(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111519706.5 (22)申请日 2021.12.13 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市新韶东路398号 申请人 国网湖南省电力有限公司供电服 务 中心 （计量中心） 　 国家电网有限公司 (72)发明人 余敏琪　杨茂涛　黄瑞　肖宇　 胡军华　申丽曼　刘谋海　贺星　 曾文伟　柳青　 (74)专利代理 机构 湖南兆弘专利事务所(普通 合伙) 43008 代理人 廖元宝 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 一种台区智能 电表的采集器优化配置方法 及配置系统 (57)摘要 本发明公开了一种台区智能 电表的采集器 优化配置方法及系统， 所述方法包括： S1、 获取台 区智能电表的采集器的影 响因素， 分析得到影 响 指标； S2、 利用模糊C均值聚类算法对指标进行优 化求解， 输 出最优聚类结果； S3、 基于最优聚类结 果和对应的影响 因素， 建立历史数据库； S4、 基于 历史数据库对BP神经网络进行训练， 得到BP神经 网络预测模型； S5、 将台区智能电表的采集器的 影响因素输入至BP神经网络 预测模型进行预测， 得到采集器优化配置方案； S6、 将上述采集器优 化配置方案对目标台区的采集器进行合理配置。 本发明具有提高数据传输效率和可靠性、 降低成 本、 配置合理等优点。 权利要求书2页 说明书6页 附图2页 CN 114169626 A 2022.03.11 CN 114169626 A 1.一种台区智能电表的采集器优化配置方法， 其特 征在于， 包括 步骤： S1、 获取台区智能电表的采集器的影响因素， 分析 得到影响指标； S2、 利用模糊C均值聚类算法对指标进行优化 求解， 输出最优聚类结果； S3、 基于最优聚类结果和对应的影响因素， 建立历史数据库； S4、 基于历史数据库对BP神经网络进行训练， 得到BP神经网络预测模型； S5、 将台区智能电表采集器的影响因素输入至BP神经网络预测模型进行预测， 得到采 集器优化配置方案； S6、 将上述采集器优化配置方案对目标台区的采集器进行合理配置 。 2.根据权利要求1所述的台区智能电表的采集器优化配置方法， 其特征在于， 在所述步 骤S2中， 利用模糊C均值聚类算法对指标进行优化求解， 得到距离测度， 即输入数据与聚类 中心的距离； 将所述距离测试与预设阈值进 行比对， 将距离测试在所述预设阈值内， 则输出 最优聚类结果。 3.根据权利要求2所述的台区智能电表的采集器优化配置方法， 其特征在于， 在步骤S2 中， 距离测度的计算过程 为： 以GPRS通讯条件下， 采集器配置个数为例； 输入历史台区的采集器配置个数与通讯方 式的优化配置关系， 具体描述 为： 阈值ε>0， 模糊加权参数m∈(1,+∞),a>0,b>0,类别为c， 迭代次数为rmax， 运用模糊 C均 值聚类得到的模糊隶属度值和聚类中心分别作为初始模糊隶属度值 和初始聚类中心 具体分析 过程为： 式中， μi、 Sfi为计算参数， n和c分别测量数据库的数量和类别数； 模糊隶属度为uik， 表示 第k个样本xk属于类别i的模糊隶属度值； 典型值为tik， 表示k个样本xk属于类别i的典型值， vi代表聚类中心； 然后进行迭代计算， 距离测度为： 权　利　要　求　书 1/2 页 2 CN 114169626 A 2其中， 模糊隶属度为： 典型值 为： 聚类中心值 为： 4.根据权利要求1或2或3所述的台区智能电表的采集器优化配置方法， 其特征在于， 在 所述步骤S1中， 影响因素包括海拔、 气候、 用户密度、 网络通讯、 器件型号中的一个或多个； 所述指标包括温度、 湿度、 采集器 配置个数、 通讯协议、 采集器型号中的一个或多个。 5.根据权利要求4所述的台区智能电表的采集器优化配置方法， 其特征在于， 所述影响 因素与指标之间建立对应的联系。 6.根据权利要求1或2或3所述的台区智能电表的采集器优化配置方法， 其特征在于， 在 步骤S3中， 建立历史数据库之前， 对数据进行归一 化处理。 7.根据权利要求1或2或3所述的台区智能电表的采集器优化配置方法， 其特征在于， 所 述采集器 配置包括配置数量以及通讯网络 。 8.一种台区智能电表的采集器优化配置系统， 其特 征在于， 包括： 第一程序模块， 用于获取台区智能电表的采集器的影响因素， 分析 得到影响指标； 第二程序模块， 用于利用模糊C均值聚类算法对指标进行优化求解， 输出最优聚类结 果； 第三程序模块， 用于基于最优聚类结果和对应的影响因素， 建立历史数据库； 第四程序模块， 用于基于历史数据库对BP神经网络进行训练， 得到BP神经网络预测模 型； 第五程序模块， 用于将台区智能电表的采集器的影响因素输入至BP神经网络预测模型 进行预测， 得到采集器优化配置方案； 第六程序模块， 用于将上述采集器优化配置方案对目标台区的采集器进行合理配置 。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序在 被处理器运行时执 行如权利要求1～7中任意 一项所述方法的步骤。 10.一种计算机设备， 包括存储器和 处理器， 所述存储器上存储有计算机程序， 其特征 在于， 所述计算机程序在被处理器运行时执行如权利要求1～7中任意一项所述方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114169626 A 3