-
公开(公告)号：CN115688925A
公开(公告)日：2023-02-03
申请号：CN202211289564.2
申请日：2022-10-20
Applicant: 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) , 哈尔滨理工大学
Abstract: 本发明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。
-
公开(公告)号：CN116703355A
公开(公告)日：2023-09-05
申请号：CN202310547244.0
申请日：2023-05-15
Applicant: 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)
Abstract: 本发明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。
-
公开(公告)号：CN113011530B
公开(公告)日：2023-04-07
申请号：CN202110472639.X
申请日：2021-04-29
Applicant: 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) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G06F18/2411 , G06N3/04 , G06N3/084 , G06Q10/04 , G06Q50/06 , G06F18/241
Abstract: 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号：CN113011530A
公开(公告)日：2021-06-22
申请号：CN202110472639.X
申请日：2021-04-29
Applicant: 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) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
Abstract: 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
-
-
Search Results
4
records
(took 0.079 seconds)
