CN110873857B - 基于多源数据融合的智能电能表运行状态评价方法及系统 - Google Patents
基于多源数据融合的智能电能表运行状态评价方法及系统 Download PDFInfo
- Publication number
- CN110873857B CN110873857B CN201811024319.2A CN201811024319A CN110873857B CN 110873857 B CN110873857 B CN 110873857B CN 201811024319 A CN201811024319 A CN 201811024319A CN 110873857 B CN110873857 B CN 110873857B
- Authority
- CN
- China
- Prior art keywords
- data
- electric energy
- energy meter
- intelligent electric
- index
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Abstract
本发明提供了一种基于多源数据融合的智能电能表运行状态评价方法及系统,属于智能装置检测领域。该方法包括:步骤1,采集智能电能表的多源数据,分别对多源数据进行数据化得到各个评价指标的数值;步骤2,根据步骤1得到的评价指标的数值计算二级指标的数值;步骤3,根据步骤2得到的二级指标的数值计算一级指标的数值;步骤4,根据步骤3得到的一级指标的数值计算智能电能表的数值,并根据智能电能表的数值确定该智能电能表的运行状态。本发明的方法和系统利用电网中的智能电能表的多源数据实现了对智能电能表的运行状态的评价,完善了现有评价系统,提高了评价结果的准确性。
Description
技术领域
本发明属于智能装置检测领域,具体涉及一种基于多源数据融合的智能电能表运行状态评价方法及系统。
背景技术
随着智能电网和高级测量体系的建设,自动抄表系统的不断完善,越来越多的智能电能表数据被记录和保存。通过这些数据可以分析电网中设备的运行状态。智能电能表是智能电网最为基础的设备之一,承担着电能的计量、数据的采集和传输等任务。智能电能表运行状态的好坏也对智能电网的运行质量具有重大影响。因此,利用电网中智能电能表的多源数据,准确评价智能电能表的运行状态是具有重要的意义。
但是,现有技术中没有固定统一的运行状态评价系统及方法,无法对智能电能表的运行状态做出准确的判断。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种基于多源数据融合的智能电能表运行状态评价方法及系统,对电网中的智能电能表的多源数据进行分析,进而对智能电能表的运行状态做出判别。
本发明是通过以下技术方案实现的:
一种基于多源数据融合的智能电能表运行状态评价方法,所述方法包括:
步骤1,采集智能电能表的多源数据,分别对多源数据进行数据化得到各个评价指标的数值;
步骤2,根据步骤1得到的评价指标的数值计算二级指标的数值;
步骤3,根据步骤2得到的二级指标的数值计算一级指标的数值;
步骤4,根据步骤3得到的一级指标的数值计算智能电能表的数值,并根据智能电能表的数值确定该智能电能表的运行状态。
所述步骤1中的采集智能电能表的多源数据的操作包括:
从智能电能表的计量生产调度平台、营销业务应用系统、用电信息采集系统的数据库中采集以下数据:
验收检定数据:智能电能表在安装前进行检定得到的误差;
现场检定数据:针对Ⅰ、Ⅱ、Ⅲ类智能电能表或电能计量装置在现场检定得到的误差;
运行检定数据:针对Ⅳ、Ⅴ类智能电能表或电能计量装置抽检所得的误差;
运行时间:智能电能表安装到用户后运行的时间;
电量异常数据:智能电能表的电量异常的记录次数
时钟异常数据:智能电能表的时钟异常的记录次数;
全检退货率:智能电能表在安装前检定到的因不合格而退货的比率;
运行故障率:智能电能表在运行过程中发生故障的比率;
性能退化数据:对智能电能表在运行过程中进行退化实验得到的退化状态,包括优、良、差三种状态;
电压电流异常数据:智能电能表的电圧电流异常的记录次数;
负荷异常数据:智能电能表的负载异常的记录次数;
家族缺陷数据:关于此品牌智能电能表在以往使用过程中是否存在严重问题的数据;
用户信誉数据:关于用户是否有偷电行为的数据;
安装环境数据:智能电能表的工作环境数据,包括:户外、普通室内、具有温度调节装置的室内;
分别计算采集到的现场检定数据、运行检定数据的标准差,将标准差作为误差稳定性数据。
所述步骤1中的分布对多源数据进行数据化得到各个评价指标的数值的操作包括:
验收检定数据、现场检定数据、运行检定数据的数据类型均为误差数据,其评价指标C1的数值为:|e|≤0.1El时,C1=100;0.1El<|e|≤0.2El时,C1=90;0.2El<|e|≤0.3El时,C1=80;0.3El<|e|≤0.4El时,以此类推,0.8El<|e|≤0.9El时,C1=10;0.9El<|e|≤El时,C1=10,El<|e|时,C1=0,其中e为验收检定数据、现场检定数据、运行检定数据中的一种,El为极限误差;
误差稳定性数据δ的评价指标C2的数值为:δ≤0.02时,C2=100;0.02<δ≤0.04时,C2=90;0.04<δ≤0.06时,C2=80;以此类推,0.16<δ≤0.18时,C2=20;0.18<δ≤0.2时,C2=10;0.2≤δ时,C2=0;
运行时间T的评价指标C3的数值为:T≤1时,C3=100;1<T≤2时,C3=90;2<T≤3时,C3=80;以此类推,7<T≤8时,C3=30;8<T≤9时,C3=20;9<T≤10时,C3=10;10<T时,C3=20;
电量异常数据En的评价指标C4的数值为:有电量异常记录时,C4=0无电量异常记录时,C4=80;
时钟异常数据Tn的评价指标C5的数值为:有时钟异常记录时,C5=0无时钟异常记录时,C5=80;
全检退货率Qth的评价指标C6的数值为:Qth≤0.01%时,C6=100;0.01%<Qth≤0.02%时,C6=90;0.02%<Qth≤0.03%时,C6=80;0.03%<Qth<0.04%时,C6=70;以此类推,0.08%<Qth≤0.09%时,C6=20;0.09%<Qth≤0.1%时,C6=10;0.1%<Qth时,C6=0;
运行故障率Yth的评价指标C7的数值为:Yth≤0.02%时,C7=100;0.02%<Yth≤0.04%时,C7=90;0.04%<Yth≤0.06%时,C7=80;以此类推,0.16%<Yth≤0.18%时,C7=20;0.18%<Yth≤0.2%时,C7=10;Yth<0.02%时,C7=100;
性能退化数据Del的评价指标C8的数值为:Del为优时,C8=80,Del为良时:C8=30,Del为差时:C8=0分;
电压电流异常数据ND的评价指标C9的数值为:ND≤2时,C9=100;2<ND≤4时,C9=80;4<ND≤6时,C9=70;以此类推,16<ND≤18时,C9=20;18<ND≤20时,C9=10;20<ND时,C9=0;
负荷异常数据NF的评价指标C10的数值为:NF≤2时,C10=100;2<NF≤4时,C10=80;4<NF≤6时,C10=70;以此类推,16<NF≤18时,C10=20;18<NF≤20时,C10=10;20<NF时,C10=0;
家族缺陷数据FD的评价指标C11的数值为:有家族缺陷时,C11=10;无家族缺陷时,C11=80;
用户信誉数据UI的评价指标C12的数值为:有偷电等行为时,C12=10;无偷电等行为时,C12=80;
安装环境数据IE的评价指标C13的数值为:室内有空调时,C13=100;室内无空调时,C13=80;室外普通环境时,C13=30;室外极端环境时,C13=10。
所述步骤2中的二级指标包括:基本误差、运行误差、误差稳定性、单体可靠性、批次可靠性、内在隐患、外在隐患;其中,
基本误差:包括验收检定数据;
运行误差:包括现场检定数据或者运行检定数据;
误差稳定性:包括误差稳定性数据;
单体可靠性:包括运行时间、电量异常数据和时钟异常数据;
批次可靠性:包括全检退货率、运行故障率和性能退化数据;
内在隐患:包括电压电流异常数据、负荷异常数据和家族缺陷数据;
外在隐患:包括用户信誉数据和安装环境数据。
所述步骤2中的计算二级指标的数值的操作包括:
将步骤1得到的每个评价指标的数值与该评价指标的权重值相乘得到该评价指标与其权重值的乘积,然后将同一个二级指标下所有的评价指标与其权重值的乘积相加得到该二级指标的数值;同一个二级指标下的所有评价指标的权重值相加的和等于1。
所述步骤3中的一级指标包括:计量可靠性、运行可靠性、隐患发生性;其中,
计量可靠性包括3个二级指标,分别为:基本误差、运行误差和误差稳定性;
运行可靠性包括2个二级指标,分别为:单体可靠性和批次可靠性;
隐患发生性包括2个二级指标,分别为:内在隐患和外在隐患。
所述步骤3中的计算一级指标的数值的操作包括:
将步骤2得到的每个二级指标的数值与该二级指标的权重值相乘得到该二级指标与其权重值的乘积,然后将同一个一级指标下所有的二级指标与其权重值的乘积相加得到该一级指标的数值;同一个一级指标下的所有二级指标的权重值相加的和等于1。
所述步骤4中的根据步骤3得到的一级指标的数值计算智能电能表的数值的操作包括:
将每个一级指标的数值与该一级指标的权重值相乘得到该一级指标与其权重值的乘积,然后将所有一级指标与其权重值的乘积相加得到该智能电能表的数值s;同一个智能电能表的所有一级指标的权重值相加的和等于1;
所述步骤4中的根据智能电能表的数值确定该智能电能表的运行状态的操作包括:
如果s≥80,则判定该智能电能表的运行状态为稳定;
如果80>s≥30,则判定该智能电能表的运行状态为关注;
如果30>s,则判定该智能电能表的运行状态为预警。
本发明还提供一种基于多源数据融合的智能电能表运行状态评价系统,包括:
数据采集单元:采集智能电能表的以下数据:验收检定数据、现场检定数据、运行检定数据、运行时间、电量异常数据、时钟异常数据、全检退货率、运行故障率、性能退化数据、电压电流异常数据、负荷异常数据、家族缺陷数据、用户信誉数据、安装环境数据;分别计算采集到的现场检定数据、运行检定数据的标准差,将标准差作为误差稳定性数据;分别对采集到的数据以及误差稳定性数据进行数据化得到各个评价指标的数值,并将所有评价指标的数值发送给二级指标计算单元;
二级指标计算单元:与数据采集单元连接,将数据采集单元发送来的每个评价指标的数值与该评价指标的权重值相乘得到该评价指标与其权重值的乘积,然后将同一个二级指标下所有的评价指标与其权重值的乘积相加得到该二级指标的数值,并将所有二级指标的数值发送给一级指标计算单元;
一级指标计算单元:与二级指标计算单元连接,将二级指标计算单元发送来的每个二级指标的数值与该二级指标的权重值相乘得到该二级指标与其权重值的乘积,然后将同一个一级指标下所有的二级指标与其权重值的乘积相加得到该一级指标的数值,并将所有一级指标的数值发送给运行状态评价单元;
运行状态评价单元:与一级指标计算单元连接,将一级指标计算单元发送来的每个一级指标的数值与该一级指标的权重值相乘得到该一级指标与其权重值的乘积,然后将所有的一级指标与其权重值的乘积相加得到该智能电能表的数值s;根据智能电能表的数值确定该智能电能表的运行状态:如果s≥80,则判定该智能电能表的运行状态为稳定;如果80>s≥30,则判定该智能电能表的运行状态为关注;如果30>s,则判定该智能电能表的运行状态为预警。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行的至少一个程序,所述至少一个程序被所述计算机执行时使所述计算机执行本发明的基于多源数据融合的智能电能表运行状态评价方法中的步骤。
与现有技术相比,本发明的有益效果是:本发明的方法和系统利用电网中的智能电能表的多源数据实现对智能电能表的运行状态的评价,完善了现有评价系统,提高了评价结果的准确性。
附图说明
图1本发明系统的结构示意图;
图2本发明方法的步骤框图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
如图2所示,本发明提供一种智能电能表运行状态的评价方法,所述评价方法包括:
从计量生产调度平台、营销业务应用系统、用电信息采集系统的数据库中采集实际业务的多源数据,包括:运行数据、检定数据、环境数据、退化数据、故障数据等等。
步骤1:数据化智能电能表运行状态的评价指标,给出相应的数值;
步骤1中采集的数据包括:验收检定数据、现场检定数据、运行检定数据、误差稳定性数据(误差稳定性数据是系统根据采集的误差进行计算后给出的。)、运行时间、电量异常数据、时钟异常数据、全检退货率、运行故障率、性能退化数据;电压电流异常数据、负荷异常数据、家族缺陷数据、用户信誉数据、安装环境数据;
进一步,所述验收检定数据为智能电能表在安装前进行检定的误差数据;
现场检定数据为针对Ⅰ、Ⅱ、Ⅲ类智能电能表或电能计量装置在现场检定的误差数据;
运行检定数据为针对Ⅳ、Ⅴ类智能电能表或电能计量装置抽检所得的误差数据;
I类为月平均用电量500万kwh及以上或变压器容量为10000kVA及以上的高压计费用户、200MW及以上发电机、发电企业上网电量、电网经营企业之间的电量交换点、省级电网经营企业与其供电企业的供电关口计量点的智能电能表或电能计量装置。
II类为月平均用电量100万kwh及以上或变压器容量为2000kVA及以上的高压计费用户、100MW及以上发电机、供电企业之间的电量交换点的智能电能表或电能计量装置。
III类为月平均用电量10万kwh及以上或变压器容量为315kVA及以上的计费用户、100MW以下发电机、发电企业厂(站)用电量、供电企业内部用于承包考核的计量点、考核有功电量平衡的110kV及以上的送电线路智能电能表或电能计量装置。
IV类为负荷容量为315kVA以下的计费用户、发供电企业内部经济技术指标分析、考核用的智能电能表或电能计量装置。
V类单相供电的电力用户计费用智能电能表或电能计量装置。
运行时间为智能电能表安装到用户后运行的时间;
电量异常数据为智能电能表电量异常的记录次数;
时钟异常数据为智能电能表时钟异常的记录次数;
全检退货率为智能电能表在安装前检定到的因不合格而退货的比率;
运行故障率为智能电能表在运行过程中发生故障的比率;
性能退化数据为对智能电能表在运行过程中进行退化实验得到的退化状态,包括优、良、差三种状态。
电压电流异常数据为智能电能表的电圧电流异常的记录次数;
负荷异常数据为智能电能表负载异常的记录次数;
家族缺陷数据为此品牌智能电能表在以往使用过程中是否存在严重问题,这种问题与此种品牌的设计有关;
用户信誉数据为用户是否有偷电行为;
安装环境数据表示智能电能表的工作环境:户外、普通室内、具有温度调节装置的室内。
步骤1中的数据化智能电能表运行状态的评价指标,给出相应的分值的操作包括:
对于验收检定数据、现场检定数据、运行检定数据,其数据类型为误差数据。其对应的数值划分标准为:|e|≤0.1El时,C1=100;0.1El<|e|≤0.2El时,C1=90;0.2El<|e|≤0.3El时,C1=80;0.3El<|e|≤0.4El时,以此类推,0.8El<|e|≤0.9El时,C1=10;0.9El<|e|≤El时,C1=10,El<|e|时,C1=0,其中e为验收检定数据、现场检定数据、运行检定数据中的一种,El为极限误差。
误差标准差δ为对智能电能表的误差多次测量后的所求得标准差(求现场检定数据、运行检定数据的标准差),其对应的数值C2划分标准为:δ≤0.02时,C2=100;0.02<δ≤0.04时,C2=90;0.04<δ≤0.06时,C2=80;以此类推,0.16<δ≤0.18时,C2=20;0.18<δ≤0.2时,C2=10;0.2≤δ时,C2=0。
运行时间T,其对应的数值C3划分标准为:T≤1时,C3=100;1<T≤2时,C3=90;2<T≤3时,C3=80;以此类推,7<T≤8时,C3=30;8<T≤9时,C3=20;9<T≤10时,C3=10;10<T时,C3=20。
电量异常数据En对应的数值C4划分标准为:有电量异常记录时,C4=0;无电量异常记录时,C4=80。
时钟异常数据Tn对应的数值C5划分标准为:有时钟异常记录时,C5=0;无时钟异常记录时,C5=80。
全检退货率Qth对应的数值C6的划分标准为:Qth≤0.01%时,C6=100;0.01%<Qth≤0.02%时,C6=90;0.02%<Qth≤0.03%时,C6=80;0.03%<Qth<0.04%时,C6=70;以此类推,0.08%<Qth≤0.09%时,C6=20;0.09%<Qth≤0.1%时,C6=10;0.1%<Qth时,C6=0。
运行故障率Yth对应的数值C7划分标准为:Yth≤0.02%时,C7=100;0.02%<Yth≤0.04%时,C7=90;0.04%<Yth≤0.06%时,C7=80;以此类推,0.16%<Yth≤0.18%时,C7=20;0.18%<Yth≤0.2%时,C7=10;Yth<0.02%时,C7=100。
性能退化数据Del对应的数值C8的划分标准根据状态划分。Del为优时,C8=80,Del为良时:C8=30,Del为差时:C8=0分。
电压电流等异常数据次数ND对应的数值C9划分标准为:ND≤2时,C9=100;2<ND≤4时,C9=80;4<ND≤6时,C9=70;以此类推,16<ND≤18时,C9=20;
负荷异常数据次数NF对应的数值C10划分标准为:NF≤2时,C10=100;2<NF≤4时,C10=80;4<NF≤6时,C10=70;以此类推,16<NF≤18时,C10=20;18<NF≤20时,C10=10;20<NF时,C10=0。
家族缺陷数据FD对应的数值C11划分标准为:有家族缺陷时,C11=10;无家族缺陷时,C11=80。
用户信誉数据UI对应的数值C12划分标准为:有偷电等行为时,C12=10;无偷电等行为时,C12=80。
安装环境数据IE对应的数值C13划分标准为:室内有空调时,C13=100;室内无空调时,C13=80;室外普通环境时,C13=30;室外极端环境时,C13=10
步骤2:计算二级指标的数值;
二级指标包括:基本误差、运行误差、误差稳定性、单体可靠性、批次可靠性、内在隐患、外在隐患;
其中,
基本误差:包括验收检定数据;
运行误差:包括现场检定数据和运行检定数据;
误差稳定性:误差的标准差;
单体可靠性:包括运行时间、电量异常数据、时钟异常数据;
批次可靠性:包括全检退货率、运行故障率、性能退化数据;
内在隐患:包括电压电流异常数据、负荷异常数据、家族缺陷数据;
外在隐患:包括用户信誉数据、安装环境数据。
步骤2中计算二级指标的数值是通过给定不同指标的权重值来计算的。不同评价指标的权重值W如表1所示,表1中的各个指标的权重值是根据多次实验并对实验结果进行统计分析获得的,实际使用时,操作人员可以根据不同的使用环境或者不同的需求对权重值进行调整。同一个二级指标下,数据化后的指标与其权重值相乘,然后相加,即可得到二级指标的数值,例如批次可靠性的数值=全检退货率乘以30%+运行故障率乘以30%+性能退化数据乘以40%。
表1
步骤3:计算一级指标的数值;
一级指标包括:计量可靠性、运行可靠性、隐患发生性
其中,
计量可靠性包括3个二级指标,分别为:基本误差、运行误差、误差稳定性;
运行可靠性包括2个二级指标,分别为:单体可靠性和批次可靠性;
隐患发生性包括2个二级指标,分别为:内在隐患、外在隐患。
步骤3中计算一级指标的数值的操作包括:
在同一个一级指标下,数据化后的二级指标与其权重值相乘,然后相加,即可得到一级指标的数值,例如运行可靠性的数值=单体可靠性乘以60%+批次可靠性乘以40%。
步骤4:计算智能电能表的数值,并给出状态评价。
将一级指标数据与其权重值相乘,然后相加,即可提到评价电能表的数值,即智能电能表的数值s=计量准确性乘以50%+运行可靠性乘以35%+隐患发生性乘以15%。得到的数值与智能电能表对应的状态如表2所示。
数值s | s≥80 | 80>s≥30 | 30>s |
状态 | 稳定 | 关注 | 预警 |
表2
图1表示了本发明中的多源数据融合的过程,其中的省略号表示随着技术的发展,后续可能还会得到更多的多源数据,可以根据需要在本发明现有的指标中扩充其他类型数据的指标。
本发明还提供一种基于多源数据融合的智能电能表运行状态评价系统,包括:
数据采集单元:采集智能电能表的以下数据:验收检定数据、现场检定数据、运行检定数据、运行时间、电量异常数据、时钟异常数据、全检退货率、运行故障率、性能退化数据、电压电流异常数据、负荷异常数据、家族缺陷数据、用户信誉数据、安装环境数据;分别计算采集到的现场检定数据、运行检定数据的标准差,将标准差作为误差稳定性数据;分别对采集到的数据以及误差稳定性数据进行数据化得到各个评价指标的数值,并将所有评价指标的数值发送给二级指标计算单元;
二级指标计算单元:与数据采集单元连接,将数据采集单元发送来的每个评价指标的数值与该评价指标的权重值相乘得到该评价指标与其权重值的乘积,然后将同一个二级指标下所有的评价指标与其权重值的乘积相加得到该二级指标的数值,并将所有二级指标的数值发送给一级指标计算单元;
一级指标计算单元:与二级指标计算单元连接,将二级指标计算单元发送来的每个二级指标的数值与该二级指标的权重值相乘得到该二级指标与其权重值的乘积,然后将同一个一级指标下所有的二级指标与其权重值的乘积相加得到该一级指标的数值,并将所有一级指标的数值发送给运行状态评价单元;
运行状态评价单元:与一级指标计算单元连接,将一级指标计算单元发送来的每个一级指标的数值与该一级指标的权重值相乘得到该一级指标与其权重值的乘积,然后将所有的一级指标与其权重值的乘积相加得到该智能电能表的数值s;根据智能电能表的数值确定该智能电能表的运行状态:如果s≥80,则判定该智能电能表的运行状态为稳定;如果80>s≥30,则判定该智能电能表的运行状态为关注;如果30>s,则判定该智能电能表的运行状态为预警。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行的至少一个程序,所述至少一个程序被所述计算机执行时使所述计算机执行本发明的基于多源数据融合的智能电能表运行状态评价方法中的步骤。
本发明的一个实施例如下:
某一智能电能表的指标数据如表3所示:
表3
数据化智能电能表运行状态的评价指标,给出相应的数值,如表4所示:
指标项 | 数值 |
验收检定数据 | 100 |
抽样检定数据(%) | 90 |
误差标准差 | 90 |
运行时间(年) | 60 |
电量异常数据 | 80 |
时钟异常数据 | 80 |
全检退货率(%) | 90 |
运行故障率(%) | 90 |
性能退化数据 | 80 |
电压电流异常 | 100 |
负载异常数据 | 90 |
家族缺陷数据 | 80 |
用户信誉数据 | 80 |
安装环境数据 | 100 |
表4
计算二级指标的数值,如表5所示:
二级指标 | 数值 |
基本误差 | 100 |
运行误差 | 90 |
误差稳定性 | 90 |
单体可靠性 | 76 |
批次可靠性 | 87 |
内在隐患 | 91 |
外在隐患 | 90 |
表5
计算一级指标,如表6所示:
一级指标 | 数值 |
计量准确性 | 93 |
运行可靠性 | 80.4 |
隐患发生性 | 90.6 |
表6
计算电能表总体分值:93×0.5+80.4×0.35+90.6×0.15=88.23
根据表2可得,此电能表运行状态为:稳定状态。可以看出,采用本发明方法和系统后,能够简单、准确地评价智能电能表的运行状态。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进或变形,而不仅限于本发明上述具体实施方式所描述的方法,因此前面描述的方式只是优选的,而并不具有限制性的意义。
Claims (8)
1.一种基于多源数据融合的智能电能表运行状态评价方法,其特征在于:所述方法包括:
步骤1,采集智能电能表的多源数据,分别对多源数据进行数据化得到各个评价指标的数值;
步骤2,根据步骤1得到的评价指标的数值计算二级指标的数值;
步骤3,根据步骤2得到的二级指标的数值计算一级指标的数值;
步骤4,根据步骤3得到的一级指标的数值计算智能电能表的数值,并根据智能电能表的数值确定该智能电能表的运行状态;
所述步骤1中的采集智能电能表的多源数据的操作包括:
从智能电能表的计量生产调度平台、营销业务应用系统、用电信息采集系统的数据库中采集以下数据:
验收检定数据:智能电能表在安装前进行检定得到的误差;
现场检定数据:针对I、II、III类智能电能表或电能计量装置在现场检定得到的误差;
运行检定数据:针对IV、V类智能电能表或电能计量装置抽检所得的误差;
运行时间:智能电能表安装到用户后运行的时间;
电量异常数据:智能电能表的电量异常的记录次数
时钟异常数据:智能电能表的时钟异常的记录次数;
全检退货率:智能电能表在安装前检定到的因不合格而退货的比率;
运行故障率:智能电能表在运行过程中发生故障的比率;
性能退化数据:对智能电能表在运行过程中进行退化实验得到的退化状态,包括优、良、差三种状态;
电压电流异常数据:智能电能表的电压电流异常的记录次数;
负荷异常数据:智能电能表的负载异常的记录次数;
家族缺陷数据:关于此品牌智能电能表在以往使用过程中是否存在严重问题的数据;
用户信誉数据:关于用户是否有偷电行为的数据;
安装环境数据:智能电能表的工作环境数据,包括:户外、普通室内、具有温度调节装置的室内;
分别计算采集到的现场检定数据、运行检定数据的标准差,将标准差作为误差稳定性数据;
所述步骤2中的二级指标包括:基本误差、运行误差、误差稳定性、单体可靠性、批次可靠性、内在隐患、外在隐患;
所述步骤3中的一级指标包括:计量可靠性、运行可靠性、隐患发生性;
所述步骤2中的计算二级指标的数值的操作包括:
将步骤1得到的每个评价指标的数值与该评价指标的权重值相乘得到该评价指标与其权重值的乘积,然后将同一个二级指标下所有的评价指标与其权重值的乘积相加得到该二级指标的数值;同一个二级指标下的所有评价指标的权重值相加的和等于1。
2.根据权利要求1所述的基于多源数据融合的智能电能表运行状态评价方法,其特征在于:所述步骤1中的分布对多源数据进行数据化得到各个评价指标的数值的操作包括:
验收检定数据、现场检定数据、运行检定数据的数据类型均为误差数据,其评价指标C1的数值为:|e|≤0.1El时,C1=100;0.1El<|e|≤0.2El时,C1=90;0.2El<|e|≤0.3El时,C1=80;0.3El<|e|≤0.4El时,以此类推,0.8El<|e|≤0.9El时,C1=10;0.9El<|e|≤El时,C1=10,El<|e|时,C1=0,其中e为验收检定数据、现场检定数据、运行检定数据中的一种,El为极限误差;
误差稳定性数据δ的评价指标C2的数值为:δ≤0.02时,C2=100;0.02<δ≤0.04时,C2=90;0.04<δ≤0.06时,C2=80;以此类推,0.16<δ≤0.18时,C2=20;0.18<δ≤0.2时,C2=10;0.2≤δ时,C2=0;
