[发明专利]一种基于告警事件的智能电能表状态判断方法及系统

说明书

本发明提供一种基于告警事件的智能电能表状态判断方法及系统，其中，方法包括：获取历史低压电表抽检数据；根据所述历史低压电表抽检数据及低压电表检测结果数据，建立智能电能表状态判断模型；输入目标低压电表抽检数据至所述智能电能表状态判断模型，生成目标低压电表抽检结果。本发明基于电能表的基础属性及告警数据，并通过历史抽检数据进行有监督的机器学习，能够对电能表的运行状态进行有效评价，精准度高；并且，本发明可以避免安装额外的总表，减少设备成本的投入，保证系统运行寿命。

技术领域

本发明涉及智能电表仪器检测技术领域，特别是涉及一种基于告警事件的智能电能表状态判断方法及系统。

背景技术

智能电表作为智能电网建设中的最重要组成部分，其质量和运行状态直接影响到了电网数据采集系统的稳定性和安全性。目前在智能电能表的质量信息相关数据的获取和管理方面，国家电网开发并投入使用的电信息采集系统，积累到大量智能电能表实时运行状态、质量等方面的数据，这些数据较为全面地覆盖了智能电能表质量管理的各个环节。

目前，基于能量守恒的智能电表为实现无线损的环境，通过在表箱上额外安装总表，对于表箱的能量守恒来识别其中的精度超差电表。

但是该方法存在以下缺点：

1)真实线损不易获得；2)模拟真实线损的方式会导致电表的误差计算偏差很大；3)模拟无线损的环境需要安装总表，增加设备投入成本。

发明内容

本发明提供一种基于告警事件的智能电能表状态判断方法及系统，基于电能表的基础属性及告警数据，根据历史抽检数据进行有监督的机器学习建立学习模型，能够对电能表的运行状态进行有效评价，提高预测精准度。

本发明一个实施例提供一种基于告警事件的智能电能表状态判断方法，包括：

获取历史低压电表抽检数据；

根据所述历史低压电表抽检数据及低压电表检测结果数据，建立智能电能表状态判断模型；

输入目标低压电表抽检数据至所述智能电能表状态判断模型，生成目标低压电表抽检结果。

进一步地，所述建立智能电能表状态判断模型之后，还包括：

根据混淆矩阵对所述智能电能表状态判断模型进行优化；具体地：

根据所述混淆矩阵中的被所述智能电能表状态判断模型预测为正的正样本数、被所述智能电能表状态判断模型预测为正的负样本数、被所述智能电能表状态判断模型预测为负的正样本数及被所述智能电能表状态判断模型预测为负的负样本数，计算查准率及召回率；

根据所述查准率及召回率建立优化模型，并输出优化指标。

进一步地，所述查准率通过以下公式计算：

precision＝TP/(TP+FP)；

其中，precision表示查准率，TP表示被所述智能电能表状态判断模型预测为正的正样本数，FP表示被所述智能电能表状态判断模型预测为正的负样本数；

所述召回率通过以下公式进行计算：

recall＝TP/(TP+FN)；

其中，recall表示召回率，TP表示被所述智能电能表状态判断模型预测为正的正样本数，FN表示被所述智能电能表状态判断模型预测为负的正样本数。

进一步地，所述根据所述查准率及召回率建立优化模型，具体地：

通过以下公式建立优化模型：

其中，F1表示优化指标，precision表示查准率，recall表示召回率。