[發明專利]智能電能表故障的分析方法及分析裝置

在審

• 申請號: 202110213552.0
• 申請日: 2021-02-25
• 公開（公告）號: CN112834978A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 黨三磊;黃友朋;招景明;唐捷;彭策;路韜
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司計量中心
• 主分類號: G01R35/04
• 分類號: G01R35/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;吳落

1.一種智能電能表故障的分析方法，其特征在于，包括：

建立智能電能表的故障數據庫；

獲取某一智能電能表的連續的特征參數樣本；

對所述特征參數樣本的樣本數據進行初始化和模糊處理，得到綜合診斷網絡；

根據所述綜合診斷網絡和所述故障數據庫進行判斷，得到對應的的分析結果。

2.根據權利要求1所述的分析方法，其特征在于，

所述故障數據庫包括若干條故障數據，每條故障數據包括輸出波形特征的范圍參數、故障判定結果和元器件故障模型組成的特征向量。

3.根據權利要求2所述的分析方法，其特征在于，所述建立智能電能表的故障數據庫，包括：

建立所述智能電能表的電路功能仿真模型和元器件的故障模型，其中所述元器件故障模型包括元器件類型、位置及其失效模式；

根據所述電路功能仿真模型和所述元器件故障模型，得出電路故障仿真模型；

運行所述電路故障仿真模型，并以所述電路故障仿真模型中的元器件的故障模型作為節點選取故障測試節點，得到所述故障測試節點對應失效模式的輸出波形，并提取所述波形特征的范圍參數；

對所述波形特征的范圍參數進行判斷，得到故障判定結果；

根據所述波形特征的范圍參數、所述故障判定結果和所述元器件故障模型組成的特征向量建立所述智能電能表的故障數據庫。

4.根據權利要求1所述的分析方法，其特征在于，所述對所述特征參數樣本的樣本數據進行初始化和模糊處理，得到綜合診斷網絡，包括：

將所述樣本數據輸入自適應神經模糊推理系統，其中所述樣本數據包括用電量、電氣量和最大需量中的至少兩個；

使用第一級自適應神經模糊推理系統對各連續的特征參數構成的樣本數據依次進行自適應神經模糊系統結構參數的初值化、確定訓練參數、訓練自適應神經模糊系統的處理，得出初始診斷網絡；

使用第二級自適應神經模糊推理系統對所述初始診斷網絡進行自適應神經模糊系統的模糊處理，得到綜合診斷網絡。

5.根據權利要求4所述的分析方法，其特征在于，所述自適應神經模糊推理系統的結構包括模糊化層、規則推理層、歸一化層、逆模糊化層和輸出層。

6.一種智能電能表故障的分析裝置，其特征在于，包括：

故障數據庫模塊，用于建立并保存所述故障數據庫；

特征參數樣本模塊，用于獲取某一智能電能表的連續的特征參數樣本；

處理模塊，用于對所述特征參數樣本的樣本數據進行初始化和模糊處理，得到綜合診斷網絡，并根據所述綜合診斷網絡和所述故障數據庫進行判斷，得到對應的分析結果。

7.根據權利要求6所述的智能電能表故障的分析裝置，其特征在于，

所述故障數據庫包括若干條故障數據，每條故障數據包括輸出波形特征的范圍參數、故障判定結果和元器件故障模型組成的特征向量。

8.根據權利要求7所述的分析裝置，其特征在于，

所述故障數據庫模塊還用于建立所述智能電能表的電路功能仿真模型和元器件的故障模型，其中所述元器件故障模型包括元器件類型、位置及其失效模式；

根據所述電路功能仿真模型和所述元器件故障模型，得出電路故障仿真模型；

運行所述電路故障仿真模型，并以所述電路故障仿真模型中的元器件的故障模型作為節點選取故障測試節點，得到所述故障測試節點對應失效模式的輸出波形，并提取所述波形特征的范圍參數；

對所述波形特征的范圍參數進行判斷，得到故障判定結果；

根據所述波形特征的范圍參數、所述故障判定結果和所述元器件故障模型組成的特征向量建立所述智能電能表的故障數據庫。