电能表高干热环境性能评估方法、系统、存储介质及设备技术方案

本发明专利技术涉及电能表高干热环境性能评估方法、系统、存储介质及设备，其中的电能表高干热环境性能评估方法包括：对n台电能表执行可靠性试验，基于韦布尔分布参数估计方法，根据可靠性试验数据得到电能表的可靠性指标，包括可靠度、失效率、平均失效前时间、可靠寿命的点估计、置信限、韦布尔分布参数m和η的点估计以及区间估计上下限关系；根据工程经验确定韦布尔分布参数m和η的先验分布，结合可靠性试验数据，通过贝叶斯方法得到m和η的后验分布，更新参数m和η的点估计与区间估计，利用更新后的参数计算电能表可靠性指标，得到可靠性检验结果。果。果。

【技术实现步骤摘要】
电能表高干热环境性能评估方法、系统、存储介质及设备


[0001]本专利技术涉及电能表性能评估
，具体为电能表高干热环境性能评估方法、系统、存储介质及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]高干热环境，指气候干燥、昼夜温差大的环境，高干热环境会影响电能表内部电子元件的性能，造成电能表故障率增加，可靠性下降，因此需要对电能表在高干热环境下能够可靠运行的能力进行评估。
[0004]现有的评估方法普遍运用电能表的运营经验和数据来反映电能表可靠性水平，从电能表整机的角度进行可靠性评估；还有一些方法通过对拆回的故障电能表进行故障模式与故障定位分析，融合故障数据评价电能表的可靠性；另有部分方法利用电能表的计量性能退化数据反映某一环境下电能表性能的退化趋势，从而估计电能表可靠性水平。
[0005]然而，以上评估方法存在两方面不足：(1)针对高干热环境试验样本量少，数据随机截尾的条件下无法针对该特定环境评估电能表的性能；(2)工程经验与历史数据等多源的可靠性先验信息没有被充分且合理的利用，不能实现准确的可靠性统计推断。

技术实现思路

[0006]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供电能表高干热环境性能评估方法、系统、存储介质及设备，给出一种在Weibu ll(韦布尔)分布可靠性估计基础上融合多源先验信息的电能表可靠性Bayes(贝叶斯)估计方法，用于在电力行业中对高干热环境下的量测设备进行可靠性验证。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]本专利技术的第一个方面提供电能表高干热环境性能评估方法，包括以下步骤：
[0009]对n台电能表执行可靠性试验，设τ时刻有r台电能表发生故障，得到截尾时间从小到大排列为其中φ
i
为状态表示量，φ
i
＝0表示电能表故障，φ
i
＝1表示电能表正常，r＝n
‑
∑φ
i
，将r个故障数据从小到大排序为t1,t2,
…
,t
r
；
[0010]基于韦布尔分布参数估计方法，根据可靠性试验数据得到电能表的可靠性指标，包括可靠度、失效率、平均失效前时间、可靠寿命的点估计、置信限、韦布尔分布参数m和η的点估计以及区间估计上下限关系；
[0011]根据工程经验确定韦布尔分布参数m和η的先验分布，结合可靠性试验数据，通过贝叶斯方法得到m和η的后验分布，更新参数m和η的点估计与区间估计，利用更新后的参数计算电能表可靠性指标，得到可靠性检验结果。
[0012]根据工程经验确定韦布尔分布参数m和η的先验分布，包括：
[0013]m的先验分布：
[0014]a1，b1均为工程经验确定的m的取值范围，m表征电能表的失效机理，工程经验包括电能表运行历史与故障数据，故障数据中的电能表故障机理一致。
[0015]η的先验分布：
[0016]其中，η反映电能表寿命，根据工程经验确定θ的取值范围为工程经验为电能表运行设定年份经拆回后，故障电能表占比在a2％
‑
b2％范围内，选择指数分布作为η的先验分布。
[0017]通过贝叶斯方法得到m的后验分布：
[0018][0019]其中，d为微分符号。
[0020]通过贝叶斯方法得到η的后验分布：
[0021][0022]更新参数m和η的点估计，具体为：
[0023]m的贝叶斯点估计：
[0024][0025]η的贝叶斯点估计：
[0026][0027]更新参数m和η的区间估计，具体为：
[0028]m的区间估计：
[0029]置信水平为α
[0030][0031][0032]η的区间估计：
[0033]置信水平为α
[0034][0035][0036]利用更新后的参数计算电能表可靠性指标，得到可靠性检验结果，包括
[0037]t时刻电能表可靠度贝叶斯点估计与置信限：
[0038]点估计：
[0039]给定置信度γ，置信下限：
[0040][0041]t时刻电能表失效率贝叶斯点估计与置信限：
[0042]点估计：
[0043]置信上限：
[0044]电能表平均失效前时间贝叶斯点估计与置信限：
[0045]点估计：
[0046]给定置信度γ，置信下限:
[0047]电能表可靠寿命贝叶斯点估计与置信限：
[0048]点估计：
[0049]给定置信度γ，置信下限：
[0050]本专利技术的第二个方面提供实现上述方法所需的系统，包括：
[0051]数据获取模块，被配置为：对n台电能表执行可靠性试验，设τ时刻有r台电能表发生故障，得到截尾时间从小到大排列为其中φ
i
为状态表示量，η
i
＝0表示电能表故障，φ
i
＝1表示电能表正常，r＝n
‑
∑φ
i
，将r个故障数据从小到大排序为t1,t2,
…
,t
r
；
[0052]可靠性指标获取模块，被配置为：基于韦布尔分布参数估计方法，根据可靠性试验数据得到电能表的可靠性指标，包括可靠度、失效率、平均失效前时间、可靠寿命的点估计、置信限、韦布尔分布参数m和η的点估计以及区间估计上下限关系；
[0053]工程经验融合模块，被配置为：根据工程经验确定韦布尔分布参数m和η的先验分布，结合可靠性试验数据，通过贝叶斯方法得到m和η的后验分布，更新参数m和η的点估计与区间估计，利用更新后的参数计算电能表可靠性指标，得到可靠性检验结果。
[0054]本专利技术的第三个方面提供一种计算机可读存储介质。
[0055]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的电能表高干热环境性能评估方法中的步骤。
[0056]本专利技术的第四个方面提供一种计算机设备。
[0057]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的电能表高干热环境性能评估方法中的步骤。
[0058]与现有技术相比，以上一个或多个技术方案存在以下有益效果：
[0059]1、实现了电能表可靠性先验信息的融合，将实际工程经验转化为韦布尔分布参数的取值范围和分布情况，将工程经验作为专家先验信息，从而确定韦布尔参数先验分布。
[0060]2、利用贝叶斯方法结合先验信息更新韦布尔分布参数，在随机截尾小子样电能表可靠性试验数据的条件下，结合工程经验先验信息，对电能表可靠度、失效率、MTTF(平均失
效前时间)和可靠寿命进行评估方法。
附图说明
[0061]构成本专利技术的一部分的说明书本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电能表高干热环境性能评估方法，其特征在于：包括以下步骤：对n台电能表执行可靠性试验，设τ时刻有r台电能表发生故障，得到截尾时间从小到大排列为其中φ
i
为状态表示量，φ
i
＝0表示电能表故障，φ
i
＝1表示电能表正常，r＝n
‑
∑φ
i
，将r个故障数据从小到大排序为t1,t2,
…
,t
r
；基于韦布尔分布参数估计方法，根据可靠性试验数据得到电能表的可靠性指标，包括可靠度、失效率、平均失效前时间、可靠寿命的点估计、置信限、韦布尔分布参数m和η的点估计以及区间估计上下限关系；根据工程经验确定韦布尔分布参数m和η的先验分布，结合可靠性试验数据，通过贝叶斯方法得到m和η的后验分布，更新参数m和η的点估计与区间估计，利用更新后的参数计算电能表可靠性指标，得到可靠性检验结果。2.如权利要求1所述的电能表高干热环境性能评估方法，其特征在于：根据工程经验确定韦布尔分布参数m和η的先验分布，包括：m的先验分布：a1，b1均为工程经验确定的m的取值范围，m表征电能表的失效机理，工程经验包括电能表运行历史与故障数据，故障数据中的电能表故障机理一致。η的先验分布：其中，η反映电能表寿命，根据工程经验确定θ的取值范围为工程经验为电能表运行设定年份经拆回后，故障电能表占比在a2％
‑
b2％范围内，选择指数分布作为η的先验分布。3.如权利要求1所述的电能表高干热环境性能评估方法，其特征在于：根据工程经验确定韦布尔分布参数m和η的先验分布，包括：通过贝叶斯方法得到m的后验分布：通过贝叶斯方法得到η的后验分布：4.如权利要求1所述的电能表高干热环境性能评估方法，其特征在于：更新参数m和η的点估计，具体为：m的贝叶斯点估计：η的贝叶斯点估计：
5.如权利要求1所述的电能表高干热环境性能评估方法，其特征在于：更新参数m和η的区间估计，具体为：m的区间估计：置信水平为α置信水平为αη的区间估计：置信水平为α置信水平为α6.如权利要求1所述的电能表高干热环境性能评估方法...

【专利技术属性】
技术研发人员：王平欣，夏晓东，荆臻，张志，郭亮，姜鹏，王清，朱红霞，陈祉如，赵曦，马俊，杜艳，王婷婷，刘潇，杨杰，李霖，于超，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：