一种基于机器学习预测智能电能表故障的方法及系统技术方案

本发明专利技术公开了一种基于机器学习预测智能电能表故障的方法及系统，属于机器学习技术领域。本发明专利技术方法包括：确定故障智能电能表的故障类型；删除重复数据和与故障智能电能表故障无关的数据，补全故障智能电能表故障退运数据缺失值，获取预测数据；确定与故障有关的特征数据；获取智能电能表故障预测模型；获取智能电能表与故障有关的特征数据；根据智能电能表故障预测模型，对智能电能表故障进行预测，确定智能电能表预测故障类型。本发明专利技术结合机器学习和神经网络的方法对智能电表故障数据进行分析，可以有效的预测出智能电表的故障类型。

A method and system based on machine learning to predict the fault of intelligent electric energy meter

【技术实现步骤摘要】
一种基于机器学习预测智能电能表故障的方法及系统
本专利技术涉及机器学习
，并且更具体地，涉及一种基于机器学习预测智能电能表故障的方法及系统。
技术介绍
随着智能电表智能化和普及程度提高，用电信息采集系统覆盖范围也不断扩展，智能电表的故障日益呈现出突发性、复杂性、多面性等特点。仅依靠检修人员发现电表的故障势必有人员投入不均匀，故障检修不及时的问题。本文通过分析智能电表正常运行数据和故障数据，基于统计、预处理、聚类和预测等方法，分析故障类型与出现问题现象及原因之间的关系，建立智能电表故障预测模型。在电表发生故障时，有效的预测其故障类型，并以此配备相应的维修人员，从而达到降低人力资源成本和节省维修时间的目的。目前预测智能的故障主要通过故障机理分析，目前故障机理分析存在几个问题：1.智能运行过程中不可避免产生损伤和出现早期故障，它具有潜在性和动态响应的微弱性；复合故障和系统故障由于多因素共同耦合，通过单一的机理方法难以溯源故障成因。2.智能电表的故障机理是指通过理论或大量的试验分析，得到智能电表故障状态信号与输出参数之间的本文档来自技高网...

【技术保护点】
1.一种基于机器学习预测智能电能表故障的方法，所述方法包括：/n确定故障智能电能表的故障类型；/n获取故障智能电能表故障退运数据，对故障智能电能表故障退运数据进行预处理，删除重复数据和与故障智能电能表故障无关的数据，补全故障智能电能表故障退运数据缺失值，获取预测数据；/n根据预测数据，对故障智能电能表的故障类型进行故障特征选择，确定与故障有关的特征数据；/n根据所述故障智能电能表的故障类型及故障有关的特征关系及智能电能表预测评价标准，获取智能电能表故障预测模型；/n获取智能电能表与故障有关的特征数据，根据智能电能表故障预测模型，对智能电能表故障进行预测，确定智能电能表预测故障类型。/n

【技术特征摘要】
1.一种基于机器学习预测智能电能表故障的方法，所述方法包括：
确定故障智能电能表的故障类型；
获取故障智能电能表故障退运数据，对故障智能电能表故障退运数据进行预处理，删除重复数据和与故障智能电能表故障无关的数据，补全故障智能电能表故障退运数据缺失值，获取预测数据；
根据预测数据，对故障智能电能表的故障类型进行故障特征选择，确定与故障有关的特征数据；
根据所述故障智能电能表的故障类型及故障有关的特征关系及智能电能表预测评价标准，获取智能电能表故障预测模型；
获取智能电能表与故障有关的特征数据，根据智能电能表故障预测模型，对智能电能表故障进行预测，确定智能电能表预测故障类型。


2.根据权利要求1所述的方法，所述的故障退运数据，包括：故障智能电能表的厂家信息、批次信息、有功准确度等级、安装地点、库存时间、运行时间、安装时间、异常类别、异常现象、异常时间、故障部位、故障时间、安装地点气候环境信息和安装地点电应力的电气环境信息。


3.根据权利要求1所述的方法，所述的预处理为对故障智能电能表故障退运数据进行线性函数归一化处理或零均值归一化处理。


4.根据权利要求1所述的方法，所述的故障特征，包括：离散型特征和连续型特征。


5.一种基于...

【专利技术属性】
技术研发人员：李贺龙，于海波，王春雨，刘佳，王兴媛，袁金帅，王春妍，
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，国网重庆市电力公司电力科学研究院，
类型：发明
国别省市：北京;11