[发明专利]一种电能表烧表在线监测方法、系统及介质

说明书

本发明公开了一种电能表烧表在线监测方法、系统及介质，本发明电能表烧表在线监测方法，包括：1)获取被监测电能表的特征数据，所述特征数据包括电气特征数据、产品特征数据和环境特征数据；2)将特征数据输入预先训练好的机器学习模型，得到机器学习模型输出的被监测电能表未来发生烧表的概率评估结果。本发明基于特征数据包括电气特征数据、产品特征数据和环境特征数据、发生烧表的概率评估结果之间的映射关系，可通过电能表的历史数据在线监测电能表在未来发生烧表情况的概率，解决了电能表烧表现象难以监测的难题，能够变被动抢修为主动抢修，提高客户的用电体验，提升基层供电服务员工的工作效率，解决烧表抢修不及时的问题。

技术领域

本发明涉及电能表在线监测技术，具体涉及一种电能表烧表在线监测方法、系统及介质，可用于通过电能表的历史数据在线监测电能表在未来发生烧表情况的概率。

背景技术

电能表是进行电力交易与结算的重要电力设备。电能表一般安装于用户进线开关之后，用电设备之前，因此电能表一旦出现故障，会导致用户停电，轻则影响用户的用电体验，重则给用户带来经济和财产损失。而烧表是电能表的一种常见故障。引起故障的原因可能有多种，常见的原因有接线端子未拧紧、接触不良、负荷过大等，由于缺乏在线监测手段，供电公司对烧表的处理一般都是接到用户的联系电话后再进行现场勘查和换表等工作，处理周期长，严重影响用户的用电体验，同时也给基层供电员工带来了很多的临时性工作。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种电能表烧表在线监测方法、系统及介质，本发明可通过电能表的历史数据在线监测电能表在未来发生烧表情况的概率，解决了电能表烧表现象难以监测的难题，能够变被动抢修为主动抢修，提高客户的用电体验，提升基层供电服务员工的工作效率，解决烧表抢修不及时的问题。

为了解决上述技术问题，本发明采用的技术方案为：

一种电能表烧表在线监测方法，包括：

1)获取被监测电能表的特征数据，所述特征数据包括电气特征数据、产品特征数据和环境特征数据；

2)将特征数据输入预先训练好的机器学习模型，得到机器学习模型输出的被监测电能表未来发生烧表的概率评估结果。

可选地，所述电气特征数据包括被监测电能表的每日用电量Q、每日最大电压U、每日最大电流I和表计走字终码A中的部分或全部。

可选地，所述产品特征数据包括被监测电能表的生产厂家B、所属市州C、运行时间D、安装年份E、所在台区近两年的烧表数量F以及所在台区线损G中的部分或全部。

可选地，所述环境特征数据包括被监测电能表的环境温度T和环境湿度H中的部分或全部。

可选地，所述每日用电量Q、每日最大电压U、每日最大电流I、所在台区近两年的烧表数量F、所在台区线损G、环境温度T和环境湿度H为基于设定单位的原始数值，所述表计走字终码A和运行时间D为采用下式标准化处理得到的结果：

x′＝log₁₀(x)

上式中，x′为标准化处理得到的结果，x为标准化处理前的输入；所述生产厂家B、所属市州C和安装年份E为采用One-hot编码处理得到的结果。

可选地，所述机器学习模型为基于XGBoost的机器学习模型。

可选地，步骤1)之前还包括训练机器学习模型的步骤：

S1)获取电能表样本在烧坏前一段时间内的特征数据，并附加是否烧表的标签形成样本数据集，将样本数据集划分为训练集和测试集；

S2)基于训练集对基于XGBoost的机器学习模型进行训练；