本发明涉及智能电能表检测，尤其涉及一种基于用电采集终端的智能电能表状态检测方法及装置。
背景技术：
1、经济的发展和技术的进步进一步推动了智能电网的建设步伐，智能电能表作为用电信息采集系统的重要组成部分，其可靠性和采集准确性成为电力部门和用户最为关注的对象，如何依据智能电能表现有状态数据准确对其状态进行检测是智能电能表健康管理领域所要解决的问题。
2、目前是通过机器学习算法基于故障数据进行检测，但是由于智能电能表故障数据结构复杂，不同故障类型下的样本数据量极不均匀，并且不同的机器学习算法优缺点各有不同，对于不同类型的故障其识别能力也有所区别，然而目前针对智能电能表的状态检测没有考虑到不同故障特征与故障类型之间的关联度，导致检测的准确度较低。
3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本发明的主要目的在于提供一种基于用电采集终端的智能电能表状态检测方法及装置，旨在解决目前针对智能电能表的状态检测没有考虑到不同故障特征与故障类型之间的关联度，导致检测的准确度较低的技术问题。
2、为实现上述目的，本发明提供了一种基于用电采集终端的智能电能表状态检测方法，所述基于用电采集终端的智能电能表状态检测方法包括以下步骤：
3、用电采集终端采集智能电能表的原始运行数据，并对所述原始运行数据进行处理，得到处理后的运行数据；
4、对所述处理后的运行数据进行数据异常值判断；
5、基于判断结果构建故障数据集；
6、根据所述故障数据集确定故障类型与故障特征属性之间的关联度，并基于所述关联度从所述处理后的运行数据中筛选出故障特征子集；
7、基于所述故障特征子集对所述智能电能表进行状态检测。
8、在一些实施例中，所述对所述原始运行数据进行处理，得到处理后的运行数据，包括：
9、识别所述原始运行数据中的缺失数据；
10、获取所述原始运行数据对应的均值与方差；
11、根据所述均值与所述方差构建补充数据，所述补充数据为正态分布数据；
12、基于所述补充数据对所述缺失数据进行补全，以得到处理后的运行数据。
13、在一些实施例中，所述基于所述补充数据对所述缺失数据进行补全，以得到处理后的运行数据，包括：
14、确定所述缺失数据的数据类型；
15、从所述补充数据中筛选与所述缺失数据具有相同类型的数据；
16、基于所述缺失数据对应的缺失将所述具有相同类型的数据进行补全。
17、在一些实施例中，所述对所述处理后的运行数据进行数据异常值判断，包括：
18、根据所述处理后的运行数据确定若干四分位数；
19、从若干四分位数中选取第一个四分位数与第三个四分位数；
20、计算所述第一个四分位数与所述第三个四分位数之间的差值；
21、以所述差值、所述第一个四分位数以及所述第三个四分位数构建数据异常值判断范围，所述数据异常值判断范围的下限由所述第一个四分位数和所述差值确定，所述数据异常值判断范围的上限由所述差值和所述第三个四分位数确定。
22、在一些实施例中，所述根据所述故障数据集确定故障类型与故障特征属性之间的关联度，包括：
23、获取所述故障数据集中任意故障特征属性λk以及任意故障类型yi；
24、根据所述任意故障特征属性以及所述任意故障类型y计算关联度ρk，所
25、述关联度计算公式为：。
26、在一些实施例中，所述基于所述故障特征子集对所述智能电能表进行状态检测，包括：
27、初始化gwo和woa算法的各项参数；
28、更新gwo中狼群个体位置信息和woa中鲸鱼个体位置信息，所述狼群个体位置信息或所述鲸鱼个体位置信息对应vmd的分解尺度k和惩罚因子α参数组合；
29、采用k和α参数组合进行vmd分解，并计算vmd分解后得到的各个 imf的ec值；
30、判断是否满足gwo和woa算法的迭代停止条件，若满足，则输出目标k和α参数组合；
31、利用所述目标k和α参数组合对所述故障特征子集进行vmd分解，分解得到k个imf分量，并计算所述imf分量对应的无量纲指标，以得到故障特征向量；
32、将所述故障特征向量输入至预先创建的故障检测器中进行故障检测。
33、在一些实施例中，所述方法还包括：
34、初始化算法参数，并随机产生初始抗体群，所述算法参数至少包括抗体种群规模、交叉概率、变异概率以及终止条件；
35、计算所述初始抗体群中每个抗原与抗体的亲和力，并按照亲和力从大到小进行排序，基于亲和力大小排序结果将前n个抗体作为记忆细胞；
36、选择亲和力大于阈值的抗体进行克隆选择操作，其中，亲和力与克隆规模呈正相关；
37、对克隆后产生的抗体进行交叉变异操作；
38、计算交叉变异后的抗体和抗原的亲和力，并和父代记忆细胞和抗原的亲和力大小排序；
39、判断是否满足进化终止条件，若不满足则返回执行所述选择亲和力大于阈值的抗体进行克隆选择操作的步骤，以对抗体种群进行更新，并基于亲和力大小排序结果将前m个抗体作为下一代的初始抗体群，直至满足终止条件；
40、在满足终止条件时，将所产生的交叉变异后的抗体作为故障诊断检测器。
41、此外，为实现上述目的，本发明还提出一种基于用电采集终端的智能电能表状态检测装置，所述基于用电采集终端的智能电能表状态检测装置包括：
42、采集模块，用于用电采集终端采集智能电能表的原始运行数据，并对所述原始运行数据进行处理，得到处理后的运行数据；
43、判断模块，用于对所述处理后的运行数据进行数据异常值判断；
44、构建模块，用于基于判断结果构建故障数据集；
45、筛选模块，用于根据所述故障数据集确定故障类型与故障特征属性之间的关联度，并基于所述关联度从所述处理后的运行数据中筛选出故障特征子集；
46、检测模块，用于基于所述故障特征子集对所述智能电能表进行状态检测。
47、在一些实施例中，所述采集模块，用于识别所述原始运行数据中的缺失数据；
48、获取所述原始运行数据对应的均值与方差；
49、根据所述均值与所述方差构建补充数据，所述补充数据为正态分布数据；
50、基于所述补充数据对所述缺失数据进行补全，以得到处理后的运行数据。
51、在一些实施例中，所述采集模块，用于确定所述缺失数据的数据类型；
52、从所述补充数据中筛选与所述缺失数据具有相同类型的数据；
53、基于所述缺失数据对应的缺失将所述具有相同类型的数据进行补全。
54、本发明通过用电采集终端采集智能电能表的原始运行数据，并对所述原始运行数据进行处理，得到处理后的运行数据；对所述处理后的运行数据进行数据异常值判断；基于判断结果构建故障数据集；根据所述故障数据集确定故障类型与故障特征属性之间的关联度，并基于所述关联度从所述处理后的运行数据中筛选出故障特征子集；基于所述故障特征子集对所述智能电能表进行状态检测。通过上述方式，先对运行数据进行清洗，然后结合不同故障类型与故障属性之间的关联度对智能电能表进行检测，提升了检测的准确性。
1.一种基于用电采集终端的智能电能表状态检测方法，其特征在于，所述基于用电采集终端的智能电能表状态检测方法包括：
2.如权利要求1所述的基于用电采集终端的智能电能表状态检测方法，其特征在于，所述对所述原始运行数据进行处理，得到处理后的运行数据，包括：
3.如权利要求2所述的基于用电采集终端的智能电能表状态检测方法，其特征在于，所述基于所述补充数据对所述缺失数据进行补全，以得到处理后的运行数据，包括：
4.如权利要求1所述的基于用电采集终端的智能电能表状态检测方法，其特征在于，所述对所述处理后的运行数据进行数据异常值判断，包括：
5.如权利要求1所述的基于用电采集终端的智能电能表状态检测方法，其特征在于，所述根据所述故障数据集确定故障类型与故障特征属性之间的关联度，包括：
6.如权利要求1所述的基于用电采集终端的智能电能表状态检测方法，其特征在于，所述方法还包括：
7.一种基于用电采集终端的智能电能表状态检测装置，其特征在于，所述基于用电采集终端的智能电能表状态检测装置包括：
8.如权利要求7所述的基于用电采集终端的智能电能表状态检测装置，其特征在于，所述采集模块，用于识别所述原始运行数据中的缺失数据；
9.如权利要求8所述的基于用电采集终端的智能电能表状态检测装置，其特征在于，所述采集模块，用于确定所述缺失数据的数据类型；
10.如权利要求7所述的基于用电采集终端的智能电能表状态检测装置，其特征在于，所述判断模块，用于根据所述处理后的运行数据确定若干四分位数；
