[发明专利]一种电能表现场检验仪寿命预测方法及装置

权利要求书

1.一种电能表现场检验仪寿命预测方法，其特征在于，包括如下步骤：

步骤S1：获取电能表现场检验仪寿命预测所需的多源异构数据；

步骤S2：对获取的多源异构数据进行预处理；

步骤S3：将输入的多源异构数据融合，利用改进乌鸦算法(improved crow searchalgorithm,ICSA)优化深度信念网络，构建出ICSA-DBN预测模型；

步骤S4：利用所述ICSA-DBN预测模型对电能表现场检验仪进行寿命预测，获取待预测检验仪的寿命。

2.根据权利要求1所述的电能表现场检验仪寿命预测方法，其特征在于，

步骤S1中，获取电能表现场检验仪寿命预测所需的多源异构数据，具体包括如下步骤：

利用异构感知设备获取现场检验仪的属性数据，以及运行状态数据；

同时，利用网络爬虫获取检验现场工况数据，作为反映实时工况的外部特征数据。

3.根据权利要求1所述的电能表现场检验仪寿命预测方法，其特征在于，

步骤S2中，对获取的多源异构数据进行预处理，具体包括如下步骤：

首先，检测异常数据，利用箱线图法处理大偏差数据，利用插值法填补空缺值；

其次，对数据进行二进制编码，转为多维向量数据；

最后，对各类数据按照式(1)进行无量纲化处理，消除各类数据间的量纲差异：

其中，x_max和x_min分别表示样本数据x的最大和最小值。

4.根据权利要求1所述的电能表现场检验仪寿命预测方法，其特征在于，

步骤S3中，将输入的无量纲化多源异构数据融合，具体包括：

输入的无量纲化多源数据通过两层无监督受限玻尔兹曼机RBM和一层反向传播网络进行融合，RBM联合状态能量函数和隐层神经元的激活概率可表示如下：

其中，v和h分别为可视层和隐藏层的状态向量，a和b分别为可视层和隐藏层的偏置向量，ω为连接v和h的权值，为Sigmoid函数，神经元h_j的激活概率为：

其中，u～U(0,1)，重构时隐层神经元激活显层神经元的概率为：

反向传播网络输出神经元及其权重表达式为：

其中，η为微调学习速率，δ∈(0,1)为递减系数，o_pj为神经元输出信号。

5.根据权利要求1所述的电能表现场检验仪寿命预测方法，其特征在于，

步骤S3中，利用改进乌鸦算法优化深度信念网络的流程包括如下步骤：

步骤S3.1设置初始种群规模p、察觉概率r、飞行步长fl以及最大迭代次数T，利用Tent混沌映射生成初始种群，确定乌鸦初始位置和藏食位置，以及搜索空间的上下界；

步骤S3.2求解种群中个体的适应度函数，即均方根误差；

步骤S3.3按照式(6)更新乌鸦位置，若新的位置可行则移动，反之不进行更新；

式中，和分别表示在第t次迭代时乌鸦i所处的位置和藏食位置，g_i和g_j为[0,1]之间的任意值，fl_i^t和r_j^t分别表示在第t次迭代时乌鸦i的飞行步长和乌鸦j的察觉概率，Levy(λ)为随机搜索路径，可表示为：

式中β通常取1.5，其中：

步骤S3.4计算乌鸦新位置的适应度，若较原适应度值更优，则更新藏食位置，反之不进行更新；

步骤S3.5重复更新乌鸦位置至迭代终止，输出全局最优位置，即为DBN最优参数组合，确定最优偏置值和权值。