[發明專利]一種基于多標簽置信度比較的智能電表故障分類方法

在審

• 申請號: 202210569747.3
• 申請日: 2022-05-24
• 公開（公告）號: CN115099306A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 高欣;孟之航;賈欣;薛冰;黃子健;傅世元;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
• 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多標簽置信度比較的智能電表故障分類方法，包括：對智能電表不同故障類別下的歷史數據進行劃分，得到多個二類數據集，作為輸入數據；遍歷各二類數據集中的每個樣本，將其作為目標樣本并在該樣本的近鄰樣本池中進行多次隨機采樣，構成多個差異化的目標?近鄰樣本對；基于由大量目標?近鄰樣本對組成的擴充后的新數據集，構建多標簽信任判別網絡在目標?近鄰樣本對內開展目標樣本與對照樣本組之間的多標簽置信度比較；在測試階段，對于任一待測樣本，任意組合其多個不同的對照樣本組得到該測試樣本的多個目標?近鄰樣本對，集成各組預測結果進行反向推理得到在每個二類數據集下的判別結果，通過軟投票得到故障類別。

【技術領域】

本發明涉及智能電表故障分類方法，尤其涉及一種基于多標簽置信度比較的智能電表故障分類方法。

【背景技術】

21世紀以來，隨著電力市場化改革的推進以及國家近年來能源政策的相關調整，電力網絡與電力市場和用戶之間的交互變得越來越緊密。用戶的用電需求和用電量不斷提高，可再生能源等分布式發電資源數量不斷增加，傳統的電力網絡已經很難再滿足以上需求。在這種大環境下，智能電網應運而生。作為智能電網中的終端設備，智能電表在傳統電表計量用電量的基礎上，集數據顯示、信息傳輸、竊電防控等功能于一體，在電網的穩定運行中起重要支撐作用。但是，隨著智能電表的普及與推廣，其在運行中的故障呈現出復雜性、多樣性、突發性等特點，嚴重影響了用戶的正常用電。且目前對電網系統的維護主要依賴于運維人員，在處理故障的過程中，難免存在決策主觀或片面等問題，導致對電表故障處理的不合理、不及時。因此，對智能電表故障進行準確分類，不僅能夠幫助電網企業及時做出合理的決策并派遣具有相關經驗的工作人員進行處理，還對提高電網系統整體穩定性、降低人力資源損耗和運維成本具有重要意義。

目前，隨著智能電表的大規模投入使用，不同的制造廠商也日益增多。各個廠商在制造過程中所選用的電子元器件、所采取的工藝手法以及整體的設計方案都各不相同，這進一步提升了智能電表本身的復雜性，勢必會在使用過程中帶來更多的故障類別。同時，鑒于不同地區地理環境以及氣候差異較大，智能電表的運行狀態也會不可避免地受到影響，其故障的復雜程度也隨之更上一層。對智能電表的多種故障進行分類，是一類典型的機器學習問題。且不同故障類型在實際使用過程中出現的頻次也各不相同，故障數據整體呈現出多模式分布的特點，進一步增大了對智能電表各類故障正確預測的難度。如果對上述數據不進行處理而直接基于機器學習方法進行學習，往往會導致分類器在學習過程中偏向多數類特征，進而導致模型難以正確識別少數類，嚴重降低了模型的泛化能力。目前，處理此類問題主要有兩類層面的方法，分別為數據層面和算法層面。數據層面的方法通過樣本再平衡手段提升少數類樣本的召回率與準確率，且不需要依賴具體的數據集，具有較好的泛用性。但缺乏對生成樣本可靠性進行監督的機制，難以保證生成樣本的真實性，且在構造新樣本的過程中無法避免引入噪聲的問題。算法層面的方法雖通過人為提高誤分類代價，修改模型結構等方法在一定程度上提高了分類精度，緩解了數據不平衡所帶來的影響，但往往受限于所選數據集和具體的分類任務，缺乏普適性。此外，如何深入挖掘數據交疊區分布差異，以及在少數類樣本絕對數量較少的情況下有效挖掘類別差異也是不平衡分類領域面對的重要挑戰。基于以上分析，本發明提出了一種基于多標簽置信度比較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，本發明提出了一種基于多標簽置信度比較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多標簽置信度比較的智能電表故障分類方法，包括如下步驟：

(1)對智能電表不同故障類別下的歷史數據進行劃分，得到多個二類數據集，作為輸入數據，具體為：