[發(fā)明專利]一種基于特征分組的電能計量異常診斷方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710161079.X
• 申請日: 2017-03-17
• 公開（公告）號: CN106908752A
• 公開（公告）日: 2017-06-30
• 發(fā)明（設(shè)計）人: 任龍霞;林國營;闕華坤;黨三磊;張鼎衢
• 申請（專利權(quán)）人: 廣東電網(wǎng)有限責(zé)任公司電力科學(xué)研究院
• 主分類號: G01R35/04
• 分類號: G01R35/04
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司11227
• 代理人: 張春水,唐京橋

1.一種基于特征分組的電能計量異常診斷方法，其特征在于，包括：

根據(jù)獲取到的電能計量異常類型及所述電能計量異常類型的判據(jù)，形成電能異常數(shù)據(jù)集，并根據(jù)所述電能計量異常類型的判據(jù)對應(yīng)的數(shù)據(jù)源和所述電能異常數(shù)據(jù)集構(gòu)建初始數(shù)據(jù)庫；

對初始數(shù)據(jù)庫的數(shù)據(jù)源數(shù)據(jù)按照所述電能計量異常類型的判據(jù)進行數(shù)據(jù)變換，形成初始計量異常指標(biāo)集；

對所述初始計量異常指標(biāo)集進行指標(biāo)特征分組，形成多個指標(biāo)組別；

對所述指標(biāo)組別進行多分類器訓(xùn)練，得到若干個不同的分類模型；

將所述若干個不同的分類模型進行融合，得到電能計量異常識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于特征分組的電能計量異常診斷方法，其特征在于，所述對初始數(shù)據(jù)庫的數(shù)據(jù)源數(shù)據(jù)按照所述電能計量異常類型的判據(jù)進行數(shù)據(jù)變換，形成初始計量異常指標(biāo)集包括：

對初始數(shù)據(jù)庫的數(shù)據(jù)源數(shù)據(jù)進行數(shù)據(jù)預(yù)處理并按照所述電能計量異常類型的判據(jù)進行數(shù)據(jù)變換，形成初始計量異常指標(biāo)集，所述數(shù)據(jù)預(yù)處理包括糾正或刪除異常數(shù)據(jù)、插補缺失數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的基于特征分組的電能計量異常診斷方法，其特征在于，所述對所述初始計量異常指標(biāo)集進行指標(biāo)特征分組，形成多個指標(biāo)組別包括：

對所述初始計量異常指標(biāo)集中的每種電能計量異常類型和所述每種電能計量異常類型對應(yīng)的指標(biāo)進行匹配整理；

根據(jù)所述指標(biāo)與電能計量異常類型之間的特征關(guān)系進行指標(biāo)特征分組，形成多個指標(biāo)組別。

4.根據(jù)權(quán)利要求3所述的基于特征分組的電能計量異常診斷方法，其特征在于，所述對所述指標(biāo)組別進行多分類器訓(xùn)練，得到若干個不同的分類模型包括：

根據(jù)不同的電能計量異常類型，對每個所述指標(biāo)組別的指標(biāo)集選擇多個分類器進行訓(xùn)練，得到若干個不同的訓(xùn)練好的分類器模型，所述訓(xùn)練好的分類器模型可固定識別對應(yīng)的電能計量異常類型。

5.根據(jù)權(quán)利要求4所述的基于特征分組的電能計量異常診斷方法，其特征在于，所述將所述若干個不同的分類模型進行融合，得到電能計量異常識別結(jié)果包括：

將所述訓(xùn)練好的分類模型對應(yīng)識別的電能計量異常類型進行匯總，實現(xiàn)對所有電能計量異常類型的判別。

6.一種基于特征分組的電能計量異常診斷系統(tǒng)，其特征在于，包括：

構(gòu)建模塊，用于根據(jù)獲取到的電能計量異常類型及所述電能計量異常類型的判據(jù)，形成電能異常數(shù)據(jù)集，并根據(jù)所述電能計量異常類型的判據(jù)對應(yīng)的數(shù)據(jù)源和所述電能異常數(shù)據(jù)集構(gòu)建初始數(shù)據(jù)庫；

變換模塊，用于對初始數(shù)據(jù)庫的數(shù)據(jù)源數(shù)據(jù)按照所述電能計量異常類型的判據(jù)進行數(shù)據(jù)變換，形成初始計量異常指標(biāo)集；

分組模塊，用于對所述初始計量異常指標(biāo)集進行指標(biāo)特征分組，形成多個指標(biāo)組別；

訓(xùn)練模塊，用于對所述指標(biāo)組別進行多分類器訓(xùn)練，得到若干個不同的分類模型；

融合模塊，用于將所述若干個不同的分類模型進行融合，得到電能計量異常識別結(jié)果。

7.根據(jù)權(quán)利要求6所述的基于特征分組的電能計量異常診斷系統(tǒng)，其特征在于，所述變換模塊包括：

數(shù)據(jù)變化單元，用于對初始數(shù)據(jù)庫的數(shù)據(jù)源數(shù)據(jù)進行數(shù)據(jù)預(yù)處理并按照所述電能計量異常類型的判據(jù)進行數(shù)據(jù)變換，形成初始計量異常指標(biāo)集，所述數(shù)據(jù)預(yù)處理包括糾正或刪除異常數(shù)據(jù)、插補缺失數(shù)據(jù)。

8.根據(jù)權(quán)利要求7所述的基于特征分組的電能計量異常診斷系統(tǒng)，其特征在于，所述分組模塊包括：

匹配單元，用于對所述初始計量異常指標(biāo)集中的每種電能計量異常類型和所述每種電能計量異常類型對應(yīng)的指標(biāo)進行匹配整理；

分組單元，用于根據(jù)所述指標(biāo)與電能計量異常類型之間的特征關(guān)系進行指標(biāo)特征分組，形成多個指標(biāo)組別。

9.根據(jù)權(quán)利要求8所述的基于特征分組的電能計量異常診斷系統(tǒng)，其特征在于，所述訓(xùn)練模塊包括：

訓(xùn)練單元，用于根據(jù)不同的電能計量異常類型，對每個所述指標(biāo)組別的指標(biāo)集選擇多個分類器進行訓(xùn)練，得到若干個不同的訓(xùn)練好的分類器模型，所述訓(xùn)練好的分類器模型可固定識別對應(yīng)的電能計量異常類型。

10.根據(jù)權(quán)利要求9所述的基于特征分組的電能計量異常診斷系統(tǒng)，其特征在于，所述融合模塊包括：

匯總單元，用于將所述訓(xùn)練好的分類模型對應(yīng)識別的電能計量異常類型進行匯總，實現(xiàn)對所有電能計量異常類型的判別。