[发明专利]一种用于数据融合与感知协同处理的方法及系统

说明书

本发明公开了一种用于数据融合与感知协同处理的方法及系统，属于电能计量技术领域。本发明方法，包括：调用信息系统的数据，对数据进行预清洗，并将清洗后的数据作为云平台二次辨识的基础数据，存储至云平台二次数据库；针对云平台二次数据库存储的基础数据，进行多维度统计，针对云平台二次数据库中存储的二次辨识后数据进行多维度统计，获取统计信息；获取信息系统预设时段内的电器的冻结电量信息，根据统计信息，判断电器是否出现异常，完成对电器数据的融合与感知的识别处理。本发明提供了在统一信息采集系统模式下，实现了数据的融合应用。

技术领域

本发明涉及电能计量技术领域，并且更具体地，涉及一种用于数据融合与感知协同处理的方法及系统。

背景技术

随着非介入式负荷感知技术应用与负荷感知模块产品的不断推进，对现网负荷感知数据的处理与效果呈现，云端感知算法的辅助辨识，以及通过认证鉴权规范监督行业市场并对模块负荷感知算法提供一定的知识产权保护成为现阶段亟待解决的问题。

负荷感知数据的处理与效果呈现：

现阶段只有原始冻结数据的上传，对数据信息的合理性、完整性缺少处理，对基于原始数据的电器类型按需刷新无统一机制，基于现网负荷感知效果呈现方式维度以及评价方式也还未明确。

负荷感知算法厂家能够证明自身算法切实可用，是否能够满足现网真实环境下的实际需求；了解自身算法在行业中的技术水平；通过现场负荷感知数据，来不断提升优化自身算法。模块厂家了解自身在模块硬件与对应算法匹配度与成熟度水平。用户需要了解负荷感知在现网环境是否准确、稳定、可靠。检测机构也需要通过现网情况来不断优化或调整实验室阶段的测试内容与方法。一种面向多符合感知算法的接入融合处理云端系统的桥梁纽带暂时缺失。

云端感知算法的辅助辨识：

通过近一年的算法研讨与负荷感知效果分析中得知，负荷感知模块受限于硬件资源与成本，算法的辨识能力存在瓶颈，需要借助云平台丰富资源的条件，对模块侧的负荷感知算法进行补充。非介入式负荷感知模块受限于芯片、存储、体积、功耗、通信、成本等各方面因素的制约，使得负荷感知模块在某些情况下难以进行准确的辨识。这些情况包括需要通过更长时间周期规律、季节、时间点，伴随电器规律、实际耗电量、功率等信息进行综合判断后才可以进行准确辨识。部分同类型电器由于设计原理差异较大，在使用中物理特性无共性，在模块侧聚类区分会非常困难，同时模块也无法提供海量特征资源供机器学习的方法进行。所以负荷感知的进阶，特别对此类电器的负荷感知，后续还是需要借助云端的资源进行。

但是受限于通信通道的能力，上传主站的信息非常有限，现行用采通信环境的通信能力不适合实时大信息量的云端协同方案，需要结合现有情况预先统一规划云端辅助负荷感知所需上送信息的接口与模式，让云端负荷感知算法能够更好的适用于现阶段的应用场景并具备后续的扩展性。目前接口与模式尚不清晰，影响云端辅助负荷感知算法的研发方向与进程。

认证鉴权规范监督行业市场与算法知识产权保护

在云—端协同架构下无法区分不同算法厂家，不同模块厂家，智能电表厂家的负荷感知数据；无法监督送检负荷感知算法版本与现网版本的一致性；无法对负荷感知算法溯源，对原算法厂家知识产权进行保护。

发明内容

针对上述问题，本发明提出了一种用于数据融合与感知协同处理的方法，包括：

调用信息系统的数据，对数据进行预清洗，并将清洗后的数据作为云平台二次辨识的基础数据，存储至云平台二次数据库；

针对云平台二次数据库存储的基础数据，进行多维度统计，针对云平台二次数据库中存储的二次辨识后数据进行多维度统计，获取统计信息；

获取信息系统预设时段内的电器的冻结电量信息，根据统计信息，使用云端感知算法进行辅助辨识统计信息，判断电器是否出现异常，完成对电器数据的融合与感知的识别处理。