[发明专利]一种台区故障智能分析方法和系统

权利要求书

1.一种台区故障智能分析方法，其特征在于，包括以下步骤：

S1、通过抄控器透传采集台区的数据，采集数据时根据台区类型调整采集数据的传输速率与数据类型；

S2、用于对采集到的数据进行预处理，所述预处理包括缺失数据处理和异常数据分析；所述异常数据分析的具体方法为：若数据集符合正态分布，采用正态分布的3σ的原则进行处理，即偏离均值的3σ之外的数据判定为异常点，若数据集不符合正态分布，则采用DBSCAN聚类算法分析得到数据集中的异常点，然后将数据异常点对应的节点归为异常节点；其中，DBSCAN聚类算法的具体方法为：将数据集中所有数据点进行分类，分别分为核心点、边界点和噪声点，将边界点和噪声点归为数据集中的异常点；其中数据点分类的方法为：以半径参数为邻域大小，计算各个数据点的领域中的数据点个数，若该数据点邻域内的数据点个数超过阈值，则该数据点为核心点，若该数据点不是核心点，但落在核心点的邻域内，则该数据点为边界点，剩余的数据点则为噪声点。

S3、通过层次聚类法对预处理阶段中得到的异常节点的数据集进行分析处理，直至得出整个台区运行过程中存在的问题以及对应的处理建议；

S4、将处理建议按照对台区运行状态的影响大小进行排序，并展示出来。

2.根据权利要求1所述的一种台区故障智能分析方法，其特征在于，所述缺失数据处理的具体方法为：首先将采集到的数据根据数据类型，划分为不同的数据集，然后对缺失超过10％的数据集进行直接删除，对于缺失不超过10％的数据集，判断其是否符合均匀分布，若是，则用该数据集中数据的均值对缺失数据进行填充；若数据存在倾斜分布的情况，则采用数据集中数据的中位数对缺失数据进行填充。

3.根据权利要求1所述的一种台区故障智能分析方法，其特征在于，所述步骤S3中，通过层次聚类法对预处理阶段中得到的异常节点的数据集进行分析处理的具体方法为：首先分别取两个异常节点的一组数据集，然后计算两个数据集中的每个数据点与其它数据点之间的距离，将所有数据点之间的距离结果进行对比，选择其中距离最近的两个数据点对应的节点进行组合，形成新的数据集，对上述过程进行迭代，将数据点之间的距离作为数据相似度进行保存，直到将所有异常节点的数据集聚合在一起。

4.根据权利要求3所述的一种台区故障智能分析方法，其特征在于，

所述步骤S1中，将台区类型分为窄带高速台区和宽带低速台区，对宽带低速台区额外采集多网络运行信息、HPLC芯片信息等、厂商信息，对窄带高速台区额外采集主节点信息、抄表失败信息；

所述步骤S3中，对异常节点进行分析的数据包括抄表延时、抄表成功率、通信质量、节点层级、离线次数、代理变更次数。

5.根据权利要求1所述的一种台区故障智能分析方法，其特征在于，所述步骤S2中，采用DBSCAN聚类算法分析得到数据集中的异常点时，初始半径参数根据台区规模进行设置，初始阈值根据台区抄表成功率数据分布进行设置；并且，设置正常节点数占比范围为85％～95％，当大于95％则减小半径参数，小于85％则增加半径参数。