[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

本發明提供一種基于告警事件的智能電能表狀態判斷方法及系統，其中，方法包括：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。本發明基于電能表的基礎屬性及告警數據，并通過歷史抽檢數據進行有監督的機器學習，能夠對電能表的運行狀態進行有效評價，精準度高；并且，本發明可以避免安裝額外的總表，減少設備成本的投入，保證系統運行壽命。

技術領域

本發明涉及智能電表儀器檢測技術領域，特別是涉及一種基于告警事件的智能電能表狀態判斷方法及系統。

背景技術

智能電表作為智能電網建設中的最重要組成部分，其質量和運行狀態直接影響到了電網數據采集系統的穩定性和安全性。目前在智能電能表的質量信息相關數據的獲取和管理方面，國家電網開發并投入使用的電信息采集系統，積累到大量智能電能表實時運行狀態、質量等方面的數據，這些數據較為全面地覆蓋了智能電能表質量管理的各個環節。

目前，基于能量守恒的智能電表為實現無線損的環境，通過在表箱上額外安裝總表，對于表箱的能量守恒來識別其中的精度超差電表。

但是該方法存在以下缺點：

1)真實線損不易獲得；2)模擬真實線損的方式會導致電表的誤差計算偏差很大；3)模擬無線損的環境需要安裝總表，增加設備投入成本。

發明內容

本發明提供一種基于告警事件的智能電能表狀態判斷方法及系統，基于電能表的基礎屬性及告警數據，根據歷史抽檢數據進行有監督的機器學習建立學習模型，能夠對電能表的運行狀態進行有效評價，提高預測精準度。

本發明一個實施例提供一種基于告警事件的智能電能表狀態判斷方法，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。

進一步地，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。

進一步地，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。

進一步地，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。