本發(fā)明涉及智能電網(wǎng)設(shè)備在線狀態(tài)監(jiān)測技術(shù)領(lǐng)域，特別是涉及一種電能計(jì)量裝置狀態(tài)評估方法。本發(fā)明還涉及一種電能計(jì)量裝置狀態(tài)評估裝置及系統(tǒng)。

背景技術(shù)：

電能計(jì)量工作是電能企業(yè)一項(xiàng)非常重要的工作，也是電力企業(yè)和用戶建立信任的關(guān)鍵。準(zhǔn)確的計(jì)量電能可以保障電量結(jié)算的公平，所以電能計(jì)量裝置的運(yùn)行狀態(tài)是否正常直接影響著電能計(jì)量的準(zhǔn)確性。對電能計(jì)量裝置運(yùn)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(fù)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(shí)現(xiàn)對電能計(jì)量裝置狀態(tài)評估的優(yōu)化設(shè)計(jì)。

目前，主要采用計(jì)量誤差的方法對用戶的電能計(jì)量裝置的狀態(tài)進(jìn)行評估，但是，現(xiàn)有技術(shù)中在采用計(jì)量誤差的方法對某一個用戶的電能計(jì)量裝置的狀態(tài)進(jìn)行評估時，不僅需要采集該目標(biāo)電能計(jì)量裝置的電氣參數(shù)，還需要采集與該目標(biāo)電能計(jì)量裝置存在電器拓?fù)潢P(guān)系的多個相鄰設(shè)備的電器參數(shù)，以進(jìn)一步對該目標(biāo)電能計(jì)量裝置的狀態(tài)進(jìn)行評估分析，現(xiàn)有技術(shù)中的電能計(jì)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(shí)現(xiàn)過程比較復(fù)雜。

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

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種電能計(jì)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(shí)現(xiàn)；本發(fā)明的另一目的是提供一種電能計(jì)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(shí)現(xiàn)。

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

采集用戶中電能計(jì)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(jì)量裝置中的各個子部件的運(yùn)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(zhǔn)則層和目標(biāo)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(jì)量裝置中的各個子部件的運(yùn)行異常概率的過程具體為：

對所述電氣參數(shù)進(jìn)行模糊化處理，得到所述電能計(jì)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(yùn)算關(guān)系式計(jì)算得出準(zhǔn)則層因素模糊化行向量；

依據(jù)所述準(zhǔn)則層因素模糊化行向量以及第二運(yùn)算關(guān)系式計(jì)算得出所述目標(biāo)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(jìn)行反模糊化，并得到所述電能計(jì)量裝置中的各個子部件的運(yùn)行異常概率。

可選的，所述將所述狀態(tài)評價系數(shù)矩陣進(jìn)行反模糊化，并得到所述電能計(jì)量裝置中的各個子部件的運(yùn)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(yùn)算公式得到所述電能計(jì)量裝置中的相應(yīng)的各個子部件的運(yùn)行異常概率；所述第三運(yùn)算公式為：

其中，η_k表示第k個子部件的運(yùn)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(yùn)算關(guān)系式計(jì)算得出準(zhǔn)則層因素模糊化行向量的過程具體為：

依據(jù)1-9標(biāo)度法求出所述輸入層的各個所述子因素相對于所述準(zhǔn)則層的各個子因素的權(quán)重系數(shù)矩陣的各個第一權(quán)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(quán)重系數(shù)列向量以及第一運(yùn)算關(guān)系式計(jì)算得出準(zhǔn)則層因素模糊化行向量。

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

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

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

可選的，所述準(zhǔn)則層的子因素包括計(jì)量電壓、計(jì)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(jì)量裝置狀態(tài)評估方法，所述目標(biāo)層的子目標(biāo)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(biāo)層的各個所述子因素與所述電能計(jì)量裝置中的各個所述子部件一一對應(yīng)。

為解決上述技術(shù)問題，本發(fā)明提供了一種電能計(jì)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(jì)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(jìn)行分析計(jì)算，以得到與所述電能計(jì)量裝置中的各個子部件的運(yùn)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(zhǔn)則層和目標(biāo)層。

為解決上述技術(shù)問題，本發(fā)明提供了一種電能計(jì)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(jì)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(jì)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(jì)量裝置中的各個子部件的運(yùn)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(zhǔn)則層和目標(biāo)層。在對某一個用戶的電能計(jì)量裝置的狀態(tài)進(jìn)行評估時，本發(fā)明只需要采集該用戶的電能計(jì)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(jìn)行分析計(jì)算得出電能計(jì)量裝置中的各個子部件的運(yùn)行異常概率，以便對電能計(jì)量裝置的運(yùn)行狀態(tài)進(jìn)行評估。與現(xiàn)有技術(shù)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(shí)現(xiàn)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對現(xiàn)有技術(shù)和實(shí)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(shí)施例，對于本領(lǐng)域普通技術(shù)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(jì)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(jì)量裝置狀態(tài)評估裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

本發(fā)明提供了一種電能計(jì)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(shí)現(xiàn)；本發(fā)明還提供了一種電能計(jì)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(shí)現(xiàn)。

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)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(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

由于電能計(jì)量裝置運(yùn)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(fù)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(shí)現(xiàn)對電能計(jì)量裝置狀態(tài)評估的優(yōu)化設(shè)計(jì)。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(fù)雜的問題系統(tǒng)化，將多個目標(biāo)決策化為多層次的簡單問題，又不會單一的追求理論計(jì)算，應(yīng)用容易、結(jié)果簡單明確的一種分析方法。又因?yàn)椋娖髟O(shè)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(shè)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(yīng)同一電能計(jì)量裝置的設(shè)備異常狀態(tài)。因此，電能計(jì)量裝置的設(shè)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(shè)備的異常性絕對地識別為“存在”或“不存在”。對于設(shè)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(xué)的優(yōu)越性。

本發(fā)明將層次分析法與模糊理論相結(jié)合，將其應(yīng)用于電能計(jì)量裝置運(yùn)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(jì)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(jì)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(jì)量裝置中的各個子部件的運(yùn)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(zhǔn)則層和目標(biāo)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(zhǔn)則層和目標(biāo)層三個層次，其中，輸入層的子因素主要是電能計(jì)量裝置各個原始運(yùn)行數(shù)據(jù)或事件記錄；準(zhǔn)則層是影響因素層；目標(biāo)層是要達(dá)到的預(yù)期結(jié)果，例如可以識別異常出現(xiàn)在電能計(jì)量裝置的哪個子部件并得到各個子部件的運(yùn)行異常概率。

具體的，可以通過后臺獲取相應(yīng)用戶的電能計(jì)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(jìn)行分析計(jì)算，以得到電能計(jì)量裝置中的各個子部件的運(yùn)行異常概率，以實(shí)現(xiàn)對電能計(jì)量裝置狀態(tài)的評估。當(dāng)然，分析結(jié)果(即電能計(jì)量裝置的各個子部件的運(yùn)行異常概率)可以作為相關(guān)的工作人員對電能計(jì)量裝置進(jìn)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(jì)量裝置中的各個子部件的運(yùn)行異常概率的過程具體為：

對電氣參數(shù)進(jìn)行模糊化處理，得到電能計(jì)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(yùn)算關(guān)系式計(jì)算得出準(zhǔn)則層因素模糊化行向量；

依據(jù)準(zhǔn)則層因素模糊化行向量以及第二運(yùn)算關(guān)系式計(jì)算得出目標(biāo)層的狀態(tài)評價系數(shù)矩陣；

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

具體的，對電氣參數(shù)進(jìn)行模糊化處理，得到輸入層相應(yīng)的變量的取值，得到電能計(jì)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(yīng)準(zhǔn)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(jīng)發(fā)生，“0”表示該事件未發(fā)生，當(dāng)取值為[0,1]時，其值大小與對應(yīng)的狀態(tài)監(jiān)測項(xiàng)的異常程度成模糊正相關(guān)。在分析計(jì)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(yīng)根據(jù)實(shí)際情況而定。

作為可選的，準(zhǔn)則層的子因素包括計(jì)量電壓、計(jì)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(zhǔn)則層的子因素包括以上幾種。當(dāng)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(shí)際情況而定，本發(fā)明對此不做特殊的限定，能實(shí)現(xiàn)本發(fā)明的目的即可。

作為可選的，如上述的電能計(jì)量裝置狀態(tài)評估方法，目標(biāo)層的子目標(biāo)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(biāo)層的各個子目標(biāo)與電能計(jì)量裝置中的各個子部件一一對應(yīng)。

需要說明的是，目標(biāo)中的各個子因素也就是電能計(jì)量裝置中的各個子部件。另外，本申請中的目標(biāo)層的子目標(biāo)包括以上幾種。當(dāng)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(shí)際情況而定，本發(fā)明對此不做特殊的限定，能實(shí)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(yùn)算關(guān)系式計(jì)算得出準(zhǔn)則層因素模糊化行向量的過程具體為：

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

利用輸入層的各個子因素、各個第一權(quán)重系數(shù)列向量以及第一運(yùn)算關(guān)系式計(jì)算得出準(zhǔn)則層因素模糊化行向量。

需要說明的是，依據(jù)1-9標(biāo)度法通過構(gòu)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(zhǔn)則層的各個子因素的權(quán)重系數(shù)矩陣的各個第一權(quán)重系數(shù)列向量，例如準(zhǔn)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(quán)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(quán)重系數(shù)列向量。依據(jù)第一運(yùn)算關(guān)系式，其中第一運(yùn)算關(guān)系式為C_i＝P_i·R_Ci，則可以得到每個準(zhǔn)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(jìn)一步得到準(zhǔn)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(jì)量電壓、C₂為計(jì)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(zhǔn)則層因素模糊化行向量以及第二運(yùn)算關(guān)系式計(jì)算得出目標(biāo)層的狀態(tài)評價系數(shù)矩陣的過程具體為：

