CN115205067A - 一种台区异常线损的识别方法、装置、设备和存储介质 - Google Patents
一种台区异常线损的识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115205067A CN115205067A CN202210727828.1A CN202210727828A CN115205067A CN 115205067 A CN115205067 A CN 115205067A CN 202210727828 A CN202210727828 A CN 202210727828A CN 115205067 A CN115205067 A CN 115205067A
- Authority
- CN
- China
- Prior art keywords
- users
- user
- community
- area
- line loss
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process 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
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种台区异常线损的识别方法、装置、设备和存储介质,方法包括:获取待识别台区对应的多个电量数据;基于电量数据,计算待识别台区中的各台区用户对应的挥发系数;基于挥发系数,从台区用户中选取若干第一用户作为社团中心;根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,第二用户为台区用户中除第一用户以外的台区用户;根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。解决了现有对于台区异常线损的识别方法,采用逐个台区用户、逐条线路进行分析,导致识别周期较长的技术问题。
Description
技术领域
本申请涉及故障分析技术领域,尤其涉及一种台区异常线损的识别方法、装置、设备和存储介质。
背景技术
台区线损可综合反映配电网的技术水平和管理水平,降低线损有助于提质增效。快速发现台区的异常线损有助于供电企业分析是内部电网管理原因还是外部窃电引起,以提出针对性的改进措施。
现有技术中,在对台区异常线损进行识别时,采用逐个台区用户、逐条线路进行分析,导致识别周期较长。
发明内容
有鉴于此,本申请提供了一种台区异常线损的识别方法、装置、设备和存储介质,解决了现有对于台区异常线损的识别方法,采用逐个台区用户、逐条线路进行分析,导致识别周期较长的技术问题。
本申请第一方面提供了一种台区异常线损的识别方法,包括:
获取待识别台区对应的多个电量数据;
基于所述电量数据,计算所述待识别台区中的各台区用户对应的挥发系数;
基于所述挥发系数,从所述台区用户中选取若干第一用户作为社团中心;
根据第二用户和各所述社团中心的隶属度关系,构建各所述社团中心对应的初始社团,所述第二用户为所述台区用户中除所述第一用户以外的台区用户;
根据所述初始社团之间的关联系数,对所述初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
可选地,所述基于所述电量数据,计算所述待识别台区中的各台区用户对应的挥发系数,具体包括:
对所述电量数据进行趋势点筛选后,确定主要趋势点;
根据所述主要趋势点对应的特征,计算所述待识别台区中的各台区用户对应的挥发系数。
可选地,所述对所述电量数据进行趋势点筛选后,确定主要趋势点,具体包括:
基于预设判断条件,对所述电量数据进行趋势点筛选,得到趋势点集合;
基于密度指数计算公式,计算所述趋势点集合中各趋势点对应的密度指数;
从最大密度指数的趋势点开始,渐缩的选取m个趋势点作为主要趋势点,其中,m为自然数。
可选地,所述根据所述主要趋势点对应的特征,计算所述待识别台区中的各台区用户对应的挥发系数,具体包括:
基于挥发强度计算公式和所述主要趋势点对应的特征,计算所述待识别台区中的各台区用户对应的挥发强度;
根据所述台区用户之间挥发强度的差值,计算各所述台区用户对应的挥发半径;
根据各所述台区用户对应的挥发强度和挥发半径,计算对应的挥发系数。
可选地,所述基于所述挥发系数,从所述台区用户中选取若干第一用户作为社团中心,具体包括:
从最大挥发系数的台区用户开始,渐缩的选取n个台区用户作为第一用户,并将所述第一用户作为社团中心,其中,n为自然数。
可选地,所述根据第二用户和各所述社团中心的隶属度关系,构建各所述社团中心对应的初始社团,具体包括:
计算各第二用户和各社团中心之间的Hausdorff距离;
以各所述社团中心为参考点,将与该社团中心之间的Hausdorff距离最小的第二用户作为该社团中心中的台区用户,得到该社团中心对应的初始社团。
可选地,所述根据所述初始社团之间的关联系数,对所述初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户,具体包括:
根据关联系数计算公式,计算所述初始社团之间的关联系数;
将所述关联系数小于合并系数的初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
本申请第二方面提供了一种台区异常线损的识别装置,包括:
获取单元,用于获取待识别台区对应的多个电量数据;
计算单元,用于基于所述电量数据,计算所述待识别台区中的各台区用户对应的挥发系数;
选取单元,用于基于所述挥发系数,从所述台区用户中选取若干第一用户作为社团中心;
构建单元,用于根据第二用户和各所述社团中心的隶属度关系,构建各所述社团中心对应的初始社团,所述第二用户为所述台区用户中除所述第一用户以外的台区用户;
合并单元,用于根据所述初始社团之间的关联系数,对所述初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
本申请第三方面提供了一种台区异常线损的识别设备,包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行任一种第一方面所述的台区异常线损的识别方法。
本申请第四方面提供了一种存储介质,所述存储介质用于存储程序代码,所述程序代码用于执行任一种第一方面所述的台区异常线损的识别方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种台区异常线损的识别方法,首先获取待识别台区对应的多个电量数据,接着基于电量数据,计算待识别台区中的各台区用户对应的挥发系数,然后基于挥发系数,从台区用户中选取若干第一用户作为社团中心,接着根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,第二用户为台区用户中除第一用户以外的台区用户,最后根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。整个识别过程中,首先识别出社团中心,然后在此基础上进行社团划分和社团合并,可对所有台区用户并行开展分析,快速检测出孤立台区用户作为异常线损,相较于现有逐个台区用户识别的方法,识别效率高,从而解决了现有对于台区异常线损的识别方法,采用逐个台区用户、逐条线路进行分析,导致识别周期较长的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种台区异常线损的识别方法的第一实施例的流程示意图;
图2为本申请实施例中一种台区异常线损的识别方法的第二实施例的流程示意图;
图3为本申请实施例中进行社团合并后的合并效果图;
图4为本申请实施例中一种台区异常线损的识别装置的结构示意图。
具体实施方式
本申请实施例提供了一种台区异常线损的识别方法、装置、设备和存储介质,解决了现有对于台区异常线损的识别方法,采用逐个台区用户、逐条线路进行分析,导致识别周期较长的技术问题。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请实施例第一方面提供了一种台区异常线损的识别方法的实施例。
请参阅图1,本申请实施例中一种台区异常线损的识别方法的第一实施例的流程示意图。
本实施例中台区异常线损的识别方法包括:
步骤101、获取待识别台区对应的多个电量数据。
可以理解的是,台区用户电量数据可以是通过台区馈线采集的。一个电量数据代表一个台区用户在一个时刻时的电量数据。
步骤102、基于电量数据,计算待识别台区中的各台区用户对应的挥发系数。一个电量数据代表一个台区用户在一个时刻时的电量数据,即所有的电量数据均存在一个台区用户与之对应。因此可以基于电量数据,计算待识别台区中各台区用户对应的挥发系数。
步骤103、基于挥发系数,从台区用户中选取若干第一用户作为社团中心。
在组建初始社团时,首先明确初始社团对应的社团中心,然后基于该社团中心构建对应的初始社团,故首先进行社团中心的确定。可以理解的是,将挥发系数越强则说明该台区用户与周围台区用户的联合越紧密,证明该台区用户越可能是该社团的社团中心,故在选取第一用户时,从挥发系数最强的台区用户开始,渐缩的选取若干个台区用户(即第一用户),此时一个台区用户代表一个社团中心。可以理解的是,本实施例中“渐缩”即逐渐减小。
步骤104、根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,第二用户为台区用户中除第一用户以外的台区用户。
在得到社团中心后,便可以根据台区用户中除第一用户以外的其他台区用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团。
具体地,本实施例中对于第二用户和社团中心的隶属度关系,用二者之间的“相隔距离”进行计算,例如空间距离、欧式距离、Hausdorff距离等。
步骤105、根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
得到初始社团后,根据初始社团之间的关联系数对初始社团进行合并,合并后剩余的孤立台区用户即为异常线损台区用户。
本实施例中,首先获取待识别台区对应的多个电量数据,接着基于电量数据,计算待识别台区中的各台区用户对应的挥发系数,然后基于挥发系数,从台区用户中选取若干第一用户作为社团中心,接着根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,第二用户为台区用户中除第一用户以外的台区用户,最后根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。整个识别过程中,首先识别出社团中心,然后在此基础上进行社团划分和社团合并,可对所有台区用户并行开展分析,快速检测出孤立台区用户作为异常线损,相较于现有逐个台区用户识别的方法,识别效率高,从而解决了现有对于台区异常线损的识别方法,采用逐个台区用户、逐条线路进行分析,导致识别周期较长的技术问题。
以上为本申请实施例提供的一种台区异常线损的识别方法的第一实施例,以下为本申请实施例提供的一种台区异常线损的识别方法的第二实施例。
请参阅图2,本申请实施例中一种台区异常线损的识别方法的第二实施例的流程示意图。
本实施例中台区异常线损的识别方法包括:
步骤201、获取待识别台区对应的多个电量数据。
可以理解的是,本实施例中获取的电量数据为pt,t表示电量数据对应的时刻。一个台区中可能有多种类型的台区用户,例如普通居民台区用户和工商业台区用户。对于上述两种台区用户对应的时刻t的选择可以为:普通居民台区用户可选择晚间20:00-22:00,工商业台区用户可选择10:00-14:00,18:00-22:00。
其中上述的多个电量数据是多个台区用户多个时刻的电量数据。
步骤202、对电量数据进行趋势点筛选后,确定主要趋势点。
可以理解的是,对电量数据进行趋势点筛选后,确定主要趋势点,具体包括:
基于预设判断条件,对电量数据进行趋势点筛选,得到趋势点集合;
基于密度指数计算公式,计算趋势点集合中各趋势点对应的密度指数;
从最大密度指数的趋势点开始,渐缩的选取m个趋势点作为主要趋势点,其中,m为自然数。
可以理解的是,在一种实施方式中,基于预设判断条件,对电量数据进行趋势点筛选,得到趋势点集合,具体包括:
判断各电量数据是否满足以下任一约束条件,若是,则判定该电量数据为趋势点,根据所有趋势点形成趋势点集合cp;否则,判定该台区用户电量数据不是趋势点。
其中上述的约束条件包括:
pt-1>pt≤pt+1
pt-1<pt≥pt+1;
pt-1=pt≠pt+1
式中,pt-1为t-1时刻的电量数据,pt+1为t+1时刻的电量数据。
可以理解的是,趋势点集合中的数据为判定满足上述任一约束条件的电量数据。
在一种实施方式中,基于密度指数计算公式,计算趋势点集合中各趋势点对应的密度指数,具体包括:
对于数值m的选择,根据采集数据的时间段长短确定,一般取值0.2*Tm,Tm表示采样时间段分钟数。
步骤203、根据主要趋势点对应的特征,计算待识别台区中的各台区用户对应的挥发系数。
其中,根据主要趋势点对应的特征,计算待识别台区中的各台区用户对应的挥发系数,具体包括:
基于挥发强度计算公式和主要趋势点对应的特征,计算待识别台区中的各台区用户对应的挥发强度;
根据台区用户之间挥发强度的差值,计算各台区用户对应的挥发半径;
根据各台区用户对应的挥发强度和挥发半径,计算对应的挥发系数。
可以理解的是,在一种实施方式中,上述的挥发强度计算公式为:
式中,分式中的分子分母为主要趋势点特征,ωi为第i个台区用户的挥发强度,集合O表示与台区用户i最近的q个用户,q为常系数,一般取6~8;H(cpi,cpq)q∈Ο表示与台区用户i最近的q个台区用户数据的Hausdorff距离,集合表示台区用户i外的所有台区用户,台区用户i与其他所有台区用户的Hausdorff距离,y表示集合中的台区用户编号。
具体地,根据台区用户之间挥发强度的差值,计算各台区用户对应的挥发半径,具体包括:
计算各用户与用户i的挥发强度差值;
以用户i为参考中心,检索出|ωi-ωw|≤z范围内的所有台区用户,z表示挥发强度阈值,形成集合D,计算台区用户i的挥发半径为:
式中,ri为挥发半径,H(cpi,cpw)为台区用户i和台区用户w的Hausdorff距离,d表示集合D中的台区用户数量。
台区用户i的挥发系数ζi的计算公式为:
ζi=ri×ωi。
步骤204、从最大挥发系数的台区用户开始,渐缩的选取n个台区用户作为第一用户,并将第一用户作为社团中心,其中,n为自然数。
可以理解的是,步骤204和第一实施例中步骤102的描述相同,具体可以参见上述步骤102的描述,在此不再赘述。
步骤205、计算各第二用户和各社团中心之间的Hausdorff距离。
可以理解的是,第二用户为台区用户中除第一用户以外的台区用户。
步骤206、以各社团中心为参考点,将与该社团中心之间的Hausdorff距离最小的第二用户作为该社团中心中的台区用户,得到该社团中心对应的初始社团。
步骤207、根据关联系数计算公式,计算初始社团之间的关联系数。
其中,关联系数计算公式为:
式中,κij为初始社团Uj和Ui之间的关联系数,J为初始社团Uj中的台区用户数量,δi为初始社团Ui对应的方差,xi表示社团ui,xj表示社团uj,μi为初始社团Ui对应的均值,I为初始社团Ui中的台区用户数量,δj为初始社团Uj对应的方差,μj为初始社团Uj对应的均值。
其中,对于参数δi、μi、δj、μj的计算步骤包括:
1)将属于初始社团Ui和初始社团Uj内的所有台区用户投影到ui,uj的二维平面上,计算出Ui中台区用户i的投影面积si和Uj中台区用户j投影面积sj为:
si=H(cpi-ui)*H(cpi-uj);
sj=H(cpj-ui)*H(cpj-uj);
式中,H表示Hausdorff距离,H(cpi-ui)为台区用户i和社团Ui的Hausdorff距离,H(cpi-uj)为台区用户i和社团Uj的Hausdorff距离,H(cpj-ui)为台区用户j和社团Ui的Hausdorff距离,H(cpj-uj)为台区用户j和社团Uj的Hausdorff距离。
2)遍历Ui中所有台区用户,求取所有投影面积si的均值μi和方差δi,遍历Uj中所有台区用户,求取所有投影面积sj的均值μj和方差δj。
步骤208、将关联系数小于合并系数的初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
如图3所示,采集了25个台区用户电量样本,形成4个社团中心,并形成4个初始社团,经过社团关联分析,社团3和社团4关联系数大于合并判定系数,合并为社团5,遍历所有初始社团后,其他社团都不可再合并,形成最终线损社团,可以有效识别孤立台区用户1和孤立台区用户2为异常线损台区用户。
与现有技术相比,本实施例具有如下优点:
(1)、对台区用户电量的时间序列数据进行主要趋势点筛选,进行数据降维压缩,裁剪处其中的主要特征信息,数据信息量丰富,但是数据量小。
(2)、制定了趋势点筛选规则,可有效过滤数据噪声,提高结果的准确性与可靠性。
(3)、分析处社团中心后,进行社团划分和社团合并,可对所有电量台区用户并行开展分析,快速检测处离群样本作为异常线损,避免了原有方法逐个台区用户相似性比对串行操作,识别效率高。
本实施例中,首先获取待识别台区对应的多个电量数据,接着基于电量数据,计算待识别台区中的各台区用户对应的挥发系数,然后基于挥发系数,从台区用户中选取若干第一用户作为社团中心,接着根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,第二用户为台区用户中除第一用户以外的台区用户,最后根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。整个识别过程中,首先识别出社团中心,然后在此基础上进行社团划分和社团合并,可对所有台区用户并行开展分析,快速检测出孤立台区用户作为异常线损,相较于现有逐个台区用户识别的方法,识别效率高,从而解决了现有对于台区异常线损的识别方法,采用逐个台区用户、逐条线路进行分析,导致识别周期较长的技术问题。
本申请实施例第二方面提供了一种台区异常线损的识别装置的实施例。
请参阅图4,本申请实施例中一种台区异常线损的识别装置的结构示意图。
本实施例中的一种台区异常线损的识别装置包括:
获取单元,用于获取待识别台区对应的多个电量数据;
计算单元,用于基于电量数据,计算待识别台区中的各台区用户对应的挥发系数;
选取单元,用于基于挥发系数,从台区用户中选取若干第一用户作为社团中心;
构建单元,用于根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,第二用户为台区用户中除第一用户以外的台区用户;
合并单元,用于根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
进一步地,基于电量数据,计算待识别台区中的各台区用户对应的挥发系数,具体包括:
对电量数据进行趋势点筛选后,确定主要趋势点;
根据主要趋势点对应的特征,计算待识别台区中的各台区用户对应的挥发系数。
具体地,对电量数据进行趋势点筛选后,确定主要趋势点,具体包括:
基于预设判断条件,对电量数据进行趋势点筛选,得到趋势点集合;
基于密度指数计算公式,计算趋势点集合中各趋势点对应的密度指数;
从最大密度指数的趋势点开始,渐缩的选取m个趋势点作为主要趋势点,其中,m为自然数。
进一步地,根据主要趋势点对应的特征,计算待识别台区中的各台区用户对应的挥发系数,具体包括:
基于挥发强度计算公式和主要趋势点对应的特征,计算待识别台区中的各台区用户对应的挥发强度;
根据台区用户之间挥发强度的差值,计算各台区用户对应的挥发半径;
根据各台区用户对应的挥发强度和挥发半径,计算对应的挥发系数。
可选地,基于挥发系数,从台区用户中选取若干第一用户作为社团中心,具体包括:
从最大挥发系数的台区用户开始,渐缩的选取n个台区用户作为第一用户,并将第一用户作为社团中心,其中,n为自然数。
进一步地,根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,具体包括:
计算各第二用户和各社团中心之间的Hausdorff距离;
以各社团中心为参考点,将与该社团中心之间的Hausdorff距离最小的第二用户作为该社团中心中的台区用户,得到该社团中心对应的初始社团。
进一步地,根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户,具体包括:
根据关联系数计算公式,计算初始社团之间的关联系数;
将关联系数小于合并系数的初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
本实施例中,首先获取待识别台区对应的多个电量数据,接着基于电量数据,计算待识别台区中的各台区用户对应的挥发系数,然后基于挥发系数,从台区用户中选取若干第一用户作为社团中心,接着根据第二用户和各社团中心的隶属度关系,构建各社团中心对应的初始社团,第二用户为台区用户中除第一用户以外的台区用户,最后根据初始社团之间的关联系数,对初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。整个识别过程中,首先识别出社团中心,然后在此基础上进行社团划分和社团合并,可对所有台区用户并行开展分析,快速检测出孤立台区用户作为异常线损,相较于现有逐个台区用户识别的方法,识别效率高,从而解决了现有对于台区异常线损的识别方法,采用逐个台区用户、逐条线路进行分析,导致识别周期较长的技术问题。
本申请实施例第三方面提供了一种台区异常线损的识别设备的实施例。
一种台区异常线损的识别设备,包括处理器以及存储器;存储器用于存储程序代码,并将程序代码传输给处理器;处理器用于根据程序代码中的指令执行第一方面的台区异常线损的识别方法。
本申请实施例第四方面提供了一种存储介质的实施例。
一种存储介质,存储介质用于存储程序代码,程序代码用于执行第一方面的台区异常线损的识别方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置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,所揭露的装置和方法,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待安装电网网络,或一些特征可以忽略,或不执行。另一点,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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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实施例方案的目的。
另外,在本申请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。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种台区异常线损的识别方法,其特征在于,包括:
获取待识别台区对应的多个电量数据;
基于所述电量数据,计算所述待识别台区中的各台区用户对应的挥发系数;
基于所述挥发系数,从所述台区用户中选取若干第一用户作为社团中心;
根据第二用户和各所述社团中心的隶属度关系,构建各所述社团中心对应的初始社团,所述第二用户为所述台区用户中除所述第一用户以外的台区用户;
根据所述初始社团之间的关联系数,对所述初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
2.根据权利要求1所述的台区异常线损的识别方法,其特征在于,所述基于所述电量数据,计算所述待识别台区中的各台区用户对应的挥发系数,具体包括:
对所述电量数据进行趋势点筛选后,确定主要趋势点;
根据所述主要趋势点对应的特征,计算所述待识别台区中的各台区用户对应的挥发系数。
3.根据权利要求2所述的台区异常线损的识别方法,其特征在于,所述对所述电量数据进行趋势点筛选后,确定主要趋势点,具体包括:
基于预设判断条件,对所述电量数据进行趋势点筛选,得到趋势点集合;
基于密度指数计算公式,计算所述趋势点集合中各趋势点对应的密度指数;
从最大密度指数的趋势点开始,渐缩的选取m个趋势点作为主要趋势点,其中,m为自然数。
4.根据权利要求2所述的台区异常线损的识别方法,其特征在于,所述根据所述主要趋势点对应的特征,计算所述待识别台区中的各台区用户对应的挥发系数,具体包括:
基于挥发强度计算公式和所述主要趋势点对应的特征,计算所述待识别台区中的各台区用户对应的挥发强度;
根据所述台区用户之间挥发强度的差值,计算各所述台区用户对应的挥发半径;
根据各所述台区用户对应的挥发强度和挥发半径,计算对应的挥发系数。
5.根据权利要求1所述的台区异常线损的识别方法,其特征在于,所述基于所述挥发系数,从所述台区用户中选取若干第一用户作为社团中心,具体包括:
从最大挥发系数的台区用户开始,渐缩的选取n个台区用户作为第一用户,并将所述第一用户作为社团中心,其中,n为自然数。
6.根据权利要求1所述的台区异常线损的识别方法,其特征在于,所述根据第二用户和各所述社团中心的隶属度关系,构建各所述社团中心对应的初始社团,具体包括:
计算各第二用户和各社团中心之间的Hausdorff距离;
以各所述社团中心为参考点,将与该社团中心之间的Hausdorff距离最小的第二用户作为该社团中心中的台区用户,得到该社团中心对应的初始社团。
7.根据权利要求1所述的台区异常线损的识别方法,其特征在于,所述根据所述初始社团之间的关联系数,对所述初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户,具体包括:
根据关联系数计算公式,计算所述初始社团之间的关联系数;
将所述关联系数小于合并系数的初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
8.一种台区异常线损的识别装置,其特征在于,包括:
获取单元,用于获取待识别台区对应的多个电量数据;
计算单元,用于基于所述电量数据,计算所述待识别台区中的各台区用户对应的挥发系数;
选取单元,用于基于所述挥发系数,从所述台区用户中选取若干第一用户作为社团中心;
构建单元,用于根据第二用户和各所述社团中心的隶属度关系,构建各所述社团中心对应的初始社团,所述第二用户为所述台区用户中除所述第一用户以外的台区用户;
合并单元,用于根据所述初始社团之间的关联系数,对所述初始社团进行合并,并将合并后剩余的孤立台区用户作为异常线损台区用户。
9.一种台区异常线损的识别设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1至7中任一项所述的台区异常线损的识别方法。
10.一种存储介质,其特征在于,所述存储介质用于存储程序代码,所述程序代码用于执行权利要求1至7中任一项所述的台区异常线损的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727828.1A CN115205067A (zh) | 2022-06-24 | 2022-06-24 | 一种台区异常线损的识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727828.1A CN115205067A (zh) | 2022-06-24 | 2022-06-24 | 一种台区异常线损的识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115205067A true CN115205067A (zh) | 2022-10-18 |
Family
ID=83578639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210727828.1A Pending CN115205067A (zh) | 2022-06-24 | 2022-06-24 | 一种台区异常线损的识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205067A (zh) |
-
2022
- 2022-06-24 CN CN202210727828.1A patent/CN115205067A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107220732B (zh) | 一种基于梯度提升树的停电投诉风险预测方法 | |
CN107240033B (zh) | 一种电力识别模型的构建方法及系统 | |
CN111079941B (zh) | 信用信息处理方法、系统、终端和存储介质 | |
CN114610559A (zh) | 设备运行环境评估方法、判决模型训练方法、电子设备 | |
CN117078048A (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
CN113094448B (zh) | 住宅空置状态的分析方法及分析装置、电子设备 | |
CN115205067A (zh) | 一种台区异常线损的识别方法、装置、设备和存储介质 | |
CN111414528B (zh) | 确定设备标识的方法、装置、存储介质及电子设备 | |
CN113591511A (zh) | 混凝土状态的识别方法、装置、电子设备及存储介质 | |
CN115170153B (zh) | 一种基于多维属性的工单处理方法、装置及存储介质 | |
KR101907551B1 (ko) | 확률 그래프의 효과적인 그래프 클러스터링 장치 및 방법 | |
CN113450142B (zh) | 一种电力客户用电行为聚类分析方法及装置 | |
CN114841490A (zh) | 一种生态保护优先区识别方法、系统、装置及存储介质 | |
CN114331665A (zh) | 用于预定申请人的信用判定模型的训练方法、装置和电子设备 | |
CN108260148B (zh) | 一种故障检测方法及装置 | |
CN110738571B (zh) | 一种交易风险控制的方法以及相关装置 | |
CN115542062B (zh) | 户变关系异常的识别方法、装置、设备和存储介质 | |
CN110569277A (zh) | 一种配置数据信息自动识别与归类方法及系统 | |
Engelke et al. | Towards an inter-observer analysis framework for multimedia quality assessment | |
CN113645051B (zh) | 一种对客户投诉进行预警的方法及装置 | |
CN115689128B (zh) | 基于crm的客户数据分析方法及系统 | |
CN117745080B (zh) | 基于多因素认证的数据访问控制和安全监管方法和系统 | |
CN117371861B (zh) | 基于数字化的家政服务质量智能分析方法及系统 | |
CN116911863A (zh) | 回访客户管控方法、装置、电子设备和计算机程序产品 | |
CN113656267A (zh) | 设备能效的计算方法、装置、电子设备及存储介质 |
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 |