今天为大家介绍一项国家发明授权——基于决策树算法的电能表故障预测方法。该由国电南瑞科技股份有限公司申请，并于2018年11月30日获得授权公告。

内容说明

本发明涉及一种基于决策树算法在一段时间周期内（月、季、半年、年）预测电能表在发生计量、用电异常时发生故障的概率，属于电力行业用电营销和计量技术领域。

发明背景

目前，由于安徽省电力公司安装在现场的电能表已经超过2500万只，由于对现场运行电能表运行状况无法进行分析，发现发生故障概率较高的电能表，只能按照DL/T448-2000《电能计量装置技术管理规程》和《电能表现场状态检验方案》的要求开展对占2%的I、II、III类电能表定期抽检，对抽检不合格的安排轮换，而对占98%的IV、V类电能表不进行现场抽检，缺乏切实可行的手段对电能表运行状况进行分析和预测，同时，由于存在大量的随机抽样工作，同时也会造成大量表计浪费，也存在部分真实存在故障的标因为抽取样本中未发现而未及时更换。所以，现有的管理规程和状态检验方案无法满足安徽省电力公司业务现状，制约了计量业务的发展，迫切需要应用新的技术手段解决上述问题。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于决策树算法的电能表故障预测方法，能够准确、及时地发现问题电能表，并通过决策树算法预测发生故障的概率，从而降低了计量与用电检查部门人员现场排查和计量故障处理的工作量。

为了实现上述目的，本发明是通过如下的技术方案来实现：本发明的基于决策树算法的电能表故障预测方法，是建立在计量装置在线监测与智能诊断系统（以下简称计量在线监测系统，为现有系统此处不再赘述）上，针对计量在监测发现的异常事件，通过建立电能表故障预测模型，分析电能表时钟超差、过压、过流等异常发生后，其发生故障的概率。

本发明能准确、及时地发现问题电能表，并预测发生故障的概率，对电力公司加强故障电能表现场抽检，及时排查问题和消缺，提高了业务时效性、减少经营损失、客户投诉风险，降低计量与用电检查部门人员的工作量，满足了电力公司对现场运行计量装置的工况进行实时监测的需求。