本发明涉及计量设备运行检定检测
技术领域：
，尤其是涉及一种基于加速退化试验的电能表寿命评估方法。
背景技术：
：通过对智能电能表进行可靠性分析与寿命评估，电能表生产制造厂家能够提前发现产品设计的薄弱环节或元器件的质量缺陷，并针对性地进行改进，从而整体提高智能电能表的质量水平，保障智能电能表在现场能够长期可靠、稳定运行。采用传统的可靠性评价方法对智能电能表进行可靠性评价需要花费很大的时间成本和人力成本，因此目前广泛采用加速寿命试验的方法对智能电能表的可靠性进行评价。加速寿命试验只记录试验样品的失效时间数据，而不考虑产品失效的具体过程，因此需要有一定数量的样品发生失效才能结束试验。如果试验中没有样品发生失效，或者失效样品的数量很少，那么就只能延长试验时间，否则无法利用获得的失效时间数据来对产品的可靠性进行评价，或者得出的评价结果与实际情况有很大的差距。技术实现要素：本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于加速退化试验的电能表寿命评估方法。本发明的目的可以通过以下技术方案来实现：一种基于加速退化试验的电能表寿命评估方法，包括以下步骤：S1、采集电能表加速退化试验数据，估计得出电能表退化特征量在不同应力水平下退化轨迹模型的分布参数值；S2、根据加速应力的类型选择加速退化模型，根据试验中退化特征量的失效阈值计算出不同应力水平下电能表的伪寿命值；S3、根据加速退化模型计算出不同应力水平对应的加速因子，并利用加速因子把不同应力水平下的伪寿命值折算到正常工作应力水平下；S4、以所有折算后的伪寿命值作为整体，选定电能表的寿命分布类型，并估计出寿命分布函数中的未知参数值；S5、利用寿命分布函数评估得到电能表在正常工作应力水平下的寿命。优选的，所述退化轨迹模型的分布参数值根据最小二乘法估计得出。优选的，所述步骤S2中加速退化模型选择Hallberg-Peck模型。优选的，所述退化特征量包括日计时误差和基本误差。优选的，所述步骤S4中选定电能表的寿命分布类型的方法包括：根据Anderson-Darling拟合优度检验方法比较各种分布类型的拟合情况，选择Anderson-Darling统计量最小的分布类型为寿命分布类型。优选的，所述寿命分布类型选为两参数威布尔分布。与现有技术相比，本发明利用性能退化数据得到电能表在正常工作时的寿命分布规律，进而对智能电能表的寿命进行评估，本方法能够准确地反映现场在运电能表的失效情况，评估得到较准确的电能表寿命情况，更符合工程实际。附图说明图1为本发明的方法流程图；图2为基本误差伪寿命数据分布拟合图；图3为日计时伪寿命数据分布拟合图。具体实施方式下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。实施例本实施例中，电能表为智能电能表，对其采用加速退化试验，过程包括：步骤(1)、确定引起现场电能表故障的原因。步骤(2)、根据步骤(1)确定的故障原因结合摸底试验结果选择加速退化试验的加速应力类型，本实施例中选择温度和湿度作为加速退化试验的加速应力。步骤(3)、通过摸底试验确定最大应力水平并设计加速应力组合。加速退化试验最大加速应力的确定原则是，保证产品在最大应力下的性能退化机理不发生改变，并且与产品在现场的失效机理或故障机理一致。为确定加速退化试验的最大应力，本实施例中对某一批2级单相智能电能表进行摸底试验，试验中当施加的温-湿度应力为[85℃,95％]时，智能电能表的性能退化机理未改变，因此可选择温-湿度应力水平[85℃,95％]作为最大应力水平，即Tmax为85℃，RHmax为95％。加速退化模型选择Hallberg-Peck模型，可以用统一的线性形式表示为：其中，ξi为产品的寿命特征；为应力Si的函数；a、b为常数。由上式可知智能电能表的寿命特性近似服从线性分布模型。为提高模型的“线性度”，在加速退化试验中，对于每一种应力(温度和湿度)类型，至少要使用3种不同的应力水平。定义一个中间的和低的温度应力水平，分别记作Tmed和Tmin；定义一个中间的和低的相对湿度应力水平，分别记作RHmed和RHmin。本实施例中将选择5组应力组合，如表1所示：表1温-湿度加速应力组合序号应力ST/℃RH/％S1Tmin，RHmax6595S2Tmed，RHmax7595S3Tmax，RHmin8575S4Tmax，RHmed8585S5Tmax，RHmax8595假设产品的使用应力水平为So，产品在应力So、Si下的寿命特征值为ξo、ξi，则温-湿度模型的加速因子为：表1中不同应力组合的加速因子如表2所示：表2不同应力组合的加速因子步骤(4)、根据需要确定退化特征量及其失效阈值、试验样品数量、分配比例、试验结束时间和测量次数。计量计费功能是智能电能表最基本也是最重要的功能，因此本方法选取基本误差和日计时误差作为加速退化试验主要测试的退化特征量。两个特征量的测量均是在被试样品施加额定电压UN、基本电流Ib、功率因数的条件下测量。退化特征量的失效阈值D与JJG596-2012《电子式交流电能表》中规定的电能表基本误差和日计时误差的误差限值有关。根据经验，一般取误差限值的55％～65％作为退化特征量的失效阈值，本实施例中，优选的选取60％，即若被试样表的基本误差和日计时误差超过相应的失效阈值，即认为该样品失效。本实施例中，试验样品取同一厂家同一生产批次的150只2级单相智能电能表进行加速退化试验，5种加速应力组合下的样品分配比例相同，均为0.2，即每组加速应力组合下加速退化试验的样品数量均为30只。采取定时截尾的方法来结束试验，最大试验时间tMAX取1080小时，即45天。测量时间点等间隔，即每组加速应力下每隔24小时对退化特征量进行一次测量，均为45次。步骤(5)、对各组试验样品分别持续施加相应的应力组合，每间隔设定时间卸载应力组合并测试需要的参数，直到达到试验结束时间，具体包括：①分别对各组被试样表施加表1中的温-湿度应力组合，并保持恒定；②每隔24h卸载所施加的温-湿度应力，恢复至常温常湿条件；③执行测试，测试项目包括：基本误差、日计时误差、电池电压、起动试验、潜动试验、基本功能试验、显示、RS485通信，记录其性能退化数据；④重复过程①、②、③，直至试验时间达到最大试验时间tMAX。基本误差、日计时误差、起动试验、潜动试验等项目测试方法应符合最新版JJG307、JJG596及国网智能电能表系列企业标准的要求；电池电压通过读取DL/T645-2007数据标识02800008H(时钟电池电压)和02800009H(停电抄表电池电压)获得；基本功能试验指电能表费控功能，包括报警和拉合闸操作；RS485通信测试指通过RS485方式抄读电表当前电量数据、瞬时电压电流功率数据、日冻结数据，若均抄读成功，则判定RS485通信正常，否则记录为异常。如图1所示，一种基于上述加速退化试验的电能表寿命评估方法，包括以下步骤：S1、采集上述电能表加速退化试验数据，估计得出电能表退化特征量在不同应力水平下退化轨迹模型的分布参数值。退化轨迹模型的分布参数值根据最小二乘法估计得出。选用线性模型x＝ωt+λ作为电能表基本误差和日计时误差的退化轨迹模型，ω和λ表示未知的分布参数，t表示时间，使用最小二乘法对加速退化试验得到的退化数据进行拟合，得到电能表基本误差和日计时误差在不同应力水平下退化轨迹。其中一个被试样品的退化轨迹模型为：在应力水平S1下：x1＝0.0533t+0.0002x2＝0.0134t+0.0001；在应力水平S2下：x1＝0.0845t+0.0001x2＝0.0211t+0.0001；在应力水平S3下：x1＝0.1230t+0.0001x2＝0.0307t+0.0002；在应力水平S4下：x1＝0.1788t+0.0002x2＝0.0447t+0.0001；在应力水平S5下：x1＝0.2499t+0.0003x2＝0.0625t+0.0001。S2、已选择加速退化模型为Hallberg-Peck模型，根据试验中退化特征量的失效阈值计算出不同应力水平下电能表的伪寿命值。把电能表的基本误差和日计时误差的试验阈值代入不同应力下的退化轨迹模型，可得到该被试样品的伪寿命值t*，t1*和t2*分别表示不同应力下基本误差和日计时误差的伪寿命值，如表3所示。表3不同应力水平下的伪寿命值应力水平伪寿命值t1*/天伪寿命值t2*/天S122.510321.3806S214.200014.2133S39.55539.7655S46.71036.7092S54.80074.7984S3、根据加速退化模型计算出不同应力水平对应的加速因子，并利用加速因子把不同应力水平下的伪寿命值折算到正常工作应力水平下。把不同应力水平下的伪寿命值t*折算到正常工作应力水平下得到电能表在正常工作应力水平下的伪寿命值，t1*和t2*分别表示正常应力水平下基本误差和日计时误差的伪寿命值，如表4所示。表4正常工作应力水平下的伪寿命值序号伪寿命值t1**/天伪寿命值t2**/天13646.89373463.971023656.92603660.351133573.49113652.101743657.24773656.648253657.36533655.6131S4、以所有折算后的伪寿命值作为整体，选定电能表的寿命分布类型，并估计出寿命分布函数中的未知参数值。得到被试样品在正常工作应力水平下的伪寿命折算值后，可通过Anderson-Darling拟合优度检验方法比较各种分布类型的拟合情况，根据假设检验的P值确定样品的寿命分布类型并检验该寿命分布类型。Anderson-Darling统计量具有良好的统计特性，不但可用于最优拟合检验，比较若干分布的拟合情况，以查看哪种分布是最佳分布类型，而且可以对特定分布类型进行拟合优度的假设检验。Anderson-Darling统计量可描述数据服从特定分布类型的程度，数据与分布拟合得越好，统计量的值越小。Anderson-Darling的假设检验如下：H0：寿命数据服从指定分布类型；H1：寿命数据不服从指定分布类型。假设显著性水平为0.05，如果Anderson-Darling检验的P值大于0.05，则可以得出寿命数据服从指定分布类型的结论。经最优拟合检验，智能电能表的寿命分布模型采用两参数威布尔分布，根据现有方法可以得到其未知参数值，例如最大似然法。S5、利用寿命分布函数评估得到电能表在正常工作应力水平下的寿命。对电能表在正常工作应力水平下的伪寿命值进行威布尔分布拟合，基本误差和日计时误差的威布尔分布拟合结果分别如图2和图3所示。当前第1页1 2 3