一种用电安全预警方法、介质及系统技术方案

本发明专利技术公开一种用电安全预警方法、介质及系统，包括：建立用于预测用电安全的双层混合模型，其中，所述双层混合模型包括：第一层模型和第二层模型，所述第一层模型包括：可控随机森林模型、朴素贝叶斯模型和神经网络模型，所述第二层模型为逻辑回归模型；将获取的用户的用电安全的特征指标的实际值分别输入所述第一层模型中的所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型，使所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型分别输出各自预测结果的值后，将分别输出的各自预测结果的值输入所述第二层模型，输出用电安全的预测结果的值。本发明专利技术可高效准确地检测用电安全问题，实现对电力设备安全运行的提前预警。的提前预警。的提前预警。

【技术实现步骤摘要】
一种用电安全预警方法、介质及系统


[0001]本专利技术涉及用电安全预警
，尤其涉及一种用电安全预警方法、介质及系统。

技术介绍

[0002]随着经济飞速发展和人民生活水平快速提高，各式用电设备与家用电器层出不穷，各个行业用电量与居民用电负荷急剧增长，电气线路和用电设备依旧存在着诸多安全隐患，如未及时处理，会造成无法估计的损失。对于用电安全隐患排查的及时性、准确性、覆盖率提出了较高要求，然而由于在日常工作中的用电检查往往存在范围广、人数多的特征，对用电安全隐患排查提出了更高要求。
[0003]客户用电检查情况方面，客户用电安全隐患未全部整改到位，由于线路绝缘层老化破损、电气连接松动、空气潮湿、电流电压急剧升高等原因而引起的电弧、短路、漏电、温度超限和过载等隐患数量居高不下，导致客户侧用电保护隐患问题突出，触电、火灾和爆炸等事故屡屡发生，对保障民生基础、保护电网运行安全方面均造成难以估量的风险。
[0004]客户用电安全监测方面，传统的用电安全保护主要通过增加绝缘及漏电保护装置，通过检测温度、电流和剩余电流等特征参数是否超出预设限值进行监测分析，由于电气安全隐患存在隐蔽性、间歇性和突发性等特点，传统用电形式无法根本上预防和排查，因此造成误报或漏报的问题较为严重，亟需开展相关研究，快速甄别用户用电安全隐患。
[0005]用电安全隐患预防措施方面，有研究基于物联网、大数据技术来实现对用户、用电设备的实时监测，开发相应的软件来实现用电安全隐患的远程预警，但针对用电安全隐患还没有形成一个完善的特征数据库，对用电安全隐患的量化分析还需要进一步发展研究。有研究则是关注智能算法，使用较为复杂的算法对全盘用户进行整体的识别或检测，对用户进行初步的筛选，然后对选定的用户进行具体的用电安全隐患识别或检测是一些学者没有过多关注的地方，且在选择算法构建模型时，忽视了将某种更为适用的算法通过相关策略提升其稳定性和准确率以达到较好的识别效果。

技术实现思路

[0006]本专利技术实施例提供一种用电安全预警方法、介质及系统，以解决现有技术的不能及时准确地检测用电安全隐患的问题。
[0007]第一方面，提供一种用电安全预警方法，包括：
[0008]建立用于预测用电安全的双层混合模型，其中，所述双层混合模型包括：第一层模型和第二层模型，所述第一层模型包括：可控随机森林模型、朴素贝叶斯模型和神经网络模型，所述第二层模型为逻辑回归模型；
[0009]将获取的用户的用电安全的特征指标的实际值分别输入所述第一层模型中的所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型，使所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型分别输出各自预测结果的值后，将分别输出
的各自预测结果的值输入所述第二层模型，输出用电安全的预测结果的值。
[0010]进一步，所述建立用于预测用电安全的双层混合模型的步骤，包括：
[0011]将样本集中的用户的用电安全的特征指标的样本值，输入所述第一层模型，以训练所述第一层模型中的可控随机森林模型、朴素贝叶斯模型和神经网络模型；
[0012]将样本集中的用户的用电安全的特征指标的样本值分别输入训练完成的所述可控随机森林模型、朴素贝叶斯模型和神经网络模型，使分别输出各自预测结果的值；
[0013]将所述分别输出的各自预测结果的值和对应用户的用电故障的真实值，输入第二层模型，以训练所述第二层模型，直到所述第二层模型输出的预测结果的值与对应用户的用电故障的真实值之间的误差小于预设误差阈值。
[0014]进一步，所述可控随机森林模型将输入的数据预先聚类得到不同类别的数据后，对每一类别的数据通过随机森林算法生成对应该类别的决策树。
[0015]进一步，所述朴素贝叶斯模型为属性加权与实例加权结合的朴素贝叶斯模型。
[0016]进一步，所述神经网络模型为BP神经网络模型，所述BP神经网络模型包括：依次连接的输入层、至少一个隐含层和输出层，在第一个隐含层中设置Dropout层；在训练所述BP神经网络模型时通过Adam算法优化所述BP神经网络模型。
[0017]进一步，所述建立用于预测用电安全的双层混合模型的步骤之前，所述方法还包括：
[0018]将样本集中的用电安全的备选特征指标的样本值进行归一化处理；
[0019]基于所述归一化处理后的所述样本值，通过熵权法对每种备选特征指标赋予权重；
[0020]选择权重大于预设阈值的备选特征指标作为所述特征指标。
[0021]进一步，所述备选特征指标包括：电流不平衡率、电压不平衡率、额定电压偏离度、相电压偏离度和用电量同比。
[0022]进一步，所述特征指标包括：电流不平衡率、电压不平衡率、额定电压偏离度和相电压偏离度。
[0023]第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如第一方面实施例所述的用电安全预警方法。
[0024]第三方面，提供一种用电安全预警系统，包括：
[0025]模型建立模块，用于建立用于预测用电安全的双层混合模型，其中，所述双层混合模型包括：第一层模型和第二层模型，所述第一层模型包括：可控随机森林模型、朴素贝叶斯模型和神经网络模型，所述第二层模型为逻辑回归模型；
[0026]预警模块，用于将获取的用户的用电安全的特征指标的实际值分别输入所述第一层模型中的所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型，使所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型分别输出各自预测结果的值后，将分别输出的各自预测结果的值输入所述第二层模型，输出用电安全的预测结果的值。。
[0027]这样，本专利技术实施例，采用可控随机森林、朴素贝叶斯、神经网络、逻辑回归等大数据算法，并利用集成学习思想，将各类算法分层集合，可高效准确地检测用电安全问题，实
现对电力设备安全运行的提前预警。
附图说明
[0028]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本专利技术实施例的用电安全预警方法的流程图；
[0030]图2是本专利技术实施例的可控随机森林模型的原理框图；
[0031]图3是本专利技术实施例的朴素贝叶斯模型的原理框图；
[0032]图4是本专利技术实施例的不同模型的集成F1值结果示意图；
[0033]图5是本专利技术实施例的不同模型的平均F1值结果示意图；
[0034]图6是本专利技术实施例的用电安全预警系统的结构框图；
[0035]图7是本专利技术实施例的用电安全预警系统的交互界面的示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用电安全预警方法，其特征在于，包括：建立用于预测用电安全的双层混合模型，其中，所述双层混合模型包括：第一层模型和第二层模型，所述第一层模型包括：可控随机森林模型、朴素贝叶斯模型和神经网络模型，所述第二层模型为逻辑回归模型；将获取的用户的用电安全的特征指标的实际值分别输入所述第一层模型中的所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型，使所述可控随机森林模型、所述朴素贝叶斯模型和所述神经网络模型分别输出各自预测结果的值后，将分别输出的各自预测结果的值输入所述第二层模型，输出用电安全的预测结果的值。2.根据权利要求1所述的用电安全预警方法，其特征在于，所述建立用于预测用电安全的双层混合模型的步骤，包括：将样本集中的用户的用电安全的特征指标的样本值，输入所述第一层模型，以训练所述第一层模型中的可控随机森林模型、朴素贝叶斯模型和神经网络模型；将样本集中的用户的用电安全的特征指标的样本值分别输入训练完成的所述可控随机森林模型、朴素贝叶斯模型和神经网络模型，使分别输出各自预测结果的值；将所述分别输出的各自预测结果的值和对应用户的用电故障的真实值，输入第二层模型，以训练所述第二层模型，直到所述第二层模型输出的预测结果的值与对应用户的用电故障的真实值之间的误差小于预设误差阈值。3.根据权利要求2所述的用电安全预警方法，其特征在于，所述可控随机森林模型将输入的数据预先聚类得到不同类别的数据后，对每一类别的数据通过随机森林算法生成对应该类别的决策树。4.根据权利要求2所述的用电安全预警方法，其特征在于，所述朴素贝叶斯模型为属性加权与实例加权结合的朴素贝叶斯模型。5.根据权利要求2所述的用电安全预警模型，其特征在于，所述神经网络模型为BP神经网络模型，所述BP神经网络...

【专利技术属性】
技术研发人员：舒一飞，康洁滢，刘鹏，吴亚盟，梁飞，牛刚，
申请(专利权)人：国网宁夏电力有限公司营销服务中心国网宁夏电力有限公司计量中心，
类型：发明
国别省市：