[发明专利]一种基于决策树算法的电能表功能异常评估方法及系统

说明书

本发明提供一种基于决策树算法的电能表功能异常评估方法及系统，其中方法包括：对获取到的原始测量数据进行预处理得到样本数据，以剔除原始测量数据中的噪声数据；根据历史工单对第一异常判定规则进行改进，得到第二异常判定规则并提取特征项数据；通过所述训练集数据，利用C4.5算法搭建决策树模型，并由所述测试集数据对所述决策树模型进行剪枝优化处理，生成基于决策树算法的计量设备功能异常评估模型；将所述特征项数据输入所述计量设备功能异常评估模型，得到异常的判定结果。本发明利用功能异常的历史反馈工单提出了异常判定规则的修改建议，合理考虑了电表实际运行中的不同因素的影响，避免了几种较为普遍的误判情形，降低了运维成本。

技术领域

本发明涉及智能电表仪器检测技术领域，特别是涉及一种基于决策树算法的电能表功能异常评估方法及系统。

背景技术

由于国民经济的快速发展，日渐庞大的用电需求为电网运营管理提出了更高的要求，为保证向用户提供精准服务，信息化技术手段在电力系统得到越来越多的应用。然而，计量设备智能水平的不断提升也带来了新的问题，设备复杂性的持续增加使得计量装置异常表现的持续更加。各种类型的电能计量装置异常问题很大程度上影响着电网和用户之间的利益。对电能表进行运行监测和状态评估，及时发现计量设备功能异常情况并采取措施处理，保证设备的稳定运行，实现计量的可靠、准确，不仅有利于电网公司的经济效益和用户的切身利益，更有利于社会的和谐稳定。随着“互联网+”时代的来临，电力公司信息化工作日渐完善，用电信息采集数据的广度和深度也逐步提高，大数据特征愈发明显，如何通过上述海量的数据及时的判知各类异常，及早发现设备隐患并完成现场处置，已成为智能化运维工作的迫切需求。

目前国内研究电能计量设备功能异常主要方法是基于用户用电信息采集系统，包括智能电表在内地各种采集终端都可以自主地诊断自身运行状态，及时发现运行过程中自身出现的各种异常并实时上报到采集系统主站。这些采集信息如用户用电电量、电压、电流、频率等电能状态量为计量设备的远程监测提供了数据基础。

但是，现有技术存在以下问题：

(1)现行的功能异常诊断方法准确度还有提升空间，对现场故障存在较多误判情形，易将电参量的偶然波动判断为功能异常，造成时间和人力的耗费，给用户带来不便，导致电能表运行的维护成本过高；(2)模型适应性较差，基于某些实验地区的数据特征得到的诊断方案对数据的依赖性较强，对于用户用电特征有差异的地区不适用，对电网的实际情况缺乏考虑；(3)对异常产生的原因缺乏机理分析和实际数据验证，异常特征建模还需要考虑其与异常产生原因之间的关系，并通过现场反馈从而不断的完善。(4)决策树分类算法还不够完善，需要搜集大量现场实例完善运维反馈信息，对算法进行优化。

发明内容

为解决以上现有技术的问题，本发明提供一种基于决策树算法的电能表功能异常评估方法及系统，对计量装置在线功能异常评估模型进行完善，提升功能异常分析的准确度，提高功能异常的诊断效率，为智能化运维提供支撑。

本发明一个实施例提供一种基于决策树算法的电能表功能异常评估方法，包括：

对获取到的原始测量数据进行预处理得到样本数据，以剔除原始测量数据中的噪声数据；其中，所述样本数据包括：训练集数据及测试集数据；

根据历史工单对第一异常判定规则进行改进，得到第二异常判定规则并提取特征项数据；

通过所述训练集数据，利用C4.5算法搭建决策树模型，并由所述测试集数据对所述决策树模型进行剪枝优化处理，生成基于决策树算法的计量设备功能异常评估模型；

将所述特征项数据输入所述计量设备功能异常评估模型，得到异常的判定结果。

进一步地，所述对获取到的原始测量数据进行预处理得到样本数据，具体地：

根据局部异常因子算法检测所述原始测量数据，将异常数据及缺失数据进行填充或过滤。