基于多分类融合模型的智能电能表故障预测

由于智能电能表功能的丰富多样,随之而来的是设备故障类型及故障率的不断增加,如何准确地判断智能电能表的故障类型,提高故障表的检修效率,对保障智能电能表的安全稳定运行十分重要。文中提出一种基于多分类融合模型的智能电能表故障预测算法。针对智能电能表故障进行多维度分析及故障类型筛选;通过欠采样和过采样相结合的混合采样方式解决数据集中类不平衡问题,构建分类预测模型所需数据;利用基础分类算法的组合获取最优融合算法,在公共数据集上验证了所提算法的有效性,融合后的准确率较基础分类模型有稳定提升,以近年来电网系统中实时采集的智能电能表故障数据为基础,进行了基础模型与融合后算法模型的实验对比,结果表明文中所提的多分类融合算法模型在故障预测的准确率和可靠性上有明显的提升。     

数据与知识融合的电能表故障关联模型研究

当前各地积累了大量因故障拆回的电能表,但拆回表的价值尚未充分发掘。本文利用拆回表信息构建从“电能表故障现象”到“元器件故障”的关联模型给出了建立该模型的完整流程。首先对拆回表进行开盖检视,记录初步结果并进行数据筛分、清洗,获得故障现象与元器件故障之间的直接与间接关系;其次对于直接关系采用统计方法建模,对于间接关系则以层次分析法为桥梁进行建模,最终获得完整关联模型。本文还给出了该模型的应用实例与数据更新方法。通过实验证明了该方法有效性,所提方法可用于指导电能表的维护检修及生产流程改进。     

智能电能表故障分级运行管理方案研究

介绍智能电能表的发展现状及特点,为降低运行智能电能表的故障率,提出基于智能电能表故障率的智能电能表故障分级运行管理方案,完成了智能电能表故障率计算、智能电能表的分级与处理。通过算例分析,验证了该方案的正确性和可行性。     

智能电能表常见运行故障原因分析

介绍智能电能表运行中常发生的黑屏、乱码、电量无法抄读、电池欠压、走字快、电量数据突变等故障,分析、总结造成运行智能电能表故障的原因,旨在减小智能电能表运行故障率。     

基于voting集成的智能电能表故障多分类方法

为提升智能电能表故障准确分类能力,助力维护人员迅速排除故障,本文提出基于投票法voting集成的智能电能表故障多分类方法。首先针对实际智能电能表故障数据进行编码预处理,基于皮尔逊系数法筛选智能电能表故障分类关键影响因素,结合SMOTE算法解决数据类别不平衡问题,由此建立模型所需数据集,再通过投票法进行模型融合,结合粒子群PSO确定各基模型的权重,据此构建基于XGBT+KNN+NB模型的智能电能表故障多分类方法。实测实验结果表明：本文提出方法能有效实现智能电能表的故障快速准确分类,与现有方法相比,在智能电能表的故障分类精确率、召回率及F1-Score均有明显提升。     

智能电能表失电故障的试验分析

目前针对智能电能表在现场应用环境中频繁出现时钟故障的现象,对入网运行出现时钟电池失压的智能电能表进行深入的研究和故障分析,从功耗、工艺及内部电路设计等方面剖析时钟电池性能降低的原因。根据国内运行的智能电能表大面积出现失电故障,对已经出厂的智能电能表进行有针对性的试验检测研究。以电池失能为突破点,通过特定的电池检测方法,获得真实有效的试验数据。根据试验结果进行科学分析论述,找出智能电能表失电故障根源,并遵循客观实际条件,提出两项改进措施方案,以杜绝智能电能表失电故障的继续扩大漫延。所提出的技术方案为智能电能表安全有效的运行提供技术保障。     

智能电能表黑屏故障原因分析

智能电能表的主要功能是为用户提供一个电网的入户接口,对每户的电能进行计量,其质量的优劣直接影响计量准确性和国网公司经营效益,关系着国网公司的社会形象。针对一起智能电能表现场运行过程中出现的黑屏故障,开展详细的技术分析,给出黑屏故障原因的分析方法并提出相应控制措施与工作建议,为电网实际运行的智能电能表故障分析提供依据,进一步完善智能电能表质量管控手段。     

