技术摘要：
本发明提供一种确定智能电能表典型故障主要影响因素的方法和系统。所述方法和系统通过采集智能电能表全寿命周期的信息，确定智能电能表典型故障，获取典型故障主要影响因素分析的样本，再基于标准差值算法，对分析样本进行多个维度故障离散系数计算，并通过引导机制，  全部
背景技术：
随着“大云物移智”等信息通信新技术和计量技术的融合应用，以智能电能表和用 电信息采集系统数据资源业务为基础，实现电能表故障快速排除成为可能。但目前已有的 故障分析，未能全面覆盖智能电能表全寿命周期质量数据，无法快速、精确地定位电能表故 障的主要影响因素，使得电力企业不能快速发现可能存在批量隐患在运电能表，如何快速、 准确的进行电能表故障主要影响因素的挖掘分析是电力计量行业待解决的关键问题。
技术实现要素：
为了解决现有技术中无法快速准确进行电能表故障主要影响因素的挖掘的技术 问题，本发明提供一种确定智能电能表典型故障主要影响因素的方法，所述方法包括： 步骤1、采集智能电能表全寿命周期的信息，确定智能电能表典型故障； 步骤2、根据确定的智能电能表典型故障，获取发生所述典型故障的智能电能表， 作为分析样本； 步骤3、基于预先建立的故障离散系数计算模型，根据分析样本中智能电能表的信 息，计算预先设置的N个分析智能电能表故障的维度的故障离散系数，其中，N＞2； 步骤4、当N＞2且故障离散系数最高的维度是预先设置的分析终止维度，或者N＝2 时，基于故障离散系数最高的维度生成智能电能表典型故障主要影响因素分析结论，当N＞ 2且故障离散系数最高的维度不是预先设置的分析终止维度时，在所述N个分析智能电能表 故障的维度中选取故障离散系数最高的维度，获取故障离散系数最高的维度中故障率最高 的典型因子包括的智能电能表，作为分析样本，令N＝N-1，转至步骤3； 步骤5、按照生成的智能电能表典型故障主要影响因素分析结论对智能电能表的 隐患进行预警。 进一步地，所述采集智能电能表全寿命周期的信息，确定智能电能表典型故障包 括： 采集智能电能表全寿命周期的信息，所述信息包括电能表运行故障信息，拆回故 障信息，智能电能表档案信息和关键元器件信息； 对采集的智能电能表全寿命周期的信息进行预处理，生成故障离散系数计算模型 可识别的数据； 将智能电能表全寿命周期的信息中的每一种信息作为一个维度，基于预处理后的 数据分别计算智能电能表每个维度包括的全部典型因子的故障率； 当任意一个典型因子的故障率达到预先设置的故障阈值时，确定所述典型因子的 故障是所述维度下的典型故障。 5 CN 111581248 A 说　明　书 2/7 页 进一步地，所述基于预先建立的故障离散系数计算模型，根据发生所述典型故障 的智能电能表的信息，计算预先设置的N个分析智能电能表故障的维度的故障离散系数的 计算公式为： 式中，si为第i个分析智能电能表故障的维度的故障离散系数，xij为第i个分析智 能电能表故障的维度的第j个典型因子的故障率， 为第i个分析智能电能表故障的维度的 n个典型因子的故障率的平均值。 进一步地，所述对采集的智能电能表全寿命周期的信息进行预处理，生成故障离 散系数计算模型可识别的数据由数据库存储过程完成。 进一步地，所述方法在采集智能电能表全寿命周期的信息之前还包括： 设置分析智能电能表故障主要影响因素的维度，所述维度包括生产企业、设计方 案、表龄、品规、到货批次、关键元器件、安装区域和故障现象； 设置智能表到货批次和关键元器件为分析终止维度。 