CN113435609B - 线损异常检测方法、装置及终端设备 - Google Patents
线损异常检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN113435609B CN113435609B CN202110639440.1A CN202110639440A CN113435609B CN 113435609 B CN113435609 B CN 113435609B CN 202110639440 A CN202110639440 A CN 202110639440A CN 113435609 B CN113435609 B CN 113435609B
- Authority
- CN
- China
- Prior art keywords
- line
- candidate abnormal
- data
- characteristic data
- data class
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 230000002159 abnormal effect Effects 0.000 claims abstract description 117
- 230000007613 environmental effect Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000005856 abnormality Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本发明提供了一种线损异常检测方法、装置及终端设备，该方法包括：获取目标区域对应的各条线路的线路电流；基于各条线路的线路电流进行初步线损异常检测，将初步线损异常检测不通过的线路确定为候选异常线路；获取候选异常线路对应的线路特征数据、候选异常线路对应的环境参数、预先构建的多个环境数据类、以及预先构建的与所述多个环境数据类一一对应的线路特征数据类；判断所述候选异常线路对应的环境参数所属的环境数据类，并基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类；将线路特征数据不属于对应的线路特征数据类的候选异常线路确定为线损异常线路。本发明能够提高线损检测的效率和精度。
Description
技术领域
本发明属于线损检测技术领域，更具体地说，是涉及一种线损异常检测方法、装置及终端设备。
背景技术
线损是评估电网设计规划、技术设备和经济运行等的综合指标，目前异常线损治理仍是供电公司的重点工作之一，因此线损异常检测极为必要。
现有的线损检测方法通常通过建立线损异常检测的模型，基于线损异常检测模型运算得出线损是否存在异常。然而，实际的电网线路繁多复杂，很难用某个模型实现所有线路的准确预测，并且数据运算量较大，也会对线损的检测效率产生影响。
因此，如何提高线损检测效率和精度成为本领域技术人员亟需解决的问题。
发明内容
本发明的目的在于提供一种线损异常检测方法、装置及终端设备，以提高线损检测的效率和精度。
本发明实施例的第一方面，提供了一种线损异常检测方法，包括：
获取目标区域对应的各条线路的线路电流；
基于各条线路的线路电流进行初步线损异常检测，将初步线损异常检测不通过的线路确定为候选异常线路；
获取候选异常线路对应的线路特征数据、候选异常线路对应的环境参数、预先构建的多个环境数据类、以及预先构建的与所述多个环境数据类一一对应的线路特征数据类；
判断所述候选异常线路对应的环境参数所属的环境数据类，并基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类；将线路特征数据不属于对应的线路特征数据类的候选异常线路确定为线损异常线路。
本发明实施例的第二方面，提供了一种线损异常检测装置，包括：
数据采集装置、无线通信装置以及上位机；
所述数据采集装置用于采集目标区域对应的各条线路的线路电流，并通过所述无线通信装置发送至上位机；
所述上位机用于基于各条线路的线路电流进行初步线损异常检测，将初步线损异常检测不通过的线路确定为候选异常线路；从预设存储装置中获取候选异常线路对应的线路特征数据、候选异常线路对应的环境参数、预先构建的多个环境数据类、以及预先构建的与所述多个环境数据类一一对应的线路特征数据类；判断所述候选异常线路对应的环境参数所属的环境数据类，并基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类；将线路特征数据不属于对应的线路特征数据类的候选异常线路确定为线损异常线路。
本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的线损异常检测方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的线损异常检测方法的步骤。
本发明实施例提供的线损异常检测方法、装置及终端设备的有益效果在于：
本发明首先根据线路电流进行线损异常的检测，可以快速定位出可能存在线损异常的线路，也即候选异常线路，在此基础上，根据候选异常线路的环境参数选择出对应于该候选异常线路的线路特征数据类，最后直接判断候选异常线路对应的线路特征数据与其对应的线路特征数据类的所属关系即可筛选出候选异常线路中的线损异常线路。区别于现有技术中使用卷积运算的方法，本发明运算过程更为简单，线损检测速度更高，并且由于考虑线路环境的影响，本发明提供的方案具备更高的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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为本发明一实施例提供的线损异常检测方法的流程示意图；
