[发明专利]一种基于拆回表运行特征的在运电能表批次故障诊断方法

权利要求书

1.一种基于拆回表运行特征的在运电能表批次故障诊断方法，其特征在于，包括以下步骤：

S1：使用数据清洗方法对拆回电能表分拣数据和采集异常数据进行缺失值、异常值处理；

S2：将处理后的数据输入LASSO回归模型进行自动化学习，提取拆回电能表批次故障率的规律特征，构建故障诊断模型；

S3：使用故障诊断模型，诊断在运电能表的批次故障率；

S1中，经过处理的数据作为LASSO回归模型的自变量，自变量包括该批次电能表示值不平平均发生次数、该批次电能表飞走平均发生次数、该批次电能表倒走平均发生次数、该批次电能表停走平均发生次数、该批次电能表电压断相平均发生次数、该批次电能表电量差动异常平均发生次数、该批次电能表功率差动异常平均发生次数、该批次电能表功率因数异常平均发生次数、该批次电能表时钟异常平均发生次数、该批次电能表反向电量异常平均发生次数、该批次电能表潮流反向平均发生次数、该批次电能表时钟异常诊断平均发生次数、该批次电能表严重计量异常平均发生次数、该批次电能表异常事件平均发生次数、该批次电能表费率设置异常平均发生次数、该批次电能表电压越限平均发生次数、该批次电能表电压不平衡平均发生次数、该批次电能表高供高计B相异常平均发生次数、该批次电能表电流失流平均发生次数、该批次电能表电流不平衡平均发生次数、该批次电能表电能表开盖平均发生次数、该批次电能表计量门开闭平均发生次数、该批次电能表恒定磁场干扰平均发生次数、该批次电能表用户停电平均发生次数、该批次电能表需量超容平均发生次数、该批次电能表负荷超容平均发生次数、该批次电能表电流过流平均发生次数、该批次电能表负荷持续超下限平均发生次数、该批次电能表相序异常平均发生次数、该批次电能表费控下发异常平均发生次数、该批次电能表剩余金额异常平均发生次数、该批次电能表电量异常诊断平均发生次数、该批次电能表电压电流异常诊断平均发生次数、该批次电能表异常用电诊断平均发生次数、该批次电能表负荷异常诊断平均发生次数、该批次电能表接线异常诊断平均发生次数、该批次电能表费控异常诊断平均发生次数、该批次电能表终端与主站无通信平均发生次数、该批次电能表集中器下电表全无数据平均发生次数、该批次电能表采集器下电表全无数据平均发生次数、该批次电能表电能表持续多天无数据平均发生次数、该批次电能表终端抄表不稳定平均发生次数、该批次电能表终端时钟异常平均发生次数、该批次电能表第一次采集异常的电能表平均运行天数、该批次电能表平均运行天数、该批次电能表制造单位、该批次电能表芯片厂家、该批次电能表芯片型号；

S2中，LASSO回归模型是在损失函数后，加L1正则化，公式如下所示：

m为样本个数，k为参数个数，其中为L1正则化；

模型求解过程如下：

(1)把θ向量随机取一个初值，开始迭代求解；

(2)对于第k轮的迭代，我们从θ₁^k开始，到θ_n^k为止，依次求θ_i^k，其中θ_i^k的表达式如下：

θ_i^k＝argminJ(θ₁^k，θ₂^k，..，θ_i-1^k，θ_i，θ_i+1^k-1，...，θ_n^k-1).

(3)检查向量θ^k和向量θ^k-1在各个维度上的变化情况，如果在所有维度上变化都足够小，那么即为最终结果，否则转入(2)，继续第k+1轮的迭代；

S3中，诊断在运电能表的批次故障率的方法包括以下步骤：

步骤1：将拆回电能表分拣数据按照批次的维度加工得到自变量；

步骤2：使用各批次的拆回分拣数据形成该批次某天的故障率；

步骤3：将步骤1的自变量，步骤2的数据作为因变量输入模型进行训练；

步骤4：提取在运电能表的特征数据，输入模型进行诊断，得到在运电能表的批次未来7天的故障率。