[发明专利]一种基于故障数据的电能表寿命预测方法

说明书

本发明涉及一种基于故障数据的电能表寿命预测方法，其特征在于：包括如下步骤：步骤一，获取电能表故障数据并进行筛选和清洗；步骤二，对筛选和清洗后的电能表故障数据建立电能表失效故障树，对故障类型进行分类，按照故障发生频次确定电能表故障数据所属器件模块权重；步骤三，构建支持向量回归机模型，并用粒子群算法对模型参数进行寻优，对各故障类型所属器件模块的失效概率密度函数进行回归，根据确定的所属器件模块权重加权求得电能表总体失效概率密度函数；步骤四，根据电能表总体失效概率密度函数计算电能表平均寿命。本发明充分利用海量故障数据中的有效信息，提高了电能表寿命预测的精度。

技术领域

本发明属于电能表可靠性评估领域，涉及一种基于故障数据的电能表寿命预测方法。

背景技术

电能表的拆退管理是计量资产全寿命周期管理的重要环节，国家电网天津市电力有限公司自2013年开始进行拆回电能表分拣处理的方法探索与技术研究，研发建设了国内首条拆回电能表自动分拣处理系统，实现电能表分拣集中处理和分拣工作全自动化。通过智能表自动分拣信息管理平台，对拆回表分拣结果进行自动收集和汇总，建成了拆回电能表故障信息库。随着电改、综合能源战略转型等环境变化，智能电能表不断更新换代，有效预测电能表的寿命对于提高资产质量来说具有重要意义。

现有对于电能表评估和寿命预测的研究，大多从可靠性的角度出发，而基于故障数据进行分析的研究很少，未能充分利用海量故障数据中的有效信息。

发明内容

本发明的目的在于解决现有技术的不足，提供一种基于故障数据的电能表寿命预测方法。

本发明解决其技术问题是通过以下技术方案实现的：

一种基于故障数据的电能表寿命预测方法，其特征在于：包括如下步骤：

步骤一，获取电能表故障数据并进行筛选和清洗；

步骤二，对筛选和清洗后的电能表故障数据建立电能表失效故障树，对故障类型进行分类，按照故障发生频次确定电能表故障数据所属器件模块权重；

步骤三，构建支持向量回归机模型，并用粒子群算法对模型参数进行寻优，对各故障类型所属器件模块的失效概率密度函数进行回归，根据确定的所属器件模块权重加权求得电能表总体失效概率密度函数；

步骤四，根据电能表总体失效概率密度函数计算电能表平均寿命，对比不同供应商和版本的电能表可靠性，为电能表的大规模维护、轮换工作提供指导。

而且，所述的电能表故障包括时钟电池电压低、时钟故障、黑屏、白屏、花屏故障、液晶漏液、液晶显示故障、控制回路错误而导致的表内继电器故障以及ESAM错误。

而且，所述电能表失效故障树包括顶事件、中间事件及底事件，选取电能表失效为顶事件，各器件模块故障为中间事件，故障名称为底事件，利用故障树分析法对电能表故障进行分类，获得时钟电池电压低和时钟故障属于电池器件模块故障；黑屏、白屏、花屏故障、液晶漏液和液晶显示故障属于显示器件模块故障；控制回路错误而导致的表内继电器故障以及ESAM错误属于电路器件模块故障。

而且，所述按照故障发生频次确定电能表故障数据所属模块权重根据模块故障发生频次在总频次中的占比确定。

而且，所述各故障类型所属器件模块的失效概率密度函数进行回归用下式表示：

其中(x_i，y_i)为概率密度函数的坐标值，ω为权值向量，b为阈值，ξ_i和为松弛因子，C为惩罚系数；

故障所属器件模块k的失效概率密度回归函数用式(2)表示：