一种预测智能电表更换数量的方法技术

本发明专利技术涉及一种预测智能电表更换数量的方法，属于电表更换数量预测技术领域。本发明专利技术首先通过基于加权平均弱化缓冲算子修正数据的改进灰色模型对智能电表的更换数量进行预测，再利用改进的马尔科夫模型对预测值进一步优化，得到改进后的灰色

【技术实现步骤摘要】
一种预测智能电表更换数量的方法


[0001]本专利技术涉及一种预测智能电表更换数量的方法，属于电表更换数量预测


技术介绍

[0002]随着智能电网技术的飞速发展，与之配套的智能电表业已成为技术新宠，智能电表以微处理器为核心且由软硬件组成，能够实时采集和存储智能电表的大量数据状态，作为配用电管理的核心设备，与常规电能表相比，它集成有微处理器、输入和输出接口、通信装置以及显示屏幕，具有自动计量计费、数据传输功能，日益充当了智能化住宅的控制中心。配电公司利用智能电表能够更加迅速地检测故障，并对电力网络的安全控制与有效管理的各项举措及时响应。因此，如何准确预测智能电表的更换数量，对有效降低智能电表的运行和检修成本，进一步提升智能电网运行安全性，具有重要意义。
[0003]目前国内主要是通过定期巡检的方式来发现并确定电表的故障信息，并做进一步处理。而定期巡检不但需要耗费大量的人力、物力和时间成本，并且还需要巡检人员具备扎实的专业知识，否则，极容易漏判和错判。因此，现有对智能电表的更换数量的确认过程中，采用定期巡检方式虽然能够得到更换数量，但是工作效率低，且主观判断容易误判或者错判，得到的电表更换数量误差较大。

技术实现思路

[0004]本专利技术的目的是提供一种预测智能电表更换数量的方法，以解决目前确定智能电表更换数量过程存在的效率低、误差大的问题。
[0005]本专利技术为解决上述技术问题而提供一种预测智能电表更换数量的方法，该预测方法包括以下步骤：
[0006]1)获取历史智能电表更换数量以及历史同期对电表寿命影响的环境数据，并确定出各环境数据作为影响因素的得分，所述的环境数据包括有温度、湿度、电应力和盐雾中的至少两种，对历史智能电表更换数据通过灰色模型进行处理，获得智能电表更换数量的预测值；
[0007]2)利用马尔科夫模型对预测值进行优化；
[0008]3)利用熵权法对得到的历史同期的环境数据的各影响因素得分进行处理，计算出智能电表环境因素对更换数量的影响权重，进而得到权重系数；
[0009]4)利用权重系数对马尔科夫模型优化后的预测值进行调整，得到最终预测结果。
[0010]本专利技术首先利用灰色模型对智能电表更换数量进行预测，然后利用马尔科夫模型对预测结果进行优化，再通过熵权法计算环境对智能电表元件影响的权重，最后在利用权重系数对灰色
‑
马尔科夫模型进行调整，使预测结果更加准确。本专利技术通过在灰色
‑
马尔科夫模型中加入熵权法，计算环境因素对智能电表更换数量的影响权重，得到最终预测结果，使智能电表更换数量的预测结果更加准确。
[0011]进一步地，所述步骤3)中的权重系数的确定过程为：将得到的影响因素得分作为初始矩阵，对得到的初始矩阵进行标准化处理；利用标准化处理后的初始矩阵计算各影响因素的熵值，根据熵值计算各影响因素的差异系数，进而根据差异系数计算各影响因素的权重；按照得到的各影响因素的权重，对各影响因素的得分进行加权求和计算，得到的计算结果即为权重系数σ。
[0012]熵权法是客观确定权重的方法，相较于层次分析法等主观法而言具有一定的精确性，其次，该方法确定出的权重可以进行修正，从而决定了其适应性较高的特点，本专利技术通过熵权法，计算环境对智能电表元件影响的权重，使预测结果更加精确。
[0013]进一步地，所述的灰色模型是基于加权平均弱化缓冲算子的改进模型，该模型的处理过程为：将获取的历史智能电表更换数量作为原始数据序列，对原始数据序列进行级比检验，对于不满足级比检验的序列，使用加权平均弱化缓冲算子对原始数据序列进行修正，直至修正序列满足级比检验，通过灰色模型对满足级比检验的序列进行预测。
[0014]进一步地，通过灰色模型预测的处理过程为：将满足级比检验的序列进行累加得到累加生成序列，利用累加生成序列构建灰色模型的白化微分方程，求解得到累加生成序列的预测值后，通过还原得到原始数据序列的预测值。
[0015]灰色预测具有运算简便、易于检验、不考虑分布规律和变化趋势等特点，传统灰色预测模型GM(1,1)在预测时很少对原始数据序列进行级比检验，导致预测结果与实际结果偏差较大，本专利技术利用加权平均弱化缓冲算子修正数据的方法，对原始数据进行修正并进行级比检验，对不满足级比检验的序列进行修正，使预测结果与实际结果更加接近。
[0016]进一步地，所述的马尔科夫模型是基于多个预测状态概率累加取最大值的改进模型，该模型的处理过程为：选取与待预测时刻最接近的前连续n个时刻的已知状态，分别用相应的k步状态转移概率矩阵求得待预测时刻的状态概率向量，并组成其概率矩阵；将多个状态对应概率进行累加，以最大概率准则确定待预测时刻的状态；然后将该预测出的状态作为已知状态，并以此状态为基础预测下一步的智能电表拆卸更换数量。
[0017]进一步地，所述的步骤2)中优化结果为：
[0018][0019]式中，为表示灰色模型预测得到的智能电表的第k个月拆卸更换数量的估计值，e
1j
和e
2j
分别为状态E
j
的下限和上限。
[0020]在智能电表拆卸更换数量的实际预测中发现，通过出现某状态的频率计算得到的状态转移概率矩阵往往不稳定的，本专利技术采用基于多个预测的状态概率累加取最大值的方法，求待测时刻的状态，降低传统马尔科夫方法转移预测所产生的误差，使预测结果更加精确。
[0021]进一步地，最终预测结果为：
[0022][0023]式中，σ为权重系数，为表示灰色模型预测得到智能电表的第k个月拆卸更换数量的估计值，e
1j
和e
2j
分别为状态E
j
的下限和上限。
附图说明
[0024]图1是本专利技术预测智能电表更换数量的方法的流程图；
[0025]图2是本专利技术中改进灰色模型的建模流程图；
[0026]图3是本专利技术实施例中灰色模型改进前后的误差对比结果图；
[0027]图4是本专利技术实施例中改进的灰色模型与改进的灰色
‑
马尔科夫模型预测误差对比结果图。
具体实施方式
[0028]下面结合附图对本专利技术的具体实施方式作进一步地说明。
[0029]预测智能电表更换数量的方法的实施例
[0030]本专利技术首先获取历史智能电表更换数量的原始数据序列，通过级比检验利用改进的灰色模型对智能电表的更换数量进行预测；然后对预测值进行误差检验；再利用改进的马尔科夫模型对预测值进一步优化，得到改进后的灰色
‑
马尔科夫的预测值；通过熵权法计算影响智能电表更换数量影响因素的权重，将影响因素权重进行数据融合梳理后得到最终系数；最后将最终系数加入改进的灰色
‑
马尔科夫模型，得到最终的预测值。该方法的实现流程如图1所示，下面结合具体的实例来进行说明。
[0031]1.获取历史智能电表更换数量得到原始数据序列，通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测智能电表更换数量的方法，其特征在于，该预测方法包括以下步骤：1)获取历史智能电表更换数量以及历史同期对电表寿命影响的环境数据，并确定出各环境数据作为影响因素的得分，所述的环境数据包括有温度、湿度、电应力和盐雾中的至少两种，对历史智能电表更换数据通过灰色模型进行处理，获得智能电表更换数量的预测值；2)利用马尔科夫模型对预测值进行优化；3)利用熵权法对得到的历史同期的环境数据的各影响因素得分进行处理，计算出智能电表环境因素对更换数量的影响权重，进而得到权重系数；4)利用权重系数对马尔科夫模型优化后的预测值进行调整，得到最终预测结果。2.根据权利要求1所述的预测智能电表更换数量的方法，其特征在于，所述步骤3)中的权重系数的确定过程为：将得到的影响因素得分作为初始矩阵，对得到的初始矩阵进行标准化处理；利用标准化处理后的初始矩阵计算各影响因素的熵值，根据熵值计算各影响因素的差异系数，进而根据差异系数计算各影响因素的权重；按照得到的各影响因素的权重对各影响因素的得分进行加权求和计算，得到的计算结果即为权重系数σ。3.根据权利要求1或2所述的预测智能电表更换数量的方法，其特征在于，所述步骤1)中的灰色模型是基于加权平均弱化缓冲算子的改进模型，该模型的处理过程为：将获取的历史智能电表更换数量作为原始数据序列，对原始数据序列进行级比检验，对于不满足级比检验的序列，使用加权平均弱化缓冲算子对原始数据序列进行修正，直至修正序列满足级比检验，通过灰色模型对满足级比检验的序列进行预测。...

【专利技术属性】
技术研发人员：钱波，戚凯，王博恒，崔晓婷，董瑞霞，王永锋，都正周，李维波，苏文斌，
申请(专利权)人：河南许继仪表有限公司，
类型：发明
国别省市：