[发明专利]一种基于间歇性故障的大数据分析方法

权利要求书

1.一种基于间歇性故障的大数据分析方法，其特征在于，包括以下步骤：

第一步，初步确定采集异常紧急度的影响因子

由电力运维系统专家讨论确定采集异常紧急度的影响因子，所述影响因子包括间歇性故障；

第二步，收集电路运行系统的数据

所述数据包括现场采集数据和工单流转数据，涉及到多个区域的各种用户的一段时间内的用电量、电能表的品牌、数量，进而对大批量用户的用电量进行波动分析；

第三步，分析影响因子并建立模型

紧急度影响因子判断模型就是通过系统已有运行数据，按照各因素影响进行数据分析，当结果表明影响因子与最终结果存在明显聚合关系或函数连续时则表明应该将该因数计入紧急度计算，当结果为离散不连续时则表明不应该将该因数计入紧急度计算。

2.如权利要求1所述的一种基于间歇性故障的大数据分析方法，其特征在于，按照不同的分类统计方法，分析各种电能表故障率是否具有离散特性，如果各种电能表故障率具有离散型，该因素不作为紧急度值输出的影响因素，反之，该因素作为紧急度值输出的影响因素。

3.如权利要求2所述的一种基于间歇性故障的大数据分析方法，其特征在于，对抄表数据情况进行定量分析：1代表抄表成功，0代表抄表失败，其抄表数据的组合为101...、1001...、10001....。

4.如权利要求3所述的一种基于间歇性故障的大数据分析方法，其特征在于，按照集中器类型、地域、集中器的厂家分别进行统计故障电能表数量、电能表数量。

5.如权利要求4所述的一种基于间歇性故障的大数据分析方法，其特征在于，计算同一集中器类型，不同地域的电能表故障率；计算同一集中器类型，不同生产厂家的电能表故障率，计算同一类型集中器出现间歇故障的表计采集故障率的平均值以及表征组内个体间的离散程度的标准偏差值。

6.如权利要求5所述的一种基于间歇性故障的大数据分析方法，其特征在于，所述故障率按照地域进行统计，分析不同类型的集中器时，需要参考台区线路分支数量、延伸地域面积、现场用电环境以及线型。

7.如权利要求6所述的一种基于间歇性故障的大数据分析方法，其特征在于，所述影响因子还包括月平均用电量、异常持续时间、距离抄表天数、电能表效用值。

8.如权利要求7所述的一种基于间歇性故障的大数据分析方法，其特征在于，分析月均用电量对采集异常紧急程度的影响程度，直接用用户的月用电量作为输入，会导致该因素的影响波动过大，因此需要将用户月用电量按一定区间进行划分；将台区根据容量分布进行分类，并统计某一年度台区公变用电量及相应容量公变下居民、非居民电量情况，观察当用户电量缺失时，是否会引起台区线损波动。

9.如权利要求8所述的一种基于间歇性故障的大数据分析方法，其特征在于，对每户每日用电量标准偏差度进行分析，分析用户的日用电量波动是否平缓，如果大部分用户的日用电量波动平缓则可将异常持续天数所损失的电量作为紧急程度计算因子，如果大部分用户的日用电量波动较大则不能将异常持续天数所损失的电量作为紧急程度计算因子。

10.如权利要求9所述的一种基于间歇性故障的大数据分析方法，其特征在于，抄表例日的抄表数据在一个月当中最为重要，该日数据缺失将导致人工抄表，计算人工抄表的成本，如果成本较高，则需要把距离抄表日天数作为影响紧急度的影响因子，如果成本较低，则不需要。