一种智能电能表寿命预测方法及装置制造方法及图纸

本发明专利技术公开了一种智能电能表寿命预测方法及装置，根据每个可用属性值中不同的取值进行组合，将智能电能表划分为多个簇，每一簇均构建对应的Weibull寿命分布模型；根据智能电能表当前寿命的分布函数，获取智能电能表剩余寿命的分布函数；通过智能电能表当前寿命的可靠度函数，获取智能表当前寿命平均预测值；通过智能电能表剩余寿命的分布函数，获取智能表剩余寿命预测值；将智能表当前寿命平均预测值与智能表剩余寿命预测值相加，得到智能电能表寿命预测值。本发明专利技术通过计算当前寿命与剩余寿命来预测智能电能表的寿命值，提高了预测准确度，根据智能电能表的属性值，进行分簇计算，提高了预测的精确度。高了预测的精确度。高了预测的精确度。

【技术实现步骤摘要】
一种智能电能表寿命预测方法及装置


[0001]本专利技术涉及一种智能电能表寿命预测方法及装置，属于数据挖掘与智能分析


技术介绍

[0002]目前，随着我国智能电能表的智能化程度越来越高，生产制造水平不断提升，不同运行环境、用电负荷下的电能表损耗速度也各不相同，不同批次生产的电能表的实际质量也存在差异。
[0003]现有的智能电能表的管理现状是：
[0004](1)随着早期投入运行的智能电能表也逐批到达了检定周期，按照《电子式交流电能表检定规程》(JJG 596
‑
2012)对电能表使用年限的规定，一般0.2S级、0.5S级有功电能表以及1级、2级无功电能表的检定周期不超过6
‑
8年的轮换方式，会引发拆回分拣任务繁重、处置不规范，库容严重被占用，仓储保管困难等问题；
[0005](2)盲目按照“周期性、轮换式、事后换”的模式对电能表计量资产状态进行轮换管理，不利于公司生产运行成本控制，易造成人力物力的浪费，影响公司从电网向能源互联网升级的战略发展。
[0006]那么，如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能电能表寿命预测方法，其特征在于：包括如下步骤：根据智能电能表的属性数据、分拣检测数据，剔除由非智能电能表误差原因引起故障的智能电能表数据，剩余数据为无失效数据；在无失效数据中选取属性数据中可用属性值；根据每个可用属性值中不同的取值进行组合，将智能电能表划分为多个簇，每一簇均构建对应的Weibull寿命分布模型；根据无失效数据，用极大似数函数分别对构建的Weibull寿命分布模型的形状参数和尺度参数进行估计，得到形状参数和尺度参数的估计值；根据形状参数和尺度参数的估计值，得到Weibull寿命分布模型的智能电能表当前寿命的分布函数、可靠度函数；根据智能电能表当前寿命的分布函数，获取智能电能表剩余寿命的分布函数；通过智能电能表当前寿命的可靠度函数，获取智能表当前寿命平均预测值；通过智能电能表剩余寿命的分布函数，获取智能表剩余寿命预测值；将智能表当前寿命平均预测值与智能表剩余寿命预测值相加，得到智能电能表寿命预测值。2.根据权利要求1所述的一种智能电能表寿命预测方法，其特征在于：还包括：计算每个可用属性值中各取值对应的不同可靠度的剩余寿命值之差，并求取方差，将可用属性值根据方差值进行排序，获取可用属性值影响程度排名。3.根据权利要求2所述的一种智能电能表寿命预测方法，其特征在于：还包括：采用XGBoost模型构建智能电能表寿命预测机器学习模型；根据可用属性值的取值组合获取各簇电能表，并获取各簇电能表的寿命时长，将各簇电能表和对应的寿命时长作为训练样本；采用训练样本对智能电能表寿命预测机器学习模型进行训练，获得智能电能表寿命预测机器学习模型的权重值；根据可用属性值影响程度排名或各簇电能表数量占比对权重值进行调整，获得调整后的权重值；将调整后的权重值代入智能电能表寿命预测机器学习模型，获得训练后的智能电能表寿命预测机器学习模型。4.根据权利要求3所述的一种智能电能表寿命预测方法，其特征在于：所述训练样本采用K折交叉验证的方式对智能电能表寿命预测机器学习模型进行训练与验证。5.根据权利要求1所述的一种智能电能表寿命预测方法，其特征在于：所述可用属性值如表1所示，表1可用属性值属性数据属性数据单位类别芯片厂家电能表电压接线方式标定电流计度器方式过载倍数通讯规约有功准确度等级通讯方式
电能表常数电能表规格制造单位招标批次指示数类型存放时长轴承结构。6.根据权利要求1所述的一种智能电能表寿命预测方法，其特征在于：所述Weibull寿命分布模型，包括：智能电能表当前寿命的分布函数、可靠度函数；智能...

【专利技术属性】
技术研发人员：朱东升，叶剑斌，汪亮，陈新贺，宋剑，汪锐，凌璐，赵兴旺，张亮，孟庆永，汪翊节，管振华，
申请(专利权)人：国电南瑞南京控制系统有限公司，
类型：发明
国别省市：