[發(fā)明專利]配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202011392355.1
• 申請日: 2020-12-01
• 公開（公告）號: CN112417371A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設計）人: 王新剛;艾芊;賀興;陳金濤;張沖;趙舫;江劍峰;朱文君
• 申請（專利權(quán)）人: 國網(wǎng)上海市電力公司;上海交通大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06F17/18;G06K9/62;G01R35/04
• 代理公司: 上海信好專利代理事務所(普通合伙) 31249
• 代理人: 朱成之;周榮芳

本發(fā)明提供一種配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法，包括：S1、采集臺區(qū)內(nèi)一總線所對應的各智能電能表的運行電氣數(shù)據(jù)；S2、對所獲取的電氣運行數(shù)據(jù)進行預處理，對預處理后的數(shù)據(jù)進行拼接組合，構(gòu)建時空數(shù)據(jù)集；S3、建立所述時空數(shù)據(jù)集的高維因子模型，從所述高維因子模型中獲取殘差矩陣進行分析，并確定最優(yōu)殘差矩陣；S4、挖掘所述最優(yōu)殘差矩陣的統(tǒng)計信息，根據(jù)預設的指標體系監(jiān)測各智能電能表的運行狀態(tài)。本發(fā)明能夠?qū)χ悄茈娔鼙淼倪\行狀態(tài)進行監(jiān)測，提高智能電能表計量監(jiān)測的效率和準確性。

技術(shù)領域

本發(fā)明涉及電力技術(shù)領域，特別涉及一種配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法、電子設備及可讀存儲介質(zhì)。

背景技術(shù)

智能電能表是用電信息采集系統(tǒng)元件，是用戶行為感知的重要數(shù)據(jù)來源。智能電能表的計量準確性關(guān)系著電力企業(yè)與用戶雙方的權(quán)益，目前智能電能表計量性能的遠程監(jiān)測仍缺乏有效的手段，尤其是電能表狀態(tài)更換和失準更換全面推廣應用后，電能表的管理模式由“限期使用和到期輪換”轉(zhuǎn)換為根據(jù)電能表整體運行質(zhì)量水平進行動態(tài)調(diào)整，這種管理模式的變更需要有效的監(jiān)控手段支撐。

因此，亟需一種對智能電能表的運行狀態(tài)進行監(jiān)測，提高智能電能表計量監(jiān)測的效率和準確性。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法、電子設備及可讀存儲介質(zhì)，在高維時空數(shù)據(jù)集開展特征分析，通過對智能電能表運行特性統(tǒng)計信息進行深層挖掘，通過建立時空數(shù)據(jù)集高維因子模型、殘差矩陣隨機矩陣模型分析等操作，對電表運行狀態(tài)進行監(jiān)測與評估。

為了實現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案實現(xiàn)：

一種配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法，包括：

S1、采集臺區(qū)內(nèi)一總線所對應的各智能電能表的運行電氣數(shù)據(jù)；

S2、對所獲取的電氣運行數(shù)據(jù)進行預處理，對預處理后的數(shù)據(jù)進行拼接組合，構(gòu)建時空數(shù)據(jù)集；

S3、建立所述時空數(shù)據(jù)集的高維因子模型，從所述高維因子模型中獲取殘差矩陣進行分析，并確定最優(yōu)殘差矩陣；

S4、挖掘所述最優(yōu)殘差矩陣的統(tǒng)計信息，根據(jù)預設的指標體系監(jiān)測各智能電能表的運行狀態(tài)。

進一步的，在上述配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法中，所述運行電氣數(shù)據(jù)包括：電壓、電流、用電量和功率中的一種或多種。

進一步的，在上述配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法中，S2對所獲取的電氣運行數(shù)據(jù)進行預處理的方式包括：缺失值填充、異常值清洗、數(shù)據(jù)平滑和標準化操作中的一種或多種。

進一步的，在上述配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法中，S3建立所述時空數(shù)據(jù)集的高維因子模型，從所述高維因子模型中獲取殘差矩陣進行分析，包括：

在所述時空數(shù)據(jù)集中的每一個采樣點處進行滑窗選區(qū)；

對每一所述滑窗選區(qū)的數(shù)據(jù)矩陣構(gòu)建因子模型，去除所述數(shù)據(jù)矩陣的主成分因子，獲取殘差矩陣進行分析。

進一步的，在上述配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法中，S3確定最優(yōu)殘差矩陣，包括：

利用Jensen-Shannon散度估計出每一因子模型的因子個數(shù)和殘差系數(shù)的最優(yōu)參數(shù)組合，并根據(jù)所述最優(yōu)參數(shù)組合確定每一所述滑窗選區(qū)對應的最優(yōu)殘差矩陣。

進一步的，在上述配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法中，S4挖掘所述殘差矩陣的統(tǒng)計信息，包括：

通過隨機矩陣模型分析所述殘差矩陣的經(jīng)驗譜分布，并通過M-P律以及圓環(huán)律判斷是否有異常值出現(xiàn)。

進一步的，在上述配網(wǎng)臺區(qū)智能電能表運行狀態(tài)監(jiān)測方法中，S4根據(jù)預設的指標體系監(jiān)測各智能電能表的運行狀態(tài)，包括：