一种智能电能表自动化检定流水线表位在线异常检测方法

发布时间：2024-03-13 20:43

　　自动化检定流水线为智能电能表的正常运行提供保障,然而流水线在长期运行中会发生性能退化甚至故障,尤其是表位机械环节的形变与锈蚀,会导致误差试验结果出现偏差。目前的人工定期检测方法无法及时响应流水线运维间隔中出现的异常工况,因此,实现自动化检定流水线表位异常的在线检测,具有重要意义。文章提出了一种智能电能表自动化检定流水线表位在线异常检测方法,通过对表位检定数据分布进行特征提取,将表位异常状态转换为数据分布的异常;并借助局部异常因子算法量化分布的异常程度,标记产生异常分布的表位;应用文章提出的方法对山东省电力公司计量中心智能电能表检定数据进行了分析,对比人工检查结果,验证了方法的有效性。

【文章页数】：7 页

【部分图文】：

图1算法流程图

(1)建立数据特征向量:选取某一批次智能电能表中的某一检定单元，抽取其试验数据集为X，其包含的检定表位样本数量为60，计算得到每个表位10项试验数据的最值、期望、方差、偏度和峰度，形成共60个特征向量。对于任一样本Xi，其特征向量Ti包含60个特征值，即:(2)特征缩放:由于每个....

图2LOF数值随k值变化的曲线

LOF算法中的k值会影响LOF的数值大小，合理的选择k值可以达到较好的异常检测效果。选取1号检定单元的数据集，计算不同参数k对应的LOF数值，绘制LOF的最大值、最小值、期望和标准差的曲线，如图2所示。从图2可以看出LOF数值随k值变化的趋势是波动的:k值过小时，LOF的数值波动....

本文编号：3927543