CN106447521A - 微型断路器资产寿命预测方法 - Google Patents
微型断路器资产寿命预测方法 Download PDFInfo
- Publication number
- CN106447521A CN106447521A CN201610475766.4A CN201610475766A CN106447521A CN 106447521 A CN106447521 A CN 106447521A CN 201610475766 A CN201610475766 A CN 201610475766A CN 106447521 A CN106447521 A CN 106447521A
- Authority
- CN
- China
- Prior art keywords
- life
- assets
- circuit breaker
- miniature circuit
- variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012417 linear regression Methods 0.000 claims abstract description 27
- 239000000203 mixture Substances 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000003679 aging effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000011002 quantification Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 12
- 230000001419 dependent effect Effects 0.000 description 11
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Breakers (AREA)
Abstract
本发明公开了一种微型断路器资产寿命预测方法,包括如下步骤:1)确定资产寿命影响因素变量Xi,采集数据,i为自然数;2)对所述资产寿命影响因素变量进行主成分分析,确定主成分Fh,h为自然数;3)根据所述主成分Fh建立多元线性回归模型;4)计算微型断路器寿命Y*的取值区间。本发明通过建立精益化的数学模型、全面量化的指标体系,识别影响微型断路器资产寿命的关键因素,实现微型断路器资产全寿命周期的质量分析和寿命评价,对资产质量进行有效监督。
Description
技术领域
本发明涉及资产管理领域,特别针对电气开关技术,具体地指一种微型断路器资产寿命预测方法。
背景技术
国家电网公司大力推进智能电能表推广应用,2014年底建成用电信息采集***,截止2014年5月底,国家电网公司已安装智能电能表2.0亿只,每只智能电能表对应了一只微型断路器,据不完全统计智能电能表故障率约为0.04%,而其中由微型断路器质量问题引起的智能电能表故障约占50%左右。微型断路器故障一方面会导致触电、火灾和***等事故屡屡发生,另一方面会给公司优质服务带来巨大压力。据统计,2013年95598所受理的计量故障报修业务中,微型断路器故障处于较高比例。2013年湖北省电力公司受理95598计量装置故障报修28000起,其中微型断路器报修16800起,占整个计量故障报修的60%,究其故障原因,主要是由于微型断路器的触头材质差、接触电阻大、触点发热高、绝缘性能差、机构卡滞等原因造成;重庆市电力公司2013年受理95598计量装置故障报修近20000次,其中微型断路器报修约14000次,占比达到70%,且重庆计量中心月度接收供电单位故障微型断路器报送共计7000余只。主要故障原因在于外置微型断路器动作机构故障、分励脱扣器失效造成误跳闸等问题。微型断路器的故障问题给国网公司带来了巨大的经济损失和不良的社会影响。
微型断路器作为其关键元器件,其质量及可靠性是全面实现“全费控”目标的重要保障我国基础工业历来薄弱,先进的设计理念、可靠性理论一直把控在国外强势企业手中,国内微型断路器生产厂家的产品设计主要依赖于仿制和经验。由于材料本身的属性参数波动较大,再加上工艺水平不一,导致生产出的微型断路器产品关键特性参数分散性大、质量一致性差、运行使用寿命短等诸多问题。
目前微型断路器质量管理还没有一个统一的管理平台,不同的微型断路器的不同生命环节都散落在不同的业务管理***中。工作人员在运行过程中进行现场故障判定与处理时,需要从多个业务***中获取不同管理环节的信息,才能较为完整地开展故障处理工作,影响工作效率。与此同时,管理者无法直观地掌控计量资产的全局质量,也没有渠道了解单个资产的管理细节,迫切需要一种智能微型断路器进行寿命预测的模型和方法,提高资产运行的可靠性与稳定性。
发明内容
本发明的目的针对目前微型断路器资产的全寿命周期管理还没有给出明确的工作流程、管理要求、业务内容,需要全面梳理和界定全寿命周期质量管理环节,建立完善的全寿命管理体系的不足。通过建立精益化的数学模型、全面量化的指标体系,识别影响微型断路器资产寿命的关键因素,实现微型断路器资产全寿命周期的质量分析和寿命评价,对资产质量进行有效监督。
为实现上述目的,本发明所设计的一种微型断路器资产寿命预测方法,其特殊之处在于,包括如下步骤:
1)确定资产寿命影响因素变量Xi,采集数据,i为自然数;
2)对所述资产寿命影响因素变量进行主成分分析,确定主成分Fh,h为自然数;
3)根据所述主成分Fh建立多元线性回归模型;
4)计算微型断路器寿命Y*的取值区间。
优选地,所述步骤1)中资产寿命影响因素变量Xi包括三种类型,分别为:未退出运行的单个微型断路器资产寿命影响因素变量、已退出运行的单个微型断路器资产寿命影响因素变量和批次微型断路器资产寿命影响因素变量。针对三种类型的微型断路器进行资产寿命预测。
优选地,所述步骤2)中进行主成分分析的具体步骤包括:
21)对所述资产寿命影响因素变量Xi进行指标标准化,以消除在数量级或者量纲上的影响;
22)计算样本相关矩阵R;
23)计算样本相关矩阵R的特征值λi和特征向量U,所述特征向量U为所述资产寿命影响因素变量Xi在每个成分中所占的比例;
24)根据第i个成分的方差贡献率确定主成分Fh。
优选地,所述步骤3)中建立多元线性回归模型的具体步骤包括:
31)确定回归模型:
Y=a0+a1F1+a2F2+...+akFk+ε
其中,Y为微型断路器寿命,F1,F2,…,Fh为主成分;a0,a1,…,ah为各主成分对资产寿命的影响系数,ε为随机变量;
32)将n组资产寿命影响因素变量Xi的数值代入回归模型,得到n组微型断路器寿命观察值Yn,n为自然数;
33)根据最小二乘法对各主成分对资产寿命的影响系数a0,a1,…,ah和随机变量ε的值进行估计,得到多元线性回归模型。
优选地,所述步骤4)计算断路器寿命Y*的取值区间的计算公式为:
其中,总体标准差估计值系数d0=F*(F'F)-1F*',总体标准差估计值tα/2为分布界值,通过查表可得。
优选地,所述未退出运行的单个微型断路器资产寿命影响因素变量包括外观完整度、误差、产品质量、温度、湿度、政策性轮换、新品库龄、领出待装时间、配送在途时间、入库次数、领出待装次数和运行时间。
优选地,所述已退出运行的单个微型断路器资产寿命影响因素变量包括外观检查项目中达标项占比、最近一次的测试误差、批次质量或供应商评价结果、工作环境温度、工作环境湿度、政策性轮换周期、新品库龄、各级成品库龄、各个环节的领出待装时间、各个环节的配送在途时间、各级库的入库次数、各级库的领出待装次数、现场运行时间。
优选地,所述批次微型断路器资产寿命影响因素变量包括批次微型断路器资产质量评价、批次负荷微型断路器资产占比、用户操作不当占比、业务变更占比、检测损毁占比、配送损毁占比、内部人员操作不当占比、微型断路器资产丢失占比、政策性轮换周期、不可抗力占比、温度、湿度、电压非标占比、新品库龄、成品库龄、领出待装时间、配送在途时间、入库次数、领出待装时间、运行时间。
本发明通过预测微型断路器资产的寿命,对现有微型断路器资产还可运行的时间进行估计,有助于采购决策的制定;在寿命预测的基础上可生成相应的轮换策略;基于微型断路器资产寿命现状,提出有针对性的改进措施,可达到提高决策有效性,提升微型断路器资产管理水平,延长微型断路器资产寿命的目的。
本发明明确了微型断路器资产微型断路器龄、库龄的定义和计算方式,提出了微型断路器资产寿命标杆值的概念,并在此基础上建立了微型断路器资产寿命预测模型,为开展单个微型断路器资产品级评定和批次微型断路器资产寿命评价奠定了坚实基础,有利于提升产品质量,保障用电安全。
