一种基于GBDT的电力计量设备故障风险预测方法技术

本发明专利技术提供的基于GBDT的电力计量设备故障风险预测方法，包括：根据获取的待预测的电力计量设备样本的基本数据，确定与待预测的电力计量设备样本对应的故障风险预测模型和特征集，其中，特征集包括与电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位；将特征集作为特征集故障风险预测模型的输入，确定待预测的电力计量设备样本的预测寿命，其中，预测寿命为：与指定的电力计量设备故障概率对应的累积使用时间；或与指定的累积使用时间在对应的电力计量设备故障概率。本发明专利技术提供的预测方法，可以准确地确定电力计量设备的预测寿命，从而实现对电力计量设备运行状态的有效监控。

A Fault Risk Prediction Method for Electric Power Metering Equipment Based on GBDT

The GBDT-based fault risk prediction method for electric power metering equipment provided by the invention includes: according to the basic data of the sample of electric power metering equipment to be predicted, a fault risk prediction model and a feature set corresponding to the sample of electric power metering equipment to be predicted are determined, in which the feature set includes the large fault category F corresponding to the sample of electric power metering equipment, the small fault category F, and the idle time. Time T, operation time R and unit of property rights; using feature set as input of fault risk prediction model of feature set to determine the predicted life of samples of power metering equipment to be predicted, in which the predicted life is the cumulative use time corresponding to the specified failure probability of power metering equipment; or the cumulative use time corresponding to the specified failure probability of power metering equipment. The forecasting method provided by the invention can accurately determine the forecasting life of the electric power metering equipment, thereby realizing effective monitoring of the operation state of the electric power metering equipment.

【技术实现步骤摘要】
一种基于GBDT的电力计量设备故障风险预测方法
本专利技术涉及电网运维
，并且更具体地，涉及一种基于GBDT的电力计量设备故障风险预测方法。
技术介绍
目前，难以对电网中投入的电力计量设备进行有效的监控，会发生大面积范围内发生计量设备故障的运维事故。另外，目前，电力计量设备通常采用定时更换的维修模式。也就是，达到预先设定的投入年限后，同一生产批次的电力计量设备会全部更换为新的智能电能表。这种维修模式造带来大量的维修工作，造成大量尚未失效的智能电能表提前终止使用，造成了资金和工人作业时间上的浪费。
技术实现思路
本专利技术提供了一种基于GBDT的电力计量设备故障风险预测方法，以实现对智能电表运行状态的有效监控，并通过采取必要的运维措施，控制或预防大面积范围内发生计量设备故障。本专利技术提供的基于GBDT的电力计量设备故障风险预测方法，包括：根据获取的待预测的电力计量设备样本的基本数据，确定与待预测的电力计量设备样本对应的故障风险预测模型和特征集，其中，特征集包括与电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位；将特征集作为特征集故障风险预测模型的输入，确定待预测的电力计量设备样本的预测寿命，其中，预测寿命为：与指定的电力计量设备故障概率对应的累积使用时间；或与指定的累积使用时间在对应的电力计量设备故障概率。进一步地，该方法中，故障风险预测模型包括基于GBDT回归器的寿命预测子模型；基于GBDT回归器的寿命预测子模型的输入特征集包括至少一个故障小类和/或至少一个故障小类的发生概率；基于GBDT回归器的寿命预测子模型的输出特征集包括：电力计量设备的预测寿命。进一步地，该方法中，故障风险预测模型还包括基于GBDT分类器的故障小类预测子模型；基于GBDT分类器的故障小类预测子模型的输入特征集包括至少一个故障大类和/或至少一个故障大类的发生概率；基于GBDT分类器的故障小类预测子模型的输出特征集包括：至少一个故障小类和/或至少一个故障小类的发生概率；寿命预测子模型的输入特征集包括故障小类预测子模型的输出特征集。进一步地，该方法中，故障风险预测模型还包括基于GBDT分类器的故障大类预测子模型；基于GBDT分类器的故障大类预测子模型的输入特征包括：闲置时间T和产权单位；基于GBDT分类器的故障大类预测子模型的输出特征包括：至少一个故障大类和/或至少一个故障大类的发生概率；故障小类预测子模型的输入特征集包括故障大类预测子模型的输出特征集。进一步地，该方法中，在确定与待预测的电力计量设备样本对应的故障风险预测模型和特征集之前，还包括：根据获取的已拆卸的电力计量设备样本的基本数据，形成与厂商编号或招标批次号或产权单位相对应的故障设备训练集和故障设备测试集，其中，故障设备训练集和故障设备测试集中包括故障设备的寿命L；利用故障设备训练集和故障设备测试集，确定基于GBDT分类器和/或GBDT回归器的故障风险预测模型，故障风险预测模型中包括至少一个基于GBDT分类器和/或GBDT回归器的预测子模型。进一步地，该方法中，特征集中还包括：与产权单位对应的环境温湿度信息。进一步地，该方法中，在确定待预测的电力计量设备样本的预测寿命后，根据预先设定的运维红线，生成红线累积使用时间。进一步地，该方法中，闲置时间T为安装时间与到货时间的差值。进一步地，该方法中，在运时间R为当前时间与安装时间的差值。进一步地，该方法中，故障设备的寿命L为拆卸时间与安装时间的差值。与现有技术相比，本专利技术提供的基于GBDT的电力计量设备故障风险预测方法，采用了GBDT来进行电力计量设备运维数据的挖掘，形成故障风险预测模型的稳定性和准确性得到大幅提高；根据用电信息采集系统获取的电力计量设备的基本数据，可以准确地确定电力计量设备的预测寿命，从而实现对电力计量设备运行状态的有效监控，并通过采取必要的运维措施，控制或预防大面积范围内发生计量设备故障。附图说明通过参考下面的附图，可以更为完整地理解本专利技术的示例性实施方式：图1为本专利技术优选实施方式的基于GBDT的电力计量设备故障风险预测方法的流程示意图；图2是本专利技术优选实施方式的基于GBDT的电力计量设备故障风险预测方法的流程示意图；图3是本专利技术优选实施方式中智能电表的寿命曲线示意图。具体实施方式现在参考附图介绍本专利技术的示例性实施方式，然而，本专利技术可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本专利技术，并且向所属
的技术人员充分传达本专利技术的范围。对于表示在附图中的示例性实施方式中的术语并不是对本专利技术的限定。在附图中，相同的单元/元件使用相同的附图标记。除非另有说明，此处使用的术语(包括科技术语)对所属
的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。目前，电网用户用电基础信息不断完善，用电信息采集范围和采集成功率逐步扩大提高，用电信息采集系统所积累的海量运行数据已能够为计量装置在线监测、故障知识库建立等诸多业务提供数据支持。通大数据挖掘等相关技术手段，有效利用故障数据和历史运行数据，对计量装置的故障形态和潜伏形式进行挖掘分析，可望实现对电网现场设备运行风险的有效预测和监控，并为设备运维工作提供有效的技术支撑。如图1所示，本专利技术一个实施例的基于GBDT的电力计量设备故障风险预测方法，包括：步骤S100：根据获取的待预测的电力计量设备样本的基本数据，确定与待预测的电力计量设备样本对应的故障风险预测模型和特征集，其中，特征集包括与电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位；应该理解为，待预测的电力计量设备样本的基本数据是通过用电信息采集系统获取的。待预测的电力计量设备样本可以从采用相同技术规范、具有相同检定证书的电力计量设备中选取，如具有相同的厂商编号，或相同的招标批次号，或相同的产权单位的多个电力计量设备。步骤S200：将特征集作为特征集故障风险预测模型的输入，确定待预测的电力计量设备样本的预测寿命，其中，预测寿命为：与指定的电力计量设备故障概率对应的累积使用时间；或与指定的累积使用时间在对应的电力计量设备故障概率。进一步地，该方法中，故障风险预测模型包括基于GBDT回归器的寿命预测子模型；基于GBDT回归器的寿命预测子模型的输入特征集包括至少一个故障小类和/或至少一个故障小类的发生概率；基于GBDT回归器的寿命预测子模型的输出特征集包括：电力计量设备的预测寿命。进一步地，该方法中，故障风险预测模型还包括基于GBDT分类器的故障小类预测子模型；基于GBDT分类器的故障小类预测子模型的输入特征集包括至少一个故障大类和/或至少一个故障大类的发生概率；基于GBDT分类器的故障小类预测子模型的输出特征集包括：至少一个故障小类和/或至少一个故障小类的发生概率；寿命预测子模型的输入特征集包括故障小类预测子模型的输出特征集。进一步地，该方法中，故障风险预测模型还包括基于GBDT分类器的故障大类预测子模型；基于GBDT分类器的故障大类预测子模型的输入特征包括：闲置时间T和产权单位；基于GBDT分类器的本文档来自技高网...

