[发明专利]一种专变采集终端的设备参数分析调整方法及系统

权利要求书

1.一种专变采集终端的设备参数分析调整方法，其特征在于，所述方法包括：

通过专变采集终端获得第一区域的第一电力数据信息；

对所述第一电力数据信息进行加密上传，传输至电力负荷管理平台进行分析；

所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；

将所述第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；

获得第二区域的第二异常电力数据特征，将所述第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；

对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型，具体为：对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，所述模型参数包括异常类型参数、异常持续时间参数以及模型相应权重，根据所述模型参数对所述循环神经网络进行参数更新，构建集成训练后的所述集成电力异常分析模型；

根据所述集成电力异常分析模型，获得电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理；

所述方法还包括：

根据电力主站档案，获得所述专变采集终端的参数配置信息；

对所述参数配置信息进行可行性分析，获得终端可行性分析结果；

基于数据采集周期的电力数据采集量和实际用电数据差值，获得所述专变采集终端的敏感度信息；

根据所述终端可行性分析结果和所述敏感度信息，获得运行采集质量系数；

基于所述运行采集质量系数，对所述专变采集终端进行参数调整；所述获得第一异常电力数据特征，包括：

获得电力聚类检测数据集；

对所述电力聚类检测数据集进行类别标记，获得标记训练电力数据集；

将所述标记训练电力数据集作为输入数据进行支持向量机模型训练，获得电力异常特征识别模型；

将所述第一电力数据信息输入所述电力异常特征识别模型中，获得第一输出结果，所述第一输出结果包括所述第一异常电力数据特征；

所述构建第一电力异常分析模型，包括：

获得所述循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；

将所述第一异常电力数据特征作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；

将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，构建所述第一电力异常分析模型。

2.如权利要求1所述的方法，其特征在于，所述获得电力聚类检测数据集，包括：

构建历史电力数据信息库；

将所述历史电力数据信息库中的电力数据进行遍历清洗，并按照预定数据格式进行归一化处理，生成标准电力数据信息集；

对所述标准电力数据信息集进行聚类划分，获得电力数据聚类结果；

基于对所述电力数据聚类结果进行主特征分析，构建所述电力聚类检测数据集。

3.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述第一异常电力数据特征，构建第一电力异常波形；

获得预设电力信号阈值，基于所述预设电力信号阈值对所述第一电力异常波形进行分析，获得异常电力信号集合；

对所述异常电力信号集合进行标记，并基于标记点周期和幅度进行统计，获得第一异常损坏系数；

基于所述第一异常损坏系数，制定用电检修控制方案。

4.如权利要求1所述的方法，其特征在于，所述对所述第一电力数据信息进行加密上传，包括：

根据所述第一区域的数据采集等级，选择电力加密算法；

基于所述电力加密算法对所述第一电力数据信息进行加密，获得第一加密电力数据信息；

将所述第一加密电力数据信息上传至所述电力负荷管理平台。