CN114331761B - 一种专变采集终端的设备参数分析调整方法及系统 - Google Patents

Abstract

本发明公开了一种专变采集终端的设备参数分析调整方法及系统，其中，所述方法包括：对第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；将第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；将第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型；根据所述集成电力异常分析模型，获得电力异常分析结果，并基于电力异常分析结果对用户用电进行控制管理。解决了现有技术存在对电力异常数据采集分析不够及时准确，导致影响电力管理质量的技术问题。

Description

一种专变采集终端的设备参数分析调整方法及系统

技术领域

本发明涉及控制管理领域，尤其涉及一种专变采集终端的设备参数分析调整方法及系统。

背景技术

专变采集终端是对专变用户用电信息进行采集的设备，可以实现电能表数据的采集、电能计量设备工况和供电电能质量监测，以及客户用电负荷和电能量的监控，并对采集数据进行管理和双向传输。因此，通过专变采集终端控制用电对电力管理具有重要意义。

然而，现有技术存在对电力异常数据采集分析不够及时准确，导致影响电力管理质量的技术问题。

发明内容

本申请通过提供一种专变采集终端的设备参数分析调整方法及系统，解决了现有技术存在对电力异常数据采集分析不够及时准确，导致影响电力管理质量的技术问题，达到通过对多个区域的电力数据进行整合分析，以此构建集成电力异常分析模型对电力异常结果进行及时处理，提高分析结果的准确性和分析效率，进而保证电力管理质量的技术效果。

鉴于上述问题，本发明提供了一种专变采集终端的设备参数分析调整方法及系统。

第一方面，本申请提供了一种专变采集终端的设备参数分析调整方法，所述方法包括：通过专变采集终端获得第一区域的第一电力数据信息；对所述第一电力数据信息进行加密上传，传输至电力负荷管理平台进行分析；所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；将所述第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；获得第二区域的第二异常电力数据特征，将所述第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型；根据所述集成电力异常分析模型，获得电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理。

另一方面，本申请还提供了一种专变采集终端的设备参数分析调整系统，所述系统包括：第一获得单元，所述第一获得单元用于通过专变采集终端获得第一区域的第一电力数据信息；第一处理单元，所述第一处理单元用于对所述第一电力数据信息进行加密上传，传输至电力负荷管理平台进行分析；第二获得单元，所述第二获得单元用于所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；第一构建单元，所述第一构建单元用于将所述第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；第三获得单元，所述第三获得单元用于获得第二区域的第二异常电力数据特征，将所述第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；第四获得单元，所述第四获得单元用于对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型；第二处理单元，所述第二处理单元用于根据所述集成电力异常分析模型，获得电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理。

第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。

第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过专变采集终端获得电力数据信息，并对电力数据信息进行加密上传，传输至电力负荷管理平台进行分析，将分析得到的异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型，同理构建第二电力异常分析模型，再对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型，最后根据所述集成电力异常分析模型，获得所述模型输出结果即电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理的技术方案。进而达到通过对多个区域的电力数据进行整合分析，以此构建集成电力异常分析模型对电力异常结果进行及时处理，提高分析结果的准确性和分析效率，进而保证电力管理质量的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请一种专变采集终端的设备参数分析调整方法的流程示意图；

图2为本申请一种专变采集终端的设备参数分析调整方法中对专变采集终端进行参数调整的流程示意图；

图3为本申请一种专变采集终端的设备参数分析调整方法中获得第一异常电力数据特征的流程示意图；

图4为本申请一种专变采集终端的设备参数分析调整方法中获得电力聚类检测数据集的流程示意图；

图5为本申请一种专变采集终端的设备参数分析调整系统的结构示意图；

图6为本申请示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第一处理单元12，第二获得单元13，第一构建单元14，第三获得单元15，第四获得单元16，第二处理单元17，总线1110，处理器1120，收发器1130，总线接口1140，存储器1150，操作系统1151，应用程序1152和用户接口1160。

具体实施方式

在本申请的描述中，所属技术领域的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件（包括固件、驻留软件、微代码等）、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。

上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。

本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。

应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。

也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。

也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。

下面结合本申请中的附图对本申请进行描述。

实施例一

如图1所示，本申请提供了一种专变采集终端的设备参数分析调整方法，所述方法包括：

步骤S100：通过专变采集终端获得第一区域的第一电力数据信息；

步骤S200：对所述第一电力数据信息进行加密上传，传输至电力负荷管理平台进行分析；

具体而言，专变采集终端是对专变用户用电信息进行采集的设备，一般由CPU模块、主控模块、液晶显示模块、备用模块、GPRS模块、锂电池、电源及接口模块组成，可以实现电能表数据的采集、电能计量设备工况和供电电能质量监测，以及客户用电负荷和电能量的监控，并对采集数据进行管理和双向传输。因此，通过专变采集终端控制用电对电力管理具有重要意义。通过专变采集终端获得第一区域的第一电力数据信息，所述第一区域为电力管理区域，例如社区、工厂、学校等。

采集的第一电力数据信息包括电压数据、电流数据、用电量数据、电功率数据、实时用电信息等，对为后续电力异常实时分析提供电力数据基础。对所述第一电力数据信息进行加密上传，保证数据传输安全性，传输至电力负荷管理平台进行分析，所述电力负荷管理平台是采集分析客户端实时用电信息的基础平台，是电力主站，对采集的电力数据信息进行监测分析，以实现对电力异常信息的管理控制。

步骤S300：所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；

如图3所示，进一步而言，所述获得第一异常电力数据特征，本申请步骤S300还包括：

步骤S310：获得电力聚类检测数据集；

步骤S320：对所述电力聚类检测数据集进行类别标记，获得标记训练电力数据集；

步骤S330：将所述标记训练电力数据集作为输入数据进行支持向量机模型训练，获得电力异常特征识别模型；

步骤S340：将所述第一电力数据信息输入所述电力异常特征识别模型中，获得第一输出结果，所述第一输出结果包括所述第一异常电力数据特征。

具体而言，所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，首先基于历史电力数据信息获得电力聚类检测数据集。所述电力聚类检测数据集是对历史电力数据信息进行聚类划分得到的结果，例如划分为电流类数据、电压类数据等，提高电力数据分类划分准确性。再对所述电力聚类检测数据集进行异常类别标记，例如电流异常数据、电压异常数据，不同类别电力数据标记相应类别标签，获得对应标记训练电力数据集。

将所述标记训练电力数据集作为输入数据进行支持向量机模型训练，支持向量机算法不仅可以应用于线性可分离的数据集，而且还可以应用于数据集不可线性分离的情况。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析，即通过对标记好的训练检测数据集进行监督学习，进而根据训练后的支持向量机模型构建所述电力异常特征识别模型。将所述第一电力数据信息输入所述电力异常特征识别模型中，获得所述模型的训练输出结果即所述第一异常电力数据特征，所述第一异常电力数据特征是电力数据中异常数据结果。通过支持向量机模型对异常电力数据进行及时识别，提高异常电力数据识别准确性和识别效率，进而提高电力质量管理效率。

步骤S400：将所述第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；

进一步而言，所述构建第一电力异常分析模型，本申请步骤S400还包括：

步骤S410：获得所述循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；

步骤S420：将所述第一诊疗特征信息作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；

步骤S430：将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，构建所述第一骨折创伤分析模型。

具体而言，将所述第一异常电力数据特征输入循环神经网络中进行训练，循环神经网络是一类以序列数据为输入，在序列的演进方向进行递归且所有节点（循环单元）按链式连接的递归神经网络，包括输入层，隐藏层和输出层。循环神经网络内处理层处理输入信息的过程中，其除了根据当前输入信息进行处理以外，还会保存上一时序的输出信息，将该输出信息作为当前时序的输入信息一同进行处理，进而得到输出，而随着时序的推进，处理层是不断更新的。循环神经网络通过使用带自反馈的神经元，使得网络的输出不仅和当前的输入有关，还和上一时刻的输出相关，于是在处理任意长度的时序数据时，就具有短期记忆能力。

所述初始隐藏层值可通过自定义的方式进行获得，基于所述初始隐藏层值获得第一输入权重矩阵，在处理的过程中，当前输入信息和上个时序的输出信息按照一定权重比值进行输出信息的预测，即为上述的权重矩阵，且在处理层更新的过程中，该权重矩阵内的权重值是稳定不变的。将所述第一异常电力数据特征作为输入层信息，将对应的电力异常分析结果作为输出标识信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练，将每次的输入层和上一次的隐藏层作为每次的隐藏层，此处的每次的隐藏层即为所述下一次隐藏层值，通过依次迭代训练，当循环神经网络的输出结果达到一定的准确率或收敛时，完成监督训练，构建所述第一电力异常分析模型。所述第一电力异常分析模型用于对电力异常信息进行分析处理，使得输出的电力异常结果更加准确合理，从而保证提高异常电力数据管理的准确性和管理效率。

步骤S500：获得第二区域的第二异常电力数据特征，将所述第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；

步骤S600：对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型；

具体而言，为能够对电力异常数据进行更加准确全面的分析，同理对其他区域进行电力数据采集，所述第二区域可以为一个或多个，将采集获得的第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得对应的第二电力异常分析模型。基于前述循环神经网络的训练结果，对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，例如异常类型参数、异常持续时间参数以及模型相应权重等。根据模型参数对所述循环神经网络进行参数更新，构建集成训练后的集成电力异常分析模型，使得进行参数联邦学习后的集成电力异常分析模型的输出结果更加合理准确，适用范围更加全面。

步骤S700：根据所述集成电力异常分析模型，获得电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理。

具体而言，根据上述构建的所述集成电力异常分析模型，对需要进行电力管理控制的区域进行异常分析，获得对应的电力异常分析结果，例如电力异常类型、异常成因、严重程度等。并基于所述电力异常分析结果对用户用电进行控制管理，以进一步进行电力异常解决方案的制定，例如用户因偷电导致用电量异常，需要进行相应用电罚款和限电管理等。通过对多个区域的电力数据进行整合分析，以此构建集成电力异常分析模型对电力异常结果进行及时处理，提高分析结果的准确性和分析效率，进而保证电力管理质量。

如图2所示，进一步而言，本申请步骤还包括：

步骤S810：根据电力主站档案，获得所述专变采集终端的参数配置信息；

步骤S820：对所述参数配置信息进行可行性分析，获得终端可行性分析结果；

步骤S830：基于数据采集周期的电力数据采集量和实际用电数据差值，获得所述专变采集终端的敏感度信息；

步骤S840：根据所述终端可行性分析结果和所述敏感度信息，获得运行采集质量系数；

步骤S850：基于所述运行采集质量系数，对所述专变采集终端进行参数调整。

具体而言，为更好的对电力用户进行管理，电力主站建立用户档案，所述电力主站档案包括用电区域各用户的档案编号、电能表档案、变压器档案、采集器终端档案以及各配置参数等。根据电力主站档案，获得电力用户的所述专变采集终端的参数配置信息，包括终端 IP 地址、主站采集周期、计量点顺序、变比倍率、小数位等。对所述参数配置信息进行可行性分析，即对用户采集终端的参数进行可使用性评估，获得终端可行性分析结果，即终端设置参数对用户电力信息进行采集的准确性。

再基于数据采集周期的电力数据采集量和实际用电数据差值，获得所述专变采集终端的敏感度信息，差值越小，专变采集终端的敏感度信息越好，采集数据越准确。根据所述终端可行性分析结果和所述敏感度信息，结合确定运行采集质量系数，所述运行采集质量系数是专变采集终端对电力用户的用电信息进行采集的精准度，质量系数越大，采集精准度越高。基于所述运行采集质量系数，对所述专变采集终端进行参数调整，例如对终端采集周期或变比倍率参数进行调整，保证专变采集终端对数据的采集及时性和准确性，以提高电力管理质量的管理效率。

如图4所示，进一步而言，所述获得电力聚类检测数据集，本申请步骤S310还包括：

步骤S311：构建历史电力数据信息库；

步骤S312：将所述历史电力数据信息库中的电力数据进行遍历清洗，并按照预定数据格式进行归一化处理，生成标准电力数据信息集；

步骤S313：对所述标准电力数据信息集进行聚类划分，获得电力数据聚类结果；

步骤S314：基于对所述电力数据聚类结果进行主特征分析，构建所述电力聚类检测数据集。

具体而言，构建历史电力数据信息库，所述历史电力数据信息库是所述电力负荷管理平台采集得到的历史电力数据信息，将所述历史电力数据信息库中的电力数据进行遍历清洗，包括检查数据一致性，处理无效值和缺失值等，并按照预定数据格式进行归一化处理，保证数据格式标准化，生成处理后的标准电力数据信息集。对所述标准电力数据信息集进行聚类划分，是将数据集合分组为由类似的对象组成的多个类的分析过程，是一种无监督学习过程，获得对应的电力数据聚类结果，例如按照电力数据类型进行聚类划分。

基于对所述电力数据聚类结果进行主特征分析，主特征分析是一种线性降维方法，是为了在尽量保证“信息量不丢失”的情况下，对原始特征进行降维，使降维后信息量损失最小。根据降维后的电力数据，构建所述电力聚类检测数据集，所述电力聚类检测数据集是对历史电力数据信息进行聚类划分得到的结果，例如划分为电流类数据、电压类数据等，提高电力数据分类划分准确性，进而提高电力异常分析模型的构建准确性。

进一步而言，本申请步骤还包括：

步骤S910：根据所述第一异常电力数据特征，构建第一电力异常波形；

步骤S920：获得预设电力信号阈值，基于所述预设电力信号阈值对所述第一电力异常波形进行分析，获得异常电力信号集合；

步骤S930：对所述异常电力信号集合进行标记，并基于标记点周期和幅度进行统计，获得第一异常损坏系数；

步骤S940：基于所述第一异常损坏系数，制定用电检修控制方案。

具体而言，为对电力故障进行更快处理，根据所述第一异常电力数据特征，构建第一电力异常波形，所述第一电力异常波形为故障波形，包括电力故障的全过程，且采集波形一般不作滤波处理，尽可能地保持故障信息真实性和实时性。所述预设电力信号阈值为正常运行时的电力信号变化范围，基于所述预设电力信号阈值对所述第一电力异常波形进行分析，获得超出阈值范围之外的异常电力信号集合。对所述异常电力信号集合进行数据标记，并基于标记点周期和幅度进行统计，解故障过程中电流、电压幅值和相位，故障性质、故障的持续时间，评价获得第一异常损坏系数，异常损坏系数越大，表明电力损坏程度越大，需要加急处理。基于所述第一异常损坏系数，制定用电检修控制方案，所述用电检修控制方案是结合故障特征和损坏程度进行制定的检修方案，用于及时恢复用电安全，保证电力故障进行及时处理，进而保证电力质量控制效率。

进一步而言，本申请步骤S200还包括：

步骤S210：根据所述第一区域的数据采集等级，选择电力加密算法；

步骤S220：基于所述电力加密算法对所述第一电力数据信息进行加密，获得第一加密电力数据信息；

步骤S230：将所述第一加密电力数据信息上传至所述电力负荷管理平台。

具体而言，所述第一区域的数据采集等级是该用电采集区域的电力数据保密等级，例如军工区域用电信息保密等级较高，根据所述第一区域的数据采集等级，选择电力加密算法。数据加密的基本过程就是对原来为明文的文件或数据按某种算法进行处理，使其成为不可读的一段代码为“密文”，使其只能在输入相应的密钥之后才能显示出原容，通过这样的途径来达到保护数据不被非法人窃取、阅读的目的。数据保密等级越高，对应的加密算法级别也越高，基于所述电力加密算法对所述第一电力数据信息进行加密，获得加密后的第一加密电力数据信息。将所述第一加密电力数据信息上传至所述电力负荷管理平台进行分析，保证数据传输安全性，提高获取数据准确性，进而保证电力数据管理安全性。

综上所述，本申请所提供的一种专变采集终端的设备参数分析调整方法及系统具有如下技术效果：

由于采用了通过专变采集终端获得电力数据信息，并对电力数据信息进行加密上传，传输至电力负荷管理平台进行分析，将分析得到的异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型，同理构建第二电力异常分析模型，再对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型，最后根据所述集成电力异常分析模型，获得所述模型输出结果即电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理的技术方案。进而达到通过对多个区域的电力数据进行整合分析，以此构建集成电力异常分析模型对电力异常结果进行及时处理，提高分析结果的准确性和分析效率，进而保证电力管理质量的技术效果。

实施例二

基于与前述实施例中一种专变采集终端的设备参数分析调整方法同样发明构思，本发明还提供了一种专变采集终端的设备参数分析调整系统，如图5所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过专变采集终端获得第一区域的第一电力数据信息；

第一处理单元12，所述第一处理单元12用于对所述第一电力数据信息进行加密上传，传输至电力负荷管理平台进行分析；

第二获得单元13，所述第二获得单元13用于所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；

第一构建单元14，所述第一构建单元14用于将所述第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；

第三获得单元15，所述第三获得单元15用于获得第二区域的第二异常电力数据特征，将所述第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；

第四获得单元16，所述第四获得单元16用于对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型；

第二处理单元17，所述第二处理单元17用于根据所述集成电力异常分析模型，获得电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理。

进一步的，所述系统还包括：

第五获得单元，所述第五获得单元用于根据电力主站档案，获得所述专变采集终端的参数配置信息；

第六获得单元，所述第六获得单元用于对所述参数配置信息进行可行性分析，获得终端可行性分析结果；

第七获得单元，所述第七获得单元用于基于数据采集周期的电力数据采集量和实际用电数据差值，获得所述专变采集终端的敏感度信息；

第八获得单元，所述第八获得单元用于根据所述终端可行性分析结果和所述敏感度信息，获得运行采集质量系数；

第一调整单元，所述第一调整单元用于基于所述运行采集质量系数，对所述专变采集终端进行参数调整。

进一步的，所述系统还包括：

第九获得单元，所述第九获得单元用于获得电力聚类检测数据集；

第十获得单元，所述第十获得单元用于对所述电力聚类检测数据集进行类别标记，获得标记训练电力数据集；

第十一获得单元，所述第十一获得单元用于将所述标记训练电力数据集作为输入数据进行支持向量机模型训练，获得电力异常特征识别模型；

第十二获得单元，所述第十二获得单元用于将所述第一电力数据信息输入所述电力异常特征识别模型中，获得第一输出结果，所述第一输出结果包括所述第一异常电力数据特征。

进一步的，所述系统还包括：

第二构建单元，所述第二构建单元用于构建历史电力数据信息库；

第一生成单元，所述第一生成单元用于将所述历史电力数据信息库中的电力数据进行遍历清洗，并按照预定数据格式进行归一化处理，生成标准电力数据信息集；

第十三获得单元，所述第十三获得单元用于对所述标准电力数据信息集进行聚类划分，获得电力数据聚类结果；

第三构建单元，所述第三构建单元用于基于对所述电力数据聚类结果进行主特征分析，构建所述电力聚类检测数据集。

进一步的，所述系统还包括：

第四构建单元，所述第四构建单元用于根据所述第一异常电力数据特征，构建第一电力异常波形；

第十四获得单元，所述第十四获得单元用于获得预设电力信号阈值，基于所述预设电力信号阈值对所述第一电力异常波形进行分析，获得异常电力信号集合；

第十五获得单元，所述第十五获得单元用于对所述异常电力信号集合进行标记，并基于标记点周期和幅度进行统计，获得第一异常损坏系数；

第一制定单元，所述第一制定单元用于基于所述第一异常损坏系数，制定用电检修控制方案。

进一步的，所述系统还包括：

第一选择单元，所述第一选择单元用于根据所述第一区域的数据采集等级，选择电力加密算法；

第十六获得单元，所述第十六获得单元用于基于所述电力加密算法对所述第一电力数据信息进行加密，获得第一加密电力数据信息；

第一上传单元，所述第一上传单元用于将所述第一加密电力数据信息上传至所述电力负荷管理平台。

进一步的，所述系统还包括：

第十七获得单元，所述第十七获得单元用于获得所述循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；

第一训练单元，所述第一训练单元用于将所述第一异常电力数据特征作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；

第五构建单元，所述第五构建单元用于将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，构建所述第一电力异常分析模型。

前述图1实施例一中的一种专变采集终端的设备参数分析调整方法的各种变化方式和具体实例同样适用于本实施例的一种专变采集终端的设备参数分析调整系统，通过前述对一种专变采集终端的设备参数分析调整方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种专变采集终端的设备参数分析调整系统的实施方法，所以为了说明书的简洁，在此不再详述。

此外，本申请还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

示例性电子设备

具体的，参见图6所示，本申请还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。

在本申请中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。

收发器1130，用于在处理器1120的控制下接收和发送数据。

本申请中，总线架构（用总线1110来代表），总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。

总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。

处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。

处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本申请不再对其进行进一步描述。

收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。

应理解，在本申请中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。

应理解，本申请中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器，或闪存。

易失性存储器包括：随机存取存储器，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。

在本申请中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。

具体而言，操作系统1151包含各种装置程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器、浏览器，用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。

此外，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请披露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种专变采集终端的设备参数分析调整方法，其特征在于，所述方法包括：

通过专变采集终端获得第一区域的第一电力数据信息；

对所述第一电力数据信息进行加密上传，传输至电力负荷管理平台进行分析；

所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；

将所述第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；

获得第二区域的第二异常电力数据特征，将所述第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；

对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型，具体为：对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，所述模型参数包括异常类型参数、异常持续时间参数以及模型相应权重，根据所述模型参数对所述循环神经网络进行参数更新，构建集成训练后的所述集成电力异常分析模型；

根据所述集成电力异常分析模型，获得电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理；

所述方法还包括：

根据电力主站档案，获得所述专变采集终端的参数配置信息；

对所述参数配置信息进行可行性分析，获得终端可行性分析结果；

基于数据采集周期的电力数据采集量和实际用电数据差值，获得所述专变采集终端的敏感度信息；

根据所述终端可行性分析结果和所述敏感度信息，获得运行采集质量系数；

基于所述运行采集质量系数，对所述专变采集终端进行参数调整；所述获得第一异常电力数据特征，包括：

获得电力聚类检测数据集；

对所述电力聚类检测数据集进行类别标记，获得标记训练电力数据集；

将所述标记训练电力数据集作为输入数据进行支持向量机模型训练，获得电力异常特征识别模型；

将所述第一电力数据信息输入所述电力异常特征识别模型中，获得第一输出结果，所述第一输出结果包括所述第一异常电力数据特征；

所述构建第一电力异常分析模型，包括：

获得所述循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；

将所述第一异常电力数据特征作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；

将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，构建所述第一电力异常分析模型。

2.如权利要求1所述的方法，其特征在于，所述获得电力聚类检测数据集，包括：

构建历史电力数据信息库；

将所述历史电力数据信息库中的电力数据进行遍历清洗，并按照预定数据格式进行归一化处理，生成标准电力数据信息集；

对所述标准电力数据信息集进行聚类划分，获得电力数据聚类结果；

基于对所述电力数据聚类结果进行主特征分析，构建所述电力聚类检测数据集。

3.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述第一异常电力数据特征，构建第一电力异常波形；

获得预设电力信号阈值，基于所述预设电力信号阈值对所述第一电力异常波形进行分析，获得异常电力信号集合；

对所述异常电力信号集合进行标记，并基于标记点周期和幅度进行统计，获得第一异常损坏系数；

基于所述第一异常损坏系数，制定用电检修控制方案。

4.如权利要求1所述的方法，其特征在于，所述对所述第一电力数据信息进行加密上传，包括：

根据所述第一区域的数据采集等级，选择电力加密算法；

基于所述电力加密算法对所述第一电力数据信息进行加密，获得第一加密电力数据信息；

将所述第一加密电力数据信息上传至所述电力负荷管理平台。

5.一种专变采集终端的设备参数分析调整系统，其特征在于，所述系统包括：

第一获得单元，所述第一获得单元用于通过专变采集终端获得第一区域的第一电力数据信息；

第一处理单元，所述第一处理单元用于对所述第一电力数据信息进行加密上传，传输至电力负荷管理平台进行分析；

第二获得单元，所述第二获得单元用于所述电力负荷管理平台对所述第一电力数据信息进行异常数据识别分析，获得第一异常电力数据特征；

第一构建单元，所述第一构建单元用于将所述第一异常电力数据特征输入循环神经网络中进行训练，构建第一电力异常分析模型；

第三获得单元，所述第三获得单元用于获得第二区域的第二异常电力数据特征，将所述第二异常电力数据特征输入所述循环神经网络进行分布式训练，获得第二电力异常分析模型；

第四获得单元，所述第四获得单元用于对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，获得集成电力异常分析模型，具体为：对所述第一电力异常分析模型和所述第二电力异常分析模型的模型参数进行集成训练，所述模型参数包括异常类型参数、异常持续时间参数以及模型相应权重，根据所述模型参数对所述循环神经网络进行参数更新，构建集成训练后的所述集成电力异常分析模型；

第二处理单元，所述第二处理单元用于根据所述集成电力异常分析模型，获得电力异常分析结果，并基于所述电力异常分析结果对用户用电进行控制管理；

第五获得单元，所述第五获得单元用于根据电力主站档案，获得所述专变采集终端的参数配置信息；

第六获得单元，所述第六获得单元用于对所述参数配置信息进行可行性分析，获得终端可行性分析结果；

第七获得单元，所述第七获得单元用于基于数据采集周期的电力数据采集量和实际用电数据差值，获得所述专变采集终端的敏感度信息；

第八获得单元，所述第八获得单元用于根据所述终端可行性分析结果和所述敏感度信息，获得运行采集质量系数；

第一调整单元，所述第一调整单元用于基于所述运行采集质量系数，对所述专变采集终端进行参数调整；

第九获得单元，所述第九获得单元用于获得电力聚类检测数据集；

第十获得单元，所述第十获得单元用于对所述电力聚类检测数据集进行类别标记，获得标记训练电力数据集；

第十一获得单元，所述第十一获得单元用于将所述标记训练电力数据集作为输入数据进行支持向量机模型训练，获得电力异常特征识别模型；

第十二获得单元，所述第十二获得单元用于将所述第一电力数据信息输入所述电力异常特征识别模型中，获得第一输出结果，所述第一输出结果包括所述第一异常电力数据特征；

第十七获得单元，所述第十七获得单元用于获得所述循环神经网络的初始隐藏层值，基于所述初始隐藏层值获得第一输入权重矩阵；

第一训练单元，所述第一训练单元用于将所述第一异常电力数据特征作为输入层信息，根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练；

第五构建单元，所述第五构建单元用于将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值，依次迭代训练，构建所述第一电力异常分析模型。

6.一种专变采集终端的设备参数分析调整电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-4中任一项所述方法中的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述方法中的步骤。

Images