基于自然环境特征的智能电能表归类方法.pdf

《基于自然环境特征的智能电能表归类方法.pdf》由会员分享，可在线阅读，更多相关《基于自然环境特征的智能电能表归类方法.pdf（8页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910184690.3 (22)申请日 2019.03.12 (71)申请人 黑龙江省电工仪器仪表工程技术研 究中心有限公司 地址 150028 黑龙江省哈尔滨市松北区创 新路2000号 申请人 哈尔滨电工仪表研究所有限公司 (72)发明人 汪清吴国瑞殷聪杨扬孙旺 尹佳王珏焦阳 (51)Int.Cl. G06F 16/28(2019.01) G06K 9/62(2006.01) (54)发明名称 一种基于自然环境特征的智能电能表归类 方法 (57)摘要 本发明公开一种基于自。

2、然环境特征的智能 电能表归类方法， 涉及数据挖掘领域。 该方法具 体包括： 获取数据库中数据， 将整个数据集根据 电能表编号拆分成单只智能电能表的小数据集 ； 选取地域温度差异较大月份的一天， 在数据集 中提取当天每只智能电能表4时与14时的温度 参数， 4时的气压参数； 将三个参数值表示为 ； 对中的数据进行无 量纲化处理， 存储于数据集； 确定数据集的 终止条件簇的数目K； 计算初始簇之间的距离； 找 出最小距离值所对应的两个簇进行合并， 形成一 个新簇； 判断簇的数目是否等于K， 若不等于K， 计 算新簇与旧簇间的均值距离， 执行上一步； 否则 归类结束， 得到K类智能电能表。 接下来对。

3、归类电 能表的地域进行判断。 权利要求书2页 说明书4页 附图1页 CN 109977174 A 2019.07.05 CN 109977174 A 1.一种基于自然环境特征的智能电能表归类方法， 其特征在于， 所述方法包括： 步骤一： 获取数据库中数据， 将整个大数据集的数据按照电能表编号拆分成单只智能 电能表的小数据集 ， 执行步骤二； 步骤二： 选取地域温度差异较大月份的一天， 例如2月3日， 在数据集 中提取选取日期 当天每只智能电能表4时与14时的温度参数， 提取选取日期当天每只智能电能表4时的气压 参数， 执行步骤三； 步骤三： 将步骤二中提取的三个参数值表示为， 其中为样品编号，。

4、 为4时 温度数值， 为14时温度数值，为4时气压数值， 执行步骤四； 步骤四： 规格化 中的数据， 对, 进行无量纲化处理， 当分别为, 时， 计算， 其中max()和min()表示对应元素项中的最大值和最小 值， 处理后将存储于数据集， 执行步骤五； 步骤五： 获取数据集， 数据集中的每一个数组为一个簇，个数组即为 个初始簇， 确定终止条件簇的数目 ， 执行步骤六； 步骤六： 根据初始簇计算每个簇之间的距离：， ， 执行步骤七； 步骤七： 找出最小距离值所对应的两个簇进行合并， 形成一个新簇， 总的簇数目减少一 个， 执行步骤八； 步骤八： 判断簇的数目是否等于 ， 若是， 执行步骤十， 。

5、否则执行步骤九； 步骤九： 计算新簇与所有旧簇之间的均值距离， 执行步骤七； 步骤十： 归类结束。 2.根据权利要求1所述的一种基于自然环境特征的智能电能表归类方法， 其特征在于， 在步骤五中，。 3.根据权利要求1所述的一种基于自然环境特征的智能电能表归类方法， 其特征在于， 数据集中的数据来源于数据集 ， 依照数据集的分类结果， 就可以将包含全部数据信息 的单只智能电能表的小数据集 分成A、 B、 C、 D四类。 4.根据权利要求3所述的一种基于自然环境特征的智能电能表归类方法， 其特征在于， 所述方法包括进一步地判断数据集 中A类、 B类、 C类和D类智能电能表的所属地区： 步骤一： 从。

6、A、 B、 C、 D四类智能电能表中各随机抽取一只， 执行步骤二； 步骤二： 依照历史气象数据， 指定最冷月份中的一个时间， 提取四只智能电能表在该时 间的气压参数值， 如1月21日4时的气压参数值， 并将四个气压参数值做比较。 气压参数值最 低的智能电能表所在类就归属于高海拔地区， 执行步骤三； 步骤三： 依照历史气象数据， 指定最冷月份中的一个时间， 提取四只智能电能表在该时 间的温度参数值， 如1月21日4时的温度参数值， 并将四个温度参数值做比较。 温度参数值最 低的智能电能表所在类就归属于高严寒地区， 执行步骤四； 步骤四： 从剩下的两类智能电能表中再各随机抽取一只， 执行步骤五； 。

7、步骤五： 依照历史气象数据， 指定具体时间， 提取两只智能电能表在该时间的湿度参数 值， 如7月23日14时的湿度参数值， 并将两个湿度参数值做比较。 湿度参数值大的智能电能 权利要求书 1/2 页 2 CN 109977174 A 2 表所在类就归属于高湿热地区， 湿度参数值小的智能电能表所在类就归属于高干热地区。 权利要求书 2/2 页 3 CN 109977174 A 3 一种基于自然环境特征的智能电能表归类方法 技术领域 0001 本发明涉及数据挖掘领域， 特别涉及典型环境下智能电能表的归类方法。 背景技术 0002 我国幅员辽阔， 地理气候情况复杂， 智能电能表在典型环境下是否运行可。

8、靠、 计量 准确是电力企业、 用户及行业专家所关注的问题。 为了深入研究复杂环境下智能电能表的 运行情况， 国网计量中心已在黑龙江漠河、 新疆恰特卡勒、 西藏羊八井、 福建湄洲岛四个地 区， 分别开展高严寒、 高干热、 高海拔、 高湿热环境条件下的智能电能表可靠性的验证工作， 为智能电能表在不同地区的差异化配置提供技术指导。 0003 四省典型环境下的智能电能表工况数据全部上传至主站， 存储于数据库中， 要研 究典型环境对电能表运行可靠性的影响， 首先需要根据这些数据将智能电能表按地域特征 区分开来。 数据库中包含所有智能电能表不同时刻上传的数据。 现有的归类方法无法将整 个数据库中数据按照地。

9、域进行归类。 通过查询四个地区历史天气情况， 四个地区环境特点 如下： 黑龙江漠河县年平均气温在-5.5。 11月、 4月气温在零下2030度左右。 12月、 1月、 2月 在零下2540度左右。 0004 恰特卡勒乡位于吐鲁番市东南17公里处， 吐鲁番属独特的暖温带大陆性干旱荒漠 气候。 全年平均气温为14， 一年中， 以一月份最冷， 7月份最热。 0005 羊八井， 即羊八井镇， 位于西藏拉萨市西北91.8公里的当雄县境内。 海拔4300米， 南北两侧的山峰均在海拔55006000米以上， 当地年平均气温2.5， 大气压力年平均为 0.06兆帕。 0006 湄洲岛坐落于莆田市南部， 是一座。

10、南北纵向狭长的小岛， 距离市区约42公里。 年均 气温21， 年均降雨量1000mm左右， 6、 7月份多雨。 0007 气温的日变化一般表现为最高值出现在14时左右， 最低值出现在日出前， 约4时左 右。 发明内容 0008 根据数据来源地区的环境特点， 本发明提供一种基于自然环境特征的智能电能表 的归类方法， 该方法包括： 步骤一： 获取数据库中数据， 将整个大数据集的数据按照电能表编号拆分成单只智能 电能表的小数据集 ， 执行步骤二； 步骤二： 选取地域温度差异较大月份的一天， 例如2月3日， 在数据集 中提取选取日期 当天每只智能电能表4时与14时的温度参数， 提取选取日期当天每只智能。

11、电能表4时的气压 参数， 执行步骤三； 步骤三： 将步骤二中提取的三个参数值表示为， 其中为样品编号， 为4时 温度数值， 为14时温度数值，为4时气压数值， 执行步骤四； 说明书 1/4 页 4 CN 109977174 A 4 步骤四： 规格化 中的数据， 对, 进行无量纲化处理， 当分别为, , 时， 计算， 其中max()和min()表示对应元素项中的最大值和最 小值， 处理后将存储于数据集， 执行步骤五； 步骤五： 获取数据集， 数据集中的每一个数组为一个簇，个数组即为 个初始簇， 确定终止条件簇的数目， 执行步骤六； 步骤六： 根据初始簇计算每个簇之间的距离：， ， 执行步骤七； 。

12、步骤七： 找出最小距离值所对应的两个簇进行合并， 形成一个新簇， 总的簇数目减少一 个， 执行步骤八； 步骤八： 判断簇的数目是否等于 ， 若是， 执行步骤十， 否则执行步骤九； 步骤九： 计算新簇与所有旧簇之间的均值距离， 执行步骤七； 步骤十： 归类结束。 0009本发明中使用的数据来源于4个地区， 所以令； 数据集中的数据来源于数据集 ， 依照数据集的分类结果， 就可以将包含全部数据 信息的单只智能电能表的小数据集 分成A、 B、 C、 D四类； 进一步地， 判断数据集 中A类、 B类、 C类和D类智能电能表的所属地区： 步骤一： 从A、 B、 C、 D四类智能电能表中各随机抽取一只， 。

13、执行步骤二； 步骤二： 依照历史气象数据， 指定最冷月份中的一个时间， 提取四只智能电能表在该时 间的气压参数值， 如1月21日4时的气压参数值， 并将四个气压参数值做比较。 气压参数值最 低的智能电能表所在类就归属于高海拔地区， 执行步骤三； 步骤三： 依照历史气象数据， 指定最冷月份中的一个时间， 提取四只智能电能表在该时 间的温度参数值， 如1月21日4时的温度参数值， 并将四个温度参数值做比较。 温度参数值最 低的智能电能表所在类就归属于高严寒地区， 执行步骤四； 步骤四： 从剩下的两类智能电能表中再各随机抽取一只， 执行步骤五； 步骤五： 依照历史气象数据， 指定具体时间， 提取两只。

14、智能电能表在该时间的湿度参数 值， 如7月23日14时的湿度参数值， 并将两个湿度参数值做比较。 湿度参数值大的智能电能 表所在类就归属于高湿热地区， 湿度参数值小的智能电能表所在类就归属于高干热地区。 附图说明 0010 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为基于自然环境特征的智能电能表归类流程图； 图2为归类智能电能表所属地判断流程图。 具体实施方式 0011 为了使本技术领域的人员更好地理解本发明方案， 下面将结合本发明实施例中的 附图， 对本发明实施例中的方法进行详细地描述， 然而， 本发明可以用许多不同形式来实 施， 并且不局限于此处描述的实施例， 。

15、提供这些实施例是为了详尽地且完全公开本发明， 并 说明书 2/4 页 5 CN 109977174 A 5 且向所属技术领域的技术人员充分传达本发明的范围。 0012 图1是本发明具有具体实施方式的基于自然环境特征的智能电能表归类流程图， 所述的方法包括以下步骤： 在步骤S101， 获取数据库中数据， 将整个大数据集的数据按照电能表编号拆分成单只 智能电能表的小数据集 ， 执行步骤S102； 在步骤S102， 选取地域温度差异较大月份的一天， 例如2月3日， 在数据集 中提取选取 日期当天每只智能电能表4时与14时的温度参数， 提取选取日期当天每只智能电能表4时的 气压参数， 执行步骤S103。

16、； 在步骤S103， 将步骤二中提取的三个参数值表示为， 其中为样品编号， 为4时温度数值， 为14时温度数值，为4时气压数值， 执行步骤S104； 在步骤S104， 规格化 中的数据， 对, 进行无量纲化处理， 当分别为 , 时， 计算， 其中max( )和min( )表示对应元素项中的最大值和 最小值， 处理后将存储于数据集， 执行步骤S105； 在步骤S105， 获取数据集， 数据集中的每一个数组为一个簇，个数组即为 个初 始簇， 确定终止条件簇的数目 ， 执行步骤S106； 在步骤S106， 根据初始簇计算每个簇之间的距离：， ， 执行步骤S107； 在步骤S107， 找出最小距离值所。

17、对应的两个簇进行合并， 形成一个新簇， 总的簇数目减 少一个， 执行步骤S108； 在步骤S108， 判断簇的数目是否等于， 若是， 执行步骤十， 执行步骤S110； 否则， 执行 步骤S109； 在步骤S109， 计算新簇与所有旧簇之间的均值距离， 执行步骤S107； 在步骤S110， 归类结束。 0013优选地， 本发明中使用的数据来源于4个地区， 所以步骤五中令； 数据集中的数据来源于数据集 ， 依照数据集的分类结果， 就可以将包含全部数据 信息的单只智能电能表的小数据集 分成A、 B、 C、 D四类； 优选地， 判断数据集 中A类、 B类、 C类和D类智能电能表的所属地区， 图2是本发。

18、明具有 具体实施方式的归类智能电能表所属地判断流程图， 所述的方法包括以下步骤： 在步骤S201， 从A、 B、 C、 D四类智能电能表中各随机抽取一只， 执行步骤S202； 在步骤S202， 智能电能表在该时间的气压参数值， 如1月21日4时的气压参数值， 并将四 个气压参数值做比较。 气压参数值最低的智能电能表所在类就归属于高海拔地区， 执行步 骤S203； 在步骤S203， 依照历史气象数据， 指定最冷月份中的一个时间， 提取四只智能电能表在 该时间的温度参数值， 如1月21日4时的温度参数值， 并将四个温度参数值做比较。 温度参数 值最低的智能电能表所在类就归属于高严寒地区， 执行步骤S204； 在步骤S204， 从剩下的两类智能电能表中再各随机抽取一只， 执行步骤S205； 在步骤S205， 依照历史气象数据， 指定具体时间， 提取两只智能电能表在该时间的湿度 说明书 3/4 页 6 CN 109977174 A 6 参数值， 如7月23日14时的湿度参数值， 并将两个湿度参数值做比较。 湿度参数值大的智能 电能表所在类就归属于高湿热地区， 湿度参数值小的智能电能表所在类就归属于高干热地 区。 说明书 4/4 页 7 CN 109977174 A 7 图1 图2 说明书附图 1/1 页 8 CN 109977174 A 8 。