本质进行的修改、等效组合。
【主权项】
1. 一种电能计量装置运行状态自动评估方法，其特征在于，包括步骤： 从数据主站获取所有电能计量装置一周期内的所有的最新计量数据； 根据所述最新计量数据分别对有指导的和无指导的所述电能计量装置进行运行状态 判定。2. 如权利要求1所述的方法，其特征在于，所述周期为24小时。3. 如权利要求1所述的方法，其特征在于，所述最新计量数据包括电能量数据和通信流 量数据。4. 如权利要求3所述的方法，其特征在于，所述电能量数据包括表码、用电功率、电流及 电压，所述通信流量数据包括发送字节、接收字节、重连次数、数据流量、报警流量、心跳流 量及所述电能计量装置的在线时间。5. 如权利要求4所述的方法，其特征在于，根据最新计量数据对有指导的所述电能计量 装置进行运行状态判定具体包括： 根据判断准则构建有指导的数据挖掘模型，其中判断准则包括所述电能计量装置发送 的表码数在两天内出现连续波动两次、连续不在线超过五天及连续三天传送至所述数据主 站的信息为FFFF的无效数据； 根据有指导的所述数据挖掘模型、所述最新历史数据及所述数据主站中的历史计量数 据，对每一个所述电能计量装置进行分析，以判断出发生故障的所述电能计量装置； 根据历史分析结果，判断已发生故障的所述电能计量装置的故障是否为已知故障。6. 如权利要求4所述的方法，其特征在于，根据最新计量数据对无指导的所述电能计量 装置进行运行状态判定具体包括： (1) 构造数据挖掘样本； (2) 对所述数据挖掘样本进行分类以得到待分类样本和训练样本，并对所述训练样本 进行标记； (3) 采用KNN算法对所述待分类样本进行标记以得到所述待分类样本的置信度； (4) 将所有所述注意样本按照置信度从高到低进行排序，根据实际工作情况将前N个所 述注意样本对应的所述电能计量装置的运行状态判定为注意状态，剩余的判定为正常状 态，其中N为自然数； (5) 根据运行状态分析结果将所述电能计量装置分别标记为正常状态、注意状态、已知 注意状态和新发现注意状态。7. 如权利要求6所述的方法，其特征在于，步骤(1)具体包括： 根据当前时间TO选取过去最近一段时间内所述电能计量装置运行状态历史数据作为 总数据样本； 根据每周的所述通信流量数据的统计值对每一个上述电能计量装置构造所述数据挖 掘样本。8. 如权利要求7所述的方法，其特征在于，步骤(2)具体包括： 将所有所述电能计量装置最近一周内的所述通信流量数据的统计值向量归为待分类 样本，将剩余的归为训练样本； 根据现场巡维记录将每一个所述训练样本标记为故障样本、注意样本和正常样本； 剔除所有的所述故障样本，建立包括所述注意样本和正常样本的带标签训练集合X。9. 如权利要求8所述的方法，其特征在于，步骤(3)具体包括：其中η为通信流量数据统计值向量的维数，Xkl表示训练集合X中第k个样本中第i维属 性； 按照所述欧式距离从小到大进行排序以得到一有序的队列集Q; 从有序的所述队列集Q中选取所述欧式距离最小的K个点； 统计有序的所述队列集Q中各分类标签的个数，取个数最多的类别作为所述该待分类 样本的状态； 根据公式(2)计算样本类型标记的置信度CI:负号由待分类样本与训练样本的标签决定，相同为正，不同为负，C表示。10. -种电能计量装置运行状态的自动评估系统，其特征在于，包括： 获取模块，用于从数据主站获取所有电能计量装置一周期内的所有的最新计量数据； 评估模块，用于根据所述最新计量数据分别对有指导的和无指导的所述电能计量装置 进行运行状态判定。11. 如权利要求1所述的系统，其特征在于，所述周期为24小时。12. 如权利要求1所述的系统，其特征在于，所述最新计量数据包括电能量数据和通信 流量数据，其中所述电能量数据包括表码、用电功率、电流及电压，所述通信流量数据包括 发送字节、接收字节、重连次数、数据流量、报警流量、心跳流量及所述电能计量装置的在线 时间。13. 如权利要求12所述的系统，其特征在于，所述评估模块包括第一评估单元，其中第 一评估单元用于根据最新计量数据对有指导的所述电能计量装置进行运行状态判定，所述 第一评估单元具体包括： 模型构造单元，用于根据判断准则构建有指导的数据挖掘模型，其中判断准则包括所 述电能计量装置发送的表码数在两天内出现连续波动两次、连续不在线超过五天及连续三 天传送至所述数据主站的信息为FFFF的无效数据； 分析单元，用于根据有指导的所述数据挖掘模型、所述最新历史数据及所述数据主站 中的历史计量数据，对每一个所述电能计量装置进行分析，以判断出发生故障的所述电能 计量装置； 故障确定单元，用于根据历史分析结果，判断已发生故障的所述电能计量装置的故障 是否为已知故障。14. 如权利要求13所述的系统，其特征在于，所述评估模块还包括第二评估单元，用于 根据最新计量数据对无指导的所述电能计量装置进行运行状态判定，其中所述第二评估单 元具体包括： 样本构造单元，用于构造数据挖掘样本； 分类单元，用于对所述数据挖掘样本进行分类以得到待分类样本和训练样本，并对所 述训练样本进行标记； 置信度计算单元，用于采用KNN算法对所述待分类样本进行标记以得到所述待分类样 本的置信度； 状态标记单元，用于将所有所述注意样本按照置信度从高到低进行排序、根据实际工 作情况将前N个所述注意样本对应的所述电能计量装置的运行状态判定为注意状态、剩余 的判定为正常状态以及根据运行状态分析结果将所述电能计量装置分别标记为正常状态、 注意状态、已知注意状态和新发现注意状态，其中N为自然数。15. 如权利要求14所述的系统，其特征在于，所述样本构造单元根据当前时间TO选取过 去最近一段时间内所述电能计量装置运行状态历史数据作为总数据样本，以及根据每周的 所述通信流量数据的统计值对每一个上述电能计量装置构造所述数据挖掘样本。16. 如权利要求15所述的系统，其特征在于，所述分类单元将所有所述电能计量装置最 近一周内的所述通信流量数据的统计值向量归为待分类样本，将剩余的归为训练样本，根 据现场巡维记录将每一个所述训练样本标记为故障样本、注意样本和正常样本，以及剔除 所有的所述故障样本，建立包括所述注意样本和正常样本的带标签训练集合X。17. 如权利要求16所述的系统，其特征在于，所述置信度计算单元根据公式(1)其中η为通信流量数据统计值向量的维数，Xkl表示训练集合X中第k个样本中第i维属 性； 并按照所述欧式距离DxlX从小到大进行排序以得到一有序的队列集Q; 从有序的所述队列集Q中选取所述欧式距离最小的K个点； 统计有序的所述队列集Q中各分类标签的个数，取个数最多的类别作为所述该待分类 样本的状态； 根据公式(2)计算样本类型标记的置信度CI:负号由待分类样本与训练样本的标签决定，相同为正，不同为负，C表示。
【专利摘要】本发明公开了一种电能计量装置运行状态自动评估方法，包括骤：从数据主站获取所有电能计量装置一周期内的所有的最新计量数据；分别对有指导的和无指导的电能计量装置进行运行状态判定。与现有技术相比，本发明的方法在供电部门已积累的大量电能量数据及计量装置运行数据基础上，通过引入数据挖掘技术，及时准确地判断电能计量装置的运行状态，为制定针对性的运维措施提供决策依据，可根据不同的运行状态进行针对性的运维管理，减少了运维资源的浪费，实现更高的经济效益，同时进一步提升了客户服务水平。本发明同时公开了一种电能计量装置运行状态自动评估系统。
【IPC分类】G06Q10/06, G06K9/62, G06Q50/06
【公开号】CN105678456
【申请号】CN201610005787
【发明人】王少锋, 刘涛, 伍少成, 刘洋, 李鹏
【申请人】深圳供电局有限公司
【公开日】2016年6月15日
【申请日】2016年1月6日