基于贝叶斯网和集成学习的智能电表状态评价

张照鑫，朱允刚，虞玉峰，赵山博，张胜男，陶紫涵

(吉林大学 计算机学院，吉林 长春 130023)

0 引 言

电能表是每家每户都会使用的电子测量仪器，而智能电表已经和传统电表有了很大的不同，它的功能有本地数据处理、远程数据通信以及电网运行参数采集等。同时智能电表质量以及运行状态直接影响到采集系统的稳定性和安全性，而现有针对智能电表状态评价方法的研究较少，大量的质量数据和监测数据并没有得到充分的价值挖掘和合理利用，国内的智能电表状态监测技术仍处于起步状态，因此，寻找一个合理化、高效化的智能电表评价方法就成为了重要的探索方向。

贝叶斯网是一种概率网络模型，它以贝叶斯公式为基础，基于概率推理，广泛应用于人工智能领域，被认为是推理领域和不确定知识表达领域最有效的理论模型之一[1-3]。通过对智能电表运行过程中与运行状态相关的多种数据的选取，根据贝叶斯网络知识训练有效模型，并利用集成学习方法融合构建最优网络，作为评价智能电表运行状态的高效模型[4]，同时利用Visual Studio 2019实现评价算法，通过输入其他相关方面运行数据推算智能电表各状态概率，得出最符合实际的状态评价，以此作为评价智能电表运行状态的合理方法。

1 运行状态评价模型设计

利用贝叶斯网络进行智能电表的状态评价就需要选择准确的数据离散化方法以及高效合理的贝叶斯网训练方法。而电能表状态评价是典型的有序命题类问题，为此该文提出适用于智能电能表状态融合的凸函数证据理论方法，结合选择性集成学习方法进一步提高了状态评价的准确性和科学性，最终实现对电能表状态的高准确判定。……