CN115798184A - 一种基于多模块协调的多表联合自检方法及*** - Google Patents
一种基于多模块协调的多表联合自检方法及*** Download PDFInfo
- Publication number
- CN115798184A CN115798184A CN202211437692.7A CN202211437692A CN115798184A CN 115798184 A CN115798184 A CN 115798184A CN 202211437692 A CN202211437692 A CN 202211437692A CN 115798184 A CN115798184 A CN 115798184A
- Authority
- CN
- China
- Prior art keywords
- meter
- data
- acquisition information
- data acquisition
- self
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 122
- 238000006243 chemical reaction Methods 0.000 claims abstract description 97
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 95
- 239000004973 liquid crystal related substance Substances 0.000 claims abstract description 24
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000007689 inspection Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 230000002688 persistence Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000000295 complement effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 206010063385 Intellectualisation Diseases 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多模块协调的多表联合自检方法及***,涉及数据处理技术领域,所述方法包括:通过数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;通过接口转换模块对热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换;根据电表数据采集信息、热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;将多表数据采集信息输入多表联合自检模型中进行分析,输出多表联合自检结果;基于液晶显示模块对多表联合自检结果进行显示管理。达到提高多表联合自检智能化和可视化自检,进而保证多表联合自检结果准确性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于多模块协调的多表联合自检方法及***。
背景技术
随着电力行业的逐渐发展,电力供电***中运用的设备也向着更为现代化的方向发展,电表、水表等是常用的计量设备,以实现对消耗能量的计量、信息存储、实时监测、自动控制等。为保证各表设备的准确计量运行,实现准确自检有着重要的现实意义。
然而,现有技术各表设备自检智能化程度不高,导致自检结果不够准确的技术问题。
发明内容
本申请通过提供一种基于多模块协调的多表联合自检方法及***,解决了现有技术各表设备自检智能化程度不高,导致自检结果不够准确的技术问题,达到通过多模块协调对多表进行联合自检,减少投资成本,提高多表联合自检智能化和可视化自检,进而保证多表联合自检结果准确性的技术效果。
鉴于上述问题,本发明提供了一种基于多模块协调的多表联合自检方法及***。
第一方面,本申请提供了一种基于多模块协调的多表联合自检方法,所述方法包括:获得专变采集终端,所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块;通过所述数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息;根据所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;通过所述CPU模块调用获得多表联合自检模型;将所述多表数据采集信息输入所述多表联合自检模型中进行分析,输出多表联合自检结果;基于所述液晶显示模块对所述多表联合自检结果进行显示管理。
另一方面,本申请还提供了一种基于多模块协调的多表联合自检***,所述***包括:专变采集终端获得模块,用于获得专变采集终端,所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块;数据采样模块,用于通过所述数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;接口转换模块,用于通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息;多表数据信息获得模块,用于根据所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;模型调用模块,用于通过所述CPU模块调用获得多表联合自检模型;模型分析输出模块,用于将所述多表数据采集信息输入所述多表联合自检模型中进行分析,输出多表联合自检结果;显示管理模块,用于基于所述液晶显示模块对所述多表联合自检结果进行显示管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息,再通过接口转换模块对热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息,根据电表数据采集信息、热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;通过CPU模块调用多表联合自检模型,将所述多表数据采集信息输入多表联合自检模型中进行分析,输出多表联合自检结果,基于所述液晶显示模块对所述多表联合自检结果进行显示管理的技术方案。进而达到了通过多模块协调对多表进行联合自检,减少投资成本,提高多表联合自检智能化和可视化自检,进而保证多表联合自检结果准确性的技术效果。
