[發(fā)明專利]多環(huán)境應(yīng)力下的智能電表故障率預(yù)估方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110652358.2
• 申請(qǐng)日: 2021-06-11
• 公開(kāi)（公告）號(hào): CN113484813A
• 公開(kāi)（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 陳祉如;代燕杰;郭亮;荊臻;張志;杜艷;趙曦;董賢光
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)山東省電力公司營(yíng)銷服務(wù)中心（計(jì)量中心）;國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院;國(guó)網(wǎng)山東省電力公司
• 主分類號(hào): G01R35/04
• 分類號(hào): G01R35/04
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 張志輝

1.一種多環(huán)境應(yīng)力下的智能電表故障率預(yù)估方法，其特征在于，包括以下步驟：

S100，獲取在不同類型環(huán)境地區(qū)的智能電表的歷史故障率數(shù)據(jù)，基于加權(quán)歐式距離的加權(quán)局部離群因子，進(jìn)行噪聲點(diǎn)檢測(cè)，清洗噪聲數(shù)據(jù)，得到歷史樣本集；

S200，確定核函數(shù)的形式，對(duì)所述核函數(shù)的超參數(shù)進(jìn)行尋優(yōu)；

S300，建立高斯過(guò)程回歸模型，使用所述歷史樣本集對(duì)所述高斯過(guò)程回歸模型進(jìn)行訓(xùn)練和測(cè)試；

S400，輸入待測(cè)智能電表的故障樣本數(shù)據(jù)，基于加權(quán)歐式距離的加權(quán)局部離群因子剔除噪聲數(shù)據(jù)，并通過(guò)訓(xùn)練好的所述高斯過(guò)程回歸模型得出所述待測(cè)智能電表的可靠度。

2.根據(jù)權(quán)利要求1所述的多環(huán)境應(yīng)力下的智能電表故障率預(yù)估方法，其特征在于，所述基于加權(quán)歐式距離的加權(quán)局部離群因子，進(jìn)行噪聲點(diǎn)檢測(cè)，清洗噪聲數(shù)據(jù)包括：

S110，獲取至q(x_q,x_q)的加權(quán)距離不超過(guò)加權(quán)k歐式距離的所有點(diǎn)的集合，得到點(diǎn)q(x_q,x_q)的加權(quán)k距離鄰域：

其中，k為預(yù)設(shè)正整數(shù)，D^w(q,o)表示點(diǎn)q(x_q,y_q)與點(diǎn)o(x_q,y_q)之間的加權(quán)歐式距離；所述加權(quán)歐式距離為：

權(quán)值w_d表示不同應(yīng)力對(duì)故障率的影響程度；

S120，遍歷點(diǎn)q(x_q,x_q)的加權(quán)k距離鄰域中的每一個(gè)點(diǎn)p(x_q,y_q)，獲取點(diǎn)q(x_q,y_q)與p(x_q,y_q)的加權(quán)可達(dá)距離：

S130，計(jì)算點(diǎn)q(x_q,x_q)的加權(quán)局部可達(dá)密度為

S140，得到點(diǎn)q(x_q,y_q)的加權(quán)局部離群因子為:

S150，若點(diǎn)q(x_q,y_q)的加權(quán)局部離群因子其中，T_h為預(yù)設(shè)閾值，則點(diǎn)q(x_q,y_q)為噪聲點(diǎn)；

S160，刪除步驟S150中的噪聲點(diǎn)，得到不含噪聲的故障率數(shù)據(jù)集D'_r＝{(t,X_i,j,t,y'_i,j,t)}，其中，t表示統(tǒng)計(jì)時(shí)間，X_i,j,t表示省份j的第t年的第i個(gè)地區(qū)的環(huán)境特征，y'_i,j,t表示相應(yīng)的故障率值。

3.根據(jù)權(quán)利要求2所述的多環(huán)境應(yīng)力下的智能電表故障率預(yù)估方法，其特征在于，通過(guò)斯皮爾曼相關(guān)性分析得出w_d的值；對(duì)于樣本大小為n的故障率數(shù)據(jù)集D_r,

有

d_i＝rank(t,X_i,j,t)-rank(y_i,j,t)

其中，d_i表示各個(gè)應(yīng)力與故障率之間的秩差，rank()表示表示求解變量之間的秩。

4.根據(jù)權(quán)利要求2所述的多環(huán)境應(yīng)力下的智能電表故障率預(yù)估方法，其特征在于，T_h被配置為1.5。