一种数据共享和业务融通功能的智能电能表状态评价系统的制作方法

1.本发明属于电能表评价技术领域，具体是一种数据共享和业务融通功能的智能电能表状态评价系统。


背景技术：

2.智能电能表是智能电网最为基础的设备之一，承担着电能的计量、数据的采集和传输等任务。智能电能表运行状态的好坏也对智能电网的运行质量具有重大影响。当前相关规定对智能电能表的设计寿命要求是不少于10年，而电子式交流电能表检定规程规定1级、2级表的检定周期不超过8年，使用8年的智能电能表需要拆下送回实验室检测，成本巨大，即使检定合格，也仅剩2年寿命，当前对合格智能电能表也多采取报废处理，造成严重的浪费；因此目前需要提出一种数据共享和业务融通功能的智能电能表状态评价系统，通过对电能表的运行状态进行评价，判断电能表是否故障，解决电能表8年到期拆回的传统管理模式。


技术实现要素：

3.为了解决上述方案存在的问题，本发明提供了一种数据共享和业务融通功能的智能电能表状态评价系统。
4.本发明的目的可以通过以下技术方案实现：
5.一种数据共享和业务融通功能的智能电能表状态评价系统，包括外部端、平台端和服务器，所述外部端和平台端均与服务器通信连接；所述外部端设置在智能电能表中，用于采集电能表运行数据，并将采集的电能表运行数据发送给服务器，平台端包括储存模块和评价模块；服务器将接收到的电能表运行数据发送到储存模块进行储存；所述评价模块用于对电能表运行数据进行评价，具体方法包括：
6.获取电能表运行数据，识别电能表运行数据种类，获取运行数据种类对应时间的标准数据，将获取的标准数据与电能表运行数据中的对应数据进行比较，计算对应分类数据的正确率zl
t
，基于层次分析法，通过对不同的因素两两比较，建立判断矩阵m＝(m
ij
)n×n，对判断矩阵m＝(m
ij
)n×n进行一致性检验，验证通过后，利用公式mω
*
＝λ
max
ω
*
，计算权重向量ω
*
，λ
max
为判断矩阵的最大特征根，对ω
*
进行归一化，得到权重分配，标记为权重指标qz
t
；根据公式获得当前电能表的检测评分，判断当前检测评分是否达标。
7.进一步地，当判断当前检测评分没有达标时，生成复测信号发送到无线传输模块，再次进行n次的检测评价，当复测评价仍不合格时，判定对应的电能表故障。
8.进一步地，对构造的判断矩阵进行一致性检验，即随机一致性比率ri＝ci/cr；式中：n为指标个数；当cr《0.10时，判断矩阵满足一致性，否则对判断矩阵进行
重新调整，直到具有满足一致性为止。
9.进一步地，所述外部端包括采集模块和无线传输模块；
10.所述采集模块用于实时采集智能电能表的运行数据，并将采集到的电能表运行数据发送给无线传输模块，所述无线传输模块将接收到的电能表运行数据发送给服务器。
11.进一步地，无线传输模块包括5g传输单元，5g传输单元内设有若干个5g传输通道，且5g传输通道上标记有优先级，通过5g传输通道进行电能表运行数据的传输。
12.进一步地，通过5g传输通道进行电能表运行数据的传输的方法包括：将电能表运行数据进行分级，将5g传输通道与电能表运行分级数据进行匹配，将电能表运行分级数据通过对应的5g传输通道进行数据传输。
13.进一步地，无线传输模块还包括聚类单元，所述聚类单元用于对接收到的电能表运行数据进行聚类，获得运行聚类数据，将运行聚类数据发送给5g传输单元，5g传输单元将获得运行聚类数据按照优先级使用对应的5g传输通道将数据传输给服务器。
14.进一步地，聚类单元进行聚类的方法包括：
15.步骤sa1：将运行数据根据数据种类划分不同的集合，将数据种类中的单项数据标记为最小单元，将划分的集合标记为待聚类样本集合d＝{x1,x2,...,xi,...,xn}；其中，xi是第i个最小单元的特征向量，i∈[1,n]，n为数据种类中最小单元的数量；m为最小单元的特性数量，为第i个最小单元内第m个特性值；
[0016]
步骤sa2：将样本集中的所有的样本点都当作一个独立的类簇，计算两两类簇之间的距离d(ci,cj)，
[0017]
步骤sa3：设置聚类簇内最小单元的数量上限w，寻找距离最近的两个聚类簇c
p
和cq，判断聚类簇c
p
和cq的最小单元数量之和是否小于w，若是，合并聚类簇c
p
和cq为新的聚类簇cg；反之，则不进行合并；
[0018]
步骤sa4：重新计算新的聚类簇cg与其他所有类之间的距离；
[0019]
步骤sa5：重复步骤sa2至步骤sa4，完成电能表运行数据的聚类，将获得聚类数据标记优先级，将标记完优先级的聚类数据标记为运行聚类数据。
[0020]
与现有技术相比，本发明的有益效果是：通过对智能电能表状态进行评价，了解当前智能电能表的运行状态，对于评价合格的智能电能表不再进行拆回检修，避免造成资源浪费，解决当前智能电能表8年到期拆回的传统管理模式；提高智能电能表的使用寿命。通过利用5g切片技术建立不同的传输通道，根据不同的智能电能表的采集数据，合理规划传输通道，提高采集数据的传输效率；通过5g传输单元和聚类单元的相互配合，使得采集数据传输的更加高效和智能。
附图说明
[0021]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]
图1为本发明原理框图。
具体实施方式
[0023]
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024]
如图1所示，一种数据共享和业务融通功能的智能电能表状态评价系统，包括外部端、平台端和服务器，所述外部端和平台端均与服务器通信连接；
[0025]
所述外部端设置在智能电能表中，包括采集模块和无线传输模块；
[0026]
所述采集模块用于实时采集智能电能表的运行数据，运行数据包括电压、电流及其对应的特性数据，例如频率、振幅、相位等数据；并将采集到的电能表运行数据发送给无线传输模块，所述无线传输模块将接收到的电能表运行数据发送给服务器。
[0027]
在一个实施例中，为了提高外部端采集数据的传输效率，无线传输模块利用5g传输技术进行数据传输，提高数据的传输效率，具体方法包括：
[0028]
将电能表运行数据进行分级，即为划分电能表运行数据中数据的优先级，在一个实施例中，因为电能表运行数据的种类基本固定，通过人工的方式制作优先级表格，再进行数据匹配，划分电能表运行数据的优先级；在另一个实施例中，基于cnn网络或者dnn网络建立机械学习模型，通过机械学习模型进行智能划分电能表运行数据的优先级；根据分级个数建立对应数量的5g传输通道，
[0029]
5g传输通道是基于5g切片技术进行建立的，可以通过跟运营商进行租用，开启切片权限，设置5g传输通道的优先级，5g传输通道的优先级根据5g切片技术在划分的过程中即可获得，例如：包括第一传输通道、第二传输通道和第三传输通道，分别应用urllc、emmb和mmtc的特性进行划分，不同切片所分配得到的资源在频域内相互隔离且独立，并且可以灵活调整，这样一个网络切片的空口拥塞不影响其他网络切片；urllc切片需要低延时高可靠性，需要优先给予分配资源，减少排队时延；emmb切片会有很多高数据量的业务需求，优先分配资源会提高整体网络的吞吐量，但是没有urllc切片对时延有过高的要求；mmtc切片的调度优先级最低，海量的传感器多数情况下，上行的数据量不大，且对时延要求不高。因此，urllc切片为第一优先级(最高优先级)，emmb切片为第二优先级，mmtc切片为第三优先级，根据优先级分别配置rb(资源块)资源。
[0030]
将5g传输通道与电能表运行分级数据进行匹配，电能表运行分级数据即为分级后的电能表运行数据，将电能表运行分级数据通过对应的5g传输通道进行数据传输。通过利用5g切片技术建立不同的传输通道，提高数据传输的效率。
[0031]
在一个实施例中，因为对电能表运行数据进行分级具有一定的片面性，因此还可以采取另外的方式进行数据传输；所述无线传输模块包括5g传输单元和聚类单元；
[0032]
所述聚类单元用于对接收到的电能表运行数据进行聚类，获得运行聚类数据，将运行聚类数据发送给5g传输单元，5g传输单元内设有若干个5g传输通道，且5g传输通道上
标记有优先级，直接跟运营商进行租用，利用5g切片技术开启一定数量的5g传输通道，后续直接使用即可，降低数据处理量，节约算力；将获得运行聚类数据按照优先级使用对应的5g传输通道将数据传输给服务器。
[0033]
聚类单元进行聚类的方法包括：
[0034]
步骤sa1：将运行数据根据数据种类划分不同的集合，即为根据电压、电流等分类的不同进行划分的；将数据种类中的单项数据标记为最小单元，即为将电压、电流等分类数据中的单项数据标记为最小单元，将划分的集合标记为待聚类样本集合d＝{x1,x2,...,xi,...,xn}；其中，xi是第i个最小单元的特征向量，i∈[1,n]，n为数据种类中最小单元的数量；m为最小单元的特性数量，为第i个最小单元内第m个特性值，例如频率值、振幅值等数据；
[0035]
步骤sa2：将样本集中的所有的样本点都当作一个独立的类簇，计算两两类簇之间的距离d(ci,cj)，
[0036]
步骤sa3：设置聚类簇内最小单元的数量上限w，聚类簇内最小单元的数量上限w由专家组进行讨论设置，主要考虑外部端的数据传输能力；寻找距离最近的两个聚类簇c
p
和cq，判断聚类簇c
p
和cq的最小单元数量之和是否小于w，若是，合并聚类簇c
p
和cq为新的聚类簇cg；反之，则不进行合并；
[0037]
步骤sa4：重新计算新的聚类簇cg与其他所有类之间的距离；
[0038]
步骤sa5：重复步骤sa2至步骤sa4，完成电能表运行数据的聚类，将获得聚类数据标记优先级，将标记完优先级的聚类数据标记为运行聚类数据。
[0039]
在一个实施例中，标记聚类数据优先级的方法是：建立聚类特性优先表，因为聚类数据都是根据最小单元进行聚类的，可以通过设置电能表对应数据的正常值区间，如电压正常区间、电流正常区间，根据距离正常值区间的距离进行排序，距离越远，排序越靠前，非正常数据优先传输；将获取的聚类数据与聚类特性优先表进行匹配，获得对应的优先级。
[0040]
在另一个实施例中，设置电能表对应数据的正常值区间，基于cnn网络或者dnn网络建立机械学习模型，通过获取大量的聚类数据进行训练，通过训练后的机械学习模型智能标记聚类数据优先级。
[0041]
平台端为一个数据处理中心，用于处理若干个外部端采集发送的数据，包括储存模块和评价模块；
[0042]
服务器将接收到的电能表运行数据发送到储存模块进行储存；
[0043]
所述评价模块用于对电能表运行数据进行评价，具体方法包括：
[0044]
获取电能表运行数据，识别电能表运行数据种类，获取运行数据种类对应时间的标准数据，标准数据可以从对应的电网平台中获取，将获取的标准数据与电能表运行数据中的对应数据进行比较，计算对应分类数据的正确率zl
t
，t表示分类数据，t＝1，2，3
……
，o；o为正整数。基于层次分析法，通过对不同的因素两两比较(采用1～9判断尺度)，即为评价指标的两两对比，建立判断矩阵m＝(m
ij
)n×n，m
ij
为两个因素mi和mj对评价的影响之比；对
判断矩阵m＝(m
ij
)n×n进行一致性检验，验证通过后，利用公式mω
*
＝λ
max
ω
*
，计算权重向量ω
*
，λ
max
为判断矩阵的最大特征根，
[0045]
对ω
*
进行归一化，得到权重分配，标记为权重指标qz
t
；
[0046]
对构造的判断矩阵进行一致性检验，即随机一致性比率ri＝ci/cr；
[0047]
式中：n为指标个数；对于1～9阶判断矩阵，ri的值分别如表所示；
[0048][0049]
当cr《0.10时，判断矩阵满足一致性，否则要对判断矩阵进行重新调整，直到具有满足的一致性为止；
[0050]
根据公式获得当前电能表的检测评分，判断当前检测评分是否达标，当判断当前检测评分达标时，不进行操作；当判断当前检测评分没有达标时，生成复测信号发送到无线传输模块，再次进行n次的检测评价，其中n为正整数，一般取值范围为[2，5]，当复测评价仍不合格时，判定对应的电能表故障。
[0051]
判断当前检测评分是否达标可以根据对应电能表的使用年限设置一个标准值，进行对应的比较来判断当前检测评分是否达标；
[0052]
进行复测评价可以根据对应电能表的使用年限，设置对应的评价标准，对不合格数量进行限定。
[0053]
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
[0054]
本发明的工作原理：将外部端设置在智能电能表中，采集电能表运行数据，并将采集的电能表运行数据发送给服务器，服务器将接收到的电能表运行数据发送到储存模块进行储存；评价模块对电能表运行数据进行评价，获取电能表运行数据，识别电能表运行数据种类，获取运行数据种类对应时间的标准数据，将获取的标准数据与电能表运行数据中的对应数据进行比较，计算对应分类数据的正确率，基于层次分析法，通过对不同的因素两两比较，建立判断矩阵，对判断矩阵进行一致性检验，验证通过后，利用公式计算权重向量，对权重向量进行归一化，得到权重分配，标记为权重指标；根据公式获得当前电能表的检测评分，判断当前检测评分是否达标。
[0055]
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。