附图说明
图1为本申请一种基于多模块协调的多表联合自检方法的流程示意图;
图2为本申请一种基于多模块协调的多表联合自检方法中获得多表联合自检模型的流程示意图;
图3为本申请一种基于多模块协调的多表联合自检方法中获得表运行特征的流程示意图;
图4为本申请一种基于多模块协调的多表联合自检***的结构示意图;
附图标记说明:专变采集终端获得模块11,数据采样模块12,接口转换模块13,多表数据信息获得模块14,模型调用模块15,模型分析输出模块16,显示管理模块17。
具体实施方式
本申请通过提供了一种基于多模块协调的多表联合自检方法***,解决了现有技术各表设备自检智能化程度不高,导致自检结果不够准确的技术问题,达到了通过多模块协调对多表进行联合自检,减少投资成本,提高多表联合自检智能化和可视化自检,进而保证多表联合自检结果准确性的技术效果。
实施例一
如图1所示,本申请提供了一种基于多模块协调的多表联合自检方法,所述方法应用于多表联合自检***,所述方法包括:
步骤S100:获得专变采集终端,所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块;
具体而言,随着电力行业的逐渐发展,电力供电***中运用的设备也向着更为现代化的方向发展,电表、水表等是常用的计量设备,以实现对消耗能量的计量、信息存储、实时监测、自动控制等。为保证各表设备的准确计量运行,实现准确自检有着重要的现实意义。
专变采集终端是适应电力需求侧管理现代化的要求,结合在电力行业多年的设计开发和现场运行经验,基于嵌入式软硬件开发平台而专门设计的客户用电管理终端。采用了微电子技术、计算机芯片技术、现代通信技术等当今最先进的技术,支持GPRS/GSM/CDMA等公用无线通信网络技术,通过与电力负荷管理主站***配合使用,可实现自动抄表、对电力用户的负荷监测与控制、预付费管理、电能质量管理、防窃电、异常告警等功能,广泛地适用于用电现场服务与电力负荷管理***,是电力营销自动化***中具有较高实用价值的终端产品。所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块等,各模块直接相互协调运行。
步骤S200:通过所述数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;
具体而言,通过所述数据采样模块对电表、热表、水表以及燃气表的实时消耗数据进行采集,分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息,包括总电量、峰电量、谷电量、总功率、水流累计流量、累计热量、热功率、热流量、燃气累计量等信息。
步骤S300:通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息;
步骤S400:根据所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;
具体而言,通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,实现多表数据合一,获得相应的热表转换数据信息、水表转化数据信息、燃气表转换数据信息。将所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息进行汇总获得多表数据采集信息,进行数据合一采集,减少投资成本,达到多表集采集抄。
步骤S500:通过所述CPU模块调用获得多表联合自检模型;
如图2所示,进一步而言,所述获得多表联合自检模型,本申请步骤S500还包括:
步骤S510:获得历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息;
步骤S520:对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行特征分析,获得电表运行特征、热表运行特征、水表运行特征、燃气表运行特征;
步骤S530:根据所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征分别进行自检模型训练,获得电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型;
步骤S540:对所述电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型进行模型参数提取,获得电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数;
步骤S550:基于所述电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数,构建所述多表联合自检模型。
如图3所示,进一步而言,所述获得电表运行特征、热表运行特征、水表运行特征、燃气表运行特征,本申请步骤S520还包括:
步骤S521:对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行无监督学习分类,生成连续性表数据集合;
步骤S522:根据所述连续性表数据集合,构建表数据变化曲线集合;
步骤S523:对所述表数据变化曲线进行曲率分析,获得表数据曲率变化结果集合;
步骤S524:将所述表数据曲率变化结果集合输入表数据特征评估模型中,分别获得所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征。
进一步而言,所述生成连续性表数据集合,本申请步骤S521还包括:
步骤S5211:对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行遍历访问处理,生成均匀性表数据集合;
步骤S5212:将所述均匀性表数据集合中的数据定义为P个聚类;
步骤S5213:对所述P个聚类中的各自数据点的两两距离进行平均值计算,获得平均距离数据集合;
步骤S5214:根据所述平均距离数据集合,获得类表数据集合,所述类表数据集合包括距离平均值最小的分类集;
步骤S5215:根据所述类表数据集合,对所述平均距离数据集进行逐层递归聚类,直至生成所述均匀性表数据集合的表数据聚类树;
步骤S5216:基于所述表数据聚类树进行学习分类,生成所述连续性表数据集合。
具体而言,所述CPU模块为专变采集终端的核心,控制各模块进行协调工作,通过所述CPU模块调用获得多表联合自检模型,所述多表联合自检模型为神经网络模型,用于对各表进行数据联合自检。模型训练构建过程具体为首先通过大数据或***历史模块采集获取历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息。再对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行特征分析,分析过程为对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行无监督学习分类,无监督学习是根据类别未知的训练样本、即没有数据标注,仅有数据本身,解决模式识别中的问题。
通过无监督学***均值计算,可以得到P个聚类中的各数据点之间的平均距离,即为平均距离数据集合,其中,所述平均距离数据集合中共有P个平均值数据,分别与所述P个聚类一一对应。
进一步根据所述平均距离数据集合,获得P个聚类平均表数据信息,即类表数据集合,所述类表数据集合中包括有距离平均值最小的聚类集。所述类表数据集合包括距离平均值最小的分类集。根据所述类表数据集合,对所述平均距离数据集进行逐层递归聚类,直至生成所述均匀性表数据集合的表数据聚类树,所述逐层递归聚类是指按照平均距离数据的大小,按照从大到小或从小到大的顺序,将平均距离数据最大或最小的数据合并为一个大的类。最后基于所述表数据聚类树对各表数据进行学习分类,生成表数据连续时的连续性表数据集合。所述连续性表数据集合中的连续性数据表明了所监测的表数据信息趋势,通过无监督学习,实现对表数据信息的分类,达到智能化计算对表数据学习分类更准确的技术效果。
根据所述连续性表数据集合,构建表数据变化曲线集合,所述表数据变化曲线集合是对各表数据实时监测所获得的连续数据变化曲线。对所述表数据变化曲线进行曲率分析,获得相应的各表数据曲率变化结果集合,曲率分析表明曲线在某一点的弯曲程度的数值,曲率越大,表示曲线的弯曲程度越大。将所述表数据曲率变化结果集合输入表数据特征评估模型中,所述表数据特征评估模型用于对表数据曲率变化进行运行特征分析,可通过历史数据训练获得,以此分别输出获得相应的所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征,所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征是各表运行的工作特征。
根据所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征分别进行自检模型训练,通过历史数据进行神经网络模型训练,当所述神经网络模型的输出信息达到预定的准确率,或达到收敛状态时,则监督学习过程结束,获得相应特征数据对应的电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型,用于对电表、热表、水表、燃气表工作状态进行自检分析。对所述电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型进行模型参数提取,获得电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数,包括模型权重、特征参数、识别参数等。
基于所述电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数,构建各模型参数进行联合训练获得的所述多表联合自检模型,所述多表联合自检模型用于对各表进行数据联合自检,自检各表运行状态及故障类型。通过各表模型参数进行联合训练构建自检模型,模型训练输出准确性更加准确,提高多表联合自检智能化和自检高效性。
步骤S600:将所述多表数据采集信息输入所述多表联合自检模型中进行分析,输出多表联合自检结果;
进一步而言,所述输出多表联合自检结果,本申请步骤S600还包括:
步骤S610:所述多表联合自检模型包括输入层、特征分析层、自检分析层和输出层;
步骤S620:将所述多表数据采集信息作为输入层,输入至所述特征分析层中,获得表数据运行特征;
步骤S630:将所述表数据运行特征输入所述自检分析层中,获得多表联合自检结果;
步骤S640:通过所述输出层将所述多表联合自检结果,作为模型输出结果进行输出。
具体而言,将所述多表数据采集信息输入所述多表联合自检模型中进行分析,所述多表联合自检模型包括输入层、特征分析层、自检分析层和输出层。首先将所述多表数据采集信息作为输入层,输入至所述特征分析层中,所述特征分析层用于对各表运行特征进行分析,分析过程如上述表数据特征分析,以此获得表数据运行特征,例如运行平稳、运行故障等特征。再将所述表数据运行特征输入所述自检分析层中,所述自检分析层可通过历史数据训练获得,用于对运行特征进行故障识别分析,输出获得多表联合自检结果,所述多表联合自检结果包括自检安全运行结果以及自检故障类型等。并通过所述输出层将所述多表联合自检结果,作为模型输出结果进行输出,通过构建模型多逻辑层对自检结果进行输出,提高多表联合自检结果准确性。
