[发明专利]一种基于长短时记忆模型的电能计量装置异常检测方法

说明书

本发明涉及一种基于长短时记忆模型的电能计量装置异常检测方法，包括：（1）获取原始采集数据；（2）数据预处理；（3）设置模型超参数；（4）用训练样本训练模型；（5）用测试样本测试模型；（6）输出电能计量装置异常检测结果。本发明提出的一种基于长短时记忆模型的电能计量装置异常检测方法，将深度学习理论应用于数字化电能表异常检测中，在数据量大、易缺失的情况下自动学习各种故障下各采集数据的变化特征，同时具有较好的容错性，有助于提高电能计量装置异常检测精确性和及时性。

技术领域

本发明涉及故障诊断技术领域，特别是一种基于长短时记忆模型的电能计量装置异常检测方法。

背景技术

传统电能计量装置异常运行情况的诊断分析只能单一地依赖现场校验来实现，受制于此，仅有少部分大容量(315kVA及以上)、大电量(月均电量10kWh及以上)的用户被纳入现场校验，这类用户仅占非居民户总数的比例很小，大量工商业用户的用电计量状况游离于监控之外，发生计量故障或人为因素的差错、窃电等情况很难发现；同时现场校验周期一般为3个月到1年，即便发现问题，也常因间隔时间太长等原因，使得对差错电量的认定和追补有一定难度，同时现场校验需要用户配合，这种工作模式很难现场查见用户主观性违约用电或窃电的情况。

目前，国外研究侧重于电能计量装置在智能电网中的应用，将数据和信息通过远程计量装置传回中心进行分析。国内对于电能计量装置状态检验主要是采用周期现场检验的方式，还没有针对电能计量装置运行状况的在线监测设备和系统的大规模应用。这种周期现场检验的方式存在很大的不足，一方面现场检测受外界因素影响较大，不能据此对计量装置常态运行状况进行评估，每次往返现场工作也需要耗费大量的人力、财力和时间，相对成本较高，现场工作的安全风险较大；另一方面，由于缺少实时监测系统，不能及时发现、处理电能计量装置异常问题。

用户用电信息采集系统可用于用电信息采集、处理和实时监控，能够实现用户用电行为分析和管理、计量异常监测、电能质量监测、智能用电设备的信息交互等功能，是实现电网智能化的重要技术手段。电力用户用电信息采集系统建立之后，即可通过远程采集用电信息来分析用户电能计量装置运行情况，但是庞大的采集数据仅靠人工分析和筛查异常信息所需花费的时间是相当长的，而且人工分析常常会有疏漏，同时一些分析工具难以满足要求。

由于电能计量装置的异常状态通常具有潜伏性，即一定时刻的用户用电信息中会会反映异常特征，相比于上述几种方法，长短时记忆模型(Long-Short Time Memory,LSTM)可以对历史监测数据与当前数据关联分析，也可以综合分析多源异构数据的影响，提高了异常检测的准确率，解决了多个不相关因素引起故障的分析难问题，高模型的自主学习能力和容错率，故障诊断速度更快、精度更高。

发明内容

本发明的目的在于提供一种基于长短时记忆模型的电能计量装置异常检测方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种基于长短时记忆模型的电能计量装置异常检测方法，按照如下步骤实现：

步骤S1：采集用户用电信息采集系统历史数据，包括正常样本和故障样本；

步骤S2：对用户用电信息采集系统历史数据进行多维度配置和叠加，按时间和地理位置筛选和归类，通过数据采样建立样本，并按照预设比例划分训练集和测试集；

步骤S3：根据训练数据确定长短时记忆模型的超参数，包括：输入节点、输出节点、最大层数、每层的节点数和最大迭代次数；

步骤S4：利用训练数据训练长短时记忆模型，反复迭代直至长短时记忆模型的代价函数低于预设阈值；

步骤S5：将测试数据导入到已经训练好的长短时记忆模型中进行测试，如果测试精度不满足预设阈值要求，则重复步骤S3以及步骤S4再次训练模型；