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

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

需要說明的是，依據(jù)1-9標(biāo)度法通過構(gòu)造判斷矩陣可以求出準(zhǔn)則層的各個子因素相對于目標(biāo)層的各個子目標(biāo)的權(quán)重系數(shù)矩陣的各個第二權(quán)重系數(shù)列向量。也就是，求出準(zhǔn)則層中的各個子因素(計(jì)量電壓、計(jì)量電流、功率因素、相位檢測以及異常告警)相對于目標(biāo)層的各個子目標(biāo)(電能表、電流互感器、電壓互感器、二次回路以及終端)的權(quán)重系數(shù)矩陣的各個第二權(quán)重系數(shù)列向量，其中，該權(quán)重系數(shù)矩陣也為5x5矩陣，一共得到5個第二權(quán)重系數(shù)列向量。例如目標(biāo)層的各個子目標(biāo)為Z_k，則由準(zhǔn)則層的子因素C_i得到的第二權(quán)重系數(shù)列向量為R_zk(k＝1,2,3,4,5)，5個第二權(quán)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(yùn)算關(guān)系式，其中第二運(yùn)算關(guān)系式為Z_k＝C·R_Zk，準(zhǔn)則層因素模糊化行向量為C，則可以得到每個目標(biāo)層子目標(biāo)模糊量化值Z_k，將得到的各個目標(biāo)層子目標(biāo)模糊量化值Z_k進(jìn)行組合即可得到目標(biāo)層的狀態(tài)評價系數(shù)矩陣，該目標(biāo)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(jìn)行反模糊化，并得到電能計(jì)量裝置中的各個子部件的運(yùn)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(yùn)算公式得到電能計(jì)量裝置中的相應(yīng)的各個子部件的運(yùn)行異常概率；第三運(yùn)算公式為：

其中，η_k表示第k個子部件的運(yùn)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(jìn)行反模糊化，得到的各個子部件的運(yùn)行異常概率η_k應(yīng)滿足上述關(guān)系式。當(dāng)η_k的計(jì)算結(jié)果在[0,1]之間時，則該值越大表示對應(yīng)的子部件出現(xiàn)故障的幾率越大，所以根據(jù)計(jì)算結(jié)果即可分析確定故障可能出現(xiàn)的位置，相關(guān)的工作人員即可根據(jù)計(jì)算結(jié)果對現(xiàn)場進(jìn)行檢修維護(hù)。

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(biāo)異常的充要權(quán)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(biāo)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(yīng)根據(jù)實(shí)際情況而定。

作為可選的，如上述的電能計(jì)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(shí)施例中n的取值為5，即所采集的數(shù)據(jù)為25個。當(dāng)然，在實(shí)際應(yīng)用中對于n的具體取值應(yīng)依據(jù)實(shí)際情況而定，本發(fā)明對此不做任何限定，能實(shí)現(xiàn)本發(fā)明的目的即可。

本發(fā)明提供了一種電能計(jì)量裝置狀態(tài)評估方法，包括：采集用戶中電能計(jì)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(jì)量裝置中的各個子部件的運(yùn)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(zhǔn)則層和目標(biāo)層。在對某一個用戶的電能計(jì)量裝置的狀態(tài)進(jìn)行評估時，本發(fā)明只需要采集該用戶的電能計(jì)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(jìn)行分析計(jì)算得出電能計(jì)量裝置中的各個子部件的運(yùn)行異常概率，以便對電能計(jì)量裝置的運(yùn)行狀態(tài)進(jìn)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(shí)現(xiàn)。

請參照圖2，圖2為本發(fā)明提供的一種電能計(jì)量裝置狀態(tài)評估裝置的結(jié)構(gòu)示意圖。在上述實(shí)施例的基礎(chǔ)上：

該裝置包括：

采集模塊1，用于采集用戶中電能計(jì)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(jìn)行分析計(jì)算，以得到與電能計(jì)量裝置中的各個子部件的運(yùn)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(zhǔn)則層和目標(biāo)層。

需要說明的是，本發(fā)明提供了一種電能計(jì)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(shí)現(xiàn)。另外，對于本發(fā)明所提供的電能計(jì)量裝置狀態(tài)評估裝置中所涉及到的電能計(jì)量裝置狀態(tài)評估方法的具體介紹請參照上述實(shí)施例，本發(fā)明對此不再贅述。

本發(fā)明提供了一種電能計(jì)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(shí)施例的基礎(chǔ)上：

需要說明的是，本發(fā)明提供了一種電能計(jì)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(shí)現(xiàn)。另外，對于本發(fā)明所提供的電能計(jì)量裝置狀態(tài)評估系統(tǒng)中所涉及到的電能計(jì)量裝置狀態(tài)評估方法的具體介紹請參照上述方法實(shí)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(guān)系術(shù)語僅僅用來將一個實(shí)體或者操作與另一個實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)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(shè)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(shè)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(shè)備中還存在另外的相同要素。

對所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實(shí)施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)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(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。