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：江阴长仪集团有限公司

摘要：本申请涉电力集中器技术领域，尤其涉及一种集中器的状态监测方法，包括：将集中器的实时通讯状态和下一时刻需要抄表的各用电类型的电表数量输入训练完毕的响应时长预测模型，预测下一时刻心跳信号的标准响应时长，用电类型包括居民用电、工业用电、商业用电和公共设施用电，实时通讯状态包括各信道的瞬时带宽占用率；在下一时刻发送心跳信号，响应于间隔标准响应时长后仍未接收到确认信号，集中器的状态监测结果为异常，反之，状态监测结果为正常。本申请的技术方案能够得到准确的状态监测结果，实现集中器通讯状态的实时监测。

主权项：1.一种集中器的状态监测方法，其特征在于，应用于集中器的智能主站或任意采集器，所述监测方法包括：将集中器的实时通讯状态和下一时刻需要抄表的各用电类型的电表数量输入训练完毕的响应时长预测模型，预测下一时刻心跳信号的标准响应时长，所述用电类型包括居民用电、工业用电、商业用电和公共设施用电，所述实时通讯状态包括各信道的瞬时带宽占用率；在下一时刻发送心跳信号，响应于间隔标准响应时长后仍未接收到确认信号，集中器的状态监测结果为异常，反之，状态监测结果为正常；所述响应时长预测模型为BP神经网络；所述响应时长预测模型包括输入层、多个隐藏层和输出层；所述输入层用于接收所述实时通讯状态和各用电类型的电表数量；所述多个隐藏层用于对所述实时通讯状态和各用电类型的电表数量组成的拼接向量进行维度变换；所述输出层用于将最后一个隐藏层的输出结果回归为标准响应时长；输入层和各隐藏层包括多个神经元，且各神经元的激活函数为非线性激活函数；输出层包括1个神经元，且神经元的激活函数为ReLU函数；所述响应时长预测模型的训练方法：采集历史时刻的通讯状态和所述历史时刻下一时刻需要抄表的各用电类型的电表数量以作为训练样本，并采集各训练样本的实际响应时长；对所述训练样本进行聚类处理，得到多个聚类簇，对各聚类簇中训练样本的实际响应时长进行异常检测，得到各训练样本的时长异常度；计算各训练样本的选择概率，训练样本的选择概率满足关系式：，为训练样本所属聚类簇中的训练样本数量，为所有训练样本总数，为训练样本的时长异常度；依据所述选择概率选取多个批次的训练样本，利用均方差损失训练所述响应时长预测模型，得到训练完毕的响应时长预测模型。

全文数据：

权利要求：

百度查询： 江阴长仪集团有限公司 一种集中器的状态监测方法