CN117406161B - 一种计量装置量值偏离度预警方法、系统、设备及介质 - Google Patents
一种计量装置量值偏离度预警方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117406161B CN117406161B CN202311684293.5A CN202311684293A CN117406161B CN 117406161 B CN117406161 B CN 117406161B CN 202311684293 A CN202311684293 A CN 202311684293A CN 117406161 B CN117406161 B CN 117406161B
- Authority
- CN
- China
- Prior art keywords
- data
- verification
- magnitude deviation
- magnitude
- model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012795 verification Methods 0.000 claims abstract description 97
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 239000000203 mixture Substances 0.000 claims abstract description 28
- 238000004140 cleaning Methods 0.000 claims abstract description 14
- 238000007405 data analysis Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 48
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 6
- 238000003556 assay Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 9
- 230000014759 maintenance of location Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本说明书实施例提供了一种计量装置量值偏离度预警方法、系统、设备及介质,其中,方法包括:获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据;将所述输入数据输入量值偏离度分析模型得到量值偏离度指标,判断所述量值偏离度指标是否处于正常区间,根据判断结果选择是否进行预警,其中,所述量值偏离度分析模型为高斯混合模型结合KL散度;本发明实施例解决了传统离线核查法效率低、质量差的问题,实现了不停机在线核查和量值偏离的实时预警,从而提升检定装置计量标准量值溯源智能化程度,保障计量检定柔性生产质量。
Description
技术领域
本文件涉及计量技术领域,尤其涉及一种计量装置量值偏离度预警方法、系统、设备及介质。
背景技术
由于电能计量器具自动化检定系统长期在线、高负荷运行,因此为了保障其计量性能的准确可靠通常要进行一定频次的期间核查,然而,传统离线核查方法,如留样核查法、传递比较法以及实验室间比对法等,需要检定系统停机,核查效率低,且无法反映检定系统的真实运行工况,核查质量普遍不高。
目前常用的离线核查技术主要有留样核查法、传递比较法以及实验室间比对法,具体实施方案和技术弊端如下:
1、留样核查法是通过对留样进行再次检测和分析,以核对实验结果是否与初次检测的结果一致,但此方法需要保留足够的留样,以便进行再次检测和分析,而且留样的质量必须稳定,否则会影响到比对结果的准确性;
2、传递比较法是将一个样本依次在不同的实验室或者检测机构进行检测和分析,但此方法需要确保样本在不同实验室或者检测机构之间的传递过程中保持稳定性和一致性,同时实验室或者检测机构的检测和分析方法也可能影响比对结果;
3、实验室间比对法是组织多个实验室或者检测机构对同一样本进行检测和分析,但此方法需要确保各个实验室或者检测机构的检测和分析方法一致,同时组织工作比较繁琐,需要一定的协调和管理能力。
发明内容
本发明的目的在于提供一种计量装置量值偏离度预警方法、系统、设备及介质,旨在解决现有技术中的上述问题。
本发明实施例提供一种计量装置量值偏离度预警方法,包括:
获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据;
将所述输入数据输入量值偏离度分析模型得到量值偏离度指标,判断所述量值偏离度指标是否处于正常区间,根据判断结果选择是否进行预警,其中,所述量值偏离度分析模型为高斯混合模型结合KL散度。
本发明实施例提供一种计量装置量值偏离度预警系统,包括:
数据模块,用于获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据;
预警模块,用于将所述输入数据输入量值偏离度分析模型得到量值偏离度指标,判断所述量值偏离度指标是否处于正常区间,根据判断结果选择是否进行预警,其中,所述量值偏离度分析模型为高斯混合模型结合KL散度。
本发明实施例还提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述计量装置量值偏离度预警方法的步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现上述计量装置量值偏离度预警方法的步骤。
采用本发明实施例可以包括以下有益效果:本发明实施例解决了传统离线核查法效率低、质量差的问题,实现了不停机在线核查和量值偏离的实时预警,从而提升检定装置计量标准量值溯源智能化程度,保障计量检定柔性生产质量。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,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说明书中记载的一些实施例,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是本发明实施例的计量装置量值偏离度预警方法流程图;
图2是本发明实施例的计量装置量值偏离度预警方法实施方案步骤图;
图3是本发明实施例的计量装置量值偏离度预警系统示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本文件的保护范围。
方法实施例
根据本发明实施例,提供了一种计量装置量值偏离度预警方法,图1是本发明实施例的计量装置量值偏离度预警方法流程图,如图1所示,根据本发明实施例的计量装置量值偏离度预警方法具体包括:
步骤S101,获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据,具体包括:
获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据中的缺失值、异常值和噪音数据进行数据清洗,以及对同一检定仓不同批次、多检定仓同一批次和抽复检线的检定数据以及期间核查数据进行交叉分析与多维比较分析得到输入数据;
步骤S102,将所述输入数据输入量值偏离度分析模型得到量值偏离度指标,判断所述量值偏离度指标是否处于正常区间,根据判断结果选择是否进行预警,其中,所述量值偏离度分析模型为高斯混合模型结合KL散度,具体包括:
将所述输入数据输入量值偏离度分析模型中的高斯混合模型,根据公式1和公式2得到高斯混合模型的概率分布并由公式3计算所述概率分布的KL散度,通过所述KL散度采用公式4和公式5得到量值偏离度指标;
公式1;
公式2;
其中,表示高斯混合模型的概率分布,/>表示输入数据即检定数据,/>表示混合模型中子高斯模型的数量,/>,/>表示检定数据属于第/>个子模型的概率,,/>是第/>个子模型的高斯分布密度函数,/>表示数据均值,即期望,表示协方差,/>表示数据维度,/>,/>表示第/>个子模型的数据均值,/>表示第/>个子模型的数据标准差;
公式3;
其中,表示/>与/>的KL散度,即当用概率分布/>来拟合真实分布/>时产生的信息损耗,/>表示真实概率分布,/>表示/>的拟合概率分布,/>表示样本数量;
公式4;
公式5;
其中,(KL)表示由公式3得到的KL散度值,QDV为量值偏离度指标;
判断所述量值偏离度指标是否处于正常区间内,若是,则认为计量装置量值处于正常状态无需进行预警,否则认为计量装置量值处于非正常状态并进行预警;其中,所述正常区间为,/>表示已有指标的均值,/>表示已有指标的方差。
以下结合本发明实施例的计量装置量值偏离度预警方法的具体实施情况,如图2所示,对本发明实施例的上述技术方案进行详细说明。
本发明实施例基于同一检定仓和多检定仓/抽复检线间的检定数据、大批量计量器具检定数据及期间核查数据,建立标准装置的量值偏离度预警模型,实现不停机核查和量值偏离预警,及时发现异常检定装置,防范因计量装置失准导致的计量资产大范围召回。
1、计量检定及核查数据获取
计量检定数据主要通过电测专机的传感器传输至各工位机软件,然后由工位机软件上传至营销业务系统或MDS系统;期间核查数据由人工录入至营销业务应用系统或MDS系统,本发明实施例通过营销业务应用系统在线获取各检定仓的检定数据以及期间核查数据。
2、计量检定及核查数据清洗
对获取的检定数据和期间核查数据进行数据分析和质量评估,针对缺失值、异常值、噪音数据等进行清洗处理,防止缺陷数据对模型造成不良影响。
3、计量检定业务数据交叉分析
对同一检定仓不同批次、多检定仓同一批次、检定仓与抽复检线的检定数据进行交叉分析,对大批量计量器具检定数据及期间核查数据进行多维比较分析,挖掘检定偏差或检定不一致异常情况,辅助进行标准检定装置的智能化在线核查。
4、构建标准装置量值偏离度分析模型
电力计量检定场景中有大量的检定数据和核查数据,其中几乎没有异常数据,甚至难以模拟异常检定行为来获取异常数据,因此想要获得大量的异常检定数据进行标注和模型训练是不现实的,该业务场景和数据特征决定了标准装置的量值偏离度分析无法使用需要数据标注的、有大量均衡的正负样本的分类模型,例如逻辑回归、支持向量机、随机森林等,而高斯混合模型只需大量的正样本数据,不需要负样本数据,也不需要对数据进行分类标注,其会从大量的正常数据中学习出标准装置正常行为的数据分布,这保障了可以高效地采集大量的训练数据对模型进行训练,提高模型的精准度。
(1)高斯混合模型
高斯混合模型可以视为一种特殊情况下的中心极限定理,将大量相同分布的随机变量混合在一起时,它们会呈现出高斯分布的特性。高斯混合模型将多个具有不同权重的单一高斯概率密度函数进行线性组合,来近似的拟合数据在空间的分布,因此只要有足够的混合数,就能通过高斯混合模型来拟合数据空间的任意分布,其数学表达式为:
公式1;
公式2;
其中,表示高斯混合模型的概率分布,/>表示输入数据即检定数据,/>表示混合模型中子高斯模型的数量,/>,/>表示检定数据属于第/>个子模型的概率,,/>是第/>个子模型的高斯分布密度函数,/>表示数据均值,即期望,表示协方差,/>表示数据维度,/>,/>表示第/>个子模型的数据均值,/>表示第/>个子模型的数据标准差。
(2)KL散度
散度可以用来衡量两个分布之间的差异程度,若两者差异越小,则散度越小,反之亦然;当两者分布一致时,散度为0。KL散度也被称为KL距离或相对熵,是用概率分布Q来近似P时所造成的信息损失量。KL散度是按照概率分布Q的最优编码对真实分布为 P的信息进行编码,其平均编码长度即交叉熵H(P,Q)和P的最优平均编码长度即熵H(P)之间的差异,对于离散概率分布 P和Q的KL散度定义为:
公式3;
其中,表示/>与/>的KL散度,即当用概率分布/>来拟合真实分布/>时产生的信息损耗,/>表示真实概率分布,/>表示/>的拟合概率分布,/>表示样本数量。
(3)标准装置的量值偏离度指标
基于构建完成的高斯混合模型,利用模型的概率分布情况构建计量检定标准装置的量值偏离度预警指标,当标准装置的量值在正常区间时,检定数据相对稳定,其概率分布情况较为相似;当标准装置的量值超出正常区间时,其检定数据的概率分布情况将同步产生变化,使用KL散度将检定数据概率分布变化带来的差异性进行量化,进而可对标准装置量值偏离进行预警。在不同的实验中,即使标准装置量值均处于正常区间或者均超出正常区间,KL散度的数值依然存在较大的差异,无法通过明确的数值来判断标准装置的量值偏离状况,为了更好的体现标准装置的量值偏离度状况,提出基于函数的量值偏离度指标,形式为:
公式4;
式中:(KL)表示由公式3得到的KL散度,函数图形整体取值范围[-1,1],由于该函数在整个定义域具有可导性,且在定义域接近0时近似线性,因而具有较好的鲁棒性。一般情况下,不同标准装置的量值偏离速度存在波动,即便在相同工况及环境下,标准装置也会表现出不同的偏离速度,而且该函数的取值范围包含了负区间,为了更直观地表示标准装置的量值偏离度状况,在上式的基础上进行一定改进,得到如下式所示的标准装置量值偏离度指标,即QDV:
公式5;
基于KL散度的标准装置量值偏离度指标即QDV-KL作为最终的判断指标,如果QDV-KL的值在1附近,则可以认为标准装置量值处于正常区间;当QDV-KL的数值开始出现幅度较大的降低时,则可以判断标准装置量值偏离度即将超出区间限制。
5、标准装置的量值偏离度预警
收集各个标准装置的检定数据和期间核查数据,定期对收集到的数据建立一个高斯混合模型即GMM,将每个GMM与量值正常状态下的GMM进行差异性度量,得到每个GMM对应的KL散度,通过进一步处理得到QDV-KL值,计算已有指标QDV-KL值的均值与方差/>,判断新得到的QDV-KL是否在/>的范围内,若在,则说明标准装置量值此时处于正常区间内,并将该QDV-KL值纳入下一轮/>与/>的计算;若不在,则说明标准装置量值处于正常区间外,此时认为量值偏离度超出正常区间并发出预警。
系统实施例
根据本发明实施例,提供了一种计量装置量值偏离度预警系统,图3是本发明实施例的计量装置量值偏离度预警系统示意图,如图3所示,根据本发明实施例的计量装置量值偏离度预警系统具体包括:
数据模块30,用于获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据,具体用于:
获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据中的缺失值、异常值和噪音数据进行数据清洗,以及对同一检定仓不同批次、多检定仓同一批次和抽复检线的检定数据以及期间核查数据进行交叉分析与多维比较分析得到输入数据;
预警模块32,用于将所述输入数据输入量值偏离度分析模型得到量值偏离度指标,判断所述量值偏离度指标是否处于正常区间,根据判断结果选择是否进行预警,其中,所述量值偏离度分析模型为高斯混合模型结合KL散度,具体用于:
将所述输入数据输入量值偏离度分析模型中的高斯混合模型,根据公式1和公式2得到高斯混合模型的概率分布并由公式3计算所述概率分布的KL散度,通过所述KL散度采用公式4和公式5得到量值偏离度指标;
公式1;
公式2;
其中,表示高斯混合模型的概率分布,/>表示输入数据即检定数据,/>表示混合模型中子高斯模型的数量,/>,/>表示检定数据属于第/>个子模型的概率,,/>是第/>个子模型的高斯分布密度函数,/>表示数据均值,即期望,表示协方差,/>表示数据维度,/>,/>表示第/>个子模型的数据均值,/>表示第/>个子模型的数据标准差;
公式3;
其中,表示/>与/>的KL散度,即当用概率分布/>来拟合真实分布/>时产生的信息损耗,/>表示真实概率分布,/>表示/>的拟合概率分布,/>表示样本数量;
公式4;
公式5;
其中,(KL)表示由公式3得到的KL散度值,QDV为量值偏离度指标;
判断所述量值偏离度指标是否处于正常区间内,若是,则认为计量装置量值处于正常状态无需进行预警,否则认为计量装置量值处于非正常状态并进行预警;其中,所述正常区间为,/>表示已有指标的均值,/>表示已有指标的方差。
本发明实施例是与上述方法实施例对应的系统实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
综上所述,本发明实施例通过计量自动化检定系统的计量标准装置的量值偏离度预警分析,解决了传统离线核查法效率低、质量差的问题,实现了不停机在线核查和量值偏离的实时预警,从而提升检定装置计量标准量值溯源智能化程度,保障计量检定柔性生产质量。
装置实施例一
本发明实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理上运行的计算机程序,所述计算机程序被所述处理器执行时实现如方法实施例中所述的步骤。
装置实施例二
本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传输的实现程序,所述程序被处理器执行时实现如方法实施例中所述的步骤。
本实施例所述计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (6)
1.一种计量装置量值偏离度预警方法,其特征在于,包括:
获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据;
将所述输入数据输入量值偏离度分析模型得到量值偏离度指标,判断所述量值偏离度指标是否处于正常区间,根据判断结果选择是否进行预警,其中,所述量值偏离度分析模型为高斯混合模型结合KL散度,具体包括:
将所述输入数据输入量值偏离度分析模型中的高斯混合模型,根据公式1和公式2得到高斯混合模型的概率分布并由公式3计算所述概率分布的KL散度,通过所述KL散度采用公式4和公式5得到量值偏离度指标;
公式1;
公式2;
其中,表示高斯混合模型的概率分布,/>表示输入数据即检定数据,/>表示混合模型中子高斯模型的数量,/>,/>表示检定数据属于第/>个子模型的概率,,/>是第/>个子模型的高斯分布密度函数,/>表示数据均值,即期望,表示协方差,/>表示数据维度,/>,/>表示第/>个子模型的数据均值,/>表示第/>个子模型的数据标准差;
公式3;
其中,表示/>与/>的KL散度,即当用概率分布/>来拟合真实分布/>时产生的信息损耗,/>表示真实概率分布,/>表示/>的拟合概率分布,/>表示样本数量;
公式4;
公式5;
其中,(KL)表示由公式3得到的KL散度值,QDV为量值偏离度指标;
判断所述量值偏离度指标是否处于正常区间内,若是,则认为计量装置量值处于正常状态无需进行预警,否则认为计量装置量值处于非正常状态并进行预警;其中,所述正常区间为,/>表示已有指标的均值,/>表示已有指标的方差。
2.根据权利要求1所述的方法,其特征在于,所述获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据具体包括:
获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据中的缺失值、异常值和噪音数据进行数据清洗,以及对同一检定仓不同批次、多检定仓同一批次和抽复检线的检定数据以及期间核查数据进行交叉分析与多维比较分析得到输入数据。
3.一种计量装置量值偏离度预警系统,其特征在于,包括:
数据模块,用于获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据进行数据清洗以及数据分析得到输入数据;
预警模块,用于将所述输入数据输入量值偏离度分析模型得到量值偏离度指标,判断所述量值偏离度指标是否处于正常区间,根据判断结果选择是否进行预警,其中,所述量值偏离度分析模型为高斯混合模型结合KL散度,具体用于:
将所述输入数据输入量值偏离度分析模型中的高斯混合模型,根据公式1和公式2得到高斯混合模型的概率分布并由公式3计算所述概率分布的KL散度,通过所述KL散度采用公式4和公式5得到量值偏离度指标;
公式1;
公式2;
其中,表示高斯混合模型的概率分布,/>表示输入数据即检定数据,/>表示混合模型中子高斯模型的数量,/>,/>表示检定数据属于第/>个子模型的概率,,/>是第/>个子模型的高斯分布密度函数,/>表示数据均值,即期望,表示协方差,/>表示数据维度,/>,/>表示第/>个子模型的数据均值,/>表示第/>个子模型的数据标准差;
公式3;
其中,表示/>与/>的KL散度,即当用概率分布/>来拟合真实分布/>时产生的信息损耗,/>表示真实概率分布,/>表示/>的拟合概率分布,/>表示样本数量;
公式4;
公式5;
其中,(KL)表示由公式3得到的KL散度值,QDV为量值偏离度指标;
判断所述量值偏离度指标是否处于正常区间内,若是,则认为计量装置量值处于正常状态无需进行预警,否则认为计量装置量值处于非正常状态并进行预警;其中,所述正常区间为,/>表示已有指标的均值,/>表示已有指标的方差。
4.根据权利要求3所述的系统,其特征在于,所述数据模块具体用于:
获取计量器具各检定仓的检定数据以及期间核查数据,对所述检定数据以及期间核查数据中的缺失值、异常值和噪音数据进行数据清洗,以及对同一检定仓不同批次、多检定仓同一批次和抽复检线的检定数据以及期间核查数据进行交叉分析与多维比较分析得到输入数据。
5.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-2中任一项所述的计量装置量值偏离度预警方法的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1-2中任一项所述的计量装置量值偏离度预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311684293.5A CN117406161B (zh) | 2023-12-11 | 2023-12-11 | 一种计量装置量值偏离度预警方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311684293.5A CN117406161B (zh) | 2023-12-11 | 2023-12-11 | 一种计量装置量值偏离度预警方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117406161A CN117406161A (zh) | 2024-01-16 |
CN117406161B true CN117406161B (zh) | 2024-04-02 |
Family
ID=89492797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311684293.5A Active CN117406161B (zh) | 2023-12-11 | 2023-12-11 | 一种计量装置量值偏离度预警方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117406161B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019098A (zh) * | 2017-12-30 | 2019-07-16 | 广州明领基因科技有限公司 | 基于Hadoop框架的电能计量大数据分析系统 |
CN112700082A (zh) * | 2020-11-26 | 2021-04-23 | 国网湖北省电力有限公司电力科学研究院 | 变电站关口计量大数据分析与在线监测系统和方法 |
CN114137471A (zh) * | 2021-11-15 | 2022-03-04 | 国网山西省电力公司营销服务中心 | 基于大数据分析的单相电能表检定流水线在线期间核查方法 |
CN114623050A (zh) * | 2022-03-16 | 2022-06-14 | 华能大理风力发电有限公司洱源分公司 | 风电机组的运行数据异常检测方法、系统及介质 |
CN115018209A (zh) * | 2022-08-08 | 2022-09-06 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种数字化电能计量系统运行误差长期预测方法及设备 |
CN115455670A (zh) * | 2022-08-26 | 2022-12-09 | 哈尔滨工业大学 | 一种基于高斯混合模型的非高斯噪声模型建立方法 |
CN115964607A (zh) * | 2022-12-06 | 2023-04-14 | 广东电网有限责任公司 | 一种电能表检定设备的核查方法及其装置 |
CN116151651A (zh) * | 2022-12-09 | 2023-05-23 | 广西电网有限责任公司 | 一种用于电能表质量检测的风险预警方法及系统 |
CN116432535A (zh) * | 2023-04-19 | 2023-07-14 | 北京电科智芯科技有限公司 | 考虑多元环境要素的电力计量装置性能检定误差分析方法 |
CN116663889A (zh) * | 2023-05-06 | 2023-08-29 | 国网山东省电力公司电力科学研究院 | 一种基于改进高斯模型的新型电力系统风险评估方法 |
CN117074961A (zh) * | 2023-08-21 | 2023-11-17 | 广东恒翼能科技股份有限公司 | 一种变分自编码器动力电池异常检测方法、系统、装置及存储介质 |
CN117113833A (zh) * | 2023-08-23 | 2023-11-24 | 广东电网有限责任公司 | 一种检定装置的核查方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10999247B2 (en) * | 2017-10-24 | 2021-05-04 | Nec Corporation | Density estimation network for unsupervised anomaly detection |
US20230376012A1 (en) * | 2022-05-17 | 2023-11-23 | Aspentech Corporation | Anomaly Event Detector |
-
2023
- 2023-12-11 CN CN202311684293.5A patent/CN117406161B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019098A (zh) * | 2017-12-30 | 2019-07-16 | 广州明领基因科技有限公司 | 基于Hadoop框架的电能计量大数据分析系统 |
CN112700082A (zh) * | 2020-11-26 | 2021-04-23 | 国网湖北省电力有限公司电力科学研究院 | 变电站关口计量大数据分析与在线监测系统和方法 |
CN114137471A (zh) * | 2021-11-15 | 2022-03-04 | 国网山西省电力公司营销服务中心 | 基于大数据分析的单相电能表检定流水线在线期间核查方法 |
CN114623050A (zh) * | 2022-03-16 | 2022-06-14 | 华能大理风力发电有限公司洱源分公司 | 风电机组的运行数据异常检测方法、系统及介质 |
CN115018209A (zh) * | 2022-08-08 | 2022-09-06 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种数字化电能计量系统运行误差长期预测方法及设备 |
CN115455670A (zh) * | 2022-08-26 | 2022-12-09 | 哈尔滨工业大学 | 一种基于高斯混合模型的非高斯噪声模型建立方法 |
CN115964607A (zh) * | 2022-12-06 | 2023-04-14 | 广东电网有限责任公司 | 一种电能表检定设备的核查方法及其装置 |
CN116151651A (zh) * | 2022-12-09 | 2023-05-23 | 广西电网有限责任公司 | 一种用于电能表质量检测的风险预警方法及系统 |
CN116432535A (zh) * | 2023-04-19 | 2023-07-14 | 北京电科智芯科技有限公司 | 考虑多元环境要素的电力计量装置性能检定误差分析方法 |
CN116663889A (zh) * | 2023-05-06 | 2023-08-29 | 国网山东省电力公司电力科学研究院 | 一种基于改进高斯模型的新型电力系统风险评估方法 |
CN117074961A (zh) * | 2023-08-21 | 2023-11-17 | 广东恒翼能科技股份有限公司 | 一种变分自编码器动力电池异常检测方法、系统、装置及存储介质 |
CN117113833A (zh) * | 2023-08-23 | 2023-11-24 | 广东电网有限责任公司 | 一种检定装置的核查方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117406161A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461555B (zh) | 一种生产线质量监测方法、装置及系统 | |
CN107563601A (zh) | 一种智能电能表运行状态评价方法 | |
KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
CN110874685A (zh) | 基于神经网络的智能电能表运行状态判别方法及系统 | |
CN115824993B (zh) | 水体化学需氧量的确定方法、装置、计算机设备及介质 | |
US20210394247A1 (en) | Method and system for forming a stamped component using a stamping simulation model | |
CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
CN117171366B (zh) | 用于电网调度运行态势的知识图谱构建方法及系统 | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN110324207A (zh) | 一种数据采集终端的检测方法及装置 | |
CN117406161B (zh) | 一种计量装置量值偏离度预警方法、系统、设备及介质 | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN111812292A (zh) | 水质污染类型溯源方法、装置、设备及可读存储介质 | |
CN109213119B (zh) | 基于在线学习的复杂工业关键部件故障预测方法及系统 | |
CN103475527B (zh) | 一种网管故障可信度分析系统及方法 | |
CN115542236A (zh) | 电能表运行误差估计方法及装置 | |
CN110688273B (zh) | 分类模型的监控方法、装置、终端以及计算机存储介质 | |
CN112445632A (zh) | 基于故障数据建模的hpc可靠性评估方法 | |
Ferreira et al. | An analysis of a heuristic procedure to evaluate tail (in) dependence | |
CN117571742B (zh) | 基于人工智能实现芯片质检的方法及装置 | |
CN116991149B (zh) | 一种费控产品检验方法、装置、电子设备及存储介质 | |
CN117665224B (zh) | 一种用于食品检测的智能实验室管理方法 | |
CN115563489B (zh) | 超差表检出方法、装置及计算机存储介质 | |
CN116521568A (zh) | 测试数据分析处理方法、装置、电子设备及存储介质 | |
CN117436770B (zh) | 基于bim的建筑工程建设管理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |