[發明專利]一種基于樣本全局再平衡的智能電表故障分類方法

在審

• 申請號: 202210348671.1
• 申請日: 2022-04-01
• 公開（公告）號: CN114781495A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 賈欣;高欣;薛冰;黃子健;傅世元;孟之航;黃旭;張光耀
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G01R35/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明實施例提出了一種基于樣本全局再平衡的智能電表故障分類方法，包括：將智能電表不同類別下的故障歷史數據作為輸入數據集，劃分得到多個二類數據集；針對每個二類數據集，構建VAE與GAN的融合模型，分別將每個樣本作為模型的輸入，將其隱編碼劃分為重要特征編碼和次要特征編碼；通過隱編碼重構技術得到其變異隱編碼，經解碼器還原、互信息約束與判別器對抗，生成多個考慮輸入樣本重要特征的可靠相似變異樣本；設計作用于兩類樣本隱編碼之間的特征斥力技術進行有監督的特征表示學習；通過混合編碼技術疊加樣本各維度重構誤差作為重要特征編碼的補充，據此判定待測樣本在每個二類數據集下的分類結果，通過硬投票得到其故障類別。

【技術領域】

本發明涉及智能電表故障分類方法，尤其涉及一種基于樣本全局再平衡的智能電表故障分類方法。

【背景技術】

21世紀以來，智能電表在用電信息采集領域大規模推廣應用，電力工業進入大數據時代，作為我國當前智能電網建設下的終端設備，智能電表集計量、顯示、通信等多種功能于一體，對電網的穩定運行起重要支撐作用。隨著智能電網的發展，智能電表的功能日益豐富，同時其故障類型也日益增多，故障電表的及時檢修，對電網的穩定運行和用戶的穩定用電具有重大意義。但由于運維人員往往只具備針對某些特定故障電表的維修經驗，在智能電表發生故障時，難以在未知電表故障類型的情況下派遣具備相關維修經驗的維修人員進行電表檢修。因此，對智能電表故障類型的準確預測是至關重要的。

隨著智能電網的發展，對智能電表的需求日益加大，智能電表生產廠商隨之增多，不同生產廠商的設計方案、元器件選型及工藝流程各不相同，加上復雜的生產環境和應用環境，導致智能電表的故障類型復雜且多樣，其故障的發生同時受上述多種因素影響，尋找這些因素與故障類型之間的映射關系異常復雜，是一類典型的機器學習問題。此外，不同故障類型電表出現的頻次也各不相同，故障數據呈現出多模式分布特點，這更加增大了智能電表的預測難度。直接基于不平衡數據學習會導致分類器的預測結果向多數類偏移。通過數據采樣手段能夠實現類別間的平衡，但這類方法缺乏對合成樣本真實性的保障機制；生成對抗網絡通過生成器和鑒別器的對抗博弈能夠提升生成樣本的真實性，但存在模式崩潰問題，無法保證少數類樣本平衡前后分布的一致性。基于上分析，本發明提出了基于樣本全局再平衡的智能電表故障分類方法，以提高智能電表故障分類的性能。

【發明內容】

有鑒于此，本發明提出了基于樣本全局再平衡的智能電表故障分類方法，以提高智能電表故障分類的性能。

本發明提出了一種基于樣本全局再平衡的智能電表故障分類方法，包括如下步驟：

(1)將智能電表不同類別下的故障歷史數據作為輸入數據集，劃分得到多個二類數據集，具體為：

將智能電表實際故障數據集輸入，該數據集中的樣本共包含工作時長、到貨批次號、供電單位編號、電能表類別、故障識別月份、安裝月份、省份、設備規格、通訊方式、設備標識9種特征變量；其故障類別標簽共包含外觀故障、計量故障、存儲單元故障、處理單元故障、顯示單元故障、控制單元故障、電源單元故障、通訊單元故障、時鐘單元故障、其它故障、軟件故障11類；遍歷故障數據集中的每一類樣本，將該類別下所有樣本作為少數類樣本集，其余類別所有樣本為多數類樣本集，將原數據集轉化為11個二類數據集；對于其中每個二類數據集，均可將數據集描述為：

X＝[X_min,X_maj]

其中，X為二類數據集，定義x為該數據集中的任一樣本，即x∈X；X_min為少數類樣本集，定義x_min為該數據集中的任一樣本，即x_min∈X_min；X_maj為多數類樣本集，定義x_maj為該數據集中的任一樣本，即x_maj∈X_maj；