[发明专利]一种关口计量装置异常事件识别方法和系统

说明书

本发明公开了一种关口计量装置异常事件识别方法和系统，涉及关口计量装置异常事件深度训练方法，解决了运行状态的评价大量依靠检修人员定期到现场对装置进行检修，造成人力和物力的严重浪费的问题。本发明包括采集关口计量装置用电数据，得到关口计量装置的异常事件数据，分析异常事件数据并对异常事件进行特征提取得到异常事件特征集数据，并同时对不同异常事件进行数据标签化处理；将训练集的数据作为SAE输入数据，训练得到异常事件识别模型；将测试集的数据输入到训练完成的异常事件识别模型，得到异常事件识别结果。本发明实现对不同异常事件类型的准确识别，提高计量的经济性和准确性。

技术领域

本发明涉及关口计量装置异常事件深度训练方法，具体涉及一种关口计量装置异常事件识别方法和系统。

背景技术

目前对于关口计量装置运行状态的评价大量依靠检修人员定期到现场对装置进行检修，造成人力和物力的严重浪费。同时一些相关技术均以提取与计量装置运行状态有关的特征，并对提取的特征进行简单的赋权为主，评价的方法的适用性和有效性还需完善。

发明内容

本发明所要解决的技术问题是：关口计量装置运行状态的评价大量依靠检修人员定期到现场对装置进行检修，造成人力和物力的严重浪费，评价的方法的适用性和有效性不足，本发明解决上述问题的一种关口计量装置异常事件识别方法和系统。

由于异常事件的监测数据中含有大量与设备运行状态有关的信息，从监测数据中可提取反映计量装置状态的相关特征，为研究关口计量装置的状态评价方法提供了一个新的思路。

因此提出了利用深度学习方法来对异常事件的运行数据进行学习，获得识别性更强的深层特征，这些特征有利于准确从监测数据中识别出异常事件。所提方法相比传统方法的效率更高、鲁棒性更强。

本发明通过下述技术方案实现：

在讲述技术方案之前先进行本发明中提及的名词的解释：

关口计量装置是指安装各电网经营企业贸易结算电量及企业内部考核结算的电量计量分界点的装置，主要包括关口电能表、电压互感器、电流互感器和二次回路；

关口计量装置异常事件是指发生在装置故障时的一系列异常事件，主要包括电量异常、电压电流异常、时钟异常和接线异常等；

深度学习是含多隐层的多层感知器，能够通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示；

异常事件识别方法的构建主要是利用深度学习构建识别模型，用于准确从在线监测数据中识别出不同的异常事件类型；

本发明针对关口计量装置，提出基于多特征提取与深度学习的关口计量装置异常事件识别方法。

关口计量装置的异常事件主要分为：电量异常、电压电流异常、时钟异常和接线异常，并按照各个事件的发生原因和数据表现形式提取对应的特征，提取的特征如下：

电量异常主要包括电能表示值不平、电能表飞走、电能表倒走、电能表停走、电能表自动核抄异常。

电能表示值不平是指电能表的总电能示值与各费率电能示值之和不等。采用日正向有功总电量与日峰、平和谷段各个费率的总电能的差值来表征该异常事件的特征，计算公式如式(1)所示。

X₁＝P₁-(A₁+A₂+A₃) (1)

式中，P₁表示日正向有功总电量；A₁、A₂和A₃分别表示日峰、平和谷的费率段电量。