CN109583697A - 一种基于大数据聚类分析的电能计量装置智能轮换方法及*** - Google Patents
一种基于大数据聚类分析的电能计量装置智能轮换方法及*** Download PDFInfo
- Publication number
- CN109583697A CN109583697A CN201811268171.7A CN201811268171A CN109583697A CN 109583697 A CN109583697 A CN 109583697A CN 201811268171 A CN201811268171 A CN 201811268171A CN 109583697 A CN109583697 A CN 109583697A
- Authority
- CN
- China
- Prior art keywords
- cluster
- comprehensive assessment
- electric energy
- assessment score
- metering device
- 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
Links
- 238000007621 cluster analysis Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 claims abstract description 36
- 238000012790 confirmation Methods 0.000 claims abstract description 7
- 238000009434 installation Methods 0.000 claims description 11
- 230000007547 defect Effects 0.000 claims description 10
- 241001269238 Data Species 0.000 claims description 8
- 238000012797 qualification Methods 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据聚类分析的电能计量装置智能轮换方法及***,所述方法包括:获取多批次的电能计量装置的多个历史综合评估得分,并对所述多个历史综合评估得分进行分布式存储,生成大数据仓库;在所述大数据仓库中提取多个数据,并对所述多个数据按预设规则进行聚类分析;根据所述聚类分析结果生成智能轮换策略;计算获得待确认批次的电能计量装置的综合评估得分,根据所述综合评估得分以及所述智能轮换策略获得待确认批次电能计量装置的轮换指令;所述方法及***基于电能计量装置的运行状态确认轮换策略,保证了电能计量装置更加合理的使用,避免运行状态良好的电能计量装置被轮换,也可及时发现未达到轮换期但已状态不佳的情况。
Description
技术领域
本发明涉及电力通信领域,更具体地,涉及一种基于大数据聚类分析的电能计量装置智能轮换方法及***。
背景技术
电能计量是电力生产与电网安全运行的重要环节,代表着电力企业的效益与质量水平。电能计量装置数量不断增加,为保证运行的稳定性及准确度,运检管理技术十分重要。传统的电能计量装置定期现场检验的方式,检修效率低下,准确性和实时性仍有不足;另外,电能计量装置运行评价体系不够健全,无法精准高效地判别出电能计量装置的实时运行状态及未来状态的变化趋势;在运检过程中,较难准确预测或预判故障,尤其是电能计量装置的缺陷处理,常出现同一结果多种失效类型或者误报,电能计量装置的在线精益化运检水平低,浪费了技术人员大量时间,运维服务质量很难提升;而在对电能计量装置的检修频率以及对电能计量装置的轮换,仍是按时间来确定,这使得一些运行状态良好的电能计量装置被检修或提前轮换,浪费人力物力,使运维成本居高不下。
发明内容
为了解决背景技术存在的现有对电能计量装置的检修和轮换方法浪费人力物力,运维成本较高的问题,本发明提供了一种基于大数据聚类分析的电能计量装置智能轮换方法及***,所述方法及***通过对运行状态进行大数据聚类分析,获得电能计量装置的智能轮换策略,确定电能计量装置的轮换方式,所述一种基于大数据聚类分析的电能计量装置智能轮换方法包括:
获取多批次的电能计量装置的多个历史综合评估得分,并对所述多个历史综合评估得分进行分布式存储,生成大数据仓库;
在所述大数据仓库中提取多个综合评估得分数据,并对所述多个综合评估得分数据按预设规则进行聚类分析;
根据所述聚类分析结果生成智能轮换策略;
计算获得待确认批次的电能计量装置的综合评估得分,根据所述综合评估得分以及所述智能轮换策略获得待确认批次电能计量装置的轮换指令。
