CN113988709A - 中压配电线路故障率分析方法、装置、终端设备及介质 - Google Patents
中压配电线路故障率分析方法、装置、终端设备及介质 Download PDFInfo
- Publication number
- CN113988709A CN113988709A CN202111369918.XA CN202111369918A CN113988709A CN 113988709 A CN113988709 A CN 113988709A CN 202111369918 A CN202111369918 A CN 202111369918A CN 113988709 A CN113988709 A CN 113988709A
- Authority
- CN
- China
- Prior art keywords
- medium
- voltage distribution
- distribution line
- fault rate
- line fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 153
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 9
- 208000025274 Lightning injury Diseases 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static 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
- G06Q10/06—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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种中压配电线路故障率分析方法、装置、终端设备及介质，该方法包括：获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据，以构建泰尔森回归关联模型；根据泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度；判断贡献度是否超过预设阈值；若是，将对应的中压配电线路故障影响因素指标确定为目标指标，用于中压配电线路故障率分析。本发明能够准确定量分析中压配电线路故障影响因素指标对中压配电线路故障率的贡献度，为降低中压故障率的管控要素制定防范策略提供科学有效的指导，不仅适用于多种场景，也大大了提高管理决策的精准性和配网运行管理的能效。
Description
技术领域
本发明涉及电网线路故障分析技术领域，尤其涉及一种中压配电线路故障率分析方法、装置、终端设备及介质。
背景技术
在电网领域中，中压配电线路和设备发生故障直接影响广大用户的正常生产和生活用电，中压配电线路故障率已然成为影响客户用电体验、供电可靠性及供电效益的关键指标。其中，造成中压配电线路故障的原因包括很多，例如残旧线路仍然运行、设备缺陷存在故障隐患、用电负荷逐年上升、线路供电距离较长、外力破坏、自然灾害等因素。如何科学化、精准化分析中压配电线路故障率核心影响因素，对有效降低故障发生率、确保电网稳定运行、提升供电可靠性具有十分重要的意义。通过深入挖掘中压配电线路故障率和导致故障发生的影响因素指标之间的内在联系，能够定量地发现不同影响因素对中压配电线路故障率的影响规律，可发掘对减少中压配电线路故障率最为有效的核心环节，以客观的数据分析结果为依据，指导对中压配电线路故障的防范与管控、提高配网运行管理精益化水平。
然而，现有的中压配电线路故障率的分析评估研究，往往受限于数据渠道窄、数据集成处理能力弱，对相关的业务数据信息挖掘不足等原因，或针对较为粗略的总体性指标加以分析，采用层次分析法、专家评分法等，也即分析方法的客观性相对欠缺。因此，现有方法所反映的分析评估颗粒度不足，分析结果易出现不同程度的失真；同时，过分依赖专家经验的定性讨论，也难以深入挖掘多源数据的复杂关联机制。
发明内容
本发明的目的在于提供一种中压配电线路故障率分析方法、装置、终端设备及介质，以解决现有中压配电线路故障率分析方法存在适用场景单一、颗粒度粗糙、客观性欠缺的问题。
为实现上述目的，本发明提供一种中压配电线路故障率分析方法，包括：
获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据；
利用所述历史数据构建泰尔森回归关联模型；
根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度；
判断所述贡献度是否超过预设阈值；当所述贡献度超过预设阈值时，将对应的中压配电线路故障影响因素指标确定为目标指标，将所述目标指标用于中压配电线路故障率分析。
进一步地，在所述获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据之前，还包括：
