一种基于大数据平台的智能电表故障分析和预测系统技术方案

本发明专利技术提出一种基于大数据平台的智能电表故障分析和预测系统，所述系统包括贝叶斯网络构建子系统和分析预测子系统；所述系统运行时按以下步骤进行分析预测作业；A1、贝叶斯网络构建子系统通过大数据平台获取训练电表故障预测所需的贝叶斯网络模型后上传至分析预测子系统；A2、分析预测子系统获取贝叶斯网络模型后，通过该模型用与模型相关的数据对智能电表故障进行分析预测；A3、对贝叶斯网络模型和根据该模型得出的故障预测结果进行展示；本发明专利技术基于大数据平台，能够对不同省份，不同地区的海量电表数据进行处理，且用户使用操作简单。

An Intelligent Meter Fault Analysis and Prediction System Based on Large Data Platform

The invention proposes an intelligent meter fault analysis and prediction system based on large data platform, which includes a Bayesian network construction subsystem and an analysis and prediction subsystem; the system runs according to the following steps for analysis and prediction; A1 and Bayesian network construction subsystem acquire the Bayesian network model needed for training meter fault prediction through a large data platform. Transfer to the analysis and prediction subsystem; A2, the analysis and prediction subsystem acquires the Bayesian network model, and then uses the data related to the model to analyze and forecast the fault of the smart meter; A3, display the Bayesian network model and the fault prediction results based on the model; The invention is based on the large data platform, and can be used to analyze and forecast the large-scale meters in different provinces and regions. Data processing, and user use simple operation.

【技术实现步骤摘要】
一种基于大数据平台的智能电表故障分析和预测系统
本专利技术涉及电力设施运维
，尤其是一种基于大数据平台的智能电表故障分析和预测系统。
技术介绍
智能电网的高速发展使得电力用户不断增加，电力系统的规模不断扩大。随着智能电表的不断更新，其计量水平、性能和功能都有了显著的提升，但同时也由于智能电表功能的完善导致智能电表的故障类型逐渐增多，故障不确定性逐渐增高。电表在正常运行时可能受到来自自然环境以及人为因素的影响使得各组件不可避免的发生各类故障，而导致电表发生故障的各类因素可能相互关联并具有特定特点，通过深入挖掘电表各类数据使得分析智能电表故障成因并且预测电表各种故障类型成为了可能。国家电网电力科学院计量中心目前采集到海量的全国各地电表运行数据，由于样本数据集的数量很大，在单机平台上构建贝叶斯网络进行故障预测和分析会导致网络运行速度和效率非常差，因此缺乏一种基于大数据平台的适用性高，实用性强的故障预测和分析系统。为解决上述问题，迫切需要研究一种能够对不同省份，不同地区的海量电表数据进行处理，且用户使用操作简单的基于大数据平台的智能电表故障类型成因分析和预测系统。
技术实现思路
本专利技术提出一种基于大数据平台的智能电表故障分析和预测系统，基于大数据平台，能够对不同省份，不同地区的海量电表数据进行处理，且用户使用操作简单。本专利技术采用以下技术方案。一种基于大数据平台的智能电表故障分析和预测系统，所述系统包括贝叶斯网络构建子系统和分析预测子系统；所述系统运行时按以下步骤进行分析预测作业；A1、贝叶斯网络构建子系统通过大数据平台获取训练电表故障预测所需的贝叶斯网络模型后上传至分析预测子系统；A2、分析预测子系统获取贝叶斯网络模型后，通过该模型用与模型相关的数据对智能电表故障进行分析预测；A3、对贝叶斯网络模型和根据该模型得出的故障预测结果进行展示。所述贝叶斯网络构建子系统包括数据预处理模块、数据分块模块、构建贝叶斯网络模块、获取准确率模块以及获取条件概率表模块；所述智能电表故障分析和预测系统运行时，贝叶斯网络构建子系统通过数据预处理模块、数据分块模块搭建大数据平台来提供训练模型的基本实验环境，所述构建贝叶斯网络模块、获取准确率模块以及获取条件概率表模块在选取与大数据平台匹配的贝叶斯网络结构学习算法后，基于大数据平台，以贝叶斯网络结果学习算法训练构建贝叶斯网络模型；所述分析预测子系统包括贝叶斯网络展示模块、故障类型预测模块、故障成因分析模块、预测结果展示模块以及后台管理模块；所述智能电表故障分析和预测系统运行时，分析预测子系统把训练好的贝叶斯网络模型以动态直观的形式进行展示，并将大数据平台涉及的各省市电表故障类型预测结果和成因分析直观的展示给用户。所述数据预处理模块搭建大数据平台的数据来自于国家电网电力科学院计量中心的各地智能电表信息，包括智能电表到货批次信息、检定任务信息、全检综合结论信息、全检基本误差信息、现场运行故障信息；经数据预处理模块筛选处理后的大数据平台数据包含智能电表的存放时间、运行时间、批次、供电所、供货厂商。所述的大数据平台为基于Hadoop的Mapreduce并行计算框架；所搭建的大数据平台采用4个节点，包括一个Master节点和三个Slave节点。所述贝叶斯网络结构学习算法包括MMHC结构学习算法和K2结构学习算法，用于电表故障类型预测和分析。所述贝叶斯网络展示模块、故障类型预测模块、故障成因分析模块和预测结果展示模块隶属于分析预测子系统的用户模块；所述后台管理模块隶属于分析预测子系统的管理员模块。所述故障类型预测模块还包含训练上传模块、结果数据下载模块和准确率展示模块；所述后台管理模块还包括网络模型管理模块、用户管理模块和训练数据管理模块。所述分析预测子系统还包括用户管理模块；所述用户管理模块具有删除用户模块、添加用户模块和修改用户模块这三个功能模块。所述贝叶斯网络模型包括贝叶斯网络故障预测和成因分析模型；在贝叶斯网络模型的构建过程中，贝叶斯网络构建子系统建立多个贝叶斯子网，并设定基于预设定的投票策略对多个贝叶斯子网合并而得到最终的贝叶斯网络故障预测和成因分析模型。与现有技术相比，本专利技术具有以下优异效果：本专利技术基于大数据平台和贝叶斯学习算法，提出了一种基于大数据平台的智能电表故障类型成因分析和预测系统，适用于处理数据集很大的电表数据，并且网络的运行速度和效率很高。同时，系统在设计中将借助大数据平台构建的贝叶斯网络结构作为整个研究的一个子系统来提供所需要的贝叶斯网络结构和条件概率表，系统功能完整，运行可靠性高，结果展示性强，可以有效解决智能电表故障预测和故障成因分析的理论分析和系统设计问题。本专利技术在模型的设计中建立多个贝叶斯子网，并设定基于特定的投票策略对多个贝叶斯子网合并而得到最终的贝叶斯网络故障预测和成因分析模型，可以高效地构建贝叶斯网络，节省训练网络模型所需要的学习时间，同时还能保证其在故障预测系统中具有较高的预测准确率。附图说明下面结合附图和具体实施方式对本专利技术进一步详细的说明：附图1是本专利技术的系统结构示意图；图中：1-智能电表故障分析和预测系统；2-贝叶斯网络构建子系统；3-分析预测子系统；4-贝叶斯网络展示模块；5-故障类型预测模块；6-故障成因分析模块；7-预测结果展示模块；8-后台管理模块；9-训练上传模块；10-结果数据下载模块；11-准确率展示模块；12-网络模型管理模块；13-用户管理模块；14-训练数据管理模块；15-删除用户模块；16-添加用户模块；17-修改用户模块；18-获取准确率模块；19-获取条件概率表模块。具体实施方式如图1所示，一种基于大数据平台的智能电表故障分析和预测系统1，所述系统包括贝叶斯网络构建子系统2和分析预测子系统3；所述系统运行时按以下步骤进行分析预测作业；A1、贝叶斯网络构建子系统通过大数据平台获取训练电表故障预测所需的贝叶斯网络模型后上传至分析预测子系统；A2、分析预测子系统获取贝叶斯网络模型后，通过该模型用与模型相关的数据对智能电表故障进行分析预测；A3、对贝叶斯网络模型和根据该模型得出的故障预测结果进行展示。所述贝叶斯网络构建子系统包括数据预处理模块、数据分块模块、构建贝叶斯网络模块、获取准确率模块18以及获取条件概率表模块19；所述智能电表故障分析和预测系统运行时，贝叶斯网络构建子系统通过数据预处理模块、数据分块模块搭建大数据平台来提供训练模型的基本实验环境，所述构建贝叶斯网络模块、获取准确率模块以及获取条件概率表模块在选取与大数据平台匹配的贝叶斯网络结构学习算法后，基于大数据平台，以贝叶斯网络结果学习算法训练构建贝叶斯网络模型；所述分析预测子系统包括贝叶斯网络展示模块4、故障类型预测模块5、故障成因分析模块6、预测结果展示模块7以及后台管理模块8；所述智能电表故障分析和预测系统运行时，分析预测子系统把训练好的贝叶斯网络模型以动态直观的形式进行展示，并将大数据平台涉及的各省市电表故障类型预测结果和成因分析直观的展示给用户。所述数据预处理模块搭建大数据平台的数据来自于国家电网电力科学院计量中心的各地智能电表信息，包括智能电表到货批次信息、检定任务信息、全检综合结论信息、全检基本误差信息、现场运行故障信息；经数据预处理模块筛选处理本文档来自技高网...

【技术保护点】
1.一种基于大数据平台的智能电表故障分析和预测系统，其特征在于：所述系统包括贝叶斯网络构建子系统和分析预测子系统；所述系统运行时按以下步骤进行分析预测作业；A1、贝叶斯网络构建子系统通过大数据平台获取训练电表故障预测所需的贝叶斯网络模型后上传至分析预测子系统；A2、分析预测子系统获取贝叶斯网络模型后，通过该模型用与模型相关的数据对智能电表故障进行分析预测；A3、对贝叶斯网络模型和根据该模型得出的故障预测结果进行展示。

【技术特征摘要】
1.一种基于大数据平台的智能电表故障分析和预测系统，其特征在于：所述系统包括贝叶斯网络构建子系统和分析预测子系统；所述系统运行时按以下步骤进行分析预测作业；A1、贝叶斯网络构建子系统通过大数据平台获取训练电表故障预测所需的贝叶斯网络模型后上传至分析预测子系统；A2、分析预测子系统获取贝叶斯网络模型后，通过该模型用与模型相关的数据对智能电表故障进行分析预测；A3、对贝叶斯网络模型和根据该模型得出的故障预测结果进行展示。2.根据权利要求1所述的一种基于大数据平台的智能电表故障分析和预测系统，其特征在于：所述贝叶斯网络构建子系统包括数据预处理模块、数据分块模块、构建贝叶斯网络模块、获取准确率模块以及获取条件概率表模块；所述智能电表故障分析和预测系统运行时，贝叶斯网络构建子系统通过数据预处理模块、数据分块模块搭建大数据平台来提供训练模型的基本实验环境，所述构建贝叶斯网络模块、获取准确率模块以及获取条件概率表模块在选取与大数据平台匹配的贝叶斯网络结构学习算法后，基于大数据平台，以贝叶斯网络结果学习算法训练构建贝叶斯网络模型；所述分析预测子系统包括贝叶斯网络展示模块、故障类型预测模块、故障成因分析模块、预测结果展示模块以及后台管理模块；所述智能电表故障分析和预测系统运行时，分析预测子系统把训练好的贝叶斯网络模型以动态直观的形式进行展示，并将大数据平台涉及的各省市电表故障类型预测结果和成因分析直观的展示给用户。3.根据权利要求2所述的一种基于大数据平台的智能电表故障分析和预测系统，其特征在于：所述数据预处理模块搭建大数据平台的数据来自于国家电网电力科学院计量中心的各地智能电表信息，包括智能电表到货批次信息、检定任务信息、全检综合结论信息、全检基本误差信息、现场运行故障信息；...

【专利技术属性】
技术研发人员：商曦文，吉莹，
申请(专利权)人：国网福建省电力有限公司，国网福建省电力有限公司电力科学研究院，
类型：发明
国别省市：福建,35