《基于数据挖掘的智能电表异常数据分析》由会员分享，可在线阅读，更多相关《基于数据挖掘的智能电表异常数据分析（71页珍藏版）》请在金锄头文库上搜索。
1、 学校代码：10252学 号：154650014上海理工大学硕士学位论文基于数据挖掘的智能电表异常数据分析姓 名翁素婷系 别光电信息与计算机工程学院专 业电气工程研究方向数据挖掘指导教师孙伟卿 副教授学位论文完成日期 2018年01月Abnormal Data Analysis of Smart MetersBased on Data MiningbyWeng SutingA Thesis Submitted to University of Shanghai for Science & Technology in Partial Fulfillment of the Requirements
2、 forthe Degree of MasterUnder the Supervision ofAssociate Professor Sun WeiqingUniversity of Shanghai for Science & TechnologyJanuary 2018学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学位论文保留并向国家有关部门或机构送交论文的复印件和电子版。允许论文被查阅和借阅。本人授权上海理工大学可以将本学位论文的全部内容或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保 密 年 不保密 本学
3、位论文属于学位论文作者签名： 指导教师签名：年 月 日 年 月 日声 明本人郑重声明：所呈交的学位论文，是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者签名：年 月 日摘 要随着自动化和信息技术的不断发展，在高级计量架构中通常会使用到智能电能表。智能电能表主要可实现电能计量、实时监测、网络通信、信息存储、信息交互以及自动控制等功能，并且可向使用者提供由于季节、时区或者节假日所导致形成的不同费率，实现精
4、确的用电负荷曲线记录，可促进用户进行更加合理的供电规划。随着智能电能表现场运行年限的不断增加，功能的不断扩展，出现的故障类型也越来越多样复杂。随着国家电网公司用电信息采集系统的建成运行，主站会采集到大量的电能表运行数据，包括电量、电压、电流曲线和各类电能表异常事件等。本文首先综合智能电能表功能单元与硬件设计主要侧重于对其在使用过程中所遇到的不同种类的故障做出归纳总结，使用的方法为故障模式影响分析方法以各个功能单元为对象，逐一分析智能电能表可能出现的故障现象并进行归类。并根据现场实测的真实数据进行统计，确定现场出现故障频率较高的功能单元。最后通过可靠性预计，进一步确定薄弱功能单元的关键部件，为今
5、后优化电能表设计、提高电能表运行可靠性提供依据。为分析得出电能表运行数据中所包含的随机、模糊信息及其之间关联性，需引入合适的数据分析方法，结合随机性、模糊性等方法原理进行定性和定量分析。本文创新性地结合聚类分析与云模型算法，对采集的故障数据进行分析处理，根据数据特征计算得出5个云模型，并结合电能表实际运行情况，赋予其5个不同的定性概念，并归纳出96个电能表故障信息诊断模型，能够快速地对电能表故障定性、处理，从而节省故障消缺的人力物力，提高工作效率。关键词：智能电能表 故障分析 数据挖掘 云模型ABSTRACTWith the continuous development of automati
6、on and information technology, smart meters are often used in AMI. The smart meter mainly realizes functions such as energy metering, real-time monitoring, network communication, information storage, information exchange, and automatic control. It can provide users with different rates due to season
7、s, time zones, or holidays. It can achieve the accurate curve records of real-timeload and promote users to make more reasonable power supply planning.With the ever-increasing field service life of smart energy meters and the continuous expansion of functions, the types of failures are more diverse
8、and complex. The main station will collect a large number of power meter operational data, including electricity, voltage, current curve and various types of abnormal energy meter events with the completion and operation of the State Grid Corporations power consumption information collection system.
9、In this paper, the smart meter function unit and hardware design are mainly focused on summarizing the different kinds of faults during the use of the smart meter. The method used is the failure mode impact analysis method. Each function unit is used as an object, and the possible phenomena of the s
10、mart meter may be analyzed one by one and classified. According to the actual data measured in the field, statistics are made to determine the functional unit with higher failure frequency at the site. Finally, through the reliability prediction, the key components of the weak functional unit are fu
11、rther determined, providing the basis for optimizing the design of the smart meter and improving the reliability of the smart meter in the future. In order to obtain the random and fuzzy information contained in the operating data of the energy meter and the correlation between them, an appropriate
12、data analysis method must be introduced, and qualitative and quantitative analysis should be carried based on the principle of randomness, fuzziness, and so on. This paper innovatively combines cluster analysis and cloud model algorithms to analyze and process the collected fault data, calculates fi
13、ve cloud models based on the data characteristics, and combined five different qualitative concepts with the actual operation of the smart meter. The paper sum up 96 diagnosis models of power meter fault information, so it can quickly determine the nature of the power meter fault, save the manpower
14、and material shortage, improve work efficiency.Key Word: smart meter fault analysis data mining cloud model目 录中文摘要ABSTRACT第一章 绪 论11.1研究背景与意义11.1.1智能电网中的高级计量架构11.1.2高级计量架构中的智能电能表21.1.3智能电能表行业的快速发展31.1.4智能电能表的安全可靠性问题41.1.5课题意义51.2 国内外研究现状61.2.1 智能电能表与高级计量架构61.2.2电力用电系统的数据挖掘81.3本文主要研究内容9第二章 智能电能表异常工况分析
15、102.1故障模式影响分析方法102.2智能电能表故障信息诊断122.2.1智能电能表功能模块简介122.2.2 智能电能表可靠性框图绘制132.3现场故障数据收集分析142.3.1 智能电能表故障统计142.3.2 智能电能表故障分析162.4智能电能表故障信息分类182.5本章小结19第三章 智能电能表事件数据记录采集方案203.1事件记录采集结构203.2事件记录分级213.2采集终端功能要求263.2.1 支撑电能表事件分级上报263.2.2 采集终端事件分级上报263.3本章小结27第四章 基于数据挖掘的电能表故障数据分析284.1数据挖掘定义与含义284.2数据挖掘方法论述284.2.1 知识类型与基本任务284.2.2 数据挖掘分类294.2.3 数据挖掘经典算法314.3基于云模型的电能表数据分析方法334.3.1 基于K-means算法的电能表故障数据聚类分析方法334.3.2 基于云理论的电能表故障数据
