CN108710990A - 基于同期数据的线变台户多级线损分析方法及系统 - Google Patents
基于同期数据的线变台户多级线损分析方法及系统 Download PDFInfo
- Publication number
- CN108710990A CN108710990A CN201810356049.9A CN201810356049A CN108710990A CN 108710990 A CN108710990 A CN 108710990A CN 201810356049 A CN201810356049 A CN 201810356049A CN 108710990 A CN108710990 A CN 108710990A
- Authority
- CN
- China
- Prior art keywords
- line
- analysis
- data
- line loss
- collection
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 108
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000012098 association analyses Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000007621 cluster analysis Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 17
- 230000001131 transforming effect Effects 0.000 claims description 16
- 230000002596 correlated effect Effects 0.000 claims description 8
- 230000001915 proofreading effect Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000010219 correlation analysis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出一种基于同期数据的线变台户多级线损分析方法及系统,该方法包括:根据获取的线变台户基础设备信息及配电网采集信息数据,对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并定时自动进行关联分析,输出线变台贯通异常数据清单,形成设备集和贯通集;通过线损日监控,实现对配线及台区线损的双高损分析,形成监控集和异常集;利用系统聚类分析法对影响线损的关键因子进行分析,形成聚类集;利用正负相关分析法实现用户对配线及台区线损率的影响分析,形成相关集;生成线变台户多级分析矩阵图。本发明能够提供各因素集的详情清单,利于快速辅助分析异常问题,从而及时为业务人员线损治理提供多种辅助参考决策。
Description
技术领域
本发明涉及配电网线损综合诊断技术领域,特别涉及一种基于同期数据的线变台户多级线损分析方法及系统。
背景技术
同期数据为同期线损相关联的六大业务系统及三大平台。与传统线损统计相比,同期线损需要不同系统之间的数据传输、关联关系的贯通正确性。
目前的同期线损分析技术需要跨专业部门的不同业务系统,线损异常分析和查找相对困难且费时,不能及时为业务人员线损智力提供辅助参考决策。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的一个目的在于提出一种基于同期数据的线变台户多级线损分析方法,该方法能够提供各因素集的详情清单,利于快速辅助分析异常问题,从而及时为业务人员线损治理提供多种辅助参考决策。
本发明的另一个目的在于提出一种基于同期数据的线变台户多级线损分析系统。
为了实现上述目的,本发明第一方面的实施例提出了一种基于同期数据的线变台户多级线损分析方法,包括以下步骤:根据获取的线变台户基础设备信息及配电网采集信息数据,对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并定时自动进行关联分析,输出线变台贯通异常数据清单,形成设备集和贯通集;通过线损日监控,实现对配线及台区线损的双高损分析,形成监控集和异常集;利用系统聚类分析法对影响线损的关键因子进行分析,形成聚类集;利用正负相关分析法实现用户对配线及台区线损率的影响分析,形成相关集;生成线变台户多级分析矩阵图,包括:配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块,其中,每个矩阵块至少包括所述设备集、监控集、异常集、贯通集、相关集、聚类集。
另外,根据本发明上述实施例的基于同期数据的线变台户多级线损分析方法还可以具有如下附加的技术特征:
在一些示例中,所述利用正负相关分析法实现用户对配线及台区线损率的影响分析,进一步包括:计算线路线损率变化量与每一个下挂公专变电量的相关系数;如果线路线损率变化量与每一个下挂公专变电量相关,则所述相关系数的取值在-1与+1之间;如果所述相关系数大于0,则判定两个变量是正相关;如果所述相关系数小于0,则判定两个变量是负相关。
在一些示例中,所述线变台户基础设备信息用于接入及校对设备台账数据,所述线变台户基础设备信息至少包括:配线信息、配变信息、台区信息、用户台帐信息。
在一些示例中,基于大数据Kettle工具对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并通过所述大数据Kettle工具定时自动进行关联分析,其中,所述同期数据所涉及的相关数据至少包括:配线数据、配变数据、GIS线变台关系数据。
在一些示例中,所述多数据源集至少包括:电网设备台帐数据源、GIS图形关系数据源、营配贯通关系数据源。
根据本发明实施例的基于同期数据的线变台户多级线损分析方法,从同期线损涉及各级链路因素对线变台户进行分析,提供各因素集的详情清单,有利于快速辅助分析异常问题,从而及时为业务人员线损治理提供多种辅助参考决策。
为了实现上述目的,本发明第二方面的实施例提出了一种基于同期数据的线变台户多级线损分析系统,包括:第一分析模块,用于根据获取的线变台户基础设备信息及配电网采集信息数据,对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并定时自动进行关联分析,输出线变台贯通异常数据清单,形成设备集和贯通集;第二分析模块,用于通过线损日监控,实现对配线及台区线损的双高损分析,形成监控集和异常集;第三分析模块,用于利用系统聚类分析法对影响线损的关键因子进行分析,形成聚类集;第四分析模块,用于利用正负相关分析法实现用户对配线及台区线损率的影响分析,形成相关集;生成模块,用于生成线变台户多级分析矩阵图,包括:配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块,其中,每个矩阵块至少包括所述设备集、监控集、异常集、贯通集、相关集、聚类集。
另外,根据本发明上述实施例的基于同期数据的线变台户多级线损分析系统还可以具有如下附加的技术特征:
在一些示例中,所述第四分析模块用于:计算线路线损率变化量与每一个下挂公专变电量的相关系数,如果线路线损率变化量与每一个下挂公专变电量相关,则所述相关系数的取值在-1与+1之间;如果所述相关系数大于0,则判定两个变量是正相关;如果所述相关系数小于0,则判定两个变量是负相关。
在一些示例中,所述影响线损的关键因子至少包括:供电量、负载率、线路长度、型号、公专数、三相不平衡度。
在一些示例中,所述线变台户基础设备信息用于接入及校对设备台账数据,所述线变台户基础设备信息至少包括:配线信息、配变信息、台区信息、用户台帐信息。
在一些示例中,所述第一分析模块用于基于大数据Kettle工具对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并通过所述大数据Kettle工具定时自动进行关联分析,其中,所述同期数据所涉及的相关数据至少包括:配线数据、配变数据、GIS线变台关系数据。
根据本发明实施例的基于同期数据的线变台户多级线损分析系统,从同期线损涉及各级链路因素对线变台户进行分析,提供各因素集的详情清单,有利于快速辅助分析异常问题,从而及时为业务人员线损治理提供多种辅助参考决策。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的基于同期数据的线变台户多级线损分析方法的流程图;
图2是根据本发明一个实施例的基于同期数据的线变台户多级线损分析方法的详细流程示意图;
图3是根据本发明一个实施例的基于同期数据的线变台户多级线损分析系统的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的基于同期数据的线变台户多级线损分析方法及系统。
图1是根据本发明一个实施例的基于同期数据的线变台户多级线损分析方法的流程图。图2是根据本发明另一个实施例的基于同期数据的线变台户多级线损分析方法的详细流程示意图。如图1所示,并结合图2,该方法包括以下步骤:
步骤S1:根据获取的线变台户基础设备信息及配电网采集信息数据,对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并定时自动进行关联分析,输出线变台贯通异常数据清单,形成设备集和贯通集。
在本发明的一个实施例中,结合图2所示,线变台户基础设备信息用于接入及校对设备台账数据,线变台户基础设备信息至少包括:配线信息、配变信息、台区信息、用户台帐信息。
在本发明的一个实施例中,结合图2所示,配电网采集数据信息用于接入用户采集信息及关口采集信息,配电网采集数据信息至少包括电压、电流、表底数据。
其中,基于大数据Kettle工具对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并通过大数据Kettle工具定时自动进行关联分析,其中,同期数据所涉及的相关数据至少包括:配线数据、配变数据、GIS线变台关系数据。换言之,即基于大数据Kettle工具同期贯通关联分析,将同期数据所涉及的配线数据、配变(公变、专变)数据、GIS线变台关系数据等设置贯通分析规则,定时自动利用kettle工具实现关联分析,获得线变台贯通异常数据清单。
也即是说,利用线变台户基础的设备信息、配电网采集信息数据,基于大数据kettle工具,对GIS线变台关系数据等设置贯通分析规则实现同期贯通关联分析,定时自动利用kettle工具进行关联分析,输出线变台贯通异常数据清单,形成设备集、贯通集。
步骤S2:通过线损日监控,实现对配线及台区线损的双高损分析,形成监控集和异常集。具体地说,线损日监控,实现对配线和台区的线损日监控,主要对重点关口及用户实现表底及电量的日监控。高损分析,将配线及台区根据线损率区间划分高损区段,尤其关注“双高损”情况,既台区高损,其所属配线也为高损。
步骤S3:利用系统聚类分析法对影响线损的关键因子进行分析,形成聚类集。
在本发明的一个实施例中,影响线损的关键因子至少包括:供电量、负载率、线路长度、型号、公专数、三相不平衡度。
具体地说,本发明实施例中的系统聚类分析法为统计聚类分析法,确定聚类影响主要包括供电量-线损率、负载率-线损率、线路长度-线损率、型号-线损率、公专数-线损率、三相不平衡度-线损率等。其中,负载率:考虑空载、轻载、重载对线损率的影响变化分布;线路长度:考虑总长和主干线长度对线损率的影响变化分布;公专数:通常情况下公变数量较多将会影响线损率。进而,确定聚类集{供电量、负载率、线路长度、型号、公专数、三相不平衡度},利用系统聚类实现轻量聚类分析。
步骤S4:利用正负相关分析法实现用户对配线及台区线损率的影响分析,形成相关集。
步骤S4,进一步包括:计算线路线损率变化量与每一个下挂公专变电量的相关系数;如果线路线损率变化量与每一个下挂公专变电量相关,则相关系数的取值在-1与+1之间;如果相关系数大于0,则判定两个变量是正相关;如果相关系数小于0,则判定两个变量是负相关。
具体地说,本发明实施例中的正负相关分析法,利用相关系数法分析用户对台区、对配线的相关影响。针对高损线路和台区,求相关系数k,具体包括:计算线路线损率变化量与每一个下挂公专变电量的相关系数,若相关,则相关系数的取值在-1与+1之间。进一步地,若k>0,表明两个变量是正相关,即一个变量的值越大,另一个变量的值也会越大;若k<0,表明两个变量是负相关,即一个变量的值越大另一个变量的值反而会越小。相关系数的绝对值越大表明相关性越强,要注意的是这里并不存在因果关系。以配线为例进行说明如下:
1)获取该线路下每台配变最近几个月的电量Xi,设为{X1、X2、X3、、Xn};
2)获取该线路最近几个月线损率的变化量Yi,设为{Y1、Y2、Y3、、Yn};
3)求X、Y的相关系数k:
4)如果k>0,则为正相关;反之k<0,则为负相关。
同理,与上述过程类似,本发明的实施例也可分析台区线损率变化量与用户电量的相关系数,为减少冗余,此处不再赘述。
步骤S5:生成线变台户多级分析矩阵图,包括:配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块,其中,每个矩阵块至少包括设备集、监控集、异常集、贯通集、相关集、聚类集。
具体地,以配线矩阵块为例,其核心部分包括设备集、监控集、异常集、贯通集、相关集、聚类集,在线变台户每个矩阵块中,从设备状态一致性、贯通关系一致性、采集完整性、以及作为参考类的多因素聚类分析、用户的正负相关性分析等因素块。
综上,本发明实施例的基于同期数据的线变台户多级线损分析方法的主要原理可概述为:利用大数据Kettle工具对同期数据进行定时自动转换、分析、监控,实现基于同期数据的线变台户多级线损分析方法。其中包括:线变台户设备管理基础数据信息、电网采集数据信息、基于大数据Kettle工具同期贯通关联分析、配线和台区的线损日监控、高损分析、系统聚类分析、正负相关分析,形成线变台户多级分析矩阵图,包括配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块。线变台户每个矩阵块中,从设备状态一致性、贯通关系一致性、采集完整性、以及作为参考类的多因素聚类分析、用户的正负相关性分析等因素块,利用矩阵图法的思想提供了线变台户多级线损分析的方法,快速辅助分析异常问题,及时为业务人员提供参考。
根据本发明实施例的基于同期数据的线变台户多级线损分析方法,从同期线损涉及各级链路因素对线变台户进行分析,提供各因素集的详情清单,有利于快速辅助分析异常问题,从而及时为业务人员线损治理提供多种辅助参考决策。
本发明的进一步实施例还提出了一种基于同期数据的线变台户多级线损分析系统。
图3是根据本发明一个实施例的基于同期数据的线变台户多级线损分析系统的结构框图。如图3所示,该基于同期数据的线变台户多级线损分析系统100包括:第一分析模块110、第二分析模块120、第三分析模块130、第四分析模块140和生成模块150。
其中,第一分析模块110用于根据获取的线变台户基础设备信息及配电网采集信息数据,对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并定时自动进行关联分析,输出线变台贯通异常数据清单,形成设备集和贯通集。
在本发明的一个实施例中,线变台户基础设备信息用于接入及校对设备台账数据,线变台户基础设备信息至少包括:配线信息、配变信息、台区信息、用户台帐信息。
在本发明的一个实施例中,配电网采集数据信息用于接入用户采集信息及关口采集信息,配电网采集数据信息至少包括电压、电流、表底数据。
其中,第一分析模块110用于基于大数据Kettle工具对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并通过大数据Kettle工具定时自动进行关联分析,其中,同期数据所涉及的相关数据至少包括:配线数据、配变数据、GIS线变台关系数据。换言之,即基于大数据Kettle工具同期贯通关联分析,将同期数据所涉及的配线数据、配变(公变、专变)数据、GIS线变台关系数据等设置贯通分析规则,定时自动利用kettle工具实现关联分析,获得线变台贯通异常数据清单。
也即是说,利用线变台户基础的设备信息、配电网采集信息数据,基于大数据kettle工具,对GIS线变台关系数据等设置贯通分析规则实现同期贯通关联分析,定时自动利用kettle工具进行关联分析,输出线变台贯通异常数据清单,形成设备集、贯通集。
第二分析模块120用于通过线损日监控,实现对配线及台区线损的双高损分析,形成监控集和异常集。具体地说,线损日监控,实现对配线和台区的线损日监控,主要对重点关口及用户实现表底及电量的日监控。高损分析,将配线及台区根据线损率区间划分高损区段,尤其关注“双高损”情况,既台区高损,其所属配线也为高损。
第三分析模块130用于利用系统聚类分析法对影响线损的关键因子进行分析,形成聚类集。
在本发明的一个实施例中,影响线损的关键因子至少包括:供电量、负载率、线路长度、型号、公专数、三相不平衡度。
具体地说,本发明实施例中的系统聚类分析法为统计聚类分析法,确定聚类影响主要包括供电量-线损率、负载率-线损率、线路长度-线损率、型号-线损率、公专数-线损率、三相不平衡度-线损率等。其中,负载率:考虑空载、轻载、重载对线损率的影响变化分布;线路长度:考虑总长和主干线长度对线损率的影响变化分布;公专数:通常情况下公变数量较多将会影响线损率。进而,确定聚类集{供电量、负载率、线路长度、型号、公专数、三相不平衡度},利用系统聚类实现轻量聚类分析。
第四分析模块140用于利用正负相关分析法实现用户对配线及台区线损率的影响分析,形成相关集。
具体地,第四分析模块140用于:计算线路线损率变化量与每一个下挂公专变电量的相关系数,如果线路线损率变化量与每一个下挂公专变电量相关,则相关系数的取值在-1与+1之间;如果相关系数大于0,则判定两个变量是正相关;如果相关系数小于0,则判定两个变量是负相关。
具体地说,本发明实施例中的正负相关分析法,利用相关系数法分析用户对台区、对配线的相关影响。针对高损线路和台区,求相关系数k,具体包括:计算线路线损率变化量与每一个下挂公专变电量的相关系数,若相关,则相关系数的取值在-1与+1之间。进一步地,若k>0,表明两个变量是正相关,即一个变量的值越大,另一个变量的值也会越大;若k<0,表明两个变量是负相关,即一个变量的值越大另一个变量的值反而会越小。相关系数的绝对值越大表明相关性越强,要注意的是这里并不存在因果关系。以配线为例进行说明如下:
1)获取该线路下每台配变最近几个月的电量Xi,设为{X1、X2、X3、、Xn};
2)获取该线路最近几个月线损率的变化量Yi,设为{Y1、Y2、Y3、、Yn};
3)求X、Y的相关系数k:
5)如果k>0,则为正相关;反之k<0,则为负相关。
同理,与上述过程类似,本发明的实施例也可分析台区线损率变化量与用户电量的相关系数,为减少冗余,此处不再赘述。
生成模块150用于生成线变台户多级分析矩阵图,包括:配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块,其中,每个矩阵块至少包括设备集、监控集、异常集、贯通集、相关集、聚类集。
具体地,以配线矩阵块为例,其核心部分包括设备集、监控集、异常集、贯通集、相关集、聚类集,在线变台户每个矩阵块中,从设备状态一致性、贯通关系一致性、采集完整性、以及作为参考类的多因素聚类分析、用户的正负相关性分析等因素块。
综上,本发明实施例的基于同期数据的线变台户多级线损分析系统的主要原理可概述为:利用大数据Kettle工具对同期数据进行定时自动转换、分析、监控,实现基于同期数据的线变台户多级线损分析方法。其中包括:线变台户设备管理基础数据信息、电网采集数据信息、基于大数据Kettle工具同期贯通关联分析、配线和台区的线损日监控、高损分析、系统聚类分析、正负相关分析,形成线变台户多级分析矩阵图,包括配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块。线变台户每个矩阵块中,从设备状态一致性、贯通关系一致性、采集完整性、以及作为参考类的多因素聚类分析、用户的正负相关性分析等因素块,利用矩阵图法的思想提供了线变台户多级线损分析的方法,快速辅助分析异常问题,及时为业务人员提供参考。
需要说明的是,该基于同期数据的线变台户多级线损分析系统的具体实现方式与本发明上述实施例的基于同期数据的线变台户多级线损分析方法的具体实现方式类似,具体请参见方法部分的描述,为了减少冗余,此处不再赘述。
根据本发明实施例的基于同期数据的线变台户多级线损分析系统,从同期线损涉及各级链路因素对线变台户进行分析,提供各因素集的详情清单,有利于快速辅助分析异常问题,从而及时为业务人员线损治理提供多种辅助参考决策。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同限定。
Claims (10)
1.一种基于同期数据的线变台户多级线损分析方法,其特征在于,包括以下步骤:
根据获取的线变台户基础设备信息及配电网采集信息数据,对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并定时自动进行关联分析,输出线变台贯通异常数据清单,形成设备集和贯通集;
通过线损日监控,实现对配线及台区线损的双高损分析,形成监控集和异常集;
利用系统聚类分析法对影响线损的关键因子进行分析,形成聚类集;
利用正负相关分析法实现用户对配线及台区线损率的影响分析,形成相关集;
生成线变台户多级分析矩阵图,包括:配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块,其中,每个矩阵块至少包括所述设备集、监控集、异常集、贯通集、相关集、聚类集。
2.根据权利要求1所述的基于同期数据的线变台户多级线损分析方法,其特征在于,所述利用正负相关分析法实现用户对配线及台区线损率的影响分析,进一步包括:
计算线路线损率变化量与每一个下挂公专变电量的相关系数;
如果线路线损率变化量与每一个下挂公专变电量相关,则所述相关系数的取值在-1与+1之间;
如果所述相关系数大于0,则判定两个变量是正相关;
如果所述相关系数小于0,则判定两个变量是负相关。
3.根据权利要求1所述的基于同期数据的线变台户多级线损分析方法,其特征在于,所述影响线损的关键因子至少包括:供电量、负载率、线路长度、型号、公专数、三相不平衡度。
4.根据权利要求1所述的基于同期数据的线变台户多级线损分析方法,其特征在于,所述线变台户基础设备信息用于接入及校对设备台账数据,所述线变台户基础设备信息至少包括:配线信息、配变信息、台区信息、用户台帐信息。
5.根据权利要求1所述的基于同期数据的线变台户多级线损分析方法,其特征在于,其中,基于大数据Kettle工具对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并通过所述大数据Kettle工具定时自动进行关联分析,其中,所述同期数据所涉及的相关数据至少包括:配线数据、配变数据、GIS线变台关系数据。
6.一种基于同期数据的线变台户多级线损分析系统,其特征在于,包括:
第一分析模块,用于根据获取的线变台户基础设备信息及配电网采集信息数据,对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并定时自动进行关联分析,输出线变台贯通异常数据清单,形成设备集和贯通集;
第二分析模块,用于通过线损日监控,实现对配线及台区线损的双高损分析,形成监控集和异常集;
第三分析模块,用于利用系统聚类分析法对影响线损的关键因子进行分析,形成聚类集;
第四分析模块,用于利用正负相关分析法实现用户对配线及台区线损率的影响分析,形成相关集;
生成模块,用于生成线变台户多级分析矩阵图,包括:配线矩阵块、配变矩阵块、台区矩阵块及用户矩阵块,其中,每个矩阵块至少包括所述设备集、监控集、异常集、贯通集、相关集、聚类集。
7.根据权利要求6所述的基于同期数据的线变台户多级线损分析系统,其特征在于,所述第四分析模块用于:
计算线路线损率变化量与每一个下挂公专变电量的相关系数,
如果线路线损率变化量与每一个下挂公专变电量相关,则所述相关系数的取值在-1与+1之间;
如果所述相关系数大于0,则判定两个变量是正相关;
如果所述相关系数小于0,则判定两个变量是负相关。
8.根据权利要求6所述的基于同期数据的线变台户多级线损分析系统,其特征在于,所述影响线损的关键因子至少包括:供电量、负载率、线路长度、型号、公专数、三相不平衡度。
9.根据权利要求6所述的基于同期数据的线变台户多级线损分析系统,其特征在于,所述线变台户基础设备信息用于接入及校对设备台账数据,所述线变台户基础设备信息至少包括:配线信息、配变信息、台区信息、用户台帐信息。
10.根据权利要求6所述的基于同期数据的线变台户多级线损分析系统,其特征在于,所述第一分析模块用于基于大数据Kettle工具对同期数据所涉及的相关数据设置贯通分析规则实现同期贯通关联分析,并通过所述大数据Kettle工具定时自动进行关联分析,其中,所述同期数据所涉及的相关数据至少包括:配线数据、配变数据、GIS线变台关系数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810356049.9A CN108710990B (zh) | 2018-04-19 | 2018-04-19 | 基于同期数据的线变台户多级线损分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810356049.9A CN108710990B (zh) | 2018-04-19 | 2018-04-19 | 基于同期数据的线变台户多级线损分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108710990A true CN108710990A (zh) | 2018-10-26 |
CN108710990B CN108710990B (zh) | 2020-11-27 |
Family
ID=63867330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810356049.9A Active CN108710990B (zh) | 2018-04-19 | 2018-04-19 | 基于同期数据的线变台户多级线损分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108710990B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110348713A (zh) * | 2019-06-28 | 2019-10-18 | 广东电网有限责任公司 | 一种基于关联性分析和数据挖掘的台区线损计算方法 |
CN110555556A (zh) * | 2019-08-30 | 2019-12-10 | 国网四川省电力公司成都供电公司 | 一种基于线性整数规划的配网线变关系识别方法 |
CN111579928A (zh) * | 2020-05-25 | 2020-08-25 | 国网江苏省电力有限公司无锡供电分公司 | 配电线路线损分析方法和分析装置 |
CN112116152A (zh) * | 2020-09-17 | 2020-12-22 | 北京中恒博瑞数字电力科技有限公司 | 基于同期数据的线损双率优化方法及系统 |
CN112685885A (zh) * | 2020-12-25 | 2021-04-20 | 青岛鼎信通讯股份有限公司 | 一种综合大数据分析的台区线损分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389636A (zh) * | 2015-12-11 | 2016-03-09 | 河海大学 | 一种低压台区kfcm-svr合理线损预测方法 |
CN106570778A (zh) * | 2016-10-14 | 2017-04-19 | 国网信通亿力科技有限责任公司 | 一种基于大数据的数据集成与线损分析计算的方法 |
CN106646038A (zh) * | 2016-11-30 | 2017-05-10 | 衢州学院 | 基于智能电表实采数据的低电压诊断系统 |
CN106991524A (zh) * | 2017-03-20 | 2017-07-28 | 国网江苏省电力公司常州供电公司 | 一种台区线损率预估方法 |
CN107832855A (zh) * | 2017-09-14 | 2018-03-23 | 北京中恒博瑞数字电力科技有限公司 | 基于相关性分析的线损多源诊断方法及系统 |
-
2018
- 2018-04-19 CN CN201810356049.9A patent/CN108710990B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389636A (zh) * | 2015-12-11 | 2016-03-09 | 河海大学 | 一种低压台区kfcm-svr合理线损预测方法 |
CN106570778A (zh) * | 2016-10-14 | 2017-04-19 | 国网信通亿力科技有限责任公司 | 一种基于大数据的数据集成与线损分析计算的方法 |
CN106646038A (zh) * | 2016-11-30 | 2017-05-10 | 衢州学院 | 基于智能电表实采数据的低电压诊断系统 |
CN106991524A (zh) * | 2017-03-20 | 2017-07-28 | 国网江苏省电力公司常州供电公司 | 一种台区线损率预估方法 |
CN107832855A (zh) * | 2017-09-14 | 2018-03-23 | 北京中恒博瑞数字电力科技有限公司 | 基于相关性分析的线损多源诊断方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110348713A (zh) * | 2019-06-28 | 2019-10-18 | 广东电网有限责任公司 | 一种基于关联性分析和数据挖掘的台区线损计算方法 |
CN110555556A (zh) * | 2019-08-30 | 2019-12-10 | 国网四川省电力公司成都供电公司 | 一种基于线性整数规划的配网线变关系识别方法 |
CN110555556B (zh) * | 2019-08-30 | 2023-04-07 | 国网四川省电力公司成都供电公司 | 一种基于线性整数规划的配网线变关系识别方法 |
CN111579928A (zh) * | 2020-05-25 | 2020-08-25 | 国网江苏省电力有限公司无锡供电分公司 | 配电线路线损分析方法和分析装置 |
CN111579928B (zh) * | 2020-05-25 | 2022-03-15 | 国网江苏省电力有限公司无锡供电分公司 | 配电线路线损分析方法和分析装置 |
CN112116152A (zh) * | 2020-09-17 | 2020-12-22 | 北京中恒博瑞数字电力科技有限公司 | 基于同期数据的线损双率优化方法及系统 |
CN112685885A (zh) * | 2020-12-25 | 2021-04-20 | 青岛鼎信通讯股份有限公司 | 一种综合大数据分析的台区线损分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108710990B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108710990A (zh) | 基于同期数据的线变台户多级线损分析方法及系统 | |
CN107193274B (zh) | 一种基于多维度综合指标的电网脆弱性评估方法 | |
CN101795395B (zh) | 一种人群态势监控系统及方法 | |
CN104601604B (zh) | 网络安全态势分析方法 | |
CN110276511A (zh) | 一种基于电量与线损关联性的线变关系异常判别方法 | |
CN105894177A (zh) | 一种基于决策树算法的电力设备运行风险分析评估方法 | |
CN106027328A (zh) | 一种基于应用容器部署的集群监控的方法及系统 | |
CN108347352B (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
CN110619386A (zh) | 一种tmr运行监测及故障智能研判方法及系统 | |
CN103366500B (zh) | 电网系统的警报方法及装置 | |
CN109543750A (zh) | 一种耗电用户能效评估方法 | |
CN108054719A (zh) | 智能变电站网络化二次回路建模方法及故障诊断方法 | |
CN108898239A (zh) | 一种基于数据分析的配电变压器选址方法 | |
CN110572435A (zh) | 一种云计算系统的数据处理方法 | |
CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 | |
CN109492055B (zh) | 一种基于cim模型建立电网大数据仓库的方法 | |
CN107220905A (zh) | 一种基于逻辑回归的配电变压器运行状态风险预警方法 | |
CN105471625B (zh) | 一种资源池业务健康的监控方法和系统 | |
Billinton et al. | Predictive reliability assessment of distribution systems including extreme adverse weather | |
CN109633517A (zh) | 分相分时查找窃电的方法 | |
CN116824517A (zh) | 基于可视化的变电站运维安全管控系统 | |
CN109683036A (zh) | 一种用于数据中心的配电系统故障模拟方法及系统 | |
CN103870879B (zh) | 基于不可区分关系的计算机辅助决策系统知识选择方法 | |
CN109828554A (zh) | 一种基于电力多边市场购售电撮合匹配模型 | |
CN115496628A (zh) | 一种智慧酒店管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |