基于支持向量机的电表故障分类方法、装置及电子设备制造方法及图纸

本发明专利技术适用于电力技术领域，提供了一种基于支持向量机的电表故障分类方法、装置及电子设备。该方法包括：获取目标故障电表的运行信息，将运行信息输入至预训练的支持向量机分类模型中，得到目标故障电表的故障类型；其中，支持向量机分类模型的训练过程为：获取训练数据；通过种群优化算法算法对支持向量机的参数组合进行迭代寻优，在达到预设迭代次数之前，使用蝗虫算法和萤火虫算法联合更新个体位置，在达到预设迭代次数之后，使用蝗虫算法更新个体位置，得到支持向量机的最优参数组合，从而构建支持向量机分类模型。本发明专利技术能够在电表发生故障时合理预测电表的故障类型。生故障时合理预测电表的故障类型。生故障时合理预测电表的故障类型。

【技术实现步骤摘要】
基于支持向量机的电表故障分类方法、装置及电子设备


[0001]本专利技术属于电力
，尤其涉及一种基于支持向量机的电表故障分类方法、装置及电子设备。

技术介绍

[0002]随着智能化电网在我国建立的局势加快，智能电表的数量爆增，各种问题也就显现出来。首先是大量的在运电表的使用时间到达更换期限，面临着进行拆毁、检定、再利用的问题。如果全部拆回换新，浪费资源的同时也将耗费大量的人力，并且由于维修人员大多不具备处理所有故障问题的能力，存在维修力量投入不均，维修周期过长的问题。所以在电表发生故障时，合理的预测其故障类型就显得非常重要。根据故障类型分配相关技术人员，能够使得电网公司在智能电表运维方面的人力以及资源成本得以下降。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了一种基于支持向量机的电表故障分类方法、装置及电子设备，以在电表发生故障时合理预测电表的故障类型。
[0004]本专利技术实施例的第一方面提供了一种基于支持向量机的电表故障分类方法，包括：
[0005]获取目标故障电表的运行信息，将运行信息输入至预训练的支持向量机分类模型中，得到目标故障电表的故障类型；
[0006]其中，支持向量机分类模型的训练过程为：
[0007]获取不同故障类型及其对应的故障电表的运行信息，得到训练数据；
[0008]通过种群优化算法对支持向量机的参数组合进行迭代寻优，得到支持向量机的最优参数组合；其中，种群优化算法中的每个个体均为一个参数组合，在达到预设迭代次数之前，使用蝗虫算法和萤火虫算法联合更新个体位置，在达到预设迭代次数之后，使用蝗虫算法更新个体位置，预设迭代次数小于最大迭代次数；基于最优参数组合和训练数据，训练得到支持向量机分类模型。
[0009]可选的，在获取目标故障电表的运行信息之后，还包括：
[0010]对目标故障电表的运行信息进行归一化处理；
[0011]以及，在得到训练数据之后，还包括：
[0012]对训练数据进行归一化处理。
[0013]可选的，通过种群优化算法对支持向量机的参数组合进行迭代寻优，得到支持向量机的最优参数组合，包括：
[0014]设置种群优化算法参数，并通过Iterative混沌映射初始化个体种群；
[0015]对于每个个体，根据个体和训练数据训练初始支持向量机分类模型，将模型的准确率作为个体的适应度，并确定最小适应度对应的个体；
[0016]更新种群中个体的位置，计算各个新个体的适应度值，确定并更新全局最小适应
度对应的个体，不断迭代，直至达到最大迭代次数；
[0017]将全局最小适应度对应的个体确定为最优参数组合。
[0018]可选的，使用蝗虫算法和萤火虫算法联合更新个体位置的公式为：
[0019][0020][0021]式中，表示第i个个体在第t+1代的位置；是第t代的最优位置；d表示数据特征的维度；i和j表示每一个个体的编号；β为萤火虫的吸引度；rand为生成(0,1)之间随机数的函数；ub
d
和lb
d
分别表示搜索范围的上限和下限；函数为吸引函数，表示两个个体之间吸引力的影响大小；d
ij
＝|x
i
‑
x
j
|表示第i个个体到第j个个体之间的欧氏距离；T
d
表示算法目前为止搜索到的个体位置；c
m
为控制系数；N为最大迭代次数。
[0022]可选的，使用蝗虫算法更新个体位置的公式为：
[0023][0024]式中，d表示数据特征的维度；i和j表示每一个个体的编号；ub
d
和lb
d
分别表示搜索范围的上限和下限；函数为吸引函数；表示两个个体之间吸引力的影响大小；d
ij
＝|x
i
‑
x
j
|表示第i个个体到第j个个体之间的欧氏距离；T
d
表示算法目前为止搜索到的个体位置；c
m
为控制系数；N为最大迭代次数。
[0025]可选的，在每次迭代过程中，控制系数c
m
通过反三角正切函数更新；
[0026]通过反三角正切函数更新控制系数c
m
的公式为：
[0027]c
m
＝(c
max
+c
min
)/2+[(c
max
+c
min
)/2]×
[(
‑
arctan(t/T
max
)
‑
0.5)
×
k][0028]式中，c
max
和c
min
分别为递减区间的最大值和最小值，t为当前迭代次数，T
max
为最大迭代次数，k为调节参数，取15到20之间。
[0029]可选的，预设迭代次数为最大迭代次数的二分之一。
[0030]本专利技术实施例的第二方面提供了一种基于支持向量机的电表故障分类装置，包括：
[0031]分类模块，用于获取目标故障电表的运行信息，将运行信息输入至预训练的支持向量机分类模型中，得到目标故障电表的故障类型；
[0032]训练模块，用于获取不同故障类型及其对应的故障电表的运行信息，得到训练数据；通过种群优化算法对支持向量机的参数组合进行迭代寻优，得到支持向量机的最优参数组合；其中，种群优化算法中的每个个体均为一个参数组合，在达到预设迭代次数之前，使用蝗虫算法和萤火虫算法联合更新个体位置，在达到预设迭代次数之后，使用蝗虫算法更新个体位置，预设迭代次数小于最大迭代次数；基于最优参数组合和训练数据，训练得到支持向量机分类模型。
[0033]本专利技术实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在
存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的基于支持向量机的电表故障分类方法的步骤。
[0034]本专利技术实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的基于支持向量机的电表故障分类方法的步骤。
[0035]本专利技术实施例与现有技术相比存在的有益效果是：
[0036]本专利技术实施例通过改进的种群优化算法对支持向量机的参数组合进行迭代寻优，具体的，在迭代前期使用蝗虫算法和萤火虫算法联合更新个体位置，提高全局开发能力，迭代后期利用蝗虫算法的优势进行局部开发，从而得到支持向量机的最优参数组合，进而根据训练数据和最优参数组合训练支持向量机分类模型，并基于训练好的模型实现对智能电表故障类型的快速分类。
附图说明
[0037]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于支持向量机的电表故障分类方法，其特征在于，包括：获取目标故障电表的运行信息，将所述运行信息输入至预训练的支持向量机分类模型中，得到所述目标故障电表的故障类型；其中，所述支持向量机分类模型的训练过程为：获取不同故障类型及其对应的故障电表的运行信息，得到训练数据；通过种群优化算法对支持向量机的参数组合进行迭代寻优，得到支持向量机的最优参数组合；其中，种群优化算法中的每个个体均为一个参数组合，在达到预设迭代次数之前，使用蝗虫算法和萤火虫算法联合更新个体位置，在达到预设迭代次数之后，使用蝗虫算法更新个体位置，预设迭代次数小于最大迭代次数；基于最优参数组合和训练数据，训练得到所述支持向量机分类模型。2.如权利要求1所述的基于支持向量机的电表故障分类方法，其特征在于，在获取目标故障电表的运行信息之后，还包括：对所述目标故障电表的运行信息进行归一化处理；以及，在得到训练数据之后，还包括：对所述训练数据进行归一化处理。3.如权利要求1所述的基于支持向量机的电表故障分类方法，其特征在于，通过种群优化算法对支持向量机的参数组合进行迭代寻优，得到支持向量机的最优参数组合，包括：设置种群优化算法参数，并通过Iterative混沌映射初始化个体种群；对于每个个体，根据个体和训练数据训练初始支持向量机分类模型，将模型的准确率作为个体的适应度，并确定最小适应度对应的个体；更新种群中个体的位置，计算各个新个体的适应度值，确定并更新全局最小适应度对应的个体，不断迭代，直至达到最大迭代次数；将全局最小适应度对应的个体确定为最优参数组合。4.如权利要求1所述的基于支持向量机的电表故障分类方法，其特征在于，使用蝗虫算法和萤火虫算法联合更新个体位置的公式为：法和萤火虫算法联合更新个体位置的公式为：式中，表示第i个体在第t+1代的位置；是第t代的最优位置；d表示数据特征的维度；i和j表示每一个个体的编号；β为萤火虫的吸引度；rand为生成(0,1)之间随机数的函数；ub
d
和lb
d
分别表示搜索范围的上限和下限；函数为吸引函数，表示两个个体之间吸引力的影响大小；d
ij
＝|x
i
‑
x
j
|表示第i个个体到第j个个体之间的欧氏距离；T
d
表示算法目前为止搜索到的个体位置；c
m
为控制系数；N为最大迭代次数。5.如权利要求1所述的基于支持向量机的电表故障分类方法，其特征在于，使用蝗虫算法更新个体位置的公式为：
式中，d表示数据特征的维度；i和j表示每一个个体的编号；ub
d

【专利技术属性】
技术研发人员：李翀，杨鹏，王浩，申洪涛，李倩，厉建宾，李飞，杨媛媛，郭聚川，胡楠，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：