1.一种加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,所述方法包括以下步骤:步骤一、采集电能计量设备的失效数据与环境应力数据,统计电能计量设备的失效率,结合典型环境下的环境应力数据,组成训练样本集D:D={(Xi,yi,j)} (1)
其中,Xi是由失效时间应力t与环境应力数据xi组成的数据;yi,j表示区域j中的i次失效率数据;
步骤二、混合异常值判别:构造混合异常值判别方法,得到样本D中认定的异常值数据,并指定异常值的权重值,从而得到加权后的训练样本集Dw:Dw={(Xi,wiyi,j)};
构造基于加权kNN与肖维纳(Chauvenet)准则的异常值判别方法:对于点p(Xi,yi,j)∈D与其周围的k个最近邻数据点pr(Xr,yr)∈D的距离称之为k距离,rk=1,2,…,k,kNN取欧式距离作为数据点之间距离衡量标准,在计算欧式距离D时对环境应力数据值引入不同的权重wdk
式中,p即为点p(Xi,yi,j),D (p)表示点p与其周围k个最近邻点的欧氏距离集合;为确定环境应力数据与时间应力t的权重值,采用斯皮尔曼相关系数确定权重值:式中,di=rank(Xi)–rank(yi,j)为环境应力数据与失效率之间的秩之差,N为观测到的总样本数量;
指定加权kNN的最邻近个数k与异常值比例m后,依据欧式距离计算数据的异常得分值,并对得分进行排序,得分较大的前k*m个点即为异常值;再采用肖维纳准则对异常值进行检验:首先求出已知时间应力t时失效数据的均值 与标准差σ,再计算异常值点zoi对应的统计值zi:式中,zi表示肖维纳准则求得的统计值;
依据失效数据对应的时间应力t,观测样本量n确定肖维纳系数wc:系数wc通过zi落在正态分布区域 的概率值与区间概率1‑1/2n相等来计算;若zi大于wc,则异常值点zoi认定为异常值,否则异常值点zoi为正常失效数据;从而得到认定的异常值;
步骤三、非线性贝叶斯方法构建:以Weibull分布为似然函数,建立基于广义艾琳模型的非线性贝叶斯模型;
步骤四、加权非线性贝叶斯模型:使用训练样本集Dw作为基于广义艾琳模型的非线性贝叶斯模型的输入进行训练,建立用于电能计量设备失效率预估的加权非线性贝叶斯模型;
步骤五、获得新的失效观测数据,将新的失效观测数据输入加权非线性贝叶斯模型预测得到失效率,通过失效率求解得到电能计量设备的可靠度。
2.如权利要求1所述的加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,m=0.1。
3.如权利要求1所述的加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,所述k值的确定方法为:从小到大对k取不同的值进行测试,一般而言,轮廓系数随k增加而减小,戴维森堡丁指数(DBI)随k增加而增加,当轮廓系数处于减小速率放缓处的拐点,DBI指数处于增长速率放缓处的拐点时,即表明轮廓系数与DBI指数达到平衡,此时的k值更优;当两者拐点处的取值不同时,则k任取轮廓系数或DBI指数拐点处的值。
4.如权利要求1所述的加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,所述步骤二中,对认定的异常值数据指定权重值的步骤如下:k
wi表示第i个认定的异常值数据的权重;D 表示欧式距离值;zoi表示第i个认定的异常值;kNN(zoi)表示异常值zoi的kNN值。
5.如权利要求1所述的加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,所述步骤三中,非线性贝叶斯方法构建包括:在非线性贝叶斯模型中,将Weibull分布指定为贝叶斯模型的似然函数,即电能计量设备的失效率服从Weibull分布wiyi,j(Xi|θ)~Weibull(α,β) (7)其中,α与β分别为Weibull分布的形状与尺度参数,θ为加权非线性贝叶斯中所有的参数;
建立环境应力数据与失效率之间的关系:利用形状参数的不变性,建立尺度参数与应力之间的非线性表达式式中,β0为截距,βj,1与βj,2分别为时间因素t的系数,A与B分别为湿度RH的系数,C与E分别压强Pa与温度T的系数,K为玻尔兹曼常数。
6.如权利要求1所述的加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,所述步骤四中,建立用于电能计量设备失效率预估的加权非线性贝叶斯模型:对训练样本集D中的认定的异常值进行加权后得到训练样本集Dw:Dw={(Xi,wiyi,j)};训练样本集变为Dw作为非线性贝叶斯模型的输入,从而得到训练好的加权非线性贝叶斯模型。
7.如权利要求1所述的加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,所述步骤五中,依据新的失效观测数据预测失效率,求解电能计量设备的可靠度步骤如下:对于新的观测数据Dn,预测的失效率p(Dn|Dw)表示为p(Dn|Dw)=∫E(Dn|θ)p(θ|Dw)dθ (10)式中,θ={α,β0,βj,1,βj,2,A,B,C,E},E(Dn|θ)与p(θ|Dw)分别表示在已知参数θ下的期望值与参数θ的后验联合分布;
电能计量设备的可靠度R(t|Dw)通过下式求得:
式中,f(α,β)为Weibull分布的后验概率密度函数,从而实现电能计量设备的失效率预估与可靠性预测。
8.如权利要求1所述的加权非线性贝叶斯的电能计量设备失效率预估方法,其特征在于,所述失效观测数据包括环境应力数据与时间应力,其中,环境应力数据包括压强、温度与湿度;时间应力指失效发生时间。