【精彩论文】基于时间序列的电能表月故障数预测方法

观点凝练

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。
结论：针对电能表每月需要储备的数量问题，引入综合时间序列预测模型和BP神经网络预测模型2种模型，采用每个批次电能表4年的月故障数进行建模，得到一个可以预测未来电能表月故障数的模型，并将2个模型进行对比，选取效果较好的综合时间序列预测模型。并分析综合时间序列的直接预测和间接预测方法，最终选用综合时间序列间接预测模型预测月故障表的总数量。

文中提出的方法主要用于解决现有每月电能表数量分布不均、不能及时补充，且储备量不确定的情况。相关工作人员可以根据该方法对将会发生故障的电能表的数量进行预测，根据预测结果进行备货，避免出现缺口现象，提高管理部门的资源配置合理性和工作效率。在后续的研究中，可以优化现有模型，预测未来一年或更长时间故障电能表的数量（备货），促进相关部门工作效率的进一步提高并降本增效。同时，应注意到该方法所用的数据为电能表的月故障数，统计时会存在一定的误差。

引文信息

李媛, 郑安刚, 谭煌, 等. 基于时间序列的电能表月故障数预测方法[J]. 中国电力, 2020, 53(6): 72-80.LI Yuan, ZHENG Angang, TAN Huang, et al. A new method for predicting the monthly fault number of watt-hour meters based on time series[J]. Electric Power, 2020, 53(6): 72-80.‍

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。