具体实施方式
以下结合具体实施例对本发明作进一步的详细描述。
本发明所涉及的微型断路器资产寿命预测方法,在对影响微型断路器资产寿命因素分析的基础上,根据未退出运行微型断路器资产的现有数据和已退出运行微型断路器资产的相关历史数据,选取合适的影响因素指标作为自变量,建立多元线性回归模型,采用多元线性回归分析方法对微型断路器资产寿命进行预测。微型断路器资产寿命预测包括两个部分:单个微型断路器资产寿命预测和批次微型断路器资产寿命预测。
第一个实施例:单个微型断路器资产寿命预测
单个微型断路器资产寿命预测模型从微观角度入手,以单个微型断路器资产为单位,对单个微型断路器资产寿命进行预测,预测结果作为单个微型断路器资产寿命评价的基础,便于判断单个微型断路器资产的品级状态,从微观角度为微型断路器资产管理者提供决策依据,提高微型断路器资产的精益化管理水平。
1)确定资产寿命影响因素变量Xi,采集数据,i为自然数。
为了提高微型断路器资产的寿命,需要充分分析影响微型断路器资产寿命的因素,识别影响微型断路器资产寿命的关键因素,且分析结果作为后续预测微型断路器资产寿命的依据。
具体做法是:根据已经退出运行的微型断路器资产相关数据,对微型断路器资产退出运行的因素进行识别、归类和统计分析,进而找出影响微型断路器资产寿命的关键因素。所需数据来源于已退出运行的微型断路器资产和同批次未退出运行的微型断路器资产。具体数据来源见表1。
表1单个微型断路器资产寿命预测模型相关数据表
质量因素是指微型断路器资产本身的质量问题,可依靠技术监督提高。根据微型断路器资产在各环节的质量检定检测标准、国网微型断路器资产监督管理办法、营销***和数据库中故障类型分类等资料,以及专家访谈结果等依据,导致微型断路器资产退出运行的质量因素主要包括外观故障、分合性能、机构单元、指示单元、控制单元、控制单元、电源单元、软件故障和其他质量故障等方面。
非质量因素是指微型断路器资产本身质量问题以外,且对微型断路器资产寿命造成影响的外部因素。深入分析对造成微型断路器资产退出运行的故障类型,结合专家访谈结果,导致微型断路器资产退出运行的非质量因素主要包括用户因素、外部因素、政策异动因素和运行环境等方面。
在单个微型断路器资产多元线性回归模型中,因变量是单个微型断路器资产的寿命,其中未退出运行单个微型断路器资产的寿命使用标杆值计算,已退出运行单个微型断路器资产的寿命以实际寿命计算。在本实施例中,资产寿命影响因素变量Xi为13个。未退出运行的单个微型断路器资产寿命影响因素变量包括外观完整度、误差、产品质量、温度、湿度、政策性轮换、新品库龄、领出待装时间、配送在途时间、入库次数、领出待装次数和运行时间。已退出运行的单个微型断路器资产寿命影响因素变量包括外观检查项目中达标项占比、最近一次的测试误差、批次质量或供应商评价结果、工作环境温度、工作环境湿度、政策性轮换周期、新品库龄、各级成品库龄、各个环节的领出待装时间、各个环节的配送在途时间、各级库的入库次数、各级库的领出待装次数、现场运行时间。具体变量说明见表2。单个微型断路器资产寿命预测模型变量说明表2中自变量的取值由影响单个微型断路器资产寿命各因素的数据经过计算得到。
表2单个微型断路器资产寿命预测模型变量说明
2)对资产寿命影响因素变量进行主成分分析,确定主成分Fh,h为自然数。
单个微型断路器资产寿命预测模型变量说明表2中所列出的是单个微型断路器的资产寿命影响因素变量Xi的13个因素变量,由于各因素之间可能存在高度的相关关系,这对寿命预测精确程度及其结果分析产生不利影响,因此在建立批次微型断路器资产寿命回归预测模型之前,需要首先对资产寿命影响因素变量Xi各变量进行主成分分析,以消除各变量之间的相对共线性,并对高维变量空间进行降维处理。
21)对资产寿命影响因素变量Xi进行指标标准化,以消除在数量级或者量纲上的影响。
设考察的模型变量有n组观测值X1j、X2j、…、X13j(j=1,2,…,n)n为自然数,表示资产批次数,标准化方法是:
该处理可以消除原始数据在量级和量纲上的不同所造成的影响。
22)计算样本相关矩阵R。
该矩阵反映了样本数据两两之间的相关程度。
