[发明专利]表箱运行线损异常判断方法及装置和计算机设备

权利要求书

1.一种表箱运行线损异常判断方法，其特征在于，所述方法包括：

获取历史线损率误差和历史线损率方差；

根据所述历史线损率误差和所述历史线损率方差自适应修正边缘智能反向传播神经网络的隐藏层权重以优化基于边缘智能反向传播神经网络的表箱线损率预测模型；

获取实时线损率判定数据，根据所述实时线损率判定数据和优化后的所述表箱线损率预测模型获取实时线损率标值、实时线损率误差和实时线损率方差；

根据所述实时线损率标值、所述实时线损率误差和所述实时线损率方差获取表箱运行线损判定区间，以判断表箱运行线损是否存在异常。

2.根据权利要求1所述的方法，其特征在于，所述获取历史线损率误差和历史线损率方差，包括：

获取历史线损率判定样本；

根据所述历史线损率判定样本和所述表箱线损率预测模型获取所述历史线损率误差和所述历史线损率方差。

3.根据权利要求2所述的方法，其特征在于，所述历史线损率判定样本包括历史输入样本和历史输出样本；所述根据所述历史线损率判定样本和所述表箱线损率预测模型获取所述历史线损率误差和所述历史线损率方差，包括：

根据所述历史输入样本和所述表箱线损率预测模型获取历史线损率标值；

根据所述历史线损率标值与所述历史输出样本获取所述历史线损率误差；

当所述历史线损率误差超出预设的误差阈值时，根据所述历史线损率标值获取所述历史线损率方差。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当所述实时线损率误差和所述实时线损率方差之和不超过预设阈值时，根据所述实时线损率判定数据、所述实时线损率误差和所述实时线损率方差生成新线损率判定样本，并发送所述新线损率判定样本至计量自动化主站以指示更新所述历史线损率判定样本。

5.根据权利要求1所述的方法，其特征在于，根据以下公式自适应修正所述隐藏层权重：

Δx(t)＝η(δe+γe′)[(1-μ)g(t)+μg(t-1)]

式中，Δx(t)为第t次训练需要修正所述隐藏层权重的修正量，η为学习率，μ为启发因子，g(t)和g(t-1)分别为第t次和第t-1次训练计算出的误差梯度，δ和γ为权重参数，分别用于衡量所述历史线损率误差和所述历史线损率方差的重要程度。

6.根据权利要求1所述的方法，其特征在于，所述实时线损率判定数据包括实时输入数据和实时输出数据；所述根据所述实时线损率判定数据和优化后的所述表箱线损率预测模型获取实时线损率标值、实时线损率误差和实时线损率方差，包括：

根据所述实时输入数据和优化后的所述表箱线损率预测模型获取所述实时线损率标值；

根据所述实时线损率标值和所述实时输出数据获取所述实时线损率误差，且根据所述实时线损率标值获取所述实时线损率方差。

7.根据权利要求1所述的方法，其特征在于，所述表箱运行线损判定区间为其中，为所述实时线损率标值的平均值，e为所述实时线损率误差，e′为所述实时线损率方差。

8.一种表箱运行线损异常判断装置，其特征在于，所述装置包括：

第一参数获取模块，用于获取历史线损率误差和历史线损率方差；

模型优化模块，用于根据所述历史线损率误差和所述历史线损率方差自适应修正边缘智能反向传播神经网络的隐藏层权重以优化基于边缘智能反向传播神经网络的表箱线损率预测模型；

第二参数获取模块，用于获取实时线损率判定数据，根据所述实时线损率判定数据和优化后的所述表箱线损率预测模型获取实时线损率标值、实时线损率误差和实时线损率方差；

异常判断模块，用于根据所述实时线损率标值、所述实时线损率误差和所述实时线损率方差获取表箱运行线损判定区间，以判断表箱运行线损是否存在异常。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。