根据本发明的另一方面，本发明提供一种确定智能电能表典型故障主要影响因素 的系统，所述系统包括： 典型故障单元，其用于采集智能电能表全寿命周期的信息，确定智能电能表典型 故障； 分析样本单元，其用于根据确定的智能电能表典型故障，获取发生所述典型故障 的智能电能表，作为分析样本；以及当N＞2且模型计算单元确定的故障离散系数最高的维 度不是预先设置的分析终止维度时，在所述N个分析智能电能表故障的维度中选取故障离 散系数最高的维度，获取故障离散系数最高的维度中故障率最高的典型因子包括的智能电 能表，作为分析样本，令N＝N-1； 模型计算单元，其用于基于预先建立的故障离散系数计算模型，根据分析样本中 智能电能表的信息，计算预先设置的N个分析智能电能表故障的维度的故障离散系数，其 中，N＞2； 结果输出单元，其用于当N＞2且故障离散系数最高的维度是预先设置的分析终止 维度，或者N＝2时，基于故障离散系数最高的维度生成智能电能表典型故障主要影响因素 分析结论； 隐患预警单元，其用于按照生成的智能电能表典型故障主要影响因素分析结论对 智能电能表的隐患进行预警。 进一步地，所述典型故障单元包括： 信息采集单元，其用于采集智能电能表全寿命周期的信息，所述信息包括电能表 运行故障信息，拆回故障信息，智能电能表档案信息和关键元器件信息； 数据预处理单元，其用于对采集的智能电能表全寿命周期的信息进行预处理，生 成故障离散系数计算模型可识别的数据； 故障率计算单元，其用于将智能电能表全寿命周期的信息中的每一种信息作为一 6 CN 111581248 A 说　明　书 3/7 页 个维度，基于预处理后的数据分别计算智能电能表每个维度包括的全部典型因子的故障 率； 故障确定单元，其用于当任意一个典型因子的故障率达到预先设置的故障阈值 时，确定所述典型因子的故障是所述维度下的典型故障。 进一步地，所述模型计算单元基于预先建立的故障离散系数计算模型，根据发生 所述典型故障的智能电能表的信息，计算预先设置的N个分析智能电能表故障的维度的故 障离散系数的计算公式为： 式中，si为第i个分析智能电能表故障的维度的故障离散系数，xij为第i个分析智 能电能表故障的维度的第j个典型因子的故障率， 为第i个分析智能电能表故障的维度 的n个典型因子的故障率的平均值。 进一步地，所述数据预处理单元对采集的智能电能表全寿命周期的信息进行预处 理，生成故障离散系数计算模型可识别的数据由数据库存储过程完成。 进一步地，所述系统还包括设置单元，其用于设置分析智能电能表故障主要影响 因素的维度，所述维度包括生产企业、设计方案、表龄、品规、到货批次、关键元器件、安装区 域和故障现象，以及设置智能表到货批次和关键元器件为分析终止维度。 本发明技术方案提供的确定智能电能表典型故障主要影响因素的方法和系统通 过采集智能电能表全寿命周期的信息，对智能电能表电力公司侧和生产厂家侧的多个评价 智能电能表故障的维度的典型因子计算故障率，确定智能电能表典型故障，获取典型故障 主要影响因素分析的样本，再基于改进的标准差值算法，对分析样本进行多个维度故障离 散系数计算，并通过引导机制，依次选取故障系数最高的维度中，故障率最高的典型因子包 括的智能电能表作为分析样本，递进计算分析样本在剩余维度的故障一离散系数，直至满 足分析结束条件，并生成分析结论。所述方法和系统覆盖了电能表全寿命周期的故障及关 联信息，整个分析过程无需人工介入，节约了大量的人力资源，而且利用大数据分析平台， 可快速、全面、精确定位典型故障主要影响因素，操作简单实用。 附图说明 通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式： 图1为根据本发明优选实施方式的确定智能电能表典型故障主要影响因素的方法 的流程图； 图2为根据本发明优选实施方式的确定智能电能表典型故障主要影响因素的系统 的结构示意图。