CN113793077A - 一种配电网用户故障停电影响分析方法和系统 - Google Patents

一种配电网用户故障停电影响分析方法和系统 Download PDF

Info

Publication number
CN113793077A
CN113793077A CN202111358518.9A CN202111358518A CN113793077A CN 113793077 A CN113793077 A CN 113793077A CN 202111358518 A CN202111358518 A CN 202111358518A CN 113793077 A CN113793077 A CN 113793077A
Authority
CN
China
Prior art keywords
index
power failure
indexes
result
distribution network
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
CN202111358518.9A
Other languages
English (en)
Other versions
CN113793077B (zh
Inventor
赵云云
陈黎丽
彭元泉
招嘉华
夏志雄
田涵宁
钟少荣
伍嘉诚
陈业铭
靳铠闻
袁经伟
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.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
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 Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN202111358518.9A priority Critical patent/CN113793077B/zh
Publication of CN113793077A publication Critical patent/CN113793077A/zh
Application granted granted Critical
Publication of CN113793077B publication Critical patent/CN113793077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种配电网用户故障停电影响分析方法和系统，涉及配电网数据分析技术领域，选取反映配电网故障停电影响特征的过程指标和结果性指标，收集电力企业的过程指标和结果性指标的历史数据，建立过程指标和结果性指标的岭回归关联模型，可以同时处理历史数据量较少或充分的情形，摆脱对历史数据量有较高要求的限制，通过求解岭回归关联模型，得到各过程指标的关联系数，进一步可计算各过程指标的贡献度，从而分析故障停电过程指标对结果性指标的影响，能够定量的发现各过程指标对结果性指标的作用规律和贡献程度，提高了配电网故障停电影响分析模型的客观性及稳健性。

Description

一种配电网用户故障停电影响分析方法和系统
技术领域
本发明涉及配电网数据分析技术领域，尤其涉及一种配电网用户故障停电影响分析方法和系统。
背景技术
配电网故障停电是影响配电网供电可靠性的主要因素，故障停电管控需要关注故障停电事件的影响范围、造成故障停电影响的用户停电次数、停电时长等。随着用户对供电可靠性要求的日益提高，对进一步加强故障停电管控的科学性、精准性提出了更大的挑战。通过深入挖掘故障停电影响过程指标和结果性指标之间存在的内在联系，建立指标关系模型，能够定量地发现各过程指标对结果性指标的作用规律和贡献程度，可有效地对配电网故障停电管控水平进行评价、指导优化可靠性管理策略、有效减少配网故障停电影响、提高故障复电效率。
现阶段的配电网故障停电影响分析方法采用层次分析法和熵权法确定权重的灰色关联分析方法，在分析配网故障停电影响时，对多元化过程指标的协同性考虑不足、对过程指标贡献度相关的历史数据使用程度不足，较难获得有针对性、足够客观的分析模型，难以为配电网可靠性重点提升方向提供指导。
发明内容
本发明提供了一种配电网用户故障停电影响分析方法和系统，用以解决现有的配电网故障停电影响分析方法采用层次分析法和熵权法确定权重的灰色关联分析方法，在分析配网故障停电影响时，对多元化过程指标的协同性考虑不足、对过程指标贡献度相关的历史数据使用程度不足，较难获得有针对性、足够客观的分析模型，难以为配电网可靠性重点提升方向提供指导的技术问题。
有鉴于此，本发明第一方面提供了一种配电网用户故障停电影响分析方法，包括：
采集电力企业的反映配电网故障停电影响特征的过程指标和结果性指标的历史数据；
根据过程指标和结果性指标的历史数据构建岭回归关联模型，构建的岭回归关联模型为：
Figure 64086DEST_PATH_IMAGE001
，其中，y为结果性指标，
Figure 199401DEST_PATH_IMAGE002
为所选的全体过程指标，
Figure 354308DEST_PATH_IMAGE003
为反映数据来源的配电网自身所具有的基准结果性指标，
Figure 450440DEST_PATH_IMAGE004
为不可观测项过程指标数据，
Figure 834148DEST_PATH_IMAGE005
为第j个过程指标对结果性指标影响的关联系数，
Figure 151865DEST_PATH_IMAGE006
；
对岭回归关联模型进行求解，得到各过程指标的关联系数；
根据各过程指标的关联系数计算各过程指标的贡献度。
可选地，对岭回归关联模型进行求解，得到各过程指标的关联系数，包括：
对岭回归关联模型求平均并消去不可观测项过程指标数据，得到平均岭回归关联模型；
根据过程指标和结果性指标的历史数据分别构建样本资料矩阵和结果性指标向量；
建立约束条件：
Figure 228406DEST_PATH_IMAGE007
其中，
Figure 998785DEST_PATH_IMAGE008
为事先给定的调节系数，
Figure 186183DEST_PATH_IMAGE009
为结果性指标的第i个历史数据值，
Figure 296091DEST_PATH_IMAGE010
为第d个过程指标的第i个历史数据值，n为结果性指标的数据值数量；
根据样本资料矩阵、结果性指标向量和约束条件求解平均岭回归关联模型，平均岭回归关联模型的解公式为：
Figure 792800DEST_PATH_IMAGE011
其中，
Figure 863524DEST_PATH_IMAGE012
为
Figure 854614DEST_PATH_IMAGE013
~
Figure 881345DEST_PATH_IMAGE014
的故障停电影响过程指标对结果性指标影响的关联系数的回归估计值矩阵，I为
Figure 299688DEST_PATH_IMAGE015
的单位矩阵，C为样本资料矩阵，
Figure 592129DEST_PATH_IMAGE016
为C的转置，Y为结果性指标矩阵。
可选地，根据各过程指标的关联系数计算各过程指标的贡献度的计算公式为：
Figure 636177DEST_PATH_IMAGE017
其中，
Figure 268147DEST_PATH_IMAGE018
为第j个过程指标的贡献度。
可选地，在根据过程指标和结果性指标的历史数据构建岭回归关联模型之前，还包括：
对过程指标和结果性指标的历史数据进行标准化处理，标准化处理公式为：
Figure 106659DEST_PATH_IMAGE019
其中，
Figure 89658DEST_PATH_IMAGE020
为对
Figure 484867DEST_PATH_IMAGE021
标准化后的数据值，
Figure 220611DEST_PATH_IMAGE021
为指标x第m年的数据值，
Figure 246336DEST_PATH_IMAGE022
为指标x的若干年数据的平均值，
Figure 513369DEST_PATH_IMAGE023
为指标x的若干年数据的标准差，
Figure 633641DEST_PATH_IMAGE024
。
可选地，过程指标包括：故障停电平均持续时间、故障停电平均用户数、故障停电用户平均停电次数和故障停电用户平均每次停电时间，结果性指标为：用户平均故障停电时间。
可选地，对岭回归关联模型进行拟合优度评估，拟合优度评估公式为：
Figure 240203DEST_PATH_IMAGE025
其中，
Figure 499146DEST_PATH_IMAGE026
是基于岭回归关联模型的结果性指标的模型值，
Figure 174846DEST_PATH_IMAGE027
为结果性指标的样本平均值。
本发明第二方面还提供了一种配电网用户故障停电影响分析系统，包括：
数据采集单元，用于采集电力企业的反映配电网故障停电影响特征的过程指标和结果性指标的历史数据；
模型构建单元，用于根据过程指标和结果性指标的历史数据构建岭回归关联模型，构建的岭回归关联模型为：
Figure 115121DEST_PATH_IMAGE001
，其中，y为结果性指标，
Figure 825457DEST_PATH_IMAGE002
为所选的全体过程指标，
Figure 989722DEST_PATH_IMAGE003
为反映数据来源的配电网自身所具有的基准结果性指标，
Figure 169030DEST_PATH_IMAGE004
为不可观测项过程指标数据，
Figure 896684DEST_PATH_IMAGE005
为第j个过程指标对结果性指标影响的关联系数，
Figure 274575DEST_PATH_IMAGE006
；
模型求解单元，用于对岭回归关联模型进行求解，得到各过程指标的关联系数；
贡献度计算单元，用于根据各过程指标的关联系数计算各过程指标的贡献度。
可选地，模型求解单元具体用于：
对岭回归关联模型求平均并消去不可观测项过程指标数据，得到平均岭回归关联模型；
根据过程指标和结果性指标的历史数据分别构建样本资料矩阵和结果性指标向量；
建立约束条件：
Figure 813004DEST_PATH_IMAGE028
其中，
Figure 463297DEST_PATH_IMAGE008
为事先给定的调节系数，
Figure 745374DEST_PATH_IMAGE009
为结果性指标的第i个历史数据值，
Figure 243351DEST_PATH_IMAGE010
为第d个过程指标的第i个历史数据值，n为结果性指标的数据值数量；
根据样本资料矩阵、结果性指标向量和约束条件求解平均岭回归关联模型，平均岭回归关联模型的解公式为：
Figure 936370DEST_PATH_IMAGE011
其中，
Figure 90271DEST_PATH_IMAGE012
为
Figure 972776DEST_PATH_IMAGE013
~
Figure 512211DEST_PATH_IMAGE014
的故障停电影响过程指标对结果性指标影响的关联系数的回归估计值矩阵，I为
Figure 126863DEST_PATH_IMAGE015
的单位矩阵，C为样本资料矩阵，
Figure 751748DEST_PATH_IMAGE016
为C的转置，Y为结果性指标矩阵。
可选地，根据各过程指标的关联系数计算各过程指标的贡献度的计算公式为：
Figure 375627DEST_PATH_IMAGE017
其中，
Figure 582618DEST_PATH_IMAGE018
为第j个过程指标的贡献度。
可选地，过程指标包括：故障停电平均持续时间、故障停电平均用户数、故障停电用户平均停电次数和故障停电用户平均每次停电时间，结果性指标为：用户平均故障停电时间。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供的配电网用户故障停电影响分析方法，选取反映配电网故障停电影响特征的过程指标和结果性指标，收集电力企业的过程指标和结果性指标的历史数据，建立过程指标和结果性指标的岭回归关联模型，可以同时处理历史数据量较少或充分的情形，摆脱对历史数据量有较高要求的限制，通过求解岭回归关联模型，得到各过程指标的关联系数，进一步可计算各过程指标的贡献度，从而分析故障停电过程指标对结果性指标的影响，能够定量的发现各过程指标对结果性指标的作用规律和贡献程度，提高了配电网故障停电影响分析模型的客观性及稳健性，解决了现有的配电网故障停电影响分析方法采用层次分析法和熵权法确定权重的灰色关联分析方法，在分析配网故障停电影响时，对多元化过程指标的协同性考虑不足、对过程指标贡献度相关的历史数据使用程度不足，较难获得有针对性、足够客观的分析模型，难以为配电网可靠性重点提升方向提供指导的技术问题。
附图说明
图1为本发明实施例中提供的一种配电网用户故障停电影响分析方法的流程示意图；
图2为本发明实施例中提供的一种配电网用户故障停电影响分析系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了便于理解，请参阅图1，本发明中提供了一种配电网用户故障停电影响分析方法的实施例，包括：
步骤101、采集电力企业的反映配电网故障停电影响特征的过程指标和结果性指标的历史数据。
本发明实施例中，首先选取出能够反映配电网故障停电影响特征的过程指标和结果性指标，然后采集电力企业的过程指标和结果性指标的历史数据。过程指标包括：故障停电平均持续时间、故障停电平均用户数、故障停电用户平均停电次数和故障停电用户平均每次停电时间，结果性指标为：用户平均故障停电时间。
在一个实施例中，为降低数据处理复杂度，可以对历史数据进行零一标准化处理。标准化处理公式为：
Figure 906455DEST_PATH_IMAGE019
其中，
Figure 769369DEST_PATH_IMAGE020
为对
Figure 993677DEST_PATH_IMAGE021
标准化后的数据值，
Figure 507704DEST_PATH_IMAGE021
为指标x第m年的数据值，
Figure 729738DEST_PATH_IMAGE022
为指标x的若干年数据的平均值，
Figure 63636DEST_PATH_IMAGE023
为指标x的若干年数据的标准差，
Figure 216269DEST_PATH_IMAGE024
。
在一个实施例中，对历史数据进行标准化的方式也可以采用极差标准化处理：
Figure 522485DEST_PATH_IMAGE029
其中，
Figure 102371DEST_PATH_IMAGE020
为对
Figure 126828DEST_PATH_IMAGE021
标准化后的数据值，
Figure 630621DEST_PATH_IMAGE021
为选定指标x第m年的数据值，
Figure 853661DEST_PATH_IMAGE030
表示指标x的若干年数据的最大值，
Figure 417498DEST_PATH_IMAGE031
表示指标x的若干年数据的最小值。
步骤102、根据过程指标和结果性指标的历史数据构建岭回归关联模型。
本发明实施例中，构建的岭回归关联模型为：
Figure 725988DEST_PATH_IMAGE001
其中，y为结果性指标（即用户平均故障停电时间），
Figure 33473DEST_PATH_IMAGE002
为所选的全体过程指标，
Figure 376598DEST_PATH_IMAGE003
为反映数据来源的配电网自身所具有的基准结果性指标，
Figure 111336DEST_PATH_IMAGE004
为不可观测项过程指标数据（即其它未被纳入过程指标但对结果性指标y有潜在影响的指标及误差），
Figure 907123DEST_PATH_IMAGE005
为第j个过程指标对结果性指标影响的关联系数，
Figure 752719DEST_PATH_IMAGE006
。
步骤103、对岭回归关联模型进行求解，得到各过程指标的关联系数。
构建好岭回归关联模型之后，利用过程指标和结果性指标的历史数据可求解各过程指标的关联系数，即计算出岭回归关联模型的故障停电影响过程指标对结果性指标影响的关联系数的回归估计值
Figure 950351DEST_PATH_IMAGE032
。回归估计值
Figure 855990DEST_PATH_IMAGE032
如果为0，则表明对应的故障停电影响过程指标对结果性指标（即用户平均故障停电时间）无影响，如果回归估计值
Figure 139073DEST_PATH_IMAGE032
为负数，则表明对应的故障停电影响过程指标对结果性指标的大小有反向效果，如果回归估计值
Figure 788360DEST_PATH_IMAGE032
为正数，则表明对应的故障停电影响过程指标对结果性指标的大小有正向效果。
步骤104、根据各过程指标的关联系数计算各过程指标的贡献度。
采用单位自变量指标变化对因变量指标变化的加权平均值作为贡献度指标，因而，在得到各过程指标的关联系数之后，可以计算各过程指标的贡献度：
Figure 106078DEST_PATH_IMAGE017
其中，
Figure 244935DEST_PATH_IMAGE018
为第j个过程指标的贡献度。
Figure 500467DEST_PATH_IMAGE018
的大小代表第j个过程指标对结果性指标的影响程度大小，取值越大，说明对结果性指标的影响程度越大。
本发明实施例提供的配电网用户故障停电影响分析方法，选取反映配电网故障停电影响特征的过程指标和结果性指标，收集电力企业的过程指标和结果性指标的历史数据，建立过程指标和结果性指标的岭回归关联模型，可以同时处理历史数据量较少或充分的情形，摆脱对历史数据量有较高要求的限制，通过求解岭回归关联模型，得到各过程指标的关联系数，进一步可计算各过程指标的贡献度，从而分析故障停电过程指标对结果性指标的影响，能够定量的发现各过程指标对结果性指标的作用规律和贡献程度，提高了配电网故障停电影响分析模型的客观性及稳健性，解决了现有的配电网故障停电影响分析方法采用层次分析法和熵权法确定权重的灰色关联分析方法，在分析配网故障停电影响时，对多元化过程指标的协同性考虑不足、对过程指标贡献度相关的历史数据使用程度不足，较难获得有针对性、足够客观的分析模型，难以为配电网可靠性重点提升方向提供指导的技术问题。
在一个实施例中，对岭回归关联模型进行求解，得到各过程指标的关联系数的具体过程可以表示为：
对岭回归关联模型求平均并消去不可观测项过程指标数据
Figure 202713DEST_PATH_IMAGE004
，得到平均岭回归关联模型：
Figure 187986DEST_PATH_IMAGE033
其中，
Figure 435428DEST_PATH_IMAGE034
为结果性指标的平均值，反映配电网运行的平均可靠性状态。
根据过程指标和结果性指标的历史数据分别构建样本资料矩阵和结果性指标向量：
由d个过程指标的n个数据值构成样本资料矩阵C：
Figure 427523DEST_PATH_IMAGE035
其中，
Figure 480930DEST_PATH_IMAGE036
为第j个过程指标的第i个历史数据值，i=(1,2,...,n)，j=(1,2,...,d)。
对应岭回归关联模型中结果性指标的n个数据值构成结果性指标向量：
Figure 258393DEST_PATH_IMAGE037
其中，
Figure 926004DEST_PATH_IMAGE009
表示结果性指标的第i个历史数据值。
建立约束条件：
Figure 484024DEST_PATH_IMAGE038
其中，
Figure 13226DEST_PATH_IMAGE008
为事先给定的调节系数，
Figure 160042DEST_PATH_IMAGE009
为结果性指标的第i个历史数据值，
Figure 749286DEST_PATH_IMAGE010
为第d个过程指标的第i个历史数据值，n为结果性指标的数据值数量；
根据样本资料矩阵、结果性指标向量和约束条件求解平均岭回归关联模型，平均岭回归关联模型的解公式为：
Figure 529023DEST_PATH_IMAGE011
其中，
Figure 111183DEST_PATH_IMAGE012
为
Figure 863239DEST_PATH_IMAGE013
~
Figure 872652DEST_PATH_IMAGE014
的故障停电影响过程指标对结果性指标影响的关联系数的回归估计值矩阵，I为
Figure 77368DEST_PATH_IMAGE015
的单位矩阵，C为样本资料矩阵，
Figure 463219DEST_PATH_IMAGE016
为C的转置，Y为结果性指标矩阵。
在一个实施例中，还可以对岭回归关联模型进行拟合优度评估，拟合优度评估公式为：
Figure 69781DEST_PATH_IMAGE025
其中，
Figure 250095DEST_PATH_IMAGE026
是基于岭回归关联模型的结果性指标的模型值，
Figure 4425DEST_PATH_IMAGE027
为结果性指标的样本平均值。当
Figure 944699DEST_PATH_IMAGE039
时即可认为关联模型刻画达到所需精度，其中，阈值0.6可根据实际数量结合专家意见进行调整。
与现有技术相比，本发明具有以下优点：
利用岭回归算法构建关联模型可避免历史数据量较少等数据质量问题所带来的关联模型的欠精准性，在提高配电网故障停电影响结果性指标分解的客观性和可靠性的同时，也可以及时地反馈故障停电影响过程指标对结果性指标的贡献度。
融合了配电网故障停电影响结果性指标和过程指标的历史记录以及正则化回归算法理论，可全面挖掘故障停电影响指标之间的作用关系。通过关联模型的构建，定量反映配电网故障停电过程管控水平，可为电网公司了解故障停电影响过程指标对配电网故障复电成效的贡献度提供客观精准的关联模型，为明确故障快速复电重点提升方向提供决策依据。
为了便于理解，请参阅图2，本发明中提供了一种配电网用户故障停电影响分析系统的实施例，包括：
数据采集单元201，用于采集电力企业的反映配电网故障停电影响特征的过程指标和结果性指标的历史数据；
模型构建单元202，用于根据过程指标和结果性指标的历史数据构建岭回归关联模型，构建的岭回归关联模型为：
Figure 655035DEST_PATH_IMAGE001
，其中，y为结果性指标，
Figure 756983DEST_PATH_IMAGE002
为所选的全体过程指标，
Figure 185559DEST_PATH_IMAGE003
为反映数据来源的配电网自身所具有的基准结果性指标，
Figure 663945DEST_PATH_IMAGE004
为不可观测项过程指标数据，
Figure 166471DEST_PATH_IMAGE005
为第j个过程指标对结果性指标影响的关联系数，
Figure 954167DEST_PATH_IMAGE006
；
模型求解单元203，用于对岭回归关联模型进行求解，得到各过程指标的关联系数；
贡献度计算单元204，用于根据各过程指标的关联系数计算各过程指标的贡献度。
模型求解单元203具体用于：
对岭回归关联模型求平均并消去不可观测项过程指标数据，得到平均岭回归关联模型；
根据过程指标和结果性指标的历史数据分别构建样本资料矩阵和结果性指标向量；
建立约束条件：
Figure 355192DEST_PATH_IMAGE007
其中，
Figure 699586DEST_PATH_IMAGE008
为事先给定的调节系数，
Figure 118935DEST_PATH_IMAGE009
为结果性指标的第i个历史数据值，
Figure 828265DEST_PATH_IMAGE010
为第d个过程指标的第i个历史数据值，n为结果性指标的数据值数量；
根据样本资料矩阵、结果性指标向量和约束条件求解平均岭回归关联模型，平均岭回归关联模型的解公式为：
Figure 965854DEST_PATH_IMAGE011
其中，
Figure 848360DEST_PATH_IMAGE012
为
Figure 138527DEST_PATH_IMAGE013
~
Figure 268026DEST_PATH_IMAGE014
的故障停电影响过程指标对结果性指标影响的关联系数的回归估计值矩阵，I为
Figure 643643DEST_PATH_IMAGE015
的单位矩阵，C为样本资料矩阵，
Figure 329839DEST_PATH_IMAGE016
为C的转置，Y为结果性指标矩阵。
根据各过程指标的关联系数计算各过程指标的贡献度的计算公式为：
Figure 723781DEST_PATH_IMAGE017
其中，
Figure 774913DEST_PATH_IMAGE018
为第j个过程指标的贡献度。
过程指标包括：故障停电平均持续时间、故障停电平均用户数、故障停电用户平均停电次数和故障停电用户平均每次停电时间，结果性指标为：用户平均故障停电时间。
本发明实施例中提供的配电网用户故障停电影响分析系统，用于执行前述实施例中的配电网用户故障停电影响分析方法，其工作原理与前述实施例中的配电网用户故障停电影响分析方法相同，可取得相同的技术效果，在此不再进行赘述。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种配电网用户故障停电影响分析方法，其特征在于，包括：
采集电力企业的反映配电网故障停电影响特征的过程指标和结果性指标的历史数据；
根据过程指标和结果性指标的历史数据构建岭回归关联模型，构建的岭回归关联模型为：
Figure 107830DEST_PATH_IMAGE001
，其中，y为结果性指标，
Figure 962654DEST_PATH_IMAGE002
为所选的全体过程指标，
Figure 742391DEST_PATH_IMAGE003
为反映数据来源的配电网自身所具有的基准结果性指标，
Figure 324551DEST_PATH_IMAGE004
为不可观测项过程指标数据，
Figure 138923DEST_PATH_IMAGE005
为第j个过程指标对结果性指标影响的关联系数，
Figure 899069DEST_PATH_IMAGE006
；
对岭回归关联模型进行求解，得到各过程指标的关联系数；
根据各过程指标的关联系数计算各过程指标的贡献度。
2.根据权利要求1所述的配电网用户故障停电影响分析方法，其特征在于，对岭回归关联模型进行求解，得到各过程指标的关联系数，包括：
对岭回归关联模型求平均并消去不可观测项过程指标数据，得到平均岭回归关联模型；
根据过程指标和结果性指标的历史数据分别构建样本资料矩阵和结果性指标向量；
建立约束条件：
Figure 166102DEST_PATH_IMAGE007
其中，
Figure 551953DEST_PATH_IMAGE008
为事先给定的调节系数，
Figure 220832DEST_PATH_IMAGE009
为结果性指标的第i个历史数据值，
Figure 151878DEST_PATH_IMAGE010
为第d个过程指标的第i个历史数据值，n为结果性指标的数据值数量；
根据样本资料矩阵、结果性指标向量和约束条件求解平均岭回归关联模型，平均岭回归关联模型的解公式为：
Figure 906208DEST_PATH_IMAGE011
其中，
Figure 830170DEST_PATH_IMAGE012
为
Figure 291239DEST_PATH_IMAGE013
~
Figure 908034DEST_PATH_IMAGE014
的故障停电影响过程指标对结果性指标影响的关联系数的回归估计值矩阵，I为
Figure 87342DEST_PATH_IMAGE015
的单位矩阵，C为样本资料矩阵，
Figure 549417DEST_PATH_IMAGE016
为C的转置，Y为结果性指标矩阵。
3.根据权利要求2所述的配电网用户故障停电影响分析方法，其特征在于，根据各过程指标的关联系数计算各过程指标的贡献度的计算公式为：
Figure 192887DEST_PATH_IMAGE017
其中，
Figure 465737DEST_PATH_IMAGE018
为第j个过程指标的贡献度。
4.根据权利要求1所述的配电网用户故障停电影响分析方法，其特征在于，在根据过程指标和结果性指标的历史数据构建岭回归关联模型之前，还包括：
对过程指标和结果性指标的历史数据进行标准化处理，标准化处理公式为：
Figure 194659DEST_PATH_IMAGE019
其中，
Figure 460424DEST_PATH_IMAGE020
为对
Figure 958401DEST_PATH_IMAGE021
标准化后的数据值，
Figure 667731DEST_PATH_IMAGE021
为指标x第m年的数据值，
Figure 618370DEST_PATH_IMAGE022
为指标x的若干年数据的平均值，
Figure 687826DEST_PATH_IMAGE023
为指标x的若干年数据的标准差，
Figure 977993DEST_PATH_IMAGE024
。
5.根据权利要求1所述的配电网用户故障停电影响分析方法，其特征在于，过程指标包括：故障停电平均持续时间、故障停电平均用户数、故障停电用户平均停电次数和故障停电用户平均每次停电时间，结果性指标为：用户平均故障停电时间。
6.根据权利要求3所述的配电网用户故障停电影响分析方法，其特征在于，对岭回归关联模型进行拟合优度评估，拟合优度评估公式为：
Figure 920541DEST_PATH_IMAGE025
其中，
Figure 545426DEST_PATH_IMAGE026
是基于岭回归关联模型的结果性指标的模型值，
Figure 966043DEST_PATH_IMAGE027
为结果性指标的样本平均值。
7.一种配电网用户故障停电影响分析系统，其特征在于，包括：
数据采集单元，用于采集电力企业的反映配电网故障停电影响特征的过程指标和结果性指标的历史数据；
模型构建单元，用于根据过程指标和结果性指标的历史数据构建岭回归关联模型，构建的岭回归关联模型为：
Figure 376296DEST_PATH_IMAGE001
，其中，y为结果性指标，
Figure 489745DEST_PATH_IMAGE002
为所选的全体过程指标，
Figure 601927DEST_PATH_IMAGE003
为反映数据来源的配电网自身所具有的基准结果性指标，
Figure 826235DEST_PATH_IMAGE004
为不可观测项过程指标数据，
Figure 825415DEST_PATH_IMAGE005
为第j个过程指标对结果性指标影响的关联系数，
Figure 109766DEST_PATH_IMAGE006
；
模型求解单元，用于对岭回归关联模型进行求解，得到各过程指标的关联系数；
贡献度计算单元，用于根据各过程指标的关联系数计算各过程指标的贡献度。
8.根据权利要求7所述的配电网用户故障停电影响分析系统，其特征在于，模型求解单元具体用于：
对岭回归关联模型求平均并消去不可观测项过程指标数据，得到平均岭回归关联模型；
根据过程指标和结果性指标的历史数据分别构建样本资料矩阵和结果性指标向量；
建立约束条件：
Figure 709243DEST_PATH_IMAGE007
其中，
Figure 737242DEST_PATH_IMAGE008
为事先给定的调节系数，
Figure 856508DEST_PATH_IMAGE009
为结果性指标的第i个历史数据值，
Figure 256569DEST_PATH_IMAGE010
为第d个过程指标的第i个历史数据值，n为结果性指标的数据值数量；
根据样本资料矩阵、结果性指标向量和约束条件求解平均岭回归关联模型，平均岭回归关联模型的解公式为：
Figure 156392DEST_PATH_IMAGE011
其中，
Figure 660185DEST_PATH_IMAGE012
为
Figure 961854DEST_PATH_IMAGE013
~
Figure 509379DEST_PATH_IMAGE014
的故障停电影响过程指标对结果性指标影响的关联系数的回归估计值矩阵，I为
Figure 896498DEST_PATH_IMAGE015
的单位矩阵，C为样本资料矩阵，
Figure 203982DEST_PATH_IMAGE016
为C的转置，Y为结果性指标矩阵。
9.根据权利要求8所述的配电网用户故障停电影响分析系统，其特征在于，根据各过程指标的关联系数计算各过程指标的贡献度的计算公式为：
Figure 94578DEST_PATH_IMAGE017
其中，
Figure 78583DEST_PATH_IMAGE018
为第j个过程指标的贡献度。
10.根据权利要求7所述的配电网用户故障停电影响分析系统，其特征在于，过程指标包括：故障停电平均持续时间、故障停电平均用户数、故障停电用户平均停电次数和故障停电用户平均每次停电时间，结果性指标为：用户平均故障停电时间。
CN202111358518.9A 2021-11-17 2021-11-17 一种配电网用户故障停电影响分析方法和系统 Active CN113793077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111358518.9A CN113793077B (zh) 2021-11-17 2021-11-17 一种配电网用户故障停电影响分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111358518.9A CN113793077B (zh) 2021-11-17 2021-11-17 一种配电网用户故障停电影响分析方法和系统

Publications (2)

Publication Number Publication Date
CN113793077A true CN113793077A (zh) 2021-12-14
CN113793077B CN113793077B (zh) 2022-03-15

Family

ID=78877288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111358518.9A Active CN113793077B (zh) 2021-11-17 2021-11-17 一种配电网用户故障停电影响分析方法和系统

Country Status (1)

Country Link
CN (1) CN113793077B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116627116A (zh) * 2023-07-26 2023-08-22 沈阳仪表科学研究院有限公司 一种流程工业故障定位方法、系统及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040153815A1 (en) * 2002-10-31 2004-08-05 Volponi Allan J. Methodology for temporal fault event isolation and identification
CN102013085A (zh) * 2010-12-14 2011-04-13 天津市电力公司 配电网可靠性评价方法
JP2016179787A (ja) * 2015-03-25 2016-10-13 オートリブ日信ブレーキシステムジャパン株式会社 ブレーキ制御システム
CN111415068A (zh) * 2020-02-28 2020-07-14 国网福建省电力有限公司厦门供电公司 基于改造措施与失负荷量指标关联性的配电决策建模方法
CN112330121A (zh) * 2020-10-28 2021-02-05 广东电网有限责任公司佛山供电局 一种配电网自动化建设投资效益评估方法
CN112446599A (zh) * 2020-11-19 2021-03-05 广东电网有限责任公司 一种供电可靠性指标的预测方法、装置、设备和存储介质
CN112651651A (zh) * 2020-12-30 2021-04-13 广东电网有限责任公司电力科学研究院 一种基于特征提取和套索回归的投资效益评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040153815A1 (en) * 2002-10-31 2004-08-05 Volponi Allan J. Methodology for temporal fault event isolation and identification
CN102013085A (zh) * 2010-12-14 2011-04-13 天津市电力公司 配电网可靠性评价方法
JP2016179787A (ja) * 2015-03-25 2016-10-13 オートリブ日信ブレーキシステムジャパン株式会社 ブレーキ制御システム
CN111415068A (zh) * 2020-02-28 2020-07-14 国网福建省电力有限公司厦门供电公司 基于改造措施与失负荷量指标关联性的配电决策建模方法
CN112330121A (zh) * 2020-10-28 2021-02-05 广东电网有限责任公司佛山供电局 一种配电网自动化建设投资效益评估方法
CN112446599A (zh) * 2020-11-19 2021-03-05 广东电网有限责任公司 一种供电可靠性指标的预测方法、装置、设备和存储介质
CN112651651A (zh) * 2020-12-30 2021-04-13 广东电网有限责任公司电力科学研究院 一种基于特征提取和套索回归的投资效益评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116627116A (zh) * 2023-07-26 2023-08-22 沈阳仪表科学研究院有限公司 一种流程工业故障定位方法、系统及电子设备
CN116627116B (zh) * 2023-07-26 2023-10-20 沈阳仪表科学研究院有限公司 一种流程工业故障定位方法、系统及电子设备

Also Published As

Publication number Publication date
CN113793077B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN108593990B (zh) 一种基于电能用户用电行为模式的窃电检测方法和应用
CN108520357B (zh) 一种线损异常原因的判别方法、装置及服务器
CN112381476B (zh) 用于确定状态异常的电能表的方法及装置
CN110222991B (zh) 基于rf-gbdt的计量装置故障诊断方法
CN107491970B (zh) 实时反作弊检测监控方法和系统以及计算设备
CN109389145B (zh) 基于计量大数据聚类模型的电能表生产厂商评价方法
CN111693931A (zh) 智能电能表误差远程计算方法、装置和计算机设备
CN112633421A (zh) 一种用户异常用电行为检测方法及装置
CN112819312B (zh) 气候变化情景下干旱社会经济暴露度评估方法和系统
CN112734128A (zh) 一种基于优化rbf的7日电力负荷峰值预测方法
KR101953558B1 (ko) 스마트 기기 결함 관리 장치 및 방법
CN113793077B (zh) 一种配电网用户故障停电影响分析方法和系统
CN116345700B (zh) 一种用于储能电站的能耗监测方法及监测系统
CN110852906B (zh) 一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统
CN111967717A (zh) 一种基于信息熵值的数据质量评价方法
CN112330121A (zh) 一种配电网自动化建设投资效益评估方法
CN117113202A (zh) 基于联合误差堆叠模型的电力回路能耗检测方法及设备
CN117277435A (zh) 一种光伏逆变器的健康评估方法、系统及装置
CN117611190A (zh) 一种区域电力系统碳排放测算方法、装置及介质
CN115905319A (zh) 一种海量用户电费异常的自动识别方法及系统
CN113807743A (zh) 一种电网调度自动化软件可靠性评估方法及系统
CN117472898B (zh) 一种基于融合的配电网异常数据纠错方法及系统
Yang et al. Synchronous Line Loss Rate Analysis of Transformer District Based on K-Modes Clustering Algorithm and Deep Belief Network
CN113327044B (zh) 一种能量枢纽的协同运行质量分析系统
CN117495435B (zh) 基于fig-irelm的售电量区间预测方法和装置

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