23)计算样本相关矩阵R的特征值λi和特征向量U,特征向量U为资产寿命影响因素变量Xi(i=1,2,…,13)在每个成分Fi(i=1,2,…,13)中所占的比例,U=(uij)13×13。
由于上述相关矩阵R为非负定的对称阵,则可以找到正交矩阵U使得
式中,特征值λi(i=1,2…,13)是R的特征根,反映了第i个成分中包含的信息量大小;U为各特征根对应的特征向量,应于各变量在每个成分中所占的比例。
24)根据第i个成分的方差贡献率确定主成分Fh。
第i个成分的方差贡献率为
表明成分i的方差在全部方差中的比重。
主成分选取的方法是:将λi(i=1,2…,13)按照从大到小排列,设累计贡献率超过85%的成分有h个,则将前h个特征向量确定的线性组合选为主成分。令F1,F2…Fh表示这h个主成分,则有:
F1=u11X1+u12X2+…+u1,13X13
F2=u21X1+u22X2+…+u2,13X13
Fh=uh1X1+uh2X2+…+uh,13X13
主成分的个数(h)通常会小于原有变量的个数(13),同时包含了原有变量中的绝大部分信息。另外,主成分之间线性无关,消除了原有变量存在多重共线性的隐患。因此可以将主成分F1,F2,…,Fh作为微型断路器寿命预测模型的自变量。
3)根据主成分Fh建立多元线性回归模型。
建立多元线性回归模型的目的是找出各影响因素与微型断路器寿命之间的关系,从而可以根据单个计量资产的现有数据对单个微型断路器寿命进行预测,并对各因素对单个微型断路器寿命的影响程度进行分析。
建模方法是以单个微型断路器寿命Y为因变量,以上述h个主成分F1,F2,…,Fh为自变量建立多元线性回归模型,估计出多元线性回归系数,将Fi=ui1X1+ui2X2+…ui,13X13,i=1,2,…,h代入,可得到以单个微型断路器寿命,Y为因变量,以资产寿命影响因素变量Xi为因变量的多元线性回归模型。
31)确定回归模型:
Y=a0+a1F1+a2F2+...+akFk+ε
其中,F1,F2,…Fh为按照上述的方法从资产寿命影响因素变量X1i,X2i,…,X13,i的原始数据中提取出的主成分;a0,a1,…,ah为各主成分对资产寿命的影响系数,ε为随机变量。
32)将n组资产寿命影响因素变量Xi的数值代入回归模型,得到n组微型断路器寿命观察值Yn,n为自然数;
将考察变量的n组观察值Yi、X1,X2…X13(i=1,2…,n)代入主成分分析模型,求得各主成分对应取值F1i,F2i…Fhi(i=1,2…,n),那么每组主成分都应该满足模型关系,即得到由n个方程构成的观测方程组:
Y1=a0+a1F11+a2F12+...+ahF1h+ε1
…
Yn=a0+a1Fn1+a2Fn2+...+ahFnh+εn
上述方程组可以表示为:
Y=Xα+ε
式中,
33)根据最小二乘法对各主成分对资产寿命的影响系数a0,a1,…,ah和ε的值进行估计,得到多元线性回归模型。
设a0,a1,…,ah的估计值分别是可得到以单个微型断路器寿命Y为因变量,以h个主成分F1,F2…Fh为自变量建立多元线性回归模型为:
将Fi=u1iX1+u2iX2…+u13,iX13,i=1,2…,h代入得以单个微型断路器寿命Y为因变量,以资产寿命影响因素变量X1,X2…X13的13个指标为因变量的多元线性回归模型如下:
Y=α0+α1X1+α2X2+α3X3+...+α13X13+ε
式中,X1,X2…X13为资产寿命影响因素变量Xi的13个主要因素,α1,α2…α13为各因素对微型断路器寿命的影响系数,反映了各因素对微型断路器寿命的影响程度,ε为随机变量。
4)计算单个微型断路器寿命Y*的取值区间。
41)根据表1中的资产寿命影响因素变量Xi的数值获取需要进行寿命预测的单个计量资产对应各因素的资产寿命影响因素变量组值
42)根据单个计量资产对应各因素的资产寿命影响因素变量组值X*计算出各主成分设该单个计量资产的寿命预测值为Y*,则Y*的置信度为1-α的估计区间为:
即预测出的单个微型断路器寿命可能的取值区间。
其中,总体标准差估计值tα/2为分布界值,通过查表可得。do为总体标准差估计值系数。
将这三式代入前述各步骤数值即可完成估计区间的计算,得到微型断路器寿命Y*的取值区间。
第二个实施例:批次微型断路器资产寿命预测
批次微型断路器资产寿命预测模型从宏观角度入手,以批次为单位,采用反映批次寿命的整体性指标,对批次微型断路器资产寿命进行预测,预测结果作为批次微型断路器资产寿命评价的基础,便于判断微型断路器资产的宏观寿命等级水平,做出批次微型断路器资产管理决策,提高批次微型断路器资产的管理水平。
1)确定资产寿命影响因素变量Xi,采集数据,i为自然数。
批次微型断路器资产寿命预测的数据包括已退出运行微型断路器资产和未退出运行微型断路器资产,以批次为研究单位,分析同一批次的微型断路器资产寿命及其影响因素。具体数据来源见表3。
表3批次微型断路器资产寿命预测模型相关数据表
在批次微型断路器资产多元线性回归模型中,因变量是批次微型断路器资产寿命,其中未退出运行微型断路器资产的寿命使用标杆值计算,已退出运行微型断路器资产的寿命以实际寿命计算。在本实施例中,资产寿命影响因素变量Xi为20个。批次微型断路器资产寿命影响因素变量包括批次微型断路器资产质量评价、批次负荷微型断路器资产占比、用户操作不当占比、业务变更占比、检测损毁占比、配送损毁占比、内部人员操作不当占比、微型断路器资产丢失占比、政策性轮换周期、不可抗力占比、温度、湿度、电压非标占比、新品库龄、成品库龄、领出待装时间、配送在途时间、入库次数、领出待装时间、运行时间。具体变量说明见批次微型断路器资产寿命预测模型变量说明表4。批次微型断路器资产寿命预测模型变量说明表4中自变量的取值由影响批次微型断路器资产寿命各因素的数据经过计算得到。
2)对资产寿命影响因素变量进行主成分分析,确定主成分Fh,h为自然数。
批次微型断路器资产寿命预测模型变量说明表4中所列出的是批次微型断路器的资产寿命影响因素变量Xi的20个因素变量,由于各因素之间可能存在高度的相关关系,这对寿命预测精确程度及其结果分析产生不利影响,因此在建立批次微型断路器资产寿命回归预测模型之前,需要首先对资产寿命影响因素变量Xi各变量进行主成分分析,以消除各变量之间的相对共线性,并对高维变量空间进行降维处理。
表4批次微型断路器资产寿命预测模型变量说明
21)对资产寿命影响因素变量Xi进行指标标准化,以消除在数量级或者量纲上的影响。
设考察的模型变量有n组观测值X1j、X2j、…、X20j(j=1,2,…,n)n为自然数,表示资产批次数,标准化方法是:
该处理可以消除原始数据在量级和量纲上的不同所造成的影响。
22)计算样本相关矩阵R。
该矩阵反映了样本数据两两之间的相关程度。
23)计算样本相关矩阵R的特征值λi和特征向量U,特征向量U为资产寿命影响因素变量Xi(i=1,2,…,20)在每个成分Fi(i=1,2,…,20)中所占的比例,U=(uij)20×20。
由于上述相关矩阵R为非负定的对称阵,则可以找到正交矩阵U使得
式中,特征值λi(i=1,2…,20)是R的特征根,反映了第i个成分中包含的信息量大小;U为各特征根对应的特征向量,应于各变量在每个成分中所占的比例。
24)根据第i个成分的方差贡献率确定主成分Fh。
第i个成分的方差贡献率为
表明成分i的方差在全部方差中的比重。
主成分选取的方法是:将λi(i=1,2…,20)按照从大到小排列,设累计贡献率超过85%的成分有h个,则将前h个特征向量确定的线性组合选为主成分。令F1,F2…Fh表示这h个主成分,则有:
F1=u11X1+u12X2+…u1,20X20
F2=u21X2+u22X2+…u2,20X20
Fh=u21X2+u22X2+…uh,20X20
主成分的个数(h)通常会小于原有变量的个数(20),同时包含了原有变量中的绝大部分信息。另外,主成分之间线性无关,消除了原有变量存在多重共线性的隐患。因此可以将主成分F1,F2,…Fh作为批次微型断路器寿命预测模型的自变量。
3)根据主成分Fh建立多元线性回归模型。
建立多元线性回归模型的目的是找出各影响因素与批次微型断路器寿命之间的关系,从而可以根据批次微型短路器资产的现有数据对批次微型断路器寿命进行预测,并对各因素对批次微型断路器寿命的影响程度进行分析。
建模方法是以批次微型断路器寿命Y为因变量,以上述h个主成分F1,F2,…Fh为自变量建立多元线性回归模型,估计出多元线性回归系数,将Fi=ui1X1+ui2X2+…ui,20X20(i=1,2,…,h)代入,可得到以批次微型断路器寿命Y为因变量,以资产寿命影响因素变量Xi(i=1,2,…,20)为因变量的多元线性回归模型。
31)确定回归模型:
Y=a0+a1F1+a2F2+...+ahFh+ε
其中,F1,F2,…Fh为按照上述的方法从批次资产寿命影响因素变量X1,X2,…,X20的原始数据中提取出的主成分;a0,a1…ah为各主成分对资产寿命的影响系数,ε为随机变量。
32)将n组批次资产寿命影响因素变量Xi的数值代入回归模型,得到n组微型断路器寿命观察值Yn,n为自然数;
将考察变量的n组观察值Yi(i=1,2,…,n),Xi(i=1,2,…,n)代入主成分分析模型,求得各主成分对应取值F1i,F2i,…,Fhi(i=1,2,…,n),那么每组主成分都应该满足模型关系,即得到由n个方程构成的观测方程组:
Y1=a0+a1F11+a2F12+...+ahF1h+ε1
…
Yn=a0+a1Fn1+a2Fn2+...+ahFnh+εn
上述方程组可以表示为:
Y=Xα+ε
式中,
33)根据最小二乘法对各主成分对资产寿命的影响系数a0,a1…ah和,ε为随机变量ε的值进行估计,得到多元线性回归模型。
设a0,a1…ah的估计值分别是可得到以批次微型断路器寿命Y为因变量,以h个主成分F1,F2,…Fh为自变量建立多元线性回归模型为:
将Fi=ui1X1+ui2X2+…ui,20X20(i=1,2,…,h),代入得以批次微型断路器寿命Y为因变量,以批次资产寿命影响因素变量的20个指标为因变量的多元线性回归模型如下:
Y=α0+α1X1+α2X2+α3X3+…+α20X20+ε
式中,X1,X2,…,X20为批次资产寿命影响因素变量Xi的20个主要因素,α1,α2,…,α20为各因素对批次微型断路器寿命的影响系数,反映了各因素对批次微型断路器寿命的影响程度,ε为随机变量。
4)计算批次微型断路器寿命Y*的取值区间。
41)根据表2中的批次资产寿命影响因素变量Xi的数值获取需要进行寿命预测的批次计量资产对应各因素的资产寿命影响因素变量组值X*=(X1 *,X2 *,…,X20 *);
42)根据批次计量资产对应各因素的资产寿命影响因素变量组值X*计算出各主成分设该批次计量资产的寿命预测值为Y*,则Y*的置信度为1-α的估计区间为:
即预测出的批次微型断路器寿命可能的取值区间。
其中,总体标准差估计值tα/2为分布界值,通过查表可得,do为总体标准差估计值系数。
将这三式代入前述各步骤数值即可完成估计区间的计算,得到微型断路器寿命Y*的取值区间。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (8)
1.一种微型断路器资产寿命预测方法,其特征在于:包括如下步骤:
1)确定资产寿命影响因素变量Xi,采集数据,i为自然数;
2)对所述资产寿命影响因素变量进行主成分分析,确定主成分Fh,h为自然数;
3)根据所述主成分Fh建立多元线性回归模型;
4)计算微型断路器寿命Y*的取值区间。
2.根据权利要求1所述的微型断路器资产寿命预测方法,其特征在于:所述步骤1)中资产寿命影响因素变量Xi包括三种类型,分别为:未退出运行的单个微型断路器资产寿命影响因素变量、已退出运行的单个微型断路器资产寿命影响因素变量和批次微型断路器资产寿命影响因素变量。
3.根据权利要求1所述的微型断路器资产寿命预测方法,其特征在于:所述步骤2)中进行主成分分析的具体步骤包括:
21)对所述资产寿命影响因素变量Xi进行指标标准化,以消除在数量级或者量纲上的影响;
22)计算样本相关矩阵R;
23)计算样本相关矩阵R的特征值λi和特征向量U,所述特征向量U为所述资产寿命影响因素变量Xi在每个成分Fi中所占的比例;
24)根据第i个成分的方差贡献率确定主成分Fh。
4.根据权利要求3所述的微型断路器资产寿命预测方法,其特征在于:所述步骤3)中建立多元线性回归模型的具体步骤包括:
31)确定回归模型:
Y=a0+a1F1+a2F2+...+ahFh+ε
其中,Y为微型断路器寿命,F1,F2,…Fh为主成分;a0,a1,…,ah为各主成分对资产寿命的影响系数,ε为随机变量;
32)将n组资产寿命影响因素变量Xi的数值代入回归模型,得到n组微型断路器寿命观察值Yn,n为自然数;
33)根据最小二乘法对各主成分对资产寿命的影响系数a0,a1,…,ah和ε的值进行估计,得到多元线性回归模型。
5.根据权利要求4所述的微型断路器资产寿命预测方法,其特征在于:所述步骤4)计算断路器寿命Y*的取值区间的计算公式为:
其中,总体标准差估计值系数d0=F*(F'F)-1F*',总体标准差估计值tα/2为分布界值,通过查表可得。
6.根据权利要求2所述的微型断路器资产寿命预测方法,其特征在于:所述未退出运行的单个微型断路器资产寿命影响因素变量包括外观完整度、误差、产品质量、温度、湿度、政策性轮换、新品库龄、领出待装时间、配送在途时间、入库次数、领出待装次数和运行时间。
7.根据权利要求2所述的微型断路器资产寿命预测方法,其特征在于:所述已退出运行的单个微型断路器资产寿命影响因素变量包括外观检查项目中达标项占比、最近一次的测试误差、批次质量或供应商评价结果、工作环境温度、工作环境湿度、政策性轮换周期、新品库龄、各级成品库龄、各个环节的领出待装时间、各个环节的配送在途时间、各级库的入库次数、各级库的领出待装次数、现场运行时间。
8.根据权利要求2所述的微型断路器资产寿命预测方法,其特征在于:所述批次微型断路器资产寿命影响因素变量包括批次微型断路器资产质量评价、批次负荷微型断路器资产占比、用户操作不当占比、业务变更占比、检测损毁占比、配送损毁占比、内部人员操作不当占比、微型断路器资产丢失占比、政策性轮换周期、不可抗力占比、温度、湿度、电压非标占比、新品库龄、成品库龄、领出待装时间、配送在途时间、入库次数、领出待装时间、运行时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610475766.4A CN106447521A (zh) | 2016-06-24 | 2016-06-24 | 微型断路器资产寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610475766.4A CN106447521A (zh) | 2016-06-24 | 2016-06-24 | 微型断路器资产寿命预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106447521A true CN106447521A (zh) | 2017-02-22 |
Family
ID=58183676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610475766.4A Pending CN106447521A (zh) | 2016-06-24 | 2016-06-24 | 微型断路器资产寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447521A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729651A (zh) * | 2017-10-17 | 2018-02-23 | 黄河水利委员会黄河水利科学研究院 | 基于多维度的坡面细沟发育形态特征综合量化方法 |
CN111104643A (zh) * | 2018-10-29 | 2020-05-05 | 北京圣涛平试验工程技术研究院有限责任公司 | 开关寿命评估方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011252842A (ja) * | 2010-06-03 | 2011-12-15 | Hitachi Ltd | 素子寿命予測方法及び素子寿命予測機能を備えた回路基板 |
CN103455882A (zh) * | 2013-08-30 | 2013-12-18 | 国家电网公司 | 一种资产状态信息智能识别*** |
CN103729683A (zh) * | 2013-09-18 | 2014-04-16 | 国家电网公司 | 计量资产的寿命评估方法 |
-
2016
- 2016-06-24 CN CN201610475766.4A patent/CN106447521A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011252842A (ja) * | 2010-06-03 | 2011-12-15 | Hitachi Ltd | 素子寿命予測方法及び素子寿命予測機能を備えた回路基板 |
CN103455882A (zh) * | 2013-08-30 | 2013-12-18 | 国家电网公司 | 一种资产状态信息智能识别*** |
CN103729683A (zh) * | 2013-09-18 | 2014-04-16 | 国家电网公司 | 计量资产的寿命评估方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729651A (zh) * | 2017-10-17 | 2018-02-23 | 黄河水利委员会黄河水利科学研究院 | 基于多维度的坡面细沟发育形态特征综合量化方法 |
CN111104643A (zh) * | 2018-10-29 | 2020-05-05 | 北京圣涛平试验工程技术研究院有限责任公司 | 开关寿命评估方法及*** |
CN111104643B (zh) * | 2018-10-29 | 2023-03-21 | 北京圣涛平试验工程技术研究院有限责任公司 | 开关寿命评估方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794206B (zh) | 一种变电站数据质量评价***及方法 | |
EP2537222B1 (en) | Energy generating system and control thereof | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及*** | |
CN110531303B (zh) | 在运智能电能表批次故障预警方法及其*** | |
CN102222276A (zh) | 电网二次设备状态检修方法及装置 | |
CN105894133A (zh) | 一种风电机组部件维修及备品备件需求预测方法 | |
CN109274097A (zh) | 一种基于随机矩阵理论的电力***暂态稳定态势评估方法 | |
CN109359796A (zh) | 一种基于多评估指标的电能表生产厂商评价方法 | |
CN105893757A (zh) | 一种用于电压暂降严重程度的综合评估方法 | |
CN109636110A (zh) | 一种获取继电保护装置运行状态的方法及装置 | |
CN111126759A (zh) | 一种基于异常事件故障关联度的电能表状态评估方法 | |
CN104881003A (zh) | 一种计量生产设施效能评估方法 | |
CN110991826A (zh) | 一种评价低压电能表运行状态的方法 | |
Wang et al. | A load modeling algorithm for distribution system state estimation | |
CN103729683A (zh) | 计量资产的寿命评估方法 | |
CN111999692B (zh) | 一种多表误差的校准方法和装置 | |
Mohajeryami et al. | An investigation of the relationship between accuracy of customer baseline calculation and efficiency of peak time rebate program | |
CN111612371A (zh) | 一种基于层次分析法的智能电表质量评估方法 | |
CN106874676A (zh) | 一种电能计量装置状态评估方法 | |
CN106447521A (zh) | 微型断路器资产寿命预测方法 | |
Li et al. | Meta-heuristic approach for validation and calibration of cascading failure analysis | |
CN108845285A (zh) | 电能计量装置检测方法和*** | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
Zhao et al. | Performance evaluation of smart meters based on grey relational analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |