电表故障的分类方法、装置、电子设备及计算机存储介质制造方法及图纸

本申请公开了一种电表故障的分类方法、装置、电子设备及计算机存储介质，涉及电能计量技术领域，解决了目前存在难以判断电表故障类型，造成对电表故障处理不及时，故障处理效率低的问题。该方法包括：将输入数据集划分为二类样本集；建立类别差异约束流模型，分别利用二类样本子集对类别差异约束流模型进行训练，更新参数，得到每个故障类型对应的目标类别差异约束流模型；将二类样本集中每个样本子集输入到对应的目标类别差异约束流模型中，分别得到二类映射样本子集；确定初始分类器，对初始分类器进行训练，得到每个故障类型对应的目标分类器；获取测试样本，确定测试样本对应的故障类型。障类型。障类型。

【技术实现步骤摘要】
电表故障的分类方法、装置、电子设备及计算机存储介质


[0001]本申请属于电能计量
，更具体地，涉及一种电表故障的分类方法、装置、电子设备及计算机存储介质。

技术介绍

[0002]智能电表作为智能电网的重要终端，不仅具备着传统电表数据采集、计量等基本功能，还满足远程通信、信息处理、自动控制及各种扩展功能，对电网的稳定运行起重要支撑作用，实现智能电表故障类型的快速准确判断，对提高智能电网运行质量、保障用电稳定具有重要意义。
[0003]各智能电表制造商在设计方案、元器件选择、工艺流程等方面都有所差异，同时受到复杂的外部运行环境影响，智能电表的故障类型呈现多样且复杂的特点。目前对于智能电表故障的处理主要依赖运维人员，运维人员主要依靠经验判断电表故障类型，对于未处理过的电表故障往往难以判断电表故障类型，造成对电表故障处理不及时，故障处理效率低。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种电表故障的分类方法、装置、电子设备及计算机存储介质，主要目的在于解决目前存在难以判断电表故障类型，造成对电表故障处理不及时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电表故障的分类方法，其特征在于，包括：获取多个电表在多个故障类型下的故障历史数据作为输入数据集，并将所述输入数据集划分为二类样本集，其中，所述二类样本集包括所述多个故障类型中每个故障类型对应的二类样本子集；建立类别差异约束流模型，并利用所述每个故障类型对应的二类样本子集对所述类别差异约束流模型进行训练，更新参数，得到所述每个故障类型对应的目标类别差异约束流模型；将所述每个故障类型对应的二类样本子集输入到对应的目标类别差异约束流模型中，得到二类映射样本集；确定初始分类器，并基于所述二类映射样本集中每个故障类型对应的映射样本子集对所述初始分类器进行训练，得到所述每个故障类型对应的目标分类器；获取测试样本，以及基于所述每个故障类型对应的目标类别差异约束流模型、目标分类器在所述多个故障类型中确定所述测试样本对应的故障类型。2.根据权利要求1所述的电表故障的分类方法，其特征在于，所述将所述输入数据集划分为二类样本集，包括：遍历所述输入数据集中每个故障历史数据，确定所述多个故障类型中每个故障类型对应的少数类数据子集、多数类数据子集，其中，所述少数类数据子集为所述多个故障类型中一故障类型对应的数据集，且所述多数类数据子集为所述多个故障类型中除所述一故障类型外的其他故障类型对应的数据集；基于所述多个故障类型中每个故障类型对应的少数类数据子集、多数类数据子集得到所述二类样本集，其中，所述二类样本集中每个二类样本子集对应一故障类型。3.根据权利要求1所述的电表故障的分类方法，其特征在于，所述建立类别差异约束流模型，包括：建立包括样本标准化层、可逆变换层和仿射耦合层的类别差异约束流模型；其中，所述样本标准化层用于在每个维度上采用可学习的尺度变换s1和偏移变换b1进行变换，每个维度的变换公式表示为：公式1：v1＝s1⊙
u1+b1，其中，u1为所述样本标准化层的输入样本，v1为所述样本标准化层的输出数据，
⊙
表示向量对应位置相乘；所述可逆变换层用于对经过所述样本标准化层的样本进行变换，经过可逆变换后的样本表示为：公式2：v2＝Wu2，其中，W表示初始化的n
×
n维随机矩阵，u2为所述可逆变换层的输入样本，v2为所述可逆变换层的输出数据；所述仿射耦合层用于将经过所述可逆变换层的样本的属性划分为两部分，并采用非线性变换NN对划分后的样本的一部分属性u
1:d
进行变换，得到尺度变换s2和偏移变换b2，以及使用尺度变换s2和偏移变换b2对划分后的样本的另一部分属性u
d+1:n
进行仿射变换，所述尺度变换s2和偏移变换b2，以及经过仿射变换后的特征u
d+1:n
分别表示为：公式3：s2,b2＝NN(u1:
d
)，
公式4：v
d+1：n
＝S2⊙
u
d+1：n
+b2，其中，1:d表示样本第1到d维特征，d+1:n表示样本第d+1到n维特征，v
d+1:n
为所述仿射耦合层的输出数据。4.根据权利要求3所述的电表故障的分类方法，其特征在于，所述利用所述每个故障类型对应的二类样本子集对所述类别差异约束流模型进行训练，更新参数，得到所述每个故障类型对应的目标类别差异约束流模型，包括：将所述每个故障类型对应的二类样本子集中每个样本输入到所述公式1中，确定所述每个样本对应的样本标准化层损失，所述样本标准化层损失表示为：公式5：其中，s
i
表示向量第i个元素；将所述样本标准化层的输出数据作为所述可逆变换层的输入样本输入到所述公式2中，确定所述每个样本对应的可逆变换层损失，所述可逆变换层损失表示为：公式6：L
Permutation
＝
‑
log|det(W)|，其中，det()表示计算矩阵行列式；将所述可逆变换层的输出数据作为所述仿射耦合层的输入样本输入到所述公式3和所述公式4中，确定所述每个样本对应的仿射耦合层损失，所述仿射耦合层损失表示为：公式7：获取所述每个样本对应的全局约束损失L
global
、局部约束损失L
local
，并基于所述每个样本对应的样本标准化层损失L
Actnorm
、可逆变换层损失L
Permutation
、仿射耦合层损失L
Affine
、全局约束损失L
global
和局部约束损失L
local
确定所述类别差异约束流模型的模型损失函数L
model
，以及通过最小化模型损失函数L
model
，采用梯度下降法更新所述类别差异约束流模型的参数，得到所述每个二类样本子集对应的目标类别差异约束流模型，所述每个二类样本子集对应的模型损失函数表示为：公式8：L
model
＝L
Actnorm
+L
Permutation
+L
Affine
+L
global
+α*L
local
，其中，x
i
为所述二类样本子集中第i个样本，M为所述二类样本子集中样本的数量，f
θ
为所...

【专利技术属性】
技术研发人员：陈文礼，程瑛颖，黄子健，高欣，苏宇，成涛，陆治军，肖冀，邹波，王思韡，万树伟，杨芾藜，刘型志，何珉，吴华，
申请(专利权)人：北京邮电大学国家电网有限公司，
类型：发明
国别省市：