[发明专利]基于可信度的电能计量装置故障分析方法及装置

说明书

本发明公开了一种基于可信度的电能计量装置故障分析方法，包括：S01、获取电能计量装置各种历史故障特征及对应的故障成因；S02、依据电能计量装置各种历史故障特征及对应的故障成因生成故障排查规则；S03、获取电能计量装置现场的故障特征，并依据与此故障特征相对应的故障排查规则查找出故障成因。本发明还公开了一种分析装置，包括第一模块，用于获取电能计量装置各种历史故障特征及对应的故障成因；第二模块，用于依据电能计量装置各种历史故障特征及对应的故障成因生成故障排查规则；第三模块，用于获取电能计量装置现场的故障特征，并依据与此故障特征相对应的故障排查规则查找出故障成因。本发明的方法及装置具有故障排查快速准确等优点。

技术领域

本发明主要涉及电力设备技术领域，特指一种基于可信度的电能计量装置故障分析方法及装置。

背景技术

作为电力用户与供电公司之间的贸易结算设备，电能计量装置一旦出现故障，供电公司需在最短时间内对其故障原因进行排查和处理，以免引起与用户间的经济纠纷。然而，随着智能电表全面应用和用电信息采集全覆盖，致使电能计量装置出现故障后外化的问题表象、种类错综复杂，因此对供电公司现场计量人员提出了更高的技能要求。

目前，对于电能计量装置主要有三种故障排查及诊断方法：模式识别法、规则推理法和数学建模法。

统计计算法和模糊模式识别法是模式识别的两种典型代表方法。统计计算法可以直接由信号计算出其统计特征，并把统计特征中的一部分其它物理量作为故障特征。模糊模式识别法通常用于语言描述的经验知识，但没有学习能力，主要是从客观角度对隶属度函数和模糊规则进行选择，而故障排查、诊断结果基本是仿照先验知识，只适用于常见的故障。

规则推理又称为人工神经网络，因为其源于人的大脑原理，可以通过自我学习，拥有很强的抗干扰能力，并可在充分模拟和学习后准确的发现故障，但因电能计量装置在实际运行过程中不常出现故障，所以规则推理法在模拟过程中往往得不到充足的训练数据。

数学模型是科学研究的一种有力工具，早在机器故障排查、诊断中就己被广泛使用，特别是在动态系统的故障诊断中。数学建模法最大的缺点是对于复杂的工业过程，很难获得准确的数学模型，一般只能使用辨识的方法得到近似的数学模型，并且所得数学模型有着较大的误差。

受限于理论知识和实践经验等因素，采用模式识别法、规则推理法和数学建模法时，现场计量人员都很难精准定位故障成因，进而快速解决问题。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种排查快速准确的基于可信度的电能计量装置故障分析方法及装置。

为解决上述技术问题，本发明提出的技术方案为：

一种基于可信度的电能计量装置故障分析方法，包括以下步骤：

S01、获取电能计量装置各种历史故障特征及对应的故障成因；

S02、依据电能计量装置各种历史故障特征及对应的故障成因生成故障排查规则；

S03、获取电能计量装置现场的故障特征，并依据与此故障特征相对应的故障排查规则查找出故障成因。

优选地，所述故障特征包括电能计量装置的电压、电流、有功功率、无功功率、功率因数、电压总畸变率、电流总畸变率中的一种或多种。

优选地，在步骤S03中，获取电能计量装置现场的故障特征，并查找出与现场的故障特征相关联的历史故障特征，再找出相对应的故障排查规则。

优选地，其特征在于，在步骤S03中，若电能计量装置出现故障后外化的故障特征不同，但故障成因却一致，采用组合证据不确定性方法查找具体故障成因。

优选地，所述组合证据不确定性方法的步骤如下：