本发明专利技术涉及智能电能表技术领域，特别是涉及基于贝叶斯理论的智能电能表状态评估方法及评估装置。本发明专利技术基于贝叶斯理论，利用智能电能表退化试验的退化数据集x计算先验概率，利用智能电能表实际现场采样的采样数据集X计算似然函数，将基于两者参数计算后验概率，实现修正并构建出智能电能表的状态模型。本发明专利技术所需样本量小，数据处理负载低，可快速构建出状态模型，提供更为准确的失效概率、对智能电能表运维提供更为有效的参考。能表运维提供更为有效的参考。能表运维提供更为有效的参考。
【技术实现步骤摘要】
基于贝叶斯理论的智能电能表状态评估方法及评估装置
[0001]本专利技术涉及智能电能表
，特别是涉及基于贝叶斯理论的智能电能表状态评估方法及评估装置。
技术介绍
[0002]近年来，随着智能电网的发展和社会用电量的迅速增加，智能电能表入网数量可观，其可靠稳定的运行对用户及电网公司的利益有重要影响，同时可靠性评估结果对智能电能表的运维工作有较强的指导意义，因此准确评估智能电能表的可靠性具有重要意义。
[0003]但现有技术中对于智能电能表状态评估一般是依据大批量历史数据进行统计分析并预测，这种方式的准确性依赖于数据基数，通常要采集多个智能电能表的历史数据。数据基数越大、其评估准确性越高，但数据基数大也意味着数据处理大、负载高。而历史数据时常并不能满足基数大的要求，导致该种方式处于尴尬的情况。
技术实现思路
[0004]基于此，有必要针对现有评估方法对于数据要求量大的问题，提供基于贝叶斯理论的智能电能表状态评估方法及评估装置。
[0005]本专利技术采用以下技术方案实现：
[0006]第一方面，
[0007]本专利技术提供了基于贝叶斯理论的智能电能表状态评估方法，包括以下步骤：
[0008]步骤一，获取至少一个智能电能表一在退化试验下的状态数据并组成退化数据集x，获取至少一个智能电能表一在实际现场采样的状态数据并组成采样数据集X；
[0009]步骤二，对退化数据集x进行处理得到先验概率参数；对采样数据集X进行处理、并结合先验概率参数得到边际似然函数参数及后验概率参数；依据后验概率参数构建基于贝叶斯推理的智能电能表状态模型；
[0010]步骤三，依据基于贝叶斯推理的智能电能表状态模型对智能电能表二状态进行评估；其中，所述智能电能表二与智能电能表一型号相同；基于贝叶斯推理的智能电能表状态模型为一个关于运行时长的函数，依据实际运行时长得到反映智能电能表状态的失效概率。
[0011]该基于贝叶斯理论的智能电能表状态评估方法实现根据本公开的实施例的方法或过程。
[0012]第二方面，
[0013]本专利技术提供了基于贝叶斯理论的智能电能表状态评估装置，包括数据获取模块、模型构建模块、状态评估模块。数据获取模块用于获取至少一个智能电能表一在退化试验下的状态数据并组成退化数据集x、获取至少一个智能电能表一在实际现场采样的状态数据并组成采样数据集X。模型构建模块用于对退化数据集x进行处理得到先验概率参数，对采样数据集X进行处理、并结合先验概率参数得到边际似然函数参数及后验概率参数，依据
后验概率参数构建基于贝叶斯推理的智能电能表状态模型。状态评估模块用于模型构建模块构建的依据基于贝叶斯推理的智能电能表状态模型对智能电能表二状态进行评估；其中所述智能电能表二与智能电能表一型号相同。
[0014]该基于贝叶斯理论的智能电能表状态评估装置实现根据本公开的实施例的方法或过程。
[0015]与现有技术相比，本专利技术具备如下有益效果：
[0016]本专利技术基于贝叶斯理论，利用智能电能表退化试验的退化数据集x计算先验概率，利用智能电能表实际现场采样的采样数据集X计算似然函数，将基于两者参数计算后验概率，实现修正并构建出智能电能表的状态模型。本专利技术所需样本量小，数据处理负载低，可快速构建出状态模型，提供更为准确的失效概率、对智能电能表运维提供更为有效的参考。
附图说明
[0017]图1为本专利技术实施例1中基于贝叶斯理论的智能电能表状态评估方法的流程图；
[0018]图2为本专利技术实施例2中基于贝叶斯理论的智能电能表状态评估装置的结构图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]需要说明的是，当组件被称为“安装于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。当一个组件被认为是“固定于”另一个组件，它可以是直接固定在另一个组件上或者可能同时存在居中组件。
[0021]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“或/及”包括一个或多个相关的所列项目的任意的和所有的组合。
[0022]实施例1
[0023]参看图1，图1为本专利技术中基于贝叶斯理论的智能电能表状态评估方法的流程图。本专利技术公开了基于贝叶斯理论的智能电能表状态评估方法，分别对退化试验数据以及实际现场采样数据进行处理分析，得到智能电能表状态评估参数估计值，从而建立状态模型。
[0024]本专利技术基于下述基本假定：智能电能表的退化为不可逆过程；在各加速应力水平下，产品的失效机理及失效模式不变；加速退化数据在不同应力水平下具有相同的分布形式。
[0025]本专利技术提及的贝叶斯理论，涉及参数设计、计算，具体介绍如下：
[0026]A：智能电能表在退化试验下的状态数据点，即退化数据。
[0027]θ：退化数据对应的分布的参数，即A～P(A|θ)。
[0028]α：参数分布的超参数，即θ～P(θ|α)。
[0029]B：智能电能表在实际现场的采样数据点，即采样数据。一般的，将其视作若干个采集数据点构成的集合。
[0030]C：智能电能表的状态数据点、其分布需要被预测，即预测数据。
[0031]基于贝叶斯理论，按照下面步骤进行推导：
[0032]1，计算先验概率P(θ|α)。先验概率是指参数在没有任何新数据被观测到的情况下的概率分布，也就是假设概率。P(θ|α)即θ在参数条件α下的概率。
[0033]2，确定采样分布P(B|θ)，即似然函数。似然函数是指B在其参数条件下的分布，即B在参数条件θ下的概率。而由于θ服从参数条件α下的概率分布，采样分布P(B|θ)也可以写为P(B|θ,α)。
[0034]3，计算边际似然函数P(B|α)。边际似然函数是通过将似然函数其中某些参数变量边缘化得到的，是观测数据后得到的边缘分布，即：
[0035]P(B|α)＝∫
θ
P(B|θ)P(B|α)dθ；
[0036]这里就是将参数条件α边缘化。
[0037]4，计算后验概率P(θ|B,α)。后验概率分布是指在考虑新观测的数据后的参数分布，它由贝叶斯规则决定、形成了贝叶斯推理的核心。也就是说，后验概率引入了新数据B，对仅依靠旧数据A得到的先验概率进行修正。
[0038]即，P(θ|B,α)表示θ在参数条件B下的概率，B与α符合边际似本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于贝叶斯理论的智能电能表状态评估方法，其特征在于，包括以下步骤：步骤一，获取至少一个智能电能表一在退化试验下的状态数据并组成退化数据集x，获取至少一个智能电能表一在实际现场采样的状态数据并组成采样数据集X；步骤二，对退化数据集x进行处理得到先验概率参数；对采样数据集X进行处理、并结合先验概率参数得到边际似然函数参数及后验概率参数；依据后验概率参数构建基于贝叶斯推理的智能电能表状态模型；步骤三，依据基于贝叶斯推理的智能电能表状态模型对智能电能表二状态进行评估；其中，所述智能电能表二与智能电能表一型号相同；基于贝叶斯推理的智能电能表状态模型为一个关于运行时长的函数，依据实际运行时长得到反映智能电能表状态的失效概率。2.根据权利要求1所述的基于贝叶斯理论的智能电能表状态评估方法，其特征在于，在步骤一之前，对至少一个智能电能表一进行退化试验。3.根据权利要求1所述的基于贝叶斯理论的智能电能表状态评估方法，其特征在于，所述状态数据包括：智能电能表一的个数、智能电能表一失效时对应施加的应力、智能电能表一的失效时间点、智能电能表一失效前的运行时长、智能电能表一所处的环境温湿度。4.根据权利要求3所述的基于贝叶斯理论的智能电能表状态评估方法，其特征在于，步骤二中对退化数据集x进行处理得到先验概率参数的方法包括：将退化数据集x归为高斯正态分布，其中，x为{x1、x2、...、x
n
}，n为退化数据集x数据的总数量；计算其期望μ
x
：计算其方差σ
x
：5.根据权利要求4所述的基于贝叶斯理论的智能电能表状态评估方法，其特征在于，步骤二中对采样数据集X进行处理的方法包括：将采样数据集X归为高斯正态分布，其中，X为{X1、X2、...、X
m
}，m为采样数据集X数据的总数量；计算其期望μ
X
：计算其方差σ
X
：6.根据权利要求5所述的基于贝叶斯理论的智能电能表状态评估方法，其特征在于，步
骤二中结合先验概率参数得到边际似然函数参数的方法包括：所述边际似然函数参数包括边际似然函数期望μ
o
、边际似然函数方差σ
o
；根据退化数据集x的期望μ
x
、采样数据集X的期望μ
【专利技术属性】
技术研发人员：赖志强，刘毅，杜运福，李昊一，钟文豪，
申请(专利权)人：安徽南瑞中天电力电子有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。