面向不平衡数据的配电网故障停电预测方法

配电网故障停电事件会严重影响正常的社会经济生活。因此,迫切需要有效的配电网故障停电预测方法。采用人工智能方法分析配电网故障停电数据,发现存在配电网故障停电次数较少和引发配电网故障停电的原因分布不均等数据不平衡情况。为了及时、准确地预测配电网故障停电情况,从数据集质量和防止过拟合两方面入手改进故障停电预测模型。首先,设计了基于聚类的对抗神经网络来增强数据集质量。其次,构造了基于随机代价敏感卷积神经网络(RandomCost-CNN)的故障停电预测模型。RandomCost-CNN预测算法中采用有放回随机抽样思想设计了损失函数的随机选择策略,用以解决常规代价敏感过度拟合少数类(故障停电类)而使得大量多数类(正常类)被误报的问题,既保证少数类具有较好召回率与精确度,同时又提高了模型的泛化性能。实验证明所提方法能有效预测配电网故障停电事件发生概率,在配电网运维管理中能够发挥较好的预警作用。     

智能电能表高阻抗故障检测方法研究

为提高智能电能表检测精度,对高阻抗故障(HIF)的检测方法进行了改进,利用智能电能表作为配电网系统中HIF检测的传感器,实现无需单独安装传感器.基于电压波形测量数据的偶次谐波量,每个智能电能表计算一个指数,测量电压波形中的偶次谐波分量.若任何智能电能表计算出的指数在特定时长中持续超过阈值,则检测到故障.在3个场景进行了实验,结果验证了改进方法的有效性.与基于小波的检测方法和基于谐波的检测方法相比,所提方法能够在存在电力电子负载的情况下进行检测,具有明显优势.     

预付费电能表软件故障的处理

1故障现象 近年来，我公司大量存储卡式预付费电能表出现软件故障，导致无法正常使用。主要表现为插卡后显示非本系统卡，卡中电量数据无法正常输入表内，使用本系统复位卡无法对其初始化。     

智能电能表故障风险预估算法的研究*

智能电能表随着国家电网的大力推广应用,它在使用中是否发生故障已成为令人关注的问题。为此,研究并编制了智能表故障风险预估算法。该算法针对智能电能表的首检数据,先按规程判定出性能良好的电能表,再将这些良好电能表分别进行横向筛查和纵向筛查,最后依筛查结果划分为四个风险等级,可作为检修维护的参考数据。用大量数据对算法进行了验证,结果符合本文预期值,表明算法正确合理。     

基于智能电能表误差检测的非侵入式电网故障定位及运维调度

为提升电网故障恢复的效率,提出一种基于智能电能表计量大数据的故障处理调度方案.使用状态估计方法,将故障作为系统的临时负载处理,从而将误差检测非侵入式地扩展到故障识别,并基于电能表大数据,使用可变权值矩阵,对故障进行远程定位.提出在考虑故障紧急程度的情形下利用迭代局部搜索算法对运维任务进行调度.实验结果验证了该方案的有效性.     

基于多元大数据融合的智能电能表可靠性评估模型

智能电表是电能计量体系的基础单元,广泛部署于用户侧。针对其量大而难以维护的问题,建立了基于多源大数据融合分析的智能电表可靠性评估模型。为了充分发掘智能电表设计、检修和运行数据中的有用信息,对多源大数据进行融合整理,得到了影响智能电表寿命的协变量数据和智能电表生存标签。基于生存分析理论建立智能电表生命周期CoxPH模型,并采用深度神经网络表征强非线性关联参数,形成智能电表的可靠性评估模型。基于某城市实际智能电表运维数据,对所建模型的有效性进行了验证。测试结果表明,所建模型可以基于智能电表的实时运行状态实现可靠性评估,为智能电表运维工作提供辅助决策。     

基于故障注入的电能表存储信息突变问题分析方法研究

针对运行智能电能表出现的电量清零及表地址突变问题,提出了一种基于故障注入的问题分析方法。将快速瞬变脉冲群干扰信号通过信号耦合加入E2PROM的I2C总线,直接注入E2PROM芯片的SDA、SCL引脚,复现了现场故障现象。试验结果说明当现场发生某些事件造成电网内有强烈的干扰信号时,RAM和E2PROM会受到干扰,导致I2C总线传输的数据发生突变,由于软件设计缺陷使得电能表初始化,从而导致电能表存储信息突变。     

基于GA-FSVR的极端温度应力下智能电能表退化预测模型

针对极端温度应力下智能电能表退化情况难以准确预测的问题,以计量误差作为退化指标,提出一种基于融合核支持向量回归(FSVR)与遗传算法(GA)的智能电能表退化预测模型。为了兼顾预测模型的学习与泛化能力,在传统单核支持向量回归模型的基础上,提出一种基于RBF核与Sigmoid核的新的融合核函数,并进一步建立基于融合核函数的FSVR模型,预测极端温度应力作用下智能电能表的退化过程;在FSVR模型参数调节阶段,通过GA对核参数进行优化,提高模型预测精度。采用某批次智能电能表分别在高温(50℃)、低温(-40℃)两组极端温度应力下连续14个月的实际退化测试数据展开比较实验,结果表明提出的预测模型能准确追踪不同极端温度下智能电能表的退化趋势,可为我国典型地区的智能电能表可靠性分析提供指导。     

基于分层抽样的运行智能电能表剩余寿命预测方法研究

运行中的智能电能表的计量准确性直接关系着电网公司和用户的切身利益,全国6.8亿只的庞大数量,涉及国土面积90%,运行环境千差万别。投运后的智能电能表运行状态完全不一致,实际寿命不一致,因此需要对智能电能表的实际状态进行评估,开展寿命预测研究。本文采用分层抽样方法对典型的高湿热和高严寒地区运行一年的智能电能表进行抽样,建立了抽样寿命允差模型,综合考虑温度和湿度对误差的影响,基于浴盆曲线特性建立了Weibull寿命分布模型,将寿命预测结果与样本试验结果进行对比,论证本文所提出的寿命预测方法的可行性。     

费控智能电能表的应用分析

随着我国智能电网建设步伐的加快和居民阶梯电价的实施,智能电能表开始大量使用,其费控功能的应用更是给电力营销丁：作带来了重大改变。从技术、管理角度,结合工作实际,分析本地费控电能表和远程费控电能表的优缺点．为费控智能电能表的选用提出了建议。     

基于GO法与贝叶斯网络的智能电能表可靠性预计方法研究

随着智能电能表的大面积普及和应用功能的复杂化,智能电能表可靠性的准确预计越来越重要.首先,利用GO图语义性强的特点,将电能表的架构框图转化为GO图;其次,根据GO法的贝叶斯映射法则,将GO图转化为贝叶斯网络,解决GO图操作符众多、算法复杂等问题;然后,对贝叶斯网络各子节点的条件概率表(CPT)进行标注,并将整理好的贝叶...     

基于SSHM模型的智能电能表操纵行为检测算法研究

由于智能电表操纵行为产生的异常状态不仅会造成严重经济损失,而且会导致电网运行状态误判从而影响电网的安全性。文章提出了一种基于超态隐马尔可夫(SSHM)模型的智能电表操纵行为检测和定位方法。该方法首先在隐马尔可夫模型中引入超态量,并基于该模型转移矩阵和观测矩阵的稀疏性特点,给出了改进Viterbi算法,降低了数据存储和计量难度;通过包含典型操纵行为的数据集对模型的关键性能参数进行了评估和优化,从而建立起了高性能的SSHM模型;最后,通过操纵行为算例分析对比了该方法与其他方法的检测性能,证明了该方法具有极高的准确性,是解决智能电表操纵行为异常状态检测与定位问题的有效手段。     

基于贝叶斯网络的智能电表故障类型预测

针对智能电能表受到外界各种因素影响出现的故障,本文提出了一种基于贝叶斯网络的智能电能表故障类型分类与预测模型。分析了造成智能表故障的各种因素和常见的故障类型,通过大量历史故障数据的训练,结合专家意见,采用了基于评分搜索的方法构建了贝叶斯网络结构,在此基础上进行了故障类型预测和决策分析,并对提出的方法进行验证。研究结果表明：该方法可以有效地对智能表的故障类型进行预测,计算效率高,具有较好的适用性。