[发明专利]一种基于多智能体的关口电能计量装置的状态识别方法

说明书

技术领域

本发明涉及关口电能计量装置的监测方法，特别涉及对关口电能计量装置的状态识别，具体是一种基于多智能体的关口电能计量装置的状态识别方法。

背景技术

关口计量装置是发电企业和电网企业、电网企业之间、电网企业和用户贸易结算的重要依据。由于人为窃电、电能计量装置故障或计量误差超差等原因，将导致电能计量装置所计电量与实际使用情况不符，从而使电网企业或发电企业蒙受经济损失，影响计量的公正、公平。

传统的计量装置管理以定期的人工现场校验和表计的周期检定为主，需要逐只开展，工作量大，工作流程繁琐、复杂，无法准确实时测量系统计量误差；而且现场工作必须在带电的情况下进行操作，具备一定安全风险，稍有不慎将给系统带来较大的安全隐患。

针对上述问题，本发明利用多智能体(Multi-Agent)算法，设计出关口计量装置在线监测及状态识别系统，能够实现对关口电能计量装置的远程误差检验，满足了智能电网的建设要求。

发明内容

本发明的目的在于提供一种基于多智能体的关口电能计量装置的状态识别方法，能够检测出计量装置是否存在误差或者有误差趋势。

本发明的技术方案：一种基于多智能体的关口电能计量装置的状态识别方法，其特征在于：包括以下步骤，

S1,数据收集：实时收集所监测关口的电流、电压数据及功率数据；

S2,特征提取：对步骤S1采集到的电流、电压数据及功率数据进行特征提取，特征参数包括功率因数、总谐波畸变率、50HZ周期采样数据的峰值和50HZ周期采样数据的标准差；

S3,状态分类：将关口电能计量装置的状态分为正常状态、产生误差状态和有误差趋势的状态；

S4,构建数据库：基于历史数据统计和专家经验，对步骤S2收集到的每组特征数据参照步骤S3的状态分类进行状态说明，大量的特征数据及其状态作为数据库；

S5,分析判别：实时采集关口电能计量装置的电气信息，利用多智能体算法进行关口电能计量装置的在线监测及状态判别；

S6,状态反馈：将对关口电能计量装置状态的判别在显示屏上显示，供用户读取。

所述步骤S3中的状态分类是通过基于聚类方法的分类器和基于神经网络的分类器针对特征参数进行决策，采用多智能体算法将两个分类器针对特征参数的决策进行融合，得到最终的分类决策。

所述步骤S5中多智能体算法流程如下：

1)确定智能体的个数，

2)数据库中各次采集的关口数据作为融合训练集；

3)对融合训练集上各样本的决策结果进行统计，得到混淆矩阵和决策共现矩阵，

4)融合决策，对待判断的关口计量装置样本进行融合决策，输出状态判别结果。

所述步骤4)中融合决策流程如下：

(a)计算样本的分类可信度矩阵；

(b)定义各代理将样本向各个状态决策的概率矩阵；

(c)定义变量value表示各个智能体判决后，集中在一个状态的个数占总个数的比例，定义label为个数最多的状态，表示融合后的决策，初始value为融合训练集各个状态所含样本数占总样本数的比例；

(d)若value大于某阈值t,则表示各智能体已基本达成共识，转到(h)；否则转到(e)；

(e)根据智能体的共现情况改变决策概率矩阵；

(f)将决策概率矩阵的每行进行归一化，仍令其行和为1；

(g)重新计算value和label，意义同(c)；转至(d)；

(h)label即为各代理的融合结果，即对被测关口的状态分类。

本发明的技术效果：实现了对关口电能计量装置的远程在线监测和状态识别，为其是否存在计量误差提供了判别依据。避免了对关口计量装置的现场校验、定期更换的不便，降低了电网公司和发电厂因计量误差带来的经济损失。其中，与传统算法相比，本发明对状态分析识别采用的多智能体(Multi-Agent)算法，基于简单的聚类分析和神经网络进行初步状态识别，然后进行决策融合，提高了状态识别率。本发明对关口电能计量的误差判别更准确，使得远程在线监测关口电能计量装置的效益更大化。

附图说明

图1是本发明多智能体关口电能计量装置状态识别方法流程图；

图2是本发明两个分类器针对特征参数的决策进行融合决策流程图；

图3是本发明多智能体融合决策流程图。

具体实施方式

下面结合附图对本发明进一步说明：