CN113391256A - 一种现场作业终端的电能表计量故障分析方法及*** - Google Patents
一种现场作业终端的电能表计量故障分析方法及*** Download PDFInfo
- Publication number
- CN113391256A CN113391256A CN202110592726.9A CN202110592726A CN113391256A CN 113391256 A CN113391256 A CN 113391256A CN 202110592726 A CN202110592726 A CN 202110592726A CN 113391256 A CN113391256 A CN 113391256A
- Authority
- CN
- China
- Prior art keywords
- historical data
- electric energy
- energy meter
- data set
- distribution function
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电力计量技术领域,提供了一种现场作业终端的电能表计量故障分析方法及***。本发明电能表计量故障分析方法通过将当前数据与历史数进行分析得出历史数据分布函数以及当前数据分布函数,通过历史数据分布函数找出与当前数据最接近的历史数据,最后通过最接近的历史数据判定电能表是否存在故障。由于电能表历史数据较多且杂,从历史数据中找出可以借鉴的、用于比对的数据是一个复杂的过程,数据枯燥,不形象,通过本分发明方法使用者会更快速梳理出最接近的用于比对的历史数据集,从而直观感受到当前数据与历史数据的差异,进一步的根据两个数据集的差异,快速确定电能表是否存在计量故障。
Description
技术领域
本发明属于电力计量技术领域,尤其涉及一种现场作业终端的电能表计量故障分析方法及***。
背景技术
随着人们生活水平的提高和工业的不断发展,人们对电能的依赖越来越突出,电力资源显得越来越重要。随着智能电能表的普及,智能电能表的计量故障也越来越多。智能电能表是电能计量的基础装置,供电企业抄核收工作是以电能表上的计量数据为依据,如果计量数据不准确,就会影响供电企业的整体效益。因此,运维管理人员需要对智能电能表的计量故障原因引起重视,并设法排除这些故障。维护配电网的稳定迫在眉睫,只有配电网稳定,才能保障人们的正常生活和工业的发展。
在实际应用中,引起电能表故障的因素有多种,诸如电网环境因素、人为因素、检测设备、智能电能表的外观结构、软硬件设置、内置继电器误动作、开关不稳定、触点不灵敏等,任意一个环节的不足,都会造成电能表计量误差的出现。
在常规技术中,排查电能表故障,首先对电能表故障有个明确的判断,即从众多电能表中分选出存在故障的电能表。但是由于计量故障常常具有隐蔽性,引起电能表故障的因素很多,仅从外观不能做出明确的判断,而拆检则明显耽误生产,操作效率低下,不适应一个台区发生异常线损,逐台排查电能表计量故障的情形。
发明内容
有鉴于此,本发明提供了一种现场作业终端的电能表计量故障分析方法及***,能够在不拆检的前提下从众多电能表中快速的分选出存在计量故障的电能表。
本发明实施例的第一方面提供了一种电能表计量故障分析方法,包括:
根据台区的线损信息确定所述台区内的电能表发生计量故障的故障时间点;
获取第一电能表的电能表标识信息以及电能表精度信息,所述第一电能表为所述台区内的任一电能表;
根据所述故障时间点以及所述电能表标识信息,获取所述第一电能表的当前数据集以及历史数据;
对所述历史数据以时间为单位进行分组,得到多个历史数据集;
在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集;
根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断所述第一电能表是否存在计量故障。
结合第一方面,在一些实施例中,所述在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集,包括:
根据所述多个历史数据集生成多个历史数据分布函数,每个历史数据分布函数对应一个历史数据集;
根据所述当前数据集生成当前数据分布函数;
确定与所述当前数据概率分布函数最接近的所述历史数据分布函数所对应的历史数据集为所述目标历史数据集。
结合第一方面,在一些实施例中,所述根据所述历史数据集生成历史数据分布函数,包括:
对所述历史数据集进行归一化处理,得到归一化历史数据集;
计算所述归一化历史数据集的平均值以及方差;
根据所述归一化历史数据集的平均值以及方差计算历史数据分布函数;
所述根据所述当前数据集生成当前数据概率分布函数,包括:
对所述当前数据集进行归一化处理,得到归一化当前数据集;
计算所述归一化当前数据集的平均值以及方差;
根据所述归一化当前数据集的平均值以及方差计算当前数据分布函数。
结合第一方面,在一些实施例中,所述确定与所述当前数据概率分布函数最接近的所述历史数据分布函数所对应的历史数据集为所述目标历史数据集,包括:
生成范围为0-1的随机数;
计算所述随机数与所述历史数据分布函数对应的随机数历史概率值;
计算所述随机数与所述当前数据分布函数对应的随机数当前概率值;
计算所述随机数历史概率值与所述随机数当前概率值的欧氏距离;
取与所述欧氏距离的最小值对应的所述历史数据集为所述目标历史数据集。
结合第一方面,在一些实施例中,所述根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断电能表是否存在计量故障,包括:
计算所述目标历史数据集的第一平均值;
计算所述当前数据集的第二平均值;
计算所述第二平均值与所述第一平均值的偏差值;
若所述偏差值超过所述电能表精度信息,则判定所述第一电能表存在计量故障。
结合第一方面,在一些实施例中,在所述根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断电能表是否存在计量故障之前,所述方法还包括:
根据所述多个历史数据分布函数绘制多条历史数据曲线,每条历史数据曲线对应一个历史数据分布函数;
根据所述当前数据分布函数绘制当前数据曲线。
本发明实施例的第二方面提供了一种现场作业终端的电能表计量故障分析***,包括:
信息获取模块,用于获取故障分析基础信息,所述故障分析基础信息包括:发生计量故障时间点、电能表标识信息以及电能表精度信息;
数据获取模块,用于根据所述故障时间点以及所述电能表标识信息,获取所述第一电能表的当前数据集以及历史数据;
数据分组模块,用于对所述历史数据以时间为单位进行分组,得到多个历史数据集;
数据筛选模块,用于在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集;
以及故障判定模块,用于根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断所述第一电能表是否存在计量故障。
结合第二方面,在一些实施例中,还包括:
曲线绘制模块,用于根据所述多个历史数据分布函数绘制多条历史数据曲线,每条历史数据曲线对应一个历史数据分布函数;根据所述当前数据分布函数绘制当前数据曲线。
本发明实施例的第三方面提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任一项所述用户基线负荷估计方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一项所述用户基线负荷估计方法的步骤。
本发明与现有技术相比存在的有益效果是:
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,是通过将当前数据与历史数据进行比对的方法,判定出电能表是否存在故障;电能表历史数据较多且杂,从历史数据中找出可以借鉴的、用于比对的数据集,是一个复杂的过程,数据枯燥,不形象,本作业终端可以对历史数据进行分析,找出最接近的历史数据,使用者会更直观感受到当前数据与历史数据的差异,进一步的根据两个数据集的差异,确定是否存在故障。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,其通过从多个历史数据集以及当前数据集中进行分析,生成用电数据分布函数,然后通过分布函数确定最接近的历史数据集,该方式是一种通过用电习惯,查找最接近历史数据集的方式,可操作性性好,数据值得信赖。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,在生成分布函数前,首先对数据集进行归一化处理,通过归一化处理后的数据集生成分布函数,通过归一化处理后的数据生成分布函数,给后续判断相似性提供了便利。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,其通过将每个历史分布函数与当前数据分布函数比较其最欧式距离的方式,获得最接近的历史数据集,其计算量相对来说不大,减小了计算量,且通过计算距离的方式,确定最接近的历史数据集,其相似性更有保证。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,还绘制出了历史数据曲线以及当前数据曲线,数据更直观,在历史数据曲线与当前数据曲线明显不相似时,可以重新选择数据,避免对电能表计量故障产生错误的判断。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施方式提供的电能表计量故障分析方法流程图;
图2是本发明实施方式提供的现场作业终端的电能表计量故障分析***功能框图;
图3是本发明实施方式提供的一种终端功能框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
参见图1,详述如下:一种电能表计量故障分析方法,包括步骤101至步骤107。
步骤101,根据台区的线损信息确定所述台区内的电能表发生计量故障的故障时间点。
步骤102,获取第一电能表的电能表标识信息以及电能表精度信息,所述第一电能表为所述台区内的任一电能表。
步骤103,根据所述故障时间点以及所述电能表标识信息,获取所述第一电能表的当前数据集以及历史数据。
步骤104,对所述历史数据以时间为单位进行分组,得到多个历史数据集。
