自動(dòng)化檢定流水線(xiàn)為智能電能表的正常運(yùn)行提供保障,然而流水線(xiàn)在長(zhǎng)期運(yùn)行中會(huì)發(fā)生性能退化甚至故障,尤其是表位機(jī)械環(huán)節(jié)的形變與銹蝕,會(huì)導(dǎo)致誤差試驗(yàn)結(jié)果出現(xiàn)偏差。目前的人工定期檢測(cè)方法無(wú)法及時(shí)響應(yīng)流水線(xiàn)運(yùn)維間隔中出現(xiàn)的異常工況,因此,實(shí)現(xiàn)自動(dòng)化檢定流水線(xiàn)表位異常的在線(xiàn)檢測(cè),具有重要意義。文章提出了一種智能電能表自動(dòng)化檢定流水線(xiàn)表位在線(xiàn)異常檢測(cè)方法,通過(guò)對(duì)表位檢定數(shù)據(jù)分布進(jìn)行特征提取,將表位異常狀態(tài)轉(zhuǎn)換為數(shù)據(jù)分布的異常;并借助局部異常因子算法量化分布的異常程度,標(biāo)記產(chǎn)生異常分布的表位;應(yīng)用文章提出的方法對(duì)山東省電力公司計(jì)量中心智能電能表檢定數(shù)據(jù)進(jìn)行了分析,對(duì)比人工檢查結(jié)果,驗(yàn)證了方法的有效性。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1算法流程圖

(1)建立數(shù)據(jù)特征向量:選取某一批次智能電能表中的某一檢定單元，抽取其試驗(yàn)數(shù)據(jù)集為X，其包含的檢定表位樣本數(shù)量為60，計(jì)算得到每個(gè)表位10項(xiàng)試驗(yàn)數(shù)據(jù)的最值、期望、方差、偏度和峰度，形成共60個(gè)特征向量。對(duì)于任一樣本Xi，其特征向量Ti包含60個(gè)特征值，即:(2)特征縮放:由于每個(gè)....

圖2LOF數(shù)值隨k值變化的曲線(xiàn)

LOF算法中的k值會(huì)影響LOF的數(shù)值大小，合理的選擇k值可以達(dá)到較好的異常檢測(cè)效果。選取1號(hào)檢定單元的數(shù)據(jù)集，計(jì)算不同參數(shù)k對(duì)應(yīng)的LOF數(shù)值，繪制LOF的最大值、最小值、期望和標(biāo)準(zhǔn)差的曲線(xiàn)，如圖2所示。從圖2可以看出LOF數(shù)值隨k值變化的趨勢(shì)是波動(dòng)的:k值過(guò)小時(shí)，LOF的數(shù)值波動(dòng)....

本文編號(hào)：3927543