本發(fā)明涉及電能表全壽命周期管理與數(shù)據(jù)分析領(lǐng)域，具體為一種基于業(yè)務(wù)驅(qū)動(dòng)的電能表狀態(tài)分析方法及系統(tǒng)。

背景技術(shù)：

1、在新的歷史時(shí)期，加快構(gòu)建國(guó)家現(xiàn)代先進(jìn)測(cè)量體系是新時(shí)代計(jì)量工作的一項(xiàng)重大課題。隨著數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，數(shù)字技術(shù)成為新的發(fā)展引擎，以數(shù)字化驅(qū)動(dòng)計(jì)量事業(yè)發(fā)展，既是現(xiàn)實(shí)急迫需求，也是產(chǎn)業(yè)發(fā)展的方向。

2、為推動(dòng)計(jì)量業(yè)務(wù)的數(shù)字化轉(zhuǎn)型，需要通過(guò)提升電能表質(zhì)量管控水平，提高計(jì)量業(yè)務(wù)的效率和精確度，為能源管理和計(jì)費(fèi)提供可靠的基礎(chǔ)數(shù)據(jù)支持。但是，電能表質(zhì)量數(shù)據(jù)分散、數(shù)據(jù)價(jià)值挖掘應(yīng)用不足，以及電能表質(zhì)量檢測(cè)檢定、運(yùn)行狀態(tài)監(jiān)測(cè)、故障研判、質(zhì)量分析與預(yù)測(cè)等智能化、自動(dòng)化、數(shù)字化水平不足，難以滿足電網(wǎng)數(shù)字化轉(zhuǎn)型對(duì)海量準(zhǔn)確計(jì)量數(shù)據(jù)的需求。

3、cn202410330575.3a公開(kāi)了一種電能表運(yùn)行狀態(tài)管理方法和系統(tǒng)；包括：采集電能表綜合數(shù)據(jù)和環(huán)境數(shù)據(jù)；根據(jù)電能表綜合數(shù)據(jù)建立運(yùn)行狀態(tài)函數(shù)；根據(jù)環(huán)境數(shù)據(jù)獲取環(huán)境影響因數(shù)；構(gòu)建電能表狀態(tài)矩陣；根據(jù)運(yùn)行狀態(tài)函數(shù)、環(huán)境影響因數(shù)和電能表狀態(tài)矩陣獲取電能表狀態(tài)趨勢(shì)；電能表狀態(tài)趨勢(shì)分為總體穩(wěn)定、緩慢惡化、快速惡化、緩慢優(yōu)化和快速優(yōu)化；當(dāng)電能表狀態(tài)趨勢(shì)為緩慢惡化或快速惡化時(shí)，發(fā)送提醒信息至電能表管理終端。該發(fā)明僅根據(jù)電能表綜合數(shù)據(jù)和環(huán)境數(shù)據(jù)構(gòu)建的運(yùn)行狀態(tài)函數(shù)可能會(huì)影響狀態(tài)趨勢(shì)分析研判的嚴(yán)謹(jǐn)性。

4、cn202111530000.9a公開(kāi)一種基于廣義回歸神經(jīng)網(wǎng)絡(luò)的電能表狀態(tài)分析評(píng)價(jià)方法。該方法包括以下步驟：s1：采集數(shù)據(jù)；s2：數(shù)據(jù)預(yù)處理；s3：建立神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)數(shù)據(jù)訓(xùn)練模型；s4：模型優(yōu)化，確定模型的平滑因子；s5：模型分析及評(píng)價(jià)效果判定。該發(fā)明僅利用神經(jīng)網(wǎng)絡(luò)模型會(huì)影響狀態(tài)分類(lèi)評(píng)價(jià)的嚴(yán)謹(jǐn)性，利用歷史數(shù)據(jù)配合實(shí)時(shí)數(shù)據(jù)滾動(dòng)學(xué)習(xí)方式，并基于狀態(tài)分類(lèi)評(píng)價(jià)指標(biāo)體系數(shù)據(jù)、超參數(shù)優(yōu)化動(dòng)態(tài)評(píng)價(jià)機(jī)制，共同搭建狀態(tài)分類(lèi)評(píng)價(jià)模型。盡管神經(jīng)網(wǎng)絡(luò)模型能夠處理復(fù)雜的非線性關(guān)系，但其內(nèi)部機(jī)制往往難以直觀解釋?zhuān)@可能影響對(duì)模型輸出的理解和信任度。如果沒(méi)有足夠的數(shù)據(jù)或者正則化技術(shù)不當(dāng)，神經(jīng)網(wǎng)絡(luò)模型容易發(fā)生過(guò)度擬合，導(dǎo)致模型在新數(shù)據(jù)上的泛化能力較差。

5、因此，需要開(kāi)展數(shù)字孿生、大數(shù)據(jù)、人工智能等先進(jìn)技術(shù)在電能表全壽命周期中的深化應(yīng)用，盤(pán)活海量數(shù)據(jù)資源，挖掘電能表質(zhì)量相關(guān)數(shù)據(jù)價(jià)值，實(shí)現(xiàn)信息的全面記錄和實(shí)時(shí)更新，推動(dòng)電能表行業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，提升整體運(yùn)營(yíng)效率和質(zhì)量控制水平。能夠根據(jù)運(yùn)行狀態(tài)函數(shù)、環(huán)境因素、電能表狀態(tài)矩陣來(lái)預(yù)測(cè)電能表狀態(tài)趨勢(shì)。

技術(shù)實(shí)現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于業(yè)務(wù)驅(qū)動(dòng)的多因素智能關(guān)聯(lián)分析方法，包括因子關(guān)聯(lián)分析、權(quán)重融合指標(biāo)體系構(gòu)建、指標(biāo)評(píng)分分析和權(quán)重分析以及電能表狀態(tài)預(yù)測(cè)。

2、為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明具體采用以下技術(shù)方案：

3、一種基于業(yè)務(wù)驅(qū)動(dòng)的電能表狀態(tài)分析方法，其特征在于，所述方法包括：

4、步驟1：提取電能表全壽命周期各環(huán)節(jié)初始指標(biāo)的公因子作為電能表全壽命周期各環(huán)節(jié)的狀態(tài)指標(biāo)；

5、步驟2：基于獲得的狀態(tài)指標(biāo)進(jìn)行自適應(yīng)權(quán)重分析，得到各環(huán)節(jié)以及各環(huán)節(jié)下各狀態(tài)指標(biāo)的融合權(quán)重；

6、步驟3：基于電能表全壽命周期各環(huán)節(jié)的狀態(tài)指標(biāo)指，以及各狀態(tài)指標(biāo)的融合權(quán)重計(jì)算得到電能表狀態(tài)綜合得分；

7、步驟4：基于步驟3的電能表質(zhì)量評(píng)分計(jì)算結(jié)果，依據(jù)歷史電能表質(zhì)量評(píng)分進(jìn)行電能表狀態(tài)區(qū)間劃分；得到電能表的狀態(tài)分析結(jié)果。

8、進(jìn)一步優(yōu)選地，

9、在步驟1中，所述電能表全壽命周期各環(huán)節(jié)包括采購(gòu)到貨、設(shè)備驗(yàn)收、檢定檢測(cè)、倉(cāng)儲(chǔ)配送、設(shè)備安裝、設(shè)備運(yùn)行、設(shè)備拆除、設(shè)備報(bào)廢以及所處環(huán)境；

10、所述電能表全壽命周期各環(huán)節(jié)初始指標(biāo)，具體包括：

11、采購(gòu)到貨初始指標(biāo)包括生產(chǎn)前全性能試驗(yàn)合格率、生產(chǎn)前樣品比對(duì)合格率；

12、設(shè)備驗(yàn)收初始指標(biāo)包括退換貨占比、供貨前樣品比對(duì)合格率、供貨前全性能試驗(yàn)合格率、到貨后樣品比對(duì)合格率、到貨后抽檢試驗(yàn)合格率；

13、檢定檢測(cè)環(huán)節(jié)初始指標(biāo)包括全檢驗(yàn)收合格率、電能表復(fù)檢合格率、檢定檢測(cè)故障類(lèi)型占比；

14、倉(cāng)儲(chǔ)配送環(huán)節(jié)初始指標(biāo)包括新品庫(kù)齡、成品庫(kù)齡、配送故障率；設(shè)備安裝環(huán)節(jié)初始指標(biāo)包括安裝過(guò)程中智能電能表故障率、安裝過(guò)程中智能電能表質(zhì)量故障類(lèi)型占比；

15、設(shè)備運(yùn)行環(huán)節(jié)初始指標(biāo)包括低壓用戶一次采集成功率、低壓戶日采集成功率、專(zhuān)變用戶一次采集成功率、專(zhuān)變用戶日采集成功率、運(yùn)行表抽檢合格率、現(xiàn)場(chǎng)校驗(yàn)合格率、監(jiān)督抽檢合格率；

16、設(shè)備拆除環(huán)節(jié)初始指標(biāo)包括拆回再利用率、拆回計(jì)量資產(chǎn)檢定合格率；

17、設(shè)備報(bào)廢環(huán)節(jié)初始指標(biāo)包括質(zhì)量因素導(dǎo)致計(jì)量資產(chǎn)報(bào)廢率；

18、所處環(huán)境環(huán)節(jié)初始指標(biāo)包括最大溫度、最低溫度。

19、進(jìn)一步優(yōu)選地，

20、在步驟1中，所述提取電能表全壽命周期各環(huán)節(jié)初始指標(biāo)的公因子作為電能表全壽命周期各環(huán)節(jié)的狀態(tài)指標(biāo)，具體為：

21、計(jì)算各環(huán)節(jié)內(nèi)的每?jī)蓚€(gè)初始指標(biāo)樣本進(jìn)行相關(guān)性系數(shù)計(jì)算，若某初始指標(biāo)樣本和與其相同環(huán)節(jié)的其他任意一個(gè)初始指標(biāo)樣本的初始指標(biāo)的相關(guān)性均為弱相關(guān)，則判斷該初始指標(biāo)為弱相關(guān)性指標(biāo)，否則為強(qiáng)相關(guān)性指標(biāo)；

22、對(duì)于弱相關(guān)性指標(biāo)，直接作為公因子；

23、對(duì)于強(qiáng)相關(guān)性指標(biāo)，進(jìn)行bartlett球形度檢驗(yàn)和kmo檢驗(yàn)，對(duì)符合檢驗(yàn)判據(jù)的強(qiáng)相關(guān)性指標(biāo)進(jìn)行公因子提取，否則直接作為公因子；

24、以提出的公因子作為電能表全壽命周期各環(huán)節(jié)的狀態(tài)指標(biāo)。

25、進(jìn)一步優(yōu)選地，

26、檢驗(yàn)判據(jù)如下式所示：

27、

28、其中，p為bartlett球形度檢驗(yàn)值，γ為kmo檢驗(yàn)值。

29、進(jìn)一步優(yōu)選地，

30、對(duì)于符合檢驗(yàn)判據(jù)的強(qiáng)相關(guān)性指標(biāo)作為因子，計(jì)算每一環(huán)節(jié)各因子樣本數(shù)據(jù)特征值、方差貢獻(xiàn)率和方差累計(jì)貢獻(xiàn)率，當(dāng)滿足以下條件時(shí)，則提取該因子作為公因子：

31、對(duì)于符合檢驗(yàn)判據(jù)的強(qiáng)相關(guān)性指標(biāo)作為因子，計(jì)算每一環(huán)節(jié)各因子樣本數(shù)據(jù)特征值，計(jì)算每一個(gè)特征值的方差貢獻(xiàn)率和各因子的方差累計(jì)貢獻(xiàn)率，當(dāng)因子的累計(jì)方差貢獻(xiàn)率大于等于88％，則提取這些因子作為公因子，拋棄其它因子；

32、λ1+λ2+...+λr＝總方差；

33、

34、累計(jì)方差貢獻(xiàn)率f＝方差貢獻(xiàn)率1+方差貢獻(xiàn)率2+...+方差貢獻(xiàn)率f

35、其中，λ1、λ2、λf、λr分別表示某一環(huán)節(jié)第1、第2、第f及第r個(gè)因子樣本數(shù)據(jù)特征值，r表示所屬環(huán)節(jié)的因子總數(shù)；方差貢獻(xiàn)率f表示第f個(gè)因子的方差貢獻(xiàn)率；

36、當(dāng)前f個(gè)累計(jì)方差貢獻(xiàn)率大于等于88％時(shí)，則提取1-f個(gè)因子作為該環(huán)節(jié)的公因子。

37、進(jìn)一步優(yōu)選地，

38、在步驟2中，具體包括以下內(nèi)容：

39、2.1計(jì)算不同模型下各環(huán)節(jié)初始權(quán)重以及各狀態(tài)指標(biāo)初始權(quán)重；

40、2.2計(jì)算各環(huán)節(jié)在不同模型下計(jì)算的初始權(quán)重均值以及各狀態(tài)指標(biāo)在不同模型下計(jì)算得到的初始權(quán)重均值；

41、

42、

43、其中，表示第j個(gè)環(huán)節(jié)初始權(quán)重均值，表示第j個(gè)狀態(tài)指標(biāo)初始權(quán)重均值，αij表示第i個(gè)模型下第j個(gè)環(huán)節(jié)初始權(quán)重，βik表示第i個(gè)模型下第k個(gè)狀態(tài)指標(biāo)初始權(quán)重，m為模型數(shù)；

44、2.3計(jì)算不同模型下各環(huán)節(jié)初始權(quán)重的絕對(duì)偏差以及不同模型下各狀態(tài)指標(biāo)初始權(quán)重的絕對(duì)偏差；

45、

46、

47、其中，sij表示第i個(gè)模型下第j個(gè)環(huán)節(jié)權(quán)重的絕對(duì)偏差，si′k表示第i個(gè)模型下第k個(gè)狀態(tài)指標(biāo)權(quán)重的絕對(duì)偏差；

48、2.4基于絕對(duì)偏差，計(jì)算各環(huán)節(jié)融合權(quán)重以及各狀態(tài)指標(biāo)融合權(quán)重。

49、進(jìn)一步優(yōu)選地，

50、所述不同模型至少包括層次分析模型和熵權(quán)法模型；

51、在每一模型下，各環(huán)節(jié)初始權(quán)重和為1，每一環(huán)節(jié)內(nèi)各狀態(tài)指標(biāo)初始權(quán)重和為1。

52、進(jìn)一步優(yōu)選地，

53、按照以下方式計(jì)算各環(huán)節(jié)融合權(quán)重以及各狀態(tài)指標(biāo)融合權(quán)重：

54、

55、

56、其中，αj表示第j個(gè)環(huán)節(jié)的融合權(quán)重，βk表示第k個(gè)狀態(tài)指標(biāo)的融合權(quán)重。

57、進(jìn)一步優(yōu)選地，

58、在步驟3中，基于電能表全壽命周期各環(huán)節(jié)的狀態(tài)指標(biāo)指，以及各狀態(tài)指標(biāo)的融合權(quán)重計(jì)算得到電能表狀態(tài)綜合得分，具體為：

59、3.1采集電能表各狀態(tài)指標(biāo)的數(shù)值，計(jì)算該狀態(tài)指標(biāo)得分；

60、3.2各環(huán)節(jié)下的狀態(tài)指標(biāo)得分乘以每一狀態(tài)指標(biāo)對(duì)應(yīng)的狀態(tài)指標(biāo)的融合權(quán)重匯總后得到每一環(huán)節(jié)的狀態(tài)得分值；

61、3.3每一環(huán)節(jié)的狀態(tài)得分值乘以對(duì)應(yīng)的各環(huán)節(jié)的融合權(quán)重后匯總得到電能表狀態(tài)綜合得分值。

62、進(jìn)一步優(yōu)選地，

63、在3.1中，狀態(tài)指標(biāo)得分包括正向指標(biāo)得分或負(fù)向指標(biāo)得分，正向或負(fù)向根據(jù)該狀態(tài)指標(biāo)性質(zhì)確定，其中，正向指標(biāo)為該值越高代表設(shè)備越合格，負(fù)向指標(biāo)為該值越低代表設(shè)備越合格；

64、正向指標(biāo)得分ci_score按以下公式計(jì)算：

65、

66、負(fù)向指標(biāo)得分ci_score按以下公式計(jì)算：

67、

68、其中，ci為該狀態(tài)指標(biāo)數(shù)值，(ci)min、(ci)max分別為狀態(tài)指標(biāo)歷史數(shù)值的最小值和最大值。

69、進(jìn)一步優(yōu)選地，

70、在步驟4中，基于步驟3的電能表質(zhì)量評(píng)分計(jì)算結(jié)果，依據(jù)歷史電能表質(zhì)量評(píng)分進(jìn)行電能表狀態(tài)區(qū)間劃分，具體包括：

71、4.1收集電能表的歷史質(zhì)量評(píng)分?jǐn)?shù)據(jù)以及對(duì)應(yīng)的電能表質(zhì)量狀態(tài)；

72、4.2設(shè)定電能表的質(zhì)量狀態(tài)劃分等級(jí)，將劃分等級(jí)數(shù)作為類(lèi)別數(shù)目；

73、4.3隨機(jī)選擇電能表歷史評(píng)分?jǐn)?shù)據(jù)作為初始的類(lèi)比中心；

74、4.3計(jì)算當(dāng)前需要進(jìn)行狀態(tài)區(qū)間劃分的每個(gè)電能表屬于每個(gè)類(lèi)別的可能性計(jì)算結(jié)果，根據(jù)可能性計(jì)算結(jié)果更新類(lèi)別的中心，直到類(lèi)別中心不再變化或者變化小于設(shè)定閾值。

75、進(jìn)一步優(yōu)選地，

76、電能表屬于每個(gè)類(lèi)別的可能性計(jì)算結(jié)果μsw按下式計(jì)算：

77、

78、其中，usw代表的第s個(gè)電能表屬于第j個(gè)類(lèi)別的可能性，xs代表第s個(gè)電能表狀態(tài)綜合分值，vw代表第w個(gè)類(lèi)別中心評(píng)分?jǐn)?shù)據(jù)，vq表示所有類(lèi)別的聚類(lèi)中心評(píng)分?jǐn)?shù)據(jù)，||表示距離計(jì)算，t代表的是類(lèi)別數(shù)目，p為計(jì)算指數(shù)；

79、

80、x為更新類(lèi)別中心的次數(shù)。

81、本發(fā)明另一方面公開(kāi)了一種基于前述電能表狀態(tài)分析方法的電能表狀態(tài)分析系統(tǒng)，包括電能表全壽命周期各環(huán)節(jié)及狀態(tài)指標(biāo)計(jì)算確認(rèn)模塊、各環(huán)節(jié)以及各環(huán)節(jié)下各狀態(tài)指標(biāo)的融合權(quán)重計(jì)算模塊、電能表狀態(tài)綜合得分模塊和電能表狀態(tài)分析模塊；其特征在于：

82、電能表全壽命周期各環(huán)節(jié)及狀態(tài)指標(biāo)計(jì)算確認(rèn)模塊提取電能表全壽命周期各環(huán)節(jié)初始指標(biāo)的公因子作為電能表全壽命周期各環(huán)節(jié)的狀態(tài)指標(biāo)；

83、各環(huán)節(jié)以及各環(huán)節(jié)下各狀態(tài)指標(biāo)的融合權(quán)重計(jì)算模塊，基于獲得的狀態(tài)指標(biāo)進(jìn)行自適應(yīng)權(quán)重分析，得到各環(huán)節(jié)以及各環(huán)節(jié)下各狀態(tài)指標(biāo)的融合權(quán)重；

84、電能表狀態(tài)綜合得分模塊，基于電能表全壽命周期各環(huán)節(jié)的狀態(tài)指標(biāo)指，以及各狀態(tài)指標(biāo)的融合權(quán)重計(jì)算得到電能表狀態(tài)綜合得分；

85、電能表狀態(tài)分析模塊，基于電能表質(zhì)量評(píng)分計(jì)算結(jié)果，依據(jù)歷史電能表質(zhì)量評(píng)分進(jìn)行電能表狀態(tài)區(qū)間劃分，得到電能表狀態(tài)分析結(jié)果。

86、本發(fā)明的有益效果在于，與現(xiàn)有技術(shù)相比，本發(fā)明的直接有益效果：

87、(1)本發(fā)明基于業(yè)務(wù)驅(qū)動(dòng)，確定電能表全壽命周期各環(huán)節(jié)，根據(jù)影響因素對(duì)電能表狀態(tài)的影響關(guān)系，探索各種影響因素對(duì)電能表狀態(tài)的影響程度，可有效挖掘與電能表狀態(tài)關(guān)聯(lián)度相對(duì)較大的影響因素，為開(kāi)展電能表全壽命周期自動(dòng)化綜合評(píng)價(jià)奠定基礎(chǔ)。

88、(2)通過(guò)對(duì)基于多模態(tài)關(guān)聯(lián)因素構(gòu)建的電能表指標(biāo)體系的權(quán)重影響分析，可根據(jù)每個(gè)指標(biāo)維度的權(quán)重表現(xiàn)和數(shù)據(jù)情況，實(shí)時(shí)計(jì)算電能表狀態(tài)綜合得分，直觀展現(xiàn)電能表最新?tīng)顟B(tài)。

89、(3)推動(dòng)計(jì)量數(shù)字化轉(zhuǎn)型：應(yīng)用數(shù)據(jù)特征降維、機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析等先進(jìn)技術(shù)，可形成一套完整的數(shù)字化管理體系，通過(guò)在電能表全壽命周期中的應(yīng)用，推動(dòng)電力計(jì)量向數(shù)字化轉(zhuǎn)型邁進(jìn)，提升電能表技術(shù)水平和管理水平。

90、(4)助力提高電力服務(wù)水平：通過(guò)電能表全壽命周期管理效率和電能質(zhì)量提升，能夠更好地提供用電服務(wù)，優(yōu)化電能計(jì)量數(shù)據(jù)的分析與應(yīng)用，從而提高公司的運(yùn)營(yíng)效率和服務(wù)質(zhì)量，滿足不斷增長(zhǎng)的電力需求。