[发明专利]一种电能表故障识别方法

说明书

本发明涉及一种电能表故障识别方法，其包括抽取电能表档案数据、检定结论数据、运行电压、电流、电量、异常事件数据、拆回批次数据、天气数据特征，构建档案数据类指标、异常数据类指标、电能表示值数据类指标、天气数据类指标；对上述指标的数据特征进行最大值最小值归一化处理，并利用随机森林模型选择对电能表重要程度较高的前N个数据特征；利用XGboost算法建立电能表故障识别模型，对电能表故障概率进行识别，判断电能表是否会发生故障；本发明能及时发现发生故障的电能表，提醒业务人员检修，避免被动检修造成的电网和用户损失，且仅对用电信息采集系统和气象系统中的数据进行分析，就能对电能表故障进行评估，无需额外设备投资。

技术领域

本发明属于电力大数据应用技术领域，具体是一种电能表故障识别方法。

背景技术

为贯彻落实国家电网公司建设和构建智能电网、智能用电的发展战略与服务体系，智能电能表伴随着智能电网在我国的兴起也得到推广应用。然而，早期安装的智能表面临着拆回检定再利用的问题，本发明利用电力数据针对电能表进行故障识别，实现电能表的主动识别，辅助业务人员进行故障检修。

发明内容

本发明所要解决的技术问题是提供一种电能表故障识别方法，能有效诊断出存在故障的电能表。

本发明所采用的技术方案是：

一种电能表故障识别方法，其特征在于其包括如下步骤：

抽取电能表档案数据、检定结论数据、运行电压、电流、电量、异常事件数据、拆回批次数据、天气数据特征，构建档案数据类指标、异常数据类指标、电能表示值数据类指标、天气数据类指标；

对上述指标的数据特征进行最大值最小值归一化处理，并利用随机森林模型选择对电能表重要程度较高的前N个数据特征；

利用XGboost算法建立电能表故障识别模型，对电能表故障概率进行识别，判断电能表是否会发生故障。

进一步的，所述档案数据类指标包括运行时长、用电类别、装拆次数三项特征。

进一步的，所述异常数据类指标包括异常事件次数、示值异常率、电压超压次数、低电压次数四项特征。

进一步的，电能表示值数据类指标包括上三月电压统计指标、上三月电流统计指标以及上三月电量统计指标；

所述上三月电压统计指标包括：上一月、上二月、上三月三相电压均值最大值、最小值、均值、方差；上一月、上二月、上三月三相电压最大值最大值、最小值、均值、方差；上一月、上二月、上三月三相电压最小值最大值、最小值、均值、方差；

所述上三月电流统计指标包括：上一月、上二月、上三月三相电流均值最大值、最小值、均值、方差；上一月、上二月、上三月三相电流最大值最大值、最小值、均值、方差；上一月、上二月、上三月三相电流最小值最大值、最小值、均值、方差；

所述上三月电量统计指标包括：上一月电量之和、均值、方差、采集率，上二月电量之和、均值、方差、采集率，上三月电量之和、均值、方差、采集率。

进一步的，所述天气数据类指标包括：上三月气温统计指标以及上三月湿度统计指标；

所述上三月气温统计指标包括：上一月最高气温最大值、最小值、均值、方差，上二月最高气温最大值、最小值、均值、方差，上三月最高气温最大值、最小值、均值、方差，上一月最低气温最大值、最小值、均值、方差，上二月最低气温最大值、最小值、均值、方差，上三月最低气温最大值、最小值、均值、方差；

所述上三月湿度统计指标包括：上一月最大湿温最大值、最小值、均值、方差，上二月最大湿温最大值、最小值、均值、方差，上三月最大湿温最大值、最小值、均值、方差。

进一步的，所述运行时长为最近一次电能表运行日期与电能表初始安装日期的差值，记为S，