CN110991826B - 一种评价低压电能表运行状态的方法 - Google Patents
一种评价低压电能表运行状态的方法 Download PDFInfo
- Publication number
- CN110991826B CN110991826B CN201911128790.0A CN201911128790A CN110991826B CN 110991826 B CN110991826 B CN 110991826B CN 201911128790 A CN201911128790 A CN 201911128790A CN 110991826 B CN110991826 B CN 110991826B
- Authority
- CN
- China
- Prior art keywords
- electric energy
- energy meter
- fault
- probability
- voltage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 230000005856 abnormality Effects 0.000 claims abstract description 16
- 238000013210 evaluation model Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 230000005611 electricity Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 11
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 238000011161 development Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种评价低压电能表运行状态的方法,涉及电力运维领域;目前,电能表的轮换报废方法不够科学精准,造成了大量人力和物力的浪费;本发明包括步骤:首先对低压电能表应用威布尔分布计算可靠度,而后通过熵权法计算故障因素权值,再对包括计量异常、全事件、电能表过载率、时钟电池欠压四种故障运行相关数据进行评价,同时考虑地区影响因子的作用,最后计算低压电能表状态评价的总分,完成电能表状态评价模型。本技术方案减少了可继续运行电能表的浪费损失,大大减轻了电力工作人员的工作难度,同时提高了电网运行的效率和准确度,节省了大量的人力和物力。
Description
技术领域
本发明涉及一种电力运维领域,尤其涉及一种评价低压电能表运行状态的方法。
背景技术
低压电能表的正常稳定运行,影响着国家电网公司的发展和其运营的经济效益。国家电网公司自2009年开始对电能表进行全面轮换,2013年以后将电能表的批次故障率作为周期轮换的依据。以浙江省为例,每年轮换下的电能表约400万只,终端设备约40万只。这其中一部分电能计量设备尽管达到使用年限,但并无故障,仍可继续使用。电能表的轮换报废方法不够科学精准,造成了大量人力和物力的浪费。因此,需要建立一套合理完整的低压电能表评价模型用以提高电网公司在后续电能表轮换时的准确程度。
随着智能电网的日益发展,智能电能表的应用也更为广泛。因此,现有的人为进行智能电能表固定周期检验判断电能表是否发生故障的方式,不仅耗费大量的人力、物力,还存在着一定的现场作业危险性,也无法保证有效及时发现电能表运行出现的异常情况。并且现有的电能表轮换方式大多为按照电能表检定周期这一固定时间段对电能表进行轮换,从安装到户之日起计,在固定时间段之后无论用户使用的电能表的实际计量性能如何,都需更换电能表。随着电能表自身技术水平的提高和电能表运行水平、检测水平的提升,这种做法极易造成人力、物力的浪费,而且不利于节能环保。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种评价低压电能表运行状态的方法,以达到提高电能表轮换的准确性目的。为此,本发明采取以下技术方案。
一种评价低压电能表运行状态的方法,包括以下步骤:
1)获取低压电能表数据;
2)对低压电能表数据应用威布尔分布计算可靠度,用以衡量电能表自身的可靠程度;
3)对包括计量异常、全事件、电能表过载率、时钟电池欠压四种故障运行相关数据进行评价;其中,计量异常和全事件评价衡量了电能表近期的异常因素,电能表过载率评价衡量了电能表运行环境对电能表造成的影响,电能表运行环境包括电压、电流过载;时钟电池欠压评价衡量了电能表内部时钟对电能表状态的影响;
4)获取地区影响因子,衡量电能表所在地区的整体电能表质量情况,作为状态评价的一个指标;
5)通过熵权法计算故障因素权值,组合计量异常、全事件、电能表过载、时钟电池欠压四项评价结果;
6)根据故障运行相关数据评价值及影响因子,通过公式计算低压电能表状态评价的总分,完成电能表状态评价;
7)获取电能表运行状态,当电能表运行状态与电能表状态评价值的差超过设定阈值时,对步骤5)确定的故障因素权值进行修正。
上述步骤中,2)、3)、4)的顺序可以并行也可以串行计算各评价,由于熵值法需要计算四项评价结果的权值,所以要在四项评价完成后进行,最后通过代入公式完成整体电能表状态评价。基于上述流程,电能表状态评价考虑了电能表自身可靠度,电能表计量异常,全事件异常,时钟,运行工况,地区水平等因素,综合得出最后的状态评分,作为指导电能表轮换的依据。
本技术方案基于电能表计量异常、全事件、电能表过载率和电能表时钟电池欠压四种电能表故障相关运行数据和电能表的批次可靠度和电能表所在地区的影响对电能表的运行状态进行评分,并对其进行轮换。这种方法的提出极大地改善了人为方式智能电能表状态评价的弊端,提高了低压电能表检验的准确度和效率。
作为优选技术手段:在步骤2)中,可靠度计算方法为:
根据电能表的批次,对同一批次的电能表自安装起的故障换表进行统计,得到每月的故障表数量Ni,自首次换表起的总月数m,当前月数i,累计故障比例Fi,该批次电能表总量N,N代表当前时刻在运行的电能表数量与此前所有拆掉的检定结果为故障的电能表数量之和;每月故障电能表的平均运行时间Ti;
式中,i代表当前自安装起的月份数;
对电能表的可靠度采用威布尔分布进行估计,威布尔分布的参数求取过程如下:
运用最小二乘法将Xi、Yi拟合成为Y=AX+B的形式;
筛选数据点,分别对前2、3、4个数据点进行拟合,得到Y2=A2X+B2,Y3=A3X+B3,Y4=A4X+B4三条直线,A2、A3、A4分别代表三条直线斜率;
求取三条直线斜率变化V1、V2;
若同时存在V1<0,V2>0,则将X1,Y1去除,若不存在则保留所有数据;
将剩余所有数据点进行拟合,根据拟合结果,得到威布尔分布参数:
作为优选技术手段:在步骤2)中,仅对m≥18的电能表采用如下方法进行可靠度预测。
作为优选技术手段:在步骤3)中,计量异常运行相关数据进行评价的方法为:
311)将计量异常事件分为三类来进行关联度分析,建立事件异常评分模型;
第一类:按统计得到的某种异常事件发生时为故障表的概率来进行关联分析,概率由贝叶斯公式计算得出;
第二类:按计量异常发生时为故障表的概率来进行关联分析;
第三类:智能电表故障只与异常事件发生次数有关进行关联分析;
312)贝叶斯公式计算步骤为:
设A1为正常表,A2为故障表;P(A1)和P(A2)为常表和故障表的概率,即先验概率;P(Bi|A1)为在已知为正常表的条件下,计量异常Bi发生的概率;P(Bi|A2)为已知为故障表的i条件下,计量异常Bi发生的概率,即条件概率;求P(A2|Bi)为异常事件Bi发生时为故障表的概率即后验概率时,
首先求取某种异常事件的全概率P(Bi):
P(Bi)=P(A1)P(Bi|A1)+P(A2)P(Bi|A2) (6)
再求后验概率P(A2|Bi):
313)设计量异常次数函数
式中xi为异常Bi的发生次数,yi为0-1之间的数,相当于扣分系数;
函数构造原理:当异常次数发生较少时,认为电能表故障的可能性较低,随着次数的增加电能表故障的可能性影响程度加深,当超过某个阈值时认为影响程度达到最大,即1;
314)构建计量异常打分函数SMA
作为优选技术手段:在步骤3)中,对全事件运行相关数据进行评价的方法为:
321)设基于全事件故障关联度打分模型
将全事件故障分为两类;
第一类:按统计得到的某种全事件发生时为故障表的概率来进行扣分,概率由贝叶斯公式计算得到,方法同计量异常;
第二类:按全事件发生时为故障表的概率来进行扣分;
322)构建全事件故障打分函数STE
作为优选技术手段:在步骤3)中,对电能表过载率运行相关数据进行评价的方法为:
331)定义电能表的标准负载:
式中,UN表示电能表额定工作电压220V,IN表示电能表标定电流,WN表示电能表在1.1倍额定工作电压和标定电流下工作24小时消耗的电量(kW·h);
332)从电量过载的程度以及电量过载的天数比例两方面来考虑对电能表电量过载的评价;
式中,KW代表日用电量超过其电能表标准计量电量的比例,WO表示最近六个月,日用电量超过电能表标准计量电量的平均日用电量。
作为优选技术手段:在步骤3)中,对时钟电池欠压运行相关数据进行评价的方法为:
341)根据召测的历史电能表欠压发生次数建立相应的评价模型,从电能表历史欠压次数的角度对电能表的运行状态进行量化评价;
342)定义电能表欠压次数模型为:
其中SC为需扣除的分数,x为发生欠压的次数。
作为优选技术手段:在步骤4)中,设置地区影响因子Kr:
作为优选技术手段:在步骤6)中,电能表状态评价总分表达式为:
S=SR*(100-rMA*SMA–rTE*STE–rW*SW–rC*SC)*Kr (15)
式中,SR代表电能表可靠度,SMA代表计量异常评分,STE代表全事件评分,SW代表电量评分,SC代表时钟电池欠压评分;rMA、rTE、rW、rC代表各项权值;Kr代表地区影响因子。
有益效果:本技术方案以电能表当前实际工作状况为依据,通过状态检测、可靠性评价手段及寿命预测手段来判断电能表的故障情况,识别电能表的故障问题,对故障的严重程度、发展趋势做出判断。
本技术方案对数据资源加以利用分析,来提升电能表及终端状态评价的准确性,及时发现故障,指导电能表周期轮换,提升低压电能表状态评价的自动化和智能化水平。通过对电能表的不同故障类型进行权重计算后,针对不同故障类型用不同计算方法对每个电能表故障类型进行评价,同时考虑电能表的地区影响情况和电能表的运行可靠度,最终通过数学计算得到电能表状态评价整体打分。
对电能表状态进行评价打分之后可以确定某地区或某批次的哪些电能表发生故障且无法继续工作运行,为用户电能表之后的轮换策略建立了一个全新可靠的基础,这种模型的发明减少了可继续运行电能表的浪费损失,大大减轻了电力工作人员的工作难度,同时提高了电网运行的效率和准确度,节省了大量的人力和物力。
基于电能表计量异常、全事件、电能表过载率和电能表时钟电池欠压四种电能表故障相关运行数据和电能表的批次可靠度和电能表所在地区的影响对电能表的运行状态进行评分,并对其进行轮换。这种方法的提出极大地改善了人为方式智能电能表状态评价的弊端,提高了低压电能表检验的准确度和效率。
附图说明
图1是本发明的流程图。
图2是本发明的某批次电能表可靠度估计图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明包括以下步骤:
1)获取低压电能表数据;
2)对低压电能表数据应用威布尔分布计算可靠度;
3)对计量异常、全事件、电能表过载率、时钟电池欠压四种故障运行相关数据进行评价;
4)获取地区影响因子;
5)通过熵权法计算故障因素权值;
6)根据故障运行相关数据评价值及影响因子,计算低压电能表状态评价的总分,完成电能表状态评价;
7)获取电能表运行状态,当电能表运行状态与电能表状态评价值的差超过设定阈值时,对步骤5)确定的故障因素权值进行修正。
以下就具体实例对本发明作进一步的说明:
分析所用数据来源于浙江省各地区七个批次低压电能表2017.12-2018.06的数据。数据库中的数据包括每一块智能电能表的地区、批次以及发生的各种异常事件、故障原因。得到2018.06、2018.07月的电能表评价结果。
一.运行时间-可靠度模型
根据电能表的批次,对同一批次的电能表自安装起的故障换表进行统计,得到每月的故障表数量Ni,自首次换表起的总月数m,当前月数i,累计故障比例Fi,该批次电能表总量N,N代表当前时刻在运行的电能表数量与此前所有拆掉的检定结果为故障的电能表数量之和。,每月故障电能表的平均运行时间Ti。为了保证可靠度模型准确,只对m≥18的电能表采用如下方法进行可靠度预测。
式中,i代表当前自安装起的月份数。
对电能表的可靠度采用威布尔分布进行估计,威布尔分布的参数求取过程如下:
运用最小二乘法将Xi、Yi拟合成为Y=AX+B的形式。
筛选数据点,分别对前2、3、4个数据点进行拟合,得到Y2=A2X+B2,Y3=A3X+B3,Y4=A4X+B4三条直线,A2、A3、A4分别代表三条直线斜率。
求取三条直线斜率变化V1、V2。
若同时存在V1<0,V2>0,则将X1,Y1去除,若不存在则保留所有数据。
将剩余所有数据点进行拟合,根据拟合结果,得到威布尔分布参数:
运行时间-可靠度模型评分SR=R(t)×100% (5)
二.计量异常
1.基于故障关联度可靠性分析模型
基本方法:将计量异常事件分为三类来进行关联度分析,建立事件异常评分模型。
第一类:按统计得到的某种异常事件发生时为故障表的概率来进行关联分析(和异常发生次数无关),概率由贝叶斯公式计算得出。
第二类:按计量异常发生时为故障表的概率来进行关联分析(但故障概率和计量异常发生次数有关)。
第三类:智能电表故障只与异常事件发生次数有关进行关联分析。
