[发明专利]一种电力计量设备用关键元器件多维度检测数据的归一化方法

权利要求书

1.一种电力计量设备用关键元器件多维度检测数据的归一化方法，其特征在于，包括以下具体步骤：

S1.根据物理特性构建电力计量设备关键元器件的形式化模型，定义特征值；

S2.分析多维度检测数据，选择影响因素—元器件特征值的归一化拟合方法；

S3.利用神经网络拟合法或平均法的归一化方式建立影响因素—元器件特征值的数据拟合模型；

S4.利用其它检测数据验证归一化数据拟合模型；

S5.应用元器件的形式化模型和数据拟合模型实现电力计量设备检测数据归一化。

2.根据权利要求1所述的一种电力计量设备用关键元器件多维度检测数据的归一化方法，其特征在于，所述步骤S1中关键元器件的形式化模型，即可以描述元器件不同测试和运行条件下行为的模型，模型的特征值包括锂亚硫酰氯电池的内电势、电阻和电解电容的电容量、漏电流。

3.根据权利要求1所述的一种电力计量设备用关键元器件多维度检测数据的归一化方法，其特征在于，所述步骤S2中对关键元器件多维度检测数据进行数据预处理，通过数据统计得到影响关键元器件特征值检测结果的各类因素，接着分析不同影响因素对特征值的影响方式，针对不同的方式选用合适的归一化拟合方法，包括神经网络拟合法和平均法。

4.根据权利要求1所述的一种电力计量设备用关键元器件多维度检测数据的归一化方法，其特征在于，所述步骤S3中建立数据拟合模型采用神经网络拟合法或平均法，在影响因素对元器件特征值的影响较大，但规律不明显时，采用神经网络拟合法，即模型中从输入量到输出量的映射f通过训练BP神经网络来实现；当影响因素对元器件特征值的影响较小时，采用平均法构建映射f。

5.根据权利要求1所述的一种电力计量设备用关键元器件基础数据源及质量评价方法，其特征在于，所述步骤S4中利用未被用于模型训练的数据来验证数据拟合模型的可靠性，使用同一批数据中的未采用数据或者使用不同测试条件下的不同批次数据。

6.根据权利要求1所述的一种电力计量设备用关键元器件多维度检测数据的归一化方法，其特征在于，所述步骤S5中实现多维度检测数据归一化，是指通过建立关键元器件的形式化模型和特征值数据拟合模型，将不同检测条件的多维度检测数据用标准化模型进行验证和对比。