基于决策树群的多维电能表状态检验技术及其应用何蓓1，邹波1，周峰2，肖冀2，骆凯波1（1.国网重庆市电力公司，重庆400015;2.国网重庆市电力公司电力科学研究院，重庆401123）摘要：随着电力用户的不断增加，智能电能表的应用数量呈几何式增长，目前现场检验方式存在着作业模式简单、异常发现周期长、无效工作繁多、故障发现及时性差等问题。基于决策树群的多维电能表状态检验技术可有效地解决这些问题，基于决策树群异常诊断模型对电能表状态检验系统进行设计，实现电能表运行状况的检测与维护，降低人力、物力等经济成本，解决现场校验不足、校验无目标等问题，提高电能表在运检测的科学性与有效性。关键词：决策树；单一异常分析；多维电能表状态检验；设计与应用：TM311文献标识码：A：1001-1390（2018）05-0000-00Technologyandapplicationofmulti-dimensionalremotemonitoringsystemforwatt-hourmeterbasedongroupdecisiontreegroupmodelHeBei1,ZouBo1,ZhouFeng2,Xiao激2,LuoKaibo1(1.StateGridChongqingElectricPowerCompany,Chongqing400015.；2.ElectricPowerResearchInstituteofStateGridChongqingElectricPowerCOpany,ElectricPowerResearchInstitute,Chongqing401123)Abstract：Withthecontinuousincreaseinthenumberofelectricityusers,theapplicationofsmartenergymeterwasgeometricgrowth.Atpresent,therearesomeproblemssuchassimpleoperationmode,longanomalydiscoveryperiod,invalidwork,andpoortimelinessoffaultdetection.BasedondecisiontreegroupofThemulti-dimensionalenergymeterstateinspectiontechnologybasedondecisiontreegroupcaneffectivelysolvetheseproblems.thisThispaperdesignsthestateinspectionsystemoftheelectricenergymeter,whichrealizesthedetectionandmaintenanceoftheenergymeter,andreducestheeconomiccostofmanpower,which.basedBasedonthediagnosismodeloftreegroupanomalydiagnosis,tosolvetheproblemofon-sitecalibration,checknogoalsandotherissuesaresolved,whichimproveimprovesthescientificandeffectivedetectionofelectricenergymeter.Keywords：decisiontreegroup,analysisofanomaly,multi-dimensionalremotemonitoringforwatt-hourmeter,designandapplication0引言随着电网建设的全面覆盖，电能表装置不断增多，其故障诊断涉及户外作业，现场检验存在工作量大、校验时间长、对二次回路负载有相应要求等问题，为避免人工现场实施校验工作繁重等一系列问题，亟需开展高效电能表远程校验工作[1]。近年来，电能计量装置的远程故障诊断已引起了社会的广泛关注，电力部门亦对此投入大量支持，---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---如文献[2]建立远程监测系统，避免现场测试时的接线错误以及了解电能表的误差信息[2]；文献[3]设计的一套大型的、智能化的“关口电能计量装置状态管理系统”，可与生产调度平台进行有效的数据交互，系统实施需配合实时视频图像监控措施[3]；文献[4]研究开发的电能计量远程维护分析平台，为运行中的电能计量装置、二次回路提供远程维护、在线监测、故障分析等提供一个量化的依据[4]。综上所述，当前研究均取得了一定的成果，然而在其建设过程中需投入大量的软硬件设备，以辅助其完成所需数据的采集，鲜少利用已有平台数据资源来完成电能表远程故障诊断。尤其随着电能表数量增长，在电能表远程故障诊断系统建设时，应尽量避免软硬件的投入成本，故本文利用现有用电信息采集系统所提供的电能表相关数据，以海量历史数据及可采集数据建立异常诊断模型，实现电能表远程故障的诊断与优化。1系统设计电能表状态检验系统实现异常诊断的重点，是通过对特征属性的深度挖掘与分析，建立异常诊断模型。基于海量待处理数据，诊断模型除确保准确性，还应兼备数据处理时间短、占用内存少，故选择合理算法是构建诊断模型的关键。基于以上需求，本文采取决策树算法实现对电能表状态的检测。决策树是数据挖掘的传统建模方法[5]，已在多个领域得到应用，并取得了良好的...