确定中压配电线路故障影响因素指标，包括故障缺陷比例、雷击故障率、用户出门故障率、外力破坏故障率、不明原因故障率、超长线路比例、电缆化率、线路平均长度及负荷增长比例。
进一步地，在所述利用所述历史数据构建泰尔森回归关联模型之前，还包括：对所述历史数据进行标准化处理。
进一步地，所述根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度，包括：
计算泰尔森回归关联模型的关联系数估计值；
将所述关联系数估计值的加权平均值作为中压配电线路故障影响因素指标对中压配电线路故障率的贡献度。
本发明还提供一种中压配电线路故障率分析装置，包括：
数据获取单元，用于获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据；
模型构建单元，用于利用所述历史数据构建泰尔森回归关联模型；
贡献度计算单元，用于根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度；
故障率分析单元，用于判断所述贡献度是否超过预设阈值；当所述贡献度超过预设阈值时，将对应的中压配电线路故障影响因素指标确定为目标指标，将所述目标指标用于中压配电线路故障率分析。
进一步地，所述中压配电线路故障率分析装置，还包括：
指标确定单元，用于确定中压配电线路故障影响因素指标，包括故障缺陷比例、雷击故障率、用户出门故障率、外力破坏故障率、不明原因故障率、超长线路比例、电缆化率、线路平均长度及负荷增长比例。
进一步地，所述中压配电线路故障率分析装置，还包括：
数据处理单元，用于对所述历史数据进行标准化处理。
进一步地，所述贡献度计算单元，还用于：
计算泰尔森回归关联模型的关联系数估计值；
将所述关联系数估计值的加权平均值作为中压配电线路故障影响因素指标对中压配电线路故障率的贡献度。
本发明还提供一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的中压配电线路故障率分析方法。
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，所述计算机程序被处理器执行时实现如上任一项所述的中压配电线路故障率分析方法。
相对于现有技术，本发明的有益效果在于：
1)本发明围绕中压配电线路故障率相关的影响因素，从网架结构、负荷增长、设备缺陷、自然灾害、外力破坏等维度选取具有代表意义的特征指标，采用统计学习理论中的泰尔森回归算法技术，搭建中压配电线路故障率与若干影响因素指标之间的关联模型，对中压配电线路故障率进行量化关联分析。可客观有效的对中压配电线路故障率的影响因素指标进行分析，所用的泰尔森回归方法可避免历史数据内部天然存在或人为因素导致的离群值等质量问题所带来的关联模型的欠精准性，对提高中压配电线路故障率指标分解的客观性和稳健性提供数据驱动式的分析模型，可凸显中压配电线路故障影响因素相关的业务领域管控方面存在的问题和瓶颈，为进一步降低中压配电线路故障率、优化各相关领域业务管控提供决策支持。
2)本发明通过深入挖掘中压配电线路故障影响因素指标对中压配电线路故障率的潜在影响机制，进行0-1标准化或非标准化的预处理，可以有效提取用于构建关联模型的指标体系内部潜在特性，提高所构建的分析模型的解释能力和显著程度。
3)本发明融合了中压配电线路故障率和中压配电线路故障影响因素指标的历史记录以及泰尔森回归算法理论，可深入挖掘中压配电线路故障率和中压配电线路故障影响因素指标之间的复杂关系，并通过泰尔森回归算法构建关联模型，可在不损失模型精度的前提下获得形式简洁的定量关系表达式。所得的量化关联模型，可为电网公司了解中压配电线路故障率核心影响因素提供客观精准的参考依据，最终支撑业务过程的管控分析乃至精准施策，进一步提高可靠性管理水平。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，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是本发明某一实施例提供的中压配电线路故障率分析方法的流程示意图；
图2是图1中步骤S30的子步骤的流程示意图；
图3是本发明某一实施例提供的中压配电线路故障率分析装置的结构示意图；
图4是本发明某一实施例提供的终端设备的结构示意图。
具体实施方式
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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，本发明某一实施例提供一种中压配电线路故障率分析方法。如图1所示，该中压配电线路故障率分析方法包括步骤S10至步骤S40。各步骤具体如下：
S10、获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据。
需要说明的是，在执行本步骤前，通常先确定中压配电线路故障影响因素指标，包括从网架结构、负荷增长、设备缺陷、自然灾害、外力破坏等维度选取中压线路故障影响因素指标。
在某一个具体实施方式中，确定的中压配电线路故障影响因素指标，包括故障缺陷比例、雷击故障率、用户出门故障率、外力破坏故障率、不明原因故障率、超长线路比例、电缆化率、线路平均长度及负荷增长比例。
S20、利用所述历史数据构建泰尔森回归关联模型。
可以理解的是，本步骤主要基于步骤S10获得的历史数据，通过泰尔森回归算法构建中压线路故障率和中压线路故障影响因素指标的泰尔森回归关联模型。
在某一可选的实施方式中，在执行步骤S20之前，还可以对所述历史数据进行标准化处理，以获得质量更高的数据样本。
具体地，该实施例采用的标准化处理方法主要是0-1标准化方式，包括：
基于历史数据，对中压线路故障率与中压线路故障影响因素指标分别进行组内0-1标准化处理，其公式为：
式中，xi为选定指标第i个历史数据值，
为该指标全体历史数据的平均值，σX为该指标全体历史数据的标准差，计算公式为：
进一步地，本实施例中构建泰尔森回归关联模型主要包括以下步骤：
1)构建线性回归模型：
Y＝γ0+γ1X1+…+γdXd+ε (3)
式中，Y为中压线路故障率，X1，…，Xd为所选的中压线路故障影响因素指标，γi为第i个中压线路故障影响因素指标对中压线路故障率影响的关联系数，i＝1，…，d，γ0反映配网自身所具有的基准中压线路故障率，ε为其它未被纳入指标模型但对中压线路故障率Y有潜在影响的指标及误差。
2)基于1)中得到的回归模型求平均，消去不可观测项ε，得到以下模型：
E(Y)＝γ0+γ1X1+…+γdXd (4)
式中，E(Y)为中压线路故障率的平均值，反映配网中压线路故障率平均管控水平。
3)由d个中压线路故障影响因素指标的n个数据值构成如下样本资料矩阵：
式中，xij表示第i个中压线路故障影响因素的第j个数据值。
4)基于1)中的中压线路故障率的n个数据值，构成以下可靠性指标向量：
式中，yi表示中压线路故障率的第i个历史数据值。
5)计算2)中线性回归方程的各中压线路故障影响因素指标关联系数的泰尔森回归估计值
具体包括以下步骤：
5.1)任取d+1个历史数据值，记起样本资料矩阵为：
对应的最小二乘估计值为：
式中，
为与被选取自变量的历史数据值对应的因变量数据值。
5.2)若总样本数据容量n不太大，一般来说小于实验中某个预设值，则依次从n中不放回的抽取d+1个历史数据值，然后重复步骤5.1)，就能得到一系列最小二乘估计值：
相反地，若总样本容量n过大，即大于该预设值，则随机的从n中不放回的抽取d+1个历史数据值，重复操作m次(m可根据实际业务分析需求确定)，得到一系列最小二乘估计值：
5.3)计算5.2)中所得的最小二乘估计向量值的多元中位数，即为泰尔森估计值：
6)进行关联模型的拟合优度评估，其公式如下：
式中，
表示基于关联模型的中压线路故障率模型值，
表示中压线路故障率的样本平均值。当R2≥0.75时(阈值0.75可根据实际数据量结合专家意见进行调整)即可认为关联模型刻画达到所需精度。
7)对计算获得的关联模型进行分析，具体地：
若关联系数的估计值
为0，表明对应的中压线路故障影响因素指标对中压线路故障率无影响；
若关联系数的估计值为负(正)，表明对应的中压线路故障影响因素指标对中压线路故障率的大小有反向(正向)的效果。
S30、根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度。
请参阅图2，在某一实施例中，步骤S30又包括以下子步骤：
S301、计算泰尔森回归关联模型的关联系数估计值；
S302、将所述关联系数估计值的加权平均值作为中压配电线路故障影响因素指标对中压配电线路故障率的贡献度。
具体地，本步骤中评判中压线路故障影响因素指标对中压线路故障率的贡献度，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，计算公式为：
式中，
为步骤5)中泰尔森回归模型给出的关联系数估计值。
S40、判断所述贡献度是否超过预设阈值；当所述贡献度超过预设阈值时，将对应的中压配电线路故障影响因素指标确定为目标指标，将所述目标指标用于中压配电线路故障率分析。
可以理解的是，在步骤S30中计算出了各个指标的贡献度，然后将贡献度按照从高到低的顺序依次排序，将其中超过预设阈值的那部分指标作为用于分析中压线路故障率的核心指标。需要说明的是，本步骤中的预设阈值可以根据实际需要进行选择，在此不作进一步赘述。
综上所述，本发明实施例基于泰尔森回归的中压线路故障率分析方法，针对中压配电线路故障率及中压配电线路故障影响因素指标，从对优化指标贡献度分析评估的角度，利用泰尔森回归算法构建中压配电线路故障率与若干影响因素指标的关联模型；可以处理各业务过程指标之间存在的数量级差异、历史数据存在的部分不准确等情况，克服了传统关联模型对历史数据在数量、质量等方面的苛刻限制；通过关联模型中过程指标的关联系数，可定量分析中压配电线路故障影响因素指标对中压线路故障率的贡献度，提高了中压配电线路故障率分析模型的客观性及鲁棒性，并可用于防范中压配电线路故障、有效降低故障率相关的影响因素业务管控优先级策略分析，也可基于指标关系模型通过不同影响因素指标目标值组合分析预测中压配电线路故障率目标值。
