[发明专利]一种基于大数据自诊断的电能计量方法及系统

说明书

本发明提供一种基于大数据自诊断的电能计量方法及系统，方法包括如下步骤：S1.通过用电信息采集系统对智能电表进行召测，获取电能计量数据及智能电表信息数据；S2.将用电信息采集系统获取的电能计量数据及智能电表信息数据上传到大数据平台进行统计分析和特征量提取；S3.根据大数据平台的统计分析和提取的特征量计算出异常数据，并根据异常数据查找对应的智能电表进行预警。本发明提供的基于大数据自诊断的电能计量方法及系统，通过分布式存储系统对智能电表采集电能计量数据及智能电表信息数据进行快速处理，数据处理效率高，并通过对数据的处理及时发现智能电表故障，避免了人工排查费力费力的问题。

技术领域

本发明属于电能计量技术领域，具体涉及一种基于大数据自诊断的电能计量方法及系统。

背景技术

随着电力技术的发展，智能电表已经开始普及，智能电表为计量数据采集带来极大的便利，但是受到环境、人为、设计因素的影响，智能电表也会出现故障，若通过人工排查，工作量太大，且不能及时发现故障，给用户带来不便，给电力部门带来损失，若能通过对计量数据的分析处理及时发现故障，将会带来大大的便利，但大量计量数据的采集和处理面临着大数据量和高处理速度的要求，给现有的电能计量提出了很高的要求。

此为现有技术的不足，因此，针对现有技术中的上述缺陷，提供一种基于大数据自诊断的电能计量方法及系统，是非常有必要的。

发明内容

针对现有技术的上述智能电表故障人工排查工作量大，通过数据分析面临工作量大的缺陷，本发明提供一种基于大数据自诊断的电能计量方法及系统，以解决上述技术问题。

第一方面，本发明提供一种基于大数据自诊断的电能计量方法，包括如下步骤：

S1.通过用电信息采集系统对智能电表进行召测，获取电能计量数据及智能电表信息数据；

S2.将用电信息采集系统获取的电能计量数据及智能电表信息数据上传到大数据平台进行统计分析和特征量提取；

S3.根据大数据平台的统计分析的结果和提取的特征量计算出异常数据，并根据异常数据查找对应的故障智能电表进行预警。

进一步地，步骤S2具体步骤如下：

S21.将用电信息采集系统获取的电能计量数据及智能电表信息数据上传到大数据平台；

S22.大数据平台将电能计量数据及智能电表信息数据分割，并通过分布式存储系统进行统计分析和特征量提取。大数据平台通过分布式存储系统对电能计量数据及智能电表信息数据切割后进行存储和统计分析，提高了数据处理效率。

进一步地，步骤S22具体步骤如下：

S221.大数据平台将电能计量数据及智能电表信息数据分割；

S222.大数据平台通过分布式存储系统的各子节点对分割的电能计量数据及智能电表信息数据进行统计分析，提取出特征量，并将数据划分为训练数据集和验证数据集；

S223.各子节点根据特征量生成电能计量自诊断模型，并通过训练数据集对电能计量自诊断模型进行训练；

S224.各子节点通过验证数据集对训练后的电能计量自诊断模型进行修正。大数据平台将电能计量数据及智能电表信息数据划分为两部分，一部分用于训练电能计量自诊断模型，一部分用于验证电能计量自诊断模型，并进行修正。

进一步地，步骤S3具体步骤如下：

S31.大数据平台的各子节点根据统计分析结果和提取的特征量计算出异常数据；

S32.大数据平台对各节点的异常数据进行汇总，并根据汇总的异常数据查找对应的故障智能电表进行预警。

进一步地，步骤S31具体步骤如下：