CN106067095B - 一种线损率的异常数据的识别方法 - Google Patents
一种线损率的异常数据的识别方法 Download PDFInfo
- Publication number
- CN106067095B CN106067095B CN201610427468.8A CN201610427468A CN106067095B CN 106067095 B CN106067095 B CN 106067095B CN 201610427468 A CN201610427468 A CN 201610427468A CN 106067095 B CN106067095 B CN 106067095B
- Authority
- CN
- China
- Prior art keywords
- electricity
- data
- infeed
- abnormal
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种线损率的异常数据的识别方法,涉及电力技术领域,能够有效地识别并定位出线损率中的异常数据。该方法包括:步骤S1、遍历各线路的供入电量数据和供出电量数据,判别各线路的线损率的波动是否正常,若不正常,则判定为线损异常线路;步骤S2、通过时序差分化处理所述线损异常线路的供入电量数据和供出电量数据,分别形成异常供入电量时序序列和异常供出电量时序序列;步骤S3、基于所述异常供入电量时序序列和所述异常供出电量时序序列,识别异常数据。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种线损率的异常数据的识别方法。
背景技术
供电企业的任务是将电能从发电厂输送到各工业、农业、居民等电力、照明用户去使用。电能是通过各级升压变压器、各级输电线路、各级降压变压器来输送的。目前,在我国较多的通过六级变压输送,才能将电能从发电厂(站)输送到四面八方去消费。六级变压都是电能和磁能相互转化,这两种形式能量的转换效率是很高的,但还是有电能损失,且服从能量守恒定律,此外,还有电阻中的能损和供电企业管理不善所造成的各种能量损失。综上所述,在输送和分配(变压)电能过程中,电力网中各个元件所产生的功率损失和电能损失以及其他损失,统称为线路损失(供电损失),简称线损。线损电量包括从发电厂主变压器一次侧(不包括厂用电)至用户电能表上的所有电能损失。线损电量不能直接计量,它是用供入电量与供出电量相减计算出来的。线损电量占供电量的百分比称为线路损失率,简称线损率。
线损率是考核电力企业的一项重要的经济指标。线损率等于电力网电能损耗和向电力网络供应电能的百分数,计算方式为其数值表示了电力网络在宏观上的规划设计、生产技术和运行管理的水平。
线损理论计算是一件复杂繁复的工作,配电网络和低压线路的分支线路多、负荷量大和数据量多,更加剧了这项工作的难度。由于计算复杂,因此造成计算错误的可能性无疑会增加。当前研究中,普遍集中于如何更加精准地统计电网的线损情况中。
而若得到的线损率有误,将影响进一步对电力网络的宏观调控,因此需要识别线损率中的异常数据。
发明内容
本发明所要解决的技术问题在于提供一种线损率的异常数据的识别方法,能够有效地识别并定位出线损率中的异常数据。
为解决上述技术问题,本发明采用如下技术方案:
本发明提供了一种线损率的异常数据的识别方法,该方法包括:
步骤S1、遍历各线路的供入电量数据和供出电量数据,判别各线路的线损率的波动是否正常,若不正常,则判定为线损异常线路;
步骤S2、通过时序差分化处理所述线损异常线路的供入电量数据和供出电量数据,分别形成异常供入电量时序序列和异常供出电量时序序列;
步骤S3、基于所述异常供入电量时序序列和所述异常供出电量时序序列,识别异常数据。
进一步的,步骤S1包括:
步骤S11、获取各线路的供入电量数据和供出电量数据;
步骤S12、对所述供入电量数据和所述供出电量数据进行差分化处理,获得供入电量差分化序列和供出电量差分化序列;
步骤S13、基于所述供入电量差分化序列和所述供出电量差分化序列,判别对应线路的线损率的波动是否正常,若不正常,则判定为线损异常线路。
进一步的,所述供入电量差分化序列为所述供出电量差分化序列为j∈{1,2,3,...,m},n为任意正整数,表示m条供电线路。
进一步的,对于所述供入电量差分化序列Δk[f]in(x)为所述供入电量差分化序列在位置x上的k阶差分,则有:
对于所述供出电量差分化序列Δk[f]o(x)为所述供出电量差分化序列在位置x上的k阶差分,则:
进一步的,步骤S13包括:
若对于所述供入电量差分化序列,有:
则所述供入电量差分化序列的判定值hin(j)为0,否则hin(j)为1,判定所述供入电量差分化序列对应的线路为线损异常线路;
若对于所述供出电量差分化序列,有:
则所述供出电量差分化序列的判定值ho(j)为0,否则ho(j)为1,判定所述供出电量差分化序列对应的线路为线损异常线路。
进一步的,所述步骤S3包括:
对于所述异常供入电量时序序列n为任意正整数,若有:
则有异常数据判定值rin(x)为0,否则rin(x)为1,判定为异常数据;
对于所述异常供出电量时序序列若有:
则有异常数据判定值ro(x)为0,否则ro(x)为1,判定为异常数据;
当rin(x)或ro(x)为1时,识别为异常数据点。
进一步的,在步骤S1和步骤S2之间,还包括:
获取所判定的线损异常线路,组成线损异常线路集。
本发明提供了一种线损率的异常数据的识别方法,该识别方法首先确定异常线路,之后对异常线路的供入电量数据和供出电量数据进行时序差分化处理,之后对处理之后的供入电量数据和供出电量数据进行检测,识别并定位其中的异常数据,识别结果准确度较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的线损率的异常数据的识别方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种线损率的异常数据的识别方法,如图1所示,该识别方法包括:
步骤S1、遍历各线路的供入电量数据和供出电量数据,判别各线路的线损率的波动是否正常,若不正常,则判定为线损异常线路。
具体的,本发明实施例中,可通过差分的方法来处理供入电量数据和供出电量数据,之后再根据处理之后的数据来判定是否为线损异常线路,有利于提高判定的准确程度和效率。
以下对步骤S1进行详细描述,步骤S1可具体包括以下步骤:
步骤S11、获取各线路的供入电量数据和供出电量数据。
可以实时在线获取各线路的供入电量数据和供出电量数据,也可经过一段时间的采集、存储之后,从存储介质中获取,本发明实施例对此不进行限定。
步骤S12、对供入电量数据和供出电量数据进行差分化处理,获得供入电量差分化序列和供出电量差分化序列。
对于第j条线路而言,对应的供入电量差分化序列为相应的供出电量差分化序列为j∈{1,2,3,...,m},表示m条供电线路,n为任意正整数。
对于供入电量差分化序列Δk[f]in(x)为供入电量差分化序列在位置x上的k阶差分,则有:
类似的,对于供出电量差分化序列Δk[f]o(x)为供出电量差分化序列在位置x上的k阶差分,则:
到此,获得了第j条线路的供入电量差分化序列和供出电量差分化序列。
本发明实施例中,利用了差分化处理的方法来识别稳定性和异常值,能够更有效得识别供入电量差分化序列和供出电量差分化序列的波动状况。
步骤S13、基于供入电量差分化序列和供出电量差分化序列,判别对应线路的线损率的波动是否正常,若不正常,则判定为线损异常线路。
具体的,若对于供入电量差分化序列,下式成立:
则供入电量差分化序列的判定值hin(j)为0,否则hin(j)为1,判定供入电量差分化序列对应的线路为线损异常线路;
类似的,若对于供出电量差分化序列,下式成立:
则供出电量差分化序列的判定值ho(j)为0,否则ho(j)为1,判定供出电量差分化序列对应的线路为线损异常线路。
对供入电量差分化序列和供出电量差分化序列分别进行判定,最终确定的线损异常线路的准确度高,不会误报,有利于保证线损率的修复效果。
遍历完成所有的线路,确定出各线损异常线路之后,可以首先获取所判定的线损异常线路,组成线损异常线路集,再对其中的每一条线损异常线路进行处理。或者,也可一旦判定到存在线损异常线路,立即进行处理。本发明实施例对此不进行限定。
步骤S2、通过时序差分化处理线损异常线路的供入电量数据和供出电量数据,分别形成异常供入电量时序序列和异常供出电量时序序列。
由于供入电量数据和供出电量数据具有时序连续性,其曲线较为平滑。因此,可首先对供入电量数据和供出电量数据进行时序差分化处理,扩大其中任意前后两个数据的区别,使得异常数据更明显。经过时序差分化处理之后,有利于快速、准确地识别线损异常线路的异常数据,有利于提高本发明所提供的方法的执行效率。
步骤S3、基于异常供入电量时序序列和异常供出电量时序序列,识别异常数据。
其中,对于异常供入电量时序序列若有:
则有异常数据判定值rin(x)为0,否则rin(x)为1,判定为异常数据。
相应的,对于异常供出电量时序序列若有:
则有异常数据判定值ro(x)为0,否则ro(x)为1,判定为异常数据。
则当rin(x)或ro(x)为1时,可识别为异常数据点。
识别定位得到异常数据点之后,即可对异常数据点进行修正。
综上,本发明实施例提供的线损率的异常数据的识别方法是从数据中学习判别阈值,而不是人为界定的方式,增强了该识别方法的泛化能力,即处理复杂情况的能力。
本发明的具体实施场景中,采用某供电单位的32条无线损异常线路,时间长度为36个月的线损时序数据来测试本方法的效果。为了有效验证本方法的准确率,必须以标记数据来对,随机抽取一定比例的数据插入异常值;再通过本方法来识别异常线损数据,对比是否能够成功将所有的异常数据识别出来,可以有力说明本发明提供的方法的效用。
具体的,通过随机抽取50%的数据,在原始数值基础上增加20%~50%,获得错误率为50%的数据集。
以下是编号为5的线路的一部分的识别结果示例:
编号 | 时间 | 输入电量 | 输出电量 | 线损率 | 识别异常 |
5 | 2013-1-1 | 24391840 | 24357960 | 0.14% | 否 |
5 | 2013-1-2 | 25116960 | 5742440 | 77.14% | 是 |
5 | 2013-1-3 | 23156890 | 23145790 | 0.47% | 否 |
5 | 2013-1-4 | 23118060 | 22168790 | 4.1% | 否 |
5 | 2013-1-5 | 21117060 | 11518280 | 45.45% | 是 |
……. | ……. | ……. | ……. | ……. | ……. |
综上,本发明实施例提供了一种线损率的异常数据的识别方法,该方法首先确定线损异常线路,之后对线损异常线路的供入电量数据和供出电量数据进行时序差分化处理,之后对处理之后的供入电量数据和供出电量数据进行检测,识别并定位其中的异常数据。识别结果准确度较高。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘,硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种线损率的异常数据的识别方法,其特征在于,包括:
步骤S1、遍历各线路的供入电量数据和供出电量数据,判别各线路的线损率的波动是否正常,若不正常,则判定为线损异常线路;
步骤S2、通过时序差分化处理所述线损异常线路的供入电量数据和供出电量数据,分别形成异常供入电量时序序列和异常供出电量时序序列;
步骤S3、基于所述异常供入电量时序序列和所述异常供出电量时序序列,识别异常数据;
其中,所述步骤S3包括:
对于所述异常供入电量时序序列Inn *∈(In1 *,In2 *,In3 *,...,Inn *),n为任意正整数,若有:
则有异常数据判定值rin(x)为0,否则rin(x)为1,判定为异常数据;
对于所述异常供出电量时序序列On *∈(O1 *,O2 *,O3 *,...,On *),若有:
则有异常数据判定值ro(x)为0,否则ro(x)为1,判定为异常数据;
当rin(x)或ro(x)为1时,定位{Inx *,Ox *}为异常数据点。
2.根据权利要求1所述的识别方法,其特征在于,所述步骤S1包括:
步骤S11、获取各线路的供入电量数据和供出电量数据;
步骤S12、对所述供入电量数据和所述供出电量数据进行差分化处理,获得供入电量差分化序列和供出电量差分化序列;
步骤S13、基于所述供入电量差分化序列和所述供出电量差分化序列,判别对应线路的线损率的波动是否正常,若不正常,则判定为线损异常线路。
3.根据权利要求2所述的识别方法,其特征在于,所述供入电量差分化序列为Inn j∈(In1 j,In2 j,In3 j,...,Inn j),所述供出电量差分化序列为On j∈(O1 j,O2 j,O3 j,...,On j),j∈{1,2,3,...m},表示m条供电线路,n为任意正整数。
4.根据权利要求3所述的识别方法,其特征在于,对于所述供入电量差分化序列Inn j∈(In1 j,In2 j,In3 j,...,Inn j),Δk[f]in(x)为所述供入电量差分化序列在位置x上的k阶差分,则有:
对于所述供出电量差分化序列On j∈(O1 j,O2 j,O3 j,…,On j),Δk[f]o(x)为所述供出电量差分化序列在位置x上的k阶差分,则:
5.根据权利要求4所述的识别方法,其特征在于,步骤S13包括:
若对于所述供入电量差分化序列,有:
则所述供入电量差分化序列的判定值hin(j)为0,否则hin(j)为1,判定所述供入电量差分化序列对应的线路为线损异常线路;
若对于所述供出电量差分化序列,有:
则所述供出电量差分化序列的判定值ho(j)为0,否则ho(j)为1,判定所述供出电量差分化序列对应的线路为线损异常线路。
6.根据权利要求1至5任一项所述的识别方法,其特征在于,在步骤S1和步骤S2之间,还包括:
获取所判定的线损异常线路,组成线损异常线路集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610427468.8A CN106067095B (zh) | 2016-06-16 | 2016-06-16 | 一种线损率的异常数据的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610427468.8A CN106067095B (zh) | 2016-06-16 | 2016-06-16 | 一种线损率的异常数据的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106067095A CN106067095A (zh) | 2016-11-02 |
CN106067095B true CN106067095B (zh) | 2019-09-27 |
Family
ID=57421242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610427468.8A Active CN106067095B (zh) | 2016-06-16 | 2016-06-16 | 一种线损率的异常数据的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106067095B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197156B (zh) * | 2017-12-08 | 2020-10-16 | 囯网河北省电力有限公司电力科学研究院 | 用电信息采集系统的异常电量数据修复方法及终端设备 |
CN111860885B (zh) * | 2020-07-07 | 2024-04-05 | 智能云科(沈阳)信息科技有限公司 | 一种工艺路线异常的识别方法 |
CN115524534B (zh) * | 2022-11-04 | 2023-02-28 | 广东欢联电子科技有限公司 | 一种通讯线缆的线损测试方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200314A (zh) * | 2014-08-22 | 2014-12-10 | 国家电网公司 | 基于数据远程同步采集技术的电量及线损同期统计方法 |
CN105590166A (zh) * | 2015-12-16 | 2016-05-18 | 国家电网公司 | 一种配电网中专变供电用户用电行为分析判断方法 |
-
2016
- 2016-06-16 CN CN201610427468.8A patent/CN106067095B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200314A (zh) * | 2014-08-22 | 2014-12-10 | 国家电网公司 | 基于数据远程同步采集技术的电量及线损同期统计方法 |
CN105590166A (zh) * | 2015-12-16 | 2016-05-18 | 国家电网公司 | 一种配电网中专变供电用户用电行为分析判断方法 |
Non-Patent Citations (1)
Title |
---|
大气电场数据在雷电预警中的应用研究;卢炳源;《中国优秀硕士学位论文全文数据库基础科学辑》;20140715;摘要,正文第36-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106067095A (zh) | 2016-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516912B (zh) | 一种配电台区户变关系的识别方法 | |
CN104166788B (zh) | 一种架空输电线路最佳经济寿命区间评估方法 | |
CN106096290B (zh) | 一种修正线损率的方法 | |
CN106067095B (zh) | 一种线损率的异常数据的识别方法 | |
CN106291252A (zh) | 一种10kV线损及低压台区线损管理分析方法 | |
CN105069527A (zh) | 一种基于数据挖掘技术的台区合理线损预测方法 | |
US11092629B2 (en) | Techniques for analysis of data from smart meters | |
CN103617568A (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
CN103489045A (zh) | 一种基于多场景设计的需求响应负荷优化潜力评估方法 | |
CN106126901B (zh) | 一种多维度信息融合的变压器可用状态在线评估方法 | |
CN102637288A (zh) | 一种用于供电企业台区线损分析的方法 | |
CN109800998A (zh) | 一种台区线损管理系统和方法 | |
CN103699668A (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
CN109450089B (zh) | 一种台区低电压识别方法、装置及终端设备 | |
CN105894212A (zh) | 一种电磁环网解合环综合评价方法 | |
CN105184493A (zh) | 一种用于电网企业能源绩效评价的方法 | |
CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
CN104376174A (zh) | 一种基于线路阻抗比的交流线路参数辨识与修正方法 | |
CN110011416A (zh) | 一种变电设备在线监测装置可靠性评估方法及装置 | |
CN109754141A (zh) | 一种电能替代新技术评估方法及系统 | |
CN104143160A (zh) | 一种基于计算机实现的评测电网调度能力的方法 | |
CN106971255A (zh) | 一种配网自动化方案综合评估系统 | |
CN104036433A (zh) | 一种配电网运行管理水平评价方法 | |
CN108492033A (zh) | 电网客户集中投诉智能预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |