基于变分自动编码器超前预警电表故障方法及相关装置与流程

1.本发明涉及设备故障预警技术领域，尤其涉及基于变分自动编码器超前预警电表故障方法及相关装置。


背景技术：

2.智能电表是智能电网基本数据采集设备，起到对用电数据进行实时采集、计量以及传输的作用。近年来，随着国家大力推进电网智能化建设和加强电网运行监控和管理，智能电表得到了广泛应用。面对庞大数量的智能电表，如何进行维护是国内电网企业面临的一个主要问题。目前，电网企业通常采取定期巡检的方式对智能电表进行检修，该方法对于人力及物力投入较多，且由于智能电表的故障往往具有突发性，而定期巡检的周期较长，往往造成电表故障不能被及时解决，给供电企业和用户造成大量经济损失。
3.由于智能电表采集的数据量巨大且故障种类繁多，通过依靠人工经验对用电数据进行分析的方式很难准确判断智能电表的工作状态。虽然传统的计算机学习方法凭借其出色的大数据处理能力及数据挖掘能力，已广泛应用于智能仪表的故障诊断中。然而，其在智能仪表的状态监测中还没有得到太多的研究，不能对故障进行提前预警，有效防止故障发生造成损失。


技术实现要素：

4.为了克服现有技术的不足，本发明提供了基于变分自动编码器超前预警电表故障方法及相关装置，实现了对故障进行提前预警，有效防止故障发生造成损失。
5.为了实现上述发明目的，本发明采用以下技术方案：
6.本技术第一方面提供了基于变分自动编码器超前预警电表故障方法，包括以下步骤：
7.s101、获取运行正常状态下的用电量数据集和实时用电量数据集，分别进行运行正常状态数据预处理和实时数据预处理，得到运行正常状态用电量特征矩阵和实时用电量特征矩阵；
8.s102、分别将任意一个的正常状态用电量特征矩阵和实时用电量特征矩阵作为变分自动编码器的输入数据，得到正常状态用电量模型和实时状态用电量模型，并对正常状态用电量模型进行优化，得到参考标准用电量模型；
9.s103、将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，得到预警用电量模型；
10.s104、将参考标准用电量模型与预警用电量模型进行差异值处理，并计算差异值的平均值和差异值的标准差值，基于差异值的平均值和差异值的标准差值确定参考报警值；
11.s105、基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值，将实时报警值与参考报警值进行比较，若实时报警值大于或等于参考报警值，则
进行报警；
12.进一步的，运行正常状态数据预处理包括以下步骤：
13.基于时间序列将运行正常状态下的用电量数据集划分成不同时段的多组正常状态用电量数据集；
14.对各组正常状态用电量数据集同时进行每间隔单位时间取点抽样，每次抽样从中取出一个数据点，以构成多组正常状态用电量稀疏数据集；
15.将各组正常状态用电量稀疏数据集分别以第一个数据点为起点，每隔一定数量的数据点进行取样，得到多组正常状态用电量稀疏数据子集；
16.将各组运行正常状态下的用电量稀疏数据子集进行特征提取处理。
17.进一步的，对正常状态用电量模型进行优化，得到参考标准用电量模型包括以下步骤：
18.构建与正常状态用电量模型p
θ
(y|s)近似的模型q
φ
(y|s)；
19.将模型p
θ
(y|s)和模型q
φ
(y|s)进行差异计算；
20.对与正常状态用电量模型p
θ
(y|s)进行训练，使差异值最小和确定变分下界最大值；
21.通过梯度下降方法更新参数θ与φ，直至参数收敛。
22.进一步的，差异计算表达式如下所示：
23.d(q
φ
(y|si)||p
θ
(y|si))＝log p
θ
(si)-c(θ，φ；si)
24.其中，(q
φ
(y|si)||p
θ
(y|si))表示模型p
θ
(y|s)和模型q
φ
(y|s)的差异值，φ表示近似模型的参数，p
θ
(si)表示第i个特征矩阵的边缘似然，c(θ，φ；si)表示log p
θ
(si)的变分下界。
25.进一步的，参考标准用电量模型的表达式如下所示：
[0026][0027]
其中，表示参考标准用电量模型，s1表示正常运行状态第一个数据子集的特征矩阵，yu表示模型u的隐变量，θu表示模型u的参数，模型u的子分布的数量n和第i个子分布的权重及参数表示模型u第i个子分布的隐变量，包含均值及方差
[0028]
进一步的，预警用电量模型的表达式如下所示：
[0029][0030]
其中，表示预警用电量模型，sz表示正常运行状态数据集中除第一个数据子集外的第z个数据子集的特征矩阵，表示模型vz的隐变量，表示模型vz的参数，模型vz的子分布的数量n和第j个子分布的权重及参数及参数表示模型vz的
第j个子分布的隐变量，参数包含均值及方差
[0031]
进一步的，将参考标准用电量模型与预警用电量模型进行差异值处理，差异值处理的表达式如下所示：
[0032][0033][0034]
其中，表示模型u第k个子分布的权重，表示模型vz第l(k)个子分布的权重，u表示参考标准用电量模型，vz表示预警用电量模型。
[0035]
进一步的，基于差异值的平均值和差异值的标准差值确定参考报警值具体如下所示：
[0036]
h＝μd+3σd[0037]
其中，h表示参考报警值，μd表示差异值的平均值，σd表示差异值的标准差值。
[0038]
进一步的，基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值，将实时报警值与参考报警值进行比较，若实时报警值小于参考报警值，则不进行报警。
[0039]
本技术第二方面提供了基于变分自动编码器超前预警电表故障系统，包括：
[0040]
获取单元，用于获取运行正常状态下的用电量数据集和实时用电量数据集；
[0041]
预处理单元，用于对运行正常状态下的用电量数据集和实时用电量数据集，进行运行正常状态数据预处理和实时数据预处理，得到运行正常状态用电量特征矩阵和实时用电量特征矩阵；
[0042]
模型生成单元，用于将任意一个的正常状态用电量特征矩阵和实时用电量特征矩阵作为变分自动编码器的输入数据，得到正常状态用电量模型和实时状态用电量模型；
[0043]
将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，得到预警用电量模型；
[0044]
对正常状态用电量模型进行优化，得到参考标准用电量模型；
[0045]
第一计算单元，用于将参考标准用电量模型与预警用电量模型进行差异值处理，并计算差异值的平均值和差异值的标准差值，基于差异值的平均值和差异值的标准差值确定参考报警值；
[0046]
第二计算单元，用于基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值；
[0047]
报警判定单元，用于将实时报警值与参考报警值进行比较，若实时报警值大于或等于参考报警值，则进行报警，若实时报警值小于参考报警值，则不进行报警。
[0048]
本技术第三方面提供了基于变分自动编码器超前预警电表故障设备，包括处理器以及存储器：
[0049]
存储器用于存储程序代码，并将程序代码传输给处理器；
[0050]
处理器用于根据程序代码中的指令执行上述方法的基于变分自动编码器超前预
警电表故障方法。
[0051]
本技术第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的基于变分自动编码器超前预警电表故障方法。
[0052]
本技术的有益效果：基于变分自动编码器超前预警电表故障方法及相关装置，实现了对故障进行提前预警，有效防止故障发生造成损失。
[0053]
实现了通过对模型进行优化，提升对故障预测的精确度。
[0054]
实现了通过将参考标准用电量模型分别与预警用电量模型、实时状态用电量模型进行差异值处理，得到参考报警值和实时报警值，将实时报警值与参考报警值进行比较；实现了对故障进行提前预警，有效防止故障发生造成损失。
[0055]
实现了通过有效表征不同用电时段智能电表单位时间用电量数据值所服从的不同分布，并实时监测这些分布的状态，实现对智能电表的故障进行提前预测。
[0056]
实现了通过基于变分自动编码器自动地生成智能电表不同用电时段的单位时间用电量数据值所服从的分布，并构建模型进行差异值处理，得到参考报警值和实时报警值，实现了对故障进行提前预警，避免故障发生造成损失。
附图说明
[0057]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0058]
图1是本发明一种方法基于变分自动编码器超前预警电表故障方法的步骤示意图。
具体实施方式
[0059]
下面结合附图对本发明实施例进行详细描述。
[0060]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0061]
实施例一：
[0062]
基于变分自动编码器超前预警电表故障方法，包括以下步骤：
[0063]
s101、获取运行正常状态下的用电量数据集和实时用电量数据集，分别进行运行正常状态数据预处理和实时数据预处理，得到运行正常状态用电量特征矩阵和实时用电量特征矩阵；
[0064]
获取运行正常状态下的用电量数据集和实时用电量数据集，将正常状态下的用电
量数据集用q来表示，将实时用电量数据集用q
real
来表示，分别进行运行正常状态数据预处理和实时数据预处理，得到运行正常状态用电量特征矩阵和实时用电量特征矩阵。需要说明的是，用电量数据集的类型包括正向有功总数据、正向有功峰数据、正向有功平数据、正向有功谷数据、正向有功尖数据、反向有功总数据、反向有功峰数据、反向有功平数据、反向有功谷数据和反向有功尖数据。
[0065]
运行正常状态数据预处理包括以下步骤：
[0066]
基于时间序列将运行正常状态下的用电量数据集划分成不同时段的多组正常状态用电量数据集；
[0067]
对各组正常状态用电量数据集同时进行每间隔单位时间取点抽样，每次抽样从中取出一个数据点，以构成多组正常状态用电量稀疏数据集；
[0068]
将各组正常状态用电量稀疏数据集分别以第一个数据点为起点，每隔一定数量的数据点进行取样，得到多组正常状态用电量稀疏数据子集；
[0069]
将各组运行正常状态下的用电量稀疏数据子集进行特征提取处理。
[0070]
实时数据预处理包括以下步骤：
[0071]
基于时间序列将实时用电量数据集划分成不同时段的多组实时用电量数据集；
[0072]
对各组实时用电量数据集同时进行每间隔单位时间取点抽样，每次抽样从中取出一个数据点，以构成多组实时用电量稀疏数据集；
[0073]
将各组实时用电量稀疏数据集分别以第一个数据点为起点，每隔一定数量的数据点进行取样，得到多组实时用电量稀疏数据子集；
[0074]
将各组实时用电量稀疏数据子集进行特征提取处理。
[0075]
需要说明的是，将正常状态用电量稀疏数据集用q
′
来表示，将实时用电量稀疏数据集用q
real
′
来表示，将正常状态用电量稀疏数据子集用q
′z，z∈[1，b]来表示，将实时用电量稀疏数据子集用a∈[1，c]来表示。正常状态用电量特征矩阵如下所示：
[0076][0077]
实时用电量特征矩阵如下所示：
[0078][0079]
其中，sz表示第z个数据子集的正常状态用电量特征矩阵，sa表示第a个数据子集的实时用电量特征矩阵，b表示正常状态用电量数据子集的数量，c表示实时用电量数据子集的数量，p为特征数量，q为每个数据子集中的稀疏数据组数。
[0080]
s102、分别将任意一个的正常状态用电量特征矩阵和实时用电量特征矩阵作为变分自动编码器的输入数据，得到正常状态用电量模型和实时状态用电量模型，并对正常状态用电量模型进行优化，得到参考标准用电量模型；
[0081]
将任意一个的正常状态用电量特征矩阵作为变分自动编码器的输入数据，得到正
常状态用电量模型，记为p
θ
(y|s)，正常状态用电量模型的表达式如下所示：
[0082][0083]
其中，p
θ
(y|s)表示正常状态用电量模型，y表示隐变量，s表示模型隐变量，θ表示正常状态用电量模型参数，包括子分布的数量k和第k个子分布的权重αk及参数ηk，yk表示模型第k个子分布的隐变量，ηk包含均值μk及方差σ
k2
。
[0084]
将实时用电量特征矩阵作为变分自动编码器的输入数据，得到实时状态用电量模型，记为wa，实时状态用电量模型的表达式如下所示：
[0085][0086]
其中，表示实时状态用电量模型，表示第a个实时用电量数据集特征矩阵，表示模型wa的隐变量，表示实时状态用电量模型参数，模型wa的子分布的数量n，第r个子分布的权重及参数表示模型wa的第r个子分布的隐变量，包含均值及方差
[0087]
对正常状态用电量模型进行优化，得到参考标准用电量模型，记为u，参考标准用电量模型的表达式如下所示：
[0088][0089]
其中，表示参考标准用电量模型，其中，表示参考标准用电量模型，s1表示正常运行状态第一个数据子集的特征矩阵，yu表示模型u的隐变量，θu表示模型u的参数，模型u的子分布的数量n和第i个子分布的权重及参数表示模型u第i个子分布的隐变量，包含均值及方差
[0090]
优化正常状态用电量模型包括以下步骤：
[0091]
构建与正常状态用电量模型p
θ
(y|s)近似的模型q
φ
(y|s)；
[0092]
将模型p
θ
(y|s)和模型q
φ
(y|s)进行差异计算，差异计算表达式如下所示：
[0093]
d(q
φ
(y|si)||p
θ
(y|si))＝log p
θ
(si)-c(θ，φ；si)
[0094]
其中，(q
φ
(y|si)||p
θ
(y|si))表示模型p
θ
(y|s)和模型q
φ
(y|s)的差异值，φ表示近似模型的参数，p
θ
(si)表示第i个特征矩阵的边缘似然，c(θ，φ；si)表示log p
θ
(si)的变分下界；
[0095]
对与正常状态用电量模型p
θ
(y|s)进行训练，使差异值最小和确定变分下界最大值；
[0096]
通过梯度下降方法更新参数θ与φ，直至参数收敛。
[0097]
s103、将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，
得到预警用电量模型；
[0098]
将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，得到预警用电量模型，预警用电量模型用vz来表示。预警用电量模型的表达式如下所示：
[0099][0100]
其中，表示预警用电量模型，sz表示正常运行状态数据集中除第一个数据子集外的第z个数据子集的特征矩阵，表示模型vz的隐变量，表示模型vz的参数，模型vz的子分布的数量n和第j个子分布的权重及参数表示模型vz的第j个子分布的隐变量，参数包含均值及方差
[0101]
s104、将参考标准用电量模型与预警用电量模型进行差异值处理，并计算差异值的平均值和差异值的标准差值，基于差异值的平均值和差异值的标准差值确定参考报警值；
[0102]
将参考标准用电量模型与预警用电量模型进行差异值处理，并计算差异值的平均值和差异值的标准差值，差异值用dz(u||vz)来表示，差异值的平均值用μd来表示，差异值的标准差值用σd来表示，基于差异值的平均值和差异值的标准差值确定参考报警值。差异值处理的表达式如下所示：
[0103][0104][0105]
其中，表示模型u第k个子分布的权重，表示模型vz第l(k)个子分布的权重，u表示参考标准用电量模型，vz表示预警用电量模型。
[0106]
基于差异值的平均值和差异值的标准差值确定参考报警值具体如下所示：
[0107]
h＝μd+3σd[0108]
其中，h表示参考报警值，μd表示差异值的平均值，σd表示差异值的标准差值。
[0109]
s105、基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值，将实时报警值与参考报警值进行比较，若实时报警值大于或等于参考报警值，则进行报警；
[0110]
基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值，将实时报警值与参考报警值进行比较，若实时报警值大于或等于参考报警值，则进行报警。
[0111]
实施例二：
[0112]
与实施例一不同之处在于，基于变分自动编码器超前预警电表故障方法，基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值，将实时报警值与参考报警值进行比较，若实时报警值小于参考报警值，则不进行报警。
[0113]
以上为本技术实施例中提供的基于变分自动编码器超前预警电表故障方法，以下为本技术实施例中提供的基于变分自动编码器超前预警电表故障系统。
[0114]
基于变分自动编码器超前预警电表故障系统，包括：
[0115]
获取单元，用于获取运行正常状态下的用电量数据集和实时用电量数据集；
[0116]
预处理单元，用于对运行正常状态下的用电量数据集和实时用电量数据集，进行运行正常状态数据预处理和实时数据预处理，得到运行正常状态用电量特征矩阵和实时用电量特征矩阵；
[0117]
模型生成单元，用于将任意一个的正常状态用电量特征矩阵和实时用电量特征矩阵作为变分自动编码器的输入数据，得到正常状态用电量模型和实时状态用电量模型；
[0118]
将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，得到预警用电量模型；
[0119]
对正常状态用电量模型进行优化，得到参考标准用电量模型；
[0120]
第一计算单元，用于将参考标准用电量模型与预警用电量模型进行差异值处理，并计算差异值的平均值和差异值的标准差值，基于差异值的平均值和差异值的标准差值确定参考报警值；
[0121]
第二计算单元，用于基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值；
[0122]
报警判定单元，用于将实时报警值与参考报警值进行比较，若实时报警值大于或等于参考报警值，则进行报警，若实时报警值小于参考报警值，则不进行报警。
[0123]
进一步的，本技术实施例中还提供了基于变分自动编码器超前预警电表故障设备，设备包括处理器以及存储器：
[0124]
存储器用于存储程序代码，并将程序代码传输给处理器；
[0125]
处理器用于根据程序代码中的指令执行上述方法实施例的基于变分自动编码器超前预警电表故障方法。
[0126]
进一步地，本技术实施例中还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述基于变分自动编码器超前预警电表故障方法实施例所述的方法。
[0127]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0128]
本技术的说明书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0129]
应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字
符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
[0130]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0131]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0132]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0133]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文全称：read-only memory，英文缩写：rom)、随机存取存储器(英文全称：random access memory，英文缩写：ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0134]
以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.基于变分自动编码器超前预警电表故障方法，其特征在于，包括以下步骤：s101、获取运行正常状态下的用电量数据集和实时用电量数据集，分别进行运行正常状态数据预处理和实时数据预处理，得到运行正常状态用电量特征矩阵和实时用电量特征矩阵；s102、分别将任意一个的正常状态用电量特征矩阵和实时用电量特征矩阵作为变分自动编码器的输入数据，得到正常状态用电量模型和实时状态用电量模型，并对正常状态用电量模型进行优化，得到参考标准用电量模型；s103、将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，得到预警用电量模型；s104、将参考标准用电量模型与预警用电量模型进行差异值处理，并计算差异值的平均值和差异值的标准差值，基于差异值的平均值和差异值的标准差值确定参考报警值；s105、基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值，将实时报警值与参考报警值进行比较，若实时报警值大于或等于参考报警值，则进行报警。2.根据权利要求1所述的基于变分自动编码器超前预警电表故障方法，其特征在于，所述运行正常状态数据预处理包括以下步骤：基于时间序列将运行正常状态下的用电量数据集划分成不同时段的多组正常状态用电量数据集；对各组正常状态用电量数据集同时进行每间隔单位时间取点抽样，每次抽样从中取出一个数据点，以构成多组正常状态用电量稀疏数据集；将各组正常状态用电量稀疏数据集分别以第一个数据点为起点，每隔一定数量的数据点进行取样，得到多组正常状态用电量稀疏数据子集；将各组运行正常状态下的用电量稀疏数据子集进行特征提取处理。3.根据权利要求1所述的基于变分自动编码器超前预警电表故障方法，其特征在于，所述对正常状态用电量模型进行优化，得到参考标准用电量模型包括以下步骤：构建与正常状态用电量模型p
θ
(y|s)近似的模型q
φ
(y|s)；将模型p
θ
(y|s)和模型q
φ
(y|s)进行差异计算；对与正常状态用电量模型p
θ
(y|s)进行训练，使差异值最小和确定变分下界最大值；通过梯度下降方法更新参数θ与φ，直至参数收敛。4.根据权利要求1所述的基于变分自动编码器超前预警电表故障方法，其特征在于，所述参考标准用电量模型的表达式如下所示：其中，表示参考标准用电量模型，s1表示正常运行状态第一个数据子集的特征矩阵，y
u
表示模型u的隐变量，θ
u
表示模型u的参数，模型u的子分布的数量n和第i个子分布的权重及参数及参数表示模型u第i个子分布的隐变量，包含均值及方差5.根据权利要求1所述的基于变分自动编码器超前预警电表故障方法，其特征在于，所
述将参考标准用电量模型与预警用电量模型进行差异值处理，差异值处理的表达式如下所示：示：其中，表示模型u第k个子分布的权重，表示模型v
z
第l(k)个子分布的权重，u表示参考标准用电量模型，v
z
表示预警用电量模型。6.根据权利要求1所述的基于变分自动编码器超前预警电表故障方法，其特征在于，所述基于差异值的平均值和差异值的标准差值确定参考报警值具体如下所示：h＝μ
d
+3σ
d
其中，h表示参考报警值，μ
d
表示差异值的平均值，σ
d
表示差异值的标准差值。7.根据权利要求1所述的基于变分自动编码器超前预警电表故障方法，其特征在于，所述基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值，将实时报警值与参考报警值进行比较，若实时报警值小于参考报警值，则不进行报警。8.基于变分自动编码器超前预警电表故障系统，其特征在于，包括：获取单元，用于获取运行正常状态下的用电量数据集和实时用电量数据集；预处理单元，用于对运行正常状态下的用电量数据集和实时用电量数据集，进行运行正常状态数据预处理和实时数据预处理，得到运行正常状态用电量特征矩阵和实时用电量特征矩阵；模型生成单元，用于将任意一个的正常状态用电量特征矩阵和实时用电量特征矩阵作为变分自动编码器的输入数据，得到正常状态用电量模型和实时状态用电量模型；将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，得到预警用电量模型；对正常状态用电量模型进行优化，得到参考标准用电量模型；第一计算单元，用于将参考标准用电量模型与预警用电量模型进行差异值处理，并计算差异值的平均值和差异值的标准差值，基于差异值的平均值和差异值的标准差值确定参考报警值；第二计算单元，用于基于参考标准用电量模型和实时状态用电量模型进行差异值处理，得到实时报警值；报警判定单元，用于将实时报警值与参考报警值进行比较，若实时报警值大于或等于参考报警值，则进行报警，若实时报警值小于参考报警值，则不进行报警。9.基于变分自动编码器超前预警电表故障设备，其特征在于，包括处理器以及存储器：所述存储器用于存储程序代码，并将程序代码传输给处理器；所述处理器用于根据程序代码中的指令执行权利要求1-7任一项所述的基于变分自动编码器超前预警电表故障方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的基于变分自动编码器超前预警电表
故障方法。

技术总结
本发明公开了基于变分自动编码器超前预警电表故障方法，包括以下步骤：获取运行正常状态下的用电量数据集和实时用电量数据集，分别进行数据预处理，得到用电量特征矩阵，并作为变分自动编码器的输入数据，得到正常状态用电量模型和实时状态用电量模型，并对正常状态用电量模型进行优化，得到参考标准用电量模型；将其他的正常状态用电量特征矩阵作为参考标准用电量模型的输入数据，得到预警用电量模型；将参考标准用电量模型分别与预警用电量模型、实时状态用电量模型进行差异值处理，得到参考报警值和实时报警值，将实时报警值与参考报警值进行比较；实现了对故障进行提前预警，有效防止故障发生造成损失。有效防止故障发生造成损失。有效防止故障发生造成损失。


技术研发人员：杨舟 陈珏羽 周政雷 蒋雯倩 高武东 潘俊涛 林秀清
受保护的技术使用者：广西电网有限责任公司
技术研发日：2023.06.09
技术公布日：2023/9/23