[發明專利]一種基于FM-KNN的智能電表運行狀態評價方法

在審

• 申請號: 202210792954.5
• 申請日: 2022-07-05
• 公開（公告）號: CN114997336A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 楊舟;陳玨羽;周政雷;蔣雯倩;李剛;李金瑾
• 申請（專利權）人: 廣西電網有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/215;G06Q10/06
• 代理公司: 河北智酷知創知識產權代理事務所(普通合伙) 13157
• 代理人: 武哲

一種基于FM?KNN的智能電表運行狀態評價方法，涉及智能電表數據技術領域，包括獲取智能電表數據并對所述智能電表數據進行預處理、采用SMOTE算法對智能電表數據進行數據采樣和構建數據模型，所述構建數據模型為構建FM?KNN模型，具體方法步驟包括，a、核函數選擇，b、數據映射c、構建模型，d、根據模型的分類結果，調整KNN參數，得到最終模型，本發明基于KNN算法，對算法進行改進優化，利用FM特征映射思想，將二維空間不可分的數據映射到高維空間，計算歐氏距離，實現智能電表的運行狀態評價，構建電表運行狀態標簽體系，更好的對電表狀態進行評估分析。

技術領域

本發明涉及智能電表數據評價技術領域，具體是涉及了一種基于FM-KNN的智能電表運行狀態評價方法。

背景技術

智能電能表是重要的法制計量器具，是實現電力貿易結算的必要設備，其運行可靠性對保證用戶合法權益、電網公司經濟方面有重大影響。電網公司通常采用現場巡檢、遠程異常篩查、異常主動上報方式開展智能電表狀態評價，并依據評價結果開展相應的更換、修校工作。但是，這種傳統運維模式對于人力物力要求較高，且工作周期較長，在保證智能電能表高可靠性的前提下需投入占用較多資源，且存在潛在的資產浪費風險。

近年來，隨著海量智能電能表的接入，積累了大量的電表數據，其中包含著豐富的設備結構、檢修和運行狀態信息。因此，基于大數據技術建立智能電能表狀態評價模型，對運行中智能電能表的可靠性進行合理評估，對于增加智能電能表運維效率，保障現場運行水平，提升公司精益化管理水平有重要意義。

發明內容

本發明為了解決上述問題，本發明提供了一種基于FM-KNN的智能電表運行狀態評價方法，基于KNN算法，對算法進行改進優化，利用FM(Feature-map)特征映射思想，將二維空間不可分的數據映射到高維空間，計算歐氏距離，實現智能電表的運行狀態評價，構建電表運行狀態標簽體系，更好的對電表狀態進行評估分析。

本發明采用的技術方案是，提供了一種基于FM-KNN的智能電表運行狀態評價方法，包括對智能電表數據預處理、數據采樣和構建數據模型，所述構建數據模型為構建FM-KNN模型，具體方法步驟包括，

a、核函數選擇，數據在二維空間不可分時，利用高斯核函數，將數據從低維空間映射到高維空間；

b、數據映射，借助泰勒公式展開高斯核函數，化簡后，得到映射公式，通過映射公式將二維空間數據映射到三維空間；

c、構建模型，初始化KNN，設置相關模型超參數，將經過映射處理后的數據納入模型進行迭代，計算新數據點與相鄰現有訓練數據點之間的距離，最后通過投票法確定新數據的具體類別，輸出模型預測結果；

d、根據模型的分類結果，調整KNN參數，得到最終模型。

所述智能電表數據包括數值型數據和非數值型數據，所述非數值型數據包括有類別型數據和非類別型數據，所述類別型數據中類別存在排序問題為定序型，不存在排序問題為定類型。

所述數據預處理方式包括數據清洗、數據轉換和數據歸一化。

所述數據清洗包括，

對于缺失數據，通過自動填補、手動填補、刪除數據的方式進行處理缺失數據；

對于離群點數據，當離群點由隨機因素產生，直接忽略或者剔除離群點數據，當離群點由不同機制產生，結合相應數據分布及業務特征采用OneClassSVM或IsolationForest或Local Outlier Factor算法進行處理離群點數據；

對于重復數據，根據數據情況可直接刪除或將其中一條數據做隨機處理，以擴充訓練樣本數據量。

所述數據轉換包括，

對于非數值型數據，進行類別轉換，將非數值型轉換為數值型；