图2为本发明一实施例提供的线损异常检测装置的结构框图；
图3为本发明一实施例提供的终端设备的示意框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参考图1，图1为本发明一实施例提供的线损异常检测方法的流程示意图，该方法包括：
S101：获取目标区域对应的各条线路的线路电流。
在本实施例中，可在目标区域各条电网线路的对应位置加装电流监测设备，采集各条线路的线路电流。
S102：基于各条线路的线路电流进行初步线损异常检测，将初步线损异常检测不通过的线路确定为候选异常线路。
在本实施例中，可直接基于各条线路的线路电流进行初步的线损异常检测，将检测不同的线路确定为可能存在线损异常的线路，也即候选异常线路，后续可对候选异常线路进行二次筛选，得到存在线损异常的线路。
S103：获取候选异常线路对应的线路特征数据、候选异常线路对应的环境参数、预先构建的多个环境数据类、以及预先构建的与多个环境数据类一一对应的线路特征数据类。
在本实施例中，线路特征数据包括但不限于线路的实时电流数据、实时电压数据、线路阻抗数据、线路功率因数数据等。环境参数包括但不限于线路所在环境的温度、湿度、风力等级等。
在本实施例中，环境数据类为由环境参数构成的数据类，线路特征数据类为由线路特征构成的数据类。
S104：判断候选异常线路对应的环境参数所属的环境数据类，并基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类。将线路特征数据不属于对应的线路特征数据类的候选异常线路确定为线损异常线路。
在本实施例中，由于环境数据类和线路特征数据类一一对应，因此可直接基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类。
由上可以得出，本发明实施例首先根据线路电流进行线损异常的检测，可以快速定位出可能存在线损异常的线路，也即候选异常线路，在此基础上，根据候选异常线路的环境参数选择出对应于该候选异常线路的线路特征数据类，最后直接判断候选异常线路对应的线路特征数据与其对应的线路特征数据类的所属关系即可筛选出候选异常线路中的线损异常线路。区别于现有技术中使用卷积运算的方法，本发明实施例运算过程更为简单，线损检测速度更高，并且由于考虑线路环境的影响，本发明实施例提供的方案具备更高的准确性。
可选地，作为本发明实施例提供的线损异常检测方法的一种具体实施方式，基于各条线路的线路电流进行初步线损异常检测，包括：
将目标区域的各条线路划分为干线线路和支线线路。
计算各条干线线路与其对应的各条支线线路的线路电流的差值。若某条干线线路对应的线路电流的差值大于预设差值，则将该条干线线路及其对应的支线线路作为初步线损异常检测不通过的线路。
在本实施例中，可令各条干线线路的线路电流减去与其对应的各条支线线路的线路电流之和，得到各条干线线路与其对应的各条支线线路的线路电流的差值。若某条干线线路对应的线路电流的差值大于预设差值，则将该条干线线路及其对应的支线线路作为初步线损异常检测不通过的线路。若某条干线线路对应的线路电流的差值不大于预设差值，则将该条干线线路及其对应的支线线路作为初步线损异常检测通过的线路。
可选地，作为本发明实施例提供的线损异常检测方法的一种具体实施方式，多个环境数据类的构建方法包括：
获取目标区域在预设周期内的历史环境数据。
基于历史环境数据中的各项历史环境参数对历史环境数据进行聚类处理，得到多个环境数据类。
在本实施例中，预设周期可以年为单位，具体的，预设周期可以为1～3年。
在本实施例中，可基于k-means算法或DBSCAN聚类算法对各项历史环境参数进行聚类处理，得到多个环境数据类。
可选地，作为本发明实施例提供的线损异常检测方法的一种具体实施方式，线路特征数据类的构建方法包括：
获取目标区域内与多个环境数据类在时间上对应的线路特征数据，得到与多个环境数据类一一对应的多个线路特征数据类。
在本实施例中，若对环境数据进行了分类，则可直接获取环境数据对应的线路特征数据，对应的线路特征数据自动组成对应的线路特征数据类。
可选地，作为本发明实施例提供的线损异常检测方法的一种具体实施方式，判断候选异常线路对应的环境参数所属的环境数据类，包括：
计算候选异常线路对应的环境参数与各个环境数据类的聚类中心的距离，将距离最小时对应的环境数据类作为候选异常线路对应的环境参数所属的环境数据类。
在本实施例中，可计算候选异常线路对应的环境参数与各个环境数据类的聚类中心的距离，若某一环境数据类的聚类中心与候选异常线路对应环境参数之间的聚类最小，则将该环境数据类作为候选异常线路对应的环境参数所属的环境数据类，也即作为候选异常线路对应的环境数据类。
可选地，作为本发明实施例提供的线损异常检测方法的一种具体实施方式，判断某一候选异常线路的线路特征数据是否属于该候选异常数据对应的线路特征数据类的方法为：
将该候选异常数据对应的线路特征数据类按照时间进行再分类，得到多个子类。将各个子类中的线路特征数据按照预设时间顺序排列，构成多个第一序列。将该候选异常线路的线路特征数据按照预设时间顺序排列，构成第二序列。
对第二序列和多个第一序列进行关联分析，若所有第一序列与第二序列的关联度均小于预设关联度，则确定该候选异常线路的线路特征数据不属于该候选异常数据对应的线路特征数据类。若存在某一第一序列，该第一序列与第二序列的关联度不小于预设关联度，则确定该候选异常线路的线路特征数据属于该候选异常数据对应的线路特征数据类。
在本实施例中，候选异常数据对应的线路特征数据类包含的是预设周期内的线路特征数据，因此，可将该候选异常线路对应的线路特征数据类按照时间进行再分类，得到多个子类。例如，候选异常线路对应的线路特征数据类为一年内(也即预设周期为一年)的线路特征数据，则可将每天的(也即预设时段为一天)线路特征数据提取出来，得到每一天的线路特征数据(也即多个子类)。
具体的，可将每条候选异常线路的线路特征数据与各个子类中的线路特征数据按照同一时间顺序排列，分别得到第二序列和多个第一序列，分析第一序列和第二序列的关联度即可确定某一候选异常线路的线路特征数据是否属于该候选异常数据对应的线路特征数据类。其中，具体的分析方法可以为灰色关联分析法。
对应于上文实施例的线损异常检测方法，图2为本发明一实施例提供的线损异常检测装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图2，该线损异常检测装置20包括：数据采集装置21、无线通信装置22以及上位机23。
其中，数据采集装置21用于采集目标区域对应的各条线路的线路电流，并通过无线通信装置22发送至上位机23。
上位机23用于基于各条线路的线路电流进行初步线损异常检测，将初步线损异常检测不通过的线路确定为候选异常线路。从预设存储装置中获取候选异常线路对应的线路特征数据、候选异常线路对应的环境参数、预先构建的多个环境数据类、以及预先构建的与多个环境数据类一一对应的线路特征数据类。判断候选异常线路对应的环境参数所属的环境数据类，并基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类。将线路特征数据不属于对应的线路特征数据类的候选异常线路确定为线损异常线路。
可选地，作为本发明实施例提供的线损异常检测装置的一种具体实施方式，数据采集装置为电流传感器。
可选地，作为本发明实施例提供的线损异常检测装置的一种具体实施方式，基于各条线路的线路电流进行初步线损异常检测，包括：
将目标区域的各条线路划分为干线线路和支线线路。
计算各条干线线路与其对应的各条支线线路的线路电流的差值。若某条干线线路对应的线路电流的差值大于预设差值，则将该条干线线路及其对应的支线线路作为初步线损异常检测不通过的线路。
可选地，作为本发明实施例提供的线损异常检测装置的一种具体实施方式，多个环境数据类的构建方法包括：
获取目标区域在预设周期内的历史环境数据。
基于历史环境数据中的各项历史环境参数对历史环境数据进行聚类处理，得到多个环境数据类。
可选地，作为本发明实施例提供的线损异常检测装置的一种具体实施方式，线路特征数据类的构建方法包括：
获取目标区域内与多个环境数据类在时间上对应的线路特征数据，得到与多个环境数据类一一对应的多个线路特征数据类。
可选地，作为本发明实施例提供的线损异常检测装置的一种具体实施方式，判断候选异常线路对应的环境参数所属的环境数据类，包括：
计算候选异常线路对应的环境参数与各个环境数据类的聚类中心的距离，将距离最小时对应的环境数据类作为候选异常线路对应的环境参数所属的环境数据类。
可选地，作为本发明实施例提供的线损异常检测装置的一种具体实施方式，判断某一候选异常线路的线路特征数据是否属于该候选异常数据对应的线路特征数据类的方法为：
将该候选异常数据对应的线路特征数据类按照时间进行再分类，得到多个子类。将各个子类中的线路特征数据按照预设时间顺序排列，构成多个第一序列。将该候选异常线路的线路特征数据按照预设时间顺序排列，构成第二序列。
对第二序列和多个第一序列进行关联分析，若所有第一序列与第二序列的关联度均小于预设关联度，则确定该候选异常线路的线路特征数据不属于该候选异常数据对应的线路特征数据类。若存在某一第一序列，该第一序列与第二序列的关联度不小于预设关联度，则确定该候选异常线路的线路特征数据属于该候选异常数据对应的线路特征数据类。
参见图3，图3为本发明一实施例提供的终端设备的示意框图。如图3所示的本实施例中的终端300可以包括：一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器301、输入设备302、输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序，计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中，处理器301被配置用于调用程序指令执行以下操作上述各系统实施例中各模块/单元的功能，例如图2所示模块21至23的功能。
应当理解，在本发明实施例中，所称处理器301可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如，存储器304还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的线损异常检测方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上，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，可轻易想到各种等效的修改或替换，这些修改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权利要求的保护范围为准。
Claims (10)
1.一种线损异常检测方法，其特征在于，包括：
获取目标区域对应的各条线路的线路电流；
基于各条线路的线路电流进行初步线损异常检测，将初步线损异常检测不通过的线路确定为候选异常线路；
获取候选异常线路对应的线路特征数据、候选异常线路对应的环境参数、预先构建的多个环境数据类、以及预先构建的与所述多个环境数据类一一对应的线路特征数据类；
判断所述候选异常线路对应的环境参数所属的环境数据类，并基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类；将线路特征数据不属于对应的线路特征数据类的候选异常线路确定为线损异常线路；
所述环境数据类为由环境参数构成的数据类，所述线路特征数据类为由线路特征构成的数据类。
2.如权利要求1所述的线损异常检测方法，其特征在于，所述基于各条线路的线路电流进行初步线损异常检测，包括：
将目标区域的各条线路划分为干线线路和支线线路；
计算各条干线线路与其对应的各条支线线路的线路电流的差值；若某条干线线路对应的线路电流的差值大于预设差值，则将该条干线线路及其对应的支线线路作为初步线损异常检测不通过的线路。
3.如权利要求1所述的线损异常检测方法，其特征在于，所述多个环境数据类的构建方法包括：
获取目标区域在预设周期内的历史环境数据；
基于历史环境数据中的各项历史环境参数对所述历史环境数据进行聚类处理，得到多个环境数据类。
4.如权利要求1或3任一项所述的线损异常检测方法，其特征在于，所述线路特征数据类的构建方法包括：
获取目标区域内与所述多个环境数据类在时间上对应的线路特征数据，得到与多个环境数据类一一对应的多个线路特征数据类。
5.如权利要求1所述的线损异常检测方法，其特征在于，所述判断所述候选异常线路对应的环境参数所属的环境数据类，包括：
计算所述候选异常线路对应的环境参数与各个环境数据类的聚类中心的距离，将所述距离最小时对应的环境数据类作为候选异常线路对应的环境参数所属的环境数据类。
6.如权利要求1所述的线损异常检测方法，其特征在于，判断某一候选异常线路的线路特征数据是否属于该候选异常数据对应的线路特征数据类的方法为：
将该候选异常数据对应的线路特征数据类按照时间进行再分类，得到多个子类；将各个子类中的线路特征数据按照预设时间顺序排列，构成多个第一序列；将该候选异常线路的线路特征数据按照预设时间顺序排列，构成第二序列；
对第二序列和多个第一序列进行关联分析，若所有第一序列与所述第二序列的关联度均小于预设关联度，则确定该候选异常线路的线路特征数据不属于该候选异常数据对应的线路特征数据类；若存在某一第一序列，该第一序列与所述第二序列的关联度不小于预设关联度，则确定该候选异常线路的线路特征数据属于该候选异常数据对应的线路特征数据类。
7.一种线损异常检测装置，其特征在于，包括：
数据采集装置、无线通信装置以及上位机；
所述数据采集装置用于采集目标区域对应的各条线路的线路电流，并通过所述无线通信装置发送至上位机；
所述上位机用于基于各条线路的线路电流进行初步线损异常检测，将初步线损异常检测不通过的线路确定为候选异常线路；从预设存储装置中获取候选异常线路对应的线路特征数据、候选异常线路对应的环境参数、预先构建的多个环境数据类、以及预先构建的与所述多个环境数据类一一对应的线路特征数据类；判断所述候选异常线路对应的环境参数所属的环境数据类，并基于候选异常线路对应的环境数据类确定候选异常线路对应的线路特征数据类；将线路特征数据不属于对应的线路特征数据类的候选异常线路确定为线损异常线路；
所述环境数据类为由环境参数构成的数据类，所述线路特征数据类为由线路特征构成的数据类。
8.如权利要求7所述的线损异常检测装置，其特征在于，所述数据采集装置为电流传感器。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110639440.1A CN113435609B (zh) | 2021-06-08 | 2021-06-08 | 线损异常检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110639440.1A CN113435609B (zh) | 2021-06-08 | 2021-06-08 | 线损异常检测方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113435609A CN113435609A (zh) | 2021-09-24 |
| CN113435609B true CN113435609B (zh) | 2022-11-22 |
Family
ID=77755437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110639440.1A Active CN113435609B (zh) | 2021-06-08 | 2021-06-08 | 线损异常检测方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435609B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160404A (zh) * | 2019-12-09 | 2020-05-15 | 国网北京市电力公司 | 配电网线损标杆合理值的分析方法及装置 |
| CN111444241A (zh) * | 2020-03-26 | 2020-07-24 | 南京工程学院 | 一种基于数据挖掘的台区线损异常关联用户精准定位方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034244B (zh) * | 2018-07-27 | 2020-07-28 | 国家电网有限公司 | 基于电量曲线特征模型的线损异常诊断方法及装置 |
| 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 |
| CN110503136A (zh) * | 2019-07-31 | 2019-11-26 | 国家电网有限公司 | 台区线损异常分析方法、计算机可读存储介质及终端设备 |
| CN110659779B (zh) * | 2019-09-26 | 2022-06-10 | 国网湖南省电力有限公司 | 一种基于长短期记忆网络的配电系统网损预测方法 |
| CN111815946A (zh) * | 2020-04-17 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 一种异常路段的确定方法、装置、存储介质和电子设备 |
| CN112001409A (zh) * | 2020-07-01 | 2020-11-27 | 中国电力科学研究院有限公司 | 一种基于K-means聚类算法的配电网线损异常诊断方法和系统 |
| CN112488395B (zh) * | 2020-12-01 | 2024-04-05 | 湖南大学 | 一种配电网线损预测方法及系统 |
| CN112527788B (zh) * | 2020-12-17 | 2024-04-30 | 北京中恒博瑞数字电力科技有限公司 | 变压器监测数据异常值检测与清洗的方法及装置 |
-
2021
- 2021-06-08 CN CN202110639440.1A patent/CN113435609B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160404A (zh) * | 2019-12-09 | 2020-05-15 | 国网北京市电力公司 | 配电网线损标杆合理值的分析方法及装置 |
| CN111444241A (zh) * | 2020-03-26 | 2020-07-24 | 南京工程学院 | 一种基于数据挖掘的台区线损异常关联用户精准定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113435609A (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
| CN113379564A (zh) | 电网负荷预测方法、装置及终端设备 | |
| CN111143102B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
| CN108090567B (zh) | 电力通信系统故障诊断方法及装置 | |
| WO2017076154A1 (zh) | 网络事件预测以及建立网络事件预测模型的方法和装置 | |
| CN112598537B (zh) | 电力设备故障诊断方法、装置及终端设备 | |
| CN115422788B (zh) | 一种配电网线损分析管理方法、装置、存储介质及系统 | |
| CN111626360A (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
| CN108072858B (zh) | 电能表质量管理方法、系统及终端设备 | |
| CN110376519B (zh) | 高压断路器故障诊断方法、装置及终端设备 | |
| CN113592138A (zh) | 电力负荷预测方法及装置 | |
| CN113516275A (zh) | 一种配电网超短期负荷预测方法、装置及终端设备 | |
| CN112730654B (zh) | 六氟化硫电气设备故障检测方法、装置及终端设备 | |
| CN113033989B (zh) | 一种输电线路的故障风险评估方法、装置及终端设备 | |
| CN112637888B (zh) | 覆盖空洞区域识别方法、装置、设备及可读存储介质 | |
| CN113435609B (zh) | 线损异常检测方法、装置及终端设备 | |
| CN115204753B (zh) | 一种智慧农贸场所行为监测方法、系统及可读存储介质 | |
| CN111242779A (zh) | 金融数据特征选择和预测方法、装置、设备及存储介质 | |
| CN116108376A (zh) | 一种反窃电的监测系统、方法、电子设备及介质 | |
| CN114519267A (zh) | 地下电缆模型的数据更新方法 | |
| CN113238911A (zh) | 告警处理方法及装置 | |
| CN114004290A (zh) | 电缆质量检测方法、装置及电子设备 | |
| CN111626586B (zh) | 数据质量检测方法、装置、计算机设备和存储介质 | |
| CN112668134B (zh) | 牵引网谐波阻抗确定方法、装置及终端设备 | |
| CN114462925A (zh) | 库存异常资产识别方法、装置及终端设备 |
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 |