[发明专利]一种基于FT-Kmeans的智能电表健康度评估方法

说明书

本发明公开了一种基于FT‑Kmeans的智能电表健康度评估方法，基于Kmeans算法，对算法进行优化改进，利用特征转换，将低维度数据映射到高维空间，实现智能电表健康度评估与评价，构建科学合理的指标评价体系。通过使用改进后的FT‑Kmeans模型进行智能电表健康度的评估，实时掌握智能电表运行状态，为智能电表的检修与维护提供科学、合理的决策依据，降低设备运行成本及故障的发生，同时基于海量运行数据，深度挖掘数据潜在规律，识别智能电表健康状态演变过程，利用FT‑Kmeans模型进行仿真推演，提前做出相应的应对措施，避免故障的发生。

技术领域

本发明属于智能电表健康度评价领域，具体的讲，涉及使用改进后的Kmeans算法进行智能电表健康度进行评估的方法。

背景技术

随着用电信息规模日渐庞大，数据深化应用不断加强，已经积累了丰富的数据资产。同时随着电能表智能化程度的提高，智能电能表应用以及用电信息采集系统建设的覆盖率的不断扩大，运行故障越来越多地呈现出突发性、多面性、复杂性、难复现的特征。作为用户用电信息采集最重要的计量装置，智能电表资产的管理就变得尤为重要和关键，尤其是对于在运智能电表的资产健康情况，如果能够做到有效的监测，管理人员对智能电表的当前健康情况做到了然于胸，将大大提升对智能电表资产的管理水平。

发明内容

本发明为了实现对智能电表的健康度进行评估，运用大数据分析技术，立足当前用智能电表运行数据，进行数据价值挖掘，利用智能电表的数据资产为智能电表进行建模分析，形成智能电表动态健康指数，有效利用数据资产，让数据“会说话”，实现一表一指数，为电力公司的智能电表资产管理提供有价值的决策，提高计量资产全寿命管理水平。

本发明采用的技术方案是，一种基于FT-Kmeans的智能电表健康度评估方法，包括对智能电表的数据进行预处理、构建模型对智能电表进行训练、以及用训练好的模型进行健康度评估的步骤，关键是，所述的构建模型步骤包括：

a、讲预处理好的二维空间数据借助径向基核函数转换为三维空间数据，再用泰勒公式展开径向基核函数进行数据映射转换得到所有数据样本，每个数据样本都包含n个对象，每一个对象包含m个维度，n与m都属于正整数；

b、基于Kmeans算法确定类簇中心，其中类簇中心就是类簇内所有对象在各个维度的均值；

c、对于步骤a处理好的每一个数据样本用Kmeans算法计算出每一个对象到每一个聚类中心的欧式距离，并把该欧式距离归为离它最近的簇，根据得到的簇，重新计算簇中心；

d、重复步骤c，不断进行模型训练与学习；

e、优化输入参数，用于智能电表健康度的评估。

所述的预处理步骤包括数据清洗、数据集成、数据变换和数据归约。

本发明的有益效果是，通过使用改进后的FT-Kmeans模型进行智能电表健康度的评估，实时掌握智能电表运行状态，为智能电表的检修与维护提供科学、合理的决策依据，降低设备运行成本及故障的发生。基于海量运行数据，深度挖掘数据潜在规律，识别智能电表健康状态演变过程，利用FT-Kmeans模型进行仿真推演，提前做出相应的应对措施，避免故障的发生。

附图说明

图1是本发明的智能电表健康度评估的流程示意图。

具体实施方式

参看附图1，本发明基于Kmeans算法，对算法进行优化改进，利用特征转换FT，将低维度数据映射到高维空间，实现智能电表健康度评估与评价，构建科学合理的指标评价体系。

本发明的技术方案包含数据预处理、以及模型构建的步骤，其中模型构建中包括FT特征映射、以及Kmeans模型学习的步骤。

一、数据预处理