[发明专利]一种基于大数据模型对智能电表故障异常辨识分析的方法

说明书

本发明涉及一种基于大数据模型对智能电表故障异常辨识分析的方法，其包括从SG186系统中收集拆回分拣表的数据、将准备的数据加工处理成智能电表计量异常分析模型能够使用的数据和使用智能电表故障辨识模型对预处理数据进行分析并判断智能电表是否故障的步骤，本发明结合智能电表故障辨识模型与智能电表计量异常分析模型，既可以分析智能电表的故障数据又可以针对计算规则，可以更加精确的对智能电表故障预测进行辨识分析管理，本发明通过数据分析，实现智能电表的异常检测；分析过程无需人工干预，减少大量人工上报工作，提升工作效率。

技术领域

本发明涉及一种基于大数据模型对智能电表故障异常辨识分析的方法，属于电力大数据应用技术领域。

背景技术

国家电网的省级公司在日常资产运营管理中有计量资产业务流程执行不到位和资产管理质量不规范，在实际工作中存在对现有库存资产缺乏有效管控，导致计量资产账务实物不一致，影响库存统计、需求管控等业务的有效开展，造成部分计量资产的库龄较长、库存居高不下，无法实现对计量资产的精益化管理。

与此同时，随着智能电表的大规模安装应用以及周期轮换、故障更换业务的开展，拆回智能电表的分拣业务逐渐成为计量管理的重点工作之一。目前拆回表处理业务普遍存在拆回原因填写和拆回流程操作不规范，造成较大的错误换表工单和大量无故障表计拆回，同时未根据智能电表装拆数据及库存数据开展计量资产质量的分析，不利于智能电表资产管理提升和质量提高，智能电表的拆回管理、分拣检测和分拣后处置环节缺少有效监控，无法实现计量资产降本增效的管理目标。

因此，需要大力深化智能计量体系建设，加强资产精益化管理，特别是强化计量资产管理以及业务数据质量集约化管控，实现对各市、县供电公司库存合理范围评价、计量资产库龄、表龄的评价，另一方面，通过大数据模型建设，对各市、县供电公司的故障拆回表管理等流程数据进行量化分析和辅助决策，促进故障拆旧表管理流程规范化、资产管理精细化，完善资产全寿命周期管理，提高回收资产利用率，从而有效辅助计量资产库存管理及流程管理规范化的稽查要求。

发明内容

本发明所要解决的技术问题是提供一种对智能电表计量资产智能辨别分析的梳理，对智能电表数据进行分析，实现对表计的资产管控，提高拆回工作质量的基于大数据模型对智能电表故障异常辨识分析的方法。

本发明采用如下技术方案：

本发明一种基于大数据模型对智能电表故障异常辨识分析的方法采用如下步骤：

步骤一、数据准备：从SG186系统中收集拆回分拣表的数据；

步骤二、数据预处理：将准备的数据加工处理成智能电表计量异常分析模型能够使用的数据；

步骤三、建模分析：使用智能电表故障辨识模型对步骤二中的预处理数据进行分析，判断智能电表是否故障。

本发明在步骤三中,设R是智能电表故障数据库的历史数据,将R的60％数据分给训练集S，S的40％数据分给测试集T，将S分成n个子集S1，S2，…，Sn，其中n为S中属性X的个数，设训练集S的熵为info(S)。

本发明所述式中|S|为S中的样本总数，

freq(Ci,S)中的C为(i＝1,2,3...,N)的样本个数,N为决策性总的类别数。

本发明将训练集S根据属性X分成n个子集后，计算各个子集的信息熵,公式为式中info_x(S)为属性X的信息熵，

S_i属于类别C_i(i＝1,2...m)样本的总数，m为属性X的类别数。

本发明属性X的信息増益率gain_ratio(X)为

式中：gain(X)为增益标准，