CN116819427A - 一种智能电表的质量确定及剩余寿命检测方法及系统 - Google Patents
一种智能电表的质量确定及剩余寿命检测方法及系统 Download PDFInfo
- Publication number
- CN116819427A CN116819427A CN202310867960.7A CN202310867960A CN116819427A CN 116819427 A CN116819427 A CN 116819427A CN 202310867960 A CN202310867960 A CN 202310867960A CN 116819427 A CN116819427 A CN 116819427A
- Authority
- CN
- China
- Prior art keywords
- performance
- intelligent electric
- electric energy
- energy meter
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 238000009434 installation Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 52
- 230000015556 catabolic process Effects 0.000 claims description 50
- 238000006731 degradation reaction Methods 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 35
- 230000001133 acceleration Effects 0.000 claims description 27
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 4
- 230000002035 prolonged effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 230000002787 reinforcement Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种智能电表质量确定及寿命检测方法及系统,通过智能电表质量确定筛选优质的智能电表,可以延长轮换周期,大幅降低直接成本,还能减少表计安装、拆换和故障处理工作量,降低系统运行成本,可以减少用户停电次数,提升电力公司的服务质量,确保电能计量公平公正,创造极大的经济效益和社会效益;结合寿命检测,同时有效地解决了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。
Description
技术领域
本公开涉及智能电表检测技术领域,特别涉及一种智能电表的质量确定及剩余寿命检测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有技术。
智能电表的质量直接影响着电能表的使用寿命和更换周期,关系到千家万户居民的供电可靠性和安全性,一个优质的智能电能表相比于劣质的智能电能表,则可以延长轮换周期,大幅降低直接成本,还能减少表计安装、拆换和故障处理工作量,降低系统运行成本,可以减少用户停电次数,提升电力公司的服务质量,确保电能计量公平公正,创造极大的经济效益和社会效益。因此,在智能电表投入使用之前筛选出质量较好的电能表进行安装至关重要,与此同时,在电网投入使用后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
为了解决现有技术的不足,本发明提供了一种智能电表的质量确定及剩余寿命监测方法及系统,在智能电表投入使用之前对其进行质量检测,筛选出较为优质的智能电能表投入使用,从来而延长轮换周期,减少电表故障率。在智能电表投入使用之后,对其进行剩余寿命的检测,根据检测得到的剩余寿命值,确定该批次的智能电表的维修计划,可以避免造成大量尚未失效的智能电能表提前终止使用。
为达到上述目的,本发明采用如下技术方案:
一种智能电表的质量确定及剩余寿命检测方法,其特征在于,具体步骤包括:
在智能电能表投入使用之前:
确定各批次智能电表的质量,从中选取质量较好的智能电表批次,具体为:
获取若干批次供于安装使用的智能电表作为质量检测对象;
对所述若干批次的智能电能表分别进行整体的性能检测;
选取性能检测排名靠前的Y批智能电表作为质量优越的电表进行安装使用;
将检测性能优越的智能电能表投入使用之后,在即将达到寿命权限时,对智能电能表的剩余寿命进行测量,具体为:
从投入使用的Y批次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,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tr;
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=tr-N;
智能电能表的各性能包括:计量性能、处理单元性能、存储性能、通信性能、显示性能、智能电能表外观、报错性能、控制器性能、电池性能、时钟性能;
预先设置所述计量性能、处理单元性能、存储性能、通信性能、显示性能、智能电能表外观、报错性能、控制器性能、电池性能、时钟性能的质量检测标准;各性能质量检测标准包括各性能的检测策略以及各性能的权重;
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,yij为在第i个应力水平下第j个样本的性能参数退化轨迹;
yN,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;
βi为第i个应力水平下第j个样本的退化率;
ai,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,Ti为第i个温度应力水平,RHi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Df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Ti,j:
其中,β0为正常应力水平下第j个样本的退化率;
y0,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;
ai,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tr,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tr。
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。
与现有技术相比,本公开的有益效果是:
1、本发明在电能表投入使用之前,先对较为优质的智能电能表进行筛选,根据预先设置的各性能质量检测标准,确定智能电能表的各检测项的检测值;根据智能电能表的各检测性能的检测值以及各检测性能所对应的权重,生成智能电能表的整体性能检测值;通过智能电能表的性能检测值能够准确确定智能电能表的质量,一般性能检测值越大,智能电能表的质量越好。从而解决当前筛选出较为优质的智能电能表较为繁琐复杂,难以确定智能电能表的质量的问题。
2、本发明在电能表投入使用之后,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后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
图1为的智能电能表的质量确定及剩余寿命检测方法流程图
图2为智能电能表的质量确定及剩余使用寿命检测系统图
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一:
一种智能电表的质量确定及剩余寿命检测方法,其特征在于,具体步骤包括:
在智能电能表投入使用之前:
确定各批次智能电表的质量,从中选取质量较好的智能电表批次,具体为:
获取若干批次供于安装使用的智能电表作为质量检测对象;
对所述若干批次的智能电能表分别进行整体的性能检测;
选取性能检测排名靠前的Y批智能电表作为质量优越的电表进行安装使用;
将检测性能优越的智能电能表投入使用之后,对智能电能表的剩余寿命进行测量,具体为:
从投入使用的Y批次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Y批次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tr;
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=tr-N;
具体地,
所述智能电能表的各性能包括:计量性能、处理单元性能、存储性能、通信性能、显示性能、智能电能表外观、报错性能、控制器性能、电池性能、时钟性能;
对各批次智能电表进行整体性能检测包括:
预先设置所述计量性能、处理单元性能、存储性能、通信性能、显示性能、智能电能表外观、报错性能、控制器性能、电池性能、时钟性能的质量检测标准;各性能质量检测标准包括各性能的检测策略以及各性能的权重;
例如,以显示性能进行说明:
具体的,该显示性能可以以显示性能的检测值Q来表示:
Q=C-E·q
其中,C为预先设置的显示性能的检测值的最大值(即为显示性能故障率为0的检测值),E为显示性能故障率每增加0.01%所对应的检测值,q为显示性能故障率百分数与0.01%的商,其中q为整数。上述的Q大于等于0。
其他性能的检测值计算方式与上述的显示性能的检测值的计算方式类似,此处不再赘述。
上述各性能对应的指标均具有一权重值,例如权重值分别为a%、b%、c%、d%、e%……,各性能对应的指标的检测值分别为V、W、X、Y、Z……,则通过各指标对应的检测值得到的检测值的和P为:
P=a%V+b%W+c%X+d%Y+e%Z……
通过比较各批次智能电表的p值即可确定哪个批次整体性能更加优越,质量更好。
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。
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。
具体地,建立退化模型和加速模型,具体为:
(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Si,则l个应力水平为S={S1,S2,…Si,…,Sl};记相应应力水平试验的时间为:t={t1,t2,…,ti,…tl},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,yN,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,y0,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,tN的值为N,β0为正常应力下的退化率;
βi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,ai,j为关于时间的指数。
需要说明的是,该βi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βi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ttN;将该时间ttN折算到加速应力Si下的时间为ttN,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,…,Sl下的退化方程为:
因此,智能电能表的基本误差在应力Si下第j个样本的退化方程可以写成:
令wi=t-ttN,i,则式(5)可以转化为如下:
式(5)和式(6)中,ti为加速退化试验中第i个应力水平下的总试验时间,wi为加速退化试验中第i个应力水平下的试验时间变量。
具体地,预测正常应力下的剩余寿命,具体为:
(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Df时,
根据式(2)可求得样本伪寿命值,即求解方程(7)得到的ti,j值即为伪寿命值Ti,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)(8)
式(8)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(9)求解得到给定可靠度下的可靠寿命tr。
(3)剩余寿命预测
通过式(10),求得智能电能表投入使用N年时间后的剩余寿命RUL:
RUL=tr-N (10)
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。
实施例二:
本发明还提供了一种智能电表的质量确定及剩余寿命监测系统,包括:
确定单元,可以根据预先设置的质量检测标准,确定所述智能电能表的各检测项的检测值以及各检测项的权重。
性能检测值生成单元,可以根据所述确定单元确定的所述智能电能表的各检测项的检测值以及各检测项的权重,确定所述智能电能表的性能检测值。
性能检测值比较单元,可以根据性能检测值生成单元确定的各批次智能电能表的性能检测值,将各批次智能电能表的性能检测值进行比较,确定性能较好的智能电表批次以供投入使用。
剩余寿命检测单元,可以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。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种智能电表的质量确定及剩余寿命检测方法,其特征在于,具体步骤包括:
在智能电能表投入使用之前:
确定各批次智能电表的质量,从中选取质量较好的智能电表批次,具体为:
获取若干批次供于安装使用的智能电表作为质量检测对象;
对所述若干批次的智能电能表分别进行整体的性能检测;
选取性能检测排名靠前的Y批智能电表作为质量优越的电表进行安装使用;
将检测性能优越的智能电能表投入使用之后,在即将达到寿命权限时,对智能电能表的剩余寿命进行测量,具体为:
从投入使用的Y批次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,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tr;
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=tr-N。
2.根据权利要求1所述的一种智能电表的质量确定及剩余寿命检测方法,其特征在于,智能电能表的各性能包括:计量性能、处理单元性能、存储性能、通信性能、显示性能、智能电能表外观、报错性能、控制器性能、电池性能、时钟性能。
3.根据权利要求1所述的一种智能电表的质量确定及剩余寿命检测方法,其特征在于,预先设置所述计量性能、处理单元性能、存储性能、通信性能、显示性能、智能电能表外观、报错性能、控制器性能、电池性能、时钟性能的质量检测标准;
各性能质量检测标准包括各性能的检测策略以及各性能的权重。
4.根据权利要求1所述的一种智能电表的质量确定及剩余寿命检测方法,其特征在于,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Y批次智能电能表中的每个均已投入使用N年。
5.根据权利要求1所述的一种智能电表的质量确定及剩余寿命检测方法,其特征在于,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。
6.根据权利要求1所述的一种智能电表的质量确定及剩余寿命检测方法,其特征在于,建立退化模型,具体为:
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Si,则l个应力水平为S={S1,S2,…Si,…,Sl};记相应应力水平试验的时间为:
t={t1,t2,…,ti,…tl},i=1,…,l;
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,yN,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,y0,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,tN的值为N,β0为正常应力下的退化率;
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ttN;将该时间ttN折算到加速应力Si下的时间为ttN,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,…,Sl下的退化方程为:
因此,智能电能表的基本误差在应力Si下第j个样本的退化方程可以写成:
令wi=t-ttN,i,则式(5)可以转化为如下:
式(5)和式(6)中,ti为加速退化试验中第i个应力水平下的总试验时间,wi为加速退化试验中第i个应力水平下的试验时间变量。
7.根据权利要求1所述的一种智能电表的质量确定及剩余寿命检测方法,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Df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Ti,j:
其中,β0为正常应力水平下第j个样本的退化率。
8.根据权利要求7所述的一种智能电表的质量确定及剩余寿命检测方法,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tr,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tr。
9.根据权利要求8所述的一种智能电表的质量确定及剩余寿命监检测方法,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。
10.一种智能电表的质量确定及剩余寿命检测系统,包括:
确定单元,可以根据预先设置的质量检测标准,确定所述智能电能表的各检测项的检测值以及各检测项的权重;
性能检测值生成单元,可以根据所述确定单元确定的所述智能电能表的各检测项的检测值以及各检测项的权重,确定所述智能电能表的性能检测值;
性能检测值比较单元,可以根据性能检测值生成单元确定的各批次智能电能表的性能检测值,将各批次智能电能表的性能检测值进行比较,确定性能较好的智能电表批次以供投入使用;
剩余寿命检测单元,可以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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310867960.7A CN116819427A (zh) | 2023-07-14 | 2023-07-14 | 一种智能电表的质量确定及剩余寿命检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310867960.7A CN116819427A (zh) | 2023-07-14 | 2023-07-14 | 一种智能电表的质量确定及剩余寿命检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116819427A true CN116819427A (zh) | 2023-09-29 |
Family
ID=88143006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310867960.7A Pending CN116819427A (zh) | 2023-07-14 | 2023-07-14 | 一种智能电表的质量确定及剩余寿命检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116819427A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350174A (zh) * | 2023-12-04 | 2024-01-05 | 国网天津市电力公司营销服务中心 | 预测智能电表剩余寿命的方法、系统、电子设备及介质 |
-
2023
- 2023-07-14 CN CN202310867960.7A patent/CN116819427A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350174A (zh) * | 2023-12-04 | 2024-01-05 | 国网天津市电力公司营销服务中心 | 预测智能电表剩余寿命的方法、系统、电子设备及介质 |
CN117350174B (zh) * | 2023-12-04 | 2024-04-02 | 国网天津市电力公司营销服务中心 | 预测智能电表剩余寿命的方法、系统、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN112731159A (zh) | 一种储能电站电池舱电池故障预判及定位的方法 | |
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
CN111103565B (zh) | 一种基于智能电能表计量误差分析的数据变换方法及系统 | |
CN111639783A (zh) | 一种基于lstm神经网络的线损预测方法及系统 | |
CN116819427A (zh) | 一种智能电表的质量确定及剩余寿命检测方法及系统 | |
CN104462808A (zh) | 安全水平位移与水位的滑动可变窗口动态数据拟合方法 | |
CN108133326A (zh) | 一种基于火电设备的状态预警方法及系统 | |
CN113052464A (zh) | 电池储能系统可靠性评估方法及系统 | |
CN111126759A (zh) | 一种基于异常事件故障关联度的电能表状态评估方法 | |
CN109598052B (zh) | 基于相关系数分析的智能电表寿命周期预测方法及装置 | |
CN109375143B (zh) | 一种确定智能电能表剩余寿命的方法 | |
CN103217353A (zh) | 钢筋混凝土结构中钢筋加速锈蚀实时控制监测装置及方法 | |
CN115407259A (zh) | 考虑嫌疑系数的超差电表在线检测方法、装置及存储介质 | |
CN114089255B (zh) | 一种电容式电压互感器稳定性评估方法 | |
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 | |
CN107561452A (zh) | 一种蓄电池组健康度的评估方法 | |
CN116777281A (zh) | 一种基于arima模型的电力设备质量趋势预测方法及装置 | |
CN115374646A (zh) | 在运电表寿命预测方法及在运电表寿命预测装置 | |
CN115392715A (zh) | 一种用电数据风险评估方法、装置、设备及存储介质 | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
CN113807743A (zh) | 一种电网调度自动化软件可靠性评估方法及系统 | |
CN114487848A (zh) | 一种蓄电池的状态计算方法和装置 | |
Rui et al. | Failure risk assessment method of electric energy meter based on state evaluation | |
CN115936166B (zh) | 一种电能表检定误差分析预测方法 |
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 |