0 绪论 1
0.1 引言 3
0.2 数据挖掘概述 4
0.2.1 数据挖掘的定义 4
0.2.2 数据挖掘发展背景 6
0.2.3 数据挖掘方法分类 6
0.2.4 数据挖掘处理对象 11
0.2.5 数据挖掘程度 12
0.3 计量大数据深化应用背景分析 12
0.3.1 智能化电网的全面建设，电力数据资源急剧增长 12
0.3.2 电网计量数据的发展已呈现大数据特征 13
0.3.3 电网基础数据融合困难 14
0.3.4 电力行业数据资源亟待价值挖掘和应用 15
0.3.5 传统技术已不能很好解决电网业务问题 15
0.4 电力计量大数据应用现状 16
1 智能电能表及采集系统概述 19
1.1 引言 21
1.2 智能电能表总述 21
1.2.1 电能表的发展与智能电能表 21
1.2.2 智能电能表的工作原理 28
1.3 用户数据采集系统概述 32
1.4 智能电能表计量数据应用国内外研究现状 48
1.4.1 信息采集系统国外发展概况 48
1.4.2 信息采集系统国内发展概况 49
1.4.3 信息采集系统技术发展趋势 50
2 智能电能表故障产生机理与危害 55
2.1 引言 57
2.2 智能电能表常见模块故障及原因分析 59
2.2.1 显示模块故障分析 59
2.2.2 计量模块故障分析 61
2.2.3 电源模块故障分析 64
2.2.4 主控模块故障分析 66
2.2.5 存储模块故障分析 69
2.2.6 通信模块故障分析 71
2.2.7 费控模块故障分析 73
2.3 案例分析 75
2.3.1 吐鲁番地区的气候特点 75
2.3.2 吐鲁番地区气候下的故障分析 76
3 智能电能表故障预测 77
3.1 引言 79
3.2 智能电能表计量故障数据分析判断模型 79
3.2.1 智能电能表总示数与各费率之和不等 80
3.2.2 智能电能表飞走和突变 81
3.2.3 电能表反向示值大于零 82
3.2.4 智能电能表倒走 82
3.2.5 智能电能表时钟不准 82
3.2.6 电能表电能费率设置异常 83
3.2.7 智能电能表潜动 83
3.2.8 案例分析 84
3.3 基于决策树的智能电能表故障预测模型 88
3.3.1 决策树 89
3.3.2 数据预处理 91
3.3.3 决策树算法构建智能电能表故障决策树 93
3.3.4 模型评估 95
3.3.5 案例分析 96
3.4 小结 106
4 智能电能表可靠性预计 109
4.1 引言 111
4.2 智能电能表可靠性预计基本概念 112
4.2.1 可靠性定义 112
4.2.2 可靠性分类 112
4.2.3 可靠性指标 113
4.2.4 可靠性预计的目的与意义 115
4.3 智能电能表特性 116
4.4 基于元器件的可靠性预计方法 116
4.4.1 元器件计数法 116
4.4.2 元器件应力法 117
4.4.3 失效物理分析法 119
4.5 基于单元的可靠性预计方法 120
4.5.1 相似预计法 120
4.5.2 评分预计法 121
4.6 基于设备系统的可靠性预计方法 122
4.6.1 可靠性框图法 122
4.6.2 上下限法 123
4.7 现场数据法 125
4.7.1 现场数据的收集 126
4.7.2 威布尔分布参数估计法 127
4.7.3 点估计法 131
4.8 基于最优化的可靠性预计方法 132
4.9 小结 135
参考文献 136