(19)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 202210947690.6 (22)申请日 2022.08.09 (71)申请人 广西电网有限责任公司 地址 530308 广西壮 族自治区南宁市 兴宁 区民主路6号 (72)发明人 杨舟　陈珏羽　李金瑾　周政雷　 高武东　蒋雯倩　潘俊涛　 (74)专利代理 机构 河北智酷知创知识产权代理 事务所(普通 合伙) 13157 专利代理师 武哲 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) (54)发明名称 一种基于FT-Kmeans的智能电表健康度评估 方法 (57)摘要 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。 权利要求书1页 说明书4页 附图1页 CN 115293042 A 2022.11.04 CN 115293042 A 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。权　利　要　求　书 1/1 页 2 CN 115293042 A 2一种基于FT ‑Kmeans的智能电表健康度评估方 法 技术领域 [0001]本发明属于智能电表健康度评价领域， 具体的讲， 涉及使用改进后的Kmeans算法 进行智能电表健康度进行评估的方法。 背景技术 [0002]随着用电信息规模日渐庞大， 数据深化应用不断加强， 已经积累了丰富的数据资 产。 同时随着电能表智能化程度的提高， 智能电能表应用以及用电信息采集系统建设的覆 盖率的不断扩 大， 运行故障越来越多地呈现出突 发性、 多面性、 复杂性、 难复现的特征。 作为 用户用电信息采集最重要的计量装置， 智能电表资产的管理就变得尤为重要和关键， 尤其 是对于在运智能电表的资产健康情况， 如果能够做到有效的监测， 管理人员对智能电表的 当前健康情况做到 了然于胸， 将大 大提升对智能电表资产的管理水平。 发明内容 [0003]本发明为了实现对智能电表的健康度进行评估， 运用大数据分析技术， 立足当前 用智能电表运行数据， 进行数据价值挖掘， 利用智能电表的数据资产为智能电表进行建模 分析， 形成智能电表动态健康指数， 有效利用数据资产， 让数据 “会说话”， 实现一表 一指数， 为电力公司的智能电表资产管理提供有价 值的决策， 提高计量资产全寿命管理水平。 [0004]本发明采用的技术方案是， 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， 关键是， 所述的构建模型步骤 包括： [0005]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； [0006]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； [0007]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； [0008]d、 重复步骤c， 不断进行模型训练与学习； [0009]e、 优化输入参数， 用于智能电表健康度的评估。 [0010]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。 [0011]本发明的有益效果是， 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。 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。说　明　书 1/4 页 3 CN 115293042 A 3