一种电力计量自动化终端通信状态预测方法和系统的制作方法
【技术领域】
[0001] 本发明涉及电力计量自动化终端技术领域，尤其涉及一种电力计量自动化终端通 信状态预测方法和系统。
【背景技术】
[0002] 随着电力系统规模的不断扩大和结构的日益复杂化，越来越多的自动装置应用到 电力系统。一旦电网发生故障，由于各级自动装置产生的大量报警信息将会快速地涌入电 力系统调度中心，使得调度员无法在短时间内迅速判断出故障原因，从而会给电网正常运 行带来严重的安全隐患和巨大的经济损失，因此及时排除故障对于电网安全经济运行来说 具有重大的意义。
[0003] 现有技术中，电力计量自动化终端通过公网与服务中心连接，但其采集到的用电 情况等数据的传输受到通信故障、停电等问题的影响，因此故障预测具有重要意义。目前， 应用较为广泛的故障诊断方法包括：专家系统、人工神经网络、贝叶斯网络、优化技术、支持 向量机、Petri网络、模糊集理论、粗糙集理论和多代理技术等，但是在实际的应用中，由于 上述方法应用困难和准确性不足等原因，造成人工发现故障再实地排查解决的情况还很普 遍。
【发明内容】
[0004] 本发明实施例所要解决的技术问题在于，提供一种电力计量自动化终端通信状态 预测方法和系统，具有较高的实用性，能够提高故障预测的准确性。
[0005] 为了解决上述技术问题，本发明实施例提供了一种电力计量自动化终端通信状态 预测方法，所述方法包括：
[0006] S1、确定所需预测的多个终端及每一预测终端通信数据的分析范围；
[0007] S2、从已确定通信状态为故障和正常的终端中，分别选择一定数量的终端作为样 本，并获取各样本的历史通信数据；其中，所述已确定通信状态为故障的终端与所述已确定 通信状态为正常的终端之间数量的差值位于预设的范围内；
[0008] S3、设置特征向量的各个变量，且根据所述设置的各个变量，在所述获取到的各样 本历史通信数据中，筛选出各样本特征向量值，并得到由所述筛选出的各样本特征向量值 形成的专家样本库，以及在所述每一预测终端通信数据的分析范围中，筛选出各预测终端 的特征向量值；
[0009] S4、将所述筛选出的各预测终端的特征向量值依次分别与所述专家样本库中所有 特征向量值进行欧氏距离计算，得到各预测终端所计算出的欧氏距离值满足一定条件下对 应在所述专家样本库中获取到的样本及样本通信状态，并分别统计出各预测终端获取到的 样本通信状态为故障和正常的数量，且进一步将各预测终端各自统计出的数量最大值对应 的通信状态作为其预测的通信状态。
[0010] 其中，所述步骤S2中"预设的范围"为[-1，1]。
[0011] 其中，所述步骤S3的具体步骤包括：
[0012] 确定所述特征向量为15维特征向量，并设置所述15维特征向量中的各个变量；其 中，所述变量包括发送字节的均值、接收字节的均值、重连次数的均值、数据流量的均值、报 警流量的均值、心跳流量的均值、在线时间的均值、发送字节超过阈值的次数、接收字节超 过阈值的次数、重连次数超过阈值的次数、数据流量超过阈值的次数、报警流量超过阈值的 次数、心跳流量超过阈值的次数、在线时间超过阈值的次数和接收字节的方差；
[0013] 在所述获取到的各样本历史通信数据中，选取一定时间范围，且根据所述设置的 各个变量，在所选的一定时间范围内对各样本的特征向量赋值，得到各样本特征向量值，并 进一步将所述得到的各样本特征向量值组合成专家样本库；
[0014] 在所述每一预测终端通信数据的分析范围中，根据所述设置的各个变量，在各预 测终端所选的分析范围内对各预测终端的特征向量赋值，得到各预测终端的特征向量值。
[0015] 其中，所述在所述获取到的各样本历史通信数据中，选取一定时间范围，且根据所 述设置的各个变量，在所选的一定时间范围内对各样本的特征向量赋值，得到各样本特征 向量值，并进一步将所述得到的各样本特征向量值组合成专家样本库的具体步骤包括：
[0016] 当获取到当前样本的通信状态为正常时，从所述获取到的各样本历史通信数据 中，得到当前样本在所选一定时间范围内的数据，并在所述得到的数据中随机选取多天完 整数据，且根据所述设置的各个变量，得到当前样本通信状态为正常时的特征向量值；
[0017] 当获取到当前样本的通信状态为故障时，确定当前样本在所选一定时间范围内的 最后在线时间，并以所述确定的最后在线时间为起点，按时间反序方式在所选一定时间范 围的数据中选取多天完整数据，且根据所述设置的各个变量，得到当前样本通信状态为故 障时的特征向量值；
[0018] 将所述当前样本通信状态为正常时的特征向量值以及所述当前样本通信状态为 故障时的特征向量值组合，形成所述专家样本库。
[0019] 其中，所述步骤S4的具体步骤包括：
[0020] 将所述筛选出的各预测终端的特征向量值依次分别与所述专家样本库中所有特 征向量值进行欧氏距离计算，得到各预测终端对应于所述专家样本库分别形成的欧氏距离 值集合；
[0021] 针对每一预测终端，均统计出其对应得到的欧氏距离值集合中最小的K个欧氏距 离值以及所述得到的K个欧氏距离值在所述专家样本库中对应的样本，且进一步均统计出 其对应得到的K个样本中通信状态为故障时的数量和通信状态为正常时的数量；其中，K为 自然数；
[0022] 检测出每一预测终端各自对应K个样本中通信状态为故障时的数量和通信状态 为正常时的数量之间的最大值，并将各预测终端各自检测出的最大值对应的通信状态作为 其预测的通信状态。
[0023] 其中，所述方法进一步包括：
[0024] 从所述各预测终端对应预测的通信状态中，筛选出通信状态为故障的预测终端；
[0025] 确定所述筛选出的通信状态为故障的预测终端各自对应得到的K个样本的通信 状态及其对应的欧氏距离值，并根据第一公式和第二公式 \ + D\ \ + Di I+ Da rank;= (ri+K) X 16,计算出所述通信状态为故障的各预测终端得到的得分ranki;其中，D p D2、... Dk分别为所述得到的1至K个样本的欧氏距离值；当D i、D2、...队中D ,对应的样本 通信状态为故障时，则相应的采用正计算符号+A计算，当D2、...队中D ,对 应的样本通信状态为正常时，则相应的采用负计算符号计算；Fank1为第i 个预测终端的得分，i为自然数；
[0026] 统计出所述得分低于预设阈值的预测终端，并将所述统计出的预测终端预测的通 信状态均修订为正常。
[0027] 其中，所述K为3。
[0028] 本发明实施例还提供了一种电力计量自动化终端通信状态预测系统，所述系统包 括：
[0029] 预测终端确定单元，用于确定所需预测的多个终端及每一预测终端通信数据的分 析范围；
[0030] 样本选取单元，用于从已确定通信状态为故障和正常的终端中，分别选择一定数 量的终端作为样本，并获取各样本的历史通信数据；其中，所述已确定通信状态为故障的终 端与所述已确定通信状态为正常的终端之间数量的差值位于预设的范围内；
[0031] 专家样本库及预测终端向量构建单元，用于设置特征向量的各个变量，且根据所 述设置的各个变量，在所述获取到的各样本历史通信数据中，筛选出各样本特征向量值，并 得到由所述筛选出的各样本特征向量值形成的专家样本库，以及在所述每一预测终端通信 数据的分析范围中，筛选出各预测终端的特征向量值；
[0032] 预测终端通信状态预测单元，用于将所述筛选出的各预测终端的特征向量值依次 分别与所述专家样本库中所有特征向量值进行欧氏距离计算，得到各预测终端所计算出的 欧氏距离值满足一定条件下对应在所述专家样本库中获取到的样本及样本通信状态，并分 别统计出各预测终端获取到的样本通信状态为故障和正常的数量，且进一步将各预测终端 各自统计出的数量最大值对应的通信状态作为其预测的通信状态。
[0033] 实施本发明实施例，具有如下有益效果：
[0034] 1、在本发明实施例中，由于通过提取各预测终端数据形成的特征向量值与历史通 信数据构建的专家样本库进行欧氏距离计算，得出各预测终端的欧氏距