[发明专利]一种学习拆回表故障特征规则预测在运电能表是否故障的方法在审
| 申请号： | 201911216756.9 | 申请日： | 2019-12-02 |
| 公开（公告）号： | CN110781206A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 李翀;李兵;申洪涛;吴一敌;陶鹏;李鹏;韩桂楠 | 申请（专利权）人： | 国网河北省电力有限公司电力科学研究院;国家电网有限公司 |
| 主分类号： | G06F16/245 | 分类号： | G06F16/245;G06F30/20 |
| 代理公司： | 13100 石家庄新世纪专利商标事务所有限公司 | 代理人： | 张晓龙 |
| 地址： | 050000 河*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 电能表 工作效率高 故障特征 模型学习 运行事件 预测 分拣 学习 | ||
1.一种学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，使用XGBoost模型学习拆回分拣结果和电能表的历史运行事件的数据中电能表故障与否的规则，利用学习到的规则预测在运表是否故障。
2.根据权利要求1所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，其具体包括如下步骤：
步骤一、数据采集：采集拆回分拣表的数据；
步骤二、数据预处理：将采集到的数据加工处理成模型能够使用的数据；
步骤三、建模分析：使用XGBoost模型对步骤二中的预处理数据进行分析，学习如何判断电能表是否故障的规则；
步骤四、数据结果落地：利用学习到的规则，使用步骤二加工好的在运电能表数据，判断出在运电能表是否故障。
3.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，步骤一的数据源为ORACLE数据库系统。
4.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，利用ORACLE数据库系统内包含的MDS系统中采集数据。
5.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，步骤一中拆回分拣表的数据包括采集异常数据、计量异常数据、拆回分拣数据以及档案数据。
6.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，步骤二中所述模型能够使用的数据包括学习使用的数据和预测需要使用的数据。
7.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，步骤二的数据的加工处理由数据库存储过程完成。
8.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，步骤三中XGBoost模型的训练和预测由Python完成。
9.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，步骤四中，将XGBoost模型得到的拆回表故障规则与在运电能表数据进行比较，判断出在运电能表是否故障。
10.根据权利要求2所述的学习拆回表故障特征规则预测在运电能表是否故障的方法，其特征在于，其还包括：步骤五、可视化操作：将结果进行可视化展示。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网河北省电力有限公司电力科学研究院;国家电网有限公司，未经国网河北省电力有限公司电力科学研究院;国家电网有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911216756.9/1.html，转载请声明来源钻瓜专利网。
