CN105117373B - 基于营销数据的居民容量占比分类阈值确定方法 - Google Patents

Abstract

本发明公开了基于营销数据的居民容量占比分类阈值确定方法，包括以下步骤，步骤一，计算各低压台区的居民容量占比的值，并将计算获得的居民容量占比嵌入到原数据样本中形成新的数据样本；步骤二，用统计学的方法，确定新的样本中各低压台区居民容量占比的分布情况；步骤三，确定居民容量占比分类阈值。本发明通过统计学的方法，找到居民容量占比对应低压台区数的大致分布规律，再利用统计低压台区数随居民容量占比变化的曲线斜率来确定居民型台区分类阈值，可以将低压台区划分为居民型低压台区、混合型低压台区和非居民型低压台区，划分轮廓比较清晰的同时具有较好的实用性。

Description

基于营销数据的居民容量占比分类阈值确定方法

技术领域

本发明涉及一种基于营销数据的居民容量占比分类阈值确定方法，属于软测量领域。

背景技术

在电力系统中，台区是指一台变压器的供电范围或区域。低压台区指某台变压器低压供电的区域，一般为10KV以下的供电系统。划分低压台区，是为了用电管理的需要，在人员分工，设备维护、电量计算，线损统计等方面管理得更规范、科学。

线损是供电企业供电量与实际售电量之间的差值，线损率是线损电量占供电量的百分数，是反映电网规划设计、技术装备和经济运行水平等的综合性技术经济指标。

目前，电力营销系统中有大量的低压台区电力营销数据，这些数据中蕴含着大量的有用信息，包括总用户数、居民用户数、非居民用户数、居民容量、非居民容量等。总用户数是指低压台区的总用户数，反映低压台区的规模；居民用户数是指低压台区中居民用电性质的户数；非居民用户数是指低压台区中非居民用电性质的户数；居民容量是指低压台区中居民用电性质用户的装表容量之和；非居民容量是指低压台区中非居民用电性质用户的装表容量之和；总容是指整个低压台区的装表容量，是居民容量和非居民容量之和。

电力系统低压台区线损率受到众多因素的影响，其中，低压台区的用电性质和用电特征对线损率有着很大的影响，不同用电性质的低压台区混杂在一起给线损率的精细管理造成了很大的困难。而低压台区的用电性质和用电特征由低压台区中居民性质用电和非居民性质用电的比重有关。因此，为了进一步提高低压台区线损管理精细化水平，需要对低压台区进行分类后再进行管理。因此现在急需一种低压台区分类方法。

发明内容

为了解决上述技术问题，本发明提供了一种基于营销数据的居民容量占比分类阈值确定方法。

为了达到上述目的，本发明所采用的技术方案是：

基于营销数据的居民容量占比分类阈值确定方法，包括以下步骤，

步骤一，根据电力营销数据样本中的相关参数，计算各低压台区的居民容量占比的值，并将计算获得的居民容量占比嵌入到原数据样本中形成新的数据样本；

所述居民容量占比为居民容量在总容量中的比重；

步骤二，用统计学的方法，确定新的样本中各低压台区居民容量占比的分布情况；

步骤三，确定居民容量占比分类阈值。

居民容量占比的计算公式为，

其中，Pr为居民容量占比，Cr为居民容量，Cn为非居民容量，C为居民容量和非居民容量之和，即总容量。

用统计学的方法，确定新的样本中各低压台区居民容量占比的分布情况的过程为，

A1)将居民容量占比等分为m个小区间；

A2)计算每个小区间的居民容量占比长度d_Pr；

A3)计算每个小区间的居民容量占比范围；

R_i＝[d_Pr×(i-1),d_Pr×i]

其中，R_i第i个小区间的居民容量占比范围，i为整数，i＝1,2,3...m；

A4)利用MATLAB中的hist函数获得各个小区间内的低压台区数目；

[N_i,X_i]＝hist(Pr_j,m)；

其中，Pr_j为数据样本中n个低压台区的居民容量占比值构成的数组，j为整数，j∈[1,n]，N_i为m个小区间统计出的低压台区个数组成的数组，X_i为m个小区间中点值组成的数组；

A5)利用MATLAB中的plot函数，将m个小区间的N_i和X_i在低压台区数-居民容量占比图上描绘出来；

A6)利用polyfit函数将N_i和X_i拟合成一条曲线，根据拟合曲线，确定各低压台区居民容量占比的分布情况。

确定居民容量占比分类阈值的过程为，

B1)计算各小区间内的统计低压台区数；

其中，N[j′]为第j′个小区间内的低压台区数，S_i为第i个小区间内的统计低压台区数；所述统计低压台区数为某个小区间内的低压台区数与其前面所有小区间内的低压台区数之和；

B2)利用MATLAB中的plot函数，将m个小区间的S_i和X_i在统计低压台区数-居民容量占比图上描绘出来；

B3)利用polyfit函数将S_i和X_i拟合成一条曲线，根据拟合曲线，获得统计低压台区数随居民容量占比变化的变化情况；

B4)根据拟合曲线，获得拟合曲线的函数关系式；

拟合曲线的函数关系式为，

S＝f(Pr)

S＝f(Pr)

其中，S为所有小区间内的低压台区数，f为一元多项式函数；

B5)对拟合曲线的函数关系式求导，获得曲线斜率随居民容量占比变化的函数关系式；

曲线斜率随居民容量占比变化的函数关系式为，

S′＝f′(Pr)

其中，S′为统计低压台区数随居民容量占比变化的曲线斜率；

B5)根据S′曲线的走势变化获得居民容量占比分类阈值；

S′曲线的走势从一个稳态向另一个稳态变化，经历一个过渡阶段，取该过渡阶段的中点值作为分类阈值。

本发明所达到的有益效果：本发明通过统计学的方法，找到居民容量占比对应低压台区数的大致分布规律，再利用统计低压台区数随居民容量占比变化的曲线斜率来确定居民型台区分类阈值，可以将低压台区划分为居民型低压台区、混合型低压台区和非居民型低压台区，划分轮廓比较清晰的同时具有较好的实用性；此外，数据分析建立在大量的数据样本之上，结果具有较高的可靠性。

附图说明

图1为本发明的流程图。

图2为城区低压台区居民容量占比分布图。

图3为农村低压台区居民容量占比分布图

图4为城区统计低压台区数随居民容量占比变化规律图。

图5为农村统计低压台区数随居民容量占比变化规律图。

图6为城区统计低压台区数随居民容量占比变化速率图。

图7为农村统计低压台区数随居民容量占比变化速率图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，基于营销数据的居民容量占比分类阈值确定方法，包括以下步骤：

步骤一，根据电力营销数据样本中的相关参数，计算各低压台区的居民容量占比的值，并将计算获得的居民容量占比嵌入到原数据样本中形成新的数据样本。

上述居民容量占比为居民容量在总容量中的比重；居民容量占比的计算公式为，

其中，Pr为居民容量占比，Cr为居民容量，Cn为非居民容量，C为居民容量和非居民容量之和，即总容量。Pr的取值在0～1之间，极端情况下：当Pr＝0时，即为纯粹的非居民型台区；当Pr＝1时，即为纯粹的居民型台区。

步骤二，用统计学的方法，确定新的样本中各低压台区居民容量占比的分布情况。

具体过程为：

A1)将居民容量占比等分为m个小区间；

A2)计算每个小区间的居民容量占比长度d_Pr；

A3)计算每个小区间的居民容量占比范围；

R_i＝[d_Pr×(i-1),d_Pr×i]

其中，R_i第i个小区间的居民容量占比范围，i为整数，i＝1,2,3...m；

A4)利用MATLAB中的hist函数获得各个小区间内的台区数目；

[N_i,X_i]＝hist(Pr_j,m)；

其中，Pr_j为数据样本中n个低压台区的居民容量占比值构成的数组，j为整数，j∈[1,n]，N_i为m个小区间统计出的低压台区个数组成的数组，X_i为m个小区间中点值组成的数组；

A5)利用MATLAB中的plot函数，将m个小区间的N_i和X_i在低压台区数-居民容量占比图上描绘出来；

A6)利用polyfit函数将N_i和X_i拟合成一条曲线，根据拟合曲线，确定各低压台区居民容量占比的分布情况，即确定居民型、混合型、非居民型台区的台区数分布情况以及随着居民容量占比变化低压台区数的变化情况。

步骤三，确定居民容量占比分类阈值。

具体过程为：

B1)计算各小区间内的统计低压台区数；统计低压台区数为某个小区间内的低压台区数与其前面所有小区间内的低压台区数之和；

公式为，

其中，N[j′]为第j′个小区间内的低压台区数，S_i为第i个小区间内的统计低压台区数；两个小区间过度时，S_i的值会发生变化；

B2)利用MATLAB中的plot函数，将m个小区间的S_i和X_i在统计低压台区数-居民容量占比图上描绘出来；

B3)利用polyfit函数将S_i和X_i拟合成一条曲线，根据拟合曲线，获得统计低压台区数随居民容量占比变化的变化情况；

B4)根据拟合曲线，获得拟合曲线的函数关系式；

拟合曲线的函数关系式为，

S＝f(Pr)

其中，S为所有小区间内的低压台区数，f为一元多项式函数；

B5)对拟合曲线的函数关系式求导，获得曲线斜率随居民容量占比变化的函数关系式；

曲线斜率随居民容量占比变化的函数关系式为，

S′＝f′(Pr)

其中，S′为统计低压台区数随居民容量占比变化的曲线斜率；

B6)根据S′曲线的走势变化获得居民容量占比分类阈值；

S′曲线的走势从一个稳态(稳态：保持一定的增长或下降速率不变化的阶段)向另一个稳态变化，经历一个过渡阶段，取该过渡阶段的中点值作为分类阈值。

上述基于营销数据的居民容量占比分类阈值确定方法，通过统计学的方法，找到居民容量占比对应低压台区数的大致分布规律，再利用统计低压台区数随居民容量占比，变化的曲线斜率来确定居民型台区分类阈值，可以将低压台区划分为居民型台区、混合型台区和非居民型台区，划分轮廓比较清晰的同时具有较好的实用性；此外，数据分析建立在大量的数据样本之上，结果具有较高的可靠性。

以下是以江苏省南京市高淳区电力营销数据为例，将南京市高淳区低压台区划分为居民型、混合型、非居民型台区的居民容量占比分类阈值确定实例。

南京市高淳区一共2077个低压台区，其中城网537个低压台区，农网1540个低压台区。样本以矩阵的形式给出，矩阵中每一行为一个低压台区的信息，第一列为低压台区编号，第二列为总用户数，第三列为居民用户数，第四列为非居民用户数，第五列为居民容量，第六列为非居民容量。

城网数据样本为A，是一个大小为537×6的矩阵；农网数据样本为B，是一个大小为1540×6的矩阵。矩阵中的每一个元素都代表着某一个低压台区的某一个信息。

台区居民容量占比分类阈值确定详细步骤如下：

步骤1：计算各低压台区的居民容量占比的值，并将计算获得的居民容量占比嵌入到原数据样本中形成新的数据样本。

南京市高淳区总样本数据为2077，在MATLAB中进行矩阵的列运算；

城网居民容量占比Pr_a，

Pr_a＝A(:,5)/(A(:,5)+A(:,6))；

农网居民容量占比Pr_b，

Pr_b＝B(：，5)/(B(：，5)+B(：，6))；

其中，A(:，5)和B(:，5)分别为矩阵A、B的第5列数据，即居民容量；A(:，6)和B(:，6)分别为矩阵A、B的第6列数据，即非居民容量。Pr_a是一个537×1的矩阵，是高淳区城网537个低压台区的居民容量占比数据；Pr_b是一个1540×1的矩阵，是高淳区农网1540个低压台区的居民容量占比计算结果。

将各低压台区计算出来的居民容量占比的值嵌入到原来的台区信息记录中，形成新的数据样本。即将Pr_a、Pr_b与原矩阵A、B合并：

A′＝[A,Pr_a]

B′＝[B,Pr_b]

此时，矩阵A′和B′即为新的数据样本。

步骤2：用统计学的方法，确定新的样本中各低压台区居民容量占比的分布情况。

步骤2.1：经过反复试验，当m＝10时，效果较好，计算出城网农网每个小区间的居民容量占比长度d_Pr；

步骤2.2：计算出城网和农网第i个小区间的居民容量占比范围R_i；

R_i＝[d_Pr×(i-1),d_Pr×i]

＝[0.1×(i-1),0.1×i]

步骤2.3：利用MATLAB中的hist函数获得各个小区间内的台区数目；

城网：

[N_ai,X_ai]＝hist(A(：，7),10)；

农网：

[N_bi,X_bi]＝hist(B(：，7),10)；

X_ai和X_bi分别为城网和农网10个小区间的中点值组成的数组，N_ai和N_bi分别为为城网和农网10个小区间中统计到的台区数组成的数组，A(:,7)和B(:,7)分别为矩阵A、B的第7列数据；

其值如下：

X_a10：0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95；

X_b10：0.05 0.15 0.25 0.35 0.45 0.55 0.65 0.75 0.85 0.95；

N_a10：17 4 2 10 25 31 43 63 92 240；

N_b10：101 30 33 38 89 115 140 283 379 332；

因此，可以得到高淳区低压台区数-居民容量占比的分布情况如下：

城网低压台区数-居民容量占比分布统计情况如表一所示，

表一城网低压台区数-居民容量占比分布统计情况

农网低压台区数-居民容量占比分布统计情况如表二所示，

表二农网低压台区数-居民容量占比分布统计情况

步骤2.4：利用plot函数将城网10个小区间的N_ai和X_ai在低压台区数-居民容量占比图上描绘出来；

利用plot函数将农网10个小区间的N_bi和X_bi在低压台区数-居民容量占比图上描绘出来；

步骤2.5：利用polyfit函数将N_ai和X_ai拟合成一条曲线，根据拟合曲线，确定城网各低压台区居民容量占比的分布情况；

利用polyfit函数将N_bi和X_bi拟合成一条曲线，根据拟合曲线，确定农网各低压台区居民容量占比的分布情况；。

上述代码得到的高淳区城网和农网低压台区数-居民容量占比分布图如附图2和3所示，根据分布图中的拟合曲线可以看出：混合型低压台区数分布相对比较均匀，而纯粹的居民型低压台区数和非居民低压台区数相对于混合型低压台区来说较多，故随着居民容量占比从0增大到1，低压台区数先下降，然后经过低压台区数分布比较均匀的混合型低压台区，再上升到低压台区数较大的居民型低压台区，最终目的是要在明显的下降和上升阶段找到合理的居民容量比阈值，划分居民型、混合型、非居民型低压台区。

步骤3：确定居民容量占比分类阈值。

步骤3.1：计算各小区间内的统计台区数：

城网第i个小区间内的统计低压台区数S_ai；

N_a[j′]为城网第j′个小区间内的台区数；

农网第i个小区间内的统计低压台区数S_bi；

N_b[j′]为农网第j′个小区间内的台区数；

计算结果如下：

城网统计低压台区数随居民容量比变化情况如表三所示，

表三城网统计低压台区数随居民容量比变化情况，

农网统计低压台区数随居民容量比变化情况如表四所示，

表四农网统计低压台区数随居民容量比变化情况，

步骤3.2：利用MATLAB中的plot函数将城网10个小区间的S_ai和X_ai在统计低压台区数-居民容量占比图上描绘出来；

利用MATLAB中的plot函数将农网10个小区间的S_bi和X_bi在统计低压台区数-居民容量占比图上描绘出来；

步骤3.3：再利用polyfit函数将S_ai和X_ai拟合成一条曲线，根据拟合曲线，获得城网统计低压台区数随居民容量占比变化的变化情况；

再利用polyfit函数将S_bi和X_bi拟合成一条曲线，根据拟合曲线，获得农网统计低压台区数随居民容量占比变化的变化情况；

步骤3.4：根据拟合曲线，获得拟合曲线的函数关系式；

拟合曲线如附图4和5所示，函数关系式为：

S_a＝10038Pr_a ⁵-21525Pr_a ⁴+16960Pr_a ³-5456Pr_a ²+717Pr_a-8

S_a为城网统计低压台区数，Pr_a为城网居民容量占比，Pr_a ²、Pr_a ³、Pr_a ⁴、Pr_a ⁵分别为Pr_a的二次、三次、四次和五次方；

S_b＝-16730Pr_b ⁵+38897Pr_b ⁴-29694Pr_b ³+10172Pr_b ²-1105Pr_b+137

S_b为农网统计低压台区数，Pr_b为农网居民容量占比，Pr_b ²、Pr_b ³、Pr_b ⁴、Pr_b ⁵分别为Pr_b的二次、三次、四次和五次方；

步骤3.5：对拟合曲线的函数关系式求导，获得曲线斜率随居民容量占比变化的函数关系式；

曲线斜率随居民容量占比变化的函数关系式为，

S_a'＝50190Pr_a ⁴-86100Pr_a ³+50880Pr_a ²-10912Pr_a+717

S_a'为城网统计低压台区数随居民容量占比变化的曲线斜率；

S_b'＝-83650Pr_b ⁴+155588Pr_b ³-89082Pr_b ²+20344Pr_b-1105

S_b'为农网统计低压台区数随居民容量占比变化的曲线斜率；

将S的导函数S′在统计低压台区数随居民容量占比变化速率图中用曲线的形式表现出来，如附图6和7所示，根据S′曲线的走势变化获得居民容量占比分类阈值，即S′曲线的走势从一个稳态向另一个稳态变化时，会经历一个过渡阶段，取该过渡阶段的中点值作为分类阈值。。

对于高淳城网低压台区，S′曲线在0.05～0.12，0.24～0.7，0.8～95区间内斜率变化较小，视为稳态。则取过渡阶段：0.12～0.24和0.7～0.8的中点值0.18和0.75作为城网居民型、混合型、非居民型低压台区居民容量占比合理分类阈值，即居民容量占比在0～0.18之间认为是非居民型低压台区，在0.18～0.75之间认为是混合型低压台区，在0.75～1之间认为是居民型低压台区。

对于高淳农网低压台区，S′曲线在0.05～0.18，0.36～0.8，0.9～95区间内斜率变化较小，视为稳态。则取过渡阶段：0.18～0.36和0.8～0.9的中点值0.27和0.85作为农网居民型、混合型、非居民型低压台区居民容量占比合理分类阈值，即居民容量占比在0～0.27之间认为是非居民型低压台区，在0.27～0.85之间认为是混合型低压台区，在0.85～1之间认为是居民型低压台区。

按照此种方法分类，分类轮廓较清晰，实用性较好。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (2)

1.基于营销数据的居民容量占比分类阈值确定方法，其特征在于：包括以下步骤，

步骤一，根据电力营销数据样本中的相关参数，计算各低压台区的居民容量占比的值，并将计算获得的居民容量占比嵌入到原数据样本中形成新的数据样本；

所述居民容量占比为居民容量在总容量中的比重；

步骤二，用统计学的方法，确定新的样本中各低压台区居民容量占比的分布情况；

用统计学的方法，确定新的样本中各低压台区居民容量占比的分布情况的过程为，

A1)将居民容量占比等分为m个小区间；

A2)计算每个小区间的居民容量占比长度d_Pr；

<mrow> <msub> <mi>d</mi> <mi>Pr</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>m</mi> </mfrac> </mrow>

A3)计算每个小区间的居民容量占比范围；

R_i＝[d_Pr×(i-1),d_Pr×i]

其中，R_i第i个小区间的居民容量占比范围，i为整数，i＝1,2,3...m；

A4)利用MATLAB中的hist函数获得各个小区间内的低压台区数目；

[N_i,X_i]＝hist(Pr_j,m)；

其中，Pr_j为数据样本中n个低压台区的居民容量占比值构成的数组，j为整数，j∈[1,n]，N_i为m个小区间统计出的低压台区个数组成的数组，X_i为m个小区间中点值组成的数组；

A5)利用MATLAB中的plot函数，将m个小区间的N_i和X_i在低压台区数-居民容量占比图上描绘出来；

A6)利用polyfit函数将N_i和X_i拟合成一条曲线，根据拟合曲线，确定各低压台区居民容量占比的分布情况；

步骤三，确定居民容量占比分类阈值；

确定居民容量占比分类阈值的过程为，

B1)计算各小区间内的统计低压台区数；

<mrow> <msub> <mi>S</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <msup> <mi>j</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mn>1</mn> </mrow> <mi>i</mi> </munderover> <mi>N</mi> <mo>&amp;lsqb;</mo> <msup> <mi>j</mi> <mo>&amp;prime;</mo> </msup> <mo>&amp;rsqb;</mo> </mrow>

其中，N[j′]为第j′个小区间内的低压台区数，S_i为第i个小区间内的统计低压台区数；所述统计低压台区数为某个小区间内的低压台区数与其前面所有小区间内的低压台区数之和；

B2)利用MATLAB中的plot函数，将m个小区间的S_i和X_i在统计低压台区数-居民容量占比图上描绘出来；

B3)利用polyfit函数将S_i和X_i拟合成一条曲线，根据拟合曲线，获得统计低压台区数随居民容量占比变化的变化情况；

B4)根据拟合曲线，获得拟合曲线的函数关系式；

拟合曲线的函数关系式为，

S＝f(Pr)

其中，S为所有小区间内的低压台区数，f为一元多项式函数，Pr为居民容量占比；

B5)对拟合曲线的函数关系式求导，获得曲线斜率随居民容量占比变化的函数关系式；

曲线斜率随居民容量占比变化的函数关系式为，

S′＝f′(Pr)

其中，S′为统计低压台区数随居民容量占比变化的曲线斜率；

B5)根据S′曲线的走势变化获得居民容量占比分类阈值；

S′曲线的走势从一个稳态向另一个稳态变化，经历一个过渡阶段，取该过渡阶段的中点值作为分类阈值。

2.根据权利要求1所述的基于营销数据的居民容量占比分类阈值确定方法，其特征在于：居民容量占比的计算公式为，

<mrow> <mi>Pr</mi> <mo>=</mo> <mfrac> <mrow> <mi>C</mi> <mi>r</mi> </mrow> <mrow> <mi>C</mi> <mi>r</mi> <mo>+</mo> <mi>C</mi> <mi>n</mi> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <mi>C</mi> <mi>r</mi> </mrow> <mi>C</mi> </mfrac> </mrow>

其中，Pr为居民容量占比，Cr为居民容量，Cn为非居民容量，C为居民容量和非居民容量之和，即总容量。