CN111126759B - 一种基于异常事件故障关联度的电能表状态评估方法 - Google Patents

一种基于异常事件故障关联度的电能表状态评估方法 Download PDF

Info

Publication number
CN111126759B
CN111126759B CN201911128817.6A CN201911128817A CN111126759B CN 111126759 B CN111126759 B CN 111126759B CN 201911128817 A CN201911128817 A CN 201911128817A CN 111126759 B CN111126759 B CN 111126759B
Authority
CN
China
Prior art keywords
electric energy
energy meter
abnormal
event
fault
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
Application number
CN201911128817.6A
Other languages
English (en)
Other versions
CN111126759A (zh
Inventor
张旭
吴亮
叶方彬
宣玉华
劳琦江
韩蕾
赵立美
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Zhejiang Huayun Information Technology Co Ltd
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Wenzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
Zhejiang Huayun Information Technology Co Ltd
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Wenzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd, Zhejiang Huayun Information Technology Co Ltd, Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd, Wenzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd, Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911128817.6A priority Critical patent/CN111126759B/zh
Publication of CN111126759A publication Critical patent/CN111126759A/zh
Application granted granted Critical
Publication of CN111126759B publication Critical patent/CN111126759B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于异常事件故障关联度的电能表状态评估方法，涉及电能表状态评估方法。目前，电能表轮换滞后或过于频繁，电能表轮换报废不精确，浪费人力物力。本发明通过选取某批次发生过异常事件的电能表数据，作为搭建异常评估模型的基础数据，将异常事件分为全事件和计量异常事件，若发生次数与电能表故障无关系，则用贝叶斯公式计算其故障关联度，若发生次数与电能表故障有关系，按次数分别统计出故障概率，根据每个子异常事件的故障关联度系数，建立计量异常事件评估模型和全事件异常评估模型。本技术方案根据运行状态评估结果对电能表做出相对应的检验策略，指导智能电表的轮换，改善电能表轮换报废不够精确和浪费大量人力物力的问题。

Description

一种基于异常事件故障关联度的电能表状态评估方法
技术领域
本发明涉及一种电能表状态评估方法，尤其涉及一种基于异常事件故障关联度的电能表状态评估方法。
背景技术
目前随着大数据在智能电网的全面建设，新技术不断深入应用于电力行业领域。智能电表除了具备传统电能表基本用电量的计量功能以外，它还增添了许多智能化的功能，其中异常事件报警是智能电表用电信息采集系统的一个重要功能模块。工作人员通过对终端的异常报警事件进行分析，能够实时监测用电现场的运行状况。
目前电能表日常运行中的异常事件种类繁多、情况复杂，用电信息采集系统发出的事件告警信息混杂在一起。当电能表终端发出异常事件报警时，其原因可能为电能表故障，也可能为用户用电异常或其他因素造成的电能表异常事件误报。现在对电能表异常事件报警通常采用人工现场检定，但处理庞大的异常事件报警仅靠人工分析和筛查异常信息所需花费的时间是相当长的，而且人工分析常常会有疏漏，同时一些分析工具难以满足要求，所以只对单个异常事件报警进行处理，一方面工作量大，一方面准确率也不高。
当一电能表发生异常后，仅对该电能表进行处理；不能对同一批次的电能表作监控，导致电能表轮换滞后或过于频繁，电能表轮换报废不够精确，浪费大量人力物力的问题。
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，提供一种基于异常事件故障关联度的电能表状态评估方法，以达到提高电能表轮换报废的精确度，节约人力物力的目的。为此，本发明采取以下技术方案。
一种基于异常事件故障关联度的电能表状态评估方法，包括以下步骤：
1)获取尚在运行的电能表数据；
2)将获取的电能表数据导入设定好的异常评估模型中；
3)异常评分模型分别对电能表数据中的计量异常、全事件异常进行计算分析；
4)综合计量异常、全事件异常分析结果，对电能表进行判断分类；
其中异常评分模型的设定包括以下步骤：
A)通过选取某批次发生过异常事件的电能表数据，作为搭建异常评估模型的基础数据；
B)将异常事件分为全事件和计量异常事件；
C)分析全事件子事件和计量异常事件子事件的发生次数与电能表故障有无关系；
D)若发生次数与电能表故障无关系，则用贝叶斯公式计算其故障关联度；若发生次数与电能表故障有关系，按次数分别统计出故障概率，该故障概率即为该子事件的故障关联度；
E)根据每个子异常事件的故障关联度系数，建立计量异常事件评估模型和全事件异常评估模型；获得设定的异常评估模型。
本技术方案能根据运行状态评估结果对电能表做出相对应的检验策略，指导智能电表的轮换，改善电能表轮换报废不够精确和浪费大量人力物力的问题。也可以对不同批次的电能表进行分析比较，指导电力部门选用更好批次的电能表或者更好的电能表厂家。
作为优选技术手段：在步骤D)中，贝叶斯公式计算故障关联度的方法为：
对同一批次的电表进行异常原因数据进行分析处理，设电能表运行状态为事件Ai(i＝1，2)，A1为正常表，A2为故障表。异常事件报警Bi(i＝1,2,…,n)为n类。P(A1)和P(A2)为当异常事件发生时为正常表和故障表的概率；通过根据公式(1)求取P(Bi|A1)——在已知为正常表的条件下，计量异常Bi发生的概率；
Figure BDA0002277701130000031
式中a1为在电能表正常状态下发生的异常总次数，bi为第i类异常原因在电能表正常状态下发生的次数。
通过公式(2)求取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。
Figure BDA0002277701130000032
式中a2为在电能表故障状态下发生的异常总次数，bi为第i类异常原因在电能表故障状态下发生的次数。
然后根据公式(3)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) (3)
最后再根据式(4)贝叶斯公式求得P(A2|Bi)——异常事件Bi发生时为故障电能表的概率，该概率即为异常事件Bi与电能表的故障关联度系数。
Figure BDA0002277701130000041
同样，采用上述方法求得全事件Ci与电能表的故障关联度系数。
作为优选技术手段：在步骤4)中，获取计量异常评估得分SMA和全事件评估得分STE的最大值，并根据得分所落区间执行对应的检验策略。
作为优选技术手段：所述的检验策略包括：
一、“正常状态”的检验策略
被评估为“正常状态”的电能表运行状态可靠性较高，应继续保持使用状态。
二、“注意状态”的检验策略
被评估为“注意状态”的电能表应继续使用并密切注意其变化趋势，采取不定期抽回检定。
三、“异常状态”的检验策略
被评估为“异常状态”的电能表立即安排现场检验并考虑轮换。
四、“严重状态”的检验策略
被评估为“严重状态”的电能表应立即拆回检定并轮换。
作为优选技术手段：还包括步骤5)，经设定时间后，获取经异常评估模型评估的电能表的拆回检定结果与之前的异常评估模型的评估结果进行比对，当运用异常评估模型进行评估的结果和拆回检定的结果超过设定阈值后，重新设定异常评估模型。
有益效果：电能表异常报警分为计量异常报警和全事件报警，通过对报警事件进行大数据分析，构建电能表运行状态评估模型，提高了智能电网下电能表各状态大数据的利用率，通过对导致电能表故障较高的异常事件展开具体研究和分析，为电能表故障缺陷原因提供一定的参考价值，并且根据运行状态评估结果对电能表做出相对应的检验策略，指导智能电表的轮换，改善电能表轮换报废不够精确和浪费大量人力物力的问题。也可以对不同批次的电能表进行分析比较，指导电力部门选用更好批次的电能表或者更好的电能表厂家。
附图说明
图1是本发明的建模流程图。
图2是本发明的流程图。
图3是正常电能表示值不平事件次数分布图。
图4是故障电能表示值不平事件次数分布图。
图5是正常电能表时钟异常次数分布图。
图6是故障电能表时钟异常次数分布图。
图7是拆回为故障电能表异常评估分数图。
图8是拆回为正常电能表异常评估分数图。
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2所示，本发明包括以下步骤：
1)获取尚在运行的电能表数据；
2)将获取的电能表数据导入设定好的异常评估模型中；
3)异常评分模型分别对电能表数据中的计量异常、全事件异常进行计算分析；
4)综合计量异常、全事件异常分析结果，对电能表进行判断分类；
如图1所示，其中异常评分模型的设定包括以下步骤：
A)通过选取某批次发生过异常事件的电能表数据，作为搭建异常评估模型的基础数据；
B)将异常事件分为全事件和计量异常事件；
C)分析全事件子事件和计量异常事件子事件的发生次数与电能表故障有无关系；
D)若发生次数与电能表故障无关系，则用贝叶斯公式计算其故障关联度；若发生次数与电能表故障有关系，按次数分别统计出故障概率，该故障概率即为该子事件的故障关联度；
E)根据每个子异常事件的故障关联度系数，建立计量异常事件评估模型和全事件异常评估模型；获得设定的异常评估模型。
以下就具体实例对本发明的技术方案作进一步的说明。
1、数据来源及预处理
对温州某地区某批次21018块拆回电表进行分析，其中1615块电能表出现了计量异常事件，其中1421块电能表出现了全事件。将这些电能表数据作为搭建异常事件评估模型的基础数据，例如首先提取发生过计量异常事件某个子事件的电能表，将这些电能表发生过该子异常事件的次数统计出来，通过分析正常电能表和故障电能表发生的次数来判断该异常事件的发生次数与电能表故障有无关系。图3为正常电能表示值不平事件次数分布图，图4为故障电能表示值不平事件次数分布图。从图中可以分析出正常电能表和故障电能表发生该异常事件次数的分布基本相同，判断该事件发生次数与电能表故障没有关系，所以用贝叶斯公式计算其故障关联度。图5为正常电能表时钟异常次数分布图，图6为故障电能表时钟异常次数分布图。从图5和图6可以分析出当电能表发生1次时钟异常时，正常电能表132块，故障电能表686块；正常表的概率为0.16，故障表的概率为0.84；当电能表发生2次及2次以上时钟异常时，正常电能表共3块，故障表为125块，正常表的概率为0.023，故障表的概率为0.977，所以可分析出时钟异常事件发生的次数与电能表故障有关系，直接用统计法统计出该异常事件发生的次数与电能表故障之间的概率，当时钟异常事件次数发生1次时电能表故障的概率为0.57，当电能表发生的次数超过两次时，电能表故障的概率约为1。对全事件的分析过程与上述方法相同。
2、贝叶斯公式计算故障关联度
对同一批次的电表进行异常原因数据进行分析处理，设电能表运行状态为事件Ai(i＝1，2)，A1为正常表，A2为故障表。异常事件报警Bi(i＝1,2,…,n)为n类。P(A1)和P(A2)为当异常事件发生时为正常表和故障表的概率。通过根据公式(1)求取P(Bi|A1)——在已知为正常表的条件下，计量异常Bi发生的概率；
Figure BDA0002277701130000071
式中a1为在电能表正常状态下发生的异常总次数，bi为第i类异常原因在电能表正常状态下发生的次数。
通过公式(2)求取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。
Figure BDA0002277701130000081
式中a2为在电能表故障状态下发生的异常总次数，bi为第i类异常原因在电能表故障状态下发生的次数。
然后根据公式(3)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) (3)
最后再根据式(4)贝叶斯公式求得P(A2|Bi)——异常事件Bi发生时为故障电能表的概率，该概率即为异常事件Bi与电能表的故障关联度系数。
Figure BDA0002277701130000082
通过对温州某地区某批次21018块拆回电表进行故障关联度计算，计量异常事件中子事件与故障关联度系数P(A2|Bi)如表1。全事件子事件与故障关联度系数P(A2|Ci)如表2。每个表中第一类子事件的发生次数与电能表故障无关系，第二类子事件的发生次数与电能表故障有关系。
表1计量异常事件故障关联系数表
Figure BDA0002277701130000083
表2全事件故障关联系数表
Figure BDA0002277701130000084
Figure BDA0002277701130000091
3、基于故障关联度异常评估模型
(1)基于计量异常事件故障关联度异常评估模型
将计量异常事件中每个子异常事件与电能表故障关联度系数求出后，构建最终的计量异常事件评估函数：
Figure BDA0002277701130000092
式中SMA为最终的异常事件评分，k为电能表发生计量异常事件种类数。Pk(A2|Bi)为电能表发生第k种计量异常事件Bi与电能表的故障关联度系数。
(2)基于全事件故障关联度异常评估模型
将全事件中每个子异常事件与电能表故障关联度系数求出后，构建最终的全事件异常评估函数：
Figure BDA0002277701130000093
式中STE为最终的异常事件评分，k为电能表发生全事件种类数，Pk(A2|Ci)为电能表发生第k种全事件Ci与电能表的故障关联度系数。
4、评估结果和检验轮换策略
运用该发明对该批次在运行的电能表进行运行状态评估，取计量异常评估得分SMA和全事件评估得分STE的最大值，当最大值在0～20分属于正常状态，在20～40分时属于注意状态，在40～60分时属于异常状态，在60～100分时属于严重状态。
(1)“正常状态”的检验策略
被评估为“正常状态”的电能表运行状态可靠性较高，应继续保持使用状态。
(2)“注意状态”的检验策略
被评估为“注意状态”的电能表应继续使用并密切注意其变化趋势，采取不定期抽回检定。
(3)“异常状态”的检验策略
被评估为“异常状态”的电能表立即安排现场检验并考虑轮换。
(4)“严重状态”的检验策略
被评估为“严重状态”的电能表应立即拆回检定并轮换。
5、发明实例
运用本发明对该批次尚在运行的电能表进行运行状态评估，其中有1446块电能表发生了异常事件报警，将这些电能表拆回检定，通过比较该发明评估结果与拆回检定的结果来验证该发明的准确性，图7为拆回检定是故障表的异常评估分数图，图8为拆回检定是正常电能表的异常分数图。
在故障表中评定为“正常状态”的电能表占比为0.2％，评定为“注意状态”的电能表占比为6.7％，评定为“异常状态”的电能表占比10.4％，评定为“严重状态”的电能表占比为82.7％。
在正常电能表中评定为“正常状态”的电能表占比为11.5％，“正常状态”的电能表占比较低是因为只取回了发生了异常事件报警的电能表拆回检定，未发生异常事件报警的电能表未记录其中，评定为“注意状态”的电能表占比为76.4％，评定为“异常状态”的电能表占比10.6％，评定为“严重状态”的电能表占比为1.3％。
在故障电能表中评定为“异常状态”和“严重状态”占比为93.1％，在正常电能表中的占比为11.9％，所以可以实现对故障电能表的甄别，也与“异常状态”和“严重状态”的检验策略相符合。在正常电能表中评定为“注意状态”占比为76.4％，因其发生了异常事件报警，所以其运行状态的可靠性有所降低，应当密切注意其变化趋势，这也与“异常状态”的检验策略相符合。
根据以上分析，运用该方法进行评估的结果和拆回检定的结果基本一致，证明了该方法对电能表运行状态评估的准确性，并且也验对不同运行状态对应的检验策略的准确性。所以该发明可以通过异常事件故障关联度来对电能表运行状态进行评估，并根据评估的结果指导相应的检验轮换工作。
以上图1-8所示的一种基于异常事件故障关联度的电能表状态评估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，对其进行等同修改，均在本方案的保护范围之列。

Claims (4)

1.一种基于异常事件故障关联度的电能表状态评估方法，其特征在于包括以下步骤：
1)获取尚在运行的电能表数据；
2)将获取的电能表数据导入设定好的异常评估模型中；
3)异常评分模型分别对电能表数据中的计量异常、全事件异常进行计算分析；
4)综合计量异常、全事件异常分析结果，对电能表进行判断分类；
其中异常评分模型的设定包括以下步骤：
A)通过选取某批次发生过异常事件的电能表数据，作为搭建异常评估模型的基础数据；
B)将异常事件分为全事件和计量异常事件；
C)分析全事件子事件和计量异常事件子事件的发生次数与电能表故障有无关系；
D)若发生次数与电能表故障无关系，则用贝叶斯公式计算其故障关联度；若发生次数与电能表故障有关系，按次数分别统计出故障概率，该故障概率即为该子事件的故障关联度；
E)根据每个子异常事件的故障关联度系数，建立计量异常事件评估模型和全事件异常评估模型；获得设定的异常评估模型；
在步骤D)中，贝叶斯公式计算故障关联度的方法为：
对同一批次的电表进行异常原因数据进行分析处理，设电能表运行状态为事件Ai(i＝1，2)，A1为正常表，A2为故障表；异常事件报警Bi(i＝1,2,…,n)为n类；P(A1)和P(A2)为当异常事件发生时为正常表和故障表的概率；通过根据公式(1)求取P(Bi|A1)——在已知为正常表的条件下，计量异常Bi发生的概率；
Figure FDA0003845224690000021
式中a1为在电能表正常状态下发生的异常总次数，bi为第i类异常原因在电能表正常状态下发生的次数；
通过公式(2)求取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；
Figure FDA0003845224690000022
式中a2为在电能表故障状态下发生的异常总次数，ci为第i类异常原因在电能表故障状态下发生的次数；
然后根据公式(3)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) (3)
最后再根据式(4)贝叶斯公式求得P(A2|Bi)——异常事件Bi发生时为故障电能表的概率，该概率即为异常事件Bi与电能表的故障关联度系数；
Figure FDA0003845224690000023
同样，采用上述方法求得全事件Ci与电能表的故障关联度系数。
2.根据权利要求1所述的一种基于异常事件故障关联度的电能表状态评估方法，其特征在于：在步骤4)中，获取计量异常评估得分SMA和全事件评估得分STE的最大值，并根据得分所落区间执行对应的检验策略。
3.根据权利要求2所述的一种基于异常事件故障关联度的电能表状态评估方法，其特征在于：所述的检验策略包括：
一、“正常状态”的检验策略
被评估为“正常状态”的电能表运行状态可靠性较高，应继续保持使用状态；
二、“注意状态”的检验策略
被评估为“注意状态”的电能表应继续使用并密切注意其变化趋势，采取不定期抽回检定；
三、“异常状态”的检验策略
被评估为“异常状态”的电能表立即安排现场检验并考虑轮换；
四、“严重状态”的检验策略
被评估为“严重状态”的电能表应立即拆回检定并轮换。
4.根据权利要求3所述的一种基于异常事件故障关联度的电能表状态评估方法，其特征在于：还包括步骤5)，经设定时间后，随机选取经异常评估模型评估的电能表，当异常评估模型与拆回检定的结果误差超过设定阈值后，重新设定异常评估模型。
CN201911128817.6A 2019-11-18 2019-11-18 一种基于异常事件故障关联度的电能表状态评估方法 Active CN111126759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911128817.6A CN111126759B (zh) 2019-11-18 2019-11-18 一种基于异常事件故障关联度的电能表状态评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911128817.6A CN111126759B (zh) 2019-11-18 2019-11-18 一种基于异常事件故障关联度的电能表状态评估方法

Publications (2)

Publication Number Publication Date
CN111126759A CN111126759A (zh) 2020-05-08
CN111126759B true CN111126759B (zh) 2023-01-10

Family

ID=70495957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911128817.6A Active CN111126759B (zh) 2019-11-18 2019-11-18 一种基于异常事件故障关联度的电能表状态评估方法

Country Status (1)

Country Link
CN (1) CN111126759B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112129996B (zh) * 2020-06-04 2023-12-26 北京三圣凯瑞科技有限公司 一种基于贝叶斯方法的电能表相位识别方法
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
CN112230083B (zh) * 2020-10-10 2022-08-30 国网四川省电力公司电力科学研究院 一种关口计量装置异常事件识别方法和系统
CN113011481B (zh) * 2021-03-10 2024-04-30 广东电网有限责任公司计量中心 一种基于决策树算法的电能表功能异常评估方法及系统
CN113033642A (zh) * 2021-03-17 2021-06-25 广东电网有限责任公司计量中心 一种基于告警事件的智能电能表状态判断方法及系统
CN113281059B (zh) * 2021-05-18 2022-09-23 潍柴动力股份有限公司 一种scr故障评估方法、scr装置及车辆

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005316719A (ja) * 2004-04-28 2005-11-10 Fuji Xerox Co Ltd 電気デバイスの異常推定方法及び制御装置
CN106443556A (zh) * 2016-08-31 2017-02-22 国网江苏省电力公司常州供电公司 电能表智能诊断方法
CN108320040A (zh) * 2017-01-17 2018-07-24 国网重庆市电力公司 基于贝叶斯网络优化算法的采集终端故障预测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6048688B2 (ja) * 2014-11-26 2016-12-21 横河電機株式会社 イベント解析装置、イベント解析方法およびコンピュータプログラム
CN106842101A (zh) * 2015-12-03 2017-06-13 中国电力科学研究院 一种电能表运行状态的评价方法
CN109409620A (zh) * 2018-12-29 2019-03-01 国网福建省电力有限公司 一种基于大数据平台的智能电表故障分析和预测系统
CN110046797A (zh) * 2019-01-04 2019-07-23 国网浙江省电力有限公司 基于critic和理想点法的计量设备运行质量评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005316719A (ja) * 2004-04-28 2005-11-10 Fuji Xerox Co Ltd 電気デバイスの異常推定方法及び制御装置
CN106443556A (zh) * 2016-08-31 2017-02-22 国网江苏省电力公司常州供电公司 电能表智能诊断方法
CN108320040A (zh) * 2017-01-17 2018-07-24 国网重庆市电力公司 基于贝叶斯网络优化算法的采集终端故障预测方法及系统

Also Published As

Publication number Publication date
CN111126759A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111126759B (zh) 一种基于异常事件故障关联度的电能表状态评估方法
CN111209131B (zh) 一种基于机器学习确定异构系统的故障的方法和系统
CN109766334B (zh) 用于电力设备在线监测异常数据的处理方法及系统
CN106780121B (zh) 一种基于用电负荷模式分析的用电异常识别方法
CN111080502B (zh) 一种区域企业数据异常行为的大数据识别方法
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
CN110531303B (zh) 在运智能电能表批次故障预警方法及其系统
CN105702595B (zh) 晶圆的良率判断方法以及晶圆合格测试的多变量检测方法
CN116205637B (zh) 基于物联网与工业大数据的智能工厂管理系统
CN112686405A (zh) 一种基于故障树的配电网故障区域划分方法
CN111612371A (zh) 一种基于层次分析法的智能电表质量评估方法
CN113128567A (zh) 一种基于用电量数据的异常用电行为识别方法
CN115455358A (zh) 基于非线性回归模型的电气参数趋势预警及故障诊断方法
CN109308225B (zh) 一种虚拟机异常检测方法、装置、设备及存储介质
CN106407488B (zh) 发动机失效风险评估方法和系统
Fu et al. Trimming outliers using trees: winning solution of the large-scale energy anomaly detection (LEAD) competition
KR101982235B1 (ko) 생존 함수 기반의 특질 추출 방법을 이용한 유사 설비 군집화 방법 및 장치
CN116577720A (zh) 一种电能表检定流水线的性能分析方法、终端及电子设备
CN116108376A (zh) 一种反窃电的监测系统、方法、电子设备及介质
CN115809805A (zh) 基于边缘计算的电网多源数据处理方法
CN112732773B (zh) 一种继电保护缺陷数据的唯一性校核方法及系统
CN104714205B (zh) 电表错置侦测系统及其方法
CN113807743A (zh) 一种电网调度自动化软件可靠性评估方法及系统
CN104731955A (zh) 风电机组油液监测诊断标准建立及智能诊断方法及系统
CN113506190A (zh) 一种异常用电行为辨识方法、装置、设备及存储介质

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