[发明专利]基于机器学习的计量点电压异常检测方法及系统

权利要求书

1.一种基于机器学习的计量点电压异常检测方法，其特征在于，包括：

基于决策树算法构建用于电压分类的机器学习模型；

对模型的性能进行评估以度量所述模型是否达到预期的分类要求；

在所述模型达到预期的分类要求的情况下，基于所述模型对计量点的电压异常进行检测。

2.根据权利要求1所述的方法，其特征在于，基于决策树算法构建用于电压分类的机器学习模型包括：

将电压互感器PT变比、电压值和电压分类进行组合构建决策树训练集；

将所述决策树训练集引入决策树算法生成决策树。

3.根据权利要求1所述的方法，其特征在于，对模型的性能进行评估以度量所述模型是否达到预期的分类要求包括：

采用混淆矩阵的方式对电压进行分类评价，当分类预测值与真值相同时确定为正确的分类。

4.根据权利要求1所述的方法，其特征在于，基于所述模型对计量点电压的异常进行检测包括：

对用电信息采集系统中的表号、日期、日整点电压，以及表计中的PT变比进行收集；

将收集后的各表的日期、日整点电压、PT变比输入所述模型，并输出各计量点的电压分类结果；

根据输出的分类结果判断计量点的电压是否存在异常。

5.根据权利要求4所述的方法，其特征在于，将统计的所述日整点电压的中位值作为所述日整点电压值。

6.一种基于机器学习的计量点电压异常检测系统，其特征在于，包括：

构建模块，用于基于决策树算法构建用于电压分类的机器学习模型；

评估模块，用于对模型的性能进行评估以度量所述模型是否达到预期的分类要求；

检测模块，在所述模型达到预期的分类要求的情况下，基于所述模型对计量点的电压异常进行检测。

7.根据权利要求6所述的系统，其特征在于，所述构建模块包括：

构建单元，将电压互感器PT变比、电压值和电压分类进行组合构建决策树训练集；

生成单元，用于将所述决策树训练集引入决策树算法生成决策树。

8.根据权利要求6所述的系统，其特征在于，所述评估模块包括：

评价单元，用于采用混淆矩阵的方式对电压进行分类评价，当分类预测值与真值相同时确定为正确的分类。

9.根据权利要求6所述的系统，其特征在于，所述检测模块包括：

收集单元，用于对用电信息采集系统中的表号、日期、日整点电压，以及表计中的PT变比进行收集；

分类单元，用于将收集后的各表的日期、日整点电压、PT变比输入所述模型，并输出各计量点的电压分类结果；

判断单元，根据输出的分类结果判断计量点的电压是否存在异常。

10.根据权利要求9所述的系统，其特征在于，还包括：

统计单元，用于统计所述日整点电压的中位值作为所述日整点电压值。

11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。

12.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。