技术特征：
1.一种基于ft-kmeans的智能电表健康度评估方法，包括对智能电表的数据进行预处理、构建模型对智能电表进行训练、以及用训练好的模型进行健康度评估的步骤，其特征在于：所述的构建模型步骤包括：a、讲预处理好的二维空间数据借助径向基核函数转换为三维空间数据，再用泰勒公式展开径向基核函数进行数据映射转换得到所有数据样本，每个数据样本都包含n个对象，每一个对象包含m个维度，n与m都属于正整数；b、基于kmeans算法确定类簇中心，其中类簇中心就是类簇内所有对象在各个维度的均值；c、对于步骤a处理好的每一个数据样本用kmeans算法计算出每一个对象到每一个聚类中心的欧式距离，并把该欧式距离归为离它最近的簇，根据得到的簇，重新计算簇中心；d、重复步骤c，不断进行模型训练与学习；e、优化输入参数，用于智能电表健康度的评估。2.根据权利要求1所述的一种基于ft-kmeans的智能电表健康度评估方法，其特征在于：所述的预处理步骤包括数据清洗、数据集成、数据变换和数据归约。
技术总结
本发明公开了一种基于FT-Kmeans的智能电表健康度评估方法，基于Kmeans算法，对算法进行优化改进，利用特征转换，将低维度数据映射到高维空间，实现智能电表健康度评估与评价，构建科学合理的指标评价体系。通过使用改进后的FT-Kmeans模型进行智能电表健康度的评估，实时掌握智能电表运行状态，为智能电表的检修与维护提供科学、合理的决策依据，降低设备运行成本及故障的发生，同时基于海量运行数据，深度挖掘数据潜在规律，识别智能电表健康状态演变过程，利用FT-Kmeans模型进行仿真推演，提前做出相应的应对措施，避免故障的发生。避免故障的发生。避免故障的发生。
技术研发人员：杨舟 陈珏羽 李金瑾 周政雷 高武东 蒋雯倩 潘俊涛
受保护的技术使用者：广西电网有限责任公司
技术研发日：2022.08.09
技术公布日：2022/11/3