，根据下式来确定所述待测生产批次的智能电能表的可靠度函数R：

其中，η为Weibull分布的尺度参数，m为Weibull分布的形状参数。

本发明提供的确定智能电能表剩余寿命的方法，基于到期智能电能表的抽检样本进行恒定应力加速退化试验的退化数据，利用步进应力加速退化试验数据处理的思想，推导出智能电能表的伪寿命计算公式；最终得出其失效分布概率函数，并通过加速模型外推出正常使用条件下的剩余寿命。

利用本发明提供的确定智能电能表剩余寿命的方法可以确定使用达到一定期限的某个生产批次智能电能表的剩余寿命值；根据该剩余寿命值，确定该生产批次智能电能表的维修计划，可以避免造成大量尚未失效的智能电能表提前终止使用。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为本发明优选实施方式的确定智能电能表剩余寿命方法的流程示意图；

图2是本发明优选实施方式的确定智能电能表剩余寿命方法的应力施加剖面图；

图3是本发明优选实施方式的智能电能表在应力S1下的基本误差退化数据示意图；

图4是本发明优选实施方式的智能电能表在应力S2下的基本误差退化数据示意图；

图5是本发明优选实施方式的智能电能表在应力S3下的基本误差退化数据示意图；

图6是本发明优选实施方式的所述待测生产批次智能电能表的伪寿命分布拟合检验示意图；

图7是本发明优选实施方式的所述待测生产批次智能电能表的可靠度曲线示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

当智能电能表的使用到达一定期限时，需要对其进行寿命预测。产品的剩余寿命是评价其使用性能的重要指标，直接关系到一大批智能电能表是否被更换的决定。

本发明的目的在于提供一种智能电能表剩余寿命预测方法，它是一种基于加速试验的智能电能表剩余寿命预测方法，可以有效指导使用达到一定期限的某个生产批次智能电能表是否被更换以及还能使用多久就应该被更换的决策。

本发明提供的智能电能表剩余寿命预测方法，针对使用到达一定期限的智能电能表，抽检出部分产品进行恒定应力加速退化试验，是一种利用试验中的退化数据进行剩余寿命预测的方法。

该方法基于到期智能电能表的抽检样本进行恒定应力加速退化试验的退化数据，利用步进应力加速退化试验数据处理的思想，推导出智能电能表的伪寿命计算公式；最终得出伪寿命的分布函数，并通过加速模型外推出正常使用条件下的剩余寿命。

如图1所示，本发明优选实施方式的确定智能电能表剩余寿命的方法，包括以下步骤：

S101：获取智能电能表样本在M组高应力水平下进行恒定应力加速试验中在多个预先设定的监测时刻下的性能参数值；；

S102：根据获取的智能电能表样本的性能参数的值、恒定应力加速模型及性能退化模型，确定每只智能电能表样本在正常应力水平下的伪寿命值；

S103：根据全部的所述伪寿命值，确定该批次的智能电能表的在指定的可靠度值下的可靠寿命值；

S104：根据下式，确定该批次的智能电能表在投入使用N年后的剩余寿命值RUL：

RUL＝t_r-N。

具体地，一个优选实施方式的智能电能表剩余寿命预测方法，步骤如下：

步骤一：加速退化试验设计

将投入使用N年的智能电能表抽样选取后，进行恒定应力加速退化试验。

需要说明的是，这里的N没有固定的上限值和下限值。一方面，该数值可以参考智能电能表出厂指标中的寿命值来确定；另一方面，也可以根据强化试验组和每组实验的样本来确定。

根据之前进行的强化试验结果和工程经验来设计加速退化试验的应力水平。具体地，确定如表1所示的3组高应力水平进行加速退化试验。

表1同生产批次的智能电能表加速退化试验用高应力水平组

所述待测生产批次智能电能表加速退化试验施加的电应力剖面如图2所示所示。电应力分时段依次施加。具体地，在白天(8:00am-20:00pm)，施加的电流大小为1Ib；在晚上(20:00pm-8:00pm)，施加的电流大小为4Ib。

需要说明的是，在每个样本的每个循环剖面开始前和结束后，在正常应力试验水平时，检测智能电能表样本的性能参数和功能参数，以保证强化试验是有效的，且智能电能表样本并未失效。

优选地，选择智能电能表的基本误差作为监测智能电能表是否失效的变量。也即，只要该智能电能表的基本误差能满足标准规定的准确度的要求，即可认为该智能电能表没有失效。

该优选实施方式的智能电能表剩余寿命预测方法不仅适用于“投入使用年限到期”的智能电能表，也适用于“投入使用年限尚未到期”的智能电能表的剩余寿命预测。

当然，已经到期的智能电能表，进行寿命寿命试验的需求更紧迫，价值更大。

步骤二：建立退化模型和加速模型

(1)建立加速模型

将投入使用N年的智能电能表抽检出的样本，进行恒温恒湿及电应力加速退化试验；该加速退化试验中，加速应力为温度、湿度这两个因素。

具体地，选用如下加速模型：

式(1)中，A,B,C均为待估参数，需要根据加速退化试验的试验数据进行估计；T为绝对温度(单位为K)，RH为相对湿度(％)，L为智能电能表的性能退化指标量。

(2)建立退化模型

记恒定应力加速退化试验共有l个应力水平S，每个应力水平为S_i，则_l个应力水平为S＝{S₁,S₂,…S_i,…,S_l}；记相应应力水平试验的时间为：t＝{t₁,t₂,…,t_i,…t_l}，i＝1，…，l。

通常来说，恒定应力加速退化试验中，每个应力水平的试验时间是相同的；但考虑到退化不充分时将增加试验时间的情形，所以可能会出现每个恒定应力下试验时间可能不同的情况。

将产品在第i个应力水平下第j个样本的退化轨迹建立如下的退化模型：

式(2)中，y_N,i,j为产品在加速试验开始前的基本误差测量值，且

式(2)及(3)中，y_0,i,j为第i个应力水平下第j个样本在N年前出厂时的初始值，t_N的值为N，β₀为正常应力下的退化率；

β_i为第i个应力水平下第j个样本在第i个高应力水平下的退化率，a_i,j为关于时间的指数。

需要说明的是，该β_i或β₀只与应力水平中的温度、湿度相关，在任一应力水平下进行试验的全部的智能电能表的β_i或β₀是同一个数值。

鉴于在对产品实施加速退化试验之前，已经运行了N年的时间；将产品在正常应力水平下运行了N年的时间记为tt_N；将该时间tt_N折算到加速应力S_i下的时间为tt_N,i。

在采用恒定应力加速退化试验时，在每一高应力水平S₁,S₂,…,S_l下的退化方程为：

因此，智能电能表的基本误差在应力S_i下第j个样本的退化方程可以写成：

令w_i＝t-tt_N,i，则式(5)可以转化为如下：

式(5)和式(6)中，t_i为加速退化试验中第i个应力水平下的总试验时间，w_i为加速退化试验中第i个应力水平下的试验时间变量。

步骤三：估计退化模型和加速模型参数

根据智能电能表在加速条件下测量得到的性能参数退化轨迹，建立其退化模型如式(2)所示。

具体的模型参数求解过程见式(3)-(14)。

(1)退化率β和指数a

采用最小二乘法求解退化模型参数。

具体地，式(4)可以统一地变换为：

其中，i为应力水平编号，j为样本号，k为应力水平i下加速退化试验中监测的第k个时间点，也即时刻t_k。

式(7)中，当w_i,j＝0，y_i,j＝yy_N,i,j；

当w_i,j＞0时，对式(5)两边取对数：

ln(y_i,j-yy_N,i,j)＝lnβ_i+a_i,jlnw_i,j (8)

为将上述方程(8)转化为线性方程求解。

进行变量替换，令v_i,j＝ln(y_i,j-yy_N,i,j)，u_i,j＝lnw_i,j，b_i＝lnβ_i

则方程(8)变换为：

v_i,j＝a_i,ju_i,j+b_i (9)

式(10)中，

n_i,j表示第i个应力下第j个样本的总监测时刻数。

残差平方和表达式为：

将退化率β_i作为式(1)中加速模型的左侧变量，有：

利用残差平方和对式(12)中的参数A,B,C求偏导：

可求解得到参数的值，也即确定了加速模型。

(2)各个智能电能表样本的初值y₀求解

求得加速模型参数和时间指数(时间指数的值根据式(10)确定)之后，向式(1)中带入正常应力水平时的温度T₀、相对湿度RH₀，可以得到正常应力下的退化率：

根据正常应力下的退化率β₀及式(3)，可求得各个样本的初值，也即第i个应力水平下第j个样本在N年前出厂时的初始值y_0,i,j。

步骤四：预测正常应力下的剩余寿命

(1)伪寿命分布

在该生产或投入生产批次的智能电能表的失效阈值指定为D_f时，

根据式(2)可求得样本伪寿命值，即求解方程(15)得到的t_i,j值即为伪寿命值T_i,j：

也即，求得各高应力下的样本折算到正常应力下的伪寿命值为

在计算得到每个智能电能表样本的伪寿命值后，对伪寿命值进行分布拟合检验，从而确定伪寿命服从哪种类型的分布，也即，通过分布拟合检验确定为伪寿命的分布形式。

如，伪寿命服从Weibull分布，

t～Weibull(η,m) (16)

式(16)中，η为Weibull分布的尺度参数，m为Weibull分布的形状参数。

具体实施时，可通过Minitab软件拟合出Weibull分布的形状参数和尺度参数。

(2)可靠寿命

根据Weibull分布，求得所述待测生产批次智能电能表的可靠度函数为：

则给定可靠度值r，即可根据式(17)求解得到给定可靠度下的可靠寿命t_r。

(3)剩余寿命预测

通过式(18)，求得智能电能表投入使用N年时间后的剩余寿命RUL：

RUL＝t_r-N (18)

该智能电能表剩余寿命预测方法利用步进应力加速退化试验数据处理的思想，推导得到智能电能表在使用初期的误差值，从而推导出智能电能表的伪寿命，进而得以进行寿命预测。

该方法利用加速退化试验，可以在很短时间内对到达一定期限的智能电能表进行寿命预测，节省试验样本量和试验时间；对于一定投入年限或达到使用期限的智能电能表的寿命预测提供了高效简便的方法。

下面将结合附图和实施例做进一步的详细说明。

以下实施例是以使用5年期限抽检出的智能电能表为试验对象按照如图1所示的流程进行实施的，并最终确定得到了智能电能表的剩余寿命。具体如下：

步骤一：加速退化试验设计

采用恒定应力加速退化试验进行智能电能表的基本误差测试。

温湿综合应力的施加方式根据表1的内容施加，电应力的施加方式根据图2施加。

步骤二：建立退化模型和加速模型

利用式(1)建立加速模型，利用式(2)对图3，图4和图5的智能电能表基本误差退化数据建模。需要说明的是，图3，图4和图5的横坐标为自加速退化试验开始而记录的累计试验时间。

步骤三：模型参数估计

(1)退化率β和指数a

通过式(7)～(13)，求得各应力下样本的参数值a_i,j的计算结果如表2所示。

表2退化轨迹参数a_i,j估计结果

常数参数的估计值为：

正常应力定义为T0＝23℃，相对湿度RH0＝50％，求得正常应力下的退化率为：

(2)各个样本初值y₀求解

根据产品在5年时刻检测的基本误差数值，求得产品出厂前的值。

产品在第5年时刻检测的值如表3所示。

表3产品在5年时刻检测的基本误差值

步骤四：正常应力下的剩余寿命预测

根据式(3)求得样本刚投入使用时初值如表4所示。

表4样本投入使用时的样本初值y₀

根据式(15)求得各样本外推到正常应力下的伪寿命求解如表5所示。

表5样本正常应力下的伪寿命值(*10^5hour)

根据以上各个样本的伪寿命值拟合的分布检验结果如图6所示。

图6中，显示P值等于0.086，其大于0.05，说明拟合效果好，因此确定伪寿命服从Weibull分布是合理的。

同时，确定该Weibull分布的形状参数和尺度参数分别为：

η＝11063,m＝1.43481

将形状参数和尺度参数带入到式(16)中，绘制出可靠度曲线如图7所示。

根据可靠度曲线，利用式(17)计算给定可靠度R＝0.9时的可靠寿命为：

t_R＝2305day＝6.3151year

由式(17)可知，该智能电能表已使用5年，因此剩余寿命RUL为：

RUL＝t_R-5＝1.3151year。

综上，利用该确定智能电能表剩余寿命的方法可以确定使用达到一定期限的某个生产批次智能电能表的剩余寿命值；根据该剩余寿命值，确定该生产批次智能电能表的维修计划，可以避免造成大量尚未失效的智能电能表提前终止使用。

以上已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (9)

1.一种确定智能电能表剩余寿命的方法，其特征在于，包括以下步骤：

从待测生产批次的全部Y只智能电能表进行抽样，以确定进行多水平恒定应力加速试验的智能电能表样本，其中，所述智能电能表样本被分为M个试验组，每个试验组包括Q只智能电能表，M×Q＜Y，M和Q均为不小于2的正整数，Y为正整数，所述待测生产批次的全部Y只智能电能表中的每个均已投入使用N年；

获取所述智能电能表样本在进行多水平恒定应力加速试验时在多个预先设定的监测时刻下的性能参数的值，所述性能参数包括智能电能表的基本误差；

根据获取的智能电能表样本的性能参数的值、双变量恒定应力加速模型及指数型性能退化模型，确定所述智能电能表样本的全部M×Q只智能电能表中的每只智能电能表在正常应力水平下的伪寿命值；

根据智能电能表样本的伪寿命值，确定所述待测生产批次的智能电能表在指定的可靠度值r下的可靠寿命值t_r；

根据如下公式来确定所述待测生产批次的智能电能表在投入使用N年后的剩余寿命值RUL：

RUL＝t_r-N。

2.根据权利要求1所述的方法，其特征在于，

第i个试验组内的Q只智能电能表在第i组高应力水平下分别进行恒定应力加速试验，其中，1≤i≤M；

在任一预先设定的监测时刻，每只智能电能表的性能参数的值不大于预先指定的失效阈值。

3.根据权利要求2所述的方法，其特征在于，

所述多水平恒定应力包括：

第一组温度应力水平T₁：55℃，第一组相对湿度应力水平(％)RH₁：95；

第二组温度应力水平T₂：70℃，第二组相对湿度应力水平(％)RH₂：95；

第三组温度应力水平T₃：80℃，第三组相对湿度应力水平(％)RH₃：80；

所述正常应力水平中，正常温度应力水平T₀：23℃，正常相对湿度应力水平(％)RH₀：50。

4.根据权利要求3所述的方法，其特征在于，

在智能电能表样本的每个循环剖面中，电应力在两个时段内依次施加，在第一时段，施加1Ib的电流；在第二时段，施加4Ib的电流。

5.根据权利要求4所述的方法，其特征在于，根据下式确定所述指数型性能退化模型：

其中，y_ij为在第i个应力水平下第j个样本的性能参数退化轨迹；

y_N,i,j为第i个应力水平下第j个样本在加速试验开始前的性能参数值；

β_i为第i个应力水平下第j个样本的退化率；

a_i,j为第i个应力水平下第j个样本的退化时间指数。

6.根据权利要求5所述的方法，其特征在于，根据下式确定所述双变量恒定应力加速模型：

其中，i为0，1，2或3，

当i为1，2或3时，T_i为第i个温度应力水平，RH_i为第i个相对湿度应力水平；

当i为0时，T₀为正常温度应力水平，RH₀为正常相对湿度应力水平；

A、B、C分别为一常数值。

7.根据权利要求6所述的方法，其特征在于，

所述根据获取的智能电能表样本的性能参数值、双变量恒定应力加速模型及指数型性能退化模型，确定每只智能电能表样本在正常应力水平下的伪寿命值，包括：

在指定的失效阈值为D_f时，根据如下方程确定每只智能电能表样本在正常应力水平下的伪寿命值T_i,j：

其中，β₀为正常应力水平下第j个样本的退化率；

y_0,i,j为第i个应力水平下第j个样本在N年前出厂时的性能参数值；

a_i,j为第i个应力水平下第j个样本的退化时间指数。

8.根据权利要求7所述的方法，其特征在于，

所述根据全部的所述伪寿命值，确定所述待测生产批次的智能电能表的在指定的可靠度值r下的可靠寿命值t_r，包括：

所述根据全部的所述伪寿命值，确定所述待测生产批次的智能电能表的可靠度函数；

根据所述可靠度函数，确定所述待测生产批次的智能电能表的在指定的可靠度值r下的可靠寿命值t_r。

9.根据权利要求8所述的方法，其特征在于，

所述根据全部的所述伪寿命值，确定所述待测生产批次的智能电能表的可靠度函数，包括：

在检验所述伪寿命值符合Weibull分布后，根据下式来确定所述待测生产批次的智能电能表的可靠度函数R：

其中，η为Weibull分布的尺度参数，m为Weibull分布的形状参数。