本發(fā)明涉及智能電網(wǎng)設備在線狀態(tài)監(jiān)測技術領域，特別是涉及一種電能計量裝置狀態(tài)評估方法。本發(fā)明還涉及一種電能計量裝置狀態(tài)評估裝置及系統(tǒng)。

背景技術：

電能計量工作是電能企業(yè)一項非常重要的工作，也是電力企業(yè)和用戶建立信任的關鍵。準確的計量電能可以保障電量結算的公平，所以電能計量裝置的運行狀態(tài)是否正常直接影響著電能計量的準確性。對電能計量裝置運行狀態(tài)的評價在理論上屬于一個多層次、影響因素較多的一個復雜問題，只有通過對各種電參量的影響的綜合分析和評估才能實現(xiàn)對電能計量裝置狀態(tài)評估的優(yōu)化設計。

目前，主要采用計量誤差的方法對用戶的電能計量裝置的狀態(tài)進行評估，但是，現(xiàn)有技術中在采用計量誤差的方法對某一個用戶的電能計量裝置的狀態(tài)進行評估時，不僅需要采集該目標電能計量裝置的電氣參數(shù)，還需要采集與該目標電能計量裝置存在電器拓撲關系的多個相鄰設備的電器參數(shù)，以進一步對該目標電能計量裝置的狀態(tài)進行評估分析，現(xiàn)有技術中的電能計量裝置狀態(tài)評估方法需要采集的數(shù)據(jù)量較大，數(shù)據(jù)采集過程較為繁瑣，并且狀態(tài)評估的實現(xiàn)過程比較復雜。

因此，如何提供一種解決上述技術問題的電能計量裝置狀態(tài)評估方法、裝置及系統(tǒng)成為本領域的技術人員需要解決的問題。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種電能計量裝置狀態(tài)評估方法，在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集可一次性獲取，使數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)；本發(fā)明的另一目的是提供一種電能計量裝置狀態(tài)評估裝置和系統(tǒng)，在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)。

為解決上述技術問題，本發(fā)明提供了一種電能計量裝置狀態(tài)評估方法，所述方法包括：

采集用戶中電能計量裝置的電氣參數(shù)；

將所述電氣參數(shù)輸入至分析模型中并得到所述電能計量裝置中的各個子部件的運行異常概率；

所述分析模型通過層次分析法和模糊理論建立，所述分析模型包括輸入層、準則層和目標層。

可選的，所述將所述電氣參數(shù)輸入至分析模型中并得到所述電能計量裝置中的各個子部件的運行異常概率的過程具體為：

對所述電氣參數(shù)進行模糊化處理，得到所述電能計量裝置的狀態(tài)特征矩陣，所述狀態(tài)特征矩陣為n*n矩陣，其各個行向量分別為所述輸入層的各個子因素，所述n為不小于2的整數(shù)；

依據(jù)所述輸入層的各個所述子因素以及第一運算關系式計算得出準則層因素模糊化行向量；

依據(jù)所述準則層因素模糊化行向量以及第二運算關系式計算得出所述目標層的狀態(tài)評價系數(shù)矩陣；

將所述狀態(tài)評價系數(shù)矩陣進行反模糊化，并得到所述電能計量裝置中的各個子部件的運行異常概率。

可選的，所述將所述狀態(tài)評價系數(shù)矩陣進行反模糊化，并得到所述電能計量裝置中的各個子部件的運行異常概率的過程具體為：

利用所述狀態(tài)平均系數(shù)矩陣中的各個元素以及第三運算公式得到所述電能計量裝置中的相應的各個子部件的運行異常概率；所述第三運算公式為：

其中，η_k表示第k個子部件的運行異常概率，Z_k表示狀態(tài)平均系數(shù)矩陣中的第k個元素，α_k表示第k個子部件的第一異常概率閾值，β_k表示第k個子部件的第二異常概率閾值。

可選的，所述依據(jù)所述輸入層的各個所述子因素以及第一運算關系式計算得出準則層因素模糊化行向量的過程具體為：

依據(jù)1-9標度法求出所述輸入層的各個所述子因素相對于所述準則層的各個子因素的權重系數(shù)矩陣的各個第一權重系數(shù)列向量；

利用所述輸入層的各個所述子因素、各個所述第一權重系數(shù)列向量以及第一運算關系式計算得出準則層因素模糊化行向量。

可選的，所述依據(jù)所述準則層因素模糊化行向量以及第二運算關系式計算得出所述目標層的狀態(tài)評價系數(shù)矩陣的過程具體為：

依據(jù)1-9標度法求出所述準則層的各個所述子因素相對于所述目標層的各個子目標的權重系數(shù)矩陣的各個第二權重系數(shù)列向量；

利用所述準則層因素模糊化行向量、各個第二權重系數(shù)列向量以及第二關系式計算得出所述目標層的狀態(tài)評價系數(shù)矩陣。

可選的，所述準則層的子因素包括計量電壓、計量電流、功率因素、相位檢測以及異常告警。

可選的，如上述所述n為5。

可選的，如上述所述的電能計量裝置狀態(tài)評估方法，所述目標層的子目標包括電能表、電流互感器、電壓互感器、二次回路以及終端，所述目標層的各個所述子因素與所述電能計量裝置中的各個所述子部件一一對應。

為解決上述技術問題，本發(fā)明提供了一種電能計量裝置狀態(tài)評估裝置，所述裝置包括：

采集模塊，用于采集用戶中電能計量裝置的電氣參數(shù)，并將所述電氣參數(shù)發(fā)送出去；

輸入模塊，用于接收所述電氣參數(shù)，并將所述電氣參數(shù)輸入至分析模型；

所述分析模型，用于對所述電氣參數(shù)進行分析計算，以得到與所述電能計量裝置中的各個子部件的運行異常概率；

所述分析模型通過層次分析法和模糊理論建立，所述分析模型包括輸入層、準則層和目標層。

為解決上述技術問題，本發(fā)明提供了一種電能計量裝置狀態(tài)評估系統(tǒng)，所述系統(tǒng)包括如上述所述的裝置。

本發(fā)明提供了一種電能計量裝置狀態(tài)評估方法、裝置及系統(tǒng)，包括：采集用戶中電能計量裝置的電氣參數(shù)；將電氣參數(shù)輸入至分析模型中并得到電能計量裝置中的各個子部件的運行異常概率；分析模型通過層次分析法和模糊理論建立，分析模型包括輸入層、準則層和目標層。在對某一個用戶的電能計量裝置的狀態(tài)進行評估時，本發(fā)明只需要采集該用戶的電能計量裝置的電氣參數(shù)即可，并將所采集的電氣參數(shù)輸入至通過層次分析法和模糊理論建立的分析模型中，利用層次分析法和模糊理論對所采集的電氣參數(shù)進行分析計算得出電能計量裝置中的各個子部件的運行異常概率，以便對電能計量裝置的運行狀態(tài)進行評估。與現(xiàn)有技術相比，本發(fā)明在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集可一次性獲取，使數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對現(xiàn)有技術和實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明提供的一種電能計量裝置狀態(tài)評估方法的流程示意圖；

圖2為本發(fā)明提供的一種電能計量裝置狀態(tài)評估裝置的結構示意圖。

具體實施方式

本發(fā)明提供了一種電能計量裝置狀態(tài)評估方法，在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集可一次性獲取，使數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)；本發(fā)明還提供了一種電能計量裝置狀態(tài)評估裝置和系統(tǒng)，在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)。

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

由于電能計量裝置運行狀態(tài)評估在理論上屬于一個多層次、影響因素較多的一個復雜問題，只有通過對各種電參量的影響的綜合分析和評估才能實現(xiàn)對電能計量裝置狀態(tài)評估的優(yōu)化設計。層次分析法是模擬人的思考邏輯和推理分析，使用定性和定量的方式將復雜的問題系統(tǒng)化，將多個目標決策化為多層次的簡單問題，又不會單一的追求理論計算，應用容易、結果簡單明確的一種分析方法。又因為，電器設備在狀態(tài)監(jiān)測過程中存在許多不確定性，常常表現(xiàn)為不同的電器設備狀態(tài)可能具有相似的電參量特征值，而不同的電參量特征值可能對應同一電能計量裝置的設備異常狀態(tài)。因此，電能計量裝置的設備狀態(tài)監(jiān)測異常與否可視為具有一定的模糊性。不能將設備的異常性絕對地識別為“存在”或“不存在”。對于設備出現(xiàn)異常這一模糊現(xiàn)象，用傳統(tǒng)的監(jiān)測識別方法存在一些困難，模糊理論則顯示出其模糊數(shù)學的優(yōu)越性。

本發(fā)明將層次分析法與模糊理論相結合，將其應用于電能計量裝置運行狀態(tài)評價具有較高的可塑性。

請參照圖1，圖1為本發(fā)明提供的一種電能計量裝置狀態(tài)評估方法的流程示意圖。該方法包括：

步驟10：采集用戶中電能計量裝置的電氣參數(shù)；

步驟20：將電氣參數(shù)輸入至分析模型中并得到電能計量裝置中的各個子部件的運行異常概率；其中，分析模型通過層次分析法和模糊理論建立，分析模型包括輸入層、準則層和目標層。

需要說明的是，本發(fā)明中所提供的分析模型是通過層次分析法以及模糊理論建立的，該分析模型包括輸入層、準則層和目標層三個層次，其中，輸入層的子因素主要是電能計量裝置各個原始運行數(shù)據(jù)或事件記錄；準則層是影響因素層；目標層是要達到的預期結果，例如可以識別異常出現(xiàn)在電能計量裝置的哪個子部件并得到各個子部件的運行異常概率。

具體的，可以通過后臺獲取相應用戶的電能計量裝置的電氣參數(shù)；并將所采集到的電氣參數(shù)輸入至分析模型中，分析模型利用層次分析法以及模糊理論對電氣參數(shù)進行分析計算，以得到電能計量裝置中的各個子部件的運行異常概率，以實現(xiàn)對電能計量裝置狀態(tài)的評估。當然，分析結果(即電能計量裝置的各個子部件的運行異常概率)可以作為相關的工作人員對電能計量裝置進行現(xiàn)場檢修的依據(jù)。

作為可選的，將電氣參數(shù)輸入至分析模型中并得到電能計量裝置中的各個子部件的運行異常概率的過程具體為：

對電氣參數(shù)進行模糊化處理，得到電能計量裝置的狀態(tài)特征矩陣，狀態(tài)特征矩陣為n*n矩陣，其各個行向量分別為輸入層的各個子因素，n為不小于2的整數(shù)；

依據(jù)輸入層的各個子因素以及第一運算關系式計算得出準則層因素模糊化行向量；

依據(jù)準則層因素模糊化行向量以及第二運算關系式計算得出目標層的狀態(tài)評價系數(shù)矩陣；

將狀態(tài)評價系數(shù)矩陣進行反模糊化，并得到電能計量裝置中的各個子部件的運行異常概率。

具體的，對電氣參數(shù)進行模糊化處理，得到輸入層相應的變量的取值，得到電能計量裝置的狀態(tài)特征矩陣，該狀態(tài)特征矩陣為nxn矩陣，本申請中優(yōu)選的n取值為5，則狀態(tài)特征矩陣為P_5x5，其元素為P_ij，其中，i和j均為整數(shù)，且i的取值范圍為[1,5]，j的取值范圍為[1,5]，則狀態(tài)特征矩陣P_5x5中的5個行向量P_i分別為輸入層的5個子因素，即輸入層的第一子因素為P₁，第二子因素為P₂，第三子因素為P₃，第四子因素為P₄，第五子因素為P₅。如表1所示，表1為本發(fā)明提供的輸入層相對應準則層的輸入變量及其取值，其中，取值范圍處1表示該事件已經發(fā)生，“0”表示該事件未發(fā)生，當取值為[0,1]時，其值大小與對應的狀態(tài)監(jiān)測項的異常程度成模糊正相關。在分析計算中P_ij的取值即為0或1或[0,1]之間的某一個值，并且P_ij的具體取值應根據(jù)實際情況而定。

作為可選的，準則層的子因素包括計量電壓、計量電流、功率因素、相位檢測以及異常告警。

需要說明的是，本申請中的準則層的子因素包括以上幾種。當然，不僅限于這幾種，還可以包括其他子因素，具體的可以根據(jù)實際情況而定，本發(fā)明對此不做特殊的限定，能實現(xiàn)本發(fā)明的目的即可。

作為可選的，如上述的電能計量裝置狀態(tài)評估方法，目標層的子目標包括電能表、電流互感器、電壓互感器、二次回路以及終端，目標層的各個子目標與電能計量裝置中的各個子部件一一對應。

需要說明的是，目標中的各個子因素也就是電能計量裝置中的各個子部件。另外，本申請中的目標層的子目標包括以上幾種。當然，不僅限于這幾種，還可以包括其他子因素，具體的可以根據(jù)實際情況而定，本發(fā)明對此不做特殊的限定，能實現(xiàn)本發(fā)明的目的即可。

作為可選的，依據(jù)輸入層的各個子因素以及第一運算關系式計算得出準則層因素模糊化行向量的過程具體為：

依據(jù)1-9標度法求出輸入層的各個子因素相對于準則層的各個子因素的權重系數(shù)矩陣的各個第一權重系數(shù)列向量；

利用輸入層的各個子因素、各個第一權重系數(shù)列向量以及第一運算關系式計算得出準則層因素模糊化行向量。

需要說明的是，依據(jù)1-9標度法通過構造判斷矩陣可以求出輸入層的子因素P_i(i＝1,2,3,4,5)，相對于準則層的各個子因素的權重系數(shù)矩陣的各個第一權重系數(shù)列向量，例如準則層的各個子因素為C_i，則由輸入層的子因素P_i得到的第一權重系數(shù)列向量為R_ci，依據(jù)i的取值可以得到R_c1、R_c2、R_c3、R_c4以及R_c5這五個第一權重系數(shù)列向量。依據(jù)第一運算關系式，其中第一運算關系式為C_i＝P_i·R_Ci，則可以得到每個準則層因素模糊化量化值C_i。具體的，i＝1時，即可求出C₁；i＝2時，即可求出C₂；i＝3時，即可求出C₃；i＝4時，即可求出C₄；i＝5時，即可求出C₅，進一步得到準則層因素模糊化行向量C，即：

C＝[C₁ C₂ C₃ C₄ C₅]

＝[P₁·R_C1 P₂·R_C2 P₃·R_C3 P₄·R_C4 P₅·R_C5]

其中，C₁為計量電壓、C₂為計量電流、C₃為功率因素、C₄為相位檢測以及C₅為異常告警。

作為可選的，依據(jù)準則層因素模糊化行向量以及第二運算關系式計算得出目標層的狀態(tài)評價系數(shù)矩陣的過程具體為：

依據(jù)1-9標度法求出準則層的各個子因素相對于目標層的各個子目標的權重系數(shù)矩陣的各個第二權重系數(shù)列向量；

利用準則層因素模糊化行向量、各個第二權重系數(shù)列向量以及第二關系式計算得出目標層的狀態(tài)評價系數(shù)矩陣。

需要說明的是，依據(jù)1-9標度法通過構造判斷矩陣可以求出準則層的各個子因素相對于目標層的各個子目標的權重系數(shù)矩陣的各個第二權重系數(shù)列向量。也就是，求出準則層中的各個子因素(計量電壓、計量電流、功率因素、相位檢測以及異常告警)相對于目標層的各個子目標(電能表、電流互感器、電壓互感器、二次回路以及終端)的權重系數(shù)矩陣的各個第二權重系數(shù)列向量，其中，該權重系數(shù)矩陣也為5x5矩陣，一共得到5個第二權重系數(shù)列向量。例如目標層的各個子目標為Z_k，則由準則層的子因素C_i得到的第二權重系數(shù)列向量為R_zk(k＝1,2,3,4,5)，5個第二權重系數(shù)列向量分別為R_z1、R_z2、R_z3、R_z4以及R_z5。依據(jù)第二運算關系式，其中第二運算關系式為Z_k＝C·R_Zk，準則層因素模糊化行向量為C，則可以得到每個目標層子目標模糊量化值Z_k，將得到的各個目標層子目標模糊量化值Z_k進行組合即可得到目標層的狀態(tài)評價系數(shù)矩陣，該目標層的狀態(tài)評價系數(shù)矩陣為1x5矩陣(即為一個行向量)Z_1x5，即：

作為可選的，將狀態(tài)評價系數(shù)矩陣進行反模糊化，并得到電能計量裝置中的各個子部件的運行異常概率的過程具體為：

利用狀態(tài)平均系數(shù)矩陣中的各個元素以及第三運算公式得到電能計量裝置中的相應的各個子部件的運行異常概率；第三運算公式為：

其中，η_k表示第k個子部件的運行異常概率，Z_k表示狀態(tài)平均系數(shù)矩陣中的第k個元素，α_k表示第k個子部件的第一異常概率閾值，β_k表示第k個子部件的第二異常概率閾值。

具體的，將狀態(tài)評價系數(shù)矩陣Z進行反模糊化，得到的各個子部件的運行異常概率η_k應滿足上述關系式。當η_k的計算結果在[0,1]之間時，則該值越大表示對應的子部件出現(xiàn)故障的幾率越大，所以根據(jù)計算結果即可分析確定故障可能出現(xiàn)的位置，相關的工作人員即可根據(jù)計算結果對現(xiàn)場進行檢修維護。

需要說明的是，本申請中所提供的第一異常概率閥值α_k和第二異常概率閾值β_k是依據(jù)“最大隸屬度取最大值”及“隸屬度求和”原則，從輸入層因素中選取出可表征子目標異常的充要權重因子作為評價閥值。具體的，請參照表2，表2為本發(fā)明提供的各個子目標的異常概率閾值。

表1

表2

需要說明的是，α_k以及β_k的具體取值應根據(jù)實際情況而定。

作為可選的，如上述的電能計量裝置狀態(tài)評估方法，n的取值為5。

需要說明的是，在本申請所提供的實施例中n的取值為5，即所采集的數(shù)據(jù)為25個。當然，在實際應用中對于n的具體取值應依據(jù)實際情況而定，本發(fā)明對此不做任何限定，能實現(xiàn)本發(fā)明的目的即可。

本發(fā)明提供了一種電能計量裝置狀態(tài)評估方法，包括：采集用戶中電能計量裝置的電氣參數(shù)；將電氣參數(shù)輸入至分析模型中并得到電能計量裝置中的各個子部件的運行異常概率；分析模型通過層次分析法和模糊理論建立，分析模型包括輸入層、準則層和目標層。在對某一個用戶的電能計量裝置的狀態(tài)進行評估時，本發(fā)明只需要采集該用戶的電能計量裝置的電氣參數(shù)即可，并將所采集的電氣參數(shù)輸入至通過層次分析法和模糊理論建立的分析模型中，利用層次分析法和模糊理論對所采集的電氣參數(shù)進行分析計算得出電能計量裝置中的各個子部件的運行異常概率，以便對電能計量裝置的運行狀態(tài)進行評估。本發(fā)明在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集可一次性獲取，使數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)。

請參照圖2，圖2為本發(fā)明提供的一種電能計量裝置狀態(tài)評估裝置的結構示意圖。在上述實施例的基礎上：

該裝置包括：

采集模塊1，用于采集用戶中電能計量裝置的電氣參數(shù)，并將電氣參數(shù)發(fā)送出去；

輸入模塊2，用于接收電器參數(shù)，并將電氣參數(shù)輸入至分析模型3；

分析模型3，用于對電氣參數(shù)進行分析計算，以得到與電能計量裝置中的各個子部件的運行異常概率；

分析模型3通過層次分析法和模糊理論建立，分析模型包括輸入層、準則層和目標層。

需要說明的是，本發(fā)明提供了一種電能計量裝置狀態(tài)評估裝置，在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集可一次性獲取，使數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)。另外，對于本發(fā)明所提供的電能計量裝置狀態(tài)評估裝置中所涉及到的電能計量裝置狀態(tài)評估方法的具體介紹請參照上述實施例，本發(fā)明對此不再贅述。

本發(fā)明提供了一種電能計量裝置狀態(tài)評估系統(tǒng)，系統(tǒng)包括如上述的裝置。在上述實施例的基礎上：

需要說明的是，本發(fā)明提供了一種電能計量裝置狀態(tài)評估系統(tǒng)，在使用的過程中所需數(shù)據(jù)較少，數(shù)據(jù)采集可一次性獲取，使數(shù)據(jù)采集更加容易，并且狀態(tài)評估更易于實現(xiàn)。另外，對于本發(fā)明所提供的電能計量裝置狀態(tài)評估系統(tǒng)中所涉及到的電能計量裝置狀態(tài)評估方法的具體介紹請參照上述方法實施例，本發(fā)明對此不再贅述。

還需要說明的是，在本說明書中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

對所公開的實施例的上述說明，使本領域專業(yè)技術人員能夠實現(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領域的專業(yè)技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其他實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。