[发明专利]一种基于电能表全寿命周期数据的健康评价方法

说明书

本发明涉及一种基于电能表全寿命周期数据的健康评价方法，根据电能表全寿命周期数据，以电能表为节点，整合数据需求，完成数据清洗与特征筛选，经过数据挖掘算法提取电能表故障因子与特征属性，运用综合评价算法对电能表进行健康评分，划分健康等级。本发明基于大数据理念深耕于电力行业，融合电网内部数据与外部环境数据，开展电能表健康相关因素的影响分析，构建电能表故障预测模型，并根据电能表的装拆次数，上报事件次数，采集成功率，采集电量异常率，运行时长，首检误差等维度数据，对电能表的运行状态进行评价，建立电能表的健康评价体系，给出电能表运行状态的健康度。

技术领域

本发明属电力大数据应用技术领域，具体涉及一种基于电能表全寿命周期数据的健康评价方法。

背景技术

随着智能电网技术的快速发展，电子式互感器、智能高压电器、光纤以太网络和IEC61850通信标准等技术在智能变电站中逐步得到了推广应用。为贯彻落实国家电网公司建设和构建智能电网、智能用电的发展战略与服务体系，电能表伴随着智能电网在我国的兴起也得到推广应用。然而，早期安装的电能表面临着拆回检定再利用的问题，河北公司率先建立拆回表集中检定模式，最大程度保证检定质量、检定数据真实可靠。但在电能表故障预测及运行质量深度分析评价方面不够完善，现有各系统海量数据价值未被有效利用，亟需深入开展电能表故障趋势分析研究，为电能表健康评价、精准更换提供科学指导。

发明内容

本发明主旨于充分开发于利用目前电能表的检定数据与日常计量数据，实现电能表的故障影响因素分析与健康评价。基于大数据理念深耕于电力行业，融合电网内部数据与外部环境数据，开展电能表健康相关因素的影响分析，构建电能表故障预测模型，并根据电能表的装拆次数，上报事件次数，采集成功率，采集电量异常率，运行时长，首检误差等维度数据，对电能表的运行状态进行评价，建立电能表的健康评价体系，给出电能表运行状态的健康度。

本发明的技术方案：

一种基于电能表全寿命周期数据的健康评价方法，根据电能表全寿命周期数据，以电能表为节点，整合数据需求，完成数据清洗与特征筛选，经过数据挖掘算法提取电能表故障因子与特征属性，运用综合评价算法对电能表进行健康评分，划分健康等级。

进一步的，所述电能表全寿命周期数据的整合，通过电能表号关联到货批次、厂家、载波模块、地区、运行时长、运行环境、历史拆回表计故障信息数据，对电能表全寿命周期所有涉及到的数据进行整合。

进一步的，所述的数据清洗，通过对电能表数据理解，利用拉依达准则与四分位数来对数据中的异常数据进行剔除，并对数据进行标准正态分布或者0-1标准化，使数据具有相同的量纲。

进一步的，所述的特征筛选，通过对电能表的业务理解，利用方差贡献度进行特征筛选，精简数据特征，提升模型运行速度。

进一步的，所述的数据挖掘算法，将XGBoost分类算法应用到对电能表寿命影响的故障因子和特征提取上。根据电能表全寿命周期数据构建XGBoost算法模型，一是用于故障因子分类，二是提取对电能表有主要影响的特征；

综合评价算法，从TOPSIS综合评价法的不足考虑，运用数据挖掘算法提取指标数据的实际性、客观性与实用性，修正综合评价法，使得整个健康评价系统更加合理，更加稳定。

进一步的，所述的健康评分，划分健康等级，依据电能表综合得分将电能表划分为的不同的健康等级：“正常、预警、异常、报修”，可为电力企业更换、检定、采购电能表提供参考作用，促进电力企业运营效益的提升。

进一步的，所述的整合数据，在大数据环境下，从计量生产调度平台、用电信息采集系统、营销业务应用系统中，提取电能表不同阶段故障数据，去除了数据的冗余，提升数据质量与数据的灵活性。

所述的故障因子，经过XGBoost算法模型的应用，将电能表寿命影响的故障因子按等级划分主要程度，供电能表检修人员与电能表生产厂商参考。