CN115422788B - 一种配电网线损分析管理方法、装置、存储介质及系统 - Google Patents

一种配电网线损分析管理方法、装置、存储介质及系统 Download PDF

Info

Publication number
CN115422788B
CN115422788B CN202211382627.9A CN202211382627A CN115422788B CN 115422788 B CN115422788 B CN 115422788B CN 202211382627 A CN202211382627 A CN 202211382627A CN 115422788 B CN115422788 B CN 115422788B
Authority
CN
China
Prior art keywords
line loss
distribution network
analysis
power distribution
preset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211382627.9A
Other languages
English (en)
Other versions
CN115422788A (zh
Inventor
罗强
吴亚雄
高崇
陈沛东
张俊潇
李�浩
王星华
黄烨
何璇
程苒
许志恒
张黎明
谭涛亮
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.)
Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid 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 Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202211382627.9A priority Critical patent/CN115422788B/zh
Publication of CN115422788A publication Critical patent/CN115422788A/zh
Application granted granted Critical
Publication of CN115422788B publication Critical patent/CN115422788B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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

Abstract

本发明公开了一种配电网线损分析管理方法、装置、存储介质及系统。通过逻辑回归算法初步获取权重较大的线损因素，随后根据线损因素对各个供电分区进行分区建模以获取区域线损成因分析模型，并将待分析管理数据输入该区域线损成因分析模型以获取待分析管理电网的线损分析结果，该配电网线损分析管理方法、装置、存储介质及系统提升了配电网线损的分析管理效率和准确性；进一步地，本发明提供的一种方法、装置、存储介质及系统还通过马氏距离判别法对规划态配电网的各个馈线进行分区，并选用对应的第一区域线损成因分析模型进行线损分析识别，从而为规划态配电网提供规划管理数据支持，从而提升配电网的可管理性。

Description

一种配电网线损分析管理方法、装置、存储介质及系统
技术领域
本发明涉及配电网线损分析管理技术领域，尤其涉及一种配电网线损分析管理方法、装置、计算机可读存储介质及系统。
背景技术
配电网直接与用户相连，具有地域分布广、电网规模大、设备种类多、网络连接方式多样、运行方式多样等鲜明特点。据统计配电网损耗占整个电力系统损的一半以上，公用线路的损耗问题尤为突出。目前高损耗的主要原因有：（1）馈线规划不合理：供电半径过大、导体截面小、变压器容量不匹配、设备选型不科学、现场无功电源配置不足、三相负荷分布不均等；（2）运行方式不精益：配网负荷分配不均衡、无功损耗大或电容器运行率低、负荷率高、设备不在经济运行区、无功潮流不调整，电压等级低等；（3）高损耗设备损耗大：配网主要设备质量参差不齐、安装过程粗糙、设备陈旧等；（4）线损管理模式不够完善：偷电漏电情况仍然存在，智能电表覆盖率未达到全覆盖、抄表未同期、抄表方式单一等。以上原因中第四类原因影响的主要是管理线损，需要供电企业内部建立完善的线损管理方案方可解决，而对于前三种原因，由于配电网分布量大面广，区域内技术线损较高时，难以快速查明原因，无法有针对性地采取措施实现节能降损。
在现有技术中，通常基于用电信息采集系统的计量数据、一体化的关口模型配置数据，实时检测馈线出现的高损和负损情况，并对负损和高损馈线进行关联分析，开展包括营配贯通问题、关口模型配置问题、供电关口计量异常问题、售电关口计量异常问题的识别。
但是，现有技术仍存在如下缺陷：无法明确该线路线损高的成因，运行规划人员难以针对性地迅速提出整改措施。
因此，当前需要一种配电网线损分析管理方法、装置、计算机可读存储介质以及系统，从而克服现有技术中存在的上述缺陷。
发明内容
本发明实施例提供一种配电网线损分析管理方法、装置、计算机可读存储介质以及系统，从而提升配电网线损的分析管理效率和准确性。
本发明一实施例提供一种配电网线损分析管理方法，所述分析管理方法包括：获取待分析管理电网的供电分区以及待分析管理数据组；根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型；将所述待分析管理数据组输入所述区域线损成因分析模型，获得分析管理结果。
作为上述方案的改进，根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型，具体包括：根据预设的线损指标体系获取待分析管理电网的历史线损参数，对所述历史线损参数进行归一化以获取归一化样本；采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素；根据所述第一线损因素，针对所述供电分区对应构建区域线损成因分析模型。
作为上述方案的改进，采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素，具体包括：将所述归一化样本导入预设的回归分析算法模型中，并对所述回归分析算法模型进行初始化以获取第一回归分析算法模型，根据预设的惩罚项式构建所述第一回归分析算法模型的损失函数；根据预设的梯度下降法迭代更新所述损失函数的权重参数，并在所述损失函数最小时，输出各个线损指标以及对应的权重；根据所述权重，从所述线损指标中筛选出第一线损因素。
作为上述方案的改进，所述损失函数具体为：
Figure 433068DEST_PATH_IMAGE001
；
Figure 179307DEST_PATH_IMAGE002
；式中，r为样本数量，n为样本维度，
Figure 471748DEST_PATH_IMAGE003
为第i个样本 的真实结果，
Figure 594425DEST_PATH_IMAGE004
为第i个样本各数据维度经过变换之后的结果，变换公式见
Figure 429657DEST_PATH_IMAGE005
，
Figure 346798DEST_PATH_IMAGE006
为惩罚项的正则化参数，
Figure 657693DEST_PATH_IMAGE007
为第j个维度的权重。
作为上述方案的改进，所述分析管理方法还包括：获取规划态配电网的线损状态数据，并利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域；根据所述第一供电区域获取对应的第一区域线损成因分析模型，并根据所述第一区域线损成因分析模型，对所述线损状态数据进行分析识别，获取分析识别结果；将所述分析识别结果发送给管理员，以使所述管理员根据所述分析识别结果对所述规划态配电网进行规划调整管理。
作为上述方案的改进，所述分析管理方法还包括：获取线损指标集；所述线损指标集包括多个线损指标；根据预设的指标评估方法，对各个线损指标进行获取性评估以及贡献度评估，获得各个线损指标的评估结果；根据所述评估结果，筛选出一个或多个线损指标以作为线损指标体系。
作为上述方案的改进，利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域，具体包括：根据所述线损状态数据，计算所述规划态配电网的各个馈线与所述规划态配电网之间的马氏距离；根据所述马氏距离对各个馈线进行聚类划分，从而确定各个馈线对应的第一供电区域。
本发明另一实施例对应提供了一种配电网线损分析管理装置，所述分析管理装置包括数据获取单元、模型构建单元以及分析管理单元，其中，所述数据获取单元用于获取待分析管理电网的供电分区以及待分析管理数据组；所述模型构建单元用于根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型；所述分析管理单元用于将所述待分析管理数据组输入所述区域线损成因分析模型，获得分析管理结果。
作为上述方案的改进，所述模型构建单元还用于：根据预设的线损指标体系获取待分析管理电网的历史线损参数，对所述历史线损参数进行归一化以获取归一化样本；采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素；根据所述第一线损因素，针对所述供电分区对应构建区域线损成因分析模型。
作为上述方案的改进，所述模型构建单元还用于：将所述归一化样本导入预设的回归分析算法模型中，并对所述回归分析算法模型进行初始化以获取第一回归分析算法模型，根据预设的惩罚项式构建所述第一回归分析算法模型的损失函数；根据预设的梯度下降法迭代更新所述损失函数的权重参数，并在所述损失函数最小时，输出各个线损指标以及对应的权重；根据所述权重，从所述线损指标中筛选出第一线损因素。
作为上述方案的改进，所述分析管理装置还包括规划管理单元，所述规划管理单元用于：获取规划态配电网的线损状态数据，并利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域；根据所述第一供电区域获取对应的第一区域线损成因分析模型，并根据所述第一区域线损成因分析模型，对所述线损状态数据进行分析识别，获取分析识别结果；将所述分析识别结果发送给管理员，以使所述管理员根据所述分析识别结果对所述规划态配电网进行规划调整管理。
作为上述方案的改进，所述分析管理装置还包括体系构建单元，所述体系构建单元用于：获取线损指标集；所述线损指标集包括多个线损指标；根据预设的指标评估方法，对各个线损指标进行获取性评估以及贡献度评估，获得各个线损指标的评估结果；根据所述评估结果，筛选出一个或多个线损指标以作为线损指标体系。
本发明另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如前所述的配电网线损分析管理方法。
本发明另一实施例提供了一种配电网线损分析管理系统，所述分析管理系统包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的配电网线损分析管理方法。
与现有技术相比，本技术方案存在如下有益效果：
本发明提供了一种配电网线损分析管理方法、装置、计算机可读存储介质以及系统，通过逻辑回归算法初步获取权重较大的线损因素，随后根据线损因素对各个供电分区进行分区建模以获取区域线损成因分析模型，并将待分析管理数据输入该区域线损成因分析模型以获取待分析管理电网的线损分析结果，该配电网线损分析管理方法、装置、计算机可读存储介质以及系统提升了配电网线损的分析管理效率和准确性。
进一步地，本发明提供的一种配电网线损分析管理方法、装置、计算机可读存储介质以及系统还通过马氏距离判别法对规划态配电网的各个馈线进行分区，并选用对应的第一区域线损成因分析模型进行线损分析识别，从而为规划态配电网提供规划管理数据支持，从而提升配电网的可管理性。
附图说明
图1是本发明一实施例提供的一种配电网线损分析管理方法的流程示意图；
图2是本发明一实施例提供的一种配电网线损分析管理装置的结构示意图。
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。
具体实施例一
本发明实施例首先描述了一种配电网线损分析管理方法。图1是本发明一实施例提供的一种配电网线损分析管理方法的流程示意图。
如图1所示，所述配电网线损分析管理方法包括：
S1:获取待分析管理电网的供电分区以及待分析管理数据组。
在具体实施例中，一共有四类供电分区。
S2:根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型。
在一个实施例中，根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型，具体包括：根据预设的线损指标体系获取待分析管理电网的历史线损参数，对所述历史线损参数进行归一化以获取归一化样本；采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素；根据所述第一线损因素，针对所述供电分区对应构建区域线损成因分析模型。
由于数据的归一化有利于数据特征的表达，减小不同特征之间因单位和数量级不同造成的计算误差，因此，在获取历史线损参数后，首先对历史线损参数进行归一化。
在具体实现中，数据归一化可通过以下公式得到：
Figure 52902DEST_PATH_IMAGE008
；
其中，
Figure 867275DEST_PATH_IMAGE009
为指标
Figure 594797DEST_PATH_IMAGE010
的归一化数据，
Figure 127410DEST_PATH_IMAGE011
为指标
Figure 326310DEST_PATH_IMAGE010
的最小值，
Figure 995188DEST_PATH_IMAGE012
为指标
Figure 519711DEST_PATH_IMAGE010
的最大 值。
通过上述步骤对线损数据进行归一化处理之后，便得到进行初步逻辑回归的数据。由于通常配电网馈线数量众多，与线损相关的数据多且复杂，故需要对归一化处理后的线损数据进行初步的线损成因分析，利用各种成因的输出权重来剔除其中的一些与线损相关程度低的因素，达到简化分析的目的。
在对历史线损参数进行归一化后，本发明实施例采用多因素逻辑回归算法对归一化样本进行初步的线损成因分析，按照供电分区为分类依据，把从初步线损成因分析中得到的相关程度高的影响因素作为输入数据，对每一类馈线构建线损成因识别模型，利用模型输出的权重参数判断影响因素的作用程度。
在具体实施例中，由于模型存在过拟合和欠拟合的情况，因此对传统的逻辑回归算法进行了改进，在计算损失函数时引入惩罚项，具体过程为：
步骤1，将各类馈线数据导入算法模型中；
步骤2，进行模型初始化，初始化参数包括：权重参数、惩罚项的正则化参数、学习率和迭代次数；
步骤3，构造损失函数，在迭代过程中通常以损失函数最小作为目标函数，在具体实现中，带惩罚项的目标函数可通过以下公式得到：
Figure 414985DEST_PATH_IMAGE013
；
Figure 151997DEST_PATH_IMAGE014
；
其中，r为样本数量，n为样本维度，
Figure 940962DEST_PATH_IMAGE003
为第i个样本的真实结果，
Figure 636385DEST_PATH_IMAGE015
为第i个 样本各数据维度经过变换之后的结果，变换公式见
Figure 878011DEST_PATH_IMAGE016
，
Figure 559659DEST_PATH_IMAGE006
为惩罚项的正则化参数，
Figure 203130DEST_PATH_IMAGE007
为 第j个维度的权重。
步骤4，采用梯度下降法更新权重参数，由于惩罚项中未含
Figure 803876DEST_PATH_IMAGE017
，所以梯度下降法需 分两种情况进行权重更新，在具体实现中，权重的更新可通过以下公式得到：
Figure 798376DEST_PATH_IMAGE018
；
Figure 142770DEST_PATH_IMAGE019
；
其中，
Figure 640747DEST_PATH_IMAGE020
为第k+1次的常数权重，
Figure 287761DEST_PATH_IMAGE021
为学习率，
Figure 769558DEST_PATH_IMAGE022
为第i个样本的常数，
Figure 652063DEST_PATH_IMAGE023
为第k +1次的第j个维度的权重。
步骤5，当迭代过程中存在
Figure 270126DEST_PATH_IMAGE024
使得目标函数最小，算法结束，否则继续更新权重。
在实际应用中，还可以提取馈线分类数据及标签。
在一个实施例中，采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素，具体包括：将所述归一化样本导入预设的回归分析算法模型中，并对所述回归分析算法模型进行初始化以获取第一回归分析算法模型，根据预设的惩罚项式构建所述第一回归分析算法模型的损失函数；根据预设的梯度下降法迭代更新所述损失函数的权重参数，并在所述损失函数最小时，输出各个线损指标以及对应的权重；根据所述权重，从所述线损指标中筛选出第一线损因素。
S3:将所述待分析管理数据组输入所述区域线损成因分析模型，获得分析管理结果。
在实际应用中，随着用电的增加、配电网的发展，馈线数量会越来越多，为了能够识别出规划态馈线（以下简称新馈线）的线损成因，需要将新增馈线归入现有类别，并利用现有类别的线损成因识别模型来判断线损成因，同时利用模型的附带功能来预测线损高低。
本发明实施例中，利用马氏（Mahalanobis）距离判别法将新馈线进行归类，新馈线的归类方法如下：
设
Figure 478253DEST_PATH_IMAGE025
为含有r个样本的总体，其中样本
Figure 558598DEST_PATH_IMAGE026
为n维 样本。令
Figure 244795DEST_PATH_IMAGE027
，则n维样本均值向量
Figure 717364DEST_PATH_IMAGE028
，协方差矩阵为
Figure 830814DEST_PATH_IMAGE029
，大小为n阶方阵。
在具体实现中，样本X与总体G的马氏距离计算公式为：
Figure 21624DEST_PATH_IMAGE030
；
其中，
Figure 386877DEST_PATH_IMAGE031
为协方差矩阵的逆矩阵。
对于给定C个总体
Figure 713953DEST_PATH_IMAGE032
，这里的C即为上述聚类算法的聚类数，在具体实现 中，当新样本
Figure 263883DEST_PATH_IMAGE033
满足以下条件：
Figure 941989DEST_PATH_IMAGE034
；
即计算新样本
Figure 969988DEST_PATH_IMAGE035
与每一类总体G的马氏距离，若新样本
Figure 151571DEST_PATH_IMAGE035
到总体
Figure 747768DEST_PATH_IMAGE036
的马氏距 离最小，则可以将新样本
Figure 913170DEST_PATH_IMAGE035
划分到总体
Figure 744860DEST_PATH_IMAGE036
内。
在本发明还提供了新馈线归类方法优良性的评价方法，通常运用基于训练样本的 交叉确认估计法来判断归类方法正确率，具体步骤包括：从容量为
Figure 780949DEST_PATH_IMAGE037
的总体
Figure 672682DEST_PATH_IMAGE038
中剔除一个 样品，用
Figure 200746DEST_PATH_IMAGE038
中剩余容量的训练样本和其他总体
Figure 570548DEST_PATH_IMAGE039
的训练样本建立判别函数；用建 立的判别函数对总体
Figure 992302DEST_PATH_IMAGE038
中被提出的样本进行判别；重复上述两个步骤，直到总体
Figure 789357DEST_PATH_IMAGE038
中的每 一个样本都被剔除，设期间误判个数为
Figure 663772DEST_PATH_IMAGE040
；重复上述三个步骤，直到每个总体中的每一个样 本都被剔除，同理期间误判个数为
Figure 476745DEST_PATH_IMAGE041
。
则在具体实现中，归类方法的正确率为：
Figure 753005DEST_PATH_IMAGE042
；
其中，
Figure 720961DEST_PATH_IMAGE043
为馈线归类方法的正确率。
通过马氏距离判别将新馈线进行划分，并通过该类馈线的线损成因识别模型来识别线损成因，同时预测出该馈线是否存在高损问题，若存在高损问题，则通过识别模型生成的权重参数判断该类馈线的主要成因，进而对还未投入运行的新馈线进行改造，避免运行时产生不必要的损失，减小运行费用。若不存在高损问题，则可投入运行。
在一个实施例中，所述分析管理方法还包括：获取规划态配电网的线损状态数据，并利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域；根据所述第一供电区域获取对应的第一区域线损成因分析模型，并根据所述第一区域线损成因分析模型，对所述线损状态数据进行分析识别，获取分析识别结果；将所述分析识别结果发送给管理员，以使所述管理员根据所述分析识别结果对所述规划态配电网进行规划调整管理。
在一个实施例中，利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域，具体包括：根据所述线损状态数据，计算所述规划态配电网的各个馈线与所述规划态配电网之间的马氏距离；根据所述马氏距离对各个馈线进行聚类划分，从而确定各个馈线对应的第一供电区域。
在实际应用中，由于目前对馈线的监测体系不够全面，监测设备可靠性不高；此外实时监测数据分布在各个不同的系统，部分数据存在无法关联甚至无存档的情况，导致某些线损数据存在获取难度大的情况；因此，需要考虑线损指标易获取性和对线损的贡献程度构建线损指标体系，从而为后续分析提供有效且高效的数据支持。
线损贡献程度表示线损指标对线损率大小的影响程度，可以但不限于从一下几个方面考虑：①该指标对理论线损率的影响大小；②该指标是否能反映馈线的基本属性；③该指标能否反映馈线的正常运行水平；④该指标能否反映馈线负荷水平情况。
通过上述分析，在本发明实施例中采用配变型号、线路截面、配变负载率等作为线损指标体系，配变型号、线路截面、配变负载率需要进行一定的转换才能作为输入数据，故将配变型号转换为高耗能变压器占比；线路截面转换成电缆、绝缘架空线、裸导体架空线三种线路的电阻和；配变负载率则转换为重载配变占比。
在一个实施例中，所述分析管理方法还包括：获取线损指标集；所述线损指标集包括多个线损指标；根据预设的指标评估方法，对各个线损指标进行获取性评估以及贡献度评估，获得各个线损指标的评估结果；根据所述评估结果，筛选出一个或多个线损指标以作为线损指标体系。
通过上述步骤，本发明实施例可以但不限于实现了如下有益效果：解决由于配电网分布广、结构复杂造成的线损问题，进一步缩小线损分析的范围，避免因现状配电网分布广泛造成的线损成因梳理不清；根据各类供电分区确定现状电网中每一类馈线的线损成因及影响程度，便于运行和规划人员形成有针对性的解决措施；通过本专利建立起来的线损成因识别模型可应用于规划态配网或馈线的线损识别，便于提前合理调整馈线结构。
本发明实施例描述了一种配电网线损分析管理方法，通过逻辑回归算法初步获取权重较大的线损因素，随后根据线损因素对各个供电分区进行分区建模以获取区域线损成因分析模型，并将待分析管理数据输入该区域线损成因分析模型以获取待分析管理电网的线损分析结果，该配电网线损分析管理方法提升了配电网线损的分析管理效率和准确性；进一步地，本发明实施例描述的一种配电网线损分析管理方法还通过马氏距离判别法对规划态配电网的各个馈线进行分区，并选用对应的第一区域线损成因分析模型进行线损分析识别，从而为规划态配电网提供规划管理数据支持，从而提升配电网的可管理性。
具体实施例二
除上述方法外，本发明实施例还公开了一种配电网线损分析管理装置。图2是本发明一实施例提供的一种配电网线损分析管理装置的结构示意图。
如图2所示，所述分析管理装置包括数据获取单元11、模型构建单元12以及分析管理单元13。
数据获取单元11用于获取待分析管理电网的供电分区以及待分析管理数据组。
模型构建单元12用于根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型。
分析管理单元13用于将所述待分析管理数据组输入所述区域线损成因分析模型，获得分析管理结果。
在一个实施例中，所述模型构建单元还用于：根据预设的线损指标体系获取待分析管理电网的历史线损参数，对所述历史线损参数进行归一化以获取归一化样本；采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素；根据所述第一线损因素，针对所述供电分区对应构建区域线损成因分析模型。
在一个实施例中，所述模型构建单元还用于：将所述归一化样本导入预设的回归分析算法模型中，并对所述回归分析算法模型进行初始化以获取第一回归分析算法模型，根据预设的惩罚项式构建所述第一回归分析算法模型的损失函数；根据预设的梯度下降法迭代更新所述损失函数的权重参数，并在所述损失函数最小时，输出各个线损指标以及对应的权重；根据所述权重，从所述线损指标中筛选出第一线损因素。
在一个实施例中，所述分析管理装置还包括规划管理单元，所述规划管理单元用于：获取规划态配电网的线损状态数据，并利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域；根据所述第一供电区域获取对应的第一区域线损成因分析模型，并根据所述第一区域线损成因分析模型，对所述线损状态数据进行分析识别，获取分析识别结果；将所述分析识别结果发送给管理员，以使所述管理员根据所述分析识别结果对所述规划态配电网进行规划调整管理。
在一个实施例中，分析管理装置还包括体系构建单元，所述体系构建单元用于：获取线损指标集；所述线损指标集包括多个线损指标；根据预设的指标评估方法，对各个线损指标进行获取性评估以及贡献度评估，获得各个线损指标的评估结果；根据所述评估结果，筛选出一个或多个线损指标以作为线损指标体系。
其中，所述分析管理装置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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。本发明另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如前所述的配电网线损分析管理方法。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，单元之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例描述了一种配电网线损分析管理装置及计算机可读存储介质，通过逻辑回归算法初步获取权重较大的线损因素，随后根据线损因素对各个供电分区进行分区建模以获取区域线损成因分析模型，并将待分析管理数据输入该区域线损成因分析模型以获取待分析管理电网的线损分析结果，该配电网线损分析管理装置及计算机可读存储介质提升了配电网线损的分析管理效率和准确性；进一步地，本发明实施例描述的一种配电网线损分析管理装置及计算机可读存储介质还通过马氏距离判别法对规划态配电网的各个馈线进行分区，并选用对应的第一区域线损成因分析模型进行线损分析识别，从而为规划态配电网提供规划管理数据支持，从而提升配电网的可管理性。
具体实施例三
除上述方法和装置外，本发明实施例还描述了一种配电网线损分析管理系统。
分析管理系统包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的配电网线损分析管理方法。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述装置的控制中心，利用各种接口和线路连接整个装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述装置的各种功能。所述存储器可主要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、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（FlashCard）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明实施例描述了一种配电网线损分析管理系统，通过逻辑回归算法初步获取权重较大的线损因素，随后根据线损因素对各个供电分区进行分区建模以获取区域线损成因分析模型，并将待分析管理数据输入该区域线损成因分析模型以获取待分析管理电网的线损分析结果，该配电网线损分析管理系统提升了配电网线损的分析管理效率和准确性；进一步地，本发明实施例描述的一种配电网线损分析管理系统还通过马氏距离判别法对规划态配电网的各个馈线进行分区，并选用对应的第一区域线损成因分析模型进行线损分析识别，从而为规划态配电网提供规划管理数据支持，从而提升配电网的可管理性。
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 (7)

1.一种配电网线损分析管理方法，其特征在于，所述分析管理方法包括：
获取待分析管理电网的供电分区以及待分析管理数据组；
根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型；根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型，具体包括：根据预设的线损指标体系获取待分析管理电网的历史线损参数，对所述历史线损参数进行归一化以获取归一化样本；采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素；根据所述第一线损因素，针对所述供电分区对应构建区域线损成因分析模型；其中，采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素，具体包括：将所述归一化样本导入预设的回归分析算法模型中，并对所述回归分析算法模型进行初始化以获取第一回归分析算法模型，根据预设的惩罚项式构建所述第一回归分析算法模型的损失函数；根据预设的梯度下降法迭代更新所述损失函数的权重参数，并在所述损失函数最小时，输出各个线损指标以及对应的权重；根据所述权重，从所述线损指标中筛选出第一线损因素；其中，所述损失函数具体为：
Figure 774535DEST_PATH_IMAGE001
；
Figure 704576DEST_PATH_IMAGE002
；
式中，r为样本数量，n为样本维度，
Figure 979699DEST_PATH_IMAGE003
为第i个样本的真实结果，
Figure 623170DEST_PATH_IMAGE004
为第i个样本 各数据维度经过变换之后的结果，变换公式见
Figure 896020DEST_PATH_IMAGE005
，
Figure 624941DEST_PATH_IMAGE006
为惩罚项的正则化参数，
Figure 703756DEST_PATH_IMAGE007
为第j个 维度的权重；
将所述待分析管理数据组输入所述区域线损成因分析模型，获得分析管理结果。
2.根据权利要求1所述的配电网线损分析管理方法，其特征在于，所述分析管理方法还包括：
获取规划态配电网的线损状态数据，并利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域；
根据所述第一供电区域获取对应的第一区域线损成因分析模型，并根据所述第一区域线损成因分析模型，对所述线损状态数据进行分析识别，获取分析识别结果；
将所述分析识别结果发送给管理员，以使所述管理员根据所述分析识别结果对所述规划态配电网进行规划调整管理。
3.根据权利要求2所述的配电网线损分析管理方法，其特征在于，所述分析管理方法还包括：
获取线损指标集；所述线损指标集包括多个线损指标；
根据预设的指标评估方法，对各个线损指标进行获取性评估以及贡献度评估，获得各个线损指标的评估结果；
根据所述评估结果，筛选出一个或多个线损指标以作为线损指标体系。
4.根据权利要求3所述的配电网线损分析管理方法，其特征在于，利用预设的马氏距离判别法以及所述线损状态数据，确定所述规划态配电网的各个馈线对应的第一供电区域，具体包括：
根据所述线损状态数据，计算所述规划态配电网的各个馈线与所述规划态配电网之间的马氏距离；
根据所述马氏距离对各个馈线进行聚类划分，从而确定各个馈线对应的第一供电区域。
5.一种配电网线损分析管理装置，其特征在于，所述分析管理装置包括数据获取单元、模型构建单元以及分析管理单元，其中，
所述数据获取单元用于获取待分析管理电网的供电分区以及待分析管理数据组；
所述模型构建单元用于根据预设的线损指标体系、预设的区域模型构建方法、所述供电分区以及所述待分析管理数据组，构建各个供电分区对应的区域线损成因分析模型；所述模型构建单元还用于：根据预设的线损指标体系获取待分析管理电网的历史线损参数，对所述历史线损参数进行归一化以获取归一化样本；采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素；根据所述第一线损因素，针对所述供电分区对应构建区域线损成因分析模型；其中，采用预设的分析算法，对所述归一化样本进行初步线损成因分析以获取第一线损因素，具体包括：将所述归一化样本导入预设的回归分析算法模型中，并对所述回归分析算法模型进行初始化以获取第一回归分析算法模型，根据预设的惩罚项式构建所述第一回归分析算法模型的损失函数；根据预设的梯度下降法迭代更新所述损失函数的权重参数，并在所述损失函数最小时，输出各个线损指标以及对应的权重；根据所述权重，从所述线损指标中筛选出第一线损因素；其中，所述损失函数具体为：
Figure 388684DEST_PATH_IMAGE008
；
Figure 160331DEST_PATH_IMAGE009
；
式中，r为样本数量，n为样本维度，
Figure 110969DEST_PATH_IMAGE010
为第i个样本的真实结果，
Figure 931158DEST_PATH_IMAGE011
为第i个样本 各数据维度经过变换之后的结果，变换公式见
Figure 283642DEST_PATH_IMAGE012
，
Figure 226190DEST_PATH_IMAGE006
为惩罚项的正则化参数，
Figure 349610DEST_PATH_IMAGE013
为第j个 维度的权重；
所述分析管理单元用于将所述待分析管理数据组输入所述区域线损成因分析模型，获得分析管理结果。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的配电网线损分析管理方法。
7.一种配电网线损分析管理系统，其特征在于，所述分析管理系统包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的配电网线损分析管理方法。
CN202211382627.9A 2022-11-07 2022-11-07 一种配电网线损分析管理方法、装置、存储介质及系统 Active CN115422788B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211382627.9A CN115422788B (zh) 2022-11-07 2022-11-07 一种配电网线损分析管理方法、装置、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211382627.9A CN115422788B (zh) 2022-11-07 2022-11-07 一种配电网线损分析管理方法、装置、存储介质及系统

Publications (2)

Publication Number Publication Date
CN115422788A CN115422788A (zh) 2022-12-02
CN115422788B true CN115422788B (zh) 2023-03-24

Family

ID=84207446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211382627.9A Active CN115422788B (zh) 2022-11-07 2022-11-07 一种配电网线损分析管理方法、装置、存储介质及系统

Country Status (1)

Country Link
CN (1) CN115422788B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116976701B (zh) * 2023-08-01 2024-03-19 浙江稳山电气科技有限公司 一种电网线损水平的智能估测方法及系统
CN117216706B (zh) * 2023-11-09 2024-02-09 国网浙江省电力有限公司杭州供电公司 一种配电网数据异常溯源方法、系统、计算机设备及介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4808110B2 (ja) * 2006-09-06 2011-11-02 中国電力株式会社 損傷評価方法
CN104680262A (zh) * 2015-03-18 2015-06-03 国网上海市电力公司 一种受端电网最优分层分区方案获取方法
CN107643507B (zh) * 2017-09-05 2020-07-10 天津市电力科技发展有限公司 一种基于电网线路运行误差远程校准的精益线损分析与管控方法
CN111478311A (zh) * 2019-01-23 2020-07-31 国网甘肃省电力公司电力科学研究院 一种电网任意分区线损计算方法及系统
CN111834996B (zh) * 2019-04-19 2021-12-03 国网甘肃省电力公司电力科学研究院 电网线损计算方法和装置
US11943122B2 (en) * 2019-10-03 2024-03-26 Intel Corporation Management data analytics

Also Published As

Publication number Publication date
CN115422788A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN115422788B (zh) 一种配电网线损分析管理方法、装置、存储介质及系统
CN110097297B (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN110610280B (zh) 一种电力负荷短期预测方法、模型、装置及系统
CN108520357B (zh) 一种线损异常原因的判别方法、装置及服务器
CN110231528B (zh) 基于负荷特征模型库的变压器户变异常识别方法及装置
EP3104323A1 (en) Electric power business profit and loss calculation system and electric power business profit and loss calculation method
CN112149873B (zh) 一种基于深度学习的低压台区线损合理区间预测方法
CN112288172A (zh) 台区线损率的预测方法、装置
Hartmann et al. Suspicious electric consumption detection based on multi-profiling using live machine learning
Wang et al. Short-term load forecasting with LSTM based ensemble learning
CN116933318A (zh) 一种基于联邦学习的用电数据隐私保护方法
CN115759393A (zh) 基于集成学习的累积负荷基线预测方法
CN111882114A (zh) 一种短时交通流量预测模型构建方法及预测方法
CN111027841A (zh) 一种基于梯度提升决策树的低压台区线损计算方法
CN110009012A (zh) 一种风险样本识别方法、装置及电子设备
CN113704389A (zh) 一种数据评估方法、装置、计算机设备及存储介质
CN115542236B (zh) 电能表运行误差估计方法及装置
CN107590747A (zh) 基于综合能源大数据分析的电网资产周转率计算方法
CN116706992A (zh) 一种分布式光伏集群的自适应功率预测方法、装置和设备
CN116249186A (zh) 无线网设备的数据处理方法、装置、存储介质及电子设备
CN115146715A (zh) 用电安全隐患诊断方法、装置、设备及存储介质
CN115081515A (zh) 能效评价模型构建方法、装置、终端及存储介质
CN114118608A (zh) 电网业务配比优化方法、装置、终端及存储介质
CN110110737A (zh) 基于用电数据的企业生命周期阶段识别方法及识别系统
CN109308565A (zh) 人群绩效等级识别方法、装置、存储介质及计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant