买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华北电力科学研究院有限责任公司;国家电网有限公司;北京交通大学

摘要：本发明提供了一种电能表任务执行能力检测方法及装置，其中，该方法包括：对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，及确定原始数据矩阵对应的协方差矩阵；确定协方差矩阵的特征值和对应的特征向量矩阵；根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；根据主成分矩阵，检测电能表任务执行能力。上述技术方案实现了考虑时序性和任务执行成功与否组成布尔量的任务数据，来检测电能表任务执行能力。

主权项：1.一种电能表任务执行能力检测方法，其特征在于，包括：根据电能表的任务执行的类型和时间，对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；所述时域扩展采样数据为具有时序性的任务执行成功与否的数据；电能表的任务执行的类型包括：任务执行成功的类型、任务执行失败的类型，电能表的任务包括：采集、费控、校时、调价任务；根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵；确定所述协方差矩阵的特征值，根据协方差矩阵的特征值，确定协方差矩阵对应的特征向量矩阵；根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据所述截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；所述主成分矩阵代表所有待检测电能表任务执行能力的共性特征；根据所述主成分矩阵，检测电能表任务执行能力，其包括按照如下方法的其中之一或任意组合，检测电能表任务执行能力：根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性，其中，主成分分量的数量越小，代表所有待检测电能表任务执行能力差异小，主成分分量的数量越大，代表所有待检测电能表任务执行能力差异大；根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性，其中，主成分矩阵的第一列所有元素的均值接近复平面原点，代表所有待检测电能表任务执行能力好，任务发送数据得到执行成功回执的比重大，且收到回执所需的时间短；主成分矩阵的第一列所有元素的均值距离复平面原点远，代表所有待检测电能表任务执行能力差，任务发送数据得到执行成功回执的比重小，且收到回执所需的时间长；根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性，其中，主成分矩阵的第一列所有元素的方差小，代表所有待检测电能表共性特征的任务执行能力差异小；主成分矩阵的第一列所有元素的方差大，代表所有待检测电能表共性特征的任务执行能力差异大；根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力，其中，共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力好；共轭转置矩阵的第一行元素中的任一元素的模小，代表该任一元素对应的待检测电能表的任务执行能力差。

全文数据：电能表任务执行能力检测方法及装置技术领域本发明涉及电能表技术领域，特别涉及一种电能表任务执行能力检测方法及装置。背景技术为了进一步发挥智能电能表资产效益，减少电网运营成本，提高供电可靠性和用户满意度，公司在智能电能表非计量功能上做了大量研究和应用。智能电能表高级应用已成为配网运营管理的重要手段，公司拓展计量采集系统的非计量功能开发和应用，建立完善的数据共享机制，制定智能电能表数据支撑各专业应用的工作规则，全面有效支撑运检、发展、安质等专业数据需求。为了支撑相关工作，需要对现有台区全载波、半载波、宽带载波等通信方式下电能表的采集任务执行能力和本地网络通信能力进行检测。目前对采集台区电能表的采集能力和本地网络通信没有进行量化的检测方式，因此需综合主站多数据采集、费控、校时、调价等任务，结合本地通信信道通信监控，实现电能表任务执行能力的可量化和可操作的检测。现有对电能表任务执行能力检测方案的缺点如下。首先，在现有技术中，电能表的性能往往通过各种实验手段在实验室条件下测量得到的实验值，这些实验值均为一个具体的数字，在此基础上通过大量实验即可获得一定量的样本数据，通过对样本数据进行分析即可检测电能表的相关性能，一种典型的样本数据分析方法为主成分分析和k均值聚类法。但是这种方法针对的对象是数值样本数据，而电能表执行任务的数据通常为任务执行是否成功，即任务执行数据仅为成功或失败而不是一个具体量化的数字。因此，现有基于数值样本数据的分析方法不能用于检测电能表任务执行能力。其次，目前主要用于分析电能表性能的方法主要是传统的主成分分析法，传统的主成分分析法处理的对象是无时序性的数据，已有技术中通过多次实验取得的样本数据即为无时序性的数据，因此传统主成分分析方法可用于这种分析。但实际应用环境中，电能表执行任务是具有时序性的，任务发送是先于任务回执的，而且任务回执是否及时也反映了电能表执行任务的能力强弱。因此，传统的用于分析电能表性能的主成分分析方法不能用于检测电能表任务执行能力。发明内容本发明实施例提供了一种电能表任务执行能力检测方法，用以检测电能表任务执行能力，该方法包括：根据电能表的任务执行的类型和时间，对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；所述时域扩展采样数据为具有时序性的任务执行成功与否的数据；根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵；确定所述协方差矩阵的特征值，根据协方差矩阵的特征值，确定协方差矩阵对应的特征向量矩阵；根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据所述截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；所述主成分矩阵代表所有待检测电能表任务执行能力的共性特征；根据所述主成分矩阵，检测电能表任务执行能力。本发明实施例还提供了一种电能表任务执行能力检测装置，用以检测电能表任务执行能力，该装置包括：时域扩展采样数据确定单元，用于根据电能表的任务执行的类型和时间，对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；所述时域扩展采样数据为具有时序性的任务执行成功与否的数据；原始数据矩阵及协方差矩阵确定单元，用于根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵；特征向量矩阵确定单元，用于确定所述协方差矩阵的特征值，根据协方差矩阵的特征值，确定协方差矩阵对应的特征向量矩阵；截取特征向量矩阵及主成分矩阵确定单元，用于根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据所述截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；所述主成分矩阵代表所有待检测电能表任务执行能力的共性特征；检测单元，用于根据所述主成分矩阵，检测电能表任务执行能力。本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述电能表任务执行能力检测方法。本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行电能表任务执行能力检测方法的计算机程序。本发明实施例提供的技术方案具有如下有益效果：首先，与现有技术中传统主成分分析方法的对象是数值，不能对任务执行成功与否进行分析，进而无法对电能表执行任务能力进行检测的方案相比较，本发明实施例提供的技术方案处理的对象是电能表执行任务的数据，即任务执行数据仅为成功或失败的数据，而不是一个具体量化的数字，因此本发明方法是一种能处理由任务执行成功或失败组成的布尔量样本数据分析的方法，进而可以解决检测电能表任务执行能力的问题。其次，与现有技术中传统的主成分分析法处理对象是无时序性的数据，无法对电能表执行任务能力进行检测的方案相比较，本发明实施例提供的技术方案是在时域进行扩展，解决了实际应用环境中电能表执行任务是具有时序性的问题，由于电能表的任务发送是先于任务回执的，而且任务回执是否及时也反映了电能表执行任务的能力强弱。因此，本发明方法为可考虑样本数据时序性的分析方法以实现对电能表执行任务能力的检测。综上，本发明实施例提供的技术方案实现了对电能表执行任务能力的检测。附图说明此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：图1是本发明实施例中电能表任务执行能力检测方法的流程示意图；图2是本发明又一实施例中电能表任务执行能力检测方法的流程示意图；图3是本发明实施例中电能表任务执行能力检测装置的结构示意图。具体实施方式为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。由于发明人发现现有对电能表检测方法无法检测电能表任务执行能力，存在的技术问题是：传统主成分分析方法的对象是数值而不是布尔量，不能针对任务执行成功与否进行分析和检测，同时传统主成分分析方法处理的样本数据为无时序性的数据，而任务执行能力检测需要考虑任务数据的时序性，因此传统主成分分析方法并不适用于电能表任务执行能力的检测。由于发明人发现上述技术问题，提出了一种基于时域扩展主成分分析的电能表任务执行能力检测评估方案，该方案首先根据任务执行的时间对任务执行数据在时域进行扩展，然后在此基础上进行的主成分分析方法的对象是具有时序性的任务执行成功与否的数据，进而根据时域扩展主成分分析方法的结果检测电能表任务执行能力。下面对该基于时域扩展分析的电能表任务执行能力检测的方案进行详细介绍如下。图1是本发明实施例中电能表任务执行能力检测方法的流程示意图，如图1所示，该方法包括：步骤101：根据电能表的任务执行的类型和时间，对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；所述时域扩展采样数据为具有时序性的任务执行成功与否的数据；步骤102：根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵；步骤103：确定所述协方差矩阵的特征值，根据协方差矩阵的特征值，确定协方差矩阵对应的特征向量矩阵；步骤104：根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据所述截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；所述主成分矩阵代表所有待检测电能表任务执行能力的共性特征；步骤105：根据所述主成分矩阵，检测电能表任务执行能力。本发明实施例提供的技术方案具有如下有益效果：首先，与现有技术中传统主成分分析方法的对象是数值，不能对任务执行成功与否进行分析，进而无法对电能表执行任务能力进行检测的方案相比较，本发明实施例提供的技术方案处理的对象是电能表执行任务的数据，即任务执行数据仅为成功或失败的数据，而不是一个具体量化的数字，因此本发明方法是一种能处理由任务执行成功或失败组成的布尔量样本数据分析的方法，进而可以解决检测电能表任务执行能力的问题。其次，与现有技术中传统的主成分分析法处理对象是无时序性的数据，无法对电能表执行任务能力进行检测的方案相比较，本发明实施例提供的技术方案是在时域进行扩展，解决了实际应用环境中电能表执行任务是具有时序性的问题，由于电能表的任务发送是先于任务回执的，而且任务回执是否及时也反映了电能表执行任务的能力强弱。因此，本发明方法为可考虑样本数据时序性的分析方法以实现对电能表执行任务能力的检测。综上，本发明实施例提供的技术方案实现了对电能表执行任务能力的检测。下面对本发明实施例涉及的各个步骤进行详细介绍如下。一、首先，介绍上述步骤101。在上述步骤101参见图2中的S1中，设参与电能表任务执行能力检测的电能表待检测电能表个数为N，原始数据的起始时间为tstart，结束时间为tend，则测试时间长度Δt为Δt＝tend-tstart，设第j个电能表的任务执行数据共有M组，其中第i组任务对应的时间为tij。如果第j个电能表的第i组任务为发送指令，则对应的任务执行数据在时域进行扩展后的时域扩展采样数据为Vij∠αij，其幅值为Vij＝1，其相角为αij，αij＝tij-tstartπΔt；如果第j个电能表的第i组任务为任务执行成功回执，则对应的任务执行数据在时域进行扩展后的时域扩展采样数据为Vij∠αij，其幅值为Vij＝1，其相角为αij，αij＝tij-tstartπΔt+π；如果第j个电能表的第i组任务为任务执行失败回执，则对应的任务执行数据在时域进行扩展后的时域扩展采样数据为Vij∠αij，其幅值为Vij＝0.5，其相角为αij，αij＝tij-tstartπΔt+π。具体实施时，电能表的任务执行的类型包括：任务执行成功的类型、任务执行失败的类型。具体实施时，电能表的任务可以包括：采集、费控、校时、调价等任务。二、其次，介绍上述步骤101之后，进行归一化处理的步骤参见图2中S2。在一个实施例中，基于时域扩展分析的电能表任务执行能力检测方法，还可以包括：对每一待检测电能表的时域扩展采样数据进行归一化处理，得到所有待检测电能表的归一化处理后的时域扩展采样数据。具体实施时，对每一待检测电能表的时域扩展采样数据进行归一化处理提高了数据处理的效率和精度，具体的归一化处理方法可以包括：对第j个电能表任务执行数据的时域扩展采样数据Vj∠αj＝[V1j∠α1j,V2j∠α2j,…,VMj∠αMj]T进行归一化，j＝1,2,…,N，归一化后得到的第j个电能表任务执行数据的归一化时域扩展采样数据为Vj∠αj，Vj∠αj的均值为0，标准差为1。三、接着，介绍上述步骤102。在一个实施例中，根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵，可以包括：根据所有待检测电能表的归一化处理后的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵。具体实施时，在上述步骤102参见图2中S3中，构建M行N列的原始数据矩阵X，其中，M为不同时刻的任务执行次数，N为电能表的个数，X＝[V1∠α1,V2∠α2,…,VN∠αN]，X为M×N的复数矩阵，根据原始数据矩阵X计算X的协方差矩阵C，C＝XHX，C为N×N的复数矩阵。四、接着，介绍上述步骤103。具体实施时，在上述步骤103参见图2中S4中，计算矩阵C的全部特征值λ1,λ2,…λN，且λ1≥λ2≥…≥λN≥0，所有特征值均为实数；对于特征值λj，j＝1,2,…,N，求出齐次线性方程组λjI-C＝0的基础解系，得到C对于λj的一组特征向量uj，则特征向量矩阵U＝[u1,u2,…uN]，U为N×N的复数矩阵，且满足UHCU＝Λ，其中Λ＝diagλ1,λ2,…,λN。五、接着，介绍上述步骤104。1、首先，介绍在上述步骤103之后的确定主成分个数数量的步骤参见图2中的S5。具体实施时，根据Guttman准则选择主成分的个数k，即k＝max{k|λk≥1}。2、其次，介绍在确定了主成分个数之后，根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量前k个特征向量，组成截取特征向量矩阵，进而确定主成分矩阵的步骤，参见图2中的S6。具体实施时，根据主成分个数k从所述特征向量矩阵U中选取出第1至k个特征向量，即特征向量矩阵U的第1至k列组成的截取特征向量矩阵Uk＝[u1,u2,…uk]，Uk为N×k的复数矩阵，并对原始数据矩阵X进行变换，得到主成分矩阵P，则P代表了所有N个电能表任务执行情况的共性特征因此，主成分矩阵也可以称作P共性特征矩阵P，完成时域扩展主成分分析过程。具体实施时，对原始数据矩阵X进行变换，得到主成分矩阵P，可以包括：通过P＝XUk计算主成分矩阵P，P为M×k的复数矩阵。六、接着，介绍上述步骤105，参见图2中的“S7-S10”。在一个实施例中，根据所述主成分矩阵，检测电能表任务执行能力，可以包括按照如下方法的其中之一或任意组合，检测电能表任务执行能力：根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性；根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力。具体实施时，按照如上所述方法的其中之一或任意组合，检测电能表任务执行能力，提高了检测电能表任务执行能力的灵活性和精确度。1、首先，介绍根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性的步骤，参见图2中的S7。在一个实施例中，根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性，可以包括：主成分分量的数量越小，代表所有待检测电能表任务执行能力差异小，主成分分量的数量越大，代表所有待检测电能表任务执行能力差异大。具体实施时，主成分的个数k代表了所有电能表任务执行能力的差异性，k越小代表了参与评价的电能表任务执行能力差异小，反之，k越大代表了参与评价的电能表任务执行能力差异大，k值用于检测所有N个电能表任务执行能力的差异性。具体实施时，主成分是主成分分析计算的结果，在本发明实施例中代表结果。2、其次，介绍根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性的步骤，参见图2中的S8。在一个实施例中，根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性，可以包括：主成分矩阵的第一列所有元素的均值接近复平面原点，代表所有待检测电能表任务执行能力好，任务发送数据得到执行成功回执的比重大，且收到回执所需的时间短；主成分矩阵的第一列所有元素的均值距离复平面原点远，代表所有待检测电能表任务执行能力差，任务发送数据得到执行成功回执的比重小，且收到回执所需的时间长。具体实施时，共性特征矩阵P的第一列p1为所有电能表任务执行能力的主导特征，p1所有元素的均值越接近复平面原点复平面原点是复数域的原点，横坐标代表实部，纵坐标代表虚部，原点是实部虚部都为0的复数代表所有电能表任务执行能力好，任务发送数据得到执行成功回执的比重大，且收到回执所需的时间短，反之，p1所有元素的均值距离复平面原点远，代表所有电能表任务执行能力差，任务发送数据得到执行成功回执的比重比例小，且收到回执所需的时间长。3、接着，介绍根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性的步骤，参见图2中的S9。在一个实施例中，根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性，可以包括：主成分矩阵的第一列所有元素的方差小，代表所有待检测电能表共性特征的任务执行能力差异小；主成分矩阵的第一列所有元素的方差大，代表所有待检测电能表共性特征的任务执行能力差异大。具体实施时，p1所有元素的方差代表了所有电能表共性特征的任务执行能力差异性，p1所有元素的方差小，则所有电能表共性特征的任务执行能力差异小，反之，p1所有元素的方差大，则所有电能表共性特征的任务执行能力差异大。4、最后，介绍根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力的步骤，参见图2中的S10。在一个实施例中，根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力，可以包括：共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力好；共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力差。具体实施时，设UH为截取特征向量矩阵Uk的共轭转置矩阵，UH＝UkH，则矩阵UH的第j列为第j个电能表的任务执行情况与所有电能表的共性特征P之间的关系，矩阵UH的第1行为N个电能表分别与主导特征p1的对应关系，其中，矩阵UH的第1行第j列元素u1j为第j个电能表分别与主导特征p1的对应关系，u1j的模越大，代表第j个电能表的任务执行能力越接近主导特征，该电能表的任务执行能力越好，反之，u1j的模越小，代表第j个电能表的任务执行能力越偏离主导特征，该电能表的任务执行能力越差。基于同一发明构思，本发明实施例中还提供了一种电能表任务执行能力检测装置，如下面的实施例。由于电能表任务执行能力检测装置解决问题的原理与上述电能表任务执行能力检测方法相似，因此电能表任务执行能力检测装置的实施可以参考上述电能表任务执行能力检测方法的实施，重复之处不再赘述。以下所使用的，术语“模块”或者“单元”可以实现预定功能的软件和或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。图3是本发明实施例中电能表任务执行能力检测装置的结构示意图，如图3所示，该装置包括：时域扩展采样数据确定单元01，用于根据电能表的任务执行的类型和时间，对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；所述时域扩展采样数据为具有时序性的任务执行成功与否的数据；原始数据矩阵及协方差矩阵确定单元02，用于根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵；特征向量矩阵确定单元03，用于确定所述协方差矩阵的特征值，根据协方差矩阵的特征值，确定协方差矩阵对应的特征向量矩阵；截取特征向量矩阵及主成分矩阵确定单元04，用于根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据所述截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；所述主成分矩阵代表所有待检测电能表任务执行能力的共性特征；检测单元05，用于根据所述主成分矩阵，检测电能表任务执行能力。在一个实施例中，上述检测单元具体可以用于按照如下方法的其中之一或任意组合，检测电能表任务执行能力：根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性；根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力。在一个实施例中，所述检测单元具体可以用于：主成分分量的数量越小，代表所有待检测电能表任务执行能力差异小，主成分分量的数量越大，代表所有待检测电能表任务执行能力差异大；主成分矩阵的第一列所有元素的均值接近复平面原点，代表所有待检测电能表任务执行能力好，任务发送数据得到执行成功回执的比重大，且收到回执所需的时间短；主成分矩阵的第一列所有元素的均值距离复平面原点远，代表所有待检测电能表任务执行能力差，任务发送数据得到执行成功回执的比重小，且收到回执所需的时间长；主成分矩阵的第一列所有元素的方差小，代表所有待检测电能表共性特征的任务执行能力差异小；主成分矩阵的第一列所有元素的方差大，代表所有待检测电能表共性特征的任务执行能力差异大；共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力好；共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力差。在一个实施例中，上述电能表任务执行能力检测装置还可以包括：归一化处理单元，用于对每一待检测电能表的时域扩展采样数据进行归一化处理，得到所有待检测电能表的归一化处理后的时域扩展采样数据；所述原始数据矩阵及协方差矩阵确定单元具体可以用于：根据所有待检测电能表的归一化处理后的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵。综上，本发明方法的核心创新点在于，传统主成分分析方法的对象是数值而不是布尔量，不能针对任务执行成功与否进行分析和检测，同时传统主成分分析方法处理的样本数据为无时序性的数据，而任务执行能力检测需要考虑任务数据的时序性，因此传统主成分分析方法并不适用于电能表任务执行能力的检测。而本发明方法根据任务执行的时间对任务执行数据在时域进行扩展，在此基础上进行的主成分分析方法的对象是具有时序性的任务执行成功与否的数据，解决了传统主成分分析方法不能进行电能表任务执行能力检测的问题。本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述电能表任务执行能力检测方法。本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行电能表任务执行能力检测方法的计算机程序。本发明实施提供的技术方案的有益技术效果为：由以上技术方案可以看出，本实施例基于时域扩展主成分分析的电能表任务执行能力检测方法，其对象是电能表执行任务的数据，即任务执行数据仅为成功或失败而不是一个具体量化的数字，因此本发明方法是一种能处理由任务执行成功或失败组成的布尔量样本数据分析的方法，进而可以解决检测电能表任务执行能力的问题；同时，这一方法对主成分分析在时域进行扩展，解决了实际应用环境中电能表执行任务是具有时序性的问题，由于电能表的任务发送是先于任务回执的，而且任务回执是否及时也反映了电能表执行任务的能力强弱。因此，本发明方法可考虑样本数据时序性的分析方法以实现对电能表执行任务能力的检测。显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

权利要求：1.一种电能表任务执行能力检测方法，其特征在于，包括：根据电能表的任务执行的类型和时间，对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；所述时域扩展采样数据为具有时序性的任务执行成功与否的数据；根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵；确定所述协方差矩阵的特征值，根据协方差矩阵的特征值，确定协方差矩阵对应的特征向量矩阵；根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据所述截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；所述主成分矩阵代表所有待检测电能表任务执行能力的共性特征；根据所述主成分矩阵，检测电能表任务执行能力。2.如权利要求1所述的电能表任务执行能力检测方法，其特征在于，根据所述主成分矩阵，检测电能表任务执行能力，包括按照如下方法的其中之一或任意组合，检测电能表任务执行能力：根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性；根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力。3.如权利要求2所述的电能表任务执行能力检测方法，其特征在于，根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性，包括：主成分分量的数量越小，代表所有待检测电能表任务执行能力差异小，主成分分量的数量越大，代表所有待检测电能表任务执行能力差异大；根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性，包括：主成分矩阵的第一列所有元素的均值接近复平面原点，代表所有待检测电能表任务执行能力好，任务发送数据得到执行成功回执的比重大，且收到回执所需的时间短；主成分矩阵的第一列所有元素的均值距离复平面原点远，代表所有待检测电能表任务执行能力差，任务发送数据得到执行成功回执的比重小，且收到回执所需的时间长；根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性，包括：主成分矩阵的第一列所有元素的方差小，代表所有待检测电能表共性特征的任务执行能力差异小；主成分矩阵的第一列所有元素的方差大，代表所有待检测电能表共性特征的任务执行能力差异大；根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力，包括：共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力好；共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力差。4.如权利要求1所述的电能表任务执行能力检测方法，其特征在于，还包括：对每一待检测电能表的时域扩展采样数据进行归一化处理，得到所有待检测电能表的归一化处理后的时域扩展采样数据；根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵，包括：根据所有待检测电能表的归一化处理后的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵。5.一种电能表任务执行能力检测装置，其特征在于，包括：时域扩展采样数据确定单元，用于根据电能表的任务执行的类型和时间，对每一待检测电能表的任务执行数据在时域进行扩展，得到每一待检测电能表的时域扩展采样数据；所述时域扩展采样数据为具有时序性的任务执行成功与否的数据；原始数据矩阵及协方差矩阵确定单元，用于根据所有待检测电能表的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵；特征向量矩阵确定单元，用于确定所述协方差矩阵的特征值，根据协方差矩阵的特征值，确定协方差矩阵对应的特征向量矩阵；截取特征向量矩阵及主成分矩阵确定单元，用于根据主成分数量，从所述特征向量矩阵中选取出预设个特征向量，组成截取特征向量矩阵；根据所述截取特征向量矩阵和原始数据矩阵，确定主成分矩阵；所述主成分矩阵代表所有待检测电能表任务执行能力的共性特征；检测单元，用于根据所述主成分矩阵，检测电能表任务执行能力。6.如权利要求5所述的电能表任务执行能力检测装置，其特征在于，所述检测单元具体用于按照如下方法的其中之一或任意组合，检测电能表任务执行能力：根据主成分分量的数量，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的均值，检测所有待检测电能表任务执行能力的差异性；根据主成分矩阵的第一列所有元素的方差，检测所有待检测电能表共性特征的任务执行能力差异性；根据截取特征向量矩阵的共轭转置矩阵的第一行元素的模，检测所有待检测电能表的任务执行能力。7.如权利要求6所述的电能表任务执行能力检测装置，其特征在于，所述检测单元具体用于：主成分分量的数量越小，代表所有待检测电能表任务执行能力差异小，主成分分量的数量越大，代表所有待检测电能表任务执行能力差异大；主成分矩阵的第一列所有元素的均值接近复平面原点，代表所有待检测电能表任务执行能力好，任务发送数据得到执行成功回执的比重大，且收到回执所需的时间短；主成分矩阵的第一列所有元素的均值距离复平面原点远，代表所有待检测电能表任务执行能力差，任务发送数据得到执行成功回执的比重小，且收到回执所需的时间长；主成分矩阵的第一列所有元素的方差小，代表所有待检测电能表共性特征的任务执行能力差异小；主成分矩阵的第一列所有元素的方差大，代表所有待检测电能表共性特征的任务执行能力差异大；共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力好；共轭转置矩阵的第一行元素中的任一元素的模大，代表该任一元素对应的待检测电能表的任务执行能力差。8.如权利要求5所述的电能表任务执行能力检测装置，其特征在于，还包括：归一化处理单元，用于对每一待检测电能表的时域扩展采样数据进行归一化处理，得到所有待检测电能表的归一化处理后的时域扩展采样数据；所述原始数据矩阵及协方差矩阵确定单元具体用于：根据所有待检测电能表的归一化处理后的时域扩展采样数据，构建原始数据矩阵，根据原始数据矩阵，确定原始数据矩阵对应的协方差矩阵。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。

百度查询： 华北电力科学研究院有限责任公司 国家电网有限公司 北京交通大学 电能表任务执行能力检测方法及装置