CN115545240A - 一种低压配电网台区异常线损诊断方法、系统、设备及介质 - Google Patents

Abstract

本发明公开了一种低压配电网台区异常线损诊断方法、系统、设备及介质，所述方法包括以下步骤：获取待诊断低压配电网台区内的每个用户智能电能表预设天数的电压有效数据和电量有效数据；计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果；线损计算结果为异常线损台区时，通过基于电压有效数据的层次聚类算法诊断，获得第一诊断结果；通过基于电量有效数据的全局搜索算法诊断，获得第二诊断结果；通过基于数据质量的权重对第一诊断结果和第二诊断结果进行评价，获得最终的诊断结果。本发明能够有效解决真实台区因台户关系不正确导致的异常线损问题。

Description

一种低压配电网台区异常线损诊断方法、系统、设备及介质

技术领域

本发明属于数据分析技术领域，涉及智能电能表数字化计量系统在低压配电网台区大数据分析领域，特别涉及一种低压配电网台区异常线损诊断方法、系统、设备及介质。

背景技术

在电力系统的运行与维护中，会出现根据电能表总表与用户分表累计的电能量计算出的线路损耗超出正常值的情况，即异常线损情况，这给电力系统造成重大损失。

电力系统目前正在积极推广和应用智能电能表及全事件用电信息采集系统，该系统能够实现智能电表全量信息的上传(包括电压、电流、功率及冻结电量等)以及用电异常事件上报(例如停电事件、开表盖事件、电压电流异常、潮流反转等)，为线损问题的分析提供了大量的有效信息。如何利用这些信息来对线损问题进行分析，并最终解决台区异常线损的问题是目前电力系统需要面对的重要课题，是全事件用电信息采集系统建设的重要目标之一。

目前，国内外针对台区线损的研究工作集中在理论线损计算和线损管理方式方面，关于诊断和降低线损的研究较少，现有的诊断方法不能准确定位到因台户关系异常引起台区线损出现异常的具体智能电能表，且存在计算复杂度较大、成本较高、准确率低且鲁棒性较差的缺点。

发明内容

本发明的目的在于提供一种低压配电网台区异常线损诊断方法、系统、设备及介质，以解决上述存在的一个或多个技术问题。本发明具体提供了一种基于全事件用电信息采集数据的低压配电网台区异常线损诊断方法，基于大数据分析方法，原理相对简单，可实现对真实异常线损台区的台户关系诊断及问题电表的定位，能够有效解决真实台区因台户关系不正确导致的异常线损问题。

为达到上述目的，本发明采用以下技术方案：

本发明第一方面提供的一种低压配电网台区异常线损诊断方法，包括以下步骤：

步骤1，获取待诊断低压配电网台区内的每个用户智能电能表预设天数的电压有效数据和电量有效数据；

步骤2，基于获取的电压有效数据和电量有效数据，计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果；

步骤3，所述线损计算结果为异常线损台区时，通过基于所述电压有效数据的层次聚类算法诊断，获得第一诊断结果；通过基于所述电量有效数据的全局搜索算法诊断，获得第二诊断结果；通过基于数据质量的权重对所述第一诊断结果和所述第二诊断结果进行评价，获得最终的诊断结果。

本发明方法的进一步改进在于，步骤1具体包括：

采集获取待诊断低压配电网台区内的每个用户智能电能表预设天数的原始电压数据和原始电量数据；

按照拉依达准则对采集获得的每个用户智能电能表的原始电压数据进行清洗，获得每个用户智能电能表的电压有效数据；

依据全事件用电信息采集系统采集的电量异常事件对采集获得的每个用户智能电能表的原始电量数据进行清洗，获得每个用户智能电表的电量有效数据。

本发明方法的进一步改进在于，步骤2具体包括：

基于获取的电压有效数据和电量有效数据，分别计算每个用户智能电能表的电压有效数据与原始电压数据以及电量有效数据与原始电量数据的比例，分别获得电压比例以及电量比例；

当有用户智能电能表的电压比例或电量比例小于预设阈值时，上报低于预设阈值的用户智能电能表ID并跳转至步骤1，重新采集待诊断低压配电网台区内的所有用于智能电能表的电压有效数据和电量有效数据；

当所有用户智能电能表的电压比例或电量比例均大于等于预设阈值时，计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果。

本发明方法的进一步改进在于，所述计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果的步骤具体包括：

对于待诊断低压配电网台区预设天数下的线损情况，采用日线损率η进行衡量，表达式为：

式中，W_G是关口表日正向有功总电量，n表示台区现有档案中的用户表数，W_i表示第i个用户表的日正向有功总电量；W_L表示台区一天的统计线损值。

本发明方法的进一步改进在于，步骤3中，所述通过基于所述电压有效数据的层次聚类算法诊断，获得第一诊断结果的步骤具体包括：

根据获得的每个用户智能电能表的电压有效数据，计算每个用户智能电能表的电压日平均值和日标准差值，获得预设天数下每个用户智能电能表的电压平均值数列及电压标准差值数列；

将每个用户智能电能表与待诊断低压配电网台区内其他所有用户智能电能表的电压平均值数列及电压标准差值数列分别做相关性分析，得到每个用户智能电能表的电压平均值相关性数列和电压标准差相关性数列；

对每个用户智能电能表的电压平均值相关性数列和电压标准差相关性数列分别做平均值处理，得到每个用户智能电能表的平均值相关系数和标准差相关系数；

以每个用户智能电能表的平均值相关系数为横坐标，标准差相关系数为纵坐标，对待诊断台区的用户智能电能表做层次聚类处理，获得聚类结果；

基于所述聚类结果，求取每一类用户智能电能表群的中心点坐标，分析每一类用户智能电能表群中的每个用户智能电能表到中心点坐标的离散程度，将离散程度超过预设阈值的用户智能电能表作为第一诊断结果。

本发明方法的进一步改进在于，步骤3中，所述通过基于所述电量有效数据的全局搜索算法诊断，获得第二诊断结果的步骤具体包括：

根据获得的每个智能电能表的电量有效数据，得到每天关口表的电量数列和所有用户表电量和数列，以时间为横坐标，电能量为纵坐标，在一个坐标轴下绘制出待诊断台区关口表日电能曲线和用户表日电能和曲线；

计算待诊断台区关口表日电能曲线和用户表日电能和曲线的Pearson系数P₀和日线损波动率S₀；

根据当前台区档案信息搜索满足对P₀负影响最大且对S₀正影响最大的用户表，若存在此类用户表，记录该用户表的ID，并将其从本台区中剔除，更新P₀以及S₀，继续下一轮搜索；若不存在此类用户表，提取对P₀负影响最大的用户表，判断该用户表是否对S₀呈正影响；若对S₀呈负影响则结束对台区的搜索，若对S₀呈正影响则记录此用户表的ID，并将其从本台区中剔除，继续下一轮搜索；直到P₀满足设定阈值或找不到满足条件的用户表结束程序，将记录的用户表ID作为第二诊断结果。

本发明方法的进一步改进在于，步骤3中，所述通过基于数据质量的权重对所述第一诊断结果和所述第二诊断结果进行评价，获得最终的诊断结果的步骤包括：

将第一诊断结果{A}和第二诊断结果{B}取交集A∩B，得到第一级诊断结果{ID₁}；

将第一诊断结果{A}和第二诊断结果{B}做集合运算，得到集合{C₁}和{C₂}，表达式为：

根据每个用户智能电能表的电压比例P_U和电量比例P_W，分别确定集合{C₁}和{C₂}中对应用户智能电能表的电压诊断可靠性权重W_Uj和电量诊断可靠性权重W_Wj，表达式为：

式中，P_Uj表示第j块电表的电压比例，P_Wj表示第j块电表的电量比例；

根据用户智能电能表电压诊断可靠性权重W_Uj和电量诊断可靠性权重W_Wj，对集合{C₁}和{C₂}分别进行评价；其中，对于集合{C₁}中的元素，当电压诊断可靠性权重W_Uj大于等于预设阈值时，该元素为可靠元素；对于集合{C₂}中的元素，当电量诊断可靠性权重W_Wj大于等于预设阈值时，该元素为可靠元素；所有可靠元素组成第二级诊断结果{ID₂}；

根据第一级诊断结果{ID₁}、第二级诊断结果{ID₂}计算得到最终的诊断结果{ID}，计算表达式为，ID＝ID₁∪ID₂。

本发明第二方面提供的一种低压配电网台区异常线损诊断系统，包括：

电压数据及电量数据获取模块，用于获取待诊断低压配电网台区内的每个用户智能电能表预设天数的电压有效数据和电量有效数据；

线损计算结果获取模块，用于基于获取的电压有效数据和电量有效数据，计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果；

诊断结果获取模块，用于在所述线损计算结果为异常线损台区时，通过基于所述电压有效数据的层次聚类算法诊断，获得第一诊断结果；通过基于所述电量有效数据的全局搜索算法诊断，获得第二诊断结果；通过基于数据质量的权重对所述第一诊断结果和所述第二诊断结果进行评价，获得最终的诊断结果。

本发明第三方面提供的一种电子设备，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如本发明任一项上述的低压配电网台区异常线损诊断方法。

本发明第四方面提供的一种计算机可读存储介质，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本发明任一项上述的低压配电网台区异常线损诊断方法。

与现有技术相比，本发明具有以下有益效果：

本发明提供的基于全事件用电信息采集数据的低压配电网台区异常线损诊断方法，是一种简单可靠的对低压配电网台区异常线损进行诊断并进行故障定位方法；其基于大数据分析方法，原理相对简单，实现了对真实异常线损台区的台户关系诊断及问题电表的定位，有效的解决了真实台区因台户关系不正确导致的异常线损问题；基于所述数据质量的评价模型，可降低因采集数据质量低造成的电能表结果误判，提高方法的准确性。

具体的，本发明通过对电能表电压数据进行平均值和标准差处理，消除了数据采集过程中时延对分析结果产生的影响；本发明的电压信息诊断过程中，利用属于同一个台区的用户表在电压上表现出的“合群性”特征，只考虑用户表电压之间的相关性，避免了传统方法过分依赖关口表电压信息准确性的问题，同时，每个用户表的电压特征由与其他所有用户表的相关性共同决定，从而更能反映出每个用户表相对于本台区的隶属程度，具有较高的准确性。

本发明的电量信息诊断，弥补了当同一条线路上的台区之间出现台户关系错误时，电压信息特征性被湮没的缺点，可以更加全面的对台区内台户关系错误用户表进行寻找，提高了方法的有效性。

本发明中将采集的原始电压和电量数据中的无效部分提前清洗筛选出来，可避免出现因智能电能表出现信息失准而对准确率造成影响；对比传统人工方法需要耗费大量人力物力进行逐一排查，本发明不需要额外的硬件设施，基于大数据分析，算法计算量相对较小，且能够准确诊断出不属于待诊断台区的用户表。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；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说，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是本发明实施例的一种基于全事件用电信息采集数据的低压配电网台区台户关系诊断方法的整体流程示意图；

图2是本发明实施例中，基于电压信息的层次聚类算法诊断流程示意图；

图3是本发明实施例中，基于电量信息的全局搜索算法诊断流程示意图；

图4是本发明实施例中，基于数据质量的评价模型评价流程示意图；

图5是本发明实施例中真实线损异常台区诊断前的电能和线损情况示意图；其中，图5中(a)是真实台区诊断前电能情况示意图，图5中(b)是真实台区诊断前线损情况示意图；

图6是本发明实施例中真实线损异常台区经算法诊断并剔除异常电表后的电能和线损情况示意图；其中，图6中(a)是剔除异常电表后真实台区电能情况示意图，图6中(b)是剔除异常电表后真实台区线损情况示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合附图对本发明做进一步详细描述：

请参阅图1至图4，本发明实施例提供的一种基于全事件用电信息采集数据的低压配电网台区异常线损诊断方法，基于大数据分析方法，原理相对简单，实现了对真实异常线损台区的台户关系诊断及问题电表的定位，有效的解决了真实台区因台户关系不正确导致的异常线损问题；上述的低压配电网台区异常线损诊断方法，包括以下步骤：

步骤100，采集获取待诊断低压配电网台区内的所有用户智能电能表预设天数的原始电压数据和所有智能电能表预设天数的原始电量数据；其中，按照拉依达准则对采集获得的每个智能电能表的原始电压数据进行清洗，获得每个用户智能电能表的电压有效数据；依据全事件用电信息采集系统采集的电量异常事件对采集获得的每个智能电能表的原始电量数据进行清洗，获得每个智能电表的电量有效数据。

本发明实施例示例性可选的，步骤100中，所述的预设天数大于等于20天。

本发明实施例示例性可选的，步骤100中，获得每个智能电能表的电压有效数据的步骤具体包括：对每个智能电能表，计算每天的电压平均值

和标准差σ_U，当日超过阈值区间

的数据定义为无效数据，剩余的采集数据为有效数据。获得每个智能电表的电量有效数据的步骤具体包括：依据全事件用电信息采集系统采集的电量异常事件，若当日某块智能电表发生电量异常事件，则当日该电能表的电量数据为无效数据，反之为有效数据。

步骤200，计算每个智能电能表的电压有效数据与原始电压数据的比例P_U，电量有效数据与原始电量数据的比例P_W。若某块电能表计算的电压或电量比例低于预设阈值，将该电能表上报至主站系统，跳转至步骤100；若不低于预设阈值，计算待诊断低压配电网台区预设天数下的线损情况，若为正常线损台区，结束程序，若为异常线损台区，跳转至步骤300。

本发明实施例示例性可选的，步骤200中，对于诊断低压配电网台区预设天数下的线损情况，采用日线损率η进行衡量，表达式如下：

其中，W_G是关口表日正向有功总电量，n表示台区现有档案中的用户表数，W_i表示第i个用户表的日正向有功总电量；W_L表示台区一天的统计线损值。

本发明实施例的步骤200中，若预设天数内的线损率均满足0％<η<10％，则待诊断台区是正常线损台区；若预设天数内的线损率存在η>10％或η<0％，则该台区是异常线损台区。

步骤300，根据步骤100获得的每个用户智能电能表的电压有效数据，求取每个用户智能电能表的电压日平均值和日标准差值，得到采集预设天数下每个用户智能电能表的电压平均值数列及电压标准差值数列；将每个用户智能电能表与其他所有用户智能电能表的电压平均值数列及电压标准差值数列分别做相关性分析，得到每个用户智能电能表的电压平均值相关性数列和电压标准差相关性数列；对每个用户智能电能表的电压平均值相关性数列和电压标准差相关性数列分别做平均值处理，得到每个用户智能电能表的平均值相关系数和标准差相关系数；以每个用户智能电能表的平均值相关系数为横坐标，标准差相关系数为纵坐标，对待诊断台区的用户智能电能表做聚类处理；求取每一类用户智能电能表群的中心点坐标，分析每一类用户智能电能表群中的每个用户智能电能表到中心点坐标的离散程度，若分析结果表明在某一类用户智能电能表群中，某一用户智能电能表到中心点坐标的离散程度超过了预设阈值，则判定该用户智能电能表不属于待诊断台区，最终得到异常电能表第一诊断结果集合{A}。步骤300统称为基于电压信息的层次聚类算法诊断。

本发明实施例中，步骤300中，对于一个台区内的每个用户智能电能表，当日的电压平均值采用采用算数平均值计算函数计算，当日的电压标准差采用样本标准差函数计算，表达式如下：

其中，x_i为用户智能电能表当日电压采集有效数据，

为用户智能电能表当日电压平均值，n为用户智能电能表当日电压有效数据个数。

本发明实施例的步骤300中，每个用户表和其他某一块用户表的电压平均值数列和电压标准差数列相关性分析均采用Pearson相关系数函数计算，表达式如下：

式中，X_i、Y_i分别为两块用户表电压平均值或标准差数列中的元素，t为采集的预设天数，

分别为两块用户表电压平均值或标准差数列的平均值，ρ_X,Y为两块用户表的电压平均值或标准差相关系数大小。

本发明实施例的步骤300中，对每个用户表的电压平均值相关性数列和电压标准差相关性数列，平均值采用采用算数平均值计算函数计算，表达式如下：

其中，y_i为用户表电压平均值相关性数列或标准差相关性数列中的元素，N为待诊断台区用户智能电能表个数。

本发明实施例的步骤300中，对待诊断台区用户表的聚类处理方法采用层次聚类算法。

本发明实施例的步骤300中，每一类用户智能电能表群的中心点坐标计算表达式如下：

其中，m为一类智能电能表群中用户表个数。

本发明实施例的步骤300中，通过计算每一类中数据点到对应中心点的距离来分析每一类用户智能电能表群中的每个用户智能电能表到中心点坐标的离散程度，并求出距离的平均值

和标准差σ_L，表达式如下：

离散程度阈值依据拉依达准则，当用户表距它所属类中心点的距离大于

时，在数据上表示该距离值是畸形数据，在特征上说明该用户表与该台区的用户表电压特征存在差异，判定该用户智能电能表不属于待诊断台区，从而得到第一诊断结果集合{A}。

本发明实施例中，在步骤300后，还包括：

步骤400，根据步骤100获得的每个智能电能表的电量有效数据，得到每天关口表的电量数列和所有用户表电量和数列，以时间为横坐标(单位：天)，电能量为纵坐标(单位：千瓦/时)，在一个坐标轴下可以绘制出待诊断台区关口表日电能曲线和用户表日电能和曲线。计算待诊断台区关口表日电能曲线和用户表日电能和曲线的Pearson系数P₀和日线损波动率S₀，根据当前台区档案信息搜索满足对P₀负影响最大且对S₀正影响最大的用户表，记录此用户表的ID，并将其从本台区中剔除，更新P₀以及S₀，继续下一轮搜索，直到P₀满足设定阈值或找不到满足条件的用户表才结束程序。最后输出记录的用户表ID，这些用户表为异常电能表，不属于待诊断台区，从而得到异常电能表第二诊断结果集合{B}。步骤400统称为基于电量信息的全局搜索算法诊断。

本发明的进一步改进在于，步骤400中，对P₀和S₀的影响大小通过每次去除原台区中的一块用户电能表后重新计算P₀以及S₀的值来确定，对于P₀和S₀，若去除前的值大于去除后的值，表明去除的用户表对P₀和S₀产生负影响，反之对P₀和S₀产生正影响。

本发明实施例的步骤400中，结束程序中P₀满足的设定阈值大于等于0.99且小于1。

步骤500，根据步骤300中获得的第一诊断结果集合{A}和步骤400中获得的第二诊断结果集合{B}，做集合运算得到{C₁}、{C₂}和第一级诊断结果{ID₁}，根据步骤200中所计算的每个用户智能电能表的电压比例P_U和电量比例P_W，确定每个用户智能电能表的电压诊断可靠性权重W_Uj和电量诊断可靠性权重W_Wj，通过与所设定的电压电量诊断可靠性权重阈值进行比较，对集合{C₁}和{C₂}分别进行评价得到第二级诊断结果{ID₂}，根据第一级诊断结果{ID₁}第二级诊断结果{ID₂}，得到最终诊断结果{ID}。

本发明实施例的步骤500中，集合运算得到{C₁}、{C₂}和第一级诊断结果{ID₁}的运算公式如下：

本发明实施例的步骤500中，确定每个用户智能电能表的电压诊断可靠性权重W_Uj和电量诊断可靠性权重W_Wj的计算公式如下：

其中，P_Uj表示第j块电表的电压比例，P_Wj表示第j块电表的电量比例。

本发明实施例的步骤500中，所设定的电压和电量诊断可靠性权重阈值均大于等于80％且小于100％。

本发明实施例的步骤500中，对集合{C₁}和{C₂}分别进行评价得到第二级诊断结果{ID₂}的方法为：对于集合{C₁}中的元素，当电压诊断可靠性权重W_Uj大于等于预设阈值时，该元素为可靠元素。对于集合{C₂}中的元素，当电量诊断可靠性权重W_Wj大于等于预设阈值时，该元素为可靠元素。所有可靠元素组成第二级诊断结果{ID₂}。

本发明实施例的步骤500中，最终诊断结果{ID}的运算公式如下：ID＝ID₁∪ID₂。

本发明中，通过对电能表电压数据进行平均值和标准差处理，消除了数据采集过程中时延对分析结果产生的影响；本发明的电压信息诊断过程中，利用属于同一个台区的用户表在电压上表现出的“合群性”特征，只考虑用户表电压之间的相关性，避免了传统方法过分依赖关口表电压信息准确性的问题，同时，每个用户表的电压特征由与其他所有用户表的相关性共同决定，从而更能反映出每个用户表相对于本台区的隶属程度，具有较高的准确性。本发明的电量信息诊断，弥补了当同一条线路上的台区之间出现台户关系错误时，电压信息特征性被湮没的缺点，可以更加全面的对台区内台户关系错误用户表进行寻找，提高了方法的有效性。本发明中基于所述数据质量的评价模型，可降低因采集数据质量低造成的电能表结果误判。另外，本发明中将采集的原始电压和电量数据中的无效部分提前清洗筛选出来，可避免出现因智能电能表出现信息失准而对准确率造成影响；对比传统人工方法需要耗费大量人力物力进行逐一排查，本发明不需要额外的硬件设施，基于大数据分析，算法计算量相对较小，且能够准确诊断出不属于待诊断台区的用户表。

请参阅图1至图6，本发明实施例中，利用MATLAB(也可是其他机器语言)编程实现的一种基于全事件用电信息采集数据的低压配电网台区异常线损诊断方法，包括：

1、由陕西省电力公司提供的实际某低压配电网台区的30天原始电压和电量数据，根据该台区现有档案信息，总共有163个用户，每个智能电能表的电压和电量有效数据与原始电压和电量数据的比例均不低于60％。

2、该台区诊断前的电能情况如图5中(a)所示，“日关口表电能值”表示该台区关口表每天的用电量数据，“日分表和电能值”表示该台区所有用户表每天的用电量和数据。该台区诊断前的线损情况如图5中(b)所示，“日线损率”表示该台区每天计算的线损率数据，“日线损率0标线”表示线损率为0的一条直线。由图5中(a)可以看出该台区日分表和电能值曲线存在高于日关口表电能值曲线的情况，由图5中(b)可以看出该台区存在日线损率小于0的情况，因此该台区为异常(负)线损台区，台区内存在台户关系不正确的情况。

3、根据图1所示的算法流程对该台区进行基于电压信息的层次聚类算法诊断和基于电量信息的全局搜索算法诊断，判断出台户关系异常的电表情况，如表1所示。

表1.基于电压信息和电量信息的台户异常电表诊断情况

4、通过基于数据质量的评价模型将所述第一诊断结果和所述第二诊断结果进行评价，从而得到最终的台户异常电表，如表2所示。

表2.基于数据质量的台户异常电表评价结果

5、将诊断出的5块台户异常电表从台区中剔除，计算该台区剔除异常电表后的的电能情况如图6中(a)所示，计算该台区剔除异常电表后的线损情况如图6中(b)所示。由图6中(a)可以看出经算法诊断剔除异常电表后，该台区日分表和电能值曲线不再存在高于日关口表电能值曲线的情况；由图6中(b)可以看出经算法诊断剔除异常电表后，该台区的日线损率均位于正常范围内，该台区由异常线损台区变成正常线损台区。综上，证明了本发明方法可有效的解决了真实台区因台户关系不正确导致的异常线损问题，实现了对真实异常线损台区的台户关系诊断及问题电表的定位。

本发明实施例提供了一种基于全事件用电信息采集数据的低压配电网台区异常线损诊断方法，利用低压配电网台区内用户表的电压特征和台区电能及线损特征，将非本台区的用户表与本台区用户表进行准确分离，最后通过剔除异常电能表可使线损曲线恢复正常，这为彻底解决低压配电网台区异常线损诊断问题具有十分重要的意义。本发明可应用于电力系统低压配电网智能电能表计量系统，通过采用本发明提出的方法，结合大数据分析手段来解决低压配电网台区因台户关系异常导致的异常线损问题，这对全事件用电信息采集系统的推广应用、实现用户的精细化管理、构建电力企业和用户之间的信任都具有十分积极的意义。

本发明实施例总结性的，本发明公开了一种基于全事件用电信息采集数据的低压配电网台区异常线损诊断方法，包括：采集获取待诊断低压配电网台区内的所有用户智能电能表预设天数的原始电压数据和所有智能电能表预设天数的原始电量数据并分别根据特定方法进行数据清洗，获得每个智能电能表的电压和电量有效数据；判断待诊断低压配电网台区采集数据天数下的线损情况；若为异常线损台区，对其进行基于电压信息的层次聚类算法诊断和基于电量信息的全局搜索算法诊断；最终基于数据质量的评价模型诊断出的台户关系不正确的用户表。本发明的诊断方法，基于大数据分析方法，原理相对简单，实现了对真实异常线损台区的台户关系诊断及问题电表的定位，有效的解决了真实台区因台户关系不正确导致的异常线损问题。具体的，本发明的诊断方法，利用台区电表电压信息和电量信息，实现了对真实异常线损台区的台户关系诊断及问题电表的定位。在电压信息诊断过程中，只考虑用户表电压之间的相关性，避免了传统方法过分依赖关口表电压信息准确性的问题，同时，每个用户表的电压特征由与其他所有用户表的相关性共同决定，具有较高的准确性。在电量信息诊断过程中，弥补了当同一条线路上的台区之间出现台户关系错误时，电压信息特征性被湮没的缺点，可以更加全面的对台区内台户关系错误用户表进行寻找，提高了方法的有效性。本发明中基于所述数据质量的评价模型，可降低因采集数据质量低造成的电能表结果误判，进一步提高了方法的准确性。另外，本发明中将采集的原始电压和电量数据中的无效部分提前清洗筛选出来，可避免出现因智能电能表出现信息失准而对准确率造成影响；对比传统人工方法需要耗费大量人力物力进行逐一排查，本发明不需要额外的硬件设施，基于大数据分析，算法计算量相对较小，能够准确诊断出不属于待诊断台区的用户表，有效的解决了真实台区因台户关系不正确导致的异常线损问题。

下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节，请参照本发明方法实施例。

本发明再一实施例中，提供了一种低压配电网台区异常线损诊断系统，包括：

电压数据及电量数据获取模块，用于获取待诊断低压配电网台区内的每个用户智能电能表预设天数的电压有效数据和电量有效数据；

线损计算结果获取模块，用于基于获取的电压有效数据和电量有效数据，计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果；

诊断结果获取模块，用于在所述线损计算结果为异常线损台区时，通过基于所述电压有效数据的层次聚类算法诊断，获得第一诊断结果；通过基于所述电量有效数据的全局搜索算法诊断，获得第二诊断结果；通过基于数据质量的权重对所述第一诊断结果和所述第二诊断结果进行评价，获得最终的诊断结果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种低压配电网台区异常线损诊断方法，其特征在于，包括以下步骤：

步骤1，获取待诊断低压配电网台区内的每个用户智能电能表预设天数的电压有效数据和电量有效数据；

步骤2，基于获取的电压有效数据和电量有效数据，计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果；

步骤3，所述线损计算结果为异常线损台区时，通过基于所述电压有效数据的层次聚类算法诊断，获得第一诊断结果；通过基于所述电量有效数据的全局搜索算法诊断，获得第二诊断结果；通过基于数据质量的权重对所述第一诊断结果和所述第二诊断结果进行评价，获得最终的诊断结果。

2.根据权利要求1所述的一种低压配电网台区异常线损诊断方法，其特征在于，步骤1具体包括：

采集获取待诊断低压配电网台区内的每个用户智能电能表预设天数的原始电压数据和原始电量数据；

按照拉依达准则对采集获得的每个用户智能电能表的原始电压数据进行清洗，获得每个用户智能电能表的电压有效数据；

依据全事件用电信息采集系统采集的电量异常事件对采集获得的每个用户智能电能表的原始电量数据进行清洗，获得每个用户智能电表的电量有效数据。

3.根据权利要求1所述的一种低压配电网台区异常线损诊断方法，其特征在于，步骤2具体包括：

基于获取的电压有效数据和电量有效数据，分别计算每个用户智能电能表的电压有效数据与原始电压数据以及电量有效数据与原始电量数据的比例，分别获得电压比例以及电量比例；

当有用户智能电能表的电压比例或电量比例小于预设阈值时，上报低于预设阈值的用户智能电能表ID并跳转至步骤1，重新采集待诊断低压配电网台区内的所有用于智能电能表的电压有效数据和电量有效数据；

当所有用户智能电能表的电压比例或电量比例均大于等于预设阈值时，计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果。

4.根据权利要求3所述的一种低压配电网台区异常线损诊断方法，其特征在于，所述计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果的步骤具体包括：

对于待诊断低压配电网台区预设天数下的线损情况，采用日线损率η进行衡量，表达式为：

式中，W_G是关口表日正向有功总电量，n表示台区现有档案中的用户表数，W_i表示第i个用户表的日正向有功总电量；W_L表示台区一天的统计线损值。

5.根据权利要求1所述的一种低压配电网台区异常线损诊断方法，其特征在于，步骤3中，所述通过基于所述电压有效数据的层次聚类算法诊断，获得第一诊断结果的步骤具体包括：

根据获得的每个用户智能电能表的电压有效数据，计算每个用户智能电能表的电压日平均值和日标准差值，获得预设天数下每个用户智能电能表的电压平均值数列及电压标准差值数列；

将每个用户智能电能表与待诊断低压配电网台区内其他所有用户智能电能表的电压平均值数列及电压标准差值数列分别做相关性分析，得到每个用户智能电能表的电压平均值相关性数列和电压标准差相关性数列；

对每个用户智能电能表的电压平均值相关性数列和电压标准差相关性数列分别做平均值处理，得到每个用户智能电能表的平均值相关系数和标准差相关系数；

以每个用户智能电能表的平均值相关系数为横坐标，标准差相关系数为纵坐标，对待诊断台区的用户智能电能表做层次聚类处理，获得聚类结果；

基于所述聚类结果，求取每一类用户智能电能表群的中心点坐标，分析每一类用户智能电能表群中的每个用户智能电能表到中心点坐标的离散程度，将离散程度超过预设阈值的用户智能电能表作为第一诊断结果。

6.根据权利要求1所述的一种低压配电网台区异常线损诊断方法，其特征在于，步骤3中，所述通过基于所述电量有效数据的全局搜索算法诊断，获得第二诊断结果的步骤具体包括：

根据获得的每个智能电能表的电量有效数据，得到每天关口表的电量数列和所有用户表电量和数列，以时间为横坐标，电能量为纵坐标，在一个坐标轴下绘制出待诊断台区关口表日电能曲线和用户表日电能和曲线；

计算待诊断台区关口表日电能曲线和用户表日电能和曲线的Pearson系数P₀和日线损波动率S₀；

根据当前台区档案信息搜索满足对P₀负影响最大且对S₀正影响最大的用户表，若存在此类用户表，记录该用户表的ID，并将其从本台区中剔除，更新P₀以及S₀，继续下一轮搜索；若不存在此类用户表，提取对P₀负影响最大的用户表，判断该用户表是否对S₀呈正影响；若对S₀呈负影响则结束对台区的搜索，若对S₀呈正影响则记录此用户表的ID，并将其从本台区中剔除，继续下一轮搜索；直到P₀满足设定阈值或找不到满足条件的用户表结束程序，将记录的用户表ID作为第二诊断结果。

7.根据权利要求1所述的一种低压配电网台区异常线损诊断方法，其特征在于，步骤3中，所述通过基于数据质量的权重对所述第一诊断结果和所述第二诊断结果进行评价，获得最终的诊断结果的步骤包括：

将第一诊断结果{A}和第二诊断结果{B}取交集A∩B，得到第一级诊断结果{ID₁}；

将第一诊断结果{A}和第二诊断结果{B}做集合运算，得到集合{C₁}和{C₂}，表达式为：

根据每个用户智能电能表的电压比例P_U和电量比例P_W，分别确定集合{C₁}和{C₂}中对应用户智能电能表的电压诊断可靠性权重W_Uj和电量诊断可靠性权重W_Wj，表达式为：

式中，P_Uj表示第j块电表的电压比例，P_Wj表示第j块电表的电量比例；

根据用户智能电能表电压诊断可靠性权重W_Uj和电量诊断可靠性权重W_Wj，对集合{C₁}和{C₂}分别进行评价；其中，对于集合{C₁}中的元素，当电压诊断可靠性权重W_Uj大于等于预设阈值时，该元素为可靠元素；对于集合{C₂}中的元素，当电量诊断可靠性权重W_Wj大于等于预设阈值时，该元素为可靠元素；所有可靠元素组成第二级诊断结果{ID₂}；

根据第一级诊断结果{ID₁}、第二级诊断结果{ID₂}计算得到最终的诊断结果{ID}，计算表达式为，ID＝ID₁∪ID₂。

8.一种低压配电网台区异常线损诊断系统，其特征在于，包括：

电压数据及电量数据获取模块，用于获取待诊断低压配电网台区内的每个用户智能电能表预设天数的电压有效数据和电量有效数据；

线损计算结果获取模块，用于基于获取的电压有效数据和电量有效数据，计算待诊断低压配电网台区预设天数下的线损，获得线损计算结果；

诊断结果获取模块，用于在所述线损计算结果为异常线损台区时，通过基于所述电压有效数据的层次聚类算法诊断，获得第一诊断结果；通过基于所述电量有效数据的全局搜索算法诊断，获得第二诊断结果；通过基于数据质量的权重对所述第一诊断结果和所述第二诊断结果进行评价，获得最终的诊断结果。

9.一种电子设备，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如权利要求1至7中任一项所述的低压配电网台区异常线损诊断方法。

10.一种计算机可读存储介质，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权利要求1至7中任一项所述的低压配电网台区异常线损诊断方法。

Images