示例性地,在进行故障电能表排查之前,应首先确定一个发生计量故障的时间点,其目的在于从时间上划分出存在故障计量数据和正常计量数据。
故障时间点可以有一个以上,如在一种实践中,第一时间点之前的数据均为正常计量数据,第二时间点之后的数据均为故障计量数据,第一时间点之后和第二时间点之前的数据是不可确定的。此时,我们应当取第一时间点之前的数据作为历史数据,取第二时间点之后的数据作为当前数据集。
故障时间点的确定上,一种常用的实践方式为,通过异常线损发生日为故障时间点,即发生异常线损之后的数据为故障计量数据,而线损在合理范围内发生日之前的数据为正常计量数据。
电能表标识信息用于向数据库提交申请时使用,通常电能表的标识信息为一连串的序列号或二维码,该标识应当是唯一的标识。
电能表精度信息,用于后续计算其是否存在计量故障,如标识为1级表的电能表其允许误差为±1%,则在后续统计对比中,如果超过此统计值,则说明该表疑似存在计量误差。
在确定了故障时间点以后,即可向数据库请求获得数据,获得的数据以故障时间点为节点分为两类,一类为正常计量数据,另一类为故障计量数据,本发明中正常计量数据构成历史数据,故障计量数据构成当前数据集。
获得的原始数据首先进行分组,通常是以当前数据集的时间单位为单位,对历史数据进行分组,得到多个历史数据集,每个数据集的时间单位均与当前数据集的单位一致。
值得说明的是,本发明专利无特殊说明之处,多是指至少两个。
在一种具体的实施方式中,当前数据集为某一自然日的数据所构成。
历史数据则为某一阶段的数据,如某个月份的数据。
分组时,会对历史数据以自然日进行分组,获得该月份每个自然日的数据集。
步骤105,在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集。
一些实施方式中,根据所述多个历史数据集生成多个历史数据分布函数,每个历史数据分布函数对应一个历史数据集;
根据所述当前数据集生成当前数据分布函数;
确定与所述当前数据概率分布函数最接近的所述历史数据分布函数所对应的历史数据集为所述目标历史数据集。
示例性地,对所述历史数据集进行归一化处理,得到归一化历史数据集;
计算所述归一化历史数据集的平均值以及方差;
根据所述归一化历史数据集的平均值以及方差计算历史数据分布函数;
所述根据所述当前数据集生成当前数据概率分布函数,包括:
对所述当前数据集进行归一化处理,得到归一化当前数据集;
计算所述归一化当前数据集的平均值以及方差;
根据所述归一化当前数据集的平均值以及方差计算当前数据分布函数。
在从多个历史数据集中找出一个最为接近的对比数据时,是通过将历史数据集以及当前数据集整理成分布函数来实现的,通过将多个历史数据集的历史数据分布函数逐一与当前数据集的数据分布函数相对比,找出最接近的历史数据集,然后进行比对。
操作上,第一步将每个历史数据集以及当前数据集进行归一化处理,得到归一化的当前数据集,一种实施方式中,按下式进行:
式中:x'i为归一后的数据,xi为某一历史数据集中的数据,xmin为该历史数据集中最小值,xmax为该历史数据集中最大值,0<i≤n,n为该历史数据集中数据的总数量。
通过该式归一化以后,该数据集所有数据均分布在0-1的区间内;按照上述方式依次对每个历史数据集以及当前数据集进行归一化处理。
在一些实施方式中,所述确定与所述当前数据概率分布函数最接近的所述历史数据分布函数所对应的历史数据集为所述目标历史数据集,包括:
生成范围为0-1的随机数。
计算所述随机数与所述历史数据分布函数对应的随机数历史概率值。
计算所述随机数与所述当前数据分布函数对应的随机数当前概率值。
计算所述随机数历史概率值与所述随机数当前概率值的欧氏距离。
取与所述欧氏距离的最小值对应的所述历史数据集为所述目标历史数据集。
更为具体地,在0-1区间内随机生成一个随机数rj,0<j≤m,m数量为随机数数量,将rj逐一代入历史数据分布函获f(x')得随机数历史概率值qkj,0<k≤p,p为数据集的总数量,代入当前数据分布函数f(x'),获得随机数当前概率值qj。
则有,随机数历史概率值与随机数当前概率值的欧氏距离:
进一步可得:
Sk为统计多个随机数在历史概率值与当前概率值的距离,对Sk进行排序,选择最小值对应的历史数据集为目标历史数据集。
步骤107,根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断所述第一电能表是否存在计量故障。
示例性地,所述根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断电能表是否存在计量故障,包括:
计算所述目标历史数据集的第一平均值。
计算所述当前数据集的第二平均值。
计算所述第二平均值与所述第一平均值的偏差值。
若所述偏差值超过所述电能表精度信息,则判定所述第一电能表存在计量故障。
如果δ超过电能表精度信息,判定该电能表存在计量故障。
步骤106,所述根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断电能表是否存在计量故障之前,所述方法还包括:
根据所述多个历史数据分布函数绘制多条历史数据曲线,每条历史数据曲线对应一个历史数据分布函数;
根据所述当前数据分布函数绘制当前数据曲线。
