[发明专利]基于计量大数据聚类模型的电能表生产厂商评价方法

说明书

本发明公开了一种基于计量大数据聚类模型的电能表生产厂商评价方法，包括步骤：获取电能表的原始数据，筛选电能表质量的评估指标；采用高斯混合模型聚类算法提取典型评估指标数据，获取聚类中心，形成电能表质量综合评估的决策矩阵，并对其分别按效益型和成本型进行标准化处理；分别计算电能表各项评估指标基于层次分析法、熵权法、皮尔逊相关系数法以及变异系数法的权重，用指标权重的组合优化模型获得组合权重，对决策矩阵进行加权处理从而获得电能表质量综合评估的评估矩阵；用夹角度量法对电能表的质量进行综合评估，按照从高至低的顺序将各个电能表供应商的质量进行优劣排序，获得评价结果。其可以为精准核算电能使用量和电能收入提供支撑。

技术领域

本发明涉及电力系统领域，特别是涉及基于计量大数据聚类模型的电能表生产厂商评价 方法。

背景技术

随着电力市场改革的不断深入，电力营销越来越受到电力企业的重视。电能计量作为电 力营销的支撑环节，为精准核算电能使用量和电能收入提供了基础数据。电能表的质量好坏 对用电信息采集系统的数据质量、应用水平以及电力企业效益会产生直接的影响。因此，研 究电能表的综合质量评估模型和方法对提高电能表的数据质量和电力企业效益具有非常重要 的实际意义。

目前，综合评估电能计量设备质量和供应商的模型和方法还不多，这些模型和方法主要分 为三类：第一类方法是依据电能计量设备的某一个检测指标(如首检合格率)对电能表供应商 进行优劣排序；第二类方法是从不同角度提出多个电能表质量性能指标，并采用简单加权法 对指标进行综合和优劣排序，但由于不同指标对电能计量设备质量的影响程度不同(即没有考 虑不同指标对电能表质量的影响程度)，从而造成该类方法的评估结果不准确；第三类方法采 用专家打分法、层次分析法(Analytic Hierarchy Process，AHP)等主观赋权法直接或间接地确 定各个指标的权重，考虑了不同指标对电能表质量的影响程度，但是限于专家的知识和经验 水平，其权重确定较为主观，从而可能导致电能表质量评估结果的差异较大。

为了及时准确地监控电能使用状态，大量的电能表安装在用户侧，终端定期将用户计量 和故障告警数据发送到用电信息采集系统。因为生产批次和安装区域不同，电能表的型号众 多、类型多样，所以电能表将产生海量的结构化和非结构化的计量和故障告警信息，传统的 数据处理方法已经很难胜任。此外，环境噪声、电磁干扰等非质量因素也可能造成电能表产 生坏数据、空数据等问题。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供基 于计量大数据聚类模型的电能表生产厂商评价方法，以达到对电能表质量作出科学、合理的 定量评价的目的。为此，本发明采取以下技术方案。

基于计量大数据聚类模型的电能表生产厂商评价方法，其特征在于，包括如下步骤：

1)获取每个批次和区域中电能表的原始数据，筛选获取衡量电能表质量的评估指标，评 估指标包括负荷采集合格率，电量数据采集率，无故障工作时间，考虑计量异常的严重异常 次数、一般异常次数、轻微异常次数，以及维修率；

2)采用高斯混合模型聚类算法提取电能表海量数据中的典型评估指标数据，获取聚类中 心，形成电能表质量综合评估的决策矩阵，并对其分别按效益型和成本型进行标准化处理；

3)分别计算电能表各项评估指标基于层次分析法、熵权法、皮尔逊相关系数法以及变异 系数法的权重，然后用指标权重的组合优化模型获得组合权重，对决策矩阵进行加权处理从 而获得电能表质量综合评估的评估矩阵；

4)根据评估矩阵，用夹角度量法对电能表的质量进行综合评估，按照从高至低的顺序将 各个电能表供应商的质量进行优劣排序，获得评价结果。