2.贝叶斯公式计算步骤
设A1为正常表,A2为故障表。已知P(A1)和P(A2)——正常表和故障表的概率,即先验概率;P(Bi|A1)——在已知为正常表的条件下,计量异常Bi发生的概率;P(Bi|A2)——在已知为故障表的i条件下,计量异常Bi发生的概率,即条件概率。求P(A2|Bi)——异常事件Bi发生时为故障表的概率即后验概率。
首先求取某种异常事件的全概率P(Bi):
P(Bi)=P(A1)P(Bi|A1)+P(A2)P(Bi|A2) (6)
再求后验概率P(A2|Bi):
3.计量异常次数函数
式中xi为异常Bi的发生次数,yi为0-1之间的数,相当于扣分系数。
函数构造原理:当异常次数发生较少时,认为电能表故障的可能性较低,随着次数的增加电能表故障的可能性影响程度加深,当超过某个阈值时(20次)认为影响程度达到最大,即1。
4.构建计量异常打分函数SMA
三.全事件
1.基于全事件故障关联度打分模型
类同计量异常故障将全事件故障分为两类。
第一类:按统计得到的某种全事件发生时为故障表的概率来进行扣分(和全事件发生次数无关),概率由贝叶斯公式计算得到,方法同计量异常;
第二类:按全事件发生时为故障表的概率来进行扣分(但故障概率和全事件发生次数有关);
2.构建全事件故障打分函数STE
四.电能表过载率
电能表在使用过程中,有规定的电流、电压,电流电压过大容易影响电能表的寿命。定义电能表的标准负载:
式中,UN表示电能表额定工作电压220V,IN表示电能表标定电流,WN表示电能表在1.1倍额定工作电压和标定电流下工作24小时消耗的电量(kW·h)。
从电量过载的程度以及电量过载的天数比例两方面来考虑对电能表电量过载的评价。
式中,KW代表日用电量超过其电能表标准计量电量的比例,WO表示最近六个月,日用电量超过电能表标准计量电量的平均日用电量。
五.时钟电池欠压
电能计量装置的电池发生欠压会导致电能表计量异常、时钟误差增大等问题,根据召测的历史电能表欠压发生次数建立相应的评价模型,从电能表历史欠压次数的角度对电能表的运行状态进行量化评价。定义电能表欠压次数模型为:
其中SC为需扣除的分数,x为发生欠压的次数。
六.地区影响因子
电能表在不同的地区,由于管理水平、使用环境(温度、湿度、盐雾等)的影响,其平均寿命也收到了影响。因此,设置地区影响因子Kr:
七.权值计算及电能表状态评价总分
熵值法确定权值:通过对计量异常、全事件、电量过载率、电能表时钟欠压的评价结果进行熵值法计算各部分对电能表评价中的权值rMA、rTE、rW、rC。
电能表状态评价总分:
S=SR*(100-rMA*SMA–rTE*STE–rW*SW–rC*SC)*Kr (15)
式中,SR代表电能表可靠度(分值越大越好),SMA代表计量异常评分(分值越小越好),STE代表全事件评分(分值越小越好),SW代表电量评分(分值越小越好),SC代表时钟电池欠压评分。rMA、rTE、rW、rC代表各项权值。Kr代表地区影响因子。
八.评价案例结果分析
2018.06、2018.07月的电能表状态评价结果如表1、表2所示。对2018年6月低压电能表预测,并与实际拆表检定结果进行验证,六月拆表检定结果共计747块故障表,其中95块预测结果为90-100分电能表,占比12.7%;53块电能表预测结果为80-90分,占比7%;125块电能表预测结果为70-80分,占比16.7%;197块电能表预测结果为60-70分,占比26.4%;279块电能表预测结果为0-60分,占比37.3%。6月检定结果为正常的电能表共计61块,其中57块电能表预测结果为90-100分,占比93.44%;3块电能表预测结果为80-90分,占比4.9%;1块电能表预测结果为70-80。
6月所有在运行电能表共计66961块,其中37499块电能表预测结果为90-100分,占比56%;11433块电能表预测结果为80-90分,占比17.1%;3884块电能表预测结果为70-80分,占比5.8%;6775块电能表预测结果为60-70分,占比10.11%;7361块电能表预测结果为0-60分,占比11.0%。
7月份电能表状态评价结果见表2。
从上述结果可以得出,本模型可通过已有数据预测出未来该电能表的运行状态。通过模型计算,对6月及7月的所有电能表做出预测。通过分数的形式对运行中故障电能表和正常电能表做出区分,分数越低说明电能表故障可能性大,需要更换。
表1六月电能表状态评价结果
电能表类型 | 故障电能表 | 正常电能表 | 所有电能表 |
六月电能表数量 | 747 | 61 | 66951 |
