[发明专利]一种基于贝叶斯网和遗传算法评价智能电能表运行状态的方法和系统

说明书

本发明提供一种基于贝叶斯网和遗传算法评价智能电能表运行状态的方法和系统，其首先对用于评价电能表运行状态的属性指标中具有连续值的属性指标进行离散化，然后基于历史数据，对经过离散化的属性指标，采用遗传算法确定最优属性指标的集合，再通过历史数据，训练出若干个贝叶斯网，并采用遗传算法，根据适应度函数选取最佳贝叶斯网，最后对观测到的智能电能表的属性指标值，通过贝叶斯网推理算法确定智能电能表的运行状态，所述方法和系统准确地实现了智能电能表的状态评价，为电网的安全运行、状态监测、数据抄读、电价下发等工作提供了极大的便利，有效地节省了定期回收检测电能表的巨大成本，为更换智能电能表提供了有力的技术保障。

技术领域

本发明涉及电能计量领域,并且更具体地，涉及一种基于贝叶斯网和遗传算法评价智能电能表运行状态的方法和系统。

背景技术

智能电能表正逐步进入每个家庭，实现用电信息采集的完全覆盖，其在智能电网的建设中的重要作用正在被凸显出来。智能电能表寿命有限，1、2级有功电能表检定周期一般小于8年，这说明每只电能表使用8年将被收回检测。若仍能继续使用，也将经历“两拆两装”的繁琐流程，再度使用不超过2年时间，故当前回收的智能电能表均采取报废处理的方式，造成很大的资源浪费。若能使用计算机技术对智能电能表的状态进行预测，及时获取智能电能表的状态信息，则可以最大化的对智能电能表进行使用。

发明内容

为了解决现有技术中对智能电能表的状态无法进行准确评估，致使大量仍能使用的电能表被报废的技术问题，本发明提供一种基于贝叶斯网和遗传算法评价智能电能表运行状态的方法，所述方法包括：

对于预先设置的评价智能电能表运行状态的m个属性指标，将其表示为一个由0和1组成的二进制串，并基于预先采集的电能表运行状态历史数据，通过遗传算法从所述二进制串中选取与评价智能电能表状态最相关的n个属性指标，生成评价智能电能表运行状态的指标属性集合X＝{X₁，…X_i，…X_n}，其中所述二进制串中0表示不选择对应的属性指标，1表示选择对应的属性指标，m、n均为自然数，且m≥n；

根据确定的评价智能电能表运行状态的指标属性集合X＝{X₁，…X_i，…X_n}，基于预先采集的电能表运行状态历史数据，训练生成若干个贝叶斯网，并通过遗传算法确定适应度值最大的贝叶斯网作为评价智能电能表运行状态的最佳贝叶斯网；

根据最佳贝叶斯网，通过贝叶斯网推理算法计算智能电能表运行状态概率值最大的运行状态作为评价智能电能表运行状态的结果值。

进一步地，所述对于预先设置的评价智能电能表运行状态的若干个指标，将其表示为一个由0和1组成的二进制串之前还包括当所述评价智能电表运行状态的属性指标的取值是连续值时，将所述属性指标的取值离散化，其中：

步骤1、对于具有连续取值的指标x，当其在所述历史数据中有k个不重复的连续属性值x_i时，计算所述指标x的每个不重复的连续属性值x_i出现的概率P(x_i)，其中1≤i≤k，k的初始值为k₀；

步骤2、基于所述概率P(x_i)计算指标x的信息熵

步骤3、将所述指标x的不重复的连续属性值划分至k个区间,每个区间对应所述指标x的一个不重复的值,并记录划分点；

步骤4、任意选择相邻的两个区间合并，计算合并后的k-1个区间中每个区间出现的概率，并根据所述每个区间的概率计算指标x的信息熵H(k-1),使合并前后的熵之差H(k)-H(k-1)最小，若出现两组或两组以上相邻区间同时满足条件，则随机选择一组；