[發明專利]電力計量終端異常檢測方法、裝置、計算機設備和介質

在審

• 申請號: 202011503963.5
• 申請日: 2020-12-18
• 公開（公告）號: CN112488242A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 劉濤;伍少成;曹小洪;姜和芳;趙杰;梁洪浩;陳曉偉;馬越;李瑾;陸月明
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 袁武

本發明涉及一種電力計量終端異常檢測方法、裝置、計算機設備和介質。該方法基于主成分分析法對獲取的多個目標數據集進行降維處理，得到主成分矩陣；計算所述主成分矩陣中的每行元素之間的加權距離；基于模糊C均值聚類算法，根據加權距離對主成分矩陣中的每行元素進行聚類飛行，得到隸屬度矩陣；根據隸屬度矩陣判斷電力計量終端是否存在異常。本發明涉及的電力計量終端異常檢測方法，可以避免聚類分析中的失真問題，從而能夠提高聚類的效果，進而可以準確的判斷電力計量終端是否存在異常。

技術領域

本發明涉及電力檢測技術領域，特別是涉及一種電力計量終端異常檢測方法、裝置、計算機設備和介質。

背景技術

目前，電力計量系統通常為電力計量自動化系統。該系統可以實現對用戶電力負荷集中檢測和有序配電，并且能夠減少用戶停電損失，保障整個電網的供需平衡。因此，對電力計量系統中的電力計量終端是否存在異常檢測非常重要。檢測電力計量終端發生異常的處理過程通常為發現異常、認為定性、上報審查、結果認定和現場維修，整個處理過程會耗費較多的人力和物力。

傳統技術中，通常采用傳統的聚類分析算法對可以反映電力計量終端的數據進行異常檢測。但是，傳統的聚類分析算法通常是根據數據之間的親疏關系進行分類，這需要數據的重要性相同并且彼此獨立。然而，電力計量終端的數據之間不可避免的會存在高度的相關性，因此，傳統的聚類分析算法的適用性較低。

發明內容

基于此，有必要針對上述技術問題，提供一種電力計量終端異常檢測方法、裝置、計算機設備和介質。

第一方面，本申請一個實施例提供一種電力計量終端異常檢測方法，包括：

獲取電力計量終端的多個目標數據集，其中，每個目標數據集包括電力計量終端的多個數據；

基于主成分分析法，對多個目標數據集進行降維處理，得到主成分矩陣；

計算主成分矩陣中的每行元素之間的加權距離；

基于模糊C均值聚類算法，根據加權距離對主成分矩陣中的每行元素進行聚類分析，得到隸屬度矩陣；

根據隸屬度矩陣判斷電力計量終端是否存在異常。

在其中一個實施例中，根據隸屬度矩陣判斷電力計量終端是否存在異常，包括：

獲取隸屬度矩陣中的最大值；

若隸屬度矩陣中的最大值大于或等于預設異常閾值，則隸屬度矩陣中的最大值對應的聚類類別中的數據均為異常數據，確定電力計量終端存在異常。

在其中一個實施例中，計算主成分矩陣中的每行元素之間的加權距離，包括：

計算主成分矩陣的多個特征值；

計算每個特征值的權值貢獻值；

根據每個特征值的權值貢獻值和主成分矩陣，計算主成分矩陣中每行元素之間的加權距離。

在其中一個實施例中，基于模糊C均值聚類算法，根據加權距離對主成分矩陣中的每行元素進行聚類分析，得到隸屬度矩陣，包括：

獲取初始聚類類別數和初始聚類中心；

基于所述模糊C均值聚類算法，根據初始聚類類別數、初始聚類中心和加權距離，確定主成分矩陣中的每行元素的隸屬度矩陣；

根據隸屬度矩陣，更新初始聚類中心，得到新的聚類中心；

計算新的聚類中心與初始聚類中心之間差值的絕對值；

若絕對值大于或等于預設誤差閾值，則將新的聚類中心作為初始聚類中心，返回執行根據所述初始聚類類別數、初始聚類中心和加權距離，確定主成分矩陣對應的隸屬度矩陣的步驟。