90-100 | 95(12.7%) | 57(93.44%) | 37499(56%) |
80-90 | 53(7%) | 3(4.9%) | 11433(17.1%) |
70-80 | 125(16.7%) | 1(1.6%) | 3884(5.8%) |
60-70 | 197(26.4%) | 0 | 6775(10.11%) |
0-60 | 279(37.3%) | 0 | 7361(11.0%) |
表2七月电能表状态评价结果
根据实例评价结果显示,该评价模型具有一定的可行性,提出了一种用于评价低压电能表状态的算法模型,使得相关人员可以根据模型评价制定电能表轮换策略,节省了大量的人力物力,避免了人为评价、批次轮换的弊端。该模型的提出具有很强的创新性,可逐步应用在电能表状态评价系统中,为今后电能表状态评价系统的发展和改善奠定了基础。
以上图1所示的一种评价低压电能表运行状态的方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (7)
1.一种评价低压电能表运行状态的方法,其特征在于包括以下步骤:
1)获取低压电能表数据;
2)对低压电能表数据应用威布尔分布计算可靠度,用以衡量电能表自身的可靠程度;
3)对包括计量异常、全事件、电能表过载率、时钟电池欠压四种故障运行相关数据进行评价;其中,计量异常和全事件评价衡量了电能表近期的异常因素,电能表过载率评价衡量了电能表运行环境对电能表造成的影响,电能表运行环境包括电压、电流过载;时钟电池欠压评价衡量了电能表内部时钟对电能表状态的影响;
4)获取地区影响因子,衡量电能表所在地区的整体电能表质量情况,作为状态评价的一个指标;
5)通过熵权法计算故障因素权值,组合计量异常、全事件、电能表过载、时钟电池欠压四项评价结果;
6)根据故障运行相关数据评价值及影响因子,通过公式计算低压电能表状态评价的总分,完成电能表状态评价;
7)获取电能表运行状态,当电能表运行状态与电能表状态评价值的差超过设定阈值时,对步骤5)确定的故障因素权值进行修正;
在步骤2)中,可靠度计算方法为:
根据电能表的批次,对同一批次的电能表自安装起的故障换表进行统计,得到每月的故障表数量Ni,自首次换表起的总月数m,当前月数i,累计故障比例Fi,该批次电能表总量N,N代表当前时刻在运行的电能表数量与此前所有拆掉的检定结果为故障的电能表数量之和;每月故障电能表的平均运行时间Ti;
式中,i代表当前自安装起的月份数;
对电能表的可靠度采用威布尔分布进行估计,威布尔分布的参数求取过程如下:
运用最小二乘法将Xi、Yi拟合成为Y=AX+B的形式;
筛选数据点,分别对前2、3、4个数据点进行拟合,得到Y2=A2X+B2,Y3=A3X+B3,Y4=A4X+B4三条直线,A2、A3、A4分别代表三条直线斜率;
求取三条直线斜率变化V1、V2;
若同时存在V1<0,V2>0,则将X1,Y1去除,若不存在则保留所有数据;
将剩余所有数据点进行拟合,根据拟合结果,得到威布尔分布参数:
在步骤6)中,电能表状态评价总分表达式为:
S=SR*(100-rMA*SMA–rTE*STE–rW*SW–rC*SC)*Kr
式中,SR代表电能表可靠度,SMA代表计量异常评分,STE代表全事件评分,SW代表电量评分,SC代表时钟电池欠压评分;rMA、rTE、rW、rC代表各项权值;Kr代表地区影响因子。
2.根据权利要求1所述的一种评价低压电能表运行状态的方法,其特征在于:在步骤2)中,仅对m≥18的电能表进行可靠度预测。
3.根据权利要求2所述的一种评价低压电能表运行状态的方法,其特征在于:在步骤3)中,计量异常运行相关数据进行评价的方法为:
311)将计量异常事件分为三类来进行关联度分析,建立事件异常评分模型;
第一类:按统计得到的某种异常事件发生时为故障表的概率来进行关联分析,概率由贝叶斯公式计算得出;
第二类:按计量异常发生时为故障表的概率来进行关联分析;
第三类:智能电表故障只与异常事件发生次数有关进行关联分析;
312)贝叶斯公式计算步骤为:
设A1为正常表,A2为故障表;P(A1)和P(A2)为常表和故障表的概率,即先验概率;P(Bi|A1)为在已知为正常表的条件下,计量异常Bi发生的概率;P(Bi|A2)为已知为故障表的i条件下,计量异常Bi发生的概率,即条件概率;求P(A2|Bi)为异常事件Bi发生时为故障表的概率即后验概率时,
首先求取某种异常事件的全概率P(Bi):
P(Bi)=P(A1)P(Bi|A1)+P(A2)P(Bi|A2) (6)
再求后验概率P(A2|Bi):
313)设计量异常次数函数
式中xi为异常Bi的发生次数,yi为0-1之间的数,相当于扣分系数;
函数构造原理:当异常次数发生较少时,认为电能表故障的可能性较低,随着次数的增加电能表故障的可能性影响程度加深,当超过某个阈值时认为影响程度达到最大,即1;
314)构建计量异常打分函数SMA
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128790.0A CN110991826B (zh) | 2019-11-18 | 2019-11-18 | 一种评价低压电能表运行状态的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128790.0A CN110991826B (zh) | 2019-11-18 | 2019-11-18 | 一种评价低压电能表运行状态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110991826A CN110991826A (zh) | 2020-04-10 |
CN110991826B true CN110991826B (zh) | 2022-11-01 |
Family
ID=70085010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911128790.0A Active CN110991826B (zh) | 2019-11-18 | 2019-11-18 | 一种评价低压电能表运行状态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991826B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111625773B (zh) * | 2020-05-25 | 2023-06-16 | 国网江西省电力有限公司电力科学研究院 | 基于可信性测度的计量回路电流测量异常评估方法及装置 |
CN112036725B (zh) * | 2020-08-24 | 2024-04-30 | 国网河北省电力有限公司营销服务中心 | 一种电能表故障识别方法 |
CN112319309B (zh) * | 2020-11-04 | 2021-12-31 | 北京理工大学 | 一种动力电池的故障诊断方法及系统 |
CN113075608A (zh) * | 2021-03-24 | 2021-07-06 | 山东省计量科学研究院 | 一种电能表型式评价在线检测及数据处理方法和系统 |
CN113238180A (zh) * | 2021-06-22 | 2021-08-10 | 广东电网有限责任公司计量中心 | 一种智能电表的状态检测方法及装置 |
CN113723748A (zh) * | 2021-07-19 | 2021-11-30 | 国网浙江省电力有限公司营销服务中心 | 一种运行电能表批次质量状态评价方法及系统 |
CN114035056A (zh) * | 2021-11-30 | 2022-02-11 | 蜂巢能源(上海)有限公司 | 一种动力电池性能检测方法、装置和设备 |
CN114926015B (zh) * | 2022-05-17 | 2023-07-21 | 国网山东省电力公司营销服务中心(计量中心) | 基于d-s证据理论的智能电能表质量状态评价方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5202661B2 (ja) * | 2011-02-03 | 2013-06-05 | アンリツ株式会社 | スマートメータ評価装置及びスマートメータの評価方法 |
CN102707255A (zh) * | 2012-06-19 | 2012-10-03 | 华北电网有限公司计量中心 | 一种智能电表的快速抽样检测方法 |
CN106054105B (zh) * | 2016-05-20 | 2019-01-15 | 国网新疆电力公司电力科学研究院 | 一种智能电表的可靠性预计修正模型建立方法 |
KR101917375B1 (ko) * | 2016-11-22 | 2018-11-12 | 한국에너지기술연구원 | 기계학습을 활용한 에너지관리시스템 및 에너지관리방법 |
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 |
CN108830437A (zh) * | 2018-04-09 | 2018-11-16 | 国电南瑞科技股份有限公司 | 一种用于智能电能表运行的评估方法 |
CN109190957A (zh) * | 2018-08-23 | 2019-01-11 | 国网天津市电力公司电力科学研究院 | 一种基于在线综合评价的智能电能表运维更换方法及装置 |
CN109444799A (zh) * | 2018-09-21 | 2019-03-08 | 国网天津市电力公司电力科学研究院 | 一种基于闭环管理的电能表质量评价方法及系统 |
-
2019
- 2019-11-18 CN CN201911128790.0A patent/CN110991826B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110991826A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991826B (zh) | 一种评价低压电能表运行状态的方法 | |
CN105022019A (zh) | 单相智能电能表可靠性综合评价的方法 | |
CN110287543B (zh) | 一种继电保护装置寿命预测方法 | |
CN110531303B (zh) | 在运智能电能表批次故障预警方法及其系统 | |
Fallah et al. | How will retired electric vehicle batteries perform in grid-based second-life applications? A comparative techno-economic evaluation of used batteries in different scenarios | |
CN105303331A (zh) | 一种变压器维修风险决策方法 | |
CN113095953B (zh) | 一种基于用电数据的企业环保监测方法 | |
CN105427005A (zh) | 一种风电场运行风险评估方法 | |
CN103699668A (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
CN114254839A (zh) | 一种基于自适应算法的电能计量器具需求预测方法 | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN109636033B (zh) | 一种分布式光伏项目自发自用综合电价预测方法 | |
CN109063863B (zh) | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 | |
CN117277435A (zh) | 一种光伏逆变器的健康评估方法、系统及装置 | |
CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
CN115528686A (zh) | 基于边缘计算的分布式配电故障处理系统及方法 | |
Xiao et al. | Study of maintenance strategy of relay protection system based on condition monitoring | |
CN115204669A (zh) | 基于用电数据的污水处理厂行为异常判定方法及系统 | |
CN112001551B (zh) | 一种基于大用户电量信息的地市电网售电量预测方法 | |
CN113988468A (zh) | 一种基于全寿命周期成本折算的配电电缆退役决策方法 | |
Ma et al. | Health-aware coordinate long-term and short-term operation for BESS in energy and frequency regulation markets | |
CN111769640A (zh) | 一种基于智能电网的电力信息组装系统及方法 | |
CN106447521A (zh) | 微型断路器资产寿命预测方法 | |
CN102130500A (zh) | 变电站计算机监控系统使用寿命的延长方法 | |
Rui et al. | Failure risk assessment method of electric energy meter based on state evaluation |
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 |