基于时间序列的电能表月故障数预测方法

被引：19

作者：

李媛 ^{[1
]}

郑安刚 ^{[1
]}

谭煌 ^{[1
]}

陈昊 ^{[1
]}

程淑亚 ^{[2
]}

蔡慧 ^{[2
]}

王黎欣 ^{[3
]}

机构：

[1] 中国电力科学研究院有限公司

[2] 中国计量大学机电工程学院

[3] 国网浙江省电力有限公司电力科学研究院

来源：

中国电力 | 2020年 / 53卷 / 06期

关键词：

电能表; 月故障数; 时间序列; BP神经网络; 电能表合理分配;

D O I：

暂无

中图分类号：

TM933.4 [电能测量、电度表];

学科分类号：

080802 ;

摘要：

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。

引用

页码：72 / 80

页数：9

共 20 条

[1] 1957～2015年我国春季短期温度波动规律 [J].