运行时间T的评价指标C3的数值为:T≤1时,C3=100;1<T≤2时,C3=90;2<T≤3时,C3=80;以此类推,7<T≤8时,C3=30;8<T≤9时,C3=20;9<T≤10时,C3=10;10<T时,C3=20;
电量异常数据En的评价指标C4的数值为:有电量异常记录时,C4=0无电量异常记录时,C4=80;
时钟异常数据Tn的评价指标C5的数值为:有时钟异常记录时,C5=0无时钟异常记录时,C5=80;
全检退货率Qth的评价指标C6的数值为:Qth≤0.01%时,C6=100;0.01%<Qth≤0.02%时,C6=90;0.02%<Qth≤0.03%时,C6=80;0.03%<Qth<0.04%时,C6=70;以此类推,0.08%<Qth≤0.09%时,C6=20;0.09%<Qth≤0.1%时,C6=10;0.1%<Qth时,C6=0;
运行故障率Yth的评价指标C7的数值为:Yth≤0.02%时,C7=100;0.02%<Yth≤0.04%时,C7=90;0.04%<Yth≤0.06%时,C7=80;以此类推,0.16%<Yth≤0.18%时,C7=20;0.18%<Yth≤0.2%时,C7=10;Yth<0.02%时,C7=100;
性能退化数据Del的评价指标C8的数值为:Del为优时,C8=80,Del为良时:C8=30,Del为差时:C8=0分;
电压电流异常数据ND的评价指标C9的数值为:ND≤2时,C9=100;2<ND≤4时,C9=80;4<ND≤6时,C9=70;以此类推,16<ND≤18时,C9=20;18<ND≤20时,C9=10;20<ND时,C9=0;
负荷异常数据NF的评价指标C10的数值为:NF≤2时,C10=100;2<NF≤4时,C10=80;4<NF≤6时,C10=70;以此类推,16<NF≤18时,C10=20;18<NF≤20时,C10=10;20<NF时,C10=0;
家族缺陷数据FD的评价指标C11的数值为:有家族缺陷时,C11=10;无家族缺陷时,C11=80;
用户信誉数据UI的评价指标C12的数值为:有偷电等行为时,C12=10;无偷电等行为时,C12=80;
安装环境数据IE的评价指标C13的数值为:室内有空调时,C13=100;室内无空调时,C13=80;室外普通环境时,C13=30;室外极端环境时,C13=10。
3.根据权利要求2所述的基于多源数据融合的智能电能表运行状态评价方法,其特征在于:
基本误差:包括验收检定数据;
运行误差:包括现场检定数据或者运行检定数据;
误差稳定性:包括误差稳定性数据;
单体可靠性:包括运行时间、电量异常数据和时钟异常数据;
批次可靠性:包括全检退货率、运行故障率和性能退化数据;
内在隐患:包括电压电流异常数据、负荷异常数据和家族缺陷数据;
外在隐患:包括用户信誉数据和安装环境数据。
4.根据权利要求3所述的基于多源数据融合的智能电能表运行状态评价方法,其特征在于:
计量可靠性包括3个二级指标,分别为:基本误差、运行误差和误差稳定性;
运行可靠性包括2个二级指标,分别为:单体可靠性和批次可靠性;
隐患发生性包括2个二级指标,分别为:内在隐患和外在隐患。
5.根据权利要求4所述的基于多源数据融合的智能电能表运行状态评价方法,其特征在于:所述步骤3中的计算一级指标的数值的操作包括:
将步骤2得到的每个二级指标的数值与该二级指标的权重值相乘得到该二级指标与其权重值的乘积,然后将同一个一级指标下所有的二级指标与其权重值的乘积相加得到该一级指标的数值;同一个一级指标下的所有二级指标的权重值相加的和等于1。
6.根据权利要求5所述的基于多源数据融合的智能电能表运行状态评价方法,其特征在于:所述步骤4中的根据步骤3得到的一级指标的数值计算智能电能表的数值的操作包括:
将每个一级指标的数值与该一级指标的权重值相乘得到该一级指标与其权重值的乘积,然后将所有一级指标与其权重值的乘积相加得到该智能电能表的数值s;同一个智能电能表的所有一级指标的权重值相加的和等于1;
所述步骤4中的根据智能电能表的数值确定该智能电能表的运行状态的操作包括:
如果s≥80,则判定该智能电能表的运行状态为稳定;
如果80>s≥30,则判定该智能电能表的运行状态为关注;
如果30>s,则判定该智能电能表的运行状态为预警。
7.一种实现权利要求1-6任一所述的基于多源数据融合的智能电能表运行状态评价方法的智能电能表运行状态评价系统,其特征在于:所述系统包括:
数据采集单元:采集智能电能表的以下数据:验收检定数据、现场检定数据、运行检定数据、运行时间、电量异常数据、时钟异常数据、全检退货率、运行故障率、性能退化数据、电压电流异常数据、负荷异常数据、家族缺陷数据、用户信誉数据、安装环境数据;分别计算采集到的现场检定数据、运行检定数据的标准差,将标准差作为误差稳定性数据;分别对采集到的数据以及误差稳定性数据进行数据化得到各个评价指标的数值,并将所有评价指标的数值发送给二级指标计算单元;
二级指标计算单元:与数据采集单元连接,将数据采集单元发送来的每个评价指标的数值与该评价指标的权重值相乘得到该评价指标与其权重值的乘积,然后将同一个二级指标下所有的评价指标与其权重值的乘积相加得到该二级指标的数值,并将所有二级指标的数值发送给一级指标计算单元;
