CN111080089A - 一种基于随机矩阵理论的线损率关键因子确定方法和装置 - Google Patents

一种基于随机矩阵理论的线损率关键因子确定方法和装置 Download PDF

Info

Publication number
CN111080089A
CN111080089A CN201911200815.3A CN201911200815A CN111080089A CN 111080089 A CN111080089 A CN 111080089A CN 201911200815 A CN201911200815 A CN 201911200815A CN 111080089 A CN111080089 A CN 111080089A
Authority
CN
China
Prior art keywords
matrix
line loss
loss rate
sampling
data
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.)
Pending
Application number
CN201911200815.3A
Other languages
English (en)
Inventor
吴伟将
周玉
杨世海
陆婋泉
楚成博
易永仙
程含渺
崔高颖
刘玲
陈文婧
孙国强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Hohai University HHU, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd, Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911200815.3A priority Critical patent/CN111080089A/zh
Publication of CN111080089A publication Critical patent/CN111080089A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

本发明公开一种基于随机矩阵理论的线损率关键因子确定方法和装置，方法包括：采集多个台区的线损率及其影响因素指标数据；针对各影响因素指标，分别构造实验矩阵和对比矩阵；利用采样窗口对实验矩阵和对比矩阵进行同步采样，计算每次采样所得矩阵的平均谱半径；计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；计算影响因素指标与线损率的关联度；提取关联度较大的影响因素指标作为线损率的关键因子。利用本发明可对低压台区进行线损率关键影响因子的确定，为各低压台区的线损管理和台区设备建设提供可靠数据基础。

Description

一种基于随机矩阵理论的线损率关键因子确定方法和装置
技术领域
本发明涉及线损管理技术领域，特别是一种基于随机矩阵理论的线损率关键因子确定方法和装置。
背景技术
电力系统中发电厂生产的电能是通过电力网的输电、变电和供电环节供给用户的。在输送和分配电能的过程中，电力网中各元件(如变压器，输电线路和保护装置等)都要消耗一定的电能。
一个低压台区是指一台配电变压器的供电范围或区域。低压台区线损计算的范围是从台区配电变压器出口装设的电度表处开始，到各用户电能表为止。在该范围内，所有元件中各种形式的电能损耗均应计入电力网线损中。线损率为线损电量占配变供电量的百分率，是衡量线损高低的指标，也是衡量电力系统经济性的一项重要指标，同时也是表征电力系统规划设计水平、生产技术水平和经营管理水平的一项综合性技术指标。
目前，国内外对台区线损管理的研究主要仍聚焦于台区线损率的计算，较少开展影响低压台区线损率的关键因子分析，不利于台区线损异常判断和治理工作开展。随着电力改革的深入，如何进一步提高台区线损管理精益化水平，给出每类台区线损率的关键影响因素，及时发现异常台区并分析原因，及时解决问题，成为电力营销工作迫切需要解决的问题。
发明内容
本发明的目的是提供一种基于随机矩阵理论的线损率关键因子确定方法和装置，可对低压台区进行线损率关键影响因子的确定，为各低压台区的线损管理和台区设备建设提供可靠数据基础。
本发明采取的技术方案如下：
一方面，本发明提供一种线损率关键因子确定方法，包括：
采集多个台区的线损率及其影响因素指标数据；
针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
提取关联度较大的影响因素指标作为线损率的关键因子。
本发明方法中所采集的数据可为待分析配电区域内的多个低压台区数据。在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
也即，本发明方法还包括：
对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
本发明所述线损影响因素指标数据为现有技术，如日负载率、台区容量、居民户数、最大零线电流等数据。线损率及其影响因素数据可从现有的用电管理系统中采集。
可选的，本发明方法还包括，对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据。均可采用现有技术，可避免数据采样点缺失或异常导致的计算偏差。
可选的，按照相同的采样频率对多个台区的线损率及其影响因素指标数据进行同步采集；定义对n1个台区的线损率，经过t个时刻的采样后，得到n1行t列的线损率矩阵
Figure BDA0002295830390000021
对于n2个影响因素指标，经过t个时刻的采样后，得到n2个分别对应各影响因素指标的n1行t列的影响因素矩阵Zm；
针对各影响因素指标，构造实验矩阵和对比矩阵包括：
1a)对Zm引入随机矩阵得到Zm′：
Zm′＝Zm+MN (1)
其中，N为与Zm相同形式的噪声矩阵，服从正态分布；M为噪声幅值；
1b)构建线损率关联特性分析的实验矩阵Z及对比矩阵ZN分别为：
Figure BDA0002295830390000031
可选的，利用预设的行数为Nw，列数为Tw，滑动步长为s的采样窗口，分别从第一列开始对实验矩阵和对比矩阵进行多次同步采样；
定义每次采样所得矩阵
Figure BDA0002295830390000032
为：
Figure BDA0002295830390000033
式中，
Figure BDA0002295830390000034
为矩阵
Figure BDA0002295830390000035
的第i行，T表示转置；
则计算实验矩阵和对比矩阵的矩阵平均谱半径包括：
2a)对矩阵
Figure BDA0002295830390000036
中的元素进行基本变换处理，得到过渡矩阵
Figure BDA0002295830390000037
Figure BDA0002295830390000038
其中，
Figure BDA0002295830390000039
表示
Figure BDA00022958303900000310
的第i行第j列个元素，
Figure BDA00022958303900000311
表示
Figure BDA00022958303900000312
的第i行第j列个元素，
Figure BDA00022958303900000313
为矩阵
Figure BDA00022958303900000329
的第i行，
Figure BDA00022958303900000315
为
Figure BDA00022958303900000316
的均值，
Figure BDA00022958303900000317
为
Figure BDA00022958303900000318
的标准差，
Figure BDA00022958303900000319
为
Figure BDA00022958303900000320
的均值且有
Figure BDA00022958303900000330
Figure BDA00022958303900000322
为
Figure BDA00022958303900000323
的标准差且有
Figure BDA00022958303900000331
2b)对过渡矩阵
Figure BDA00022958303900000325
进行计算，求取其奇异值等价矩阵
Figure BDA00022958303900000326
Figure BDA00022958303900000327
其中，T表示转置，U为哈尔酋矩阵，对奇异值等价矩阵，有
Figure BDA00022958303900000328
2c)考虑L个奇异值等价矩阵，其矩阵积为
Figure BDA0002295830390000041
其中l＝1,2,…,L，
Figure BDA0002295830390000042
为第l个奇异值等价矩阵；对
Figure BDA0002295830390000043
进行单位化处理，得到标准矩阵
Figure BDA0002295830390000044
Figure BDA0002295830390000045
其中，
Figure BDA0002295830390000046
为
Figure BDA0002295830390000047
的第i行，
Figure BDA0002295830390000048
为
Figure BDA0002295830390000049
的第i行，
Figure BDA00022958303900000417
为
Figure BDA00022958303900000418
的标准差；
2d)计算标准矩阵的平均谱半径KMSR，即矩阵所有特征值的模的平均值，计算公式如下：
Figure BDA00022958303900000412
其中λi(i＝1,2,…,Nw)为标准矩阵的第i个特征值；
由KMSR的计算过程，基于实验矩阵和对比矩阵，分别可得每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
Figure BDA00022958303900000413
可选的，基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，包括：
基于每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
Figure BDA00022958303900000414
计算两者之差；
基于
Figure BDA00022958303900000415
与KMSR,Z在各采样时刻的差值，计算实验矩阵和对比矩阵的平均谱半径之差随采样时刻t的变化曲线，为：
Figure BDA00022958303900000416
平均谱半径之差随时间的变化曲线反映了影响因素对线损率的作用规律。
可选的，所述影响因素指标与线损率的关联度SMSR计算公式为：
Figure BDA0002295830390000051
t1和t2分别为初始采样时刻和最终采样时刻。
作为一种实施方式，所述关联度较大的数据指标类型为：
按照关联度计算结果由大到小对各数据指标类型进行排序，将前n个数据指标类型作为线损率的关键因子。
作为另一种实施方式，所述关联度较大的数据指标类型为：将关联度大于预设阈值的数据指标类型作为线损率的关键因子。
另一方面，本发明还提供一种线损率关键因子确定装置，包括：
数据采集模块，用于采集多个台区的线损率及其影响因素指标数据；
矩阵构造模块，用于针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
矩阵平均谱半径计算模块，用于利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
平均谱半径差计算模块，用于基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
关联度计算模块，用于基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
以及关键因子确定模块，用于提取关联度较大的影响因素指标作为线损率的关键因子。
在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
也即，线损率关键因子确定装置还包括：
线损异常排查模块，用于对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
可选的，线损率关键因子确定装置还包括：数据预处理模块，用于对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据。均可采用现有技术，可避免数据采样点缺失或异常导致的计算偏差。
有益效果
本发明的线损率关键因子确定方法和装置，可基于现有的用电信息系统、营销系统等采集的海量台区数据，采用随机矩阵理论分析各指标数据项与线损率的相关性，从而确定影响线损率的关键因子，为台区拓扑和线损分析提供可靠的依据。在台区线损异常时，可根据分析得到的线损率关键因子进行台区异常分析和排查，可提高分析排查的效率。
附图说明
图1所示为本发明方法的一种实施例流程示意图；
图2所示为本发明一种实施例中有源台区综合倍率指标与线损率相关性示意图；
图3所示为本发明一种实施例中无源台区综合倍率指标与线损率相关性示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
本发明的发明构思为：通过从现有的用电管理系统，包括用电信息采集系统、营销业务应用系统和PMS系统等，采集线损率及其相关字段数据，利用随机矩阵理论进行线损率关键因子分析，从而确定线损率的关键因子，为线损及其相关设备管理以及线损异常排查提供可靠数据基础。
实施例1
参考图1所示，本实施例为一种线损率关键因子确定方法，包括：
采集多个台区的线损率及其影响因素指标数据；
针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
提取关联度较大的影响因素指标作为线损率的关键因子。
本发明方法中所采集的数据可为待分析配电区域内的多个低压台区数据。在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
实施例1-1
基于实施例1，本实施例以对n1个待分析台区的线损率关键因子进行分析为例，如图1所示，本实施例线损率关键因子确定方法流程如下。
1)采集n1个台区的线损率及其n2个影响因素指标数据；
2)对采集到的数据进行预处理，包括：剔除异常数据、补充缺失数据，以避免数据采样点缺失或异常导致的计算偏差；
3)针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
假设步骤1)按照相同的采样频率对多个台区的线损率及其影响因素指标数据进行同步采集；此处定义对n1个台区的线损率，经过t个时刻的采样后，得到n1行t列的线损率矩阵
Figure BDA0002295830390000071
对于n2个影响因素指标，经过t个时刻的采样后，得到n2个分别对应各影响因素指标的n1行t列的影响因素矩阵Zm；
针对各影响因素指标，构造实验矩阵和对比矩阵包括：
1a)对Zm引入随机矩阵得到Zm′：
Zm′＝Zm+MN (1)
其中，N为与Zm相同形式的随机噪声矩阵，服从正态分布；M为噪声幅值；
1b)构建线损率关联特性分析的实验矩阵Z及对比矩阵ZN分别为：
Figure BDA0002295830390000081
4)利用相同采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
如利用预设的行数为Nw，列数为Tw，滑动步长为s的采样窗口，分别从第一列开始对实验矩阵和对比矩阵进行多次同步采样；Nw优选为等于实验矩阵和对比矩阵的行数，步长s可设置为1；随着窗口的移动即可分别得到实验矩阵和对比矩阵平均谱半径变化曲线；
定义每次采样所得Nw行Tw列矩阵
Figure BDA0002295830390000082
为：
Figure BDA0002295830390000083
式中，
Figure BDA0002295830390000084
为矩阵
Figure BDA0002295830390000085
的第i行，T表示转置；
则计算实验矩阵和对比矩阵的矩阵平均谱半径包括：
2a)对矩阵
Figure BDA0002295830390000086
中的元素进行基本变换处理，得到过渡矩阵
Figure BDA0002295830390000087
Figure BDA0002295830390000088
其中，
Figure BDA0002295830390000089
表示
Figure BDA00022958303900000810
的第i行第j列个元素，
Figure BDA00022958303900000811
表示
Figure BDA00022958303900000812
的第i行第j列个元素，
Figure BDA00022958303900000813
为矩阵
Figure BDA00022958303900000827
的第i行，
Figure BDA00022958303900000815
为
Figure BDA00022958303900000816
的均值，
Figure BDA00022958303900000817
为
Figure BDA00022958303900000818
的标准差，
Figure BDA00022958303900000819
为
Figure BDA00022958303900000820
的均值且有
Figure BDA00022958303900000828
Figure BDA00022958303900000822
为
Figure BDA00022958303900000823
的标准差且有
Figure BDA00022958303900000824
2b)对过渡矩阵
Figure BDA00022958303900000825
进行计算，求取其奇异值等价矩阵
Figure BDA00022958303900000826
Figure BDA0002295830390000091
其中，T表示转置，U为哈尔酋矩阵，对奇异值等价矩阵，有
Figure BDA0002295830390000092
2c)考虑L个奇异值等价矩阵，其矩阵积为
Figure BDA0002295830390000093
其中l＝1,2,…,L，
Figure BDA0002295830390000094
为第l个奇异值等价矩阵；对
Figure BDA0002295830390000095
进行单位化处理，得到标准矩阵
Figure BDA0002295830390000096
Figure BDA0002295830390000097
其中，
Figure BDA0002295830390000098
为
Figure BDA0002295830390000099
的第i行，
Figure BDA00022958303900000910
为
Figure BDA00022958303900000911
的第i行，
Figure BDA00022958303900000919
为
Figure BDA00022958303900000920
的标准差；
2d)计算标准矩阵的平均谱半径KMSR，即矩阵所有特征值的模的平均值，计算公式如下：
Figure BDA00022958303900000914
其中λi(i＝1,2,…,Nw)为标准矩阵的第i个特征值；
由KMSR的计算过程，基于实验矩阵和对比矩阵，分别可得每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
Figure BDA00022958303900000915
5)基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，包括：
基于每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
Figure BDA00022958303900000916
计算两者之差；
基于
Figure BDA00022958303900000917
与KMSR,Z在各采样时刻的差值，计算实验矩阵和对比矩阵的平均谱半径之差随采样时刻t的变化曲线，为：
Figure BDA00022958303900000918
平均谱半径之差随时间的变化曲线反映了影响因素对线损率的作用规律；
6)基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度SMSR，计算公式为：
Figure BDA0002295830390000101
t1和t2分别为初始采样时刻和最终采样时刻，也即关联度实际为多次采样所得平均谱半径之差的积分，SMSR能够定量表征影响因素与线损率的关联特性程度，关联特性指标越大，影响因素与线损率的相关性越大。
7)提取关联度较大的影响因素指标作为线损率的关键因子；
关联度较大的数据指标类型的确定可以是：
如图1，按照关联度计算结果由大到小对各数据指标类型进行排序，将前n个数据指标类型作为线损率的关键因子。
也可以是：将关联度大于预设阈值的数据指标类型作为线损率的关键因子。
8)对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
基于上述方法，以下通过一在连云港某配电区域的实验应用例进行方法有效性的说明。
首先从用电信息采集系统、营销业务系统和PMS系统等提取出线损及其相关字段，然后对数据进行预处理，剔除异常数据，填补缺失数据。针对处理好的数据，引入随机矩阵分析各数据指标与线损率的相关性。下面以综合倍率指标为例，将有源无源分开分析。
任取30个台区，采样频率为每个台区一天一个点，有源采样3359次，无源采样4255次，引入随机矩阵，利用线损率数据和综合倍率数据构造实验矩阵和对比矩阵。设置采样窗口为行数60列数60，滑动步长为1，对实验矩阵和对比矩阵依次进行采样，求取实验矩阵和对比矩阵的平均谱半径随时间变化曲线，有源和无源的相关性分析结果分别如图1和图2所示。图1和图2分别展示了有源和无源情况下综合倍率对线损率的作用规律，图中两条平均谱半径变化曲线距离越远表明综合倍率和线损率的相关性越大。有源和无源台区的综合倍率与线损率关联特性指标计算结果如下表所示：
表1综合倍率与线损率的关联特性指标
Figure BDA0002295830390000111
从表1可以看出，基于现有spearman秩相关系数和pearson相关系数的分析方法在计算线损率与综合倍率的相关性时，所得结果接近于0，无法有效反映综合倍率与线损率的关联特性，而本发明所述的基于随机矩阵理论的线损率关键因子分析方法则能有效地分析各项数据指标与线损率的关联特性。
利用随机矩阵理论，将有源无源分开分析，计算各项数据指标与线损率的关联特性指标，比较计算出的关联特性指标大小，即可明确各数据项与线损率的相关性大小，取相关性较大的数据指标，即为影响线损率的关键因子。因此本发明基于随机矩阵理论的线损率关键因子分析方法，可为分析低压台区线损异常原因提供了可靠的依据，明确了降损的方向。
实施例2
与实施例1基于相同的发明构思，本实施例为一种线损率关键因子确定装置，包括：
数据采集模块，用于采集多个台区的线损率及其影响因素指标数据；
数据预处理模块，用于对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据；
矩阵构造模块，用于针对各影响因素指标，基于预处理后的线损率数据和相应指标数据构造实验矩阵，基于预处理后的线损率数据构造对比矩阵；
矩阵平均谱半径计算模块，用于利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
平均谱半径差计算模块，用于基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
关联度计算模块，用于基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
以及关键因子确定模块，用于提取关联度较大的影响因素指标作为线损率的关键因子。
在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
也即，本实施例的线损率关键因子确定装置还包括：
线损异常排查模块，用于对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
综上，本发明的线损率关键因子确定方法和装置，可基于现有的用电信息系统、营销系统等采集的海量台区数据，采用随机矩阵理论分析各指标数据项与线损率的相关性，从而确定影响线损率的关键因子，为台区拓扑和线损分析提供可靠的依据。在台区线损异常时，可根据分析得到的线损率关键因子进行台区异常分析和排查，可提高分析排查的效率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种线损率关键因子确定方法，其特征是，包括：
采集多个台区的线损率及其影响因素指标数据；
针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
提取关联度较大的影响因素指标作为线损率的关键因子。
2.根据权利要求1所述的线损率关键因子确定方法，其特征是，还包括：
对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
3.根据权利要求1所述的线损率关键因子确定方法，其特征是，还包括，对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据。
4.根据权利要求1至3任一项所述的线损率关键因子确定方法，其特征是，按照相同的采样频率对多个台区的线损率及其影响因素指标数据进行同步采集；定义对n1个台区的线损率，经过t个时刻的采样后，得到n1行t列的线损率矩阵
Figure FDA0002295830380000011
对于n2个影响因素指标，经过t个时刻的采样后，得到n2个分别对应各影响因素指标的n1行t列的影响因素矩阵Zm；
针对各影响因素指标，构造实验矩阵和对比矩阵包括：
1a)对Zm引入随机矩阵得到Zm′：
Zm′＝Zm+MN (1)
其中，N为与Zm相同形式的随机噪声矩阵，服从正态分布；M为噪声幅值；
1b)构建线损率关联特性分析的实验矩阵Z及对比矩阵ZN分别为：
Figure FDA0002295830380000021
5.根据权利要求4所述的线损率关键因子确定方法，其特征是，利用预设的行数为Nw，列数为Tw，滑动步长为s的采样窗口，分别从第一列开始对实验矩阵和对比矩阵进行多次同步采样；
定义每次采样所得矩阵
Figure FDA0002295830380000022
为：
Figure FDA0002295830380000023
式中，
Figure FDA0002295830380000024
为矩阵
Figure FDA0002295830380000025
的第i行，T表示转置；
则计算实验矩阵和对比矩阵的矩阵平均谱半径包括：
2a)对矩阵
Figure FDA0002295830380000026
中的元素进行基本变换处理，得到过渡矩阵
Figure FDA0002295830380000027
Figure FDA0002295830380000028
其中，
Figure FDA0002295830380000029
表示
Figure FDA00022958303800000210
的第i行第j列个元素，
Figure FDA00022958303800000211
表示
Figure FDA00022958303800000212
的第i行第j列个元素，
Figure FDA00022958303800000213
为矩阵
Figure FDA00022958303800000214
的第i行，
Figure FDA00022958303800000215
为
Figure FDA00022958303800000216
的均值，
Figure FDA00022958303800000217
为
Figure FDA00022958303800000218
的标准差，
Figure FDA00022958303800000219
为
Figure FDA00022958303800000220
的均值且有
Figure FDA00022958303800000221
Figure FDA00022958303800000222
为
Figure FDA00022958303800000223
的标准差且有
Figure FDA00022958303800000224
2b)对过渡矩阵
Figure FDA00022958303800000225
进行计算，求取其奇异值等价矩阵
Figure FDA00022958303800000226
Figure FDA00022958303800000227
其中，T表示转置，U为哈尔酋矩阵，对奇异值等价矩阵，有
Figure FDA00022958303800000228
2c)考虑L个奇异值等价矩阵，其矩阵积为
Figure FDA0002295830380000031
其中l＝1,2,…,L，
Figure FDA0002295830380000032
为第l个奇异值等价矩阵；对
Figure FDA0002295830380000033
进行单位化处理，得到标准矩阵
Figure FDA0002295830380000034
Figure FDA0002295830380000035
其中，
Figure FDA0002295830380000036
为
Figure FDA0002295830380000037
的第i行，
Figure FDA0002295830380000038
为
Figure FDA0002295830380000039
的第i行，
Figure FDA00022958303800000310
为
Figure FDA00022958303800000311
的标准差；
2d)计算标准矩阵的平均谱半径KMSR，即矩阵所有特征值的模的平均值，计算公式如下：
Figure FDA00022958303800000312
其中λi(i＝1,2,…,Nw)为标准矩阵的第i个特征值；
由KMSR的计算过程，基于实验矩阵和对比矩阵，分别可得每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
Figure FDA00022958303800000313
6.根据权利要求5所述的线损率关键因子确定方法，其特征是，基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，包括：
基于每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
Figure FDA00022958303800000314
计算两者之差；
基于
Figure FDA00022958303800000315
与KMSR,Z在各采样时刻的差值，计算实验矩阵和对比矩阵的平均谱半径之差随采样时刻t的变化曲线，为：
Figure FDA00022958303800000316
7.根据权利要求6所述的线损率关键因子确定方法，其特征是，所述影响因素指标与线损率的关联度SMSR计算公式为：
Figure FDA0002295830380000041
t1和t2分别为初始采样时刻和最终采样时刻。
8.一种线损率关键因子确定装置，其特征是，包括：
数据采集模块，用于采集多个台区的线损率及其影响因素指标数据；
矩阵构造模块，用于针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
矩阵平均谱半径计算模块，用于利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
平均谱半径差计算模块，用于基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
关联度计算模块，用于基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
以及关键因子确定模块，用于提取关联度较大的影响因素指标作为线损率的关键因子。
9.根据权利要求8所述的线损率关键因子确定装置，其特征是，还包括：
线损异常排查模块，用于对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
10.根据权利要求8所述的线损率关键因子确定装置，其特征是，还包括：数据预处理模块，用于对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据。
CN201911200815.3A 2019-11-29 2019-11-29 一种基于随机矩阵理论的线损率关键因子确定方法和装置 Pending CN111080089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911200815.3A CN111080089A (zh) 2019-11-29 2019-11-29 一种基于随机矩阵理论的线损率关键因子确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911200815.3A CN111080089A (zh) 2019-11-29 2019-11-29 一种基于随机矩阵理论的线损率关键因子确定方法和装置

Publications (1)

Publication Number Publication Date
CN111080089A true CN111080089A (zh) 2020-04-28

Family

ID=70312088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911200815.3A Pending CN111080089A (zh) 2019-11-29 2019-11-29 一种基于随机矩阵理论的线损率关键因子确定方法和装置

Country Status (1)

Country Link
CN (1) CN111080089A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112001644A (zh) * 2020-08-27 2020-11-27 广东电网有限责任公司广州供电局 一种配电网运行可靠性检测方法、装置、终端及存储介质
CN112529725A (zh) * 2020-11-05 2021-03-19 国网天津市电力公司 基于Spearman模型的线损影响因子查找方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108152675A (zh) * 2017-12-21 2018-06-12 华中科技大学 基于随机矩阵理论的故障时刻确定和故障区域定位方法
CN110070282A (zh) * 2019-04-17 2019-07-30 国网安徽省电力公司 一种基于综合关联度的低压台区线损影响因素分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108152675A (zh) * 2017-12-21 2018-06-12 华中科技大学 基于随机矩阵理论的故障时刻确定和故障区域定位方法
CN110070282A (zh) * 2019-04-17 2019-07-30 国网安徽省电力公司 一种基于综合关联度的低压台区线损影响因素分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王奇等: "基于随机矩阵理论的交直流输电通道线损大数据关联特性分析", 《电力自动化设备》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112001644A (zh) * 2020-08-27 2020-11-27 广东电网有限责任公司广州供电局 一种配电网运行可靠性检测方法、装置、终端及存储介质
CN112529725A (zh) * 2020-11-05 2021-03-19 国网天津市电力公司 基于Spearman模型的线损影响因子查找方法

Similar Documents

Publication Publication Date Title
CN111612650B (zh) 一种基于dtw距离的电力用户分群方法及系统
CN106909933B (zh) 一种三阶段多视角特征融合的窃电分类预测方法
CN109193650B (zh) 一种基于高维随机矩阵理论的电网薄弱点评估方法
CN111368904B (zh) 一种基于电力指纹的电器设备识别方法
CN103020459B (zh) 一种多维度用电行为的感知方法及系统
CN101465544B (zh) 一种用于发电侧控制性能标准考核的实时采集与监控系统
CN108198408B (zh) 一种基于用电信息采集系统的自适应反窃电监控方法及系统
CN103869192B (zh) 智能电网线损检测方法和系统
CN110490409B (zh) 一种基于dnn的低压台区线损率标杆值设定方法
CN112308124B (zh) 一种面向用电信息采集系统的智能防窃电方法
CN111080089A (zh) 一种基于随机矩阵理论的线损率关键因子确定方法和装置
CN103793756A (zh) 一种变压器经济运行特征分析方法
CN114611738A (zh) 一种基于用户用电行为分析的负荷预测方法
CN111027886B (zh) 一种考虑单位成本效用的低电压治理方案的评估方法
CN117394337A (zh) 一种电网负荷预警方法及其系统
CN106874676B (zh) 一种电能计量装置状态评估方法
CN115640950A (zh) 一种基于因子分析的有源台区配网线路异常线损诊断方法
CN107274025B (zh) 一种实现用电模式智能识别与管理的系统和方法
CN111612149A (zh) 一种基于决策树的主网线路状态检测方法、系统及介质
CN112308458B (zh) 一种低压台区量测数据评价方法和系统
CN111199493A (zh) 一种基于客户缴费信息及征信信息的欠费风险识别方法
CN107256415B (zh) 一种电力系统运行方式场景的计算方法及计算系统
CN113076354A (zh) 一种基于非侵入式负荷监测的用户用电数据分析方法和装置
CN110968703B (zh) 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统
CN112651622A (zh) 一种电能量质量评估方法和系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200428