[发明专利]基于遗传算法和社团聚类的电能表运行状态监测方法

说明书

本发明涉及一种基于遗传算法和社团聚类的电能表运行状态监测方法，包括以下步骤：1)获得待测电能表的基础数据，提取该待测电能表的用电特征参数；2)基于所述用电特征参数，采用一基于遗传算法和多元神经网络的电能表状态评价模型，获取待测电能表的运行状态；其中，所述用电特征参数根据电能表运行状态关联因素选定，所述电能表运行状态关联因素基于社团聚类算法确定。与现有技术相比，本发明具有推动电能表状态轮换合理化、智能化，及时发现故障表及存在质量隐患的电能表，保障电能表运行质量水平等优点。

技术领域

本发明涉及一种电能表状态监测方法，尤其是涉及一种基于遗传算法和社团聚类的电能表运行状态监测方法。

背景技术

作为法定计量器具的电能表，承担着电压、电流、电能量等重要信息的测量、存储和传输任务，电能计量和信息传输的准确、及时关系到电力公司与客户之间电费结算的质量和效率。对于数百万只计量电量较大的运行电能表，目前一般都采用定期现场检验的方式监控其运行状态。交通和人力方面投入量巨大，难以满足目前企业减员增效的管理方向。同时，随着科技进步和产品质量的提高，电能表的现场运行故障率越来越低，频繁的现场检验缺乏实际意义。

通过抽样检测的结果判断整批电能表的运行状况，并依此决定电能表整批轮换或是继续使用的抽检监督办法在是目前普遍采用的一种电能运行状态评价及运行调换方法，但该方法较为麻烦。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于遗传算法和社团聚类的电能表状态监测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于遗传算法和社团聚类的电能表运行状态监测方法，包括以下步骤：

1)获得待测电能表的基础数据，提取该待测电能表的用电特征参数；

2)基于所述用电特征参数，采用一基于遗传算法和多元神经网络的电能表状态评价模型，获取待测电能表的运行状态；

其中，所述用电特征参数根据电能表运行状态关联因素选定，所述电能表运行状态关联因素基于社团聚类算法确定。

进一步地，对不同的待测电能表以时间维度为序列提取不同的所述用电特征参数。

进一步地，所述基础数据基于用电信息采集系统、SG186营销业务系统和MDS生产调度平台获取。

进一步地，所述电能表状态评价模型训练时，通过实验室试验以及对典型事件现有数据的筛选提炼建立典型、准确的初始样本数据库对模型进行初始设置和初期训练。

进一步地，所述电能表状态评价模型基于一用电特征参数数据库动态修正与更新。

进一步地，所述电能表运行状态关联因素确定过程中，利用社团聚类技术依据用电特征和安装环境实现划分，根据电能表关键影响因素的相似性实现智能聚类。

进一步地，该方法还包括：

基于步骤2)获取的待测电能表的运行状态对待测电能表进行评级。

进一步地，采用聚类定性结合风险评级的方式获得待测电能表的评级结果，实现电能表批次智能化划分。

与现有技术相比，本发明具有以如下有益效果：

1、本发明为不同种类的待分析电能表制定差异化方案，扩充状态检验模式下电能表状态参数的维度，加强对电能表环境因素以及用户特性的考量，保证了监测结果对网内各类智能电能表的普遍适用性和需求针对性。

2、本发明采用时间维度上的客户用电特征序列提取技术，实现对客户现存数据的深度挖掘和业务系统功能的扩展应用，解决用户用电特征模糊问题，扩充现存状态检验系统应用范围与分析维度，为电能表状态评价和状态轮换提供数据基础。