CN114462206A - 智能电能表质量动态评价方法、装置、终端及存储介质 - Google Patents

智能电能表质量动态评价方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN114462206A
CN114462206A CN202111683724.7A CN202111683724A CN114462206A CN 114462206 A CN114462206 A CN 114462206A CN 202111683724 A CN202111683724 A CN 202111683724A CN 114462206 A CN114462206 A CN 114462206A
Authority
CN
China
Prior art keywords
quality
electric energy
energy meter
intelligent electric
risk assessment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111683724.7A
Other languages
English (en)
Inventor
武超飞
申洪涛
冯波
张瑞
马浩
李飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111683724.7A priority Critical patent/CN114462206A/zh
Publication of CN114462206A publication Critical patent/CN114462206A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种智能电能表质量动态评价方法、装置、终端及存储介质。该方法包括：获取智能电能表的质量影响因素；对质量影响因素进行分类，得到不同质量影响因素对应的类别；根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；确定不同质量风险评估模型的权重；根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度。本发明能够提升智能电能表质量风险评估的准确率。

Description

智能电能表质量动态评价方法、装置、终端及存储介质
技术领域
本发明涉及电力技术领域，尤其涉及一种智能电能表质量动态评价方法、装置、终端及存储介质。
背景技术
智能电能表作为新型智能计量器具，已被广泛安装应用，其运行稳定性将直接影响电网安全与稳定。智能电能表在运行环节的偶发故障较多，传统的智能电能表退运方式主要靠智能电能表故障发生后进行被动拆回再安装新智能电能表或者在运行一定的年限后统一停运。在这种情况下，电力公司面临设备投资成本提升压力和社会舆情风险，同时造成了运维成本和公司管理成本的抬升。因此，需研究智能电能表质量评价方法，对有质量隐患的智能电能表及时更换，并使无质量问题电能表继续运行，最大限度地节约设备资源和减少社会舆情风险，提升客户优质服务水平。
目前，现有的智能电能表质量评价技术，通常采用单一方法来对智能电能表进行质量评价，由此导致存在针对性弱、评价准确率低的问题。
发明内容
本发明实施例提供了一种智能电能表质量动态评价方法、装置、终端及存储介质，以解决现有智能电能表评价技术中针对性弱、评价准确率低的问题。
第一方面，本发明实施例提供了一种智能电能表质量动态评价方法，包括：
获取智能电能表的质量影响因素；
对所述质量影响因素进行分类，得到不同质量影响因素对应的类别；
根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；
确定不同质量风险评估模型的权重；
根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度。
在一种可能的实现方式中，根据当前质量影响因素，在第一预设表中确定所述当前质量影响因素对应的类别；
根据上述确定所述当前质量影响因素对应的所述类别的方式，确定所述智能电能表对应的所有不同质量影响因素对应的类别；
所述第一预设表中包括质量影响因素以及质量影响因素对应的类别。
在一种可能的实现方式中，根据当前类别，在第二预设表中确定所述当前类别对应的质量风险评估模型；
根据上述确定所述当前类别对应的所述质量风险评估模型的方式，确定所有不同类别对应的质量风险评估模型；
所述第二预设表中包括类别以及类别对应的质量风险评估模型。
在一种可能的实现方式中，利用层次分析法确定各个质量风险评估模型对应的权重。
在一种可能的实现方式中，所述质量风险评估模型对应一个及以上的权重。
在一种可能的实现方式中，根据
Figure BDA0003439575840000021
计算智能电能表质量风险度；
其中，S表示智能电能表质量风险度，n表示质量风险评估模型的数量，αi表示第i个质量风险评估模型的权重，Xi表示第i个质量风险评估模型的评估结果。
第二方面，本发明实施例提供了一种智能电能表质量动态评价装置，包括：
获取模块，用于获取智能电能表的质量影响因素；
处理模块，用于对所述质量影响因素进行分类，得到不同质量影响因素对应的类别；
所述处理模块，还用于根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；
计算模块，用于确定不同质量风险评估模型的权重；
所述计算模块，还用于根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度。
在一种可能的实现方式中，所述处理模块，用于根据当前质量影响因素，在第一预设表中确定所述当前质量影响因素对应的类别；
所述处理模块，还用于根据上述确定所述当前质量影响因素对应的所述类别的方式，确定所述智能电能表对应的所有不同质量影响因素对应的类别；
所述第一预设表中包括质量影响因素以及质量影响因素对应的类别。
第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种智能电能表质量动态评价方法、装置、终端及存储介质，通过获取智能电能表的质量影响因素；对质量影响因素进行分类，得到不同质量影响因素对应的类别；根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；确定不同质量风险评估模型的权重；根据所有质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度，可以对智能电能表的质量风险进行评估。针对不同类别影响因素采用对应的质量风险评估模型进行质量风险评估，并根据不同质量风险评估模型的权重和评估结果计算得出智能电能表质量风险度，提升了智能电能表的质量风险评估的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的智能电能表质量动态评价方法的实现流程图；
图2是本发明实施例提供的智能电能表质量动态评价装置的结构示意图；
图3是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的智能电能表质量动态评价方法的实现流程图，详述如下：
步骤101，获取智能电能表的质量影响因素。
可选的，质量影响因素可以是光耦数量不足、采用电子互感器、液晶屏质量参数、电能表外加电压值超过预设值、运输防震措施不当等所有影响智能电能表质量的因素。
步骤102，对质量影响因素进行分类，得到不同质量影响因素对应的类别。
通常情况下，多个质量影响因素会导致同一质量故障。因此，为提高风险评估准确率以及评估效率，可以预先对质量影响因素进行分类。不同类别的质量影响因素导致的故障类型对智能电能表的质量影响程度不同。
可选的，根据当前质量影响因素，在第一预设表中确定当前质量影响因素对应的类别；根据确定当前质量影响因素对应的类别的方式，确定智能电能表对应的所有不同质量影响因素对应的类别；第一预设表中包括质量影响因素以及质量影响因素对应的类别。
可选的，建立第一预设表时可以根据质量影响因素导致的质量故障种类来对质量影响因素进行分类，即，将可能导致同一种质量故障的不同质量影响因素确定为同一类质量影响因素。
可选的，建立第一预设表时可以根据质量影响因素间的关联度来对质量影响因素进行分类。
可选的，建立第一预设表时可以根据质量影响因素导致的质量风险种类以及质量影响因素间的关联度来对质量影响因素进行分类。
可选的，质量故障可以是电源故障、黑屏故障、电池欠压以及烧表故障等所有影响智能电能表正常使用的质量故障。
为方便理解，举例说明，光耦数量不足和采用电子互感器这两个因素都可能导致智能电能表发生电源故障，且光耦数量不足和采用电子互感器这两个质量风险影响因素互不影响，相互独立。因此，可以将光耦数量不足和采用电子互感器这两个质量风险影响因素确定为同一类质量影响因素；液晶屏质量参数、电能表外加电压值超过预设值以及运输防震措施不当三个质量影响因素都可能导致智能电能表发生黑屏故障，且这三个质量影响因素互不独立。因此，可以将液晶屏质量参数、电能表外加电压值超过预设值以及运输防震措施不当确定为同一类质量影响因素；电池自身稳定性以及电能表工作环境过于潮湿这两个质量影响因素都可能导致智能电能表发生电池欠压故障。因此，可以将电池自身稳定性以及电能表工作环境过于潮湿两个质量影响因素确定为同一类质量影响因素；线路老化、接线螺丝接触不良或氧化都可能导致智能电能表发生烧表故障。因此，可以将线路老化、接线螺丝接触不良或氧化两个质量影响因素确定为同一类质量影响因素。
步骤103，根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果。
由于不同类别质量影响因素中质量影响因素间关联度不同，且导致的质量故障类型也不同，因此，不同类别质量影响因素并不适用同一种质量风险评估模型，可以根据不同类别确定适用的质量风险评估模型作为该类别对应的质量风险评估模型进行评估，以便于提高质量风险评估的准确率。
可选的，根据当前类别，在第二预设表中确定当前类别对应的质量风险评估模型；根据确定当前类别对应的质量风险评估模型的方式，确定所有不同类别对应的质量风险评估模型；第二预设表中包括类别以及类别对应的质量风险评估模型。
可选的，在建立第二预设表时可以针对该类别引发的质量故障种类以及该类别中质量影响因素间的关联度来选定适用的质量风险评估模型作为该类别对应的质量风险评估模型。例如，质量风险评估模型可以包括：朴素贝叶斯质量风险评估模型、SVM质量风险评估模型和随机森林质量风险评估模型。
朴素贝叶斯法的特点是要求输入变量间互相独立，无耦合，但运行速度快，占用内存小，性能稳定。因此适用于对相互独立且可能导致同一故障的一类质量影响因素进行质量风险评估。可选的，针对相互独立且可能导致同一故障的一类质量影响因素，采用朴素贝叶斯分类器进行质量风险评估，即建立朴素贝叶斯质量风险评估模型。例如，可以针对导致电源故障的一类质量影响因素，采用朴素贝叶斯质量风险评估模型。
SVM算法的特点是占用内存大，不适合进行大样本数量的质量风险评估，因此适用于对相互不独立且可能导致同一低频故障的一类质量影响因素进行质量风险评估。可选的，针对相互不独立且可能导致同一低频故障的一类质量影响因素，采用SVM算法进行质量风险评估，即建立SVM质量风险评估模型。
可选的，低频故障可以是根据检测过往故障智能电能表所确定的故障概率低于预设值的任一种质量故障。例如，可以针对导致黑屏故障的一类质量影响因素，采用SVM质量风险评估模型。
随机森林法的特点是占用内存小，适合进行大样本数量的质量风险评估，因此适用于对相互不独立且可能导致同一高频故障的一类质量影响因素进行质量风险评估。可选的，针对相互不独立且可能导致同一高频故障的一类质量影响因素，采用随机森林法进行质量风险评估，即建立随机森林质量风险评估模型。
可选的，高频故障可以是根据检测过往故障智能电能表所确定的故障概率大于等于预设值的任一种质量故障。例如，可以针对导致电池欠压故障的一类质量影响因素或是导致烧表故障的一类质量影响因素，采用随机森林质量风险评估模型。
可选的，不同类别的质量影响因素可以对应同一质量风险评估模型。
实质上，在选择质量风险评估模型时，是根据不同的质量故障分类来选择相应的质量风险评估模型。而进一步地，质量故障的分类依据是该类别质量故障的质量影响因素是否相互独立，以及该类别质量故障的故障率大小。例如：某种故障的质量影响因素之间互相独立，则将其分到第一类，选择的质量风险评估模型为朴素贝叶斯质量风险评估模型；某种质量故障的质量影响因素之间不独立且故障率低于预设值，则将其分到第二类，选择的质量风险评估模型为SVM质量风险评估模型；某种质量故障的质量影响因素之间不独立且故障率大于等于预设值，则将其分到第三类，选择的质量风险评估模型为随机森林质量风险评估模型。
可选的，可以预先根据不同故障类型的故障智能电能表对质量风险评估模型进行模型训练，从而提高质量风险评估模型的评估准确率。
例如，针对朴素贝叶斯质量风险评估模型，可以通过采集发生电源故障的智能电能表的故障数据进行模型训练。
针对SVM质量风险评估模型，可以通过采集发生黑屏故障的智能电能表的故障数据进行模型训练。
针对随机森林质量风险评估模型，可以通过采集发生电池欠压故障和烧表故障的智能电能表的故障数据进行模型训练。
可选的，采集故障智能电能表的故障数据集进行模型训练的具体方法，包括：
步骤301，采集故障电能表中与故障相关的故障数据集；
步骤302，对得到的故障数据集进行预处理并划分为训练集、验证集以及测试集；
步骤303，将训练集输入模型，计算损失函数，并相应调整模型参数，直到找到损失函数最小的最优模型；
步骤304，通过验证数据集对最优模型进行性能验证，确定模型超参数，得到最终的最优模型；
步骤305，通过测试数据集对最终的最优模型进行准确率测算，若准确率大于等于预设值，则完成模型训练，若准确率小于预设值，则重复上述步骤，继续进行模型训练。
步骤104，确定不同质量风险评估模型的权重。
在本实施例中，可以利用层次分析法确定各个质量风险评估模型对应的权重。在采用层次分析法确定各个质量风险评估模型对应的权重时，可以采用以下步骤：
步骤401，利用层次分析法对智能电能表的所有质量影响因素进行权重分配。具体包括：
步骤501，将所有质量影响因素两两进行比较，得到判断矩阵；
步骤502，对判断矩阵进行一致性校验；
步骤503，计算判断矩阵的最大特征根以及对应的特征向量；
步骤504，将特征向量进行归一化处理得到不同影响因素的权重。
示例性的，可以对质量影响因素的权重进行如下分配：光耦数量不足的权重为0.12，采用电子互感器的权重为0.18，液晶屏质量参数的权重为0.04，电能表外加电压值超过预设值的权重为0.06，运输防震措施不当的权重为0.05，电池稳定性的权重为0.11，电能表工作环境过于潮湿的权重为0.09，线路老化的权重为0.14，接线螺丝接触不良或老化的权重为0.21。
步骤402，根据质量影响因素的权重计算质量风险评估模型的权重。
可选的，根据
Figure BDA0003439575840000091
计算当前类别质量影响因素的权重。其中，Q表示当前类别质量影响因素的权重，m表示当前类别中质量影响因素的数量，bi表示当前类别中第i个质量影响因素的权重。
可选的，一类质量影响因素中包含多个质量影响因素中时，可以通过对当前一类质量影响因素中的所有不同质量影响因素的权重求均值，将均值作为评估当前一类质量影响因素时质量风险评估模型的权重。
可选的，一类质量影响因素中只包含一个质量影响因素中时，将该质量影响因素的权重作为评估当前一类质量影响因素时质量风险评估模型的权重。
可选的，一种质量风险评估模型可以对应一个及以上的权重。
步骤105，根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度。
可选的，根据
Figure BDA0003439575840000092
计算智能电能表质量风险度，其中，S表示智能电能表质量风险度，n表示质量风险评估模型的数量，αi表示第i个质量风险评估模型的权重，Xi表示第i个质量风险评估模型的评估结果。
可选的，S的值越大，表示智能电能表质量风险度越高；S的值越接近0，代表智能电能表质量风险度越低。
可选的，当S大于等于预设值时，判定当前智能电能表的质量风险度过高，可以提前更换质量风险过高的智能电能表；当S小于预设值时，判定当前智能电能表暂无质量风险，可以继续留用当前智能电能表。
本发明实施例通过获取智能电能表的质量影响因素；对质量影响因素进行分类；根据不同类别确定对应的质量风险评估模型，并采用质量风险评估模型对对应的质量影响因素进行评估；确定不同质量风险评估模型的权重；根据所有质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度，可以对智能电能表的质量风险进行评估。针对不同影响因素以及可能产生的质量故障特点采用不同的质量风险评估模型进行质量风险评估，并根据不同质量风险评估模型的权重和评估结果计算得出最终的智能电能表质量风险度，提升了智能电能表的质量风险评估的准确率，同时可以减少内存占用，有利于缩短运行时间。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的智能电能表质量动态评价装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图2所示，智能电能表质量动态评价装置2包括：获取模块201、处理模块202和计算模块203。
获取模块201，用于获取智能电能表的质量影响因素；
处理模块202，用于对质量影响因素进行分类，得到不同质量影响因素对应的类别；
在一种可能的实现方式中，处理模块202，用于根据当前质量影响因素，在第一预设表中确定当前质量影响因素对应的类别；处理模块202，还用于根据上述确定当前质量影响因素对应的类别的方式，确定智能电能表对应的所有不同质量影响因素对应的类别；第一预设表中包括质量影响因素以及质量影响因素对应的类别。
处理模块202，还用于根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；
在一种可能的实现方式中，处理模块202，还用于根据当前类别，在第二预设表中确定当前类别对应的质量风险评估模型；处理模块202，还用于根据上述确定当前类别对应的质量风险评估模型的方式，确定所有不同类别对应的质量风险评估模型；第二预设表中包括类别以及类别对应的质量风险评估模型。
计算模块203，用于确定不同质量风险评估模型的权重；
在一种可能的实现方式中，计算模块203，用于利用层次分析法确定各个质量风险评估模型对应的权重。
计算模块203，还用于根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度。
在一种可能的实现方式中，计算模块203，还用于根据
Figure BDA0003439575840000111
计算智能电能表质量风险度；其中，S表示智能电能表质量风险度，n表示质量风险评估模型的数量，αi表示第i个质量风险评估模型的权重，Xi表示第i个质量风险评估模型的评估结果。
本发明实施例通过获取模块获取智能电能表的质量影响因素；处理模块对质量影响因素进行分类并根据不同类别确定对应的质量风险评估模型，质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；计算模块计算不同质量风险评估模型的权重并根据质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度，可以根据不同类别采用不同的质量风险评估模型进行质量风险评估，有利于提升了智能电能表的质量风险评估的准确率，同时可以减少内存占用，有利于缩短运行时间。
图3是本发明实施例提供的终端的示意图。如图3所示，该实施例的终端3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个智能电能表质量动态评价方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块201至203的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端3中的执行过程。例如，所述计算机程序32可以被分割成图2所示的模块201至203。
所述终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端3的示例，并不构成对终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端3的内部存储单元，例如终端3的硬盘或内存。所述存储器31也可以是所述终端3的外部存储设备，例如所述终端3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个智能电能表质量动态评价方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能电能表质量动态评价方法，其特征在于，包括：
获取智能电能表的质量影响因素；
对所述质量影响因素进行分类，得到不同质量影响因素对应的类别；
根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；
确定不同质量风险评估模型的权重；
根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度。
2.根据权利要求1所述的智能电能表质量动态评价方法，其特征在于，所述对所述质量影响因素进行分类，得到不同质量影响因素对应的类别，包括：
根据当前质量影响因素，在第一预设表中确定所述当前质量影响因素对应的类别；
根据上述确定所述当前质量影响因素对应的所述类别的方式，确定所述智能电能表对应的所有不同质量影响因素对应的类别；
所述第一预设表中包括质量影响因素以及质量影响因素对应的类别。
3.根据权利要求1所述的智能电能表质量动态评价方法，其特征在于，所述根据不同类别确定对应的质量风险评估模型，包括：
根据当前类别，在第二预设表中确定所述当前类别对应的质量风险评估模型；
根据上述确定所述当前类别对应的所述质量风险评估模型的方式，确定所有不同类别对应的质量风险评估模型；
所述第二预设表中包括类别以及类别对应的质量风险评估模型。
4.根据权利要求1所述的智能电能表质量动态评价方法，其特征在于，所述确定不同质量风险评估模型的权重，包括：
利用层次分析法确定各个质量风险评估模型对应的权重。
5.根据权利要求1-4中任一项所述的智能电能表质量动态评价方法，其特征在于，所述质量风险评估模型对应一个及以上的权重。
6.根据权利要求1-4中任一项所述的智能电能表质量动态评价方法，其特征在于，所述根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度，包括：
根据
Figure FDA0003439575830000021
计算智能电能表质量风险度；
其中，S表示智能电能表质量风险度，n表示质量风险评估模型的数量，αi表示第i个质量风险评估模型的权重，Xi表示第i个质量风险评估模型的评估结果。
7.一种智能电能表质量动态评价装置，其特征在于，包括：
获取模块，用于获取智能电能表的质量影响因素；
处理模块，用于对所述质量影响因素进行分类，得到不同质量影响因素对应的类别；
所述处理模块，还用于根据不同类别确定对应的质量风险评估模型，并采用对应的质量风险评估模型对对应的质量影响因素进行评估，得到对应的质量评估结果；
计算模块，用于确定不同质量风险评估模型的权重；
所述计算模块，还用于根据所有的质量评估结果和质量风险评估模型对应的权重，计算智能电能表质量风险度。
8.根据权利要求7所述的智能电能表质量动态评价装置，其特征在于，
所述处理模块，用于对所述质量影响因素进行分类，得到不同质量影响因素对应的类别，具体包括：
所述处理模块，用于根据当前质量影响因素，在第一预设表中确定所述当前质量影响因素对应的类别；
所述处理模块，还用于根据上述确定所述当前质量影响因素对应的所述类别的方式，确定所述智能电能表对应的所有不同质量影响因素对应的类别；
所述第一预设表中包括质量影响因素以及质量影响因素对应的类别。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述方法的步骤。
CN202111683724.7A 2021-12-28 2021-12-28 智能电能表质量动态评价方法、装置、终端及存储介质 Pending CN114462206A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111683724.7A CN114462206A (zh) 2021-12-28 2021-12-28 智能电能表质量动态评价方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111683724.7A CN114462206A (zh) 2021-12-28 2021-12-28 智能电能表质量动态评价方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN114462206A true CN114462206A (zh) 2022-05-10

Family

ID=81407150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111683724.7A Pending CN114462206A (zh) 2021-12-28 2021-12-28 智能电能表质量动态评价方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN114462206A (zh)

Similar Documents

Publication Publication Date Title
CN114298863B (zh) 一种智能抄表终端的数据采集方法及系统
CN109359894B (zh) 一种基于rpn的电力计量设备风险评价方法及装置
CN108198408B (zh) 一种基于用电信息采集系统的自适应反窃电监控方法及系统
CN109633448B (zh) 识别电池健康状态的方法、装置和终端设备
CN113837596A (zh) 一种故障确定方法、装置、电子设备及存储介质
CN109450089B (zh) 一种台区低电压识别方法、装置及终端设备
CN115905927A (zh) 用电异常用户的识别方法、装置、电子设备及存储介质
CN111797892A (zh) 一种基于随机森林回归的电力市场发电商市场力监测方法
CN109325603B (zh) 故障请求处理方法、装置及终端设备
CN114139931A (zh) 企业数据评估方法、装置、计算机设备及存储介质
CN113391256A (zh) 一种现场作业终端的电能表计量故障分析方法及系统
CN114462206A (zh) 智能电能表质量动态评价方法、装置、终端及存储介质
CN116249186A (zh) 无线网设备的数据处理方法、装置、存储介质及电子设备
CN115236525A (zh) 一种梯次电池筛选方法、装置及介质
CN113269478B (zh) 一种基于多模型的集中器异常数据提醒方法及系统
CN115166625A (zh) 智能电表误差估计方法及装置
CN115146715A (zh) 用电安全隐患诊断方法、装置、设备及存储介质
CN113376564A (zh) 基于数据分析的智能电表计量校正方法、装置及终端
CN114048925A (zh) 一种电网综合运营预警方法、装置及终端设备
CN111143763A (zh) 电力设备状态的评估方法、装置及其存储介质
CN114462901B (zh) 有源配电网电能质量评价方法、装置、终端及存储介质
CN116627759B (zh) 一种金融支付设备电路安全检测装置
CN116596336B (zh) 电子设备的状态评估方法、装置、电子设备及存储介质
CN113342872B (zh) 基于pue能耗监控的方法及电子设备
CN111505423B (zh) 一种低功耗设备电量测试方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination