[发明专利]基于数据挖掘技术的电能计量装置故障诊断方法及系统

说明书

本发明为一种基于数据挖掘技术的电能计量装置故障诊断方法及系统，包括以下步骤：步骤一：获取电能计量装置不同故障状态数据；步骤二：处理电能计量装置故障数据，提取关键运行参数并对计量故障类型分类；步骤三：构建基于改进海鸥优化算法优化支持向量机的电能计量装置故障诊断模型；步骤四：对电能计量装置故障诊断模型进行训练；步骤五：利用电能计量装置故障诊断模型进行故障诊断。本发明构建的故障诊断模型对电能计量装置的运行状态具有较高的识别精度以及识别效率，能够提高电能计量装置的故障诊断正确率和稳定性，有利于维护电能计量公平公正和电网运行安全稳定。

技术领域

本发明属于电能计量装置故障诊断技术领域，尤其涉及一种基于数据挖掘技术的电能计量装置故障诊断方法及系统。

背景技术

随着社会经济的发展，国内用电量增加，电网技术不断发展，智能电网建设已是社会生产生活的必要条件。电能计量装置作为一种用于测量并记录发电量、用电量以及损耗电量的装置，是智能电网的重要组成部分。电能计量装置的计量准确性和运行可靠性对于保证电能计量公平公正、电网运行安全稳定起到重要作用。因此，需要对电能计量装置实时运行数据进行分析，精准诊断其故障状态。

当前，电能计量装置故障诊断主要是通过处理用户的用电数据，分析故障特征和用电数据之间的潜在规律，建立故障诊断模型，实现对计量装置异常状态的准确识别。支持向量机(SVM)模型是一种性能较好的数据挖掘分类模型，可以根据已知的训练数据对电能计量故障进行分类，适合作为电能计量装置的故障诊断模型。但是随着用电量的增加，数据样本增大导致计算的复杂度过高，同时电能计量装置结构复杂，异常工作状态多，使得模型训练的时间过长，影响电能计量装置的实时故障诊断。支持向量机的内部参数惩罚因子C和核函数参数g直接决定着支持向量机的训练效率和应用效果，随机生成内部参数的支持向量机模型分类效果较差，不能准确对电能计量装置进行故障诊断。

综上所述，电能计量系统复杂的结构、大量的用电数据和多样的异常工作状况给电能计量装置的故障诊断带来了困难，如何对电能计量装置进行准确且高效的故障诊断，成为亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于数据挖掘技术的电能计量装置故障诊断方法及系统。在给定用户的用电数据的前提下，通过数据挖掘技术对电能计量装置的故障运行状态进行诊断，与现有方法相比，故障诊断的准确率和效率更高。

本发明实施例的第一方面提供了一种基于数据挖掘技术的电能计量装置故障诊断系统，包括：

步骤一：获取电能计量装置不同故障状态数据；通过计量自动化系统采集用户一段时间内的用电数据；其中，用电数据应包括电能计量装置异常工作状态以及正常工作状态下的运行参数。

步骤二：处理电能计量装置故障数据，提取关键运行参数并对计量故障类型分类；

步骤三：构建基于改进海鸥优化算法优化支持向量机的电能计量装置故障诊断模型；

步骤四：对电能计量装置故障诊断模型进行训练；

步骤五：利用电能计量装置故障诊断模型进行故障诊断。

本发明实施例的第二方面提供了一种基于数据挖掘技术的电能计量装置故障诊断方法，包括：

数据采集模块，用于获取电能计量装置不同故障数据，所述电能计量装置不同故障数据为计量自动化系统采集的用户的用电数据，其中部分数据作为电能计量装置训练样本集，用于训练电能计量装置故障诊断模型，另一部分数据作为电能计量装置测试样本集，用于故障诊断；

数据处理模块，用于处理电能计量装置不同故障数据，提取关键运行参数并对计量故障类型分类；