简介:摘要:目前用的比较广泛的电力计量装置故障诊断方法有 3类,分别是利用信号诊断、利用数据模型诊断和利用知识经验诊断,这些诊断方法都十分依赖人工操作,不具备智能性。近年来,人工智能诊断技术迅速发展,科学家不断在人工智能诊断技术中加入创新思路,使该技术愈加成熟。在采集海量数据时,电力计量终端很容易出现问题。电力计量装置采集的数据量超过 50G,并且呈现增长模式,传统的数据库很难在短时间内推算出所有存在的故障,因此工作效率难以达到用户的需求,导致诊断延时状况的出现。工作人员在分析电力计量装置故障时,多是利用以往的工作经验结合现场故障情况判断问题所在,这种方法需要多次尝试,才能解决问题,成本高、效率低。
简介:摘要:依据现有的国家相关规程规范以及国家电网公司相关计量技术标准,对电网中在线运行的关口电能计量装置,应该定期进行误差等性能的检验或校准。关口电能计量装置的在线校验,传统上一直采用人工现场校验,该方式存在着工作量大、校验时间长、对二次回路负荷的大小有相应要求等问题。目前实施的远程校验技术,主要是在各关口变电站加装多套集中式电能计量标准装置和通讯模块,仅将现场校验结果通过网络直接发回主站,其实质,还是采用标准装置现场校验被检电能表的方式,对标准装置、传输网络等资源的利用率很低,且性能受现有标准装置采样准确度和算法性能的制约,同时也需要对所用的标准装置进行定期检定 /校准。探索采用新的技术手段和方法,在当经互联网的时代尝试对关口电能计量装置的运行状态开展实时、在线监测和远程校验 /校准,已成为电工仪器仪表校验 /校准技术发展进步的必然趋势,也是减少电工仪器仪表校验 /校准、检修及运行成本采取的必要技术手段。
简介:摘 要:为了推动电能表建设的智能化、准确化,完善整个系统,技术人员提出基于并行化朴素贝叶斯发展处的判断电能表是否存在故障的诊断方法。这种诊断方法充分考虑到电能表需要处理大量数据的特性,构建出能够同时处理大量数据的平台。这项平台将依据电能表所可能产生的异常情况作出具体的分析,做出一系列科学合理的电能表故障处理流程。这项技术将应用 Spark 并行化朴素贝叶斯算法,进行故障类型的精准判断,为后续的故障诊断提供依据。与此同时,技术人员也会对平台进行反复测试,不断对比实验结果,判断数据平台是否具备准确判断故障类型的能力,尤其是在电能表面临大量待处理数据的情况下,这种技术处理显得尤为重要,具备极强的现实应用价值。