CN115291157B - 一种基于时钟偏差的电能表剩余寿命预测方法及*** - Google Patents
一种基于时钟偏差的电能表剩余寿命预测方法及*** Download PDFInfo
- Publication number
- CN115291157B CN115291157B CN202210825435.4A CN202210825435A CN115291157B CN 115291157 B CN115291157 B CN 115291157B CN 202210825435 A CN202210825435 A CN 202210825435A CN 115291157 B CN115291157 B CN 115291157B
- Authority
- CN
- China
- Prior art keywords
- electric energy
- energy meter
- clock
- clock deviation
- time
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000006870 function Effects 0.000 claims description 41
- 238000006731 degradation reaction Methods 0.000 claims description 11
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 claims description 6
- 230000005653 Brownian motion process Effects 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005537 brownian motion Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G04—HOROLOGY
- G04R—RADIO-CONTROLLED TIME-PIECES
- G04R40/00—Correcting the clock frequency
- G04R40/06—Correcting the clock frequency by computing the time value implied by the radio signal
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Electric Clocks (AREA)
Abstract
本发明公开一种基于时钟偏差的电能表剩余寿命预测方法及***,包括:根据电能表时钟数据和标准源时钟数据得到电能表时钟偏差,并根据电能表时钟超差事件,判断电能表时钟偏差是否由电能表本身引起;若由电能表本身引起,则对电能表从开始运行至时钟偏差达到时钟超差阈值的时钟偏差演变过程进行建模,并以此构建电能表寿命预测函数;根据电能表寿命预测函数,以及电能表已产生的时钟偏差和电能表已运行时间,得到电能表剩余寿命预测函数;对电能表剩余寿命预测函数,根据电能表已产生的时钟偏差在电能表已运行时间内的时钟偏差增量,得到电能表剩余寿命。检验电能表的可靠性与稳定性,降低电能表时钟超差虚警率。
Description
技术领域
本发明涉及剩余寿命预测技术领域,特别是涉及一种基于时钟偏差的电能表剩余寿命预测方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
采集终端、电能表等的时钟偏差应控制在一定的时间以内,若电能表时钟偏差超过该范围,则为时钟超差。智能电能表时钟偏差是表计一项十分重要的性能指标,时钟超差导致电能表计量数据上报出现异常,妨碍表计管理。
传统方法依赖主站和终端对表计时钟偏差短时周期性召测与校时,不仅难以研判时钟超差诱发原因致使虚警率偏高,而且不能基于时钟偏差演变过程预测电能表寿命。由此导致诸多不利影响,生成工单偏多,浪费人力物力和财力,不利于现货交易市场建设和台区电能表管理。
引起电能表时钟超差的原因除了时钟本身以外,还有多个原因。在确定时钟超差是否由时钟自身引起方面,尚缺少有效的技术和方法,存在虚警率较高的问题。
电能表时钟偏差初始检验基本都合格,但伴随日历时间,批量电能表展现出时钟超差的问题;基于时钟偏差判断电能表寿命的方法目前尚是空白,没有可行方法或技术。
发明内容
为了解决上述问题,本发明提出了一种基于时钟偏差的电能表剩余寿命预测方法及***,提供一种电能表时钟偏差估计与预测的可行方法,检验电能表的可靠性与稳定性,降低电能表时钟超差虚警率。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种基于时钟偏差的电能表剩余寿命预测方法,包括:
根据电能表时钟数据和标准源时钟数据得到电能表时钟偏差,并根据电能表时钟超差事件,判断电能表时钟偏差是否由电能表本身引起;
若由电能表本身引起,则对电能表从开始运行至时钟偏差达到时钟超差阈值的时钟偏差演变过程进行建模,并以此构建电能表寿命预测函数;
根据电能表寿命预测函数,以及电能表已产生的时钟偏差和电能表已运行时间,得到电能表剩余寿命预测函数;
对电能表剩余寿命预测函数,根据电能表已产生的时钟偏差在电能表已运行时间内的时钟偏差增量,得到电能表剩余寿命。
作为可选择的实施方式,判断过程包括:
判断电能表时钟偏差是否由通信延迟引起,若是,则非电能表触发;
若不是,则判断是否由终端时钟超差引起,若是,则非电能表触发;
若不是,则为电能表本身触发,那么判断是否由电池欠压导致,若是,则更换电能表,否则由电能表时钟性能退化引起。
作为可选择的实施方式,电能表寿命预测函数为:
其中,ti为已运行时间,a是漂移参数,σw是扩散参数,εend为时钟超差阈值。
作为可选择的实施方式,电能表剩余寿命预测函数为:
其中,εD为已产生的时钟偏差,tD为时钟偏差产生的时刻。
作为可选择的实施方式,对电能表剩余寿命预测函数进行求解得到电能表剩余寿命,其中,漂移参数a和扩散参数σw分别为:
其中,Δεi为时钟偏差增量,Δti为时间间隔,n为间隔数。
作为可选择的实施方式,设定电能表剩余寿命置信下限,并以此确定电能表剩余寿命均值,根据电能表剩余寿命均值对电能表剩余寿命进行评估。
作为可选择的实施方式,电能表剩余寿命均值为:
E(T1)=∫0 ∞tfT1(t|tD,εD)dt
其中,T1为电能表剩余寿命,t为时间,εD为已产生的时钟偏差,tD为时钟偏差产生的时刻。
第二方面,本发明提供一种基于时钟偏差的电能表剩余寿命预测***,包括:
判断模块,被配置为根据电能表时钟数据和标准源时钟数据得到电能表时钟偏差,并根据电能表时钟超差事件,判断电能表时钟偏差是否由电能表本身引起;
建模模块,被配置为若由电能表本身引起,则对电能表从开始运行至时钟偏差达到时钟超差阈值的时钟偏差演变过程进行建模,并以此构建电能表寿命预测函数;
剩余寿命建模模块,被配置为根据电能表寿命预测函数,以及电能表已产生的时钟偏差和电能表已运行时间,得到电能表剩余寿命预测函数;
剩余寿命预测模块,被配置为对电能表剩余寿命预测函数,根据电能表已产生的时钟偏差在电能表已运行时间内的时钟偏差增量,得到电能表剩余寿命。
第三方面,本发明提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述的方法。
第四方面,本发明提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述的方法。
与现有技术相比,本发明的有益效果为:
本发明提出的一种基于时钟偏差的电能表剩余寿命预测方法及***,通过对电能表时钟超差进行研判,降低电能表时钟超差虚警率,从而有效减少工单生成数量,减少人工现场研判的成本,提高电力***运行稳定性。
本发明提出的一种基于时钟偏差的电能表剩余寿命预测方法及***,提供一种电能表时钟偏差估计与预测的可行方法,不仅可以检验供应商批次供货的可靠性与稳定性,而且可以及时安排电能表轮换、维修等运维规划,保证电力***和用电稳定性。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于时钟偏差的电能表剩余寿命预测方法流程图;
图2为本发明实施例1提供的电能表时钟异常研判流程图;
图3为本发明实施例1提供的时钟偏差演变过程示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1
本实施例提出一种基于时钟偏差的电能表剩余寿命预测方法,从智能电表用采***获取电能表时钟数据和标准源时钟数据,以此计算电能表时钟偏差,同时获取电能表时钟超差事件;判断电能表时钟偏差是否由电能表本身引起;若该时钟偏差由电能表本身引起,则利用Wiener过程的电能表时钟偏差演变规律建模技术,描述电能表时钟偏差伴随运行时间的演变过程,并在此基础上,推断预测电能表剩余寿命。
如图1所示,具体包括:
根据电能表时钟数据和标准源时钟数据得到电能表时钟偏差,并根据电能表时钟超差事件,判断电能表时钟偏差是否由电能表本身引起;
若由电能表本身引起,则对电能表从开始运行至时钟偏差达到时钟超差阈值的时钟偏差演变过程进行建模,并以此构建电能表寿命预测函数;
根据电能表寿命预测函数,以及电能表已产生的时钟偏差和电能表已运行时间,得到电能表剩余寿命预测函数;
对电能表剩余寿命预测函数,根据电能表已产生的时钟偏差在电能表已运行时间内的时钟偏差增量,得到电能表剩余寿命。
在本实施例中,电能表时钟异常产生的原因有通信延迟、终端时钟超差、电池欠压和电能表时钟性能退化;
其中,通信延迟触发的电能表时钟超差属于虚警,可在主站侧研判;
终端对电能表对时时,由于终端时钟超差可会触发电能表时钟超差,那么可通过判断终端时钟是否超差;
若在电能表时钟超差和电池欠压两个异常同时发生时,可认为由电能表时钟电池欠压引起,此时需要更换电能表;
若非电池欠压,则可判断为由电能表时钟性能退化引起,通过判断电能表性能退化程度而判断电能表运行状态。
如图2所示,具体判断过程包括:
首先判断是否由通信延迟导致时钟超差,若是,则非电能表触发;
若不是,则判断是否由终端时钟超差导致,若是,则非电能表触发;
若不是,则为电能表本身触发,那么判断是否由电池欠压导致,若是,则更换电能表,否则由电能表时钟性能退化引起。
在本实施例中,若由电能表本身引起,则基于Wiener过程进行电能表时钟偏差演变过程的建模,如图3所示。
在实际工作工程中,电能表时钟超差异常触发过程如下:
主站每天直接对终端对时;
终端周期性召测电能表时钟数据(如每3天),判断电能表时钟是否超差,将时钟超差的电能表上报到主站,同时终端周期性对电能表对时(如每15天);
主站周期性批量巡测电能表时钟(如每15天),计算电能表时钟偏差;若电能表时钟超差,则生成校时清单,对电能表自动对时。
设电能表从安装开始运行时刻起,主站和终端每隔时间周期T对电能表进行一次对时,则第i次对电能表对时的时间(也可以是已运行时间)为ti=i*T,在第i个对时周期内电能表时钟误差为εi,获得数据(ti,εi);
若认为电能表时钟偏差在(ti,ti+1)之间的增量服从正态分布,且在任意两个不相交的时间区间内,时钟偏差增量相互独立,则电能表时钟偏差可用Wiener过程描述;
即,Wiener过程用来对平稳独立高斯增量的性能退化过程进行建模,以表示在ti时刻的性能退化量,如果ε(0)=0,具有平稳独立增量,则ε(ti)可以用有漂移参数的Wiener过程描述,数学表达式如下:
ε(ti)=ati+σwε0(ti)
式中,ε0(ti)为标准的Wiener过程,a是漂移参数,σw是扩散参数。
实际工程上,电能表时钟偏差超过规定的时钟超差阈值εend,即认为电能表时钟超差。因此,基于时钟偏差的电能表寿命是从开始运行至时钟偏差变化过程ε(ti)达到时钟超差阈值εend所经历的时间,即电能表寿命可作如下定义:
T=inf{ε(t)≥εend}={t|ε(t)≥εend,ε(s)≤εend,0<s<t}
其中,T为时钟偏差演变过程中,首次到达时钟超差阈值εend的时间或首达时间。
在任意时刻t≥0,取ε(t)在时间[0,t]内的最大值,也称ε(t)为维纳最大过程。维纳过程是一个重要的独立增量过程,也称作布朗运动过程。数学中,维纳过程是一种连续时间随机过程。由于与物理学中的布朗运动有密切关系,也常被称为“布朗运动过程”或简称为布朗运动。维纳过程是莱维过程(指左极限右连续的平稳独立增量随机过程)中的一类。
记时刻t,ε(t)的概率密度函数为g(ε,t),由{ε(t),t≥0}的定义可知该过程单调,则电能表在时间t内不会超差的概率为:
利用Fokker-Planck(福克-普朗克)方程得到g(ε,t)的函数形式为:
进而可以得到:
电能表寿命T的预测函数为:
进一步就得到有漂移的Wiener退化过程的电能表寿命T的概率密度函数,即首次达到阀值时的时间分布为逆高斯分布,其数学描述为:
若电能表在tD时刻已经产生了εD的时钟偏差,那么该时刻电能表剩余寿命T1定义为:
T1=inf{t|ε(t)≥εend-εD}
则T1也可用逆高斯分布表示,即电能表剩余寿命预测函数为:
获取电能表已运行时间和已产生的时钟偏差:
Data={(t0,ε0),(t1,ε1),(t2,ε2),...,(ti,εi)},t0<t1<t2<...<ti;
i个时间区间内的增量为ΔA={(Δt0,Δε0),...,(Δtn,Δεn),...,(Δti,Δεi)},
其中,Δεi=εi-εi-1,Δεi为电表在时刻ti和ti-1区间内的偏差增量,Δti=ti-ti-1,Δti为时刻ti和ti-1的时间间隔(i>1且i为正整数);
则参数a,σw为:
根据参数a,σw即可求解电能表剩余寿命预测函数,得到电能表剩余寿命。
在本实施例中,根据电能表剩余寿命预测函数,可得基于时钟偏差的电能表剩余寿命均值为:
E(T1)=∫0 ∞tfT1(t|tD,εD)dt
给定置信度γ,电能表剩余寿命置信下限T1L为:
由此可实现基于时钟偏差的电能表寿命评估。
实施例2
本实施例提供一种基于时钟偏差的电能表剩余寿命预测***,包括:
判断模块,被配置为根据电能表时钟数据和标准源时钟数据得到电能表时钟偏差,并根据电能表时钟超差事件,判断电能表时钟偏差是否由电能表本身引起;
建模模块,被配置为若由电能表本身引起,则对电能表从开始运行至时钟偏差达到时钟超差阈值的时钟偏差演变过程进行建模,并以此构建电能表寿命预测函数;
剩余寿命建模模块,被配置为根据电能表寿命预测函数,以及电能表已产生的时钟偏差和电能表已运行时间,得到电能表剩余寿命预测函数;
剩余寿命预测模块,被配置为对电能表剩余寿命预测函数,根据电能表已产生的时钟偏差在电能表已运行时间内的时钟偏差增量,得到电能表剩余寿命。
此处需要说明的是,上述模块对应于实施例1中所述的步骤,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为***的一部分可以在诸如一组计算机可执行指令的计算机***中执行。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列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。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,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申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种基于时钟偏差的电能表剩余寿命预测方法,其特征在于,包括:
根据电能表时钟数据和标准源时钟数据得到电能表时钟偏差,并根据电能表时钟超差事件,判断电能表时钟偏差是否由电能表本身引起;
判断过程包括:
判断电能表时钟偏差是否由通信延迟引起,若是,则非电能表触发;
若不是,则判断是否由终端时钟超差引起,若是,则非电能表触发;
若不是,则为电能表本身触发,那么判断是否由电池欠压导致,若是,则更换电能表,否则由电能表时钟性能退化引起;
若由电能表本身引起,则对电能表从开始运行至时钟偏差达到时钟超差阈值的时钟偏差演变过程进行建模,并以此构建电能表寿命预测函数;具体步骤为:
基于时钟偏差的电能表寿命是从开始运行至时钟偏差变化过程达到时钟超差阈值/>所经历的时间,即电能表寿命作如下定义:
其中,为时钟偏差演变过程中,首次到达时钟超差阈值/>的时间或首达时间;
记时刻的概率密度函数为/>,由/>的定义可知该过程单调,则电能表在时间/>内不会超差的概率为:
利用Fokker-Planck福克-普朗克方程得到的函数形式为:
进而可以得到:
电能表寿命的预测函数为:
;
进一步得到电能表寿命T的概率密度函数,其数学描述为:
其中,为已运行时间,a是漂移参数,/>是扩散参数,/>为时钟超差阈值;
根据电能表寿命预测函数,以及电能表已产生的时钟偏差和电能表已运行时间,得到电能表剩余寿命预测函数;
对电能表剩余寿命预测函数,根据电能表已产生的时钟偏差在电能表已运行时间内的时钟偏差增量,得到电能表剩余寿命。
2.如权利要求1所述的一种基于时钟偏差的电能表剩余寿命预测方法,其特征在于,电能表剩余寿命预测函数为:
其中,为已产生的时钟偏差,/>为时钟偏差产生的时刻。
3.如权利要求2所述的一种基于时钟偏差的电能表剩余寿命预测方法,其特征在于,对电能表剩余寿命预测函数进行求解得到电能表剩余寿命,其中,漂移参数a和扩散参数分别为:
其中,为时钟偏差增量,/>为时间间隔,n为间隔数。
4.如权利要求1所述的一种基于时钟偏差的电能表剩余寿命预测方法,其特征在于,设定电能表剩余寿命置信下限,并以此确定电能表剩余寿命均值,根据电能表剩余寿命均值对电能表剩余寿命进行评估。
5.如权利要求4所述的一种基于时钟偏差的电能表剩余寿命预测方法,其特征在于,电能表剩余寿命均值为:
其中,为电能表剩余寿命,t为时间,/>为已产生的时钟偏差,/>为时钟偏差产生的时刻。
6.一种基于时钟偏差的电能表剩余寿命预测***,其特征在于,包括:
判断模块,被配置为根据电能表时钟数据和标准源时钟数据得到电能表时钟偏差,并根据电能表时钟超差事件,判断电能表时钟偏差是否由电能表本身引起;判断过程包括:
判断电能表时钟偏差是否由通信延迟引起,若是,则非电能表触发;
若不是,则判断是否由终端时钟超差引起,若是,则非电能表触发;
若不是,则为电能表本身触发,那么判断是否由电池欠压导致,若是,则更换电能表,否则由电能表时钟性能退化引起;
建模模块,被配置为若由电能表本身引起,则对电能表从开始运行至时钟偏差达到时钟超差阈值的时钟偏差演变过程进行建模,并以此构建电能表寿命预测函数;具体步骤为:
基于时钟偏差的电能表寿命是从开始运行至时钟偏差变化过程达到时钟超差阈值/>所经历的时间,即电能表寿命作如下定义:
其中,为时钟偏差演变过程中,首次到达时钟超差阈值/>的时间或首达时间;
记时刻的概率密度函数为/>,由/>的定义可知该过程单调,则电能表在时间/>内不会超差的概率为:
利用Fokker-Planck福克-普朗克方程得到的函数形式为:
进而可以得到:
电能表寿命的预测函数为:
;
进一步得到电能表寿命T的概率密度函数,其数学描述为:
其中,为已运行时间,a是漂移参数,/>是扩散参数,/>为时钟超差阈值;
剩余寿命建模模块,被配置为根据电能表寿命预测函数,以及电能表已产生的时钟偏差和电能表已运行时间,得到电能表剩余寿命预测函数;
剩余寿命预测模块,被配置为对电能表剩余寿命预测函数,根据电能表已产生的时钟偏差在电能表已运行时间内的时钟偏差增量,得到电能表剩余寿命。
7.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210825435.4A CN115291157B (zh) | 2022-07-14 | 2022-07-14 | 一种基于时钟偏差的电能表剩余寿命预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210825435.4A CN115291157B (zh) | 2022-07-14 | 2022-07-14 | 一种基于时钟偏差的电能表剩余寿命预测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115291157A CN115291157A (zh) | 2022-11-04 |
CN115291157B true CN115291157B (zh) | 2023-09-22 |
Family
ID=83823158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210825435.4A Active CN115291157B (zh) | 2022-07-14 | 2022-07-14 | 一种基于时钟偏差的电能表剩余寿命预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115291157B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109407040A (zh) * | 2018-12-07 | 2019-03-01 | 广东电网有限责任公司 | 一种智能电能表校准方法、装置、设备及存储介质 |
CN109697525A (zh) * | 2018-12-06 | 2019-04-30 | 国网浙江省电力有限公司电力科学研究院 | 一种批次电能表多故障模式近期寿命预测方法 |
CN110320791A (zh) * | 2019-06-20 | 2019-10-11 | 国网湖南省电力有限公司 | 一种用电信息采集***时钟管理方法及装置 |
CN111914891A (zh) * | 2020-06-23 | 2020-11-10 | 国网天津市电力公司电力科学研究院 | 一种基于故障数据的电能表寿命预测方法 |
CN112710979A (zh) * | 2020-12-10 | 2021-04-27 | 江苏方天电力技术有限公司 | 基于深度学习的智能电能表运行监测管理***及方法 |
CN112764457A (zh) * | 2021-01-11 | 2021-05-07 | 国网浙江省电力有限公司湖州供电公司 | 一种电能表时钟误差故障值的预测方法 |
WO2021098246A1 (zh) * | 2019-11-19 | 2021-05-27 | 河南许继仪表有限公司 | 一种电能表寿命预测方法、装置及存储介质 |
CN113447875A (zh) * | 2021-05-27 | 2021-09-28 | 国网山东省电力公司营销服务中心(计量中心) | 一种拆回智能电能表剩余寿命评估方法及*** |
CN113835336A (zh) * | 2021-11-24 | 2021-12-24 | 国网江苏省电力有限公司营销服务中心 | 支撑电力现货市场的多维自适应计量装置巡测与校时方法 |
CN113868947A (zh) * | 2021-09-24 | 2021-12-31 | 国电南瑞科技股份有限公司 | 一种智能电能表寿命预测方法及装置 |
CN113992294A (zh) * | 2021-10-22 | 2022-01-28 | 国网湖南省电力有限公司 | 用电信息采集***中时钟管理控制方法及装置 |
CN114252794A (zh) * | 2021-11-24 | 2022-03-29 | 国电南瑞科技股份有限公司 | 一种拆回智能电能表剩余寿命预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190353711A1 (en) * | 2018-05-17 | 2019-11-21 | CW Professional Services LLC d/b/a Lochbridge | Predicting remaining useful life of a battery |
-
2022
- 2022-07-14 CN CN202210825435.4A patent/CN115291157B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697525A (zh) * | 2018-12-06 | 2019-04-30 | 国网浙江省电力有限公司电力科学研究院 | 一种批次电能表多故障模式近期寿命预测方法 |
CN109407040A (zh) * | 2018-12-07 | 2019-03-01 | 广东电网有限责任公司 | 一种智能电能表校准方法、装置、设备及存储介质 |
CN110320791A (zh) * | 2019-06-20 | 2019-10-11 | 国网湖南省电力有限公司 | 一种用电信息采集***时钟管理方法及装置 |
WO2021098246A1 (zh) * | 2019-11-19 | 2021-05-27 | 河南许继仪表有限公司 | 一种电能表寿命预测方法、装置及存储介质 |
CN111914891A (zh) * | 2020-06-23 | 2020-11-10 | 国网天津市电力公司电力科学研究院 | 一种基于故障数据的电能表寿命预测方法 |
CN112710979A (zh) * | 2020-12-10 | 2021-04-27 | 江苏方天电力技术有限公司 | 基于深度学习的智能电能表运行监测管理***及方法 |
CN112764457A (zh) * | 2021-01-11 | 2021-05-07 | 国网浙江省电力有限公司湖州供电公司 | 一种电能表时钟误差故障值的预测方法 |
CN113447875A (zh) * | 2021-05-27 | 2021-09-28 | 国网山东省电力公司营销服务中心(计量中心) | 一种拆回智能电能表剩余寿命评估方法及*** |
CN113868947A (zh) * | 2021-09-24 | 2021-12-31 | 国电南瑞科技股份有限公司 | 一种智能电能表寿命预测方法及装置 |
CN113992294A (zh) * | 2021-10-22 | 2022-01-28 | 国网湖南省电力有限公司 | 用电信息采集***中时钟管理控制方法及装置 |
CN113835336A (zh) * | 2021-11-24 | 2021-12-24 | 国网江苏省电力有限公司营销服务中心 | 支撑电力现货市场的多维自适应计量装置巡测与校时方法 |
CN114252794A (zh) * | 2021-11-24 | 2022-03-29 | 国电南瑞科技股份有限公司 | 一种拆回智能电能表剩余寿命预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
风电轴承性能退化建模及其实时剩余寿命预测;胡姚刚;李辉;廖兴林;宋二兵;欧阳海黎;刘志祥;;中国电机工程学报;36(第06期);1643-1649 * |
Also Published As
Publication number | Publication date |
---|---|
CN115291157A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11283283B2 (en) | Advanced smart battery analytic and diagnostic systems and methods | |
CN110888788A (zh) | 异常检测方法、装置、计算机设备及存储介质 | |
Salfner et al. | Predicting failures of computer systems: A case study for a telecommunication system | |
US20150380934A1 (en) | Pre-processing of data for automatic generation control | |
US20110153102A1 (en) | Method and system for demand response management in a network | |
CN111737095A (zh) | 批处理任务时间监控方法、装置、电子设备及存储介质 | |
CN105956734A (zh) | 动态设置it设备的性能的指标阈值的方法及*** | |
US20230336023A1 (en) | Power quality monitoring in a distribution grid | |
US10324118B2 (en) | Apparatus and method for correcting power usage measurements | |
Wang et al. | A load modeling algorithm for distribution system state estimation | |
CN103852633A (zh) | 需量反应判断装置及其需量反应判断方法 | |
US20150025700A1 (en) | Apparatus and method remotely monitoring building state | |
CN114878934A (zh) | 一种电能耗数据异常预警方法 | |
CN115291157B (zh) | 一种基于时钟偏差的电能表剩余寿命预测方法及*** | |
CN111666273A (zh) | 抄表***数据有效性分析方法、装置 | |
US11392437B1 (en) | Cold start and adaptive server monitor | |
EP3750223B1 (en) | Predicting voltage stability of a power system post-contingency | |
WO2018158965A1 (en) | Apparatus and method for prediction of alarm, irregularity and undesired mode | |
CN110928748A (zh) | 业务***运行监测方法及装置 | |
CN109191330B (zh) | 线损电量计算方法、装置、计算机设备和存储介质 | |
CN114708708B (zh) | 一种燃气表联动气体报警器的控制使用方法及*** | |
CN114488915B (zh) | 一种mcu非正常复位的处理方法及实现该方法的电能表 | |
CN114595980A (zh) | 基于平行网络的能源成本核算方法、***及计算机设备 | |
CN107292486B (zh) | 电网资产保险支出测算模型 | |
Liu et al. | Overhead transmission line outage rate estimation under wind storms |
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 |