一级指标计算单元:与二级指标计算单元连接,将二级指标计算单元发送来的每个二级指标的数值与该二级指标的权重值相乘得到该二级指标与其权重值的乘积,然后将同一个一级指标下所有的二级指标与其权重值的乘积相加得到该一级指标的数值,并将所有一级指标的数值发送给运行状态评价单元;
运行状态评价单元:与一级指标计算单元连接,将一级指标计算单元发送来的每个一级指标的数值与该一级指标的权重值相乘得到该一级指标与其权重值的乘积,然后将所有的一级指标与其权重值的乘积相加得到该智能电能表的数值s;根据智能电能表的数值确定该智能电能表的运行状态:如果s≥80,则判定该智能电能表的运行状态为稳定;如果80>s≥30,则判定该智能电能表的运行状态为关注;如果30>s,则判定该智能电能表的运行状态为预警。
8.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机可执行的至少一个程序,所述至少一个程序被所述计算机执行时使所述计算机执行权利要求1至6任一所述的基于多源数据融合的智能电能表运行状态评价方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811024319.2A CN110873857B (zh) | 2018-09-04 | 2018-09-04 | 基于多源数据融合的智能电能表运行状态评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811024319.2A CN110873857B (zh) | 2018-09-04 | 2018-09-04 | 基于多源数据融合的智能电能表运行状态评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110873857A CN110873857A (zh) | 2020-03-10 |
CN110873857B true CN110873857B (zh) | 2023-01-17 |
Family
ID=69716332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811024319.2A Active CN110873857B (zh) | 2018-09-04 | 2018-09-04 | 基于多源数据融合的智能电能表运行状态评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110873857B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784168A (zh) * | 2020-07-02 | 2020-10-16 | 航天物联网技术有限公司 | 一种基于多源数据融合模型的军事训练水平综合评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942738A (zh) * | 2014-05-16 | 2014-07-23 | 国家电网公司 | 一种电能表综合评价方法及系统 |
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 |
CN105488734A (zh) * | 2015-11-27 | 2016-04-13 | 广州供电局有限公司 | 基于全生命周期的电能计量装置质量评估方法及系统 |
CN105548944A (zh) * | 2015-12-07 | 2016-05-04 | 成都思晗科技股份有限公司 | 一种计量装置状态检验方法 |
CN106447227A (zh) * | 2016-10-31 | 2017-02-22 | 国网上海市电力公司 | 城市电网异常状态分析方法及系统 |
CN106570629A (zh) * | 2016-11-03 | 2017-04-19 | 国家电网公司 | 基于灰色关联度的智能电能表供应商多目标综合评价方法 |
CN107609783A (zh) * | 2017-09-22 | 2018-01-19 | 中国电力科学研究院 | 一种基于数据挖掘的智能电能表综合性能进行评估的方法及系统 |
CN107679715A (zh) * | 2017-09-19 | 2018-02-09 | 国网天津市电力公司电力科学研究院 | 一种基于spc的电能表综合误差过程能力评价方法及评价系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104991223B (zh) * | 2015-07-27 | 2017-11-14 | 国网重庆市电力公司电力科学研究院 | 电能表状态评估指标选取及量化方法 |
CN105044656B (zh) * | 2015-08-11 | 2017-12-12 | 国网天津市电力公司 | 一种电能表状态检验方法 |
CN105548945B (zh) * | 2015-12-07 | 2018-06-01 | 成都思晗科技股份有限公司 | 一种电能表状态检验方法 |
CN105929359A (zh) * | 2016-07-11 | 2016-09-07 | 国网重庆市电力公司 | 一种电能表运行准确度评价方法 |
CN107563601A (zh) * | 2017-08-08 | 2018-01-09 | 中国计量科学研究院 | 一种智能电能表运行状态评价方法 |
-
2018
- 2018-09-04 CN CN201811024319.2A patent/CN110873857B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942738A (zh) * | 2014-05-16 | 2014-07-23 | 国家电网公司 | 一种电能表综合评价方法及系统 |
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 |
CN105488734A (zh) * | 2015-11-27 | 2016-04-13 | 广州供电局有限公司 | 基于全生命周期的电能计量装置质量评估方法及系统 |
CN105548944A (zh) * | 2015-12-07 | 2016-05-04 | 成都思晗科技股份有限公司 | 一种计量装置状态检验方法 |
CN106447227A (zh) * | 2016-10-31 | 2017-02-22 | 国网上海市电力公司 | 城市电网异常状态分析方法及系统 |
CN106570629A (zh) * | 2016-11-03 | 2017-04-19 | 国家电网公司 | 基于灰色关联度的智能电能表供应商多目标综合评价方法 |
CN107679715A (zh) * | 2017-09-19 | 2018-02-09 | 国网天津市电力公司电力科学研究院 | 一种基于spc的电能表综合误差过程能力评价方法及评价系统 |
CN107609783A (zh) * | 2017-09-22 | 2018-01-19 | 中国电力科学研究院 | 一种基于数据挖掘的智能电能表综合性能进行评估的方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于熵权的计量技术监督模糊综合评价方法;崔高颖等;《江苏电机工程》;20160928(第05期);全文 * |
智能电能表状态检验评价指标体系及在线平台开发;罗群等;《电测与仪表》;20170910(第17期);全文 * |
融合安全域的电能表状态评估方法及应用;周峰等;《自动化与仪表》;20160715(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110873857A (zh) | 2020-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107462863B (zh) | 一种智能电能表运行误差运行诊断分析方法及系统 | |
US9194899B2 (en) | Utility network and revenue assurance | |
CN111537939B (zh) | 一种基于多指标融合的电压互感器状态评估方法及装置 | |
CN105550499B (zh) | 一种计量装置健康度计算方法 | |
CN108830437A (zh) | 一种用于智能电能表运行的评估方法 | |
CN102129060B (zh) | 电能表可靠性检测方法及装置 | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN103576050A (zh) | 一种电容式电压互感器的运行状态评估方法 | |
CN206312210U (zh) | 一种配电网设备的状态评估系统 | |
CN105548944B (zh) | 一种计量装置状态检验方法 | |
CN111008193B (zh) | 一种数据清洗与质量评价方法及系统 | |
CN110532505A (zh) | 一种电表失准率的计算方法 | |
CN113033617A (zh) | 一种基于大数据台区线损数据深度挖掘分析方法 | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN112084678A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN104834305B (zh) | 基于dms系统的配网自动化终端遥测异常分析系统及方法 | |
Long et al. | A data-driven combined algorithm for abnormal power loss detection in the distribution network | |
CN109409629B (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
CN110873857B (zh) | 基于多源数据融合的智能电能表运行状态评价方法及系统 | |
CN205067637U (zh) | 一种特高压避雷器的状态评价系统 | |
CN116679151A (zh) | 一种低压台区线损异常诊断方法、装置及存储介质 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN112633692A (zh) | 查窃电阈值的获取方法和装置、查窃电装置和方法 | |
CN104361422A (zh) | 一种基于经济评估的电力用户电能质量数据收集方法 | |
CN105548939A (zh) | 一种电压互感器状态检验方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |