CN120257220A 一种多源电表数据智能融合与异常识别的方法 （深圳友讯达科技股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120257220A(43)申请公布日2025.07.04

(21)申请号202510743505.5

(22)申请日2025.06.05

(71)申请人深圳友讯达科技股份有限公司

地址518055广东省深圳市南山区桃源街

道龙光社区龙珠三路光前工业区6栋3

层

申请人武汉友讯达科技有限公司

(72)发明人崔涛舒杰红吴金明王蕾

刘贵江高谦张博涛乐渭斌

(74)专利代理机构深圳市禧龙专利代理事务所(普通合伙)33433

专利代理师叶圣兰

(51)Int.CI.

GO6F18/25(2023.01)

GO1R35/04(2006.01)

权利要求书3页说明书17页附图1页

(54)发明名称

一种多源电表数据智能融合与异常识别的方法

(57)摘要

CN120257220A本发明提供一种多源电表数据智能融合与异常识别的方法；该方法在统一时间基准下采集多个智能电表的原始电参量数据，构建按电表编号索引的跨设备测量数据集合，并结合电气接线信息与功能参数完成电参量分类与关联信息生成；通过连续时间窗口提取电参量变化曲线，计算数值变化一致性指标，并进一步引入响应偏移特征向量进行联合判断，实现对异常电表及异常时段的准确识别；针对被识别为异常的智能电表，通过其他电表数据构建估算值，并依据主导电参量计算估算值与原始值及邻近估算值之间的残差，以实现双重残差验证；依据一致性指标

CN120257220A

在统一时间基准下，从多个异构智能电表采集原始电参量数据。

在统一时间基准下，从多个异构智能电表采集原始电参量数据。

并将所述原始电参量数据组织为按智能电表编号索引的跨设备测量数据集合

根据各智能电表的电气接线信息与功能参数，对所述跨设备测量

数据集合中的各项原始电参量数据进行分类标记，生成电参量间

的关联信息

将所述跨设备测量数据集合按连续时间窗口进行分段，提取各智

能电表的电参量变化曲线，并基于所述关联信息计算各时间窗口

内的数值变化一致性指标，得到一致性指标序列

计算所述电参量变化曲线之间的响应偏移特征向量，结合所述一

致性指标进行联合判断，识别异常的智能电表编号及其对应的连

续时间窗口

对被识别为异常的智能电表编号，调用其他智能电表的原始电参

量数据生成估算电参量值，并根据主导电参量计算估算值与原始

值之间的第一残差，以及估算值与邻近估算值之间的第二残差

根据所述一致性指标、第一残差与第二残差，确定是否存在接

线错误、电流反接、计量异常或其他异常类型，并输出包含异

常类型、智能电表编号和连续时间窗口的异常识别结果记录

S101

S103

S104

S105

S106

CN120257220A权利要求书1/3页

2

1.一种多源电表数据智能融合与异常识别的方法，其特征在于，包括：

在统一时间基准下，从多个异构智能电表采集原始电参量数据，并将所述原始电参量数据组织为按智能电表编号索引的跨设备测量数据集合；

根据各智能电表的电气接线信息与功能参数，对所述跨设备测量数据集合中的各项原始电参量数据进行分类标记，生成电参量间的关联信息；

将所述跨设备测量数据集合按连续时间窗口进行分段，提取各智能电表的电参量变化曲线，并基于所述关联信息计算各时间窗口内的数值变化一致性指标，得到一致性指标序列；

计算所述电参量变化曲线之间的响应偏移特征向量，结合所述一致性指标进行联合判断，识别异常的智能电表编号及其对应的连续时间窗口；

对被识别为异常的智能电表编号，调用其他智能电表的原始电参量数据生成估算电参量值，并根据主导电参量计算估算值与原始值之间的第一残差，以及估算值与邻近估算值之间的第二残差；

根据所述一致性指标、第一残差与第二残差，确定是否存在接线错误、电流反接、计量异常或其他异常类型，并输出包含异常类型、智能电表编号和连续时间窗口的异常识别结果记录。

2.根据权利要求1所述的多源电表数据智能融合与异常识别的方法，其特征在于，所述计算所述电参量变化曲线之间的响应偏移特征向量，包括：

在按连续时间窗口分段的跨设备测量数据集合中，针对每一个连续时间窗口，提取所有智能电表在已标记的主导电参量维度下的电参量变化曲线，并基于电参量间的关联信息识别每条电参量变化曲线中的主响应拐点序列；

根据各智能电表编号对应的主响应拐点序列与参考智能电表的主响应拐点序列之间的相对位置差异.