步骤S700:基于所述液晶显示模块对所述多表联合自检结果进行显示管理。
进一步而言,所述基于所述液晶显示模块对所述多表联合自检结果进行显示管理,本申请步骤S700还包括:
步骤S710:根据所述多表联合自检结果,获得表故障类型;
步骤S720:对所述多表联合自检结果进行故障等级评估,获得表故障等级系数;
步骤S730:基于所述表故障类型和所述表故障等级系数,制定表故障解决方案;
步骤S740:通过所述液晶显示模块对所述表故障类型、所述表故障等级系数和所述表故障解决方案进行显示管控。
具体而言,基于所述液晶显示模块对所述多表联合自检结果进行显示管理,具体为根据所述多表联合自检结果,确定表故障类型,包括表计量故障、表运行故障等类型。对所述多表联合自检结果的各故障类型进行故障等级评估,确定其对应的表故障等级系数,系数越大,故障等级越大。基于所述表故障类型和所述表故障等级系数,制定表故障解决方案,所述表故障解决方案为各表故障类型的解决方案,例如对电表进行校准、清零等措施。通过所述液晶显示模块对所述表故障类型、所述表故障等级系数和所述表故障解决方案进行显示管控,通过多模块协调对多表进行联合自检,减少投资成本,提高多表联合自检智能化和可视化自检。
进一步而言,本申请步骤S524还包括:
步骤S5241:根据所述连续性表数据集合的补集,获得离散性表数据集合;
步骤S5242:获得所述离散性表数据集合中超过预定时间阈值的离散持续性表数据集合;
步骤S5243:对所述离散持续性表数据集合中的数值进行方差计算,将方差计算结果作为表数据偏差度;
步骤S5244:如果所述表数据偏差度超过预设偏差度,对表数据进行自检预警。
具体而言,根据所述连续性表数据集合的补集,即所述连续性表数据集的合剩余数据补集,确定离散性表数据集合,所述离散性表数据集合中的离散数据为受多种因素影响导致的离散结果,如表设备信号干扰因素、外界压力因素、环境温度因素等,因此离散数据不能作为表数据实际值,需排除后再对其他监测数据进行分析。所述离散持续性表数据集合是所述离散性表数据集合中超过预定时间阈值的数据,所述预定时间阈值为预设的离散表数据持续时间范围,表明需要对该数据离散结果进行分析。
对所述离散持续性表数据集合中的数值进行方差计算,并将方差计算结果作为表数据偏差度,方差表明表数据的离散程度,方差越大说明监测数据的离散程度越高,表明该表数据的运行情况越差。如果所述表数据偏差度超过预设偏差度,表明环境等外界因素造成表工作质量未达到标准,造成计量故障,需要对表数据进行自检预警。通过考虑表工作环境、表设备自身等因素对表计量工作的影响,提高自检结果的准确性,及时对表故障进行预警,进而保证表工作计量准确性的技术效果。
综上所述,本申请所提供的一种基于多模块协调的多表联合自检方法及***具有如下技术效果:
由于采用了通过数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息,再通过接口转换模块对热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息,根据电表数据采集信息、热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;通过CPU模块调用多表联合自检模型,将所述多表数据采集信息输入多表联合自检模型中进行分析,输出多表联合自检结果,基于所述液晶显示模块对所述多表联合自检结果进行显示管理的技术方案。进而达到了通过多模块协调对多表进行联合自检,减少投资成本,提高多表联合自检智能化和可视化自检,进而保证多表联合自检结果准确性的技术效果。
实施例二
基于与前述实施例中一种基于多模块协调的多表联合自检方法同样发明构思,本发明还提供了一种基于多模块协调的多表联合自检***,如图4所示,所述***包括:
专变采集终端获得模块11,用于获得专变采集终端,所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块;
数据采样模块12,用于通过所述数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;
接口转换模块13,用于通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息;
多表数据信息获得模块14,用于根据所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;
模型调用模块15,用于通过所述CPU模块调用获得多表联合自检模型;
模型分析输出模块16,用于将所述多表数据采集信息输入所述多表联合自检模型中进行分析,输出多表联合自检结果;
显示管理模块17,用于基于所述液晶显示模块对所述多表联合自检结果进行显示管理。
进一步的,所述模型调用模块还包括:
历史数据信息获得单元,用于获得历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息;
特征分析单元,用于对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行特征分析,获得电表运行特征、热表运行特征、水表运行特征、燃气表运行特征;
模型训练单元,用于根据所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征分别进行自检模型训练,获得电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型;
模型参数提取单元,用于对所述电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型进行模型参数提取,获得电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数;
