本发明属于智能电表故障检测，尤其涉及一种基于电能质量分析的智能电表故障检测方法。
背景技术：
1、智能电表在使用过程中，工作稳定，但是难免会出现数据突增、错乱等问题故障，特别是用电信息相关故障，会导致用电信息错误和计费错误等问题，极大的影响用户使用体验。
2、中国专利cn101097653a介绍了一种电能质量与电力系统故障检测录波装置及方法，该设备配有录波子系统，对电力系统进行多点故障诊断，并记录相关数据。其故障判断依据，只是使用a/d转换后的数据，判定是否超过设置的阈值，其方法无法应用于当前的智能电表。
3、中国专利cn115688975a介绍了一种智能电表的故障预警方法及系统。但是该专利并未选择电能质量分析作为其依据，其分析模型选用的随机森林网络，在处理速度和精确度上存在缺陷。
4、中国专利cn110596635b介绍了一种电能表后故障检测的方法及电能表。其使用计量芯片的数据，通过处理每周波时域差分数据，进而跟故障阈值比较确认是否出现标表后故障。其检测方法过于简单，对故障检测效果差。
5、因此，在实际应用中，缺乏一种更高精度、更高效的智能电表故障检测方法。
技术实现思路
1、针对上述问题，本发明提出一种基于电能质量分析的智能电表故障检测方法，其特征在于，包括以下过程：
2、获取用于电能质量分析的6个特征，包括供电电压偏差、电压闪变、三相电压不平衡度、三相电流不平衡度、暂态扰动、谐波和间谐波；
3、将所述6个特征输入故障检测模型xgboost中，输出为电能表是否发生故障；所述xgboost模型通过多轮迭代与残差拟合，将若干弱分类器决策树集成为一个强分类器，作为加法模型，对于第k棵决策树，第i个样本xi，模型的预测值按照如下计算：
4、
5、式中,k表示模型中总的决策树数；表示k-1棵树的预测结果；fk(xi)表示第k棵树的模型预测结果；f表示回归树空间；ω表示回归树叶子节点权重；q表示回归树结构，把每个样本节点映射到对应叶子节点的索引；q(xi)表示分析电能质量的特征所在的叶子节点；t表示叶子节点数。
6、优选的，所述k棵决策树根据特征分裂的次数fscore、特征平均增益值averagegain和特征平均覆盖率averagecover来作为其构建决策树的依据，具体构建过程为：
7、s1.从根节点开始，对所有节点都遍历6个特征；
8、s2.对于特征ai∈a，a为特征集合先按照特征与电能表故障关联度的高低进行排序确定增益最好的分割点
9、根据特征重要性使用特征分裂的次数、特征平均增益值和特征平均覆盖率计算；
10、特征分裂的次数fscore：
11、fscore＝|x| (2)
12、式中，x表示所求特征分类到叶子节点的集合；
13、特征平均增益值averagegain：
14、
15、式中，gain是x中每个叶子节点分割时的增益值，由
16、
17、w表示每个叶子节点的权重；
18、特征平均覆盖率averagecover：
19、
20、s3.从所选择的特征分割点中选定增益最高的特征进行分割并更新样本到树节点的映射关系；
21、s4.一直分割到最大深度，并计算构建下一棵树的残差；
22、s5.将生成的所有决策树集成，完成最终决策树的构建。
23、优选的，所述故障检测模型xgboost的目标函数包括损失函数和正则项两部分：
24、
25、
26、式中，为损失函数项；w(fi)为目标函数的正则项，由叶子节点数t和叶子节点权重w表示对模型复杂度决定，防止模型过拟合；γ和λ为模型超参数，在模型训练时，需要设置；
27、由于xgboost是前向分步算法，对于第t棵树，前面的t-1棵树都是已知的，所以只需要优化当前树的参数；
28、在第j轮迭代时，加入新的模型fj，对式(4)进行改写并按二阶泰勒级数展开，得到如下目标函数：
29、
30、式中，为损失函数的一阶梯度统计；为损失函数的二阶梯度统计；迭代获得模型的最小o值时，表示模型训练完成。
31、优选的，所述供电电压偏差即为电压合格率，设置一个电压合格区间，统计处于该区间的监测值个数；电压合格率用在电压合格区间内的监测值个数与总监测值有效数值个数的比值来确定，使用公式(9)计算：
32、
33、式中，γnet表示测区域电网电压合格率；n1表示电压合格的监测值个数；n0表示电压监测值有效数值个数。
34、优选的，所述电压闪变是由一个添加在正常工频电压中的调幅波导致的，该调幅波的频率位于0.05～35hz内；电压闪变的评估采用短时闪变指数pst和长时闪变指数plt，这两个指数分别反映了短时间内和长时间内的闪变程度；pst计算方法如式所示：
35、
36、其中，p0.1、p1、p3、p10、p50累计概率函数cpf曲线上相应百分比时间的瞬时视感度；
37、长时闪变指数plt如下式所示：
38、
39、优选的，所述三相电压不平衡率包括三相电压零序、负序不平衡度，其计算公式如式(12)所示，
40、
41、式中，为三相电压负序不平衡度，为三相电压零序不平衡度，u0为三相电压的零序分量，u1为三相电压的正序分量，u2为三相电压的负序分量。
42、优选的，所述三相电流不平衡率包括三相电流零序、负序不平衡度，其计算公式如式(13)所示，
43、
44、式中，为三相电流负序不平衡度，为三相电流零序不平衡度，i0为三相电流的零序分量，i1为三相电压的正序分量，i2为三相电压的负序分量。
45、优选的，所述暂态扰动主要记录和分析暂时性的电压变化，包括电压暂升、电压暂降和电压中断；电压暂升描述的信号模型如式(14)所示：
46、f(t)＝{1+α[ε(t2)-ε(t1)]}sin(ωt) (14)
47、式中，0.1≤α≤0.8,t≤t2-t1≤9t，式中，α表示权值，t表示工频周期，表示阶跃函数；
48、电压暂降描述的信号模型如式(15)所示：
49、f(t)＝{1-α[ε(t2)-ε(t1)]}sin(ωt) (15)
50、式中，0.1≤α≤0.9,t≤t2-t1≤9t；
51、电压中断描述的信号模型如式(16)所示，
52、f(t)＝{1-α[ε(t2)-ε(t1)]}sin(ωt) (16)
53、式中，0.9≤α≤1,t≤t2-t1≤9t。
54、优选的，所述谐波和间谐波是由非线性负载产生，基波为电力系统保准工频50hz，谐波频率是基波频率的整数倍，间谐波频率是基波频率非整数倍；
55、利用时域分析方法、窗口傅里叶变换分析谐波和间谐波的频域特性；窗口函数采用余弦窗，其解析表达式为，
56、
57、式中，n＝0,1,...,n-1，k为余弦窗的项数；
58、
59、对k取值不同，代表不同的窗函数；
60、加窗的ω(n)窗口傅里叶变换为：
61、
62、离散化处理，f＝k·δf，频率分辨率δf＝fs/n：
63、
64、由于信号采样过程中，频谱线很难正好落在峰值点上，可采用最靠近峰值点所在谱线相邻的两条最大值与第二大值谱线k1和k2，来获得峰值点频率，其中k1≤k≤k1+1。
65、优选的，使用建立的xgboost模型实时检测处理电能质量特征数据；当检测到电能表无异常时，不做处理，继续检测；当检测到电能表电能质量异常时，检测电能计量相关数据是否异常，如果检测到电能计量数据异常，则记录数据并上报提示管理员存在异常。
66、与现有技术相比，本发明具有如下有益效果：
67、本发明选择供电电压偏差、电压闪变、三相电压不平衡度、三相电流不平衡度、暂态扰动、谐波和间谐波作为分析电能质量的特征，根据这些特征建立决策树，并选用xgboost(极限梯度迭代)作为特征处理和结果输出分类器，处理速度快、精度高，更适合产品中使用。本发明提供的基于电能质量分析的智能电表故障检测方法，高效，准确性高，可以更好的监测和分析电能质量情况，并及时提示管理处理电表异常故障情况，进一步确保用电安全和电网的可靠性。
1.一种基于电能质量分析的智能电表故障检测方法，其特征在于，包括以下过程：
2.如权利要求1所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于，所述k棵决策树根据特征分裂的次数fscore、特征平均增益值averagegain和特征平均覆盖率averagecover来作为其构建决策树的依据，具体构建过程为：
3.如权利要求2所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：所述故障检测模型xgboost的目标函数包括损失函数和正则项两部分：
4.如权利要求1所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：所述供电电压偏差即为电压合格率，设置一个电压合格区间，统计处于该区间的监测值个数；电压合格率用在电压合格区间内的监测值个数与总监测值有效数值个数的比值来确定，使用公式(9)计算：
5.如权利要求1所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：所述电压闪变是由一个添加在正常工频电压中的调幅波导致的，该调幅波的频率位于0.05～35hz内；电压闪变的评估采用短时闪变指数pst和长时闪变指数plt，这两个指数分别反映了短时间内和长时间内的闪变程度；pst计算方法如式所示：
6.如权利要求1所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：所述三相电压不平衡率包括三相电压零序、负序不平衡度，其计算公式如式(12)所示，
7.如权利要求1所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：所述三相电流不平衡率包括三相电流零序、负序不平衡度，其计算公式如式(13)所示，
8.如权利要求1所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：所述暂态扰动主要记录和分析暂时性的电压变化，包括电压暂升、电压暂降和电压中断；电压暂升描述的信号模型如式(14)所示：
9.如权利要求1所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：所述谐波和间谐波是由非线性负载产生，基波为电力系统保准工频50hz，谐波频率是基波频率的整数倍，间谐波频率是基波频率非整数倍；
10.如权利要求1至9任意一项所述的一种基于电能质量分析的智能电表故障检测方法，其特征在于：使用建立的xgboost模型实时检测处理电能质量特征数据；当检测到电能表无异常时，不做处理，继续检测；当检测到电能表电能质量异常时，检测电能计量相关数据是否异常，如果检测到电能计量数据异常，则记录数据并上报提示管理员存在异常。