进一步的,所述电能计量装置的历史综合评估得分根据所述电能计量装置的多个综合评估指标以及预设的对应权重计算获得;所述多个综合评估指标包括设备合格率、入网检测成功率、运行安装环境标准化率、家族缺陷、典型配置方式比例、型号匹配度、封闭性能比例、运行温度、运行湿度、运行负荷率以及运行磁场强度;
所述进行分布式存储的历史综合评估得分包括同一时间获得的多批次电能计量装置综合评估得分以及同一批次电能计量装置在多个时间点的综合评估得分。
进一步的,所述分布式存储方式包括HDFS分布式数据存储,将所述多个历史综合评估得分的数据文件按预设规则进行分块处理获得多个数据分块,根据MapReduce将所述多个数据分块存储在分布式的大数据仓库中;所述历史综合评估得分的数据文件包括该批次电能计量装置的批次号、装置信息以及评估时间。
进一步的,所述按预设规则进行聚类分析,包括:
步骤1,将所述提取的多个综合评估得分数据根据预设规则选择k个综合评估得分数据作为聚类中心;
步骤2,计算每个综合评估得分数据与所述k个聚类中心的欧式距离,并将该综合评估得分数据划到与其欧式距离最近的聚类中心的聚类中,获得k个聚类;
步骤3,计算k个聚类中每个聚类的均值,替换原有聚类中心作为该聚类新的聚类中心;
步骤4,重复步骤2及步骤3,当获得的新的聚类中心与上一聚类中心一致收敛时,将此时的聚类结果作为最终的聚类分析结果。
进一步的,将所述聚类分析结果中的多个聚类中心对应的综合评估得分进行降序排序,根据预设需求将对应综合评估得分较高的多组聚类设置为无需轮换聚类,将对应综合评估得分较低的多组聚类设置为需轮换聚类;在所述需轮换聚类中,按照综合评估得分降序排序确定需轮换的重要程度。
进一步的,将每个综合评估得分对应在智能轮换策略中的轮换指令在大数据仓库中与其对应的批次号进行关联存储。
所述一种基于大数据聚类分析的电能计量装置智能轮换***包括:
大数据仓库单元,所述大数据仓库单元用于获取多批次的电能计量装置的多个历史综合评估得分,并对所述多个历史综合评估得分进行分布式存储,生成大数据仓库;
聚类分析单元,所述聚类分析单元用于在所述大数据仓库中提取多个综合评估得分数据,并对所述多个综合评估得分数据按预设规则进行聚类分析;
轮换策略生成单元,所述轮换策略生成单元用于根据所述聚类分析结果生成智能轮换策略;
指令确认单元,所述指令确认单元用于计算获得待确认批次的电能计量装置的综合评估得分,根据所述综合评估得分以及所述智能轮换策略获得待确认批次电能计量装置的轮换指令。
进一步的,所述电能计量装置的历史综合评估得分根据所述电能计量装置的多个综合评估指标以及预设的对应权重计算获得;所述多个综合评估指标包括设备合格率、入网检测成功率、运行安装环境标准化率、家族缺陷、典型配置方式比例、型号匹配度、封闭性能比例、运行温度、运行湿度、运行负荷率以及运行磁场强度;
所述大数据仓库单元进行分布式存储的历史综合评估得分包括同一时间获得的多批次电能计量装置综合评估得分以及同一批次电能计量装置在多个时间点的综合评估得分。
进一步的,所述大数据仓库单元进行分布式存储的方式包括HDFS分布式数据存储,将所述多个历史综合评估得分的数据文件按预设规则进行分块处理获得多个数据分块,根据MapReduce将所述多个数据分块存储在分布式的大数据仓库中;所述历史综合评估得分的数据文件包括该批次电能计量装置的批次号、装置信息以及评估时间。
进一步的,所述聚类分析单元用于将所述提取的多个综合评估得分数据根据预设规则选择k个综合评估得分数据作为聚类中心;
所述聚类分析单元计算每个综合评估得分数据与所述k个聚类中心的欧式距离,并将该综合评估得分数据划到与其欧式距离最近的聚类中心的聚类中,获得k个聚类;计算k个聚类中每个聚类的均值,替换原有聚类中心作为该聚类新的聚类中心;
当获得的新的聚类中心与上一聚类中心一致收敛时,所述聚类分析单元将此时的聚类结果作为最终的聚类分析结果。
进一步的,所述轮换策略生成单元用于将所述聚类分析结果中的多个聚类中心对应的综合评估得分进行降序排序,根据预设需求将对应综合评估得分较高的多组聚类设置为无需轮换聚类,将对应综合评估得分较低的多组聚类设置为需轮换聚类;在所述需轮换聚类中,按照综合评估得分降序排序确定需轮换的重要程度。
进一步的,所述大数据仓库单元用于将每个综合评估得分对应在智能轮换策略中的轮换指令在大数据仓库中与其对应的批次号进行关联存储。
本发明的有益效果为:本发明的技术方案,给出了一种基于大数据聚类分析的电能计量装置智能轮换方法及***,所述方法及***通过对多批次的电能计量装置的运行状态进行评估,并生成评估结果的大数据仓库;通过聚类分析,生成智能轮换策略,通过智能轮换策略确认待确认批次是否需要进行轮换;所述方法及***基于电能计量装置的运行状态确认轮换策略,保证了电能计量装置更加合理的使用,避免了运行状态良好的电能计量装置被轮换,也及时发现未达到轮换期但电能计量装置已状态不佳的情况;在提高电能计量装置有效利用率的同时,降低了电能计量装置的故障率;极大的节省了人力物力,降低了运维成本,提高了运维效率。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为本发明具体实施方式的一种基于大数据聚类分析的电能计量装置智能轮换方法的流程图;
