CN113836108A - 一种基于大数据的配网低电压问题治理方法及系统 - Google Patents

一种基于大数据的配网低电压问题治理方法及系统 Download PDF

Info

Publication number
CN113836108A
CN113836108A CN202111427656.8A CN202111427656A CN113836108A CN 113836108 A CN113836108 A CN 113836108A CN 202111427656 A CN202111427656 A CN 202111427656A CN 113836108 A CN113836108 A CN 113836108A
Authority
CN
China
Prior art keywords
voltage
value
low voltage
user
low
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
CN202111427656.8A
Other languages
English (en)
Other versions
CN113836108B (zh
Inventor
欧阳文华
徐在德
蒙天骐
戚沁雅
邓志祥
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
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi 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, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111427656.8A priority Critical patent/CN113836108B/zh
Publication of CN113836108A publication Critical patent/CN113836108A/zh
Application granted granted Critical
Publication of CN113836108B publication Critical patent/CN113836108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • 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
    • G06F16/2471—Distributed queries
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于大数据的配网低电压问题治理方法及系统，方法包括：基于电力数据中台获取配变数据，使得到电网低电压的影响指标；将电网低电压的影响指标输入至预设的低电压量化模型中，使获取影响指标的量化结果；对量化结果进行标准化操作，使得到量化结果的标准值；基于量化结果的标准值计算影响指标的信息熵；根据获取的影响指标的信息熵基于熵值法计算影响指标的权重；根据影响指标的量化结果以及影响指标的权重计算台区低电压综合评分；根据台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。可以直接定位低电压发生的原因，解决了原来运维人员无法按照轻重缓急解决低电压问题的难题，极大的提升客户的用电感受。

Description

一种基于大数据的配网低电压问题治理方法及系统
技术领域
本发明属于配电网技术领域，尤其涉及一种基于大数据的配网低电压问题治理方法及系统。
背景技术
电压质量是供电部门向用户提供优质服务的一项重要指标，而配网作为供电部门直接面向用户的一个环节，配电网的低电压问题是供电服务的矛盾核心。所有的低压问题最终都体现在用户端，即无论是台区出口低电压、供电半径过长、三相不平衡等可能导致用户低电压的各类因素与用户低电压程度成正相关性，因此从用户侧低电压数据来量化电网低压问题可以客观的反映一个台区低电压问题的严重程度。
供电部门为履行好社会责任，提高用户用电满意度，花费了大量人力物力开展低电压治理，包括线路切改、台区改造、配网工程建设等，但仍然存在一些问题，主要集中在：一是统计难，配网设备点多面广问题繁多；二是量化难，问题严重性无法量化排序；三是决策难，缺乏有效的方法优先解决突出问题。
发明内容
本发明提供一种基于大数据的配网低电压问题治理方法及系统，用于至少解决上述技术问题之一。
第一方面，本发明提供一种基于大数据的配网低电压问题治理方法，包括：基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比，其中，所述配变数据包括通过数据同步技术获取存储在关系型数据库PostgreSQL的配变数据、用户台帐类表的数据，通过大数据仓库工具及JDBC客户端获取存储在分布式列数据库HBase的量测类数据以及存储在分布式文件系统Hdoop的配电网台区拓扑数据；将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果，其中，所述量化结果包括用户低电压最低值的累积得分、所述用户低电压平均值的累积得分以及所述用户低电压累积时长的累积得分；对所述量化结果进行标准化操作，使得到量化结果的标准值，其中，进行标准化操作的表达式为：
Figure 210303DEST_PATH_IMAGE001
，式中，
Figure 148827DEST_PATH_IMAGE002
为第
Figure 528993DEST_PATH_IMAGE003
个台区第
Figure 575447DEST_PATH_IMAGE004
个指标的正向标准化值，
Figure 357458DEST_PATH_IMAGE005
为第
Figure 729533DEST_PATH_IMAGE003
个台区第
Figure 596995DEST_PATH_IMAGE004
个指标的初始值，
Figure 447140DEST_PATH_IMAGE006
为第
Figure 614816DEST_PATH_IMAGE004
个指标的最小值，
Figure 423372DEST_PATH_IMAGE007
为第
Figure 46639DEST_PATH_IMAGE004
个指标的最大值，
Figure 700474DEST_PATH_IMAGE008
为第
Figure 784973DEST_PATH_IMAGE003
个台区第
Figure 498851DEST_PATH_IMAGE004
个指标的负向标准化值；基于所述量化结果的标准值计算所述影响指标的信息熵，其中，计算所述影响指标的信息熵的表达式为：
Figure 606485DEST_PATH_IMAGE009
，
Figure 798432DEST_PATH_IMAGE010
，
Figure 143962DEST_PATH_IMAGE011
，式中，
Figure 28742DEST_PATH_IMAGE012
为第
Figure 107161DEST_PATH_IMAGE004
个指标的信息熵，
Figure 633957DEST_PATH_IMAGE013
为指标的数量，
Figure 99574DEST_PATH_IMAGE014
为台区的数量，
Figure 155254DEST_PATH_IMAGE015
为
Figure 971901DEST_PATH_IMAGE016
或
Figure 302388DEST_PATH_IMAGE017
，
Figure 622511DEST_PATH_IMAGE016
为正向的第
Figure 849093DEST_PATH_IMAGE004
个指标占第
Figure 624806DEST_PATH_IMAGE003
个台区指标的比重，
Figure 962247DEST_PATH_IMAGE017
为负向的第
Figure 402456DEST_PATH_IMAGE004
个指标占第
Figure 799939DEST_PATH_IMAGE003
个台区指标的比重；根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重，其中，计算所述影响指标的权重的表达式为：
Figure 591177DEST_PATH_IMAGE018
，式中，
Figure 732309DEST_PATH_IMAGE019
为第
Figure 292603DEST_PATH_IMAGE004
个指标的权重；根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分，其中，计算台区低电压综合评分的表达式为：
Figure 595408DEST_PATH_IMAGE020
，式中，
Figure 408031DEST_PATH_IMAGE021
为第
Figure 352853DEST_PATH_IMAGE022
项指标的累积得分；根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
第二方面，本发明提供一种基于大数据的配网低电压问题治理系统，获取模块，配置为基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比，其中，所述配变数据包括通过数据同步技术获取存储在关系型数据库PostgreSQL的配变数据、用户台帐类表的数据，通过大数据仓库工具及JDBC客户端获取存储在分布式列数据库HBase的量测类数据以及存储在分布式文件系统Hdoop的配电网台区拓扑数据；输出模块，配置为将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果，其中，所述量化结果包括用户低电压最低值的累积得分、所述用户低电压平均值的累积得分以及所述用户低电压累积时长的累积得分；标准化模块，配置为对所述量化结果进行标准化操作，使得到量化结果的标准值，其中，进行标准化操作的表达式为：
Figure 502075DEST_PATH_IMAGE001
，式中，
Figure 975782DEST_PATH_IMAGE002
为第
Figure 476033DEST_PATH_IMAGE003
个台区第
Figure 693388DEST_PATH_IMAGE004
个指标的正向标准化值，
Figure 697116DEST_PATH_IMAGE005
为第
Figure 341724DEST_PATH_IMAGE003
个台区第
Figure 798113DEST_PATH_IMAGE004
个指标的初始值，
Figure 819159DEST_PATH_IMAGE006
为第
Figure 942972DEST_PATH_IMAGE004
个指标的最小值，
Figure 26991DEST_PATH_IMAGE007
为第
Figure 970676DEST_PATH_IMAGE004
个指标的最大值，
Figure 529833DEST_PATH_IMAGE008
为第
Figure 242574DEST_PATH_IMAGE003
个台区第
Figure 494564DEST_PATH_IMAGE004
个指标的负向标准化值；第一计算模块，配置为基于所述量化结果的标准值计算所述影响指标的信息熵，其中，计算所述影响指标的信息熵的表达式为：
Figure 191124DEST_PATH_IMAGE009
，
Figure 288393DEST_PATH_IMAGE010
，
Figure 121220DEST_PATH_IMAGE011
，式中，
Figure 278532DEST_PATH_IMAGE012
为第
Figure 462389DEST_PATH_IMAGE004
个指标的信息熵，
Figure 363349DEST_PATH_IMAGE013
为指标的数量，
Figure 316261DEST_PATH_IMAGE014
为台区的数量，
Figure 901265DEST_PATH_IMAGE023
为
Figure 306838DEST_PATH_IMAGE016
或
Figure 11489DEST_PATH_IMAGE017
，
Figure 818908DEST_PATH_IMAGE016
为正向的第
Figure 318022DEST_PATH_IMAGE004
个指标占第
Figure 210892DEST_PATH_IMAGE003
个台区指标的比重，
Figure 188075DEST_PATH_IMAGE017
为负向的第
Figure 115580DEST_PATH_IMAGE004
个指标占第
Figure 51175DEST_PATH_IMAGE003
个台区指标的比重；第二计算模块，配置为根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重，其中，计算所述影响指标的权重的表达式为：
Figure 431341DEST_PATH_IMAGE018
，式中，
Figure 212215DEST_PATH_IMAGE019
为第
Figure 994226DEST_PATH_IMAGE004
个指标的权重；第三计算模块，配置为根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分，其中，计算台区低电压综合评分的表达式为：
Figure 835143DEST_PATH_IMAGE020
，式中，
Figure 705535DEST_PATH_IMAGE021
为第
Figure 555679DEST_PATH_IMAGE022
项指标的累积得分；治理模块，配置为根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的基于大数据的配网低电压问题治理方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的基于大数据的配网低电压问题治理方法的步骤。
本申请的基于大数据的配网低电压问题治理方法及系统，从数据中台获取计算所需数据，包括配变出口电压数据、三相负载率、变户关系拓扑数据、HPLC表电压数据，并对数据进行预处理，剔除数据缺失的配变、户表，并根据用户侧低压问题，即HPLC表低压数据，溯源其所属配变，以配变为单元对用户低压问题进行量化评分，然后基于配变低电压量化评分，以所有配变月度得分为特征向量利用机器学习将其进行聚类分析，最后根据聚类分析结果，利用熵值法确定各个影响指标的权重，更加客观的反应各项指标的影响力度，结合配变的出口电压对低电压问题的治理手段提供建议。相比于现有的技术单纯依靠问题数量、工单情况或者人为主观的判断，本方法通过用户侧数据建模，从用电端的角度用数据体现需解决问题的轻重缓急，更加客观准确。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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一种基于大数据的配网低电压问题治理方法的流程图；
图2为本发明一实施例提供的又一种基于大数据的配网低电压问题治理方法的流程图；
图3为本发明一实施例提供的一种基于大数据的配网低电压问题治理系统的结构框图；
图4是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
请参阅图1，其示出了本申请的一种基于大数据的配网低电压问题治理方法的流程图。
如图1所示，在步骤S101中，基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比。
在本实施例中，通过电力数据中台获取配变数据，所述配变数据包括通过OGG（Oracle Golden Gate）获取存储在关系型数据库PostgreSQL的配变数据、用户台帐类表的数据，通过Hive（大数据仓库工具）及beeline（HiveServer2的JDBC客户端）获取存储在分布式列数据库HBase的量测类数据以及存储在分布式文件系统Hdoop的配电网台区拓扑数据，区别于现有的配电数据通过各信息系统数据库分别获取或者线下的获取方式，使得具备更加高效、高实时、高可靠性。
在步骤S102中，将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果。
在本实施例中，所述量化结果包括用户低电压最低值的累积得分、所述用户低电压平均值的累积得分以及所述用户低电压累积时长的累积得分。
在步骤S103中，对所述量化结果进行标准化操作，使得到量化结果的标准值。
在本实施例中，对台区内用户低电压最低值的累积得分、台区内用户低电压平均值的累积得分以及台区内用户低电压累积时长的累积得分进行标准化操作，使分别得到台区内用户低电压最低值的标准值、台区内用户低电压平均值的标准值以及台区内用户低电压累积时长的标准值，其中，进行标准化操作的表达式为：
Figure 926618DEST_PATH_IMAGE001
，
式中，
Figure 469594DEST_PATH_IMAGE002
为第
Figure 558773DEST_PATH_IMAGE003
个台区第
Figure 947029DEST_PATH_IMAGE004
个指标的正向标准化值，
Figure 172474DEST_PATH_IMAGE005
为第
Figure 886352DEST_PATH_IMAGE003
个台区第
Figure 728406DEST_PATH_IMAGE004
个指标的初始值，
Figure 920353DEST_PATH_IMAGE006
为第
Figure 265884DEST_PATH_IMAGE004
个指标的最小值，
Figure 419172DEST_PATH_IMAGE007
为第
Figure 217364DEST_PATH_IMAGE004
个指标的最大值，
Figure 213002DEST_PATH_IMAGE008
为第
Figure 678618DEST_PATH_IMAGE003
个台区第
Figure 734299DEST_PATH_IMAGE004
个指标的负向标准化值。
在步骤S104中，基于所述量化结果的标准值计算所述影响指标的信息熵。
在本实施例中，基于台区内用户低电压最低值的标准值、台区内用户低电压平均值的标准值以及台区内用户低电压累积时长的标准值分别计算台区内用户低电压最低值的信息熵、台区内用户低电压平均值的信息熵以及台区内用户低电压累积时长的信息熵，其中，分别计算台区内用户低电压最低值的信息熵、台区内用户低电压平均值的信息熵以及台区内用户低电压累积时长的信息熵的表达式为：
Figure 285366DEST_PATH_IMAGE009
，
Figure 615853DEST_PATH_IMAGE010
，
Figure 935976DEST_PATH_IMAGE011
，
式中，
Figure 896979DEST_PATH_IMAGE012
为第
Figure 938272DEST_PATH_IMAGE004
个指标的信息熵，
Figure 275712DEST_PATH_IMAGE013
为指标的数量，
Figure 184762DEST_PATH_IMAGE014
为台区的数量，
Figure 582245DEST_PATH_IMAGE015
为
Figure 107905DEST_PATH_IMAGE016
或
Figure 249036DEST_PATH_IMAGE017
，
Figure 278172DEST_PATH_IMAGE016
为正向的第
Figure 846557DEST_PATH_IMAGE004
个指标占第
Figure 859512DEST_PATH_IMAGE003
个台区指标的比重，
Figure 538755DEST_PATH_IMAGE017
为负向的第
Figure 422397DEST_PATH_IMAGE004
个指标占第
Figure 176332DEST_PATH_IMAGE003
个台区指标的比重。
在步骤S105中，根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重。
在本实施例中，根据获取的台区内用户低电压最低值的信息熵、台区内用户低电压平均值的信息熵以及台区内用户低电压累积时长的信息熵的信息熵，基于熵值法分别计算台区内用户低电压最低值的权重、台区内用户低电压平均值的权重以及台区内用户低电压累积时长的权重，其中，分别计算台区内用户低电压最低值的权重、台区内用户低电压平均值的权重以及台区内用户低电压累积时长的权重的表达式为：
Figure 145425DEST_PATH_IMAGE018
，
式中，
Figure 628359DEST_PATH_IMAGE019
为第
Figure 632087DEST_PATH_IMAGE004
个指标的权重，
Figure 542274DEST_PATH_IMAGE012
为第
Figure 264242DEST_PATH_IMAGE004
个指标的信息熵，
Figure 285288DEST_PATH_IMAGE013
为指标的数量。
在步骤S106中，根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分。
在本实施例中，根据用户低电压最低值的累积得分、用户低电压平均值的累积得分、用户低电压累积时长的累积得分以及用户低电压最低值的权重、用户低电压平均值的权重、用户低电压累积时长的权重计算台区低电压综合评分，其中，计算台区低电压综合评分的表达式为：
Figure 143522DEST_PATH_IMAGE020
，
式中，
Figure 224611DEST_PATH_IMAGE021
为第
Figure 902717DEST_PATH_IMAGE022
项指标的累积得分，
Figure 727453DEST_PATH_IMAGE019
为第
Figure 708703DEST_PATH_IMAGE022
项指标的权重。
在步骤S107中，根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
在本实施例中，对低电压问题进行治理包括：采取配变调档治理、负荷切改治理和/或增容布点治理。
综上，本实施例的方法，采用从数据中台获取计算所需数据，包括配变出口电压数据、三相负载率、变户关系拓扑数据、HPLC表电压数据，并对数据进行预处理，剔除数据缺失的配变、户表，并根据用户侧低压问题，即HPLC表低压数据，溯源其所属配变，以配变为单元对用户低压问题进行量化评分，然后基于配变低电压量化评分，以所有配变月度得分为特征向量利用机器学习将其进行聚类分析，最后根据聚类分析结果，结合配变的出口电压对低电压问题的治理手段提供建议。相比于现有的技术单纯依靠问题数量、工单情况或者人为主观的判断，本方法通过用户侧数据建模，从用电端的角度用数据体现需解决问题的轻重缓急，更加客观准确。
请参阅图2，其示出了本申请的又一种基于大数据的配网低电压问题治理方法的流程图。
如图2所示，一种基于大数据的配网低电压问题治理方法具体包括以下步骤：
步骤1、数据获取与预处理：
从数据中台数据共享层获取配变的数据，定义为配变数据表pb_data，包括配变编号、配变名称、采集时间、电压档位、三相出口电压、三相负载；获取用户HPLC表电压数据，定义为用户数据表user_data，字段包括用户编号、用户名、所属台区编号、采集时间、电压值。在配变数据表和用户数据表的最后均添加两个字段：最低电压字段min_v_value、是否存在低电压is_lowv（0表示无低电压现象，1表示有低电压现象），对于pb_data表min_v_value=min（Va,Vb,Vc）；对于user_data表，若用户为三相表则min_v_value=min（Va,Vb,Vc），若为单相表则每个采集点为最小值min_v_value=v_value；其中，Va,Vb,Vc分别为A相电压、B相电压、C相电压，v_value为单相表每个采集时刻对应的电压值。
步骤2、低电压问题量化模型构建：
以台区为单元，利用构建的低电压量化模型以用户低电压最低值、用户低电压平均值、用户低电压累积时长占比三个特征来对配网低压问题进行量化，以此来反映较为客观的台区低电压问题严重程度。模型的输入主要包括用户低电压最低值（min_v_value）、用户低电压平均值（ave_v_value）、低电压累积时长占比（pro），模型输出为设备问题量化结果。
输入1：用户低电压最低值（min_v_value），模型自动对用户数据表user_data中的每一个用户进行分析，字段min_v_value存在以下情况：若0.8倍额定电压<min_v_value≤0.9倍额定电压，则赋分值1分；若0.7倍额定电压<min_v_value≤0.8倍额定电压，则赋分值2分；若min_v_value≤0.7倍额定电压，则赋分值3分，台区内的用户数累计得分为台区内用户低电压最低值的总得分。
输入2：用户低电压平均值（ave_v_value），模型自动对用户数据表user_data中的低电压用户进行分析，即字段is_lowv为1的每个电压采集值计算算术平均数，作为用户低电压平均值
Figure 960693DEST_PATH_IMAGE024
，式中，
Figure 391675DEST_PATH_IMAGE025
为第i个is_lowv为1的每个电压采集值；若0.8倍额定电压<ave_v_value≤0.9倍额定电压，则赋分值1分；若0.7倍额定电压<ave_v_value≤0.8倍额定电压，则赋分值2分；若ave_v_value≤0.7倍额定电压，则赋分值3分，台区内的用户数累计得分为台区内用户低电压平均值的总得分。
输入3：用户低电压累积时长占比（pro），模型自动对用户数据表user_data中的低电压用户进行分析，即字段is_lowv存在值为1的用户进行分析，计算停电时长的方式为：is_lowv字段为1对应的采集时刻为低电压开始时间，直至之后的采集时刻is_lowv字段为0则为低电压结束时间，停电时长为结束时间减去开始时间，低电压累积时长为所有的停电时长之和；低电压累积时长占比为低电压累积时长与供电时长的比值，若25%<pro≤50%，则赋分值1分；若50%<pro≤75%，则赋分值2分；若pro>75%，则赋分值3分，台区内的用户数累计得分为台区内用户低电压累积时长的总得分。
低电压量化模型规则根据生产中的相关行业标准和实际情况设定，如表1所示：
表1 模型内置规则
Figure 754523DEST_PATH_IMAGE026
台区低电压单项指标的累积得分的表达式为：
Figure 321770DEST_PATH_IMAGE027
，
式中，
Figure 10241DEST_PATH_IMAGE028
为第k个指标的数量，
Figure 928518DEST_PATH_IMAGE029
为第k个指标的得分。
以某10台台区为例，三项指标累积得分如下表2所示：
表2
Figure 829478DEST_PATH_IMAGE030
首先，对三项指标的累积得分进行标准化操作，使分别得到三项指标累积得分的标准值，接着，基于三项指标累积得分的标准值分别计算三项指标的信息熵，再接着，根据获取的三项指标累积得分的信息熵基于熵值法分别计算三项指标的权重，最后，根据三项指标的累积得分以及三项指标的权重计算台区低电压综合评分。
步骤3、台区聚类分析：
基于步骤2的低电压量化模型，将所有台区一年内的每个月度得分、台区出口电压、台区负载率、台区出口低电压时间占比等17项特征项作为每个台区的特征表征，利用机器学习算法中的无监督训练模型K-Means算法对其进行训练，算法自动将所有配变分成5类，分别对应严重类程度为很严重、较严重、一般严重、轻微、正常。聚类结果分析显示其中很严重为得分最高的长期性低电压问题的一类台区；较严重为季节性（夏冬高负荷时期）、节日性（春节）月份得分可达到很严重程度，而其余月份情况稍有缓解的一类台区；一般严重为部分月份得分可达到较严重情况，而其他月份低电压情况不明显的一类台区；正常台区为全年不出现低电压问题的台区。
步骤4、辅助决策：
设备运维人员在系统中查询目标台区所属类别，并根据配变数据表pb_data中出口电压判断是否是由于出口低电压造成的用户低电压；根据配变数据表pb_data三项负载率判断是否由于三相不平衡造成的用户低电压；同步排查用户低电压的原因，是否由于供电半径过大、导线线径太小、配变过载等，从而辅助设备运维管理人员选择采取配变调档、负荷切改、增容布点等方式解决用户低电压问题。
综上，本申请的一种基于大数据的配网低电压问题治理方法，能够实现以下技术效果：
1）针对配网运行管理中直接影响供电服务用户体验的低电压问题，提出的一种基于大数据的配网低电压问题治理方法及系统利用大数据分析技术解决了原来运维人员无法按照轻重缓急解决低电压问题的难题，极大的提升客户的用电感受。
2）通过用户数据和台区数据等特征一起分析，可以直接定位低电压发生的原因，指导运维人员开展运行维护，同步提升配网投诉、线损等指标管控能力和配网规划投资精准度。
请参阅图3，其示出了本申请的一种基于大数据的配网低电压问题治理系统的结构框图。
如图3所示，配网低电压问题治理系统200，包括获取模块210、输出模块220、标准化模块230、第一计算模块240、第二计算模块250、第三计算模块260以及治理模块270。
其中，获取模块210，配置为基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比，其中，所述配变数据包括通过数据同步技术获取存储在关系型数据库PostgreSQL的配变数据、用户台帐类表的数据，通过大数据仓库工具及JDBC客户端获取存储在分布式列数据库HBase的量测类数据以及存储在分布式文件系统Hdoop的配电网台区拓扑数据；输出模块220，配置为将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果，其中，所述量化结果包括用户低电压最低值的累积得分、所述用户低电压平均值的累积得分以及所述用户低电压累积时长的累积得分；标准化模块230，配置为对所述量化结果进行标准化操作，使得到量化结果的标准值，其中，进行标准化操作的表达式为：
Figure 782391DEST_PATH_IMAGE001
，式中，
Figure 376183DEST_PATH_IMAGE002
为第
Figure 781756DEST_PATH_IMAGE003
个台区第
Figure 486407DEST_PATH_IMAGE004
个指标的正向标准化值，
Figure 296756DEST_PATH_IMAGE005
为第
Figure 795870DEST_PATH_IMAGE003
个台区第
Figure 688740DEST_PATH_IMAGE004
个指标的初始值，
Figure 931503DEST_PATH_IMAGE006
为第
Figure 859007DEST_PATH_IMAGE004
个指标的最小值，
Figure 794602DEST_PATH_IMAGE007
为第
Figure 643610DEST_PATH_IMAGE004
个指标的最大值，
Figure 221221DEST_PATH_IMAGE008
为第
Figure 737653DEST_PATH_IMAGE003
个台区第
Figure 844150DEST_PATH_IMAGE004
个指标的负向标准化值；第一计算模块240，配置为基于所述量化结果的标准值计算所述影响指标的信息熵，其中，计算所述影响指标的信息熵的表达式为：
Figure 446032DEST_PATH_IMAGE009
，
Figure 30597DEST_PATH_IMAGE010
，
Figure 670045DEST_PATH_IMAGE011
，式中，
Figure 947442DEST_PATH_IMAGE012
为第
Figure 36621DEST_PATH_IMAGE004
个指标的信息熵，
Figure 424877DEST_PATH_IMAGE013
为指标的数量，
Figure 181481DEST_PATH_IMAGE014
为台区的数量，
Figure 364200DEST_PATH_IMAGE031
为
Figure 940675DEST_PATH_IMAGE016
或
Figure 867043DEST_PATH_IMAGE017
，
Figure 478153DEST_PATH_IMAGE016
为正向的第
Figure 97353DEST_PATH_IMAGE004
个指标占第
Figure 895545DEST_PATH_IMAGE003
个台区指标的比重，
Figure 891182DEST_PATH_IMAGE017
为负向的第
Figure 82431DEST_PATH_IMAGE004
个指标占第
Figure 872532DEST_PATH_IMAGE003
个台区指标的比重；第二计算模块250，配置为根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重，其中，计算所述影响指标的权重的表达式为：
Figure 158020DEST_PATH_IMAGE018
，式中，
Figure 222928DEST_PATH_IMAGE019
为第
Figure 543051DEST_PATH_IMAGE004
个指标的权重，
Figure 238474DEST_PATH_IMAGE012
为第
Figure 276837DEST_PATH_IMAGE004
个指标的信息熵，
Figure 348699DEST_PATH_IMAGE013
为指标的数量；第三计算模块260，配置为根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分，其中，计算台区低电压综合评分的表达式为：
Figure 523328DEST_PATH_IMAGE020
，式中，
Figure 655232DEST_PATH_IMAGE021
为第
Figure 915312DEST_PATH_IMAGE022
项指标的累积得分，
Figure 790864DEST_PATH_IMAGE019
为第
Figure 822930DEST_PATH_IMAGE022
项指标的权重；治理模块270，配置为根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
应当理解，图3中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了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可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于大数据的配网低电压问题治理方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比；
将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果；
对所述量化结果进行标准化操作，使得到量化结果的标准值；
基于所述量化结果的标准值计算所述影响指标的信息熵；
根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重；
根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分；
根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于大数据的配网低电压问题治理系统的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至基于大数据的配网低电压问题治理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图4是本发明实施例提供的电子设备的结构示意图，如图4所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例基于大数据的配网低电压问题治理方法。输入装置330可接收输入的数字或字符信息，以及产生与基于大数据的配网低电压问题治理系统的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于基于大数据的配网低电压问题治理系统中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比；
将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果；
对所述量化结果进行标准化操作，使得到量化结果的标准值；
基于所述量化结果的标准值计算所述影响指标的信息熵；
根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重；
根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分；
根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：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 (8)

1.一种基于大数据的配网低电压问题治理方法，其特征在于，包括：
基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比，其中，所述配变数据包括通过数据同步技术获取存储在关系型数据库PostgreSQL的配变数据、用户台帐类表的数据，通过大数据仓库工具及JDBC客户端获取存储在分布式列数据库HBase的量测类数据以及存储在分布式文件系统Hdoop的配电网台区拓扑数据；
将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果，其中，所述量化结果包括用户低电压最低值的累积得分、所述用户低电压平均值的累积得分以及所述用户低电压累积时长的累积得分；
对所述量化结果进行标准化操作，使得到量化结果的标准值，其中，进行标准化操作的表达式为：
Figure 780298DEST_PATH_IMAGE001
，
式中，
Figure 353362DEST_PATH_IMAGE002
为第
Figure 712799DEST_PATH_IMAGE003
个台区第
Figure 978695DEST_PATH_IMAGE004
个指标的正向标准化值，
Figure 790793DEST_PATH_IMAGE005
为第
Figure 899039DEST_PATH_IMAGE003
个台区第
Figure 378562DEST_PATH_IMAGE004
个指标的初始值，
Figure 549780DEST_PATH_IMAGE006
为第
Figure 114754DEST_PATH_IMAGE004
个指标的最小值，
Figure 29620DEST_PATH_IMAGE007
为第
Figure 98071DEST_PATH_IMAGE004
个指标的最大值，
Figure 440190DEST_PATH_IMAGE008
为第
Figure 492460DEST_PATH_IMAGE003
个台区第
Figure 211017DEST_PATH_IMAGE004
个指标的负向标准化值；
基于所述量化结果的标准值计算所述影响指标的信息熵，其中，计算所述影响指标的信息熵的表达式为：
Figure 399553DEST_PATH_IMAGE009
，
Figure 912574DEST_PATH_IMAGE010
，
Figure 186560DEST_PATH_IMAGE011
，
式中，
Figure 711738DEST_PATH_IMAGE012
为第
Figure 754781DEST_PATH_IMAGE004
个指标的信息熵，
Figure 704282DEST_PATH_IMAGE013
为指标的数量，
Figure 465565DEST_PATH_IMAGE014
为台区的数量，
Figure 525925DEST_PATH_IMAGE015
为
Figure 423474DEST_PATH_IMAGE016
或
Figure 543876DEST_PATH_IMAGE017
，
Figure 792455DEST_PATH_IMAGE016
为正向的第
Figure 390927DEST_PATH_IMAGE004
个指标占第
Figure 674140DEST_PATH_IMAGE003
个台区指标的比重，
Figure 699865DEST_PATH_IMAGE017
为负向的第
Figure 170161DEST_PATH_IMAGE004
个指标占第
Figure 837903DEST_PATH_IMAGE003
个台区指标的比重；
根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重，其中，计算所述影响指标的权重的表达式为：
Figure 441535DEST_PATH_IMAGE018
，
式中，
Figure 638161DEST_PATH_IMAGE019
为第
Figure 861332DEST_PATH_IMAGE004
个指标的权重；
根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分，其中，计算台区低电压综合评分的表达式为：
Figure 801606DEST_PATH_IMAGE020
，
式中，
Figure 528253DEST_PATH_IMAGE021
为第
Figure 426939DEST_PATH_IMAGE022
项指标的累积得分；
根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
2.根据权利要求1所述的一种基于大数据的配网低电压问题治理方法，其特征在于，其中，对低电压问题进行治理包括：采取配变调档治理、负荷切改治理和/或增容布点治理。
3.根据权利要求1所述的一种基于大数据的配网低电压问题治理方法，其特征在于，其中，获取所述用户低电压最低值的累积得分具体为：
对用户数据表user_data中的每一个用户进行分析，字段min_v_value存在以下情况：若0.8倍额定电压<min_v_value≤0.9倍额定电压，则赋分值1分；若0.7倍额定电压<min_v_value≤0.8倍额定电压，则赋分值2分；若min_v_value≤0.7倍额定电压，则赋分值3分，台区内的用户数累计得分为台区内用户低电压最低值的总得分。
4.根据权利要求1所述的一种基于大数据的配网低电压问题治理方法，其特征在于，其中，获取所述用户低电压平均值的累积得分具体为：
对用户数据表user_data中的低电压用户进行分析，即字段is_lowv为1的每个电压采集值计算算术平均数，作为用户低电压平均值
Figure 871827DEST_PATH_IMAGE023
，式中，
Figure 350213DEST_PATH_IMAGE024
为第i个is_lowv为1的每个电压采集值；
若0.8倍额定电压<ave_v_value≤0.9倍额定电压，则赋分值1分；若0.7倍额定电压<ave_v_value≤0.8倍额定电压，则赋分值2分；若ave_v_value≤0.7倍额定电压，则赋分值3分，台区内的用户数累计得分为台区内用户低电压平均值的总得分。
5.根据权利要求1所述的一种基于大数据的配网低电压问题治理方法，其特征在于，其中，获取所述用户低电压累积时长的累积得分具体为：
对用户数据表user_data中的低电压用户进行分析，即字段is_lowv存在值为1的用户进行分析，计算停电时长的方式为：is_lowv字段为1对应的采集时刻为低电压开始时间，直至之后的采集时刻is_lowv字段为0则为低电压结束时间，停电时长为结束时间减去开始时间，低电压累积时长为所有的停电时长之和；
低电压累积时长占比为低电压累积时长与供电时长的比值，若25%<pro≤50%，则赋分值1分；若50%<pro≤75%，则赋分值2分；若pro>75%，则赋分值3分，台区内的用户数累计得分为台区内用户低电压累积时长的总得分。
6.一种基于大数据的配网低电压问题治理系统，其特征在于，包括：
获取模块，配置为基于电力数据中台获取配变数据，使得到电网低电压的影响指标，所述影响指标包括用户低电压最低值、用户低电压平均值以及用户低电压累积时长占比，其中，所述配变数据包括通过数据同步技术获取存储在关系型数据库PostgreSQL的配变数据、用户台帐类表的数据，通过大数据仓库工具及JDBC客户端获取存储在分布式列数据库HBase的量测类数据以及存储在分布式文件系统Hdoop的配电网台区拓扑数据；
输出模块，配置为将所述用户低电压最低值min_v_value、所述用户低电压平均值ave_v_value以及所述用户低电压累积时长占比pro输入至预设的低电压量化模型中，使获取所述影响指标的量化结果，其中，所述量化结果包括用户低电压最低值的累积得分、所述用户低电压平均值的累积得分以及所述用户低电压累积时长的累积得分；
标准化模块，配置为对所述量化结果进行标准化操作，使得到量化结果的标准值，其中，进行标准化操作的表达式为：
Figure 462526DEST_PATH_IMAGE001
，
式中，
Figure 954DEST_PATH_IMAGE002
为第
Figure 198717DEST_PATH_IMAGE003
个台区第
Figure 472005DEST_PATH_IMAGE004
个指标的正向标准化值，
Figure 173245DEST_PATH_IMAGE005
为第
Figure 148154DEST_PATH_IMAGE003
个台区第
Figure 567634DEST_PATH_IMAGE004
个指标的初始值，
Figure 918981DEST_PATH_IMAGE006
为第
Figure 474727DEST_PATH_IMAGE004
个指标的最小值，
Figure 354959DEST_PATH_IMAGE007
为第
Figure 261735DEST_PATH_IMAGE004
个指标的最大值，
Figure 885614DEST_PATH_IMAGE008
为第
Figure 561446DEST_PATH_IMAGE003
个台区第
Figure 878158DEST_PATH_IMAGE004
个指标的负向标准化值；
第一计算模块，配置为基于所述量化结果的标准值计算所述影响指标的信息熵，其中，计算所述影响指标的信息熵的表达式为：
Figure 272230DEST_PATH_IMAGE009
，
Figure 696871DEST_PATH_IMAGE010
，
Figure 961630DEST_PATH_IMAGE011
，
式中，
Figure 714822DEST_PATH_IMAGE012
为第
Figure 330612DEST_PATH_IMAGE004
个指标的信息熵，
Figure 561873DEST_PATH_IMAGE013
为指标的数量，
Figure 946718DEST_PATH_IMAGE014
为台区的数量，
Figure 605232DEST_PATH_IMAGE015
为
Figure 708317DEST_PATH_IMAGE016
或
Figure 477690DEST_PATH_IMAGE017
，
Figure 248200DEST_PATH_IMAGE016
为正向的第
Figure 812037DEST_PATH_IMAGE004
个指标占第
Figure 402418DEST_PATH_IMAGE003
个台区指标的比重，
Figure 243991DEST_PATH_IMAGE017
为负向的第
Figure 337849DEST_PATH_IMAGE004
个指标占第
Figure 603745DEST_PATH_IMAGE003
个台区指标的比重；
第二计算模块，配置为根据获取的所述影响指标的信息熵基于熵值法计算所述影响指标的权重，其中，计算所述影响指标的权重的表达式为：
Figure 415843DEST_PATH_IMAGE018
，
式中，
Figure 58177DEST_PATH_IMAGE019
为第
Figure 272121DEST_PATH_IMAGE004
个指标的权重；
第三计算模块，配置为根据所述影响指标的量化结果以及所述影响指标的权重计算台区低电压综合评分，其中，计算台区低电压综合评分的表达式为：
Figure 708918DEST_PATH_IMAGE020
，
式中，
Figure 8313DEST_PATH_IMAGE021
为第
Figure 923179DEST_PATH_IMAGE022
项指标的累积得分；
治理模块，配置为根据所述台区低电压综合评分，并结合配变的出口电压对低电压问题进行治理。
7.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
8.一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，所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
CN202111427656.8A 2021-11-29 2021-11-29 一种基于大数据的配网低电压问题治理方法及系统 Active CN113836108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111427656.8A CN113836108B (zh) 2021-11-29 2021-11-29 一种基于大数据的配网低电压问题治理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111427656.8A CN113836108B (zh) 2021-11-29 2021-11-29 一种基于大数据的配网低电压问题治理方法及系统

Publications (2)

Publication Number Publication Date
CN113836108A true CN113836108A (zh) 2021-12-24
CN113836108B CN113836108B (zh) 2023-08-18

Family

ID=78971778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111427656.8A Active CN113836108B (zh) 2021-11-29 2021-11-29 一种基于大数据的配网低电压问题治理方法及系统

Country Status (1)

Country Link
CN (1) CN113836108B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140159582A1 (en) * 2012-08-17 2014-06-12 Parthiban Santhanam Thermo-electrically pumped light-emitting diodes
CN109934500A (zh) * 2019-03-15 2019-06-25 南方电网科学研究院有限责任公司 一种配电台区的低电压评价方法、装置、设备及存储介质
CN112016631A (zh) * 2020-09-08 2020-12-01 国网浙江省电力有限公司 一种低电压治理相关的改进方案
CN112564110A (zh) * 2021-02-24 2021-03-26 国网江西省电力有限公司电力科学研究院 一种台区低电压治理方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140159582A1 (en) * 2012-08-17 2014-06-12 Parthiban Santhanam Thermo-electrically pumped light-emitting diodes
CN109934500A (zh) * 2019-03-15 2019-06-25 南方电网科学研究院有限责任公司 一种配电台区的低电压评价方法、装置、设备及存储介质
CN112016631A (zh) * 2020-09-08 2020-12-01 国网浙江省电力有限公司 一种低电压治理相关的改进方案
CN112564110A (zh) * 2021-02-24 2021-03-26 国网江西省电力有限公司电力科学研究院 一种台区低电压治理方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIAZHU XU ET AL: "A New Evaluation Method of The Fault Recovery Scheme for Medium-low Voltage DC Distribution Network", 《2020 5TH ASIA CONFERENCE ON POWER AND ELECTRICAL ENGINEERING (ACPEE)》, pages 1 - 6 *
王文彬 等: "基于层次分析法的配电网"低电压"智能规划与综合治理评估技术研究及应用", 《电工技术学报》, vol. 33, no. 2, pages 596 - 607 *

Also Published As

Publication number Publication date
CN113836108B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN113159339B (zh) 一种基于大数据的一台区一指标线损管理方法及系统
CN104951866B (zh) 一种县级供电企业线损综合管理对标评价体系及评价方法
CN103679544A (zh) 一种智能配电网运行综合评估方法
CN105046591A (zh) 一种电力用户用电能效评估方法
CN107871214A (zh) 一种多能互补供能系统综合评价指标体系建立方法
CN108805443A (zh) 一种电网性能综合评价方法和系统
CN110334952A (zh) 一种基于改进灰色关联度的配电网规划后评价方法
CN106530139A (zh) 电网投资分析模型指标参数计算方法
CN111967684B (zh) 一种基于大数据分析的计量资产主动配送方法
CN106779277A (zh) 一种配电网网损的分类评估方法及装置
CN113487447A (zh) 一种基于大数据的配电网负荷预测及线损成因分析方法
CN113450031B (zh) 居民智慧用能服务潜在台区选取方法及装置
CN106600131A (zh) 电网投资分析模型评价方法
CN107305653A (zh) 基于属性数学的低压配电台区综合评价方法及装置
CN111724049B (zh) 一种潜在电力能效服务客户的研判方法
Wang et al. A two-step load disaggregation algorithm for quasi-static time-series analysis on actual distribution feeders
CN111178676A (zh) 一种配电网项目投资评估方法及系统
CN117856245A (zh) 基于网格化管理的台区线损分析方法、装置及存储介质
Qi et al. Evaluation Method of Power Channel Operation Quality Based on Entropy Weight Method
CN109034595A (zh) 一种适用于10kV及以下配电网投资量化分析决策方法和工具
CN113836108A (zh) 一种基于大数据的配网低电压问题治理方法及系统
Masdzarif et al. An efficient method for estimating energy losses in distribution's feeder
CN113988557B (zh) 一种电网企业的投资绩效评价指标体系的构建方法及装置
CN109447310A (zh) 一种配电网投入产出效益分析方法及装置
CN112016631A (zh) 一种低电压治理相关的改进方案

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