本發(fā)明涉及一種異常信息診斷技術(shù)領(lǐng)域，具體涉及一種用電信息采集系統(tǒng)中異常信息的智能診斷方法。

背景技術(shù)：

用電信息采集系統(tǒng)的建設(shè)，有助于國(guó)家節(jié)能減排政策的落實(shí)，順應(yīng)了國(guó)家電力體制改革的發(fā)展方向。國(guó)家發(fā)改委《關(guān)于進(jìn)一步深化電力體制改革的若該意見(jiàn)》中指出“積極開(kāi)展電力需求側(cè)管理和能效管理，通過(guò)運(yùn)用現(xiàn)代信息技術(shù)，培育電能服務(wù)、實(shí)施需求響應(yīng)等，促進(jìn)供需平衡和節(jié)能減排?！痹趪?guó)家能源局印發(fā)的《配電網(wǎng)建設(shè)改造系統(tǒng)計(jì)劃(2015-2020年)》中，明確提出了“推進(jìn)配電自動(dòng)化和智能用電信息采集系統(tǒng)建設(shè)，實(shí)現(xiàn)配電網(wǎng)客觀可控。滿(mǎn)足新能源、分布式能源及電動(dòng)汽車(chē)等多元化負(fù)荷發(fā)展需求，推動(dòng)智能電網(wǎng)建設(shè)與互聯(lián)網(wǎng)深度融合”的發(fā)展目標(biāo)。

國(guó)家電網(wǎng)公司和南方電網(wǎng)公司高度重視用電信息采集系統(tǒng)的建設(shè)和功能應(yīng)用工作，國(guó)家電網(wǎng)公司于2009年開(kāi)始全面啟動(dòng)公司用電信息采集系統(tǒng)建設(shè)，預(yù)計(jì)2015年將實(shí)現(xiàn)超過(guò)3億戶(hù)用電信息自動(dòng)采集。

但目前用電信息采集系統(tǒng)運(yùn)維技術(shù)還較為粗放，存在一些亟待解決的問(wèn)題。一是系統(tǒng)運(yùn)維效率有待提高，現(xiàn)場(chǎng)調(diào)試、系統(tǒng)監(jiān)控和故障消缺需要耗費(fèi)大量的人力物力；二是系統(tǒng)數(shù)據(jù)分散，集成度和準(zhǔn)確率較低，異常指向性差，豐富的采集數(shù)據(jù)還未充分發(fā)揮作用；三是系統(tǒng)智能化程度較低，對(duì)電力企業(yè)業(yè)務(wù)應(yīng)用的支持不夠全面，對(duì)各種采集設(shè)備的監(jiān)控和異常報(bào)警能力也有待加強(qiáng)。上述問(wèn)題制約了用電信息采集系統(tǒng)的進(jìn)一步發(fā)展和應(yīng)用，急需解決。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問(wèn)題，本發(fā)明提出一種用電信息采集系統(tǒng)中異常信息的智能診斷方法，提高了用電信息采集系統(tǒng)運(yùn)行監(jiān)控能力，發(fā)揮系統(tǒng)在大數(shù)據(jù)感知、分析、監(jiān)測(cè)方面的技術(shù)優(yōu)勢(shì)，為電力營(yíng)銷(xiāo)業(yè)務(wù)提供技術(shù)支撐，在實(shí)際應(yīng)用中取得了良好效果。

實(shí)現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

一種用電信息采集系統(tǒng)中異常信息的智能診斷系統(tǒng)，包括異常分析專(zhuān)家?guī)?、自學(xué)習(xí)模塊和GIS故障定位模塊，所述異常分析專(zhuān)家?guī)?、自學(xué)習(xí)模塊和GIS故障定位模塊之間通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)連接，實(shí)現(xiàn)故障信息的共享；

所述異常分析專(zhuān)家?guī)彀ㄈ舾深?lèi)異常診斷分析模型；

所述自學(xué)習(xí)模塊用于通過(guò)運(yùn)用樸素貝葉斯算法對(duì)異常分析專(zhuān)家?guī)熘械臄?shù)據(jù)進(jìn)行訓(xùn)練，形成與各個(gè)異常診斷分析模型對(duì)應(yīng)的判斷異常信息類(lèi)型的準(zhǔn)則，并用于接受、分析用電信息采集系統(tǒng)提供的異常信息，利用判斷異常信息類(lèi)型的準(zhǔn)則判斷異常信息的類(lèi)型，并與異常分析專(zhuān)家?guī)爝M(jìn)行比較，當(dāng)異常分析專(zhuān)家?guī)熘幸延性擃?lèi)型的異常診斷分析模型，則將該異常信息歸類(lèi)到異常分析專(zhuān)家?guī)熘袑?duì)應(yīng)的異常診斷分析模型中，并將該異常類(lèi)型傳遞給GIS故障定位模塊；若異常分析專(zhuān)家?guī)熘袥](méi)有該類(lèi)型的異常診斷分析模型，則將該類(lèi)型異常傳遞給工作人員，由工作人員進(jìn)行分析后，設(shè)置對(duì)應(yīng)的新的異常診斷分析模型，并將該異常信息歸類(lèi)到新的異常診斷分析模型，通過(guò)手動(dòng)輸入的方式將該異常信息、新的異常類(lèi)型、新的異常診斷分析模型更新到異常分析專(zhuān)家?guī)熘校⒃摦惓ｎ?lèi)型傳遞給GIS故障定位模塊，同時(shí)在GIS故障定位模塊的異常嚴(yán)重等級(jí)判斷模塊中，手動(dòng)設(shè)定該新的異常類(lèi)型與嚴(yán)重等級(jí)的關(guān)聯(lián)，并且自學(xué)習(xí)模塊對(duì)新的異常分析專(zhuān)家?guī)斓臄?shù)據(jù)重新進(jìn)行訓(xùn)練，形成判斷新的異常信息類(lèi)型的準(zhǔn)則，并將該新異常信息重新傳給自學(xué)習(xí)模塊進(jìn)行類(lèi)別判斷，驗(yàn)證新的異常信息的判斷準(zhǔn)則是否已成功形成；

所述GIS故障定位模塊包括安裝在各設(shè)備上的GPS定位裝置、異常嚴(yán)重等級(jí)判斷模塊和GIS數(shù)字地圖，GPS定位裝置用于對(duì)故障設(shè)備進(jìn)行自動(dòng)定位獲取故障設(shè)備的位置信息，異常嚴(yán)重等級(jí)判斷模塊用于判定該異常的嚴(yán)重等級(jí)；GIS數(shù)字地圖用于將故障設(shè)備的位置信息、異常類(lèi)型、異常的嚴(yán)重等級(jí)顯示在GIS數(shù)字地圖上，實(shí)現(xiàn)故障位置的快速查詢(xún)。

所述異常診斷分析模型分為單一診斷分析模型和關(guān)聯(lián)診斷分析模型，所述單一診斷分析模型包括電量異常診斷模型、電壓電流異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、費(fèi)控異常診斷模型；所述關(guān)聯(lián)診斷分析模型包括疑似竊電模型、設(shè)備故障模型、錯(cuò)接線(xiàn)模型、配變需擴(kuò)容模型、現(xiàn)場(chǎng)維護(hù)模型、電池失效模型、回路異常模型、用電異常模型。

所述異常嚴(yán)重等級(jí)判斷模塊用于判定該異常的嚴(yán)重等級(jí)，具體為：根據(jù)預(yù)先設(shè)定的異常類(lèi)型與嚴(yán)重等級(jí)之間的相關(guān)關(guān)系，對(duì)接收到的異常類(lèi)型進(jìn)行嚴(yán)重等級(jí)判斷；所述GIS數(shù)字地圖具體用于根據(jù)故障設(shè)備的位置信息顯示出故障設(shè)備的位置，并在相應(yīng)的位置上根據(jù)異常類(lèi)型和異常嚴(yán)重等級(jí)對(duì)各類(lèi)故障設(shè)備分別以不同的顏色和標(biāo)志進(jìn)行告警，并在進(jìn)行異常流程處理后，實(shí)時(shí)展示故障處理的結(jié)果。

所述的異常嚴(yán)重等級(jí)包括：

1級(jí)：緊急事件，包括用戶(hù)有疑似竊電行為發(fā)生的事件、對(duì)專(zhuān)變用戶(hù)負(fù)荷開(kāi)關(guān)狀態(tài)的監(jiān)測(cè)事件類(lèi)需要第一時(shí)間主動(dòng)上報(bào)的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：電量異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、疑似竊電模型；

2級(jí)：重要事件，包括掉電、參數(shù)變更類(lèi)對(duì)設(shè)備正常運(yùn)行有影響的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：設(shè)備故障模型、電池失效模型；

3級(jí)：較重要事件，包括失壓、時(shí)間超差類(lèi)對(duì)用戶(hù)可靠用電有影響的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：電壓電流異常診斷模型、回路異常模型、配變需擴(kuò)容模型、用電異常模型；

4級(jí)：一般事件，包括遠(yuǎn)程或本地對(duì)設(shè)備進(jìn)行過(guò)命令操作，可根據(jù)管理需要進(jìn)行核查和處理的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：現(xiàn)場(chǎng)維護(hù)模型、錯(cuò)接線(xiàn)模型、費(fèi)控異常診斷模型。

一種用電信息采集系統(tǒng)中異常信息的智能診斷方法，包括以下步驟：

步驟一、數(shù)據(jù)預(yù)處理:對(duì)用電信息采集系統(tǒng)采集到的異常信息中的重復(fù)數(shù)據(jù)進(jìn)行剔重；

步驟二、將該異常信息采集點(diǎn)所屬用戶(hù)信息與營(yíng)銷(xiāo)流程進(jìn)行比對(duì)，檢查檔案是否錯(cuò)誤；

步驟三、當(dāng)檔案檢查無(wú)誤時(shí)，自學(xué)習(xí)模塊通過(guò)運(yùn)用樸素貝葉斯算法對(duì)異常分析專(zhuān)家?guī)熘械臄?shù)據(jù)進(jìn)行訓(xùn)練，形成與各個(gè)異常診斷分析模型對(duì)應(yīng)的判斷異常信息類(lèi)型的準(zhǔn)則，并接受、分析用電信息采集系統(tǒng)提供的異常信息，利用判斷異常信息類(lèi)型的準(zhǔn)則判斷異常信息的類(lèi)型，并與異常分析專(zhuān)家?guī)爝M(jìn)行比較，從而執(zhí)行以下操作：

A：若異常分析專(zhuān)家?guī)熘幸延性擃?lèi)型的異常診斷分析模型，則將該異常信息歸類(lèi)到異常分析專(zhuān)家?guī)熘袑?duì)應(yīng)的異常診斷分析模型中，并將異常類(lèi)型傳遞給GIS故障定位模塊；

B：若異常分析專(zhuān)家?guī)熘袥](méi)有該類(lèi)型的異常診斷分析模型，則將該類(lèi)型異常傳遞給工作人員，由工作人員進(jìn)行分析后，設(shè)置對(duì)應(yīng)的新的異常診斷分析模型，并將該異常信息歸類(lèi)到新的異常診斷分析模型，通過(guò)手動(dòng)輸入的方式將該異常信息、新的異常類(lèi)型、新的異常診斷分析模型更新到異常分析專(zhuān)家?guī)熘?，并將該異常?lèi)型傳遞給GIS故障定位模塊，同時(shí)在GIS故障定位模塊的異常嚴(yán)重等級(jí)判斷模塊中，手動(dòng)設(shè)定該新的異常類(lèi)型與嚴(yán)重等級(jí)的關(guān)聯(lián)，并且自學(xué)習(xí)模塊對(duì)新的異常分析專(zhuān)家?guī)斓臄?shù)據(jù)重新進(jìn)行訓(xùn)練，形成判斷新的異常信息類(lèi)型的準(zhǔn)則，并將該新異常信息重新傳給自學(xué)習(xí)模塊進(jìn)行類(lèi)別判斷，驗(yàn)證新的異常信息的判斷準(zhǔn)則是否已成功形成；

步驟四、利用GPS定位裝置對(duì)故障設(shè)備定位獲得故障設(shè)備的位置信息，異常嚴(yán)重等級(jí)判斷模塊根據(jù)接收到的異常信息判定該異常的嚴(yán)重等級(jí)；最后利用GIS數(shù)字地圖將故障設(shè)備的位置信息、異常類(lèi)型和異常的嚴(yán)重等級(jí)顯示在GIS數(shù)字地圖上，實(shí)現(xiàn)故障位置的快速查詢(xún)；

步驟五、工作人員根據(jù)GIS數(shù)據(jù)地圖上的警告信息的嚴(yán)重等級(jí)安排處理順序，并進(jìn)行處理；

步驟六、異常處理結(jié)束后，GIS故障定位模塊實(shí)時(shí)展示故障處理的結(jié)果。

所述步驟三中，所述異常診斷分析模型分為單一診斷分析模型和關(guān)聯(lián)診斷分析模型，所述單一診斷分析模型包括電量異常診斷模型、電壓電流異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、費(fèi)控異常診斷模型；所述關(guān)聯(lián)診斷分析模型包括疑似竊電模型、設(shè)備故障模型、錯(cuò)接線(xiàn)模型、配變需擴(kuò)容模型、現(xiàn)場(chǎng)維護(hù)模型、電池失效模型、回路異常模型、用電異常模型。

所述步驟四中，所述異常嚴(yán)重等級(jí)判斷模塊用于判定該異常的嚴(yán)重等級(jí)，具體為：根據(jù)預(yù)先設(shè)定的異常類(lèi)型與嚴(yán)重等級(jí)之間的相關(guān)關(guān)系，對(duì)接收到的異常類(lèi)型進(jìn)行嚴(yán)重等級(jí)判斷；所述GIS數(shù)字地圖具體用于根據(jù)故障設(shè)備的位置信息顯示出故障設(shè)備的位置，并在相應(yīng)的位置上根據(jù)異常類(lèi)型和異常嚴(yán)重等級(jí)對(duì)各類(lèi)故障設(shè)備分別以不同的顏色和標(biāo)志進(jìn)行告警。

所述步驟四中，嚴(yán)重等級(jí)具體分為：

1級(jí)：緊急事件，包括用戶(hù)有疑似竊電行為發(fā)生的事件、對(duì)專(zhuān)變用戶(hù)負(fù)荷開(kāi)關(guān)狀態(tài)的監(jiān)測(cè)事件類(lèi)需要第一時(shí)間主動(dòng)上報(bào)的事件；與之對(duì)應(yīng)的異常診斷分析模型包括：電量異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、疑似竊電模型；

2級(jí)：重要事件，包括掉電、參數(shù)變更類(lèi)對(duì)設(shè)備正常運(yùn)行有影響的事件與之對(duì)應(yīng)的異常診斷分析模型包括：設(shè)備故障模型、電池失效模型；

3級(jí)：較重要事件，包括失壓、時(shí)間超差類(lèi)對(duì)用戶(hù)可靠用電有影響的事件與之對(duì)應(yīng)的異常診斷分析模型包括：電壓電流異常診斷模型、回路異常模型、配變需擴(kuò)容模型、用電異常模型；

4級(jí)：一般事件，包括遠(yuǎn)程或本地對(duì)設(shè)備進(jìn)行過(guò)命令操作，可根據(jù)管理需要進(jìn)行核查和處理的事件與之對(duì)應(yīng)的異常診斷分析模型包括：現(xiàn)場(chǎng)維護(hù)模型、錯(cuò)接線(xiàn)模型、費(fèi)控異常診斷模型。

本發(fā)明的有益效果：

本發(fā)明以用電信息采集系統(tǒng)所采集的數(shù)據(jù)為依托，通過(guò)異常分析專(zhuān)家?guī)旌妥詫W(xué)習(xí)模塊對(duì)獲取的各類(lèi)用電數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析和診斷，判定異常類(lèi)型和嚴(yán)重程度，并通過(guò)GIS故障定位模塊快速準(zhǔn)確地鎖定故障發(fā)生地的具體位置，極大程度上提高了故障監(jiān)測(cè)的準(zhǔn)確度和故障處理的效率。

附圖說(shuō)明

圖1為一種用電信息采集系統(tǒng)中異常信息的智能診斷系統(tǒng)的拓?fù)浣Y(jié)構(gòu)圖。

圖2為一種用電信息采集系統(tǒng)中異常信息的智能診斷方法的工作流程圖。

圖3為一種用電信息采集系統(tǒng)中異常信息的智能診斷技術(shù)的功能架構(gòu)圖。

圖中：1-異常分析專(zhuān)家?guī)欤?-自學(xué)習(xí)模塊，3-GIS故障定位模塊，4-異常診斷分析模型，5-用電信息采集系統(tǒng)，6-GPS定位裝置，7-GIS數(shù)字地圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結(jié)合附圖對(duì)本發(fā)明的應(yīng)用原理作詳細(xì)的描述。

如圖1所示，一種用電信息采集系統(tǒng)中異常信息的智能診斷系統(tǒng)，包括異常分析專(zhuān)家?guī)?、自學(xué)習(xí)模塊2和GIS故障定位模塊3，所述異常分析專(zhuān)家?guī)?、自學(xué)習(xí)模塊2和GIS故障定位模塊3之間通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)連接，實(shí)現(xiàn)故障信息的共享；

所述異常分析專(zhuān)家?guī)?包括若干類(lèi)異常診斷分析模型4；在發(fā)明中，各個(gè)單一異常診斷分析模型中，包含相同類(lèi)型的各種異常數(shù)據(jù)，例如：電壓越限模型包括收集到的各種用戶(hù)的電能表過(guò)壓以及欠壓異常值，我們常稱(chēng)之為訓(xùn)練數(shù)據(jù)。

所述自學(xué)習(xí)模塊2用于通過(guò)運(yùn)用樸素貝葉斯算法對(duì)異常分析專(zhuān)家?guī)熘械臄?shù)據(jù)進(jìn)行訓(xùn)練，形成與各個(gè)異常診斷分析模型對(duì)應(yīng)的判斷異常信息類(lèi)型的準(zhǔn)則，并用于接受、分析用電信息采集系統(tǒng)提供的異常信息，利用判斷異常信息類(lèi)型的準(zhǔn)則判斷異常信息的類(lèi)型，并與異常分析專(zhuān)家?guī)爝M(jìn)行比較，當(dāng)異常分析專(zhuān)家?guī)熘幸延性擃?lèi)型的異常診斷分析模型，則將該異常信息歸類(lèi)到異常分析專(zhuān)家?guī)熘袑?duì)應(yīng)的異常診斷分析模型中，并將該異常類(lèi)型傳遞給GIS故障定位模塊；若異常分析專(zhuān)家?guī)熘袥](méi)有該類(lèi)型的異常診斷分析模型，則將該類(lèi)型異常傳遞給工作人員，由工作人員進(jìn)行分析后，設(shè)置對(duì)應(yīng)的新的異常診斷分析模型，并將該異常信息歸類(lèi)到新的異常診斷分析模型，通過(guò)手動(dòng)輸入的方式將該異常信息、新的異常類(lèi)型、新的異常診斷分析模型更新到異常分析專(zhuān)家?guī)熘?，并將該異常?lèi)型傳遞給GIS故障定位模塊，同時(shí)在GIS故障定位模塊的異常嚴(yán)重等級(jí)判斷模塊中，手動(dòng)設(shè)定該新的異常類(lèi)型與嚴(yán)重等級(jí)的關(guān)聯(lián)(在本發(fā)明中，所述的新的異常類(lèi)型的輸入，就是人工判斷并創(chuàng)建新異常診斷分析模型后，將該異常的名稱(chēng)和一些參數(shù)的要求或者說(shuō)是條件存入到專(zhuān)家?guī)熘?，并且自學(xué)習(xí)模塊對(duì)新的異常分析專(zhuān)家?guī)斓臄?shù)據(jù)重新進(jìn)行訓(xùn)練，形成判斷新的異常信息類(lèi)型的準(zhǔn)則，并將該新異常信息重新傳給自學(xué)習(xí)模塊進(jìn)行類(lèi)別判斷，驗(yàn)證新的異常信息的判斷準(zhǔn)則是否已成功形成；

所述自學(xué)習(xí)模塊2形成與各個(gè)異常診斷分析模型對(duì)應(yīng)的判斷異常信息類(lèi)型的準(zhǔn)則即求取各個(gè)異常診斷分析模型的先驗(yàn)概率。具體步驟舉例如下：

給定一個(gè)訓(xùn)練集{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}包含n條訓(xùn)練數(shù)據(jù)(例如：x₁代表電壓越限，y₁代表電壓異常)，其中x₁＝(x₁⁽¹⁾,x₁⁽²⁾,…,x₁^(M))^T是M維向量(電壓越限有多種異常特征，如：低于額定電壓5％～10％、10％～20％等，高于額定電壓5％～10％、10％～20％等)，y₁∈{c₁,c₂,...c_k}屬于異常類(lèi)型中的一類(lèi)。

首先將y₁代入公式(1)，計(jì)算p(y＝c_k)＝p(y＝y(tǒng)₁)；

$p(y=c_k)=\frac{{\mathrm{\Σ}}_{i=1}^{n}I(y_i=c_k)}{n}---\left(1\right)$

設(shè)M維特征的第j維存在L個(gè)取值，則某維特征的某個(gè)取值a_jl，在給定某分類(lèi)c_k下的條件概率為：

$p(x^j=a_{jl}|y=c_k)=\frac{{\mathrm{\Σ}}_{i=1}^{n}I(x^j=a_{jl},y_i=c_k)}{{\mathrm{\Σ}}_{i=1}^{n}I(y_i=c_k)}---\left(2\right)$

例如：x₁代表電壓越限，取一種低于額定電壓5％～10％的異常特征將該異常特征的異常電壓值a_jl代入公式(2)，其他異常特征以此類(lèi)推，即可得到電壓異常類(lèi)型的基本概率，也就完成了判斷異常信息類(lèi)型的準(zhǔn)則的形成過(guò)程。

通過(guò)學(xué)到的概率，給定未分類(lèi)新異常實(shí)例X，就可以通過(guò)判斷異常信息類(lèi)型的準(zhǔn)則(先驗(yàn)概率)進(jìn)行判斷(計(jì)算)，得到該異常實(shí)例屬于各異常類(lèi)型的后驗(yàn)概率p(y＝c_k|X)，其中最大概率的異常類(lèi)型即為該異常實(shí)例所屬類(lèi)型。

所述GIS故障定位模塊包括安裝在各設(shè)備上的GPS定位裝置6、異常嚴(yán)重等級(jí)判斷模塊和GIS數(shù)字地圖7，GPS定位裝置用于對(duì)故障設(shè)備進(jìn)行自動(dòng)定位獲取故障設(shè)備的位置信息，異常嚴(yán)重等級(jí)判斷模塊用于判定該異常的嚴(yán)重等級(jí)；GIS數(shù)字地圖用于將故障設(shè)備的位置信息、異常類(lèi)型、異常的嚴(yán)重等級(jí)顯示在GIS數(shù)字地圖上，實(shí)現(xiàn)故障位置的快速查詢(xún)。在本發(fā)明中，異常設(shè)備和異常信息是相關(guān)聯(lián)的，通過(guò)識(shí)別異常信息來(lái)源的設(shè)備號(hào)，然后利用GPS定位裝置6定位異常位置。

所述異常診斷分析模型來(lái)源于對(duì)電能表和采集終端所采集數(shù)據(jù)的分析結(jié)果，能夠?qū)﹄娔苡?jì)量裝置的運(yùn)行狀態(tài)進(jìn)行判斷。

所述異常診斷分析模型分為單一診斷分析模型和關(guān)聯(lián)診斷分析模型，所述單一診斷分析模型包括電量異常診斷模型、電壓電流異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、費(fèi)控異常診斷模型；所述關(guān)聯(lián)診斷分析模型包括疑似竊電模型、設(shè)備故障模型、錯(cuò)接線(xiàn)模型、配變需擴(kuò)容模型、現(xiàn)場(chǎng)維護(hù)模型、電池失效模型、回路異常模型、用電異常模型。

所述異常嚴(yán)重等級(jí)判斷模塊用于判定該異常的嚴(yán)重等級(jí)，具體為：根據(jù)預(yù)先設(shè)定的異常類(lèi)型與嚴(yán)重等級(jí)之間的相關(guān)關(guān)系，對(duì)接收到的異常類(lèi)型進(jìn)行嚴(yán)重等級(jí)判斷；所述GIS數(shù)字地圖具體用于根據(jù)故障設(shè)備的位置信息顯示出故障設(shè)備的位置，并在相應(yīng)的位置上根據(jù)異常類(lèi)型和異常嚴(yán)重等級(jí)對(duì)各類(lèi)故障設(shè)備分別以不同的顏色和標(biāo)志進(jìn)行告警，并在進(jìn)行異常流程處理后，實(shí)時(shí)展示故障處理的結(jié)果。

所述的異常嚴(yán)重等級(jí)包括：

1級(jí)：緊急事件，包括用戶(hù)有疑似竊電行為發(fā)生的事件、對(duì)專(zhuān)變用戶(hù)負(fù)荷開(kāi)關(guān)狀態(tài)的監(jiān)測(cè)事件類(lèi)需要第一時(shí)間主動(dòng)上報(bào)的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：電量異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、疑似竊電模型；

2級(jí)：重要事件，包括掉電、參數(shù)變更類(lèi)對(duì)設(shè)備正常運(yùn)行有影響的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：設(shè)備故障模型、電池失效模型；

3級(jí)：較重要事件，包括失壓、時(shí)間超差類(lèi)對(duì)用戶(hù)可靠用電有影響的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：電壓電流異常診斷模型、回路異常模型、配變需擴(kuò)容模型、用電異常模型；

4級(jí)：一般事件，包括遠(yuǎn)程或本地對(duì)設(shè)備進(jìn)行過(guò)命令操作，可根據(jù)管理需要進(jìn)行核查和處理的事件；與之相對(duì)應(yīng)的異常診斷分析模型包括：現(xiàn)場(chǎng)維護(hù)模型、錯(cuò)接線(xiàn)模型、費(fèi)控異常診斷模型。

如圖2所示，一種用電信息采集系統(tǒng)中異常信息的智能診斷方法，包括以下步驟：

步驟一、數(shù)據(jù)預(yù)處理:對(duì)用電信息采集系統(tǒng)采集到的異常信息中的重復(fù)數(shù)據(jù)進(jìn)行剔重；數(shù)據(jù)剔重表示剔除相同的異常信息，例如：系統(tǒng)的電壓異常監(jiān)測(cè)周期為15分鐘，在小于15分鐘的時(shí)間里多次出現(xiàn)電壓超越標(biāo)準(zhǔn)限度并記錄的電壓異常信息屬于重復(fù)異常信息，應(yīng)進(jìn)行數(shù)據(jù)剔重。

步驟二、將該異常信息采集點(diǎn)所屬用戶(hù)信息與營(yíng)銷(xiāo)流程進(jìn)行比對(duì)，檢查檔案是否錯(cuò)誤；在發(fā)明中，用戶(hù)的檔案信息代表用戶(hù)與設(shè)備的所屬關(guān)系，通過(guò)營(yíng)銷(xiāo)流程實(shí)現(xiàn)將已核準(zhǔn)的用戶(hù)檔案信息從營(yíng)銷(xiāo)業(yè)務(wù)系統(tǒng)同步更新至用電信息采集系統(tǒng)以及GIS故障定位模塊，其過(guò)程可能出現(xiàn)故障。因此，需檢查用戶(hù)與設(shè)備所屬關(guān)系的正確性，避免異常誤報(bào)現(xiàn)象發(fā)生。

步驟三、當(dāng)檔案檢查無(wú)誤時(shí)，自學(xué)習(xí)模塊通過(guò)運(yùn)用樸素貝葉斯算法對(duì)異常分析專(zhuān)家?guī)熘械臄?shù)據(jù)進(jìn)行訓(xùn)練，形成與各個(gè)異常診斷分析模型對(duì)應(yīng)的判斷異常信息類(lèi)型的準(zhǔn)則，并接受、分析用電信息采集系統(tǒng)提供的異常信息，利用判斷異常信息類(lèi)型的準(zhǔn)則判斷異常信息的類(lèi)型，并與異常分析專(zhuān)家?guī)爝M(jìn)行比較，從而執(zhí)行以下操作：

A：若異常分析專(zhuān)家?guī)熘幸延性擃?lèi)型的異常診斷分析模型，則將該異常信息歸類(lèi)到異常分析專(zhuān)家?guī)熘袑?duì)應(yīng)的異常診斷分析模型中，并將異常類(lèi)型傳遞給GIS故障定位模塊；

B：若異常分析專(zhuān)家?guī)熘袥](méi)有該類(lèi)型的異常診斷分析模型，則將該類(lèi)型異常傳遞給工作人員，由工作人員進(jìn)行分析后，設(shè)置對(duì)應(yīng)的新的異常診斷分析模型，并將該異常信息歸類(lèi)到新的異常診斷分析模型，通過(guò)手動(dòng)輸入的方式將該異常信息、新的異常類(lèi)型、新的異常診斷分析模型更新到異常分析專(zhuān)家?guī)熘?，并將該異常?lèi)型傳遞給GIS故障定位模塊，同時(shí)在GIS故障定位模塊的異常嚴(yán)重等級(jí)判斷模塊中，手動(dòng)設(shè)定該新的異常類(lèi)型與嚴(yán)重等級(jí)的關(guān)聯(lián)，并且自學(xué)習(xí)模塊對(duì)新的異常分析專(zhuān)家?guī)斓臄?shù)據(jù)重新進(jìn)行訓(xùn)練，形成判斷新的異常信息類(lèi)型的準(zhǔn)則，并將該新異常信息重新傳給自學(xué)習(xí)模塊進(jìn)行類(lèi)別判斷，驗(yàn)證新的異常信息的判斷準(zhǔn)則是否已成功形成；

步驟四、利用GPS定位裝置對(duì)故障設(shè)備定位獲得故障設(shè)備的位置信息，異常嚴(yán)重等級(jí)判斷模塊根據(jù)接收到的異常信息判定該異常的嚴(yán)重等級(jí)；最后利用GIS數(shù)字地圖將故障設(shè)備的位置信息、異常類(lèi)型和異常的嚴(yán)重等級(jí)顯示在GIS數(shù)字地圖上，實(shí)現(xiàn)故障位置的快速查詢(xún)；

步驟五、工作人員根據(jù)GIS數(shù)據(jù)地圖上的警告信息的嚴(yán)重等級(jí)安排處理順序，并進(jìn)行處理；

步驟六、異常處理結(jié)束后，GIS故障定位模塊中的GIS數(shù)字地圖實(shí)時(shí)展示故障處理的結(jié)果；具體為：當(dāng)異常解決了，則GIS數(shù)字地圖上對(duì)應(yīng)的異常信息的標(biāo)識(shí)就應(yīng)該刪除掉。

所述步驟三中，所述異常診斷分析模型分為單一診斷分析模型和關(guān)聯(lián)診斷分析模型，所述單一診斷分析模型包括電量異常診斷模型、電壓電流異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、費(fèi)控異常診斷模型；所述關(guān)聯(lián)診斷分析模型包括疑似竊電模型、設(shè)備故障模型、錯(cuò)接線(xiàn)模型、配變需擴(kuò)容模型、現(xiàn)場(chǎng)維護(hù)模型、電池失效模型、回路異常模型、用電異常模型。

所述步驟四中，所述異常嚴(yán)重等級(jí)判斷模塊用于判定該異常的嚴(yán)重等級(jí)，具體為：根據(jù)預(yù)先設(shè)定的異常類(lèi)型與嚴(yán)重等級(jí)之間的相關(guān)關(guān)系，對(duì)接收到的異常類(lèi)型進(jìn)行嚴(yán)重等級(jí)判斷；所述GIS數(shù)字地圖具體用于根據(jù)故障設(shè)備的位置信息顯示出故障設(shè)備的位置，并在相應(yīng)的位置上根據(jù)異常類(lèi)型和異常嚴(yán)重等級(jí)對(duì)各類(lèi)故障設(shè)備分別以不同的顏色和標(biāo)志進(jìn)行告警。在本發(fā)明的一種實(shí)施例中，所述的分別以不同的顏色和標(biāo)志進(jìn)行告警，具體為：分別以紅、橙、黃、藍(lán)色和相應(yīng)標(biāo)志對(duì)緊急事件、重要事件、較重要事件、一般事件進(jìn)行警告。

所述步驟四中，嚴(yán)重等級(jí)具體分為：

1級(jí)：緊急事件，包括用戶(hù)有疑似竊電行為發(fā)生的事件、對(duì)專(zhuān)變用戶(hù)負(fù)荷開(kāi)關(guān)狀態(tài)的監(jiān)測(cè)事件類(lèi)需要第一時(shí)間主動(dòng)上報(bào)的事件與之對(duì)應(yīng)的異常診斷分析模型包括：電量異常診斷模型、異常用電診斷模型、負(fù)荷異常診斷模型、時(shí)鐘異常診斷模型、接線(xiàn)異常診斷模型、疑似竊電模型；

2級(jí)：重要事件，包括掉電、參數(shù)變更類(lèi)對(duì)設(shè)備正常運(yùn)行有影響的事件與之對(duì)應(yīng)的異常診斷分析模型包括：設(shè)備故障模型、電池失效模型；

3級(jí)：較重要事件，包括失壓、時(shí)間超差類(lèi)對(duì)用戶(hù)可靠用電有影響的事件與之對(duì)應(yīng)的異常診斷分析模型包括：電壓電流異常診斷模型、回路異常模型、配變需擴(kuò)容模型、用電異常模型；

4級(jí)：一般事件，包括遠(yuǎn)程或本地對(duì)設(shè)備進(jìn)行過(guò)命令操作，可根據(jù)管理需要進(jìn)行核查和處理的事件與之對(duì)應(yīng)的異常診斷分析模型包括：現(xiàn)場(chǎng)維護(hù)模型、錯(cuò)接線(xiàn)模型、費(fèi)控異常診斷模型。

如圖3所示，為本發(fā)明的用電信息采集系統(tǒng)中異常信息的智能診斷系統(tǒng)的一種實(shí)施例，包括采集平臺(tái)層、支撐平臺(tái)層和業(yè)務(wù)應(yīng)用層；所述采集平臺(tái)層包括用電信息采集系統(tǒng)，具體包括：專(zhuān)變終端、集中器、網(wǎng)絡(luò)表和采集器，在具體的用電信息采集的采集過(guò)程中，由專(zhuān)變終端、集中器、網(wǎng)絡(luò)表和采集器去采集用電信息；所述支撐平臺(tái)層包括：異常分析專(zhuān)家?guī)?、自學(xué)習(xí)模塊和GIS故障定位模塊；所述業(yè)務(wù)應(yīng)用層包括：異常設(shè)備定位模塊、異常在線(xiàn)告警模塊、異常圖形化展示模塊、計(jì)量異常分析模塊、設(shè)備異常分析模塊和用電異常分析模塊；所述計(jì)量異常分析模塊、設(shè)備異常分析模塊和用電異常分析模塊借助自學(xué)習(xí)模塊的分類(lèi)算法實(shí)現(xiàn)對(duì)其功能的支撐，所述異常設(shè)備定位模塊采用GPS定位裝置去實(shí)現(xiàn)；所述異常在線(xiàn)告警模塊用于根據(jù)異常類(lèi)型和異常嚴(yán)重等級(jí)對(duì)各類(lèi)故障設(shè)備以不同的顏色和標(biāo)志進(jìn)行告警；所述異常圖形化展示模塊用于在進(jìn)行異常流程處理后，實(shí)時(shí)展示故障處理的結(jié)果。

以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說(shuō)明書(shū)中描述的只是說(shuō)明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會(huì)有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書(shū)及其等效物界定。