图2为本发明具体实施方式的一种基于大数据聚类分析的电能计量装置智能轮换***的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为本发明具体实施方式的一种基于大数据聚类分析的电能计量装置智能轮换方法的流程图;如图1所示,所述方法包括:
步骤110,获取多批次的电能计量装置的多个历史综合评估得分,并对所述多个历史综合评估得分进行分布式存储,生成大数据仓库;
进一步的,所述电能计量装置的历史综合评估得分根据所述电能计量装置的多个综合评估指标以及预设的对应权重计算获得;所述多个综合评估指标包括设备合格率、入网检测成功率、运行安装环境标准化率、家族缺陷、典型配置方式比例、型号匹配度、封闭性能比例、运行温度、运行湿度、运行负荷率以及运行磁场强度;
所述多个综合评估指标根据采集或统计的电能计量装置原始数据计算获得;
所述设备合格率的计算公式为:M11=U/N*100%;
其中,M11是设备合格率;U是安装调试成功的设备总数;N是工程中实际安装的设备总数。
所述入网监测成功率的计算公式为:M12=B/C*100%
其中,M12是入网检测成功率;B是一个批次内抽查的电能计量装置成功的总数;C是一个批次内电能计量装置总数。
所述运行安装环境标准化率的计算公式为:M13=D/C*100%
其中,M13是电能计量装置运行安装环境标准化率;D是一个批次内抽查的电能计量装置按照电能计量装置安装规程进行标准化安装总数;C是一个批次内电能计量装置总数。
所述家族缺陷为产品本身的设计缺陷,其获取方式为:
其中,θ是以一年为评估周期,对电子式互感器供应商的产品情况进行综合打分,以100分为基准,上一年度发生产品缺陷一次扣除10分,可从计量生产调度***读取。
所述典型配置方式比例的计算方式为:M21=F/C*100%
其中,M21是电能计量装置典型配置方式率;F是一个批次配置有三种以上通信方式的电能计量装置总数;C是一个批次电能计量装置的总数。
所述型号匹配度的计算方式为:M22=X/C*100%
其中,M22是型号匹配度;X是一个批次同一型号数量最大的电能计量装置总数;C是一个批次电能计量装置总数。
所述封闭性能比例的计算公式为:M23=Y/C*100%
其中,M23是封闭性能比例;Y是一个批次具有封闭性能的电能计量装置总数;C是一个批次电能计量装置总数。
所述运行温度、运行湿度、运行磁场强度根据一个批次电能计量装置现场检测结果获得,例如可以是取同一时间多个电能计量装置处测量的均值;
所述运行负荷率的计算公式为:M23=V/C*100%
其中,M23是运行负荷率;V是一个批次电能计量装置每月具有正常数据的总数;C是一个批次电能计量装置总数;
所述每一批电能计量装置的综合评估得分,通过如上所述的各个评估指标及对应的预设权重加权计算获得。
进一步的,所述分布式存储方式包括HDFS分布式数据存储,将所述多个历史综合评估得分的数据文件按预设规则进行分块处理获得多个数据分块,根据MapReduce将所述多个数据分块存储在分布式的大数据仓库中;所述历史综合评估得分的数据文件包括该批次电能计量装置的批次号、装置信息以及评估时间。
步骤120,在所述大数据仓库中提取多个综合评估得分数据,并对所述多个综合评估得分数据按预设规则进行聚类分析;
所述按预设规则进行聚类分析,具体包括:
步骤121,将所述提取的多个综合评估得分数据根据预设规则选择k个综合评估得分数据作为聚类中心;
所述预设的规则,可以为随机抽取;也可以将所述多个综合评估得分进行排序,在预设的排序位置上选择作为聚类中心的综合评估得分值;
所述选择聚类中心的个数,根据轮换策略中对电能计量装置的分级数量确定;若所述轮换策略中,将电能计量装置设置为优(无需轮换)、良(无需轮换,但需关注)、中(需轮换)、差(需立即轮换)四个等级,则所述k个聚类中心的数量k取4;
步骤122,计算每个综合评估得分数据与所述k个聚类中心的欧式距离,并将该综合评估得分数据划到与其欧式距离最近的聚类中心的聚类中,获得k个聚类;
进一步的,可使用其他相似度度量方法计算每个综合评估得分数据与所述k个聚类中心的相似度度量,所述其他相似度度量方法可以包括:曼哈顿距离、闵可夫斯基距离等;
步骤123,计算k个聚类中每个聚类的均值,替换原有聚类中心作为该聚类新的聚类中心;
当完成第一次的聚类后,形成k个聚类,每个聚类中包含若干个综合评估得分,但因获得聚类的方式,原有的聚类中心不一定是对应聚类中最佳的代表;通过对每一个聚类计算均值,选择与均值最接近的点作为新的聚类中心;
步骤124,重复步骤122及步骤123,当获得的新的聚类中心与上一聚类中心一致收敛时,将此时的聚类结果作为最终的聚类分析结果。
所述重复步骤122及步骤123,是指将聚类打散,保留新的聚类中心重新计算所有点(综合评估得分)到新的聚类中心的欧式距离,并选取欧式距离最小对应的聚类作为该综合评估得分新的聚类;
再重新计算新生成的k个聚类中每一个聚类的均值,判断现有的聚类中心是否为最接近其均值的点,若是,则当获得的新的聚类中心与上一聚类中心一致收敛时,将此时的聚类结果作为最终的聚类分析结果。若不是,继续生成新的聚类中心,进行下一轮计算。
步骤130,根据所述聚类分析结果生成智能轮换策略;
进一步的,将所述聚类分析结果中的多个聚类中心对应的综合评估得分进行降序排序,根据预设需求将对应综合评估得分较高的多组聚类设置为无需轮换聚类,将对应综合评估得分较低的多组聚类设置为需轮换聚类;在所述需轮换聚类中,按照综合评估得分降序排序确定需轮换的重要程度。
步骤140,计算获得待确认批次的电能计量装置的综合评估得分,根据所述综合评估得分以及所述智能轮换策略获得待确认批次电能计量装置的轮换指令。
如上所述,所述轮换策略可以为将电能计量装置设置为优(无需轮换)、良(无需轮换,但需关注)、中(需轮换)、差(需立即轮换)四个等级;
甚至可以将中及差等级按重要程度分为更多的等级;当待确认批次的综合评估得分落入其中一个等级内,则以该等级的轮换指令作为该批次电能计量装置的轮换指令。
进一步的,将每个综合评估得分对应在智能轮换策略中的轮换指令在大数据仓库中与其对应的批次号进行关联存储。
图2为本发明具体实施方式的一种基于大数据聚类分析的电能计量装置智能轮换***的结构图。如图2所示,所示***包括:
大数据仓库单元,所述大数据仓库单元用于获取多批次的电能计量装置的多个历史综合评估得分,并对所述多个历史综合评估得分进行分布式存储,生成大数据仓库;
进一步的,所述电能计量装置的历史综合评估得分根据所述电能计量装置的多个综合评估指标以及预设的对应权重计算获得;所述多个综合评估指标包括设备合格率、入网检测成功率、运行安装环境标准化率、家族缺陷、典型配置方式比例、型号匹配度、封闭性能比例、运行温度、运行湿度、运行负荷率以及运行磁场强度;
所述大数据仓库单元进行分布式存储的历史综合评估得分包括同一时间获得的多批次电能计量装置综合评估得分以及同一批次电能计量装置在多个时间点的综合评估得分。
进一步的,所述大数据仓库单元进行分布式存储的方式包括HDFS分布式数据存储,将所述多个历史综合评估得分的数据文件按预设规则进行分块处理获得多个数据分块,根据MapReduce将所述多个数据分块存储在分布式的大数据仓库中;所述历史综合评估得分的数据文件包括该批次电能计量装置的批次号、装置信息以及评估时间。
聚类分析单元,所述聚类分析单元用于在所述大数据仓库中提取多个综合评估得分数据,并对所述多个综合评估得分数据按预设规则进行聚类分析;
进一步的,所述聚类分析单元用于将所述提取的多个综合评估得分数据根据预设规则选择k个综合评估得分数据作为聚类中心;
所述聚类分析单元计算每个综合评估得分数据与所述k个聚类中心的欧式距离,并将该综合评估得分数据划到与其欧式距离最近的聚类中心的聚类中,获得k个聚类;计算k个聚类中每个聚类的均值,替换原有聚类中心作为该聚类新的聚类中心;
当获得的新的聚类中心与上一聚类中心一致收敛时,所述聚类分析单元将此时的聚类结果作为最终的聚类分析结果。
轮换策略生成单元,所述轮换策略生成单元用于根据所述聚类分析结果生成智能轮换策略;
进一步的,所述轮换策略生成单元用于将所述聚类分析结果中的多个聚类中心对应的综合评估得分进行降序排序,根据预设需求将对应综合评估得分较高的多组聚类设置为无需轮换聚类,将对应综合评估得分较低的多组聚类设置为需轮换聚类;在所述需轮换聚类中,按照综合评估得分降序排序确定需轮换的重要程度。
指令确认单元,所述指令确认单元用于计算获得待确认批次的电能计量装置的综合评估得分,根据所述综合评估得分以及所述智能轮换策略获得待确认批次电能计量装置的轮换指令。
进一步的,所述大数据仓库单元用于将每个综合评估得分对应在智能轮换策略中的轮换指令在大数据仓库中与其对应的批次号进行关联存储。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。本说明书中涉及到的步骤编号仅用于区别各步骤,而并不用于限制各步骤之间的时间或逻辑的关系,除非文中有明确的限定,否则各个步骤之间的关系包括各种可能的情况。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如,在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者***程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干***的单元权利要求中,这些***中的若干个可以是通过同一个硬件项来具体体现。
以上所述仅是本公开的具体实施方式,应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开精神的前提下,可以作出若干改进、修改、和变形,这些改进、修改、和变形都应视为落在本申请的保护范围内。
Claims (12)
1.一种基于大数据聚类分析的电能计量装置智能轮换方法,所述方法包括:
获取多批次的电能计量装置的多个历史综合评估得分,并对所述多个历史综合评估得分进行分布式存储,生成大数据仓库;
在所述大数据仓库中提取多个综合评估得分数据,并对所述多个综合评估得分数据按预设规则进行聚类分析;
根据所述聚类分析结果生成智能轮换策略;
计算获得待确认批次的电能计量装置的综合评估得分,根据所述综合评估得分以及所述智能轮换策略获得待确认批次电能计量装置的轮换指令。
2.根据权利要求1所述的方法,其特征在于:
所述电能计量装置的历史综合评估得分根据所述电能计量装置的多个综合评估指标以及预设的对应权重计算获得;所述多个综合评估指标包括设备合格率、入网检测成功率、运行安装环境标准化率、家族缺陷、典型配置方式比例、型号匹配度、封闭性能比例、运行温度、运行湿度、运行负荷率以及运行磁场强度;
所述进行分布式存储的历史综合评估得分包括同一时间获得的多批次电能计量装置综合评估得分以及同一批次电能计量装置在多个时间点的综合评估得分。
3.根据权利要求1所述的方法,其特征在于:所述分布式存储方式包括HDFS分布式数据存储,将所述多个历史综合评估得分的数据文件按预设规则进行分块处理获得多个数据分块,根据MapReduce将所述多个数据分块存储在分布式的大数据仓库中;所述历史综合评估得分的数据文件包括该批次电能计量装置的批次号、装置信息以及评估时间。
4.根据权利要求1所述的方法,其特征在于,所述按预设规则进行聚类分析,包括:
步骤1,将所述提取的多个综合评估得分数据根据预设规则选择k个综合评估得分数据作为聚类中心;
步骤2,计算每个综合评估得分数据与所述k个聚类中心的欧式距离,并将该综合评估得分数据划到与其欧式距离最近的聚类中心的聚类中,获得k个聚类;
步骤3,计算k个聚类中每个聚类的均值,替换原有聚类中心作为该聚类新的聚类中心;
步骤4,重复步骤2及步骤3,当获得的新的聚类中心与上一聚类中心一致收敛时,将此时的聚类结果作为最终的聚类分析结果。
5.根据权利要求1所述的方法,其特征在于:将所述聚类分析结果中的多个聚类中心对应的综合评估得分进行降序排序,根据预设需求将对应综合评估得分较高的多组聚类设置为无需轮换聚类,将对应综合评估得分较低的多组聚类设置为需轮换聚类;在所述需轮换聚类中,按照综合评估得分降序排序确定需轮换的重要程度。
6.根据权利要求3所述的方法,其特征在于:将每个综合评估得分对应在智能轮换策略中的轮换指令在大数据仓库中与其对应的批次号进行关联存储。
7.一种基于大数据聚类分析的电能计量装置智能轮换***,所述***包括:
大数据仓库单元,所述大数据仓库单元用于获取多批次的电能计量装置的多个历史综合评估得分,并对所述多个历史综合评估得分进行分布式存储,生成大数据仓库;
聚类分析单元,所述聚类分析单元用于在所述大数据仓库中提取多个综合评估得分数据,并对所述多个综合评估得分数据按预设规则进行聚类分析;
轮换策略生成单元,所述轮换策略生成单元用于根据所述聚类分析结果生成智能轮换策略;
指令确认单元,所述指令确认单元用于计算获得待确认批次的电能计量装置的综合评估得分,根据所述综合评估得分以及所述智能轮换策略获得待确认批次电能计量装置的轮换指令。
8.根据权利要求7所述的***,其特征在于:所述电能计量装置的历史综合评估得分根据所述电能计量装置的多个综合评估指标以及预设的对应权重计算获得;所述多个综合评估指标包括设备合格率、入网检测成功率、运行安装环境标准化率、家族缺陷、典型配置方式比例、型号匹配度、封闭性能比例、运行温度、运行湿度、运行负荷率以及运行磁场强度;
所述大数据仓库单元进行分布式存储的历史综合评估得分包括同一时间获得的多批次电能计量装置综合评估得分以及同一批次电能计量装置在多个时间点的综合评估得分。
9.根据权利要求7所述的***,其特征在于:所述大数据仓库单元进行分布式存储的方式包括HDFS分布式数据存储,将所述多个历史综合评估得分的数据文件按预设规则进行分块处理获得多个数据分块,根据MapReduce将所述多个数据分块存储在分布式的大数据仓库中;所述历史综合评估得分的数据文件包括该批次电能计量装置的批次号、装置信息以及评估时间。
10.根据权利要求7所述的***,其特征在于:所述聚类分析单元用于将所述提取的多个综合评估得分数据根据预设规则选择k个综合评估得分数据作为聚类中心;
所述聚类分析单元计算每个综合评估得分数据与所述k个聚类中心的欧式距离,并将该综合评估得分数据划到与其欧式距离最近的聚类中心的聚类中,获得k个聚类;计算k个聚类中每个聚类的均值,替换原有聚类中心作为该聚类新的聚类中心;
当获得的新的聚类中心与上一聚类中心一致收敛时,所述聚类分析单元将此时的聚类结果作为最终的聚类分析结果。
11.根据权利要求7所述的***,其特征在于:所述轮换策略生成单元用于将所述聚类分析结果中的多个聚类中心对应的综合评估得分进行降序排序,根据预设需求将对应综合评估得分较高的多组聚类设置为无需轮换聚类,将对应综合评估得分较低的多组聚类设置为需轮换聚类;在所述需轮换聚类中,按照综合评估得分降序排序确定需轮换的重要程度。
12.根据权利要求9所述的***,其特征在于:所述大数据仓库单元用于将每个综合评估得分对应在智能轮换策略中的轮换指令在大数据仓库中与其对应的批次号进行关联存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811268171.7A CN109583697A (zh) | 2018-10-29 | 2018-10-29 | 一种基于大数据聚类分析的电能计量装置智能轮换方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811268171.7A CN109583697A (zh) | 2018-10-29 | 2018-10-29 | 一种基于大数据聚类分析的电能计量装置智能轮换方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109583697A true CN109583697A (zh) | 2019-04-05 |
Family
ID=65921074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811268171.7A Pending CN109583697A (zh) | 2018-10-29 | 2018-10-29 | 一种基于大数据聚类分析的电能计量装置智能轮换方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583697A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100117856A1 (en) * | 2008-11-11 | 2010-05-13 | Itron, Inc. | System and method of high volume import, validation and estimation of meter data |
CN103630869A (zh) * | 2013-11-29 | 2014-03-12 | 国网安徽省电力公司 | 基于聚类算法对异常事件分析评价电能表整体状态的方法 |
CN105022019A (zh) * | 2015-06-23 | 2015-11-04 | 国家电网公司 | 单相智能电能表可靠性综合评价的方法 |
US20160034529A1 (en) * | 2014-07-29 | 2016-02-04 | Metanautix, Inc. | Systems and methods for a distributed query execution engine |
CN205643673U (zh) * | 2015-12-08 | 2016-10-12 | 广州供电局有限公司 | 基于计量器具质量跟踪评价***的计量装置报废告警装置 |
CN106842101A (zh) * | 2015-12-03 | 2017-06-13 | 中国电力科学研究院 | 一种电能表运行状态的评价方法 |
CN107292415A (zh) * | 2017-05-02 | 2017-10-24 | 国网浙江省电力公司 | 一种智能表轮换时间的预测方法 |
-
2018
- 2018-10-29 CN CN201811268171.7A patent/CN109583697A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100117856A1 (en) * | 2008-11-11 | 2010-05-13 | Itron, Inc. | System and method of high volume import, validation and estimation of meter data |
CN103630869A (zh) * | 2013-11-29 | 2014-03-12 | 国网安徽省电力公司 | 基于聚类算法对异常事件分析评价电能表整体状态的方法 |
US20160034529A1 (en) * | 2014-07-29 | 2016-02-04 | Metanautix, Inc. | Systems and methods for a distributed query execution engine |
CN105022019A (zh) * | 2015-06-23 | 2015-11-04 | 国家电网公司 | 单相智能电能表可靠性综合评价的方法 |
CN106842101A (zh) * | 2015-12-03 | 2017-06-13 | 中国电力科学研究院 | 一种电能表运行状态的评价方法 |
CN205643673U (zh) * | 2015-12-08 | 2016-10-12 | 广州供电局有限公司 | 基于计量器具质量跟踪评价***的计量装置报废告警装置 |
CN107292415A (zh) * | 2017-05-02 | 2017-10-24 | 国网浙江省电力公司 | 一种智能表轮换时间的预测方法 |
Non-Patent Citations (1)
Title |
---|
常青 等: "基于大数据技术的智能电表运行状态分析***研究", 《自动化与仪器仪表》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104732276B (zh) | 一种计量生产设施故障在线诊断方法 | |
CN102725611B (zh) | 对公用监控***的分级结构的鲁棒的自动确定的方法 | |
CN111103565B (zh) | 一种基于智能电能表计量误差分析的数据变换方法及*** | |
CN111614491B (zh) | 一种面向电力监控***安全态势评估指标选取方法及*** | |
CN107450524A (zh) | 预测工业设备故障的方法、装置及计算机可读存储介质 | |
CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
CN109670676A (zh) | 基于支持向量数据描述的配网台区风险预警方法及*** | |
CN109285087A (zh) | 一种基于NB-IoT和GPU加速的台区拓扑识别方法 | |
CN106772205A (zh) | 一种电力计量自动化***终端设备异常监测方法及装置 | |
CN109359796A (zh) | 一种基于多评估指标的电能表生产厂商评价方法 | |
CN109389280B (zh) | 基于多属性决策模型的电能表生产厂商评价方法 | |
CN109298225B (zh) | 一种电压量测数据异常状态自动识别模型***及方法 | |
CN110309884A (zh) | 基于泛在电力物联网体系的用电数据异常识别*** | |
CN107679089A (zh) | 一种用于电力传感数据的清洗方法、装置和*** | |
CN108898285A (zh) | 一种基于信息熵的啤酒包装生产线运行效率定量评估方法 | |
CN106569030A (zh) | 一种电能计量异常诊断中的告警阈值寻优方法及装置 | |
CN114065605A (zh) | 一种智能电能表运行状态检测评估***和方法 | |
CN109358306A (zh) | 一种基于gm(1,1)的智能电能表健康度趋势预测方法 | |
CN113111955A (zh) | 一种线损异常数据专家***及检测方法 | |
CN111861234A (zh) | 电能表供应商综合服务能力评价方法 | |
CN105404269B (zh) | 一种智能变电站三遥信号验收*** | |
Jiao et al. | Data-driven evaluation for error states of standard electricity meters on automatic verification assembly line | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及*** | |
CN115616470A (zh) | 电流互感器计量误差状态预测方法、***、设备及介质 | |
CN115660262A (zh) | 一种基于数据库应用的工程智慧质检方法、***及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |
|
RJ01 | Rejection of invention patent application after publication |