更为具体地,根据历史数据分布函数以及当前数据分布函数,分别绘制出曲线,从曲线可以直观感受出历史数据分布函数是否与当前数据分布函数是否具有相似性。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,是通过将当前数据与历史数据进行比对的方法,判定出电能表是否存在故障;电能表历史数据较多且杂,从历史数据中找出可以借鉴的、用于比对的数据集,是一个复杂的过程,数据枯燥,不形象,本作业终端可以对历史数据进行分析,找出最接近的历史数据,使用者会更直观感受到当前数据与历史数据的差异,进一步的根据两个数据集的差异,确定是否存在故障。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,其通过从多个历史数据集以及当前数据集中进行分析,生成用电数据分布函数,然后通过分布函数确定最接近的历史数据集,该方式是一种通过用电习惯,查找最接近历史数据集的方式,可操作性性好,数据值得信赖。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,在生成分布函数前,首先对数据集进行归一化处理,通过归一化处理后的数据集生成分布函数,通过归一化处理后的数据生成分布函数,给后续判断相似性提供了便利。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,其通过将每个历史分布函数与当前数据分布函数比较其最欧式距离的方式,获得最接近的历史数据集,其计算量相对来说不大,减小了计算量,且通过计算距离的方式,确定最接近的历史数据集,其相似性更有保证。
本发明实施方式公开的现场作业终端的电能表计量故障分析方法,还绘制出了历史数据曲线以及当前数据曲线,数据更直观,在历史数据曲线与当前数据曲线明显不相似时,可以重新选择数据,避免对电能表计量故障产生错误的判断。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下是一种现场作业终端的电能表计量故障分析***的实施方式,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的现场作业终端的电能表计量故障分析***2的功能框图,为了便于说明,仅示出了与本发明实施例相关的部分。
参见图2,上述现场作业终端的电能表计量故障分析***2可以包括信息获取模块21、数据获取模块22、数据分组模块23、数据筛选模块24和故障判定模块26。
信息获取模块21,用于获取故障分析基础信息,所述故障分析基础信息包括:发生计量故障时间点、电能表标识信息以及电能表精度信息。
数据获取模块22,用于根据所述故障时间点以及所述电能表标识信息,获取所述第一电能表的当前数据集以及历史数据。
数据分组模块23,用于对所述历史数据以时间为单位进行分组,得到多个历史数据集。
数据筛选模块24,用于在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集。
以及故障判定模块26,用于根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断所述第一电能表是否存在计量故障。
在一些实施例中,上述现场作业终端的电能表计量故障分析***2还可以包括曲线绘制模块25。
曲线绘制模块25,用于根据所述多个历史数据分布函数绘制多条历史数据曲线,每条历史数据曲线对应一个历史数据分布函数;根据所述当前数据分布函数绘制当前数据曲线。
图3是本发明实施例提供的终端的示意图。如图3所示,该实施例的终端4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个方法实施例中的步骤。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图2示单元21至24以及26的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述终端4中的执行过程。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图3仅仅是终端4的示例,并不构成对终端4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端4的内部存储单元,例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备,例如所述终端4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电能表计量故障分析方法,其特征在于,包括:
根据台区的线损信息确定所述台区内的电能表发生计量故障的故障时间点;获取第一电能表的电能表标识信息以及电能表精度信息,所述第一电能表为所述台区内的任一电能表;
根据所述故障时间点以及所述电能表标识信息,获取所述第一电能表的当前数据集以及历史数据;
对所述历史数据以时间为单位进行分组,得到多个历史数据集;
在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集;根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断所述第一电能表是否存在计量故障。
2.根据权利要求1所述的电能表计量故障分析方法,其特征在于,所述在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集,包括:
根据所述多个历史数据集生成多个历史数据分布函数,每个历史数据分布函数对应一个历史数据集;
根据所述当前数据集生成当前数据分布函数;
确定与所述当前数据概率分布函数最接近的所述历史数据分布函数所对应的历史数据集为所述目标历史数据集。
3.根据权利要求2所述的电能表计量故障分析方法,其特征在于,所述根据所述历史数据集生成历史数据分布函数,包括:
对所述历史数据集进行归一化处理,得到归一化历史数据集;
计算所述归一化历史数据集的平均值以及方差;
根据所述归一化历史数据集的平均值以及方差计算历史数据分布函数;
所述根据所述当前数据集生成当前数据概率分布函数,包括:
对所述当前数据集进行归一化处理,得到归一化当前数据集;
计算所述归一化当前数据集的平均值以及方差;
根据所述归一化当前数据集的平均值以及方差计算当前数据分布函数。
4.根据权利要求3所述的电能表计量故障分析方法,其特征在于,所述确定与所述当前数据概率分布函数最接近的所述历史数据分布函数所对应的历史数据集为所述目标历史数据集,包括:
生成范围为0-1的随机数;
计算所述随机数与所述历史数据分布函数对应的随机数历史概率值;
计算所述随机数与所述当前数据分布函数对应的随机数当前概率值;
计算所述随机数历史概率值与所述随机数当前概率值的欧氏距离;
取与所述欧氏距离的最小值对应的所述历史数据集为所述目标历史数据集。
5.根据权利要求1所述的电能表计量故障分析方法,其特征在于,所述根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断电能表是否存在计量故障,包括:
计算所述目标历史数据集的第一平均值;
计算所述当前数据集的第二平均值;
计算所述第二平均值与所述第一平均值的偏差值;
若所述偏差值超过所述电能表精度信息,则判定所述第一电能表存在计量故障。
6.根据权利要求2所述的电能表计量故障分析方法,其特征在于,在所述根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断电能表是否存在计量故障之前,所述方法还包括:
根据所述多个历史数据分布函数绘制多条历史数据曲线,每条历史数据曲线对应一个历史数据分布函数;
根据所述当前数据分布函数绘制当前数据曲线。
7.一种现场作业终端的电能表计量故障分析***,其特征在于,包括:
信息获取模块,用于获取故障分析基础信息,所述故障分析基础信息包括:发生计量故障时间点、电能表标识信息以及电能表精度信息;
数据获取模块,用于根据所述故障时间点以及所述电能表标识信息,获取所述第一电能表的当前数据集以及历史数据;
数据分组模块,用于对所述历史数据以时间为单位进行分组,得到多个历史数据集;
数据筛选模块,用于在所述多个历史数据集中选出与所述当前数据集最接近的目标历史数据集;
以及故障判定模块,用于根据所述目标历史数据集与所述当前数据集的偏差以及所述电能表精度信息,判断所述第一电能表是否存在计量故障。
8.根据权利要求7所述的一种现场作业终端的电能表计量故障分析***,其特征在于,还包括:
曲线绘制模块,用于根据所述多个历史数据分布函数绘制多条历史数据曲线,每条历史数据曲线对应一个历史数据分布函数;根据所述当前数据分布函数绘制当前数据曲线。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至6中任一项所述用户基线负荷估计方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述用户基线负荷估计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592726.9A CN113391256B (zh) | 2021-05-28 | 2021-05-28 | 一种现场作业终端的电能表计量故障分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592726.9A CN113391256B (zh) | 2021-05-28 | 2021-05-28 | 一种现场作业终端的电能表计量故障分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113391256A true CN113391256A (zh) | 2021-09-14 |
CN113391256B CN113391256B (zh) | 2022-07-22 |
Family
ID=77619520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110592726.9A Active CN113391256B (zh) | 2021-05-28 | 2021-05-28 | 一种现场作业终端的电能表计量故障分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391256B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219102A (zh) * | 2021-11-08 | 2022-03-22 | 国网河北省电力有限公司营销服务中心 | 电力计量设备运维方法、装置、终端及存储介质 |
CN115877313A (zh) * | 2023-02-13 | 2023-03-31 | 山东省计量科学研究院 | 一种电力计量检测*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201716409U (zh) * | 2010-07-15 | 2011-01-19 | 田卫华 | 智能电能表现场检测装置 |
CN105954580A (zh) * | 2016-06-23 | 2016-09-21 | 国网山东省电力公司安丘市供电公司 | 远程电能计量监测*** |
CN107506868A (zh) * | 2017-08-31 | 2017-12-22 | 广东工业大学 | 一种短时电力负荷预测的方法及装置 |
CN107944654A (zh) * | 2017-10-13 | 2018-04-20 | 国网山东省电力公司青岛供电公司 | 一种电力特性分析方法及装置 |
CN109031184A (zh) * | 2018-10-31 | 2018-12-18 | 国网河北省电力有限公司电力科学研究院 | 一种电能计量装置的监测方法、***及终端设备 |
CN109298379A (zh) * | 2018-12-06 | 2019-02-01 | 国网四川省电力公司电力科学研究院 | 一种基于数据监测的智能电表现场误差异常的识别方法 |
CN109342989A (zh) * | 2018-08-16 | 2019-02-15 | 全球能源互联网研究院有限公司 | 一种电能表的误差分析方法及装置 |
CN109389145A (zh) * | 2018-08-17 | 2019-02-26 | 国网浙江省电力有限公司宁波供电公司 | 基于计量大数据聚类模型的电能表生产厂商评价方法 |
CN109544029A (zh) * | 2018-11-30 | 2019-03-29 | 国网河北省电力有限公司电力科学研究院 | 一种台区线损的分析方法、分析装置及终端 |
CN110232416A (zh) * | 2019-06-13 | 2019-09-13 | 中国人民解放军空军工程大学 | 基于hsmm-svm的装备故障预测方法 |
CN111123188A (zh) * | 2019-12-20 | 2020-05-08 | 国网山东省电力公司电力科学研究院 | 基于改进最小二乘法的电能表综合检定方法及*** |
CN111310785A (zh) * | 2020-01-15 | 2020-06-19 | 杭州华网信息技术有限公司 | 一种国家电网机械外破预测方法 |
CN111781554A (zh) * | 2020-06-28 | 2020-10-16 | 南方电网科学研究院有限责任公司 | 基于四象限电能量数据的计量装置故障判定方法及*** |
CN112444772A (zh) * | 2020-11-11 | 2021-03-05 | 云南电网有限责任公司电力科学研究院 | 一种智能电能表可靠性预测方法及装置 |
-
2021
- 2021-05-28 CN CN202110592726.9A patent/CN113391256B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201716409U (zh) * | 2010-07-15 | 2011-01-19 | 田卫华 | 智能电能表现场检测装置 |
CN105954580A (zh) * | 2016-06-23 | 2016-09-21 | 国网山东省电力公司安丘市供电公司 | 远程电能计量监测*** |
CN107506868A (zh) * | 2017-08-31 | 2017-12-22 | 广东工业大学 | 一种短时电力负荷预测的方法及装置 |
CN107944654A (zh) * | 2017-10-13 | 2018-04-20 | 国网山东省电力公司青岛供电公司 | 一种电力特性分析方法及装置 |
CN109342989A (zh) * | 2018-08-16 | 2019-02-15 | 全球能源互联网研究院有限公司 | 一种电能表的误差分析方法及装置 |
CN109389145A (zh) * | 2018-08-17 | 2019-02-26 | 国网浙江省电力有限公司宁波供电公司 | 基于计量大数据聚类模型的电能表生产厂商评价方法 |
CN109031184A (zh) * | 2018-10-31 | 2018-12-18 | 国网河北省电力有限公司电力科学研究院 | 一种电能计量装置的监测方法、***及终端设备 |
CN109544029A (zh) * | 2018-11-30 | 2019-03-29 | 国网河北省电力有限公司电力科学研究院 | 一种台区线损的分析方法、分析装置及终端 |
