首页|基于时间序列的电能表月故障数预测方法

基于时间序列的电能表月故障数预测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对当前国网信息系统中电能表故障预测模型比较简单、不够全面和没有具体电能表月故障数预测模型的问题,基于时间序列建立综合时间序列预测模型,实现对批次电能表月故障数较准确的预测.首先计算电能表月故障数的移动平均序列,去除微小波动;然后根据序列是否有明显长期趋势,选用ARIMA模型或指数平滑模型对移动平均序列进行预测;最后采用反向移动平均,实现对整个批次电能表月故障数准确的短期预测.通过与BP神经网络模型的预测进行对比,验证了综合时间序列模型的实用性和准确性.在此基础上,建立电能表月故障总数预测模型.计量资产管理部门可以根据所提方法对故障电能表数进行预测,根据预测结果进行备货,提高管理部门的资源配置合理性和工作效率.
A New Method for Predicting the Monthly Fault Number of Watt-hour Meters Based on Time Series

李媛、郑安刚、谭煌、陈昊、程淑亚、蔡慧、王黎欣

展开 >

中国电力科学研究院有限公司,北京 100192

中国计量大学 机电工程学院,浙江 杭州 310018

国网浙江省电力有限公司电力科学研究院,浙江 杭州 310014

电能表 月故障数 时间序列 BP神经网络 电能表合理分配

国家电网公司科技项目

JL71-18-019

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(6)
  • 13
  • 17