[發明專利]用電計量設備故障分析方法及裝置

在審

• 申請號: 201711136943.7
• 申請日: 2017-11-16
• 公開（公告）號: CN107967485A
• 公開（公告）日: 2018-04-27
• 發明（設計）人: 劉巖;丁恒春;袁瑞銘;易忠林;巨漢基;鐘侃;史輝;黃昌寶;魏彤珈;王婷;鄭思達;呂凜杰;妙紅英;薄海泉;張春娟
• 申請（專利權）人: 國網冀北電力有限公司電力科學研究院;華北電力科學研究院有限責任公司;國家電網公司;中能瑞通（北京）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N99/00;G06Q10/06
• 代理公司: 北京三友知識產權代理有限公司11127
• 代理人: 王天堯

1.一種用電計量設備故障分析方法，其特征在于，包括：

獲得與用電計量設備故障相關的源數據；

對所述源數據進行數據清洗；

對數據清洗后的所述源數據進行特征項選取；

將選取的特征項制成樣本數據，樣本數據包括訓練數據、測試數據和預測數據；

將訓練數據和測試數據加載至基于Xgboost算法建立的機器學習的模型，對模型進行訓練與測試；

將預測數據加載至訓練好的模型，獲得用電計量設備故障分析結果。

2.如權利要求1所述的方法，其特征在于，所述源數據包括以下數據其中之一或任意組合：用戶檔案數據，電表檔案數據，電表計量的電流數據，電表計量的電壓數據，電表計量的負荷數據，相關故障事件數據。

3.如權利要求1所述的方法，其特征在于，對所述源數據進行數據清洗，包括對所述源數據進行如下任意一項或多項處理：錯誤值處理，缺失值處理，數據去重處理。

4.如權利要求2所述的方法，其特征在于，對數據清洗后的所述源數據進行特征項選取，包括：

對數據清洗后的所述源數據選取：從用戶檔案數據和電表檔案數據提取的特征項，根據電表計量的電流數據、電壓數據和負荷數據計算的特征項，通過加載相關故障事件數據獲得的特征項。

5.如權利要求4所述的方法，其特征在于，所述從用戶檔案數據和電表檔案數據提取的特征項，包括：電表接線方式、用戶行業類型及計量方式其中之一或任意組合；

所述根據電表計量的電流數據、電壓數據和負荷數據計算的特征項，包括：電流電壓相關性、電流功率相關性及日電量的趨勢其中之一或任意組合；

所述通過加載相關故障事件數據獲得的特征項，包括：用電計量設備的故障事件狀態。

6.如權利要求1所述的方法，其特征在于，所述訓練數據包括故障特征數據和故障結果數據。

7.如權利要求1至6任一項所述的方法，其特征在于，加載訓練數據和測試數據前，進一步包括：將Xgboost算法的參數設置為以下參數：

分類器每次迭代的模型為：基于樹的模型；

需要被最小化的損失函數為：二分類的邏輯回歸；

有效數據的度量方法為：auc曲線下面積；

權重的L2正則化項為：50；

學習效率為：0.2。

8.如權利要求1所述的方法，其特征在于，進一步包括：

根據訓練和測試效果，通過修改數據的特征項和模型參數對模型進行優化。

9.如權利要求1所述的方法，其特征在于，所述將預測數據加載至訓練好的模型，獲得用電計量設備故障分析結果，包括：

將預測數據加載至訓練好的模型，獲得用電計量設備故障的概率。

10.一種用電計量設備故障分析裝置，其特征在于，包括：

數據獲得模塊，用于獲得與用電計量設備故障相關的源數據；

數據處理模塊，用于對所述源數據進行數據清洗；對數據清洗后的所述源數據進行特征項選取；將選取的特征項制成樣本數據，樣本數據包括訓練數據、測試數據和預測數據；

訓練與測試模塊，用于將訓練數據和測試數據加載至基于Xgboost算法建立的機器學習的模型，對模型進行訓練與測試；

故障分析模塊，用于將預測數據加載至訓練好的模型，獲得用電計量設備故障分析結果。

11.如權利要求10所述的裝置，其特征在于，所述源數據包括以下數據其中之一或任意組合：用戶檔案數據，電表檔案數據，電表計量的電流數據，電表計量的電壓數據，電表計量的負荷數據，相關故障事件數據。

12.如權利要求10所述的裝置，其特征在于，所述數據處理模塊進一步用于對所述源數據進行如下任意一項或多項數據清洗：錯誤值處理，缺失值處理，數據去重處理。

13.如權利要求11所述的裝置，其特征在于，所述數據處理模塊進一步用于：

對數據清洗后的所述源數據選取：從用戶檔案數據和電表檔案數據提取的特征項，根據電表計量的電流數據、電壓數據和負荷數據計算的特征項，通過加載相關故障事件數據獲得的特征項。