CN111505445A - 台区相户关系的可信度检测方法、装置和计算机设备 - Google Patents

台区相户关系的可信度检测方法、装置和计算机设备 Download PDF

Info

Publication number
CN111505445A
CN111505445A CN202010448628.3A CN202010448628A CN111505445A CN 111505445 A CN111505445 A CN 111505445A CN 202010448628 A CN202010448628 A CN 202010448628A CN 111505445 A CN111505445 A CN 111505445A
Authority
CN
China
Prior art keywords
voltage
data
time sequence
sequence data
phase
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
Application number
CN202010448628.3A
Other languages
English (en)
Other versions
CN111505445B (zh
Inventor
刘轩
李桂昌
曹伟
李坤
刘斯亮
周来
羿应棋
李钦豪
黄向敏
曹琪娜
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.)
Guangzhou Power Electrical Technology Co ltd
Original Assignee
Guangzhou Power Electrical Technology 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 Guangzhou Power Electrical Technology Co ltd filed Critical Guangzhou Power Electrical Technology Co ltd
Priority to CN202010448628.3A priority Critical patent/CN111505445B/zh
Publication of CN111505445A publication Critical patent/CN111505445A/zh
Application granted granted Critical
Publication of CN111505445B publication Critical patent/CN111505445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请涉及一种台区相户关系的可信度检测方法、装置和计算机设备。其中，台区相户关系的可信度检测方法包括首先获取多组原始数据；然后根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；接着获取多组原始数据对应的可信度检测参数的值；最后基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。通过分析大量已知实际相户关系信息的台区数据样品，量化了现场数据质量对基于数据分析法的相户关系识别方法的影响，科学合理地设定低压台区相户关系识别结果可信度检测参数。

Description

台区相户关系的可信度检测方法、装置和计算机设备
技术领域
本申请涉及电力低压配电网技术领域，特别是涉及一种台区相户关系的可信度检测方法、装置和计算机设备。
背景技术
由于我国配电网，尤其低压配电网相较于发、输电网发展落后，低压台区拓扑关系复杂多样，三相不平衡问题突出，造成诸如线路损耗增大、用户用电质量低等一系列危害。当前低压台区拓扑关系识别方法主要可分为注入信号法、数据标签法与数据分析法。
在实现过程中，发明人发现传统技术中至少存在如下问题：当前对拓扑关系识别得到的相户关系的准确率无法确认。
发明内容
基于此，有必要针对上述技术问题，提供一种能够对识别得到的相互关系进行准确率评估的台区相户关系的可信度检测方法、装置和计算机设备。
为了实现上述目的，一方面，本发明实施例提供了一种台区相户关系的可信度检测方法，包括步骤：
获取多组原始数据；原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；
获取多组原始数据对应的可信度检测参数的值；
基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。
在其中一个实施例中，基于可信度检测参数的值和识别准确率，获取可信度检测模型的步骤包括：
归一化处理可信度检测参数的值，得到可信度评估值；
处理可信度评估值和识别准确率，得到可信度检测模型。
在其中一个实施例中，处理可信度评估值和识别准确率，得到可信度检测模型的步骤包括：
获取可信度评估值对应的识别准确率；
保留对应的识别准确率中的上限值和下限值；
对各可信度评估值以及对应的上限值进行拟合处理，得到第一曲线；
对各可信度评估值以及对应的下限值进行拟合处理，得到第二曲线；
根据第一曲线和第二曲线，获取可信度检测模型。
在其中一个实施例中，可信度检测参数包括电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
归一化处理可信度检测参数的值，得到可信度评估值的步骤包括：
获取多组原始数据对应的电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重；
根据第一权重、第二权重、第三权重、第四权重和第五权重，处理电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比，得到多组原始数据对应的可信度评估值。
在其中一个实施例中，获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重的步骤包括：
标幺化处理三相电压不平衡度和时表比，得到当前三相电压不平衡度和当前时表比；
获取电信号数据完整度、有效电表数目完整度、当前三相电压不平衡度、用电用户比和当前时表比的和值；
根据和值，获取各可信度检测参数的重要度，并根据重要度建立评估矩阵；
对评估矩阵进行一致性校验，得到一致性比率；并在一致性比率小于预设值时，获取评估矩阵的最大特征向量；
标准化处理最大特征向量，得到第一权重、第二权重、第三权重、第四权重和第五权重。
在其中一个实施例中，对评估矩阵进行一致性校验，得到一致性比率的步骤中，基于以下公式得到一致性比率：
CI＝(λmax-y)/(y-1)；
CR＝Ci/Ri；
其中，Ci为一致性指标；CR为一致性比率；λmax为评估矩阵的最大特征值；RI为平均随机一致性指标；y为指标的数量。
在其中一个实施例中，电信号数据完整度为根据电压数据缺失的时长以及电压数据总时长得到；其中，电压数据缺失的时长和电压数据总时长为根据各电表的电压时序数据得到；
有效电表数目完整度为根据有效电表数得到；其中，有效电表数为根据各电表的电压时序数据得到；
三相电压不平衡度为根据台区低压侧的三相母线的电压时序数据得到；
用电用户比为根据各电表的有功电流时序数据得到；其中，有功电流时序数据为、根据三相母线的电压时序数据和三相出线首端的有功功率时序数据得到；
时表比为完整数据的时长与有效电表数的商；其中，完整数据的时长为根据各电表的电压时序数据得到。
一方面，本发明实施例还提供了一种台区相户关系的可信度检测装置，包括：
原始数据获取模块，用于获取多组原始数据；原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
识别准确率获取模块，用于根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；
可信度检测参数获取模块，用于获取多组原始数据对应的可信度检测参数的值；
可信度检测模型建立模块，用于基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。
一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项方法的步骤。
另一方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果：
本申请提供的台区相户关系的可信度检测方法，首先获取多组原始数据；然后根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；接着获取多组原始数据对应的可信度检测参数的值；最后基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。通过分析大量已知实际相户关系信息的台区数据样品，量化了现场数据质量对基于数据分析法的相户关系识别方法的影响，科学合理地设定低压台区相户关系识别结果可信度检测参数。构建出识别结果准确率限随可信度检测分数变化的可信度检测模型，为当前缺乏相户关系存量的低压台区自动识别结果提供可信度参考。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为一个实施例中台区相户关系的可信度检测方法的第一示意性流程示意图；
图2为一个实施例中基于可信度检测参数的值和识别准确率，获取可信度检测模型的步骤的流程示意图；
图3为一个实施例中处理可信度评估值和识别准确率，得到可信度检测模型的步骤的流程示意图；
图4为一个实施例中归一化处理可信度检测参数的值，得到可信度评估值的步骤的流程示意图；
图5为一个实施例中获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重的步骤的流程示意图；
图6为一个实施例中台区相户关系的可信度检测装置的结构框图；
图7为一个实施例中计算机设备的内部结构图；
图8为一个实施例中可信度检测模型的示意图；
图9为一个实施例中可信度检测结果对比图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种台区相户关系的可信度检测方法，包括步骤：
S110，获取多组原始数据；原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
其中，有功功率时序数据为实际发出或消耗的交流电能量。一个低压台区低压侧包括多相低压出线。一个用户负载接其中一相低压出线，并从该相低压出线获取电功率，其对应的电表记录用户负载取用的电数据。上述各电表为低压台区中的电表。在一个具体示例中，各电表的电压时序数据和有功功率时序数据可以根据用户电表直接获取，低压台区低压侧三相母线的电压时序数据和三相出线首端的有功功率时序数据可以根据低压侧计量表直接获取，不需要额外增加采集终端。需要说明的是，各电表的电压时序数据和有功功率时序数据指的是各电表的电压时序数据、以及各电表的有功功率时序数据。台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据指的是台区低压侧的三相母线的电压时序数据、以及台区低压侧的三相出线首端的有功功率时序数据。
需要说明的是，获取各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据时，各时序数据的时刻应当保持一致。
S120，根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；
具体的，可以采用本领域任意一种识别方法对该原始数据进行识别。例如：可以根据功率守恒实现识别结果，具体步骤可以如下所示：首先根据各电表的电压时序数据，对各电表进行分类，得到各电表类别，并获取各电表类别的有功功率时序数据；电表类别的有功功率时序数据为电表类别中各电表的有功功率时序数据之和；接着再根据各电表类别的有功功率时序数据，以及低压台区低压侧各相出线首端的有功功率时序数据，建立低压台区相户关系识别模型；最后获取低压台区相户关系识别模型的输出结果，并根据输出结果得到相户关系。又如：根据上述电压时序数据划分电表的类型，获得电表集合；根据各相低压出线有功电流值、电表有功电流值和电压时序数据、配变低压侧三相母线电压时序数据以及电表集合，确定各相低压出线待归属的电表分类集合；每一类电表分类集合中，对任意电表集合进行组合，若组合后的有功电流值总和以及相低压出线i的有功电流值满足预设第一条件，则将组合后电表集合匹配为相低压出线i的电表分类集合Γ。
根据实际相户关系可以得到判断相互关系识别结果的识别准确率。在本申请中获取了多组原始数据，可以据此得到多组原始数据的识别结果，并得到各识别结果对应的准确率。
S130，获取多组原始数据对应的可信度检测参数的值；
具体的，可信度检测参数为对各个原始数据进行评估的参数。例如，可以包括电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比中的任意一项或任意几项。需要说明的是，还可以包括针对于原始数据进行评估的其他参数，在此只提供几种示例进行说明。
S140，基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。
具体的，可以对可信度检测参数的值和识别准确率进行曲线拟合，得到可信度检测模型。例如，将可信度检测参数的值作为横坐标，将对应的识别准确率的平均值作为纵坐标，对其直接进行拟合。若只设立一个可信度检测参数，则可信度检测模型仅包括一个函数。若设立多个可信度检测参数，则可信度检测模型包括多个函数。在此需要说明的是，一个可信度检测参数的具体值可以对应多个识别准确率。在另一个示例中，对各可信度检测参数的值做归一化处理，将归一化处理后的值作为横坐标，将对应的识别准确率的平均值作为纵坐标进行拟合，得到可信度检测模型。在另一个示例中，对各可信度检测参数的值做归一化处理，获取归一化处理后的值对应的各个识别准确率，再从各个识别准确率中获取最大值和最小值，分别采用最大值和最小值进行拟合，得到可信度检测参数，即采用最大值和归一化处理后的值进行拟合，以及采用最小值和归一化处理后的值进行拟合。
进一步的，得到可信度检测模型后，获取采集到的数据的可信度检测参数的值，并输入可信度检测模型，即可得到该数据对应的识别结果的准确率或准确率区间。
上述台区相户关系的可信度检测方法，首先获取多组原始数据；然后根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；接着获取多组原始数据对应的可信度检测参数的值；最后基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。通过分析大量已知实际相户关系信息的台区数据样品，量化了现场数据质量对基于数据分析法的相户关系识别方法的影响，科学合理地设定低压台区相户关系识别结果可信度检测参数。构建出识别结果准确率限随可信度检测分数变化的可信度检测模型，为当前缺乏相户关系存量的低压台区自动识别结果提供可信度参考。
在一个具体实施例中，如图2所示，基于可信度检测参数的值和识别准确率，获取可信度检测模型的步骤包括：
S210，归一化处理可信度检测参数的值，得到可信度评估值；
具体的，可信度检测参数在设置为多个时，即存在多个可信度检测参数时，需要对其进行归一化处理，得到可信度评估值。上述可信度评估值为可信度检测参数经归一化处理得到的值，用于综合评判采集的原始数据。
S220，处理可信度评估值和识别准确率，得到可信度检测模型。
具体的，对各组原始数据进行处理得到可信度评估值和识别准确率。需要说明的是，每一个可信度评估值可能对应多个识别准确率。在本实施例中，可以采用本领域任意一种处理方法对该多个识别准确率进行处理，得到处理后的识别准确率。例如：求平均值、求均方根、求上下限值等等。由此可以得到多组数据，各组数据包括可信度评估值以及对应的处理后的识别准确率。对该多组数据进行处理，得到可信度检测模型。
在一个具体实施例中，如图3所示，处理可信度评估值和识别准确率，得到可信度检测模型的步骤包括：
S310，获取可信度评估值对应的识别准确率；
具体的，将识别准确率与可信度评估值做归类，获取各可信度评估值对应的识别准确率。
S320，保留对应的识别准确率中的上限值和下限值；
具体的，剔除掉每一个可信度评估值对应的识别准确率中的中间值，得到上限值和下限值。
S330，对各可信度评估值以及对应的上限值进行拟合处理，得到第一曲线；
S340，对各可信度评估值以及对应的下限值进行拟合处理，得到第二曲线；
S350，根据第一曲线和第二曲线，获取可信度检测模型。
具体的，将拟合得到的第一曲线和第二曲线进行组合，即可得到可信度检测模型，上述可信度检测模型使得输入任意可信度评估值即可得到识别结果的准确率区间。
在其中一个实施例中，可信度检测参数包括电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
如图4所示，归一化处理可信度检测参数的值，得到可信度评估值的步骤包括：
S410，获取多组原始数据对应的电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
具体的，可信度检测参数包括电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比。根据多组原始数据可以得到各个可信度检测参数的值。
S420，获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重；
S430，根据第一权重、第二权重、第三权重、第四权重和第五权重，处理电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比，得到多组原始数据对应的可信度评估值。
具体的，每一组原始数据均可以得到上述可信度检测参数得到一个对应的可信度评估值。在一个具体示例中，可信度评估值可以基于以下公式得到：
K＝ω1λ1+ω2λ2+ω3λ3+ω4λ4+ω5λ5
式中，ωi(i＝1,2,3,4,5)为各个参数的权重值。λi(i＝1,2,3,4,5)为各个参数的值。
在另一个具体示例中，可信度评估值可以基于以下公式得到：
Figure BDA0002506864640000111
其中，
Figure BDA0002506864640000112
为对λ3标幺化处理后的值，
Figure BDA0002506864640000113
为对λ5标幺化处理后的值。
在其中一个实施例中，如图5所示，获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重的步骤包括：
S510，标幺化处理三相电压不平衡度和时表比，得到当前三相电压不平衡度和当前时表比；
具体的，考虑到电信号数据完整度、有效电表数目完整度和用电用户比三项参数的取值范围已在0到1之间，而在电网常规运行下，三相电压不平衡度的取值范围不在0到1之间，因此将三相电压不平衡度和时表比两个参数进一步转换到0到1之间，设定三相电压不平衡度的基准值为λ3,base，时表比的基准值为λ5,base，将实际三相电压不平衡度和实际时表比进行标幺化，公式为：
Figure BDA0002506864640000121
Figure BDA0002506864640000122
S520，获取电信号数据完整度、有效电表数目完整度、当前三相电压不平衡度、用电用户比和当前时表比的和值；
S530，根据和值，获取各可信度检测参数的重要度，并根据重要度建立评估矩阵；
具体的，可以根据各可信度检测参数与和值的比，进行判断可信度检测参数的重要度。需要说明的是，重要度为某一个可信度检测参数相对于另一个可信度检测参数的重要度，即αij为第i的可信度检测参数对第j的可信度检测参数的重要度，具体的，评估矩阵(也称判断矩阵)如下所示：
Figure BDA0002506864640000131
S540，对评估矩阵进行一致性校验，得到一致性比率；并在一致性比率小于预设值时，获取评估矩阵的最大特征向量；
S550，标准化处理最大特征向量，得到第一权重、第二权重、第三权重、第四权重和第五权重。
对评估矩阵进行一致性校验，得到一致性比率的步骤中，基于以下公式得到一致性比率：
CI＝(λmax-y)/(y-1)；
CR＝CI/RI；
其中，CI为一致性指标；CR为一致性比率；λmax为评估矩阵的最大特征值；RI为平均随机一致性指标；y为指标的数量。需要说明的是，RI为根据y的值而产生变化，是固定对应值。
在其中一个实施例中，电信号数据完整度为根据电压数据缺失的时长以及电压数据总时长得到；其中，电压数据缺失的时长和电压数据总时长为根据各电表的电压时序数据得到；
具体地，电信号数据完整度，表征台区内所有电表在采集数据时间段里的电压数据的完整性，电表采集数据时，电压与有功功率的采集具有同步性，此参数只考虑电压数据缺失即可，该值越高，相户关系自动识别准确率越高，具体为：
Figure BDA0002506864640000132
Figure BDA0002506864640000141
式中，T表示采集数据时间段长度；
Figure BDA0002506864640000147
表示第i个电表在采集数据时间段里T个量测时刻中有电压数据缺失的时长；
Figure BDA0002506864640000148
表示第i个电表在采集数据时间段里电压数据的完整性；当第j个电表在采集数据时间段里电压数据都缺失时，
Figure BDA0002506864640000142
Mreal表示有效电表的个数，即能够采集到非零值或者非空数据的电表的个数。其中，有效电表的个数可以根据电表的电压时序数据得到。
有效电表数目完整度为根据有效电表数得到；其中，有效电表数为根据各电表的电压时序数据得到；
具体的，有效电表数目完整度，表征有效电表数目的完整性，该值越高，相户关系自动识别准确率越高，具体为：
Figure BDA0002506864640000143
式中，M表示电表总个数；n2表示M个电表中无效电表的个数。
三相电压不平衡度为根据台区低压侧的三相母线的电压时序数据得到；
具体的，三相电压不平衡度，表征采集数据时间段里配电变压器出线首端三相电压的不平衡度平均值，数值越大，相与相之间的电表电压曲线区分度越高，相户关系自动识别准确率越高，具体为：
Figure BDA0002506864640000144
式中，
Figure BDA0002506864640000145
表示i时刻配电变压器出线首端的三相电压中幅值最大的相电压；
Figure BDA0002506864640000146
表示i时刻配电变压器出线首端的三相电压中幅值最小的相电压。
用电用户比为根据各电表的有功电流时序数据得到；其中，有功电流时序数据为、根据三相母线的电压时序数据和三相出线首端的有功功率时序数据得到；
具体的，用电用户比，表征采集数据时间段里用电特征明显的用户数量情况，该比值越大，提供的量测数据出现微小值的情况越少，则相户关系自动识别准确率越高，具体为：
Figure BDA0002506864640000151
Figure BDA0002506864640000152
式中，ε为判定用户是否用电特征明显的阈值系数；Mreal表示有效电表个数；
Figure BDA0002506864640000153
表示t时刻Mreal个电表中有功电流大于ε的电表个数；λt 4表示t时刻用电特征明显的用户数所占比例。
时表比为完整数据的时长与有效电表数的商；其中，完整数据的时长为根据各电表的电压时序数据得到。
具体的，时表比，表征除去无效电表后，剩余电表的量测数据都不缺失的时刻数(下称完整数据时刻数)和有效电表个数的比值，该比值越大，相户关系自动识别准确率越高，具体为：
Figure BDA0002506864640000154
式中，Treal表示完整数据时刻数，即除去缺失电表后，剩余电表的量测数据都不缺失的时刻数，Mreal表示有效电表个数。
应该理解的是，虽然图1-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种台区相户关系的可信度检测装置，包括：
原始数据获取模块，用于获取多组原始数据；原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
识别准确率获取模块，用于根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；
可信度检测参数获取模块，用于获取多组原始数据对应的可信度检测参数的值；
可信度检测模型建立模块，用于基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。
关于台区相户关系的可信度检测装置的具体限定可以参见上文中对于台区相户关系的可信度检测方法的限定，在此不再赘述。上述台区相户关系的可信度检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储原始数据数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种台区相户关系的可信度检测方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
为了进一步说明本申请的台区相户关系的可信度检测方法，下面特结合一具体事例进行说明：
以一个典型低压配电网台区作为研究对象，应用本文提出的可信度检测方法，构建低压台区相户关系自动识别结果可信度检测模型，该台区有三条出线，包含68个单相负荷，其中A相负荷27个，B相负荷25个，C相负荷15个，还有5个三相负荷，共计73个负荷。
(1)采集各电表的电压时序数据和有功功率时序数据、低压侧三相母线电压时序数据以及各相低压出线首端有功功率时序数据，并计算各电表的有功电流，构建数据库，共3500组原始数据。
(2)基于数据库中各组原始数据开展低压台区相户自动识别并计算识别准确率，构建识别准确率样本库。
(3)设定低压台区相户关系自动识别结果可信度检测，并计算数据库中各组数据的可信度检测分数(即可信度检测参数的值)，构建相户关系自动识别结果可信度检测分数样本库：
I.计算各个组别的参数分数，并进行归一化处理，三相电压不平衡度的基准值λ3,base和时表比的基准值λ5,base分别取0.005和3。
II.综合五个指标，基于层次分析法计算低压台区相户关系自动识别结果可信度检测分数，评估矩阵为：
Figure BDA0002506864640000181
一致性比率为0.0234<0.1，矩阵具有良好的一致性，则求取矩阵最大特征向量进行标准化得到每个指标的权重分别为0.1949，0.6139，0.0518，0.0876，0.0518。
则可信度检测分数计算公式如下：
Figure BDA0002506864640000182
通过以上公式计算数据库里各组原始数据的可信度检测分数，构建相户关系自动识别结果可信度检测分数样本库。
(4)基于两个样本库数据，采用多项式拟合法构建识别结果可信度检测模型：
将可信度检测分数从小到大排列，以之为自变量，对同一可信度检测分数保留与之对应的最低准确率和最高准确率，运用最小二乘法拟合最低准确率和最高准确率随可信度检测分数变化的四次函数曲线，构建可信度检测模型，如图8。
(5)输入新采集的数据，计算并依据检测模型输出自动识别结果可信度结果：
以另一个典型低压配电网台区作为检验对象，该台区有三条出线，包含110个单相负荷，其中A相负荷37个，B相负荷42个，C相负荷31个，还有10个三相负荷，共计120个负荷。对此台区采集80组数据进行评分，求取其数据库里各组的可信度检测分数，并计算各组识别结果准确率，与构建的识别结果可信度构建模型作比较检验，如图9，与可信度检测分数对应的各组识别结果准确率均处于构建的识别结果可信度检测模型之间，证明此低压台区相户关系识别结果可信度检测模型可以根据现场数据质量提供识别结果可信度参考。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取多组原始数据；原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；
获取多组原始数据对应的可信度检测参数的值；
基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。
在一个实施例中，处理器执行基于可信度检测参数的值和识别准确率，获取可信度检测模型的步骤时还实现以下步骤：
归一化处理可信度检测参数的值，得到可信度评估值；
处理可信度评估值和识别准确率，得到可信度检测模型。
在一个实施例中，处理器执行处理可信度评估值和识别准确率，得到可信度检测模型的步骤时还实现以下步骤：
获取可信度评估值对应的识别准确率；
保留对应的识别准确率中的上限值和下限值；
对各可信度评估值以及对应的上限值进行拟合处理，得到第一曲线；
对各可信度评估值以及对应的下限值进行拟合处理，得到第二曲线；
根据第一曲线和第二曲线，获取可信度检测模型。
在一个实施例中，处理器执行归一化处理可信度检测参数的值，得到可信度评估值的步骤时还实现以下步骤：
获取多组原始数据对应的电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重；
根据第一权重、第二权重、第三权重、第四权重和第五权重，处理电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比，得到多组原始数据对应的可信度评估值。
在一个实施例中，处理器执行获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重的步骤时还实现以下步骤：
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
标幺化处理三相电压不平衡度和时表比，得到当前三相电压不平衡度和当前时表比；
获取电信号数据完整度、有效电表数目完整度、当前三相电压不平衡度、用电用户比和当前时表比的和值；
根据和值，获取各可信度检测参数的重要度，并根据重要度建立评估矩阵；
对评估矩阵进行一致性校验，得到一致性比率；并在一致性比率小于预设值时，获取评估矩阵的最大特征向量；
标准化处理最大特征向量，得到第一权重、第二权重、第三权重、第四权重和第五权重。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取多组原始数据；原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
根据三相母线的电压时序数据、三相出线首端的有功功率时序数据、各电表的电压时序数据和各电表的有功功率时序数据，获取相户关系识别结果，并根据识别结果获取对应的识别准确率；
获取多组原始数据对应的可信度检测参数的值；
基于可信度检测参数的值和识别准确率，获取可信度检测模型并得到可信度检测模型输出的可信度结果。
在一个实施例中，基于可信度检测参数的值和识别准确率，获取可信度检测模型的步骤被处理器执行时还实现以下步骤：
归一化处理可信度检测参数的值，得到可信度评估值；
处理可信度评估值和识别准确率，得到可信度检测模型。
在一个实施例中，处理可信度评估值和识别准确率，得到可信度检测模型的步骤被处理器执行时还实现以下步骤：
获取可信度评估值对应的识别准确率；
保留对应的识别准确率中的上限值和下限值；
对各可信度评估值以及对应的上限值进行拟合处理，得到第一曲线；
对各可信度评估值以及对应的下限值进行拟合处理，得到第二曲线；
根据第一曲线和第二曲线，获取可信度检测模型。
在一个实施例中，归一化处理可信度检测参数的值，得到可信度评估值的步骤被处理器执行时还实现以下步骤：
获取多组原始数据对应的电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重；
根据第一权重、第二权重、第三权重、第四权重和第五权重，处理电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比，得到多组原始数据对应的可信度评估值。
在一个实施例中，获取电信号数据完整度的第一权重、有效电表数目完整度的第二权重、三相电压不平衡度的第三权重、用电用户比的第四权重和时表比的第五权重的步骤被处理器执行时还实现以下步骤：
标幺化处理三相电压不平衡度和时表比，得到当前三相电压不平衡度和当前时表比；
获取电信号数据完整度、有效电表数目完整度、当前三相电压不平衡度、用电用户比和当前时表比的和值；
根据和值，获取各可信度检测参数的重要度，并根据重要度建立评估矩阵；
对评估矩阵进行一致性校验，得到一致性比率；并在一致性比率小于预设值时，获取评估矩阵的最大特征向量；
标准化处理最大特征向量，得到第一权重、第二权重、第三权重、第四权重和第五权重。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线式动态随机存储器(Rambus DRAM，简称RDRAM)、以及接口动态随机存储器(DRDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种台区相户关系的可信度检测方法，其特征在于，包括步骤：
获取多组原始数据；所述原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
根据所述三相母线的电压时序数据、所述三相出线首端的有功功率时序数据、所述各电表的电压时序数据和所述各电表的有功功率时序数据，获取相户关系识别结果，并根据所述识别结果获取对应的识别准确率；
获取所述多组原始数据对应的可信度检测参数的值；
基于所述可信度检测参数的值和所述识别准确率，获取可信度检测模型并得到所述可信度检测模型输出的可信度结果。
2.根据权利要求1所述的台区相户关系的可信度检测方法，其特征在于，基于所述可信度检测参数的值和所述识别准确率，获取可信度检测模型的步骤包括：
归一化处理所述可信度检测参数的值，得到可信度评估值；
处理所述可信度评估值和所述识别准确率，得到所述可信度检测模型。
3.根据权利要求2所述的台区相户关系的可信度检测方法，其特征在于，处理所述可信度评估值和所述识别准确率，得到所述可信度检测模型的步骤包括：
获取所述可信度评估值对应的识别准确率；
保留所述对应的识别准确率中的上限值和下限值；
对各所述可信度评估值以及所述对应的上限值进行拟合处理，得到第一曲线；
对各所述可信度评估值以及所述对应的下限值进行拟合处理，得到第二曲线；
根据所述第一曲线和所述第二曲线，获取所述可信度检测模型。
4.根据权利要求2所述的台区相户关系的可信度检测方法，其特征在于，所述可信度检测参数包括电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
归一化处理所述可信度检测参数的值，得到可信度评估值的步骤包括：
获取所述多组原始数据对应的电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比；
获取所述电信号数据完整度的第一权重、所述有效电表数目完整度的第二权重、所述三相电压不平衡度的第三权重、所述用电用户比的第四权重和所述时表比的第五权重；
根据所述第一权重、第二权重、第三权重、第四权重和第五权重，处理所述电信号数据完整度、有效电表数目完整度、三相电压不平衡度、用电用户比和时表比，得到所述多组原始数据对应的可信度评估值。
5.根据权利要求4所述的台区相户关系的可信度检测方法，其特征在于，获取所述电信号数据完整度的第一权重、所述有效电表数目完整度的第二权重、所述三相电压不平衡度的第三权重、所述用电用户比的第四权重和所述时表比的第五权重的步骤包括：
标幺化处理所述三相电压不平衡度和所述时表比，得到当前三相电压不平衡度和当前时表比；
获取所述电信号数据完整度、所述有效电表数目完整度、所述当前三相电压不平衡度、所述用电用户比和所述当前时表比的和值；
根据所述和值，获取各可信度检测参数的重要度，并根据所述重要度建立评估矩阵；
对所述评估矩阵进行一致性校验，得到一致性比率；并在所述一致性比率小于预设值时，获取所述评估矩阵的最大特征向量；
标准化处理所述最大特征向量，得到所述第一权重、所述第二权重、所述第三权重、所述第四权重和所述第五权重。
6.根据权利要求5所述的台区相户关系的可信度检测方法，其特征在于，对所述评估矩阵进行一致性校验，得到一致性比率的步骤中，基于以下公式得到所述一致性比率：
CI＝(λmax-y)/(y-1)；
CR＝CI/RI；
其中，CI为一致性指标；CR为所述一致性比率；λmax为所述评估矩阵的最大特征值；RI为平均随机一致性指标；y为指标的数量。
7.根据权利要求4所述的台区相户关系的可信度检测方法，其特征在于，
所述电信号数据完整度为根据电压数据缺失的时长以及电压数据总时长得到；其中，所述电压数据缺失的时长和所述电压数据总时长为根据所述各电表的电压时序数据得到；
所述有效电表数目完整度为根据有效电表数得到；其中，所述有效电表数为根据所述各电表的电压时序数据得到；
所述三相电压不平衡度为根据所述台区低压侧的三相母线的电压时序数据得到；
所述用电用户比为根据所述各电表的有功电流时序数据得到；其中，所述有功电流时序数据为、根据所述三相母线的电压时序数据和所述三相出线首端的有功功率时序数据得到；
所述时表比为完整数据的时长与所述有效电表数的商；其中，所述完整数据的时长为根据所述各电表的电压时序数据得到。
8.一种台区相户关系的可信度检测装置，其特征在于，包括：
原始数据获取模块，用于获取多组原始数据；所述原始数据包括各电表的电压时序数据和有功功率时序数据，以及台区低压侧的三相母线的电压时序数据和三相出线首端的有功功率时序数据；
识别准确率获取模块，用于根据所述三相母线的电压时序数据、所述三相出线首端的有功功率时序数据、所述各电表的电压时序数据和所述各电表的有功功率时序数据，获取相户关系识别结果，并根据所述识别结果获取对应的识别准确率；
可信度检测参数获取模块，用于获取所述多组原始数据对应的可信度检测参数的值；
可信度检测模型建立模块，用于基于所述可信度检测参数的值和所述识别准确率，获取可信度检测模型并得到所述可信度检测模型输出的可信度结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010448628.3A 2020-05-25 2020-05-25 台区相户关系的可信度检测方法、装置和计算机设备 Active CN111505445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010448628.3A CN111505445B (zh) 2020-05-25 2020-05-25 台区相户关系的可信度检测方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010448628.3A CN111505445B (zh) 2020-05-25 2020-05-25 台区相户关系的可信度检测方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN111505445A true CN111505445A (zh) 2020-08-07
CN111505445B CN111505445B (zh) 2022-07-26

Family

ID=71870265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010448628.3A Active CN111505445B (zh) 2020-05-25 2020-05-25 台区相户关系的可信度检测方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN111505445B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116580855A (zh) * 2023-05-22 2023-08-11 武汉市第三医院 放射性皮肤溃疡严重程度评估量表的信度检测方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102590703A (zh) * 2012-02-18 2012-07-18 西南交通大学 基于零序暂态电荷的谐振接地系统单相接地故障选线方法
US20140247055A1 (en) * 2011-09-29 2014-09-04 Korea Electric Power Corporation System and method for detecting an abnormal waveform in a power distribution system
CN104407273A (zh) * 2014-10-13 2015-03-11 浙江工业大学 计及监测可信度的电能质量扰动源定位方法
CN104793104A (zh) * 2015-04-18 2015-07-22 安庆师范学院 基于多判据融合的小电流单相接地故障选线方法
CN104809660A (zh) * 2015-04-17 2015-07-29 华南理工大学 低压台区线损率分析指标的动态筛选及综合权重设置方法
CN108229784A (zh) * 2017-11-09 2018-06-29 中国电力科学研究院有限公司 一种智能配电网的多维数据质量评价方法及系统
CN110188090A (zh) * 2019-06-17 2019-08-30 合肥优尔电子科技有限公司 一种基于数据挖掘的配网拓扑数据质量评估方法及装置
CN110348665A (zh) * 2019-04-03 2019-10-18 中国电力科学研究院有限公司 一种低压台区电力系统数据质量评价方法及装置
CN110376469A (zh) * 2019-07-29 2019-10-25 广州市奔流电力科技有限公司 台区相序与线户关系识别方法及其装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140247055A1 (en) * 2011-09-29 2014-09-04 Korea Electric Power Corporation System and method for detecting an abnormal waveform in a power distribution system
CN102590703A (zh) * 2012-02-18 2012-07-18 西南交通大学 基于零序暂态电荷的谐振接地系统单相接地故障选线方法
CN104407273A (zh) * 2014-10-13 2015-03-11 浙江工业大学 计及监测可信度的电能质量扰动源定位方法
CN104809660A (zh) * 2015-04-17 2015-07-29 华南理工大学 低压台区线损率分析指标的动态筛选及综合权重设置方法
CN104793104A (zh) * 2015-04-18 2015-07-22 安庆师范学院 基于多判据融合的小电流单相接地故障选线方法
CN108229784A (zh) * 2017-11-09 2018-06-29 中国电力科学研究院有限公司 一种智能配电网的多维数据质量评价方法及系统
CN110348665A (zh) * 2019-04-03 2019-10-18 中国电力科学研究院有限公司 一种低压台区电力系统数据质量评价方法及装置
CN110188090A (zh) * 2019-06-17 2019-08-30 合肥优尔电子科技有限公司 一种基于数据挖掘的配网拓扑数据质量评估方法及装置
CN110376469A (zh) * 2019-07-29 2019-10-25 广州市奔流电力科技有限公司 台区相序与线户关系识别方法及其装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李坤等: "基于量测数据质量的低压台区拓扑识别结果可信度评价", 《电力系统自动化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116580855A (zh) * 2023-05-22 2023-08-11 武汉市第三医院 放射性皮肤溃疡严重程度评估量表的信度检测方法及系统
CN116580855B (zh) * 2023-05-22 2023-11-03 武汉市第三医院 放射性皮肤溃疡严重程度评估量表的信度检测方法及系统

Also Published As

Publication number Publication date
CN111505445B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
CN110988422B (zh) 一种窃电识别方法、装置及电子设备
CN109325545A (zh) 低压配电网拓扑结构校验方法、装置、设备及存储介质
CN110097297A (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN111693931A (zh) 智能电能表误差远程计算方法、装置和计算机设备
CN110188090B (zh) 一种基于数据挖掘的配网拓扑数据质量评估方法及装置
CN111505443B (zh) 低压台区线户关系识别方法、装置和计算机设备
CN109934500A (zh) 一种配电台区的低电压评价方法、装置、设备及存储介质
CN113126019A (zh) 一种智能电表误差远程估计方法、系统、终端和存储介质
CN109670611A (zh) 一种电力信息系统故障诊断方法及装置
CN111537884A (zh) 获取动力电池寿命数据的方法、装置、计算机设备及介质
CN107589391A (zh) 一种检测电能计量装置整体误差的方法、装置和系统
CN112381351A (zh) 一种基于奇异谱分析的用电行为变化检测方法及系统
CN115684776A (zh) 高压输电线路线损支路的确定方法及其装置、处理器
CN110555619A (zh) 一种基于智能配电网的供电能力评估方法
CN115759708A (zh) 一种考虑电力时空分布特性的线损分析方法及系统
CN114814420A (zh) 一种基于冻结数据的低压配电网拓扑识别方法及系统
CN112418687A (zh) 基于用电特征的用户用电异常识别方法、装置和存储介质
CN110231503B (zh) 高损台区基于格兰杰因果检验的窃电用户识别定位方法
CN115578217A (zh) 基于决策树模型的非侵入式负荷监测方法及监测系统
CN111832174A (zh) 一种基于多元回归的配线线损率处理方法及装置
CN115270974A (zh) 基于大数据分析的智能窃电检测系统
CN115166625A (zh) 智能电表误差估计方法及装置
CN111505445B (zh) 台区相户关系的可信度检测方法、装置和计算机设备
CN114862229A (zh) 电能质量评估方法、装置、计算机设备和存储介质
CN106066415A (zh) 用于检测供电网络中的欺诈的方法

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