【技术保护点】
1.一种基于GBDT的电力计量设备故障风险预测方法，其特征在于，包括：根据获取的待预测的电力计量设备样本的基本数据，确定与所述待预测的电力计量设备样本对应的故障风险预测模型和特征集，其中，所述特征集包括与所述电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位；将所述特征集作为所述特征集故障风险预测模型的输入，确定待预测的电力计量设备样本的预测寿命，其中，所述预测寿命为：与指定的电力计量设备故障概率对应的累积使用时间；或与指定的累积使用时间在对应的电力计量设备故障概率。

【技术特征摘要】
1.一种基于GBDT的电力计量设备故障风险预测方法，其特征在于，包括：根据获取的待预测的电力计量设备样本的基本数据，确定与所述待预测的电力计量设备样本对应的故障风险预测模型和特征集，其中，所述特征集包括与所述电力计量设备样本对应的故障大类F、故障小类f、闲置时间T、在运时间R和产权单位；将所述特征集作为所述特征集故障风险预测模型的输入，确定待预测的电力计量设备样本的预测寿命，其中，所述预测寿命为：与指定的电力计量设备故障概率对应的累积使用时间；或与指定的累积使用时间在对应的电力计量设备故障概率。2.根据权利要求1所述的方法，其特征在于，所述故障风险预测模型包括基于GBDT回归器的寿命预测子模型；所述基于GBDT回归器的寿命预测子模型的输入特征集包括至少一个故障小类和/或所述至少一个故障小类的发生概率；所述基于GBDT回归器的寿命预测子模型的输出特征集包括：所述电力计量设备的预测寿命。3.根据权利要求2所述的方法，其特征在于，所述故障风险预测模型还包括基于GBDT分类器的故障小类预测子模型；所述基于GBDT分类器的故障小类预测子模型的输入特征集包括至少一个故障大类和/或所述至少一个故障大类的发生概率；所述基于GBDT分类器的故障小类预测子模型的输出特征集包括：至少一个故障小类和/或所述至少一个故障小类的发生概率；所述寿命预测子模型的输入特征集包括所述故障小类预测子模型的输出特征集。4.根据权利要求3所述的方法，其特征在于，所述故障风险预测模型还包括基于GBD...

【专利技术属性】
技术研发人员：张密，陈昊，乔文俞，刘婧，魏国省，刘卿，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网天津市电力公司，北京南瑞捷鸿科技有限公司，
类型：发明
国别省市：北京,11