一种电能表运行状态评价预测方法技术

本发明专利技术提供一种电能表运行状态评价预测方法，包括如下步骤：S1、基于Bayes方法估计异常事件发生是由电能表故障触发的概率；S2、基于异常事件发生是由电能表故障触发的概率，结合负二项分布以及专家经验分析异常事件发生次数的概率分布，得到异常事件发生次数值；S3、基于结合异常事件发生次数值，利用齐次泊松过程描述异常事件发生次数与时间的关系，预测电能表的故障时间及剩余寿命。本方法可以有效预测电能表异常事件发生的次数和发生的时间，掌握电能表剩余寿命，关注电能表运行态势，合理安排电能表的检修、更换。更换。更换。

【技术实现步骤摘要】
一种电能表运行状态评价预测方法


[0001]本专利技术主要智能电表相关
，具体是一种电能表运行状态评价预测方法。

技术介绍

[0002]对智能电能表的运行态势进行合理准确地感知是一项很重要的问题，由异常事件导致的电能表故障影响电能表计量、电能表剩余寿命以及电网的稳定运行。当前，在现货交易电力市场建设的背景下，电能表稳定可靠地运行显得尤其重要，对基于异常事件次数预测电能表运行状态的准确性与及时性提出了更高要求。现有电能表运行状态评价预测方法存在虚警率高、时效性差的问题，不能及时了解电能表故障状态，导致维护时间和人力成本较高，严重影响了电力市场现货交易的建设与发展，对电网稳定性带来隐患。
[0003]电能表剩余寿命与异常事件发生有关，如何利用电能表故障触发的异常事件感知电能表运行态势是一项关键问题，该问题涉及如何对由电能表故障触发的异常事件进行概率估计，如何明确异常事件发生次数的概率分布，如何对异常事件发生规律进行分析从而预测异常事件由电能表故障触发的时间等难点。因此需要设计一种科学的预测方法，以达到对电能表运行状态的精确评估。

技术实现思路

[0004]为解决目前技术的不足，本专利技术结合现有技术，从实际应用出发，提供一种电能表运行状态评价预测方法，可以有效预测电能表异常事件发生的次数和发生的时间，掌握电能表剩余寿命，关注电能表运行态势，合理安排电能表的检修、更换。
[0005]为实现上述目的，本专利技术的技术方案如下：
[0006]一种电能表运行状态评价预测方法，包括如下步骤：
[0007]S1、基于Bayes方法估计异常事件发生是由电能表故障触发的概率；
[0008]S2、基于异常事件发生是由电能表故障触发的概率，结合负二项分布以及专家经验分析异常事件发生次数的概率分布，得到异常事件发生次数值；
[0009]S3、基于结合异常事件发生次数值，利用齐次泊松过程描述异常事件发生次数与时间的关系，预测电能表的故障时间及剩余寿命。
[0010]进一步，步骤S1中，设P(B1)表示异常事件发生后电能表运行状态良好的概率，P(B2)表示异常事件发生后电能表故障的概率，P(C
j
|B1)表示运行状态良好的电能表发生异常事件C
j
的概率，P(C
j
|B2)表示运行状态为故障的电能表发生异常事件C
j
的概率，P(B2|C
j
)表示异常事件C
j
发生是由电能表故障触发的概率，则可确定异常事件C
j
发生的概率为：
[0011]P(C
j
)＝P(B2)P(C
j
|B2)+P(B1)P(C
j
|B1)
[0012]则异常事件C
j
发生是由电能表触发的概率为：
[0013][0014]其中，N表示发生异常事件C
j
的同批次、同厂家、同型号的电能表的总数量，N2表示发生异常事件C
j
的故障电能表的数量。
[0015]进一步，步骤S2中，异常事件发生次数值包括异常事件发生次数均值、异常事件发生次数上限以及异常事件发生次数下限。
[0016]进一步，步骤S2中，对于电能表，设运行过程由非电能表故障类原因触发N
Cj
次异常事件，第N
Cj
+1次异常事件是由电能表故障触发，令电能表故障时异常事件发生的次数X＝N
Cj
+1，则X服从参数p＝P(B2|C
j
)的负二项分布，异常事件N
Cj
发生的次数X的均值及方差分别为：
[0017][0018][0019]其中，R表示异常事件C
j
发生不是由电能表故障触发的概率，R＝1
‑
P(B2|C
j
)。
[0020]进一步，步骤S2中，在电能表故障触发异常事件的概率估计P＝P(B2|C
j
)的基础上，依据专家经验确定电能表故障触发异常事件C
j
的概率p
z
可能为[0,1]之间的任意数值，若用a
pz
表示概率p
z
最小值，b
pz
表示概率p
z
最大值，可认为其服从[a
pz
,b
pz
]上的均匀分布(0≤a
pz
,b
pz
<1)即p
z
～U(a
pz
,b
pz
)，则异常事件C
j
不是由电能表故障触发的概率R
z
～U(1
‑
b
pz
,1
‑
a
pz
)，利用矩转化法将均匀分布R
z
～U(1
‑
b
pz
,1
‑
a
pz
)转化成β(R|s
β
,f
β
)分布，则
[0021][0022][0023]令R取共轭先验密度f0(R)＝β(R|s
β
,f
β
)，则R的后验分布为
[0024][0025]其中，为电能表故障触发异常事件C
j
时，异常事件发生次数(s,f)的概率，s代表电能表故障触发异常事件发生时异常事件C
j
已经发生的次数，即s＝X
‑
1，由此，异常事件C
j
发生次数均值更新为：
[0026][0027]进一步，当电能表故障触发异常事件C
j
时，异常事件C
j
发生次数的上限为：
[0028][0029]其中，R
L
＝β
r
(R|s
β
+s,f
β
+f)，r为显著性水平；
[0030]异常事件C
j
发生次数的下限为：
[0031][0032]其中，R
U
＝1
‑
β
r
(R|s
β
+s,f
β
+f)，r为显著性水平。
[0033]进一步，步骤S3中，电能表异常事件C
j
发生的过程满足齐次泊松过程，则在任意运行时间(t1,t2)内异常事件C
j
发生n次的概率为：
[0034][0035]其中，λ为常数，表示电能表异常事件C
j
瞬时发生率，在运行时间(0,t)内异常事件C
j
发生的次数为n，则异常事件C
j
发生率λ的无偏估计为：
[0036][0037]第n次异常事件C
j
发生时间的数学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电能表运行状态评价预测方法，其特征在于，包括如下步骤：S1、基于Bayes方法估计异常事件发生是由电能表故障触发的概率；S2、基于异常事件发生是由电能表故障触发的概率，结合负二项分布以及专家经验分析异常事件发生次数的概率分布，得到异常事件发生次数值；S3、基于结合异常事件发生次数值，利用齐次泊松过程描述异常事件发生次数与时间的关系，预测电能表的故障时间及剩余寿命。2.根据权利要求1所述的电能表运行状态评价预测方法，其特征在于，步骤S1中，设P(B1)表示异常事件发生后电能表运行状态良好的概率，P(B2)表示异常事件发生后电能表故障的概率，P(C
j
|B1)表示运行状态良好的电能表发生异常事件C
j
的概率，P(C
j
|B2)表示运行状态为故障的电能表发生异常事件C
j
的概率，P(B2|C
j
)表示异常事件C
j
发生是由电能表故障触发的概率，则可确定异常事件C
j
发生的概率为：P(C
j
)＝P(B2)P(C
j
|B2)+P(B1)P(C
j
|B1)则异常事件C
j
发生是由电能表触发的概率为：其中，N表示发生异常事件C
j
的同批次、同厂家、同型号的电能表的总数量，N2表示发生异常事件C
j
的故障电能表的数量。3.根据权利要求2所述的电能表运行状态评价预测方法，其特征在于，步骤S2中，异常事件发生次数值包括异常事件发生次数均值、异常事件发生次数上限以及异常事件发生次数下限。4.根据权利要求3所述的电能表运行状态评价预测方法，其特征在于，步骤S2中，对于电能表，设运行过程由非电能表故障类原因触发N
Cj
次异常事件，第N
Cj
+1次异常事件是由电能表故障触发，令电能表故障时异常事件发生的次数X＝N
Cj
+1，则X服从参数p＝P(B2|C
j
)的负二项分布，异常事件N
Cj
发生的次数X的均值及方差分别为：发生的次数X的均值及方差分别为：其中，R表示异常事件C
j
发生不是由电能表故障触发的概率，R＝1
‑
P(B2|C
j
)。5.根据权利要求4所述的电能表运行状态评价预测方法，其特征在于，步骤S2中，在电能表故障触发异常事件的概率估计P＝P(B2|C
j
)的基础上，依据专家经验确定电能表故障触发异常事件C
j
的概率p
z
可能为[0,1]之间的任意数值，若用a
pz
表示概率p
z
最小值，b
pz
表示概率p
z
最大值，可认为其服从[a

【专利技术属性】
技术研发人员：张伟，李宁，周宜，韩鑫磊，齐尚敏，李娜，张笑海，胡玉军，王保盛，
申请(专利权)人：国网新疆电力有限公司营销服务中心资金集约中心，计量中心，
类型：发明
国别省市：