请参阅图3，本发明某一实施例还提供一种中压配电线路故障率分析装置，包括：
数据获取单元01，用于获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据；
模型构建单元02，用于利用所述历史数据构建泰尔森回归关联模型；
贡献度计算单元03，用于根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度；
故障率分析单元04，用于判断所述贡献度是否超过预设阈值；当所述贡献度超过预设阈值时，将对应的中压配电线路故障影响因素指标确定为目标指标，将所述目标指标用于中压配电线路故障率分析。
在某一具体实施例中，中压配电线路故障率分析装置，还包括：
指标确定单元，用于确定中压配电线路故障影响因素指标，包括故障缺陷比例、雷击故障率、用户出门故障率、外力破坏故障率、不明原因故障率、超长线路比例、电缆化率、线路平均长度及负荷增长比例。
在某一具体实施例中，中压配电线路故障率分析装置，还包括：
数据处理单元，用于对所述历史数据进行标准化处理。
在某一具体实施例中，贡献度计算单元03，还用于：
计算泰尔森回归关联模型的关联系数估计值；
将所述关联系数估计值的加权平均值作为中压配电线路故障影响因素指标对中压配电线路故障率的贡献度。
可以理解的是，本发明实施例提供的中压配电线路故障率分析装置用于执行如上述任一项实施例所述的中压配电线路故障率分析方法。本实施例针对中压配电线路故障率及中压配电线路故障影响因素指标，从对优化指标贡献度分析评估的角度，利用泰尔森回归算法构建中压配电线路故障率与若干影响因素指标的关联模型；可以处理各业务过程指标之间存在的数量级差异、历史数据存在的部分不准确等情况，克服了传统关联模型对历史数据在数量、质量等方面的苛刻限制；通过关联模型中过程指标的关联系数，可定量分析中压配电线路故障影响因素指标对中压线路故障率的贡献度，提高了中压配电线路故障率分析模型的客观性及鲁棒性，并可用于防范中压配电线路故障、有效降低故障率相关的影响因素业务管控优先级策略分析，也可基于指标关系模型通过不同影响因素指标目标值组合分析预测中压配电线路故障率目标值。
请参阅图4，本发明某一实施例提供一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的中压配电线路故障率分析方法。
处理器用于控制该终端设备的整体操作，以完成上述的中压配电线路故障率分析方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该终端设备的操作，这些数据例如可以包括用于在该终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如上述任一项实施例所述的中压配电线路故障率分析方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供一种包括计算机程序的计算机可读存储介质，该计算机程序被处理器执行时实现如上述任一项实施例所述的中压配电线路故障率分析方法的步骤。例如，该计算机可读存储介质可以为上述包括计算机程序的存储器，上述计算机程序可由终端设备的处理器执行以完成如上述任一项实施例所述的中压配电线路故障率分析方法，并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种中压配电线路故障率分析方法，其特征在于，包括：
获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据；
利用所述历史数据构建泰尔森回归关联模型；
根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度；
判断所述贡献度是否超过预设阈值；当所述贡献度超过预设阈值时，将对应的中压配电线路故障影响因素指标确定为目标指标，将所述目标指标用于中压配电线路故障率分析。
2.根据权利要求1所述的中压配电线路故障率分析方法，其特征在于，在所述获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据之前，还包括：
确定中压配电线路故障影响因素指标，包括故障缺陷比例、雷击故障率、用户出门故障率、外力破坏故障率、不明原因故障率、超长线路比例、电缆化率、线路平均长度及负荷增长比例。
3.根据权利要求1所述的中压配电线路故障率分析方法，其特征在于，在所述利用所述历史数据构建泰尔森回归关联模型之前，还包括：对所述历史数据进行标准化处理。
4.根据权利要求1所述的中压配电线路故障率分析方法，其特征在于，所述根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度，包括：
计算泰尔森回归关联模型的关联系数估计值；
将所述关联系数估计值的加权平均值作为中压配电线路故障影响因素指标对中压配电线路故障率的贡献度。
5.一种中压配电线路故障率分析装置，其特征在于，包括：
数据获取单元，用于获取中压配电线路故障率与中压配电线路故障影响因素指标的历史数据；
模型构建单元，用于利用所述历史数据构建泰尔森回归关联模型；
贡献度计算单元，用于根据所述泰尔森回归关联模型，计算中压配电线路故障影响因素指标对中压配电线路故障率的贡献度；
故障率分析单元，用于判断所述贡献度是否超过预设阈值；当所述贡献度超过预设阈值时，将对应的中压配电线路故障影响因素指标确定为目标指标，将所述目标指标用于中压配电线路故障率分析。
6.根据权利要求5所述的中压配电线路故障率分析装置，其特征在于，还包括：
指标确定单元，用于确定中压配电线路故障影响因素指标，包括故障缺陷比例、雷击故障率、用户出门故障率、外力破坏故障率、不明原因故障率、超长线路比例、电缆化率、线路平均长度及负荷增长比例。
7.根据权利要求5所述的中压配电线路故障率分析装置，其特征在于，还包括：
数据处理单元，用于对所述历史数据进行标准化处理。
8.根据权利要求5所述的中压配电线路故障率分析装置，其特征在于，所述贡献度计算单元，还用于：
计算泰尔森回归关联模型的关联系数估计值；
将所述关联系数估计值的加权平均值作为中压配电线路故障影响因素指标对中压配电线路故障率的贡献度。
9.一种终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4任一项所述的中压配电线路故障率分析方法。
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如权利要求1-4任一项所述的中压配电线路故障率分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111369918.XA CN113988709A (zh) | 2021-11-18 | 2021-11-18 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111369918.XA CN113988709A (zh) | 2021-11-18 | 2021-11-18 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113988709A true CN113988709A (zh) | 2022-01-28 |
Family
ID=79749362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111369918.XA Pending CN113988709A (zh) | 2021-11-18 | 2021-11-18 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113988709A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196413A (zh) * | 2023-11-06 | 2023-12-08 | 国网山东省电力公司青岛市黄岛区供电公司 | 配电网电缆接地故障预警特征指标模型构建和优化方法 |
| CN117791856A (zh) * | 2023-12-20 | 2024-03-29 | 武汉人云智物科技有限公司 | 一种基于巡检机器人的电网故障预警方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109409786A (zh) * | 2018-12-05 | 2019-03-01 | 广东电网有限责任公司 | 配电网可靠性的评估方法及系统 |
| CN109687426A (zh) * | 2018-11-22 | 2019-04-26 | 南方电网科学研究院有限责任公司 | 故障率参数建模方法、装置、设备与存储介质 |
| CN111582700A (zh) * | 2020-04-30 | 2020-08-25 | 广东电网有限责任公司广州供电局 | 一种配电网设备故障率计算方法 |
| 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 |
| CN113095648A (zh) * | 2021-04-01 | 2021-07-09 | 南京邮电大学 | 基于数据驱动的配电网故障停电风险指标评估方法及系统 |
-
2021
- 2021-11-18 CN CN202111369918.XA patent/CN113988709A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109687426A (zh) * | 2018-11-22 | 2019-04-26 | 南方电网科学研究院有限责任公司 | 故障率参数建模方法、装置、设备与存储介质 |
| CN109409786A (zh) * | 2018-12-05 | 2019-03-01 | 广东电网有限责任公司 | 配电网可靠性的评估方法及系统 |
| CN111582700A (zh) * | 2020-04-30 | 2020-08-25 | 广东电网有限责任公司广州供电局 | 一种配电网设备故障率计算方法 |
| 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 |
| CN113095648A (zh) * | 2021-04-01 | 2021-07-09 | 南京邮电大学 | 基于数据驱动的配电网故障停电风险指标评估方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘惠英: "《配电线路与照明》", 31 August 2008 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196413A (zh) * | 2023-11-06 | 2023-12-08 | 国网山东省电力公司青岛市黄岛区供电公司 | 配电网电缆接地故障预警特征指标模型构建和优化方法 |
| CN117791856A (zh) * | 2023-12-20 | 2024-03-29 | 武汉人云智物科技有限公司 | 一种基于巡检机器人的电网故障预警方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113988709A (zh) | 中压配电线路故障率分析方法、装置、终端设备及介质 | |
| CN113468811B (zh) | 含新能源机组的电网备用容量概率化动态评估方法及系统 | |
| CN106874676B (zh) | 一种电能计量装置状态评估方法 | |
| CN113406558A (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
| CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
| CN115513951A (zh) | 一种基于概念漂移检测的电力负荷预测方法及系统 | |
| CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
| CN117851908B (zh) | 一种改进的在线低压台区电能表失准监测方法及装置 | |
| CN114548493A (zh) | 一种电能表电流过载预测方法与系统 | |
| CN118194202A (zh) | 基于横向联邦的窃电识别算法及其原型系统 | |
| CN111654033B (zh) | 基于线性推演的大电网静态电压稳定态势评估方法及系统 | |
| CN117934135A (zh) | 一种网点运营管理方法、装置、电子设备及存储介质 | |
| CN115907033A (zh) | 一种基于机器学习算法预测每小时用电量的方法及系统 | |
| CN108665090B (zh) | 基于主成分分析与Verhulst模型的城市电网饱和负荷预测方法 | |
| CN114861800B (zh) | 模型训练方法、概率确定方法、装置、设备、介质及产品 | |
| CN114118759A (zh) | 一种配变台区负荷过载状态评估方法及装置 | |
| CN114037285A (zh) | 一种配网自动化应用成效分析方法及相关系统 | |
| Frerichs et al. | Evaluating credit risk models using loss density forecasts | |
| CN112488475A (zh) | 一种多层次网格化可靠性差异化评价的方法及系统 | |
| Walls et al. | Using extreme value theory to model electricity price risk with an application to the Alberta power market | |
| CN118444084B (zh) | 一种低压配电网预警方法、装置、设备及存储介质 | |
| Wang et al. | Key Variable Screening Method for Complex Industry System Based on Muti-source Monitoring Data | |
| CN118469157B (zh) | 基于大数据分析的河流综合管理系统 | |
| CN116307860B (zh) | 一种光伏电站监测告警方法、装置、设备及存储介质 | |
| CN115545191B (zh) | 电流降噪网络模型训练方法及故障限流器电流降噪方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220128 |
|
| RJ01 | Rejection of invention patent application after publication |