多表联合自检模型构建单元,用于基于所述电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数,构建所述多表联合自检模型。
进一步的,所述特征分析单元还包括:
无监督学习分类单元,用于对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行无监督学习分类,生成连续性表数据集合;
变化曲线集合构建单元,用于根据所述连续性表数据集合,构建表数据变化曲线集合;
曲率分析单元,用于对所述表数据变化曲线进行曲率分析,获得表数据曲率变化结果集合;
运行特征获得单元,用于将所述表数据曲率变化结果集合输入表数据特征评估模型中,分别获得所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征。
进一步的,所述无监督学习分类单元还包括:
遍历访问处理单元,用于对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行遍历访问处理,生成均匀性表数据集合;
数据定义单元,用于将所述均匀性表数据集合中的数据定义为P个聚类;
距离平均值计算单元,用于对所述P个聚类中的各自数据点的两两距离进行平均值计算,获得平均距离数据集合;
类表数据集合获得单元,用于根据所述平均距离数据集合,获得类表数据集合,所述类表数据集合包括距离平均值最小的分类集;
递归聚类单元,用于根据所述类表数据集合,对所述平均距离数据集进行逐层递归聚类,直至生成所述均匀性表数据集合的表数据聚类树;
聚类树分类单元,用于基于所述表数据聚类树进行学习分类,生成所述连续性表数据集合。
进一步的,所述***还包括:
离散性表数据集合获得单元,用于根据所述连续性表数据集合的补集,获得离散性表数据集合;
离散持续性表数据获得单元,用于获得所述离散性表数据集合中超过预定时间阈值的离散持续性表数据集合;
方差计算单元,用于对所述离散持续性表数据集合中的数值进行方差计算,将方差计算结果作为表数据偏差度;
自检预警单元,用于如果所述表数据偏差度超过预设偏差度,对表数据进行自检预警。
进一步的,所述模型分析输出模块还包括:
模型构成单元,用于所述多表联合自检模型包括输入层、特征分析层、自检分析层和输出层;
模型输入单元,用于将所述多表数据采集信息作为输入层,输入至所述特征分析层中,获得表数据运行特征;
自检分析单元,用于将所述表数据运行特征输入所述自检分析层中,获得多表联合自检结果;
模型输出单元,用于通过所述输出层将所述多表联合自检结果,作为模型输出结果进行输出。
进一步的,所述显示管理模块还包括:
故障类型获得单元,用于根据所述多表联合自检结果,获得表故障类型;
故障等级评估单元,用于对所述多表联合自检结果进行故障等级评估,获得表故障等级系数;
故障解决方案制定单元,用于基于所述表故障类型和所述表故障等级系数,制定表故障解决方案;
显示管控单元,用于通过所述液晶显示模块对所述表故障类型、所述表故障等级系数和所述表故障解决方案进行显示管控。
本申请提供了一种基于多模块协调的多表联合自检方法,所述方法包括:获得专变采集终端,所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块;通过所述数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息;根据所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;通过所述CPU模块调用获得多表联合自检模型;将所述多表数据采集信息输入所述多表联合自检模型中进行分析,输出多表联合自检结果;基于所述液晶显示模块对所述多表联合自检结果进行显示管理。解决了现有技术各表设备自检智能化程度不高,导致自检结果不够准确的技术问题。达到通过多模块协调对多表进行联合自检,减少投资成本,提高多表联合自检智能化和可视化自检,进而保证多表联合自检结果准确性的技术效果。
本说明书和附图仅仅是本申请的示例性说明,如果本发明的修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于多模块协调的多表联合自检方法,其特征在于,所述方法包括:
获得专变采集终端,所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块;
通过所述数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;
通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息;
根据所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;
通过所述CPU模块调用获得多表联合自检模型;
将所述多表数据采集信息输入所述多表联合自检模型中进行分析,输出多表联合自检结果;
基于所述液晶显示模块对所述多表联合自检结果进行显示管理。
2.如权利要求1所述的方法,其特征在于,所述获得多表联合自检模型,包括:
获得历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息;
对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行特征分析,获得电表运行特征、热表运行特征、水表运行特征、燃气表运行特征;
根据所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征分别进行自检模型训练,获得电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型;
对所述电表自检分析模型、热表自检分析模型、水表自检分析模型、燃气表自检分析模型进行模型参数提取,获得电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数;
基于所述电表分析模型参数、热表分析模型参数、水表分析模型参数、燃气表分析模型参数,构建所述多表联合自检模型。
3.如权利要求2所述的方法,其特征在于,所述获得电表运行特征、热表运行特征、水表运行特征、燃气表运行特征,包括:
对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行无监督学习分类,生成连续性表数据集合;
根据所述连续性表数据集合,构建表数据变化曲线集合;
对所述表数据变化曲线进行曲率分析,获得表数据曲率变化结果集合;
将所述表数据曲率变化结果集合输入表数据特征评估模型中,分别获得所述电表运行特征、热表运行特征、水表运行特征、燃气表运行特征。
4.如权利要求3所述的方法,其特征在于,所述生成连续性表数据集合,包括:
对所述历史电表数据采集信息、历史热表数据采集信息、历史水表数据采集信息、历史燃气表数据采集信息分别进行遍历访问处理,生成均匀性表数据集合;
将所述均匀性表数据集合中的数据定义为P个聚类;
对所述P个聚类中的各自数据点的两两距离进行平均值计算,获得平均距离数据集合;
根据所述平均距离数据集合,获得类表数据集合,所述类表数据集合包括距离平均值最小的分类集;
根据所述类表数据集合,对所述平均距离数据集进行逐层递归聚类,直至生成所述均匀性表数据集合的表数据聚类树;
基于所述表数据聚类树进行学习分类,生成所述连续性表数据集合。
5.如权利要求3所述的方法,其特征在于,所述根据方法包括:
根据所述连续性表数据集合的补集,获得离散性表数据集合;
获得所述离散性表数据集合中超过预定时间阈值的离散持续性表数据集合;
对所述离散持续性表数据集合中的数值进行方差计算,将方差计算结果作为表数据偏差度;
如果所述表数据偏差度超过预设偏差度,对表数据进行自检预警。
6.如权利要求1所述的方法,其特征在于,所述输出多表联合自检结果,包括:
所述多表联合自检模型包括输入层、特征分析层、自检分析层和输出层;
将所述多表数据采集信息作为输入层,输入至所述特征分析层中,获得表数据运行特征;
将所述表数据运行特征输入所述自检分析层中,获得多表联合自检结果;
通过所述输出层将所述多表联合自检结果,作为模型输出结果进行输出。
7.如权利要求1所述的方法,其特征在于,所述基于所述液晶显示模块对所述多表联合自检结果进行显示管理,包括:
根据所述多表联合自检结果,获得表故障类型;
对所述多表联合自检结果进行故障等级评估,获得表故障等级系数;
基于所述表故障类型和所述表故障等级系数,制定表故障解决方案;
通过所述液晶显示模块对所述表故障类型、所述表故障等级系数和所述表故障解决方案进行显示管控。
8.一种基于多模块协调的多表联合自检***,其特征在于,所述***包括:
专变采集终端获得模块,用于获得专变采集终端,所述专变采集终端包括CPU模块、数据采样模块、液晶显示模块、接口转换模块;
数据采样模块,用于通过所述数据采样模块分别获得电表数据采集信息、热表数据采集信息、水表数据采集信息、燃气表数据采集信息;
接口转换模块,用于通过所述接口转换模块对所述热表数据采集信息、水表数据采集信息、燃气表数据采集信息进行接口转换,获得热表转换数据信息、水表转化数据信息、燃气表转换数据信息;
多表数据信息获得模块,用于根据所述电表数据采集信息、所述热表转换数据信息、水表转化数据信息、燃气表转换数据信息,获得多表数据采集信息;
模型调用模块,用于通过所述CPU模块调用获得多表联合自检模型;
模型分析输出模块,用于将所述多表数据采集信息输入所述多表联合自检模型中进行分析,输出多表联合自检结果;
显示管理模块,用于基于所述液晶显示模块对所述多表联合自检结果进行显示管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211437692.7A CN115798184B (zh) | 2022-11-17 | 2022-11-17 | 一种基于多模块协调的多表联合自检方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211437692.7A CN115798184B (zh) | 2022-11-17 | 2022-11-17 | 一种基于多模块协调的多表联合自检方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115798184A true CN115798184A (zh) | 2023-03-14 |
CN115798184B CN115798184B (zh) | 2024-05-07 |
Family
ID=85438366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211437692.7A Active CN115798184B (zh) | 2022-11-17 | 2022-11-17 | 一种基于多模块协调的多表联合自检方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115798184B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248271A (zh) * | 2017-05-23 | 2017-10-13 | 国网湖南省电力公司 | 多表合一的多主站采集*** |
KR101896015B1 (ko) * | 2018-01-25 | 2018-09-06 | (주)베스트인포텍 | Ai형 원격 검침시스템 |
CN109617628A (zh) * | 2018-12-07 | 2019-04-12 | 国网山东省电力公司电力科学研究院 | 一种多表合一采集设备多功能检测装置及方法 |
CN208952991U (zh) * | 2018-08-14 | 2019-06-07 | 国网辽宁省电力有限公司辽阳供电公司 | 一种多表合一采集终端综合检测装置 |
CN114298863A (zh) * | 2022-03-11 | 2022-04-08 | 浙江万胜智能科技股份有限公司 | 一种智能抄表终端的数据采集方法及*** |
CN114331761A (zh) * | 2022-03-15 | 2022-04-12 | 浙江万胜智能科技股份有限公司 | 一种专变采集终端的设备参数分析调整方法及*** |
CN114418138A (zh) * | 2021-12-06 | 2022-04-29 | 南通联拓信息科技有限公司 | 一种多设备联合自检的智能电网运维方法及*** |
-
2022
- 2022-11-17 CN CN202211437692.7A patent/CN115798184B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107248271A (zh) * | 2017-05-23 | 2017-10-13 | 国网湖南省电力公司 | 多表合一的多主站采集*** |
KR101896015B1 (ko) * | 2018-01-25 | 2018-09-06 | (주)베스트인포텍 | Ai형 원격 검침시스템 |
CN208952991U (zh) * | 2018-08-14 | 2019-06-07 | 国网辽宁省电力有限公司辽阳供电公司 | 一种多表合一采集终端综合检测装置 |
CN109617628A (zh) * | 2018-12-07 | 2019-04-12 | 国网山东省电力公司电力科学研究院 | 一种多表合一采集设备多功能检测装置及方法 |
CN114418138A (zh) * | 2021-12-06 | 2022-04-29 | 南通联拓信息科技有限公司 | 一种多设备联合自检的智能电网运维方法及*** |
CN114298863A (zh) * | 2022-03-11 | 2022-04-08 | 浙江万胜智能科技股份有限公司 | 一种智能抄表终端的数据采集方法及*** |
CN114331761A (zh) * | 2022-03-15 | 2022-04-12 | 浙江万胜智能科技股份有限公司 | 一种专变采集终端的设备参数分析调整方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115798184B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106338706B (zh) | 一种电能计量装置整体误差检测的方法、装置和*** | |
CN104794206B (zh) | 一种变电站数据质量评价***及方法 | |
CN115170000B (zh) | 一种基于电能表通信模块的远程监测方法及*** | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
CN115166619B (zh) | 一种智能电能表运行误差监测*** | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断***及方法 | |
CN105320123B (zh) | 一种基于在线监测数据的测控设备健康状态评价***和方法 | |
CN113111596B (zh) | 基于电力大脑中枢的碳达峰实时可视化测算方法 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN107589391B (zh) | 一种检测电能计量装置整体误差的方法、装置和*** | |
CN110469561A (zh) | 一种液压***状态监测的装置、方法与*** | |
CN110739686A (zh) | 一种基于总表异常分析的台区线损治理方法及*** | |
CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
CN107247198A (zh) | 一种配电设备故障预测方法及装置 | |
CN111598165A (zh) | 一种基于极限学习机的密度聚类离群点检测方法 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及*** | |
CN115617784A (zh) | 一种信息化配电的数据处理***及其处理方法 | |
CN112287548A (zh) | 基于宽带网络的配电网实时监控方法及装置 | |
CN116956189A (zh) | 一种电流异常检测***、方法、电子设备及介质 | |
CN117390403A (zh) | 一种新能源灯塔发电站的电网故障检测方法及*** | |
CN114660528A (zh) | 配电台区电能表异常确定方法、装置和*** | |
CN114928168A (zh) | 一种海上平台无人化数据边缘计算装置 | |
CN116756505B (zh) | 一种基于大数据的光伏设备智能管理***及方法 | |
CN115798184B (zh) | 一种基于多模块协调的多表联合自检方法及*** | |
CN113222013A (zh) | 一种多***差异数据巡检方法、***和存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No. 109, Yongchang Road, Shifeng Street, Tiantai County, Taizhou City, Zhejiang Province 317200 Applicant after: ZHEJIANG WELLSUN INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 317200 15 Xingye East Third Street, Fuxi street, Tiantai County, Taizhou, Zhejiang Applicant before: ZHEJIANG WELLSUN INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |