[发明专利]一种基于特征分组的电能计量异常诊断方法及系统

说明书

技术领域

本发明涉及电能计量异常识别领域，尤其涉及一种基于特征分组的电能计量异常诊断方法及系统。

背景技术

电力系统智能化是现阶段电力行业发展的共同方向，而用电信息采集系统是保证这一工作内容得以顺利进行的重要基石。用电数据是由电能计量装置将电力能源输送过程中产生的数据采集得来。随着该计量装置的不断应用，受到器件老化、人为破坏等各种因素的影响，常常使得装置出现不同程度的异常情况。这些计量异常的情况或大或小都会对电力企业带来一定的经济损失，严重的话还会影响到电力管理工作。

电能计量异常的情况种类繁多，一般包括计量表异常、互感器异常、接线盒异常等。每种设备又可以具体细分出异常子类，如：电压断相、电压缺相、电流过负荷等等。然而，目前对于电能计量设备的故障异常类型的判断主要是依靠现场维护处理的技术人员的经验来辨别确定，其判断结果容易受主观影响，且缺乏理论性依据，判断识别时间也较长，大大影响了现场事故处理的效率。

发明内容

本发明实施例提供了一种基于特征分组的电能计量异常诊断方法及系统，解决了目前对于电能计量设备的故障异常类型的判断主要是依靠现场维护处理的技术人员的经验来辨别确定，其判断结果容易受主观影响，且缺乏理论性依据，判断识别时间也较长，大大影响了现场事故处理的效率。

本发明实施例提供的一种基于特征分组的电能计量异常诊断方法，包括：

根据获取到的电能计量异常类型及电能计量异常类型的判据，形成电能异常数据集，并根据电能计量异常类型的判据对应的数据源和电能异常数据集构建初始数据库；

对初始数据库的数据源数据按照电能计量异常类型的判据进行数据变换，形成初始计量异常指标集；

对初始计量异常指标集进行指标特征分组，形成多个指标组别；

对指标组别进行多分类器训练，得到若干个不同的分类模型；

将若干个不同的分类模型进行融合，得到电能计量异常识别结果。

优选地，对初始数据库的数据源数据按照电能计量异常类型的判据进行数据变换，形成初始计量异常指标集包括：

对初始数据库的数据源数据进行数据预处理并按照电能计量异常类型的判据进行数据变换，形成初始计量异常指标集，数据预处理包括纠正或删除异常数据、插补缺失数据。

优选地，对初始计量异常指标集进行指标特征分组，形成多个指标组别包括：

对初始计量异常指标集中的每种电能计量异常类型和每种电能计量异常类型对应的指标进行匹配整理；

根据指标与电能计量异常类型之间的特征关系进行指标特征分组，形成多个指标组别。

优选地，对指标组别进行多分类器训练，得到若干个不同的分类模型包括：

根据不同的电能计量异常类型，对每个指标组别的指标集选择多个分类器进行训练，得到若干个不同的训练好的分类器模型，训练好的分类器模型可固定识别对应的电能计量异常类型。

优选地，将若干个不同的分类模型进行融合，得到电能计量异常识别结果包括：

将训练好的分类模型对应识别的电能计量异常类型进行汇总，实现对所有电能计量异常类型的判别。

本发明实施例提供的一种基于特征分组的电能计量异常诊断系统，包括：

构建模块，用于根据获取到的电能计量异常类型及电能计量异常类型的判据，形成电能异常数据集，并根据电能计量异常类型的判据对应的数据源和电能异常数据集构建初始数据库；

变换模块，用于对初始数据库的数据源数据按照电能计量异常类型的判据进行数据变换，形成初始计量异常指标集；

分组模块，用于对初始计量异常指标集进行指标特征分组，形成多个指标组别；

训练模块，用于对指标组别进行多分类器训练，得到若干个不同的分类模型；

融合模块，用于将若干个不同的分类模型进行融合，得到电能计量异常识别结果。

优选地，变换模块包括：

数据变化单元，用于对初始数据库的数据源数据进行数据预处理并按照电能计量异常类型的判据进行数据变换，形成初始计量异常指标集，数据预处理包括纠正或删除异常数据、插补缺失数据。

优选地，分组模块包括：

匹配单元，用于对初始计量异常指标集中的每种电能计量异常类型和每种电能计量异常类型对应的指标进行匹配整理；

分组单元，用于根据指标与电能计量异常类型之间的特征关系进行指标特征分组，形成多个指标组别。

优选地，训练模块包括：