一种计量自动化系统无线通信故障预测方法
【技术领域】
[0001] 本发明涉及电力技术领域，尤其涉及一种计量自动化系统无线通信故障预测方 法。
【背景技术】
[0002] 电力是国民经济发展的命脉，是社会生产生活的支撑力量。电网肩负着将发电单 位提供的电能，通过输电、变电、配电系统，送达用电单位和千家万户的重任，是电力系统运 行和电力市场运营的枢纽。如果计量自动化终端通信出现故障，将在经济效益、调度决策等 方面带来不良后果。
[0003] 随着电力系统规模的不断扩大和结构的日益复杂，大量的报警信息在短时间内涌 入电力系统调度中心，远远超过运行人员的处理能力，易使调度员误判、漏判，为了适应各 种简单和复杂事故情况下故障的快速、准确识别，需要电网故障预测系统进行决策参考。电 网系统故障预测研宄具有重要的现实意义。
[0004] 目前，国内外提出了许多电力系统故障诊断的技术和方法，主要有以下几种：专家 系统、人工神经网络、优化技术、Petri网络、模糊集理论、粗糙集理论、多代理技术。
[0005] 计量自动化系统的采集终端传送给数据中心采用GPRS无线通信技术，由于无线 通信固有的特点，而且分布范围广，终端的GPRS信号质量不稳定，信号故障的事后维修延 时较大，对系统影响大。因此，采集终端在线率水平是提高系统实用化水平的关键。
【发明内容】
[0006] 为解决上述技术问题，本发明提供一种计量自动化系统无线通信故障预测方法， 包括：
[0007] 将终端采集的历史通信质量数据分为训练样本集和测试集；
[0008] 根据从所述训练样本集中提取的特征将训练样本集转化为训练向量集；
[0009] 基于逻辑回归模型训练所述训练向量集获得特征向量的权重参数向量，以得到预 测计量自动化终端通信故障的预测模型；所述预测模型的目标函数如下公式（1):
[0010]
【主权项】
1. 一种计量自动化系统无线通信故障预测方法，其特征在于，包括： 将终端采集的历史通信质量数据分为训练样本集和测试集； 根据从所述训练样本集中提取的特征将训练样本集转化为训练向量集； 基于逻辑回归模型训练所述训练向量集获得特征向量的权重参数向量，以得到预测计 量自动化终端通信故障的预测模型；所述预测模型的目标函数如下公式（1):
在所述测试集中选取与所述训练样本集中提取的特征相同的特征构建测试向量集； 根据所述测试向量集是评价所述训练得到的预测模型，并且根据预测结果对所述预测 模型的参数做出调整。
2. 如权利要求1所述的计量自动化系统无线通信故障预测方法，其特征在于，从所述 训练样本集中提取的特征具体为：终端ID、登录时间、数据比特数、时钟比特数、连接比特 数、在线率。
3. 如权利要求2所述的计量自动化系统无线通信故障预测方法，其特征在于，所述逻 辑回归模型的目标函数如下公式（2):
其中，Xi是第i个训练样本的输入特征，Θ 1是所述输入特征的权重向量；该逻辑回归 模型的输出结果g(Z)范围为O到1。
4. 如权利要求3所述的计量自动化系统无线通信故障预测方法，其特征在于，为所述 g(Z)选择一阀值以使用所述逻辑回归模型来预测计量自动化终端通信故障。
5. 如权利要求4所述的计量自动化系统无线通信故障预测方法，其特征在于，为所述 g(Z)选择的阀值为0.5,若输出结果g(Z)多0.5,则预测结果为故障数据；若输出结果g(Z) <0.5,则预测结果为正常数据。
6. 如权利要求5所述的计量自动化系统无线通信故障预测方法，其特征在于，所述逻 辑回归模型的目标函数中的参数向量Θ i通过梯度下降法计算得到。
7. 如权利要求6所述的计量自动化系统无线通信故障预测方法，其特征在于，所述使 用梯度下降法来计算得到参数向量Θ i具体为：通过最小化损失函数，计算得到最优化的参 数向量Θ ;所述最小化损失函数如公式（3):
he (x(l)) = g( θ τχ(ι)) (3); 其中= 为所述训练样本的样本特征；y(i)为第i个训练样本的 类别标签，标注为0或1，分别代表故障样本和正常样本。
8. 如权利要求7所述的计量自动化系统无线通信故障预测方法，其特征在于，计算最 优化参数向量Θ的过程如下所示： 随机选取Θ ^ Θ i，. . .，θ n作为初始值； 不断更新θ V Θ i，. . .，θ n，以持续减少损失函数值J( Θ )直到算法收敛到最小值。
9. 如权利要求8所述的计量自动化系统无线通信故障预测方法，其特征在于，更新θ 的方法为
，其中α是学习率参数。
10. 如权利要求9所述的计量自动化系统无线通信故障预测方法，其特征在于，所述方 法还包括： 根据所述计算得到的最优化参数向量Θ，获得模型h0 (X) = g( Θ Tx)。
【专利摘要】本发明提供的一种计量自动化系统无线通信故障预测方法，包括：将终端采集的历史通信质量数据分为训练样本集和测试集；根据从所述训练样本集中提取的特征将训练样本集转化为训练向量集；基于逻辑回归模型训练所述训练向量集获得特征向量的权重参数向量，以得到预测计量自动化终端通信故障的预测模型；在所述测试集中选取与所述训练样本集中提取的特征相同的特征构建测试向量集；根据所述测试向量集是评价所述训练得到的预测模型，并且根据预测结果对所述预测模型的参数做出调整。本发明能提前分析各类通信故障的数据，主动预测终端故障的概率，从而间接提高终端在线率，从而能有效解决电网中通信故障预测的问题。
【IPC分类】G06Q50-06
【公开号】CN104751374
【申请号】CN201510137893
【发明人】王少锋, 刘涛, 伍少成, 刘洋, 李鹏, 刘伊雅
【申请人】深圳供电局有限公司
【公开日】2015年7月1日
【申请日】2015年3月27日