项目背景

随着智能电网的建设，智能电能表已经普及到千家万户，由于各电网公司的III、IV、V电能表安装在城乡各个角落，电能表存在运行时间长，运行环境恶劣、设备老化比较严重等问题，通过运用大数据、机器学习等技术，在计量在线监测的基础上，以厂商和采购时间为分析对象，计算和提取反应电能表装置状态信息的关键指标。建立电能表质量的综合评价体系，设定指标阈值，对电能表的运行状态进行综合分析，对批次的健康度进行评价，基于评价结果进行趋势研判，实现对电能表更换策略的精准研判，支撑电能表精准更换。

方案亮点

1.以用电信息采集系统为基础，结合营销信息系统、计量生产平台、计量在线监测等相关数据，基于多源数据融合构建电能表状态评价与健康分析的数据集市。

2.以“厂商+采购批次”为对象，针对电能表的计量异常构建电能表运行评价模型，结合现场抽检的结果，实现对现场的电能表进行精准检验。

3.以电能表状态分析的结果为基础，结合电能表报废、投诉、运行年限等因素，建立电能表健康度评估模型，实现对现场运行电能表进行健康度评价，基于评价结果，辅助开展电能表批量轮换。

4.以大数据平台、机器学习为技术支撑，建立电能表状态分析和健康评价的自学习模型，对模型分析结果进行科学化评估，对问题批次进行训练和学习，利用评价结论指导供电单位开展电能表现场检验工作，辅助制定轮换计划，实现从周期检验到状态检验的转变。

实施价值

说明：

1、上图是电能表整体运行状态分析的散点图，纵坐标代表非健康度权值（越往上代表电能表运行状态越不健康），横坐标代表批次采购的时间（越往右代表采购时间越新，分析时间从2011年开始，截止到当前时间）；

2、从这个图可以清晰看到大部分批次是遵循稳定变化的规律，即采购时间越早的批次，非健康权值越高；采购时间越晚的批次，非健康度权值越低。同一时间采购的不同厂商批次由于质量问题，也存在非健康值较大的差异；

3、处于“1”的批次是应该是优先纳入计划轮换的批次；处于“2”的批次是重点关注的批次，这些批次采购时间比较晚（既运行时间不长），但存在非健康值偏高，甚至超过采购时间较早的批次，属于产品质量存在问题，计量中心应该及时予以处理；

4、处于“3”的批次是采购时间比较早，但运行相对稳定，目前处理“健康区”和“亚健康区”的范围，也是属于重点的关注批次，通过回归预测，判断健康度变化趋势，为轮换计划和备品备件提供参考依据；

5、处于“4”和“5”的批次都属于健康区间的批次，只是采购时间不同，由于“5”是最新采购的批次，所以非健康权值最低。

（减少用户投诉，确保电力公司电费计量准确，提高人工现场排查效率）