本发明涉及运行状态检测方法,更具体地,涉及一种电能表的运行状态检测方法。
背景技术:
随着电力客户数量不断的增加,智能电能表的应用呈几何式的增长,现场检验资源与急剧增长的工作量矛盾日益突显。频繁、无效的在电气二次回路上工作,给电网安全稳定运行、交通安全带来较大安全风险隐患。依靠人员定期到现场检验的工作方式已难以适应电能表的技术发展和满足公司精益化管理的需要。随着计量技术的不断进步,电能表质量、稳定性得到了极大提升,按照计划开展现场检验工作,大部分电能表运行状态良好,需要花费大量人力物力开展无效检测工作,而部分存在缺陷的电能表未到定期检验时间,却不能及时发现缺陷和隐患。所以传统现场周期检验的工作方式已逐步落后,存在信息化程度低、判别数据单一、作业模式简单、异常发现周期长等不足。
技术实现要素:
为解决上述技术问题,本发明公开了一种电能表运行状态检测方法,包括:步骤s1,获取电能表的相关状态数据x=[x1,x2,..,xn],其中xi=[xi1,xi2,…,xim]t为第i个电能表的相关状态数据,m为第i个电能表包括的相关状态数据数量,1≤i≤n;步骤s2,基于所述状态数据x获取电能表状态检测模型;步骤s3,根据所述电能表状态检测模型获取待测电能表的运行状态检测结果。
附图说明
图1为本发明采集的电能表相关状态数据的示意图;
图2为本发明的电能表状态运行检测的整体流程图;
图3为本发明创建电能表状态检测模型的流程图;
图4为本发明电能表计量判断模型算法的示意图;
图5是电能表可靠性判断模型算法的示意图;
图6是电能表预期隐患判断模型算法的示意图;
图7是电能表外界干扰判断模型算法的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,将结合附图对本发明作进一步地详细描述。这种描述是通过示例而非限制的方式介绍了与本发明的原理相一致的具体实施方式,这些实施方式的描述是足够详细的,以使得本领域技术人员能够实践本发明,在不脱离本发明的范围和精神的情况下可以使用其他实施方式并且可以改变和/或替换各要素的结构。因此,不应当从限制性意义上来理解以下的详细描述。
本发明公开了一种电能表运行状态检测方法,该方法包括:
步骤s1,获取电能表的相关状态数据x=[x1,x2,..,xn],其中xi=[xi1,xi2,…,xim]t为第i个电能表的相关状态数据,m为第i个电能表包括的相关状态数据数量,1≤i≤n。根据本发明,电能表的相关状态数据采用从营销业务应用系统、用电信息采集系统、计量生产调度平台提取集成检定基本误差、批次退货率、运行故障率、家族缺陷、电量异常、时钟异常、运行环境、用户信誉等相关数据,开发数据交互接口,搭建数据仓库,为大数据应用提供数据基础。累计开展数据清洗222.6万次,抽取数据385.26亿条,数据总量24.56t,评价应用1466万次。其中,图1是本发明采集的电能表相关状态数据的示意图,图2为本发明的电能表状态运行检测的整体流程图。
步骤s2,基于所述状态数据x获取电能表状态检测模型。具体地,在该步骤中,对获取的电能表相关原始状态数据y=[y1,y2,..,ys]进行归一化处理以获取所述状态数据x,其中yj=[yj1,yj2,…,yjt]t为第j个电能表的相关原始状态数据,1≤j≤s。创建电能表状态评价模型分为三个步骤,首先,根据每个状态量的取值范围,对状态量进行归一化处理,在这个步骤里应用了保守归一化公式和sigmoid函数。其次,分别评价每个状态量,形成状态评价的分量,这里应用到了隶属度函数建立和隶属度函数解模糊两种技术,并融合了专家经验开展模型设计。第三,应用了熵权法和自修正权函数法两种技术,形成最终的状态评价。图3为本发明创建电能表状态检测模型的流程图。
在本发明的一个实施方式中,所述电能表状态检测模型为电能表计量判断模型,用于判断所述电能表的计量误差。此时,以基本误差为例,运用mds系统中电能表基本误差试验结论的误差数据、用电信息采集系统中的负荷电流等数据项,通过建模量化设计了基本误差状态项。应用了基本误差试验结论中三个有代表性的负荷点的检定误差值,覆盖电能表的运行负荷范围,通过电能表运行负荷与这三个负荷点的接近程度采用不同的权重值,应用变权平均值法进行状态项量化。图4为本发明电能表计量判断模型算法的示意图。
在本发明的一个实施方式中,所述电能表状态检测模型为电能表可靠性判断模型。此时,以运行时间为例,通过mds系统中的电能表资产信息关联sg186系统中的库龄表龄和设备装拆记录等数据项,用等效运行时间反映电能表的运行状态特征。图5是电能表可靠性判断模型算法的示意图。
在本发明的一个实施方式中,所述电能表状态检测模型为电能表预期隐患判断模型。此时,分析用电信息采集系统中计量在线监测与智能诊断的异常数据,包括电量异常、时钟异常、用电异常的分析结果等数据项,通过在线异常监测实现对电能表潜在隐患的评价量化。图6是电能表预期隐患判断模型算法的示意图。
在本发明的一个实施方式中,所述电能表状态检测模型为电能表外界干扰判断模型。此时,分析sg186系统中的运行电能表信息和现场检验结论记录中的环境类等数据项,根据电能表安装环境相对参比环境的符合性和稳定性进行分类评价,设计了安装环境数据项。图7是电能表外界干扰判断模型算法的示意图。
步骤s3,根据所述电能表状态检测模型获取待测电能表的运行状态检测结果。在该步骤中,将所采集到的述待测电能表的相关状态数据输入所述电能表状态检测模型,可以获取该待测电能表的相关状态检测结果。
由上述内容可知,本发明所述的电能表运行状态检测方法,通过定期评价电能表状态,将传统的故障事后处理变为事前状态预警,实时掌握现场运行状态,开展针对性改进,使得异常发现处理的更及时,大大减少了对人力、物力等的消耗。
在本发明的优选实施例中,所述步骤s3之后还包括步骤s4,根据所述运行状态检测结果输出所述待测电能表的检验策略。通过给出检验策略,可帮助现场检查人员快速定位异常位置,节约检查人员的时间。
在本发明的另一优选实施例中,所述步骤s3之后还包括步骤s5,根据现场检测结果动态更新所述电能表状态检测模型。
此外,在本发明的一实施例中,本发明还公开了一种服务器,包括处理器和存储器,所述存储器存储有应用程序,当所述处理器执行所述存储器上的应用程序时,以执行所述步骤s1-s3,该方法可以有效减少对本地存储资源和计算资源等的占用。
此外,根据公开的本发明的说明书,本发明的其他实现对于本领域的技术人员是明显的。实施方式和/或实施方式的各个方面可以单独或者以任何组合用于本发明的系统和方法中。说明书和其中的示例应该是仅仅看作示例性,本发明的实际范围和精神由所附权利要求书表示。