CN109298379A (zh) * | 2018-12-06 | 2019-02-01 | 国网四川省电力公司电力科学研究院 | 一种基于数据监测的智能电表现场误差异常的识别方法 |
CN110232416A (zh) * | 2019-06-13 | 2019-09-13 | 中国人民解放军空军工程大学 | 基于hsmm-svm的装备故障预测方法 |
CN111123188A (zh) * | 2019-12-20 | 2020-05-08 | 国网山东省电力公司电力科学研究院 | 基于改进最小二乘法的电能表综合检定方法及*** |
CN111310785A (zh) * | 2020-01-15 | 2020-06-19 | 杭州华网信息技术有限公司 | 一种国家电网机械外破预测方法 |
CN111781554A (zh) * | 2020-06-28 | 2020-10-16 | 南方电网科学研究院有限责任公司 | 基于四象限电能量数据的计量装置故障判定方法及*** |
CN112444772A (zh) * | 2020-11-11 | 2021-03-05 | 云南电网有限责任公司电力科学研究院 | 一种智能电能表可靠性预测方法及装置 |
Non-Patent Citations (4)
Title |
---|
何傲等: "基于K-means算法的电能表检定误差分析与研究", 《软件》 * |
吴世浩等: "基于改进烟花算法的非线性模拟电路测试激励优化", 《中国测试》 * |
耿建坡等: "数字式电能计量装置电量比对试验及误差分析", 《河北电力技术》 * |
袁欣雨: "直流配电网中计量设备的计量特性研究", 《河北电力技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219102A (zh) * | 2021-11-08 | 2022-03-22 | 国网河北省电力有限公司营销服务中心 | 电力计量设备运维方法、装置、终端及存储介质 |
CN115877313A (zh) * | 2023-02-13 | 2023-03-31 | 山东省计量科学研究院 | 一种电力计量检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN113391256B (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
CN114298863B (zh) | 一种智能抄表终端的数据采集方法及*** | |
CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及*** | |
CN110647913B (zh) | 基于聚类算法的异常数据检测方法及装置 | |
CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
CN113592019A (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN113592343A (zh) | 二次***的故障诊断方法、装置、设备和存储介质 | |
CN112463530A (zh) | 微服务***的异常检测方法、装置、电子设备及存储介质 | |
CN113591900A (zh) | 一种高需求响应潜力用户的识别方法、装置及终端设备 | |
CN115905927A (zh) | 用电异常用户的识别方法、装置、电子设备及存储介质 | |
CN112070180A (zh) | 基于信息物理双侧数据的电网设备状态判断方法及装置 | |
CN110991761A (zh) | 一种供热负荷预测方法及装置 | |
CN114356900A (zh) | 一种电力数据异常检测方法、装置、设备及介质 | |
CN113376564A (zh) | 基于数据分析的智能电表计量校正方法、装置及终端 | |
CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
CN115494431A (zh) | 一种变压器故障告警方法、终端设备和计算机可读存储介质 | |
CN114757482A (zh) | 用户组电量使用趋势的分析方法、***、设备和介质 | |
CN111882289B (zh) | 一种项目数据审核指标区间测算的装置和方法 | |
CN109521312B (zh) | 一种非技术线损检测方法、装置及*** | |
CN112632469A (zh) | 业务交易数据的异常检测方法、装置及计算机设备 | |
CN110688273B (zh) | 分类模型的监控方法、装置、终端以及计算机存储介质 | |
CN111507397A (zh) | 一种异常数据的分析方法及装置 | |
CN117150233B (zh) | 一种电网异常数据治理方法、***、设备及介质 | |
CN115587287B (zh) | 一种电能表的隐患排查方法、装置及电能表 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |