CN110188122B - 一种用于不同线损行为间的关联关系分析方法 - Google Patents
一种用于不同线损行为间的关联关系分析方法 Download PDFInfo
- Publication number
- CN110188122B CN110188122B CN201910406314.4A CN201910406314A CN110188122B CN 110188122 B CN110188122 B CN 110188122B CN 201910406314 A CN201910406314 A CN 201910406314A CN 110188122 B CN110188122 B CN 110188122B
- Authority
- CN
- China
- Prior art keywords
- line loss
- loss behavior
- behavior
- list
- behaviors
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 304
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 5
- 230000003203 everyday effect Effects 0.000 claims description 4
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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—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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种用于不同线损行为间的关联关系分析方法，以发生线损行为的个体为单位，记录了相应个体发生的所有线损行为，然后通过个体和线损行为两种分类标准对数据库中的线损行为进行分类计数，得到两种分类方式下对应的线损行为计数情况，再以这两种计数结果为基础，对所需要的多线损行为序列进行分别统计，最后以频率数据作为概率计算的数据源，得到不同线损行为之间的条件出现概率，进行针对性的降损方案的制定。
Description
技术领域
本发明属于线损分析技术领域，更为具体地讲，涉及一种用于不同线损行为间的关联关系分析方法。
背景技术
随着我国电力工业的高速发展，作为输送和分配电能的电网的规模日益扩大。电网在输送和分配电能的过程中，存在一定的能源损耗，在电力领域中，以热能形式散发的能量损失，即电阻、电导消耗的有功功率，被称为线损。而线损率指的是，电力网络中损耗的电能(线路损失负荷)占向电力网络供应电能(供电负荷)的百分数，它是用来考核电力系统运行的经济性的一项主要指标。尽管在过去20多年里，我国的电能利用水平日益提高，但与国外发达国家更为先进的电网相比，从技术和管理层面造成的能源损耗较多，主要的损耗体现在电力在输送过程中的线损率较高，同时，随着我国近年来输电网络中输送的电能越来越多，损耗在输电网络中的电量也越来越多。因此通过技术和管理等方面来降低线损率，提高电力传输的效率，具有很大的节能降耗的潜力。
随着科技的进步和我国电力工业的发展，为了实现对线损管理的智能化管理，提高线损管理人员的工作效率，提高数据的利用率，改善经营管理水平，目前供电企业急需一系列投资少、使用方便、效率高，并且能够满足计算准确性和精度的配电网和低压网的线损行为分析方法，实现对线损管理的科学化，以提高对线损的管理水平，达到降低线损、提高经济效益的目的。
损耗分析是以负荷功率、实际电压值等电网参数为基础，通过计算理论损耗并与统计损耗比较，从而分析网络结构和运行方式的合理性、配电网损耗管理的科学性、配电网中损耗薄弱环节的方法。损耗分析主要包括理论线损率计算方法研究、影响中低压配电网损耗的因素研究两个子方向。
目前，配电网节能降损研究中存在两方面问题：配电网线损管理大多只是对线损率进行计算和简单的统计，无法从现有的线损管理及损耗分析中得到影响配电网损耗的重要因素，因而降损工作具有一定盲目性，对降损措施的优选和实施缺少指导性；配电网降损研究大多针对的是配电网损耗薄弱环节的一个方面，研究单一降损措施的优化实施方案，但实际配电网降损必然会涉及到多种降损措施共同实施的情况，由于投资成本的限制、综合降损效益最优的要求等，对单一降损措施的研究无法有效地得到基于多降损措施的配电网降损方案。
发明内容
本发明的目的在于克服现有技术的不足，提供一种用于不同线损行为间的关联关系分析方法，对单线损行为、多线损行为序列以及伴生线损行为进行计数、分析，能够进一步掌握线损行为间的内部联系，从而可以进一步研究基于多降损措施的配电网降损方案，以提高对线损的管理水平，达到降低线损、提高经济效益的目的。
为实现上述发明目的，本发明一种用于不同线损行为间的关联关系分析方法，其特征在于，包括以下步骤：
(1)、获取数据及数据预处理
以用户为对象，记录用户每天发生的不同线损行为，然后处理成用户及其所有线损行为相对应的形式进行存储，存储的列表记为用户—线损行为列表；
(2)、以用户—线损行为列表为基础，得到关联关系分析所需的各项指标(2.1)、获取单线损行为计次列表
以单个线损行为为对象，在用户—线损行为列表中，将一个用户发生的单个线损行为记数一次，然后统计每一种线损行为及其发生次数并进行存储，存储的列表记为单线损行为计次列表；
(2.2)、获取线损行为序列计次列表
在用户—线损行为列表中，将每一个用户发生的所有线损行为组成的序列，记为线损行为序列；
然后以线损行为序列为对象，统计所有用户发生的线损行为组成的线损行为序列出现的次数，得到线损行为序列及其发生次数并进行存储，存储的列表记为线损行为序列计次列表；
(2.3)、获取伴生线损行为计次列表
(2.3.1)、将线损行为序列计次列表中第i个用户的线损行为序列记为Si，Si发生的次数记为ni，Si包含的线损行为个数为li；
(2.3.2)、从线损行为序列Si中分别取出2到(li-1)个线损行为，组成不同的线损行为子序列，记为伴生线损行为；
在线损行为序列计次列表中，线损行为序列Si发生的次数，则等于Si中伴生线损行为发生的次数；
(2.3.3)、按照步骤(2.3.1)-(2.3.2)所述方法，处理线损行为序列计次列表中的所有线损行为序列Si，统计出每个用户的伴生线损行为及伴生线损行为的发生次数，然后合并相同的伴生线损行为并将其发生次数累加，再进行存储，存储的列表记为伴生线损行为计次列表；
(2.4)、获取线损行为条件发生概率列表
(2.4.1)、已知发生了线损行为A，则条件发生线损行为B对应于线损行为A的条件发生概率P(B|A)为：
其中，NA为线损行为A发生的次数，NAB为线损行为A和B同时发生的次数；
(2.4.2)、按照步骤(2.4.1)所述方法，将单线损行为计次列表中的单个线损行为和伴生线损行为计次列表中的伴生线损行为作为已发生的线损行为A，将与已发生线损行为A同时发生的所有线损行为及其组合作为条件发生的线损行为B，计算得到所有情况下的线损行为条件发生概率，并进行存储，存储的列表记为线损行为条件发生概率列表；
(3)、不同线损行为间的关联关系分析
(3.1)、高频线损行为及序列分析
对单线损行为计次列表、线损行为序列计次列表以及伴生线损行为计次列表中的线损行为及线损行为序列按照发生次数降序排序，得到线损行为及线损行为序列的频次排序结果，然后由频次排序结果得出频发线损行为，最后根据频发线损行为进行针对性的降损方案制定；
(3.2)、线损行为预警分析
以线损行为条件发生概率列表为基础，设定一个低频次下限M，若线损行为条件概率计算过程中，已发生线损行为A的发生次数低于M，则将该计算过程得到的条件发生概率值记为无用条件概率值，并予以剔除；
再将剔除无用条件概率值后的线损行为条件概率列表按照条件概率值进行降序排序，得到高条件发生概率对应的条件发生情况，从而在已知某种或某些线损行为发生时，着重对条件发生概率较高的条件发生线损行为进行针对性的降损方案的制定。
本发明的发明目的是这样实现的：
本发明一种用于不同线损行为间的关联关系分析方法，以发生线损行为的个体为单位，记录了相应个体发生的所有线损行为，然后通过个体和线损行为两种分类标准对数据库中的线损行为进行分类计数，得到两种分类方式下对应的线损行为计数情况，再以这两种计数结果为基础，对所需要的多线损行为序列进行分别统计，最后以频率数据作为概率计算的数据源，得到不同线损行为之间的条件出现概率，进行针对性的降损方案的制定。
同时，本发明一种用于不同线损行为间的关联关系分析方法还具有以下有益效果：
(1)、通过对单线损行为进行分析，可以得到指定区域内的频发线损行为以及线损行为的次数排名，以便进一步了解指定区域的主要线损行为，从而为分析指定区域的线损行为，进一步制定降损方案做铺垫；
(2)、通过对线损行为序列以及伴生线损行为序列这两个指标进行分析，可以得到指定区域内的频发线损行为序列及其排名，从而得出哪些线损行为经常同时发生。据此可以进一步了解该区域内不同线损行为之间的内部联系，为进一步分析不同线损行为间的关系做铺垫；
(3)、通过对不同线损行为之间的条件出现概率进行分析，可以得到在发生某种或某些线损行为之后，其他各种线损行为单独发生或一起发生的可能性，从而在已知某种或某些线损行为发生的情况下，可以提前制定相关降损方案，为做好减损工作提供有力的技术支持。
附图说明
图1是本发明一种用于不同线损行为间的关联关系分析方法流程图；
图2是关联关系分析所需的各项指标获取流程图；
图3是不同线损行为间的关联关系分析流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明一种用于不同线损行为间的关联关系分析方法流程图。
在本实施例中，如图1所示，本发明一种用于不同线损行为间的关联关系分析方法，包括以下步骤：
S1、获取数据及数据预处理
以用户为对象，记录用户每天发生的不同线损行为，然后处理成用户及其所有线损行为相对应的形式进行存储，存储的列表记为用户—线损行为列表；
S2、如图2所示，以用户—线损行为列表为基础，得到关联关系分析所需的各项指标
S2.1、获取单线损行为计次列表
用户—线损行为列表中，是以用户为分类依据，记录了每个用户每天发生的不同线损行为。为进一步探究线损行为之间的关联关系，并为后续计算线损行为条件发生概率做准备，以用户—线损行为列表为基础，以单个线损行为为对象，在用户—线损行为列表中，将一个用户发生的单个线损行为记数一次，然后统计每一种线损行为及其发生次数并进行存储，存储的列表记为单线损行为计次列表；
S2.2、获取线损行为序列计次列表
在用户—线损行为列表中，将每一个用户发生的所有线损行为组成的序列，记为线损行为序列；
为了对可能同时发生的最多线损行为的情况有进一步了解，并为后续计算线损行为条件发生概率做准备，以线损行为序列为对象，统计所有用户发生的线损行为组成的线损行为序列出现的次数，得到线损行为序列及其发生次数并进行存储，存储的列表记为线损行为序列计次列表；
S2.3、获取伴生线损行为计次列表
S2.3.1、将线损行为序列计次列表中第i个用户的线损行为序列记为Si，Si发生的次数记为ni，Si包含的线损行为个数为li；
S2.3.2、从线损行为序列Si中分别取出2到(li-1)个线损行为，组成不同的线损行为子序列，记为伴生线损行为；
在线损行为序列计次列表中，线损行为序列Si发生的次数，则等于Si中伴生线损行为发生的次数；
S2.3.3、为了对所有可能同时发生的线损行为的情况有更加全面的了解，并为后续计算线损行为条件发生概率做准备，按照步骤S2.3.1-S2.3.2所述方法，处理线损行为序列计次列表中的所有线损行为序列Si，统计出每个用户的伴生线损行为及伴生线损行为的发生次数，然后合并相同的伴生线损行为并将其发生次数累加，再进行存储，存储的列表记为伴生线损行为计次列表；
S2.4、获取线损行为条件发生概率列表
S2.4.1、步骤S2.1-S2.3得到的单线损行为计次列表、线损行为序列计次列表和伴生线损行为计次列表，将所有可能的线损行为情况及其发生次数均记录了下来。在此基础上，即可全面地进行线损行为条件发生概率的计算，为后续的预防性降损方案的制定做准备。线损行为条件发生概率的定义为：已知发生了线损行为A，则条件发生线损行为B发生的概率称为在线损行为A发生的情况下，条件发生线损行为B的条件发生概率，即条件发生线损行为B对应于线损行为A的条件发生概率。根据条件概率计算公式：
线损行为条件发生概率的计算中，已发生的线损行为A发生的概率，由线损行为A发生的次数代替，记线损行为A发生的次数为NA；已发生线损行为A和条件发生线损行为B同时发生的概率，由已发生线损行为A和条件发生线损行为B同时发生的次数代替，记线损行为A和B同时发生的次数为NAB。将NA和NAB的数据代入条件概率计算公式，可得到在线损行为A发生的情况下，条件发生线损行为B发生的概率，即条件发生线损行为B对应于线损行为A的条件发生概率；
S2.4.2、按照步骤S2.4.1所述方法，将单线损行为计次列表中的单个线损行为和伴生线损行为计次列表中的伴生线损行为作为已发生的线损行为A，将与已发生线损行为A同时发生的所有线损行为及其组合作为条件发生的线损行为B，计算得到所有情况下的线损行为条件发生概率，并进行存储，存储的列表记为线损行为条件发生概率列表；
S3、如图3所示，对不同线损行为间的关联关系分析
S3.1、高频线损行为及序列分析
对单线损行为计次列表、线损行为序列计次列表以及伴生线损行为计次列表中的线损行为及线损行为序列按照发生次数降序排序，得到线损行为及线损行为序列的频次排序结果，然后由频次排序结果得出频发线损行为，最后根据频发线损行为进行针对性的降损方案制定；
S3.2、线损行为预警分析
以线损行为条件发生概率列表为基础，即可对条件发生概率高的线损行为，进行预防性降损方案的制定。但未经处理的线损行为条件发生概率列表仍存在一些误导性结果，例如某种线损行为或序列的计数值为1，那么根据S2.4.1计算得到的条件发生概率就会是100％，值为100％的数据在分析时必将会重点考虑。但是上述列举的例子中得到的100％的数值，由于是根据低频次线损行为数据计算得到的，因此会对降损方案的制定产生误导。所以在对条件发生概率进行分析时，需要设定一个低频次下限M，若线损行为条件概率计算过程中，已发生线损行为A的发生次数低于M，则将该计算过程得到的条件发生概率值记为无用条件概率值，并予以剔除；
再将剔除无用条件概率值后的线损行为条件概率列表按照条件概率值进行降序排序，得到高条件发生概率对应的条件发生情况，从而在已知某种或某些线损行为发生时，着重对条件发生概率较高的条件发生线损行为进行针对性的降损方案的制定。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种用于不同线损行为间的关联关系分析方法，其特征在于，包括以下步骤：
(1)、获取数据及数据预处理
以用户为对象，记录用户每天发生的不同线损行为，然后处理成用户及其所有线损行为相对应的形式进行存储，存储的列表记为用户—线损行为列表；
(2)、以用户—线损行为列表为基础，得到关联关系分析所需的各项指标
(2.1)、获取单线损行为计次列表
以单个线损行为为对象，在用户—线损行为列表中，将一个用户发生的单个线损行为记数一次，然后统计每一种线损行为及其发生次数并进行存储，存储的列表记为单线损行为计次列表；
(2.2)、获取线损行为序列计次列表
在用户—线损行为列表中，将每一个用户发生的所有线损行为组成的序列，记为线损行为序列；
然后以线损行为序列为对象，统计所有用户发生的线损行为组成的线损行为序列出现的次数，得到线损行为序列及其发生次数并进行存储，存储的列表记为线损行为序列计次列表；
(2.3)、获取伴生线损行为计次列表
(2.3.1)、将线损行为序列计次列表中第i个用户的线损行为序列记为Si，Si发生的次数记为ni，Si包含的线损行为个数为li；
(2.3.2)、从线损行为序列Si中分别取出2到(li-1)个线损行为，组成不同的线损行为子序列，记为伴生线损行为；
在线损行为序列计次列表中，线损行为序列Si发生的次数，则等于Si中伴生线损行为发生的次数；
(2.3.3)、按照步骤(2.3.1)-(2.3.2)所述方法，处理线损行为序列计次列表中的所有线损行为序列Si，统计出每个用户的伴生线损行为及伴生线损行为的发生次数，然后合并相同的伴生线损行为并将其发生次数累加，再进行存储，存储的列表记为伴生线损行为计次列表；
(2.4)、获取线损行为条件发生概率列表
已知发生了线损行为A，则条件发生线损行为B对应于线损行为A的条件发生概率P(B|A)为：
其中，NA为线损行为A发生的次数，NAB为线损行为A和B同时发生的次数；
在上述公式中，将单线损行为计次列表中的单个线损行为和伴生线损行为计次列表中的伴生线损行为作为已发生的线损行为A，将与已发生线损行为A同时发生的所有线损行为及其组合作为条件发生的线损行为B，计算得到所有情况下的线损行为条件发生概率，并进行存储，存储的列表记为线损行为条件发生概率列表；
(3)、不同线损行为间的关联关系分析
(3.1)、高频线损行为及序列分析
对单线损行为计次列表、线损行为序列计次列表以及伴生线损行为计次列表中的线损行为及线损行为序列按照发生次数降序排序，得到线损行为及线损行为序列的频次排序结果，然后由频次排序结果得出频发线损行为，最后根据频发线损行为进行针对性的降损方案制定；
(3.2)、线损行为预警分析
以线损行为条件发生概率列表为基础，设定一个低频次下限M，若线损行为条件概率计算过程中，已发生线损行为A的发生次数低于M，则将该计算过程得到的条件发生概率值记为无用条件概率值，并予以剔除；
再将剔除无用条件概率值后的线损行为条件概率列表按照条件概率值进行降序排序，得到高条件发生概率对应的条件发生情况，从而在已知某种或某些线损行为发生时，着重对条件发生概率较高的条件发生线损行为进行针对性的降损方案的制定。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910406314.4A CN110188122B (zh) | 2019-05-15 | 2019-05-15 | 一种用于不同线损行为间的关联关系分析方法 |
| US15/931,678 US11296505B2 (en) | 2019-05-15 | 2020-05-14 | Method for analyzing correlation between different line loss actions |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910406314.4A CN110188122B (zh) | 2019-05-15 | 2019-05-15 | 一种用于不同线损行为间的关联关系分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110188122A CN110188122A (zh) | 2019-08-30 |
| CN110188122B true CN110188122B (zh) | 2021-12-10 |
Family
ID=67716442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910406314.4A Active CN110188122B (zh) | 2019-05-15 | 2019-05-15 | 一种用于不同线损行为间的关联关系分析方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11296505B2 (zh) |
| CN (1) | CN110188122B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523801A (zh) * | 2020-04-22 | 2020-08-11 | 国网山西省电力公司电力科学研究院 | 一种基于相对增益原理的线损贡献度分析方法及系统 |
| CN113554286A (zh) * | 2021-07-06 | 2021-10-26 | 安徽明生恒卓科技有限公司 | 一种10千伏线路线损精细化计算分析方法 |
| CN113361983B (zh) * | 2021-08-11 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种高损台区技术成因诊断方法及系统 |
| CN113780775B (zh) * | 2021-08-30 | 2024-06-14 | 国网浙江省电力有限公司 | 一种电网理论线损计算结果评价方法及系统 |
| CN114881429B (zh) * | 2022-04-19 | 2024-04-02 | 国网江苏省电力有限公司南通供电分公司 | 基于数据驱动的台区线损量化方法及系统 |
| CN115037039B (zh) * | 2022-05-16 | 2024-02-13 | 国网江西省电力有限公司供电服务管理中心 | 有源配电网线损监控方法、装置、设备及可读存储介质 |
| CN115201743B (zh) * | 2022-09-16 | 2023-01-24 | 北京志翔科技股份有限公司 | 低压台区计量点误差的确定方法、装置及存储介质 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090113049A1 (en) * | 2006-04-12 | 2009-04-30 | Edsa Micro Corporation | Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based on an artificial adaptive neural network |
| US20160247065A1 (en) * | 2006-02-14 | 2016-08-25 | Power Analytics Corporation | Systems and Methods for Real-Time Forecasting and Predicting of Electrical Peaks and Managing the Energy, Health, Reliability, and Performance of Electrical Power Systems Based on an Artificial Adaptive Neural Network |
| CN101447049A (zh) * | 2008-12-12 | 2009-06-03 | 深圳市科陆电子科技股份有限公司 | 一种快速线损分析的方法及系统 |
| US20130253898A1 (en) * | 2012-03-23 | 2013-09-26 | Power Analytics Corporation | Systems and methods for model-driven demand response |
| US10614073B2 (en) * | 2014-06-26 | 2020-04-07 | Financialsharp, Inc. | System and method for using data incident based modeling and prediction |
| KR20160017681A (ko) * | 2014-07-31 | 2016-02-17 | 두산중공업 주식회사 | 풍력플랜트 관리 시스템 및 그 방법 |
| US20160364648A1 (en) * | 2015-06-09 | 2016-12-15 | Florida Power And Light Company | Outage prevention in an electric power distribution grid using smart meter messaging |
| CN105069535B (zh) * | 2015-08-19 | 2020-07-24 | 中国电力科学研究院 | 一种基于arima模型的配电网运行可靠性的预测方法 |
| CN106570778B (zh) * | 2016-10-14 | 2017-10-31 | 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 |
| ES2914246T3 (es) * | 2017-01-31 | 2022-06-08 | Siemens Ag | Generación de patrones para la identificación de fallas en redes eléctricas |
| US11488028B2 (en) * | 2017-03-31 | 2022-11-01 | Yahoo Assets Llc | Collaborative personalization via simultaneous embedding of users and their preferences |
| US10489019B2 (en) * | 2017-06-16 | 2019-11-26 | Florida Power & Light Company | Identifying and presenting related electrical power distribution system events |
-
2019
- 2019-05-15 CN CN201910406314.4A patent/CN110188122B/zh active Active
-
2020
- 2020-05-14 US US15/931,678 patent/US11296505B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US20200366092A1 (en) | 2020-11-19 |
| US11296505B2 (en) | 2022-04-05 |
| CN110188122A (zh) | 2019-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110188122B (zh) | 一种用于不同线损行为间的关联关系分析方法 | |
| CN109766334B (zh) | 用于电力设备在线监测异常数据的处理方法及系统 | |
| CN113312413B (zh) | 基于电力大数据的企业碳排放异常监测方法 | |
| CN112434962B (zh) | 基于电力负荷数据的企业用户状态评估方法和系统 | |
| CN103632306A (zh) | 一种基于聚类分析的配电网供电区域划分方法 | |
| CN111210170A (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
| CN110046152A (zh) | 一种处理用电数据缺失值的方法 | |
| CN115879632A (zh) | 工业企业碳排放测算数据的数据处理方法 | |
| 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 | |
| CN116720667B (zh) | 一种基于大数据分析的企业碳数据智能管控方法和系统 | |
| CN103793756A (zh) | 一种变压器经济运行特征分析方法 | |
| CN112907074A (zh) | 面向综合能源系统用户的能效敏感指标检测方法及系统 | |
| CN113689079A (zh) | 基于多元线性回归和聚类分析的台区线损预测方法及系统 | |
| Sun et al. | Research on the competitive and synergistic evolution of the water-energy-food system in China | |
| CN118035710A (zh) | 一种典型场景发电特征的提取方法 | |
| CN112101761A (zh) | 清洁低碳、安全高效的能源体系建设成效综合评价方法 | |
| CN117350604A (zh) | 一种报表多维度智能分析处理系统 | |
| CN116881535A (zh) | 一种及时预警的舆情综合监管系统 | |
| CN110796392A (zh) | 一种连续批智能电能表的分阶段与分层抽样方法 | |
| CN105654194A (zh) | 一种电网发展指数测算方法 | |
| CN113240010B (zh) | 一种支持非独立分布混合数据的异常检测方法及系统 | |
| CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 | |
| CN115115470A (zh) | 一种基于排放因子法的绿色数据中心碳排放管理方法 | |
| CN114049199A (zh) | 一种基于消费信贷场景的风险评估方法及系统实现 | |
| CN113298148A (zh) | 一种面向生态环境评价的不平衡数据重采样方法 |
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 |