[發明專利]一種用于智能電表的無擾臺區識別方法

在審

• 申請號: 202110622831.2
• 申請日: 2021-06-03
• 公開（公告）號: CN113341253A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 宋征衛;黃志平;翟海瑩
• 申請（專利權）人: 北京博納電氣股份有限公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G01S19/25;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京兆君聯合知識產權代理事務所(普通合伙) 11333
• 代理人: 鄭學成

1.一種用于智能電表的無擾臺區識別方法，其特征在于，該方法包括如下步驟：

步驟一，時鐘產生：在CCO上配置時鐘芯片，通過時鐘芯片來獲得標準GPS 1PPS時間數據，從而來獲得精準的等間隔時間t₀ t₁ t₂……t_N-1；

步驟二，時鐘傳輸：由CCO、代理CCO和STA組成的電力線載波通信網絡，把步驟一中產生的t₀ t₁ t₂……t_N-1由CCO傳遞給每個STA，其中CCO、代理CCO和STA按照NTB時間來完成傳輸時間誤差△t的校正；

步驟三，數據采集：定義數據細胞為t_n時刻一系列標準臺區信息的組合，該數據細胞由t_n時刻各類傳感器采樣所得；基本的，按照標準時間t₀ t₁ t₂……t_N-1的對應順序來獲得的采樣電壓數據V₀ V₁ V₂……V_N-1，保留了完整的臺區頻域數據信息；

步驟四，數據融合：同一臺區的數據細胞有較強的相關性，采用新型的深度學習聚類器，把屬于一個臺區的數據細胞歸為一類，完成STA所處臺區的判斷；

步驟五，臺區信息糾錯：在深度學習的過程中，降低虛警概率規則器的比重，提高漏警概率規則器的比重，對于無法判斷臺區信息的用戶，需要上報至平臺，并把數據細胞序列保存下來待進一步分析。

2.根據權利要求1所述的用于智能電表的無擾臺區識別方法，其特征在于，所述CCO中帶有4G LTE芯片，4G LTE芯片的功能是用于抄表數據并回傳；所述步驟一中通過4G LTE芯片來回傳1PPS信息。

3.根據權利要求1所述的用于智能電表的無擾臺區識別方法，其特征在于，所述步驟三中的數據細胞里面的數據包括但不限于電壓，還可以包括電流、信號場強、信噪比和人工標記數據，數據細胞的數據是可擴展的；根據運算負載、復雜程度可以靈活選擇數據細胞的數量；當電網相對簡單，臺區識別準確率較高時，可以選擇較少的數據，當臺區識別相對較困難，可以選擇較多的數據。

4.根據權利要求1所述的用于智能電表的無擾臺區識別方法，其特征在于，所述步驟四中的深度學習聚類器不需要提煉模型，僅依賴預先設計的規則，讓深度學習自己提煉數據內在的模型特點。

5.根據權利要求1所述的用于智能電表的無擾臺區識別方法，其特征在于，所述步驟四中的深度學習分類器主要包括特征提取和特征聚類兩部分，具體步驟如下：

步驟1：將采集的細胞數據劃分為訓練數據集和測試數據集。基本的，訓練集{V₀ V₁V₂……V_0.8N-1}和測試集{V_0.8N V₁ V₂……V_N-1}數據完全不重復；

步驟2：構建多層自編碼器模型，主要包括編碼網絡和解碼網絡。其中編碼網絡的輸入尺寸和解碼網絡的輸出尺寸根據數據細胞V_n維度定義且保持一致，解碼網絡的輸入尺寸和編碼網絡的輸出尺寸保持一致。兩個網絡的組成包括但不限于全連接神經網絡，還可以根據數據細胞的復雜程度靈活地添加卷積層,池化層和歸一化層等；

步驟3：設定最大訓練周期，批量訓練數據大小，初始學習率等超參數。以數據細胞V_n作為編碼網絡的輸入以及解碼網絡的輸出標簽，并將編碼網絡的輸出作為解碼網絡的輸入，訓練上述自編碼器模型；

步驟4：以均方誤差為損失函數，計算解碼網絡預測輸出與對應編碼網絡輸入之間的損失值。通過將該損失值在自編碼器模型上反向傳播，獲得梯度信息，并使用梯度下降法迭代地更新模型參數；

步驟5：保存訓練過程中的自編碼器模型，并從中選取使得測試數據集誤差最小的模型，用于后期無擾臺區的特征提取；

步驟6：數據特征聚類，基于編碼網絡得到的特征集合，從中隨機選擇K(K為臺區類別數)個數據樣本作為聚類中心。計算其他各樣本與K個中心的距離，將其分配到距離最近的聚類中心。在分配數據樣本的同時不斷更新每個聚類的中心，并基于新的聚類中心分配特征數據。如此反復，直至聚類中心不再發生改變，即完成了不同臺區數據的分類聚合。