[發明專利]一種基于告警事件的智能電能表狀態判斷方法及系統

在審

• 申請號: 202110287288.5
• 申請日: 2021-03-17
• 公開（公告）號: CN113033642A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 路韜;彭強;祁舒喆;李倩;宋鵬;趙聞
• 申請（專利權）人: 廣東電網有限責任公司計量中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01R35/04;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;呂金金

1.一種基于告警事件的智能電能表狀態判斷方法，其特征在于，包括：

獲取歷史低壓電表抽檢數據；

根據所述歷史低壓電表抽檢數據及低壓電表檢測結果數據，建立智能電能表狀態判斷模型；

輸入目標低壓電表抽檢數據至所述智能電能表狀態判斷模型，生成目標低壓電表抽檢結果。

2.如權利要求1所述的一種基于告警事件的智能電能表狀態判斷方法，其特征在于，所述建立智能電能表狀態判斷模型之后，還包括：

根據混淆矩陣對所述智能電能表狀態判斷模型進行優化；具體地：

根據所述混淆矩陣中的被所述智能電能表狀態判斷模型預測為正的正樣本數、被所述智能電能表狀態判斷模型預測為正的負樣本數、被所述智能電能表狀態判斷模型預測為負的正樣本數及被所述智能電能表狀態判斷模型預測為負的負樣本數，計算查準率及召回率；

根據所述查準率及召回率建立優化模型，并輸出優化指標。

3.如權利要求2所述的一種基于告警事件的智能電能表狀態判斷方法，其特征在于，

所述查準率通過以下公式計算：

precision＝TP/(TP+FP)；

其中，precision表示查準率，TP表示被所述智能電能表狀態判斷模型預測為正的正樣本數，FP表示被所述智能電能表狀態判斷模型預測為正的負樣本數；

所述召回率通過以下公式進行計算：

recall＝TP/(TP+FN)；

其中，recall表示召回率，TP表示被所述智能電能表狀態判斷模型預測為正的正樣本數，FN表示被所述智能電能表狀態判斷模型預測為負的正樣本數。

4.如權利要求3所述的一種基于告警事件的智能電能表狀態判斷方法，其特征在于，所述根據所述查準率及召回率建立優化模型，具體地：

通過以下公式建立優化模型：

其中，F1表示優化指標，precision表示查準率，recall表示召回率。

5.如權利要求1所述的一種基于告警事件的智能電能表狀態判斷方法，其特征在于，所述根據所述歷史低壓電表抽檢數據及低壓電表檢測結果數據，建立智能電能表狀態判斷模型，包括：

根據所述歷史低壓電表抽檢數據建立樣本數據的特征屬性集；

根據所述低壓電表檢測結果數據建立樣本數據的目標類變量集；

基于樸素貝葉斯算法，通過所述特征屬性集及目標類變量集建立智能電能表狀態判斷模型；其中，所述智能電能表狀態判斷模型通過以下公式進行計算：

其中，x_j＝{x₁，x₂，x₃，x₄，x₅，x₆，x₇，x₈，x₉，x₁₀}表示樣本數據的特征屬性集，y_i＝{y₁，y₂}表示樣本數據的目標類變量集；

x₁為電表基礎屬性數據中的電表服務年限數據、x₂為廠家數據、x₃為批次數據、x₄為電表告警事件數據中的電能表停走次數數據、x₅為電能表超量程次數數據、x₆為電能表飛走次數數據、x₇為電能表倒走次數數據、x₈為電能表復位次數數據、x₉為電能表超差次數數據及x₁₀為電能表時鐘是否異常數據；

y₁為低壓電表檢測合格，y₂為低壓電表檢測不合格；

P(y_i|x_j)表示樣本數據的特征屬性為x_j時劃分為y_i的概率，P(y_i)表示總體樣本中y_i類別的概率，p(x_j|y_i)表示y_i類別下出現x_j的概率，p(x_j)表示總體樣本中x_j類別的概率。