智能电表故障大数据剖析探讨.docVIP

智能电表故障大数据剖析探讨 　　摘 要：电力行业贸易结算用智能电表功能多，故障类型多样。随着运行时间的延长，故障发生的概率增加。本文是针对智能电表故障类型、发生概率等数据的分析和总结，探究智能电表数据仓库模型建立，对进一步做好智能表质量评估和运行电能表故障预测提出解决方法。 　　关键词：智能电表；故障；数据；分析 　　中图分类号： TM93 文献标识码： A 文章编号： 1673-1069（2016）19-142-4 　　1 故障数据整理及数据仓库的构建 　　1.1 故障数据整理 　　通过已有的SG186系统、MDS系统、拆回表分拣系统，对智能电表故障数据进行汇总。通过整理发现，智能电表故障数据维度高，信息条目数多。在众多维度中选择和电表故障问题关系比较紧密的影响因子信息，并且将它们整合在一起。对数据本身的一些问题进行清理，对缺失值、不合理数据以及不符合书写规范的数据。 　　通过对各维度离散化标称数据的数目，并将他们进行编号，最后以编号的形式存入数据仓库中。对于日期型的数据，统一成天、月、年三种纬度来进行储存。电表的使用寿命长度以天为单位计算，电表的读数统一为小数点后两位。 　　1.2 建立数据仓库 　　通过对已有故障数据的汇总分类，初步建立数据库。数据库包含7个维度表、2个事件表。维度表分别为通讯接口表（CommunicationInterface）、芯片厂商表（ChipManufactory）、电流型号表（ElectricCurrent）、电表厂商表（ElectricMeterManufactory）、时间表（Time）、电表故障表（MeterFault）、地区表（DArea）。事件表是电表信息表（Meter）和坏表信息表（BadMeter）。 　　故障数据仓库各表字段包括条形码编号、表故障编号、安装时间、拆除时间、地区编号、电池使用时间、电池电压、开盖次数、电表读数、芯片型号编号、芯片型号、通讯接口编号、通讯接口型号、地区名称、建档日期、故障类型、故障编号。 　　各表中的数据，根据对于旧表数据的统计，共有7个芯片型号、8种通讯接口、5种电流型号、30个电表厂家和28种电表故障。按照天津区域分布，将天津分为10个区域，把时间分为日、月、年三个维度，在决策时可以按照不同时间纬度来进行统计工作。 　　2 故障分布与相关性分析 　　2.1 各个厂商电表的故障分布分析 　　针对各电表生产厂商的故障电表，进行以下三项分析： 　　各电表生产厂商内部的故障分布比例；各电表厂商的易发生故障列表（采用基于t检验的评分机制）；各电表厂商的特有故障列表（厂商的特有故障为相对于其他电表生产厂商，该厂商更易出现的故障，采用tf/idf法分析）。 　　从分析结果发现，多数厂商和地区的故障分布均具有一定特殊性，可以通过深入分析找到某厂商或地区区别于其他地区的特有故障类型。 　　2.2 故障之间的相关性分析 　　对各故障之间的相关程度进行分析（采用经过t检验的斯皮尔曼等级相关系数，保留相关度0.9的高度相关故障，共20对）。 　　从分析结果中我们可以看到，部分故障类型之间存在极高的相关性。 　　3 故障/参数间因果关系检验 　　3.1 Granger因果检验原理及方法 　　Granger因果检验通过比较“已知上一时刻所有信息，这一时刻X的概率分布情况”和“已知上一时刻除Y以外的所有信息，这一时刻X的概率分布情况”来进行假设检验，进而判断Y对X是否存在因果关系。 　　在本任务中，我们首先对芯片型号、电流型号、通讯接口型号、地区、生产厂家、电表使用时间、电表读数、电表故障组成的矩阵进行单位根检验，以判断序列是否是平稳的。如果平稳则进一步两列两列之间进行Granger因果检验。 　　3.2 Granger因果检验结果 　　在进行单位根检验后，ADF-Fisher Chi-square的P值为0，小于0.05，因此序列是平稳的。在进行Granger因果检验后得到如下实验结果。 　　①对于电表故障来说，芯片型号、使用地区、电表生产厂商、通讯接口型号、电流型号、电表读数、使用时间都是影响的原因。 　　②对于电表寿命来说，芯片型号、使用地区、电表生产厂商、通讯接口型号、电流型号、电表读数都是影响的原因。 　　③同时我们发现使用地区的不同，对于电表完整的生存周期中的读数有因果关系。我们由此可以猜测不同地区的用电习惯可能会有不同。 　　4 故障预测 　　在因果分析中，我们验证了和电表故障与寿命相关的影响因素，现在我们用这些影响因素来训练基础的分类器。在原始数据中，我们总共统计出了28种故障。故障类型过于细化且各种故障发生的数量相差极大，对于我们分类器的分类精度造成了非常大的影响。因此我们参照《智能电能表故障原因