本發明提供一種評價智能電能表運行狀態的方法和系統，所述方法和系統首先基于歷史數據構建若干個貝葉斯網，然后通過計算所述貝葉斯網之間的相似度，并中選取若干個精度高、多樣性強的貝葉斯網個體，最后采用凸函數證據理論方法對選取的貝葉斯網進行集成，從而得到智能電能表每種運行狀態的概率值。所述方法和系統準確地實現了智能電能表的狀態評價，為電網的安全運行、狀態監測、數據抄讀、電價下發等工作提供了極大的便利，有效地節省了定期回收檢測電能表的巨大成本，為更換智能電能表提供了有力的技術保障。

技術領域

本發明涉及電能計量領域,并且更具體地，涉及一種評價智能電能表運行狀態的方法和系統。

背景技術

智能電能表正逐步進入每個家庭，實現用電信息采集的完全覆蓋，其在智能電網的建設中的重要作用正在被凸顯出來。智能電能表壽命有限，1、2級有功電能表檢定周期一般小于8年，這說明每只電能表使用8年將被收回檢測。若仍能繼續使用，也將經歷“兩拆兩裝”的繁瑣流程，再度使用不超過2年時間，故當前回收的智能電能表均采取報廢處理的方式，造成很大的資源浪費。若能使用計算機技術對智能電能表的狀態進行預測，及時獲取智能電能表的狀態信息，則可以最大化的對智能電能表進行使用。

發明內容

為了解決現有技術中對智能電能表的狀態無法進行準確評估，致使大量仍能使用的電能表被報廢的技術問題，本發明提供一種評價智能電能表運行狀態的方法，所述方法包括：

根據設定的評價智能電能表運行狀態的n個指標生成指標集合X＝{X₁…X_i…X_n}，采用bagging算法從智能電能表運行狀態歷史數據中抽樣所述指標集合X的數據集并訓練生成T個貝葉斯網的集合F；

采用聚類算法從集合F中的T個貝葉斯網中選擇K個精度最高的貝葉斯網組成新的集合φ；

采用凸函數證據理論方法，對集合φ中的K個貝葉斯網進行集成以確定智能電能表每種運行狀態的概率值。

進一步地，所述指標集合X選取誤差限值X₁、安裝日期X₂、生產廠家X₃、到貨建檔時間X₄、運行時長X₅、拆除狀態X₆、是否故障X₇、批次號X₈、批次數量X₉、批次換貨數量X₁₀、批次換貨率X₁₁、批次故障數量X₁₂、批次故障率X₁₃、實驗室誤差X₁₄作為評價智能電能表運行狀態的指標。

進一步地，所述方法在根據設定的評價智能電能表運行狀態的n個指標生成指標集合X＝{X₁…X_i…X_n}，采用bagging算法從智能電能表運行狀態歷史數據中抽樣所述指標集合X的數據集并訓練生成T個貝葉斯網的集合F之前還包括當所述評價智能電表運行狀態的屬性指標的取值是連續值時，將所述屬性指標的取值離散化，其中：

步驟1、對于具有連續取值的指標x，當其在所述歷史數據中有k個不重復的連續屬性值x_i時，計算所述指標x的每個不重復的連續屬性值x_i出現的概率P(x_i)，其中1≤i≤k，k的初始值為k₀；

步驟2、基于所述概率P(x_i)計算指標x的信息熵

步驟3、將所述指標x的不重復的連續屬性值劃分至k個區間,每個區間對應所述指標x的一個不重復的值,并記錄劃分點；