The GBDT-based fault risk prediction method for electric power metering equipment provided by the invention includes: according to the basic data of the sample of electric power metering equipment to be predicted, a fault risk prediction model and a feature set corresponding to the sample of electric power metering equipment to be predicted are determined, in which the feature set includes the large fault category F corresponding to the sample of electric power metering equipment, the small fault category F, and the idle time. Time T, operation time R and unit of property rights; using feature set as input of fault risk prediction model of feature set to determine the predicted life of samples of power metering equipment to be predicted, in which the predicted life is the cumulative use time corresponding to the specified failure probability of power metering equipment; or the cumulative use time corresponding to the specified failure probability of power metering equipment. The forecasting method provided by the invention can accurately determine the forecasting life of the electric power metering equipment, thereby realizing effective monitoring of the operation state of the electric power metering equipment.
【技术实现步骤摘要】
一种基于GBDT的电力计量设备故障风险预测方法
本专利技术涉及电网运维
,并且更具体地,涉及一种基于GBDT的电力计量设备故障风险预测方法。
技术介绍
目前,难以对电网中投入的电力计量设备进行有效的监控,会发生大面积范围内发生计量设备故障的运维事故。另外,目前,电力计量设备通常采用定时更换的维修模式。也就是,达到预先设定的投入年限后,同一生产批次的电力计量设备会全部更换为新的智能电能表。这种维修模式造带来大量的维修工作,造成大量尚未失效的智能电能表提前终止使用,造成了资金和工人作业时间上的浪费。
技术实现思路
本专利技术提供了一种基于GBDT的电力计量设备故障风险预测方法,以实现对智能电表运行状态的有效监控,并通过采取必要的运维措施,控制或预防大面积范围内发生计量设备故障。本专利技术提供的基于GBDT的电力计量设备故障风险预测方法,包括:根据获取的待预测的电力计量设备样本的基本数据,确定与待预测的电力计量设备样本对应的故障风险预测模型和特征集,其中,特征集包括与电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位;将特征集作为特征集故障风险预测模型的输入,确定待预测的电力计量设备样本的预测寿命,其中,预测寿命为:与指定的电力计量设备故障概率对应的累积使用时间;或与指定的累积使用时间在对应的电力计量设备故障概率。进一步地,该方法中,故障风险预测模型包括基于GBDT回归器的寿命预测子模型;基于GBDT回归器的寿命预测子模型的输入特征集包括至少一个故障小类和/或至少一个故障小类的发生概率;基于GBDT回归器的寿命预测子模型的输出特征集 ...
【技术保护点】
1.一种基于GBDT的电力计量设备故障风险预测方法,其特征在于,包括:根据获取的待预测的电力计量设备样本的基本数据,确定与所述待预测的电力计量设备样本对应的故障风险预测模型和特征集,其中,所述特征集包括与所述电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位;将所述特征集作为所述特征集故障风险预测模型的输入,确定待预测的电力计量设备样本的预测寿命,其中,所述预测寿命为:与指定的电力计量设备故障概率对应的累积使用时间;或与指定的累积使用时间在对应的电力计量设备故障概率。
【技术特征摘要】
1.一种基于GBDT的电力计量设备故障风险预测方法,其特征在于,包括:根据获取的待预测的电力计量设备样本的基本数据,确定与所述待预测的电力计量设备样本对应的故障风险预测模型和特征集,其中,所述特征集包括与所述电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位;将所述特征集作为所述特征集故障风险预测模型的输入,确定待预测的电力计量设备样本的预测寿命,其中,所述预测寿命为:与指定的电力计量设备故障概率对应的累积使用时间;或与指定的累积使用时间在对应的电力计量设备故障概率。2.根据权利要求1所述的方法,其特征在于,所述故障风险预测模型包括基于GBDT回归器的寿命预测子模型;所述基于GBDT回归器的寿命预测子模型的输入特征集包括至少一个故障小类和/或所述至少一个故障小类的发生概率;所述基于GBDT回归器的寿命预测子模型的输出特征集包括:所述电力计量设备的预测寿命。3.根据权利要求2所述的方法,其特征在于,所述故障风险预测模型还包括基于GBDT分类器的故障小类预测子模型;所述基于GBDT分类器的故障小类预测子模型的输入特征集包括至少一个故障大类和/或所述至少一个故障大类的发生概率;所述基于GBDT分类器的故障小类预测子模型的输出特征集包括:至少一个故障小类和/或所述至少一个故障小类的发生概率;所述寿命预测子模型的输入特征集包括所述故障小类预测子模型的输出特征集。4.根据权利要求3所述的方法,其特征在于,所述故障风险预测模型还包括基于GBD...
【专利技术属性】
技术研发人员:张密,陈昊,乔文俞,刘婧,魏国省,刘卿,
申请(专利权)人:中国电力科学研究院有限公司,国家电网有限公司,国网天津市电力公司,北京南瑞捷鸿科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。