[发明专利]智能配电房状态监测传感器入网性能的检验方法及系统

权利要求书

1.一种智能配电房状态监测传感器入网性能的检验方法，其特征在于，包括以下步骤：

S1，根据电网智能配电房设备管理平台的数据，对所有传感器进行分类，并计算每类传感器的预测不合格率P(i)；其中，i＝1，2，…，m，m为传感器类别数；

S2，根据每类传感器的预测不合格率P(i)，计算每类传感器的抽检权重P^*(i)；

S3，将所有类型传感器按照抽检权重P^*(i)降序排列，根据抽检权重P^*(i)自动生成检验列表并计算抽检数量Nt；

S4，对各类型传感器分别采用抽检数量Nt进行检验。

2.根据权利要求1所述检验方法，其特征在于，步骤S1具体包括以下步骤：

S11，将电网智能配电房中所有传感器按照工作原理和功能进行分类；

S12，根据电网智能配电房设备管理平台的数据，以传感器出厂检验历史记录为基础建立数据集X＝{X₁，X₂，...X_m}；

S13，以X_i＝{(x₁，y₁)，(x₂，y₂)，...(x_n，y_n)}表示i类传感器的检验记录，x_n代表同类传感器出厂检验中第n个传感器各项性能指标的情况，且记为表示第n个传感器性能指标j的值，y_n表示第n个传感器的检查结果，其中，检查合格则y_n＝0，否则y_n＝1；

S14，将每类传感器的数据集X_i随机划分为训练集C和验证集V，其中训练集C的样本数为验证集V的样本数的M倍，其中，M大于等于3；

S15，基于每类传感器的训练集C，使用逻辑回归理论建立一组不合格率预测模型{p⁽¹⁾，p⁽²⁾，...p^(N)}；其中，N为不合格预测模型的个数；

S16，利用验证集V，对N个不合格率预测模型{p⁽¹⁾，p⁽²⁾，...p^(N)}进行检验，将预测准确率最高的模型作为该类传感器最终的不合格率预测模型，并记为P；

S17，基于每类传感器最终的不合格率预测模型，计算电网智能配电房入网的每类传感器预测不合格率P(i)。

3.根据权利要求2所述检验方法，其特征在于，所述性能指标为传感器相关标准及要求出厂检验中对应的检查指标。

4.根据权利要求2所述检验方法，其特征在于，步骤S15中，建立第k个不合格预测模型p^(k)，其中，k＝1，2，…N，包括以下步骤：

S151，随机设置逻辑回归模型一组权重及其偏置b^(k)，所述逻辑回归模型为：

其中，x_i表示训练集中第i个样本，表示在第k个预测模型中第s个属性的权重；表示i类传感器属性s的值；

S152，通过调整权重及其偏置b^(k)参数以优化逻辑回归模型，得到第k个不合格预测模型。

5.根据权利要求4所述检验方法，其特征在于，优化逻辑回归模型采用以下步骤实现：

通过校正均方根误差评价预测结果P^(k)(x_i)与真实标记y_i之间的误差，通过批量梯度下降法来最小化逻辑回归模型中的误差，得到第k个不合格预测模型。

6.根据权利要求5所述检验方法，其特征在于，校正均方根误差RMSEC采用以下方式计算得到：

其中，|C|表示训练集C中的样本数。