CN117216648A - 台区异常诊断方法、台区诊断系统及存储介质 - Google Patents
台区异常诊断方法、台区诊断系统及存储介质 Download PDFInfo
- Publication number
- CN117216648A CN117216648A CN202310953843.2A CN202310953843A CN117216648A CN 117216648 A CN117216648 A CN 117216648A CN 202310953843 A CN202310953843 A CN 202310953843A CN 117216648 A CN117216648 A CN 117216648A
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- information
- diagnosis
- daily
- user
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003745 diagnosis Methods 0.000 claims abstract description 156
- 230000002159 abnormal effect Effects 0.000 claims abstract description 76
- 230000005611 electricity Effects 0.000 claims abstract description 59
- 238000004891 communication Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 19
- 238000012545 processing Methods 0.000 abstract description 13
- 238000012216 screening Methods 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 92
- 238000011835 investigation Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明提供台区异常诊断方法、台区诊断系统及存储介质,涉及台区异常诊断技术领域,所述方法包括:获取台区中各用户的用电信息以及对应的用户类型信息;根据所述用户类型信息,从预设的诊断模型库中选取关联的诊断模型组;将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息;根据各所述用户的所述诊断结果信息,生成台区诊断报告。通过设置有用户类型信息,并根据用户类型信息对诊断模型库进行筛选,剔除无关的诊断模型,选中关联的诊断模型组,能够避免用户进行无关的诊断分析处理,有利于提高诊断分析的处理效率,缩短台区异常诊断的耗时。
Description
技术领域
本发明涉及台区异常诊断技术领域,尤其涉及台区异常诊断方法、台区诊断系统及存储介质。
背景技术
台区供电是电力系统中的一个重要环节,它负责将高压输电线路传送的电能降压并供应给终端用户。随着技术的迭代发展,台区供电正逐步智能化管理,引入智能电能表、远程监控系统等,提升了供电管理的效率。通过对台区的供电、用电数据进行分析,诊断异常用户进行排查,以维护台区的稳定。
然而,由于台区中的用户数量基数大、用电情况、用电特点、需求各不相同,监控用户会产生大量的数据,现有技术中对台区进行异常诊断时,会对所有用户的数据进行相同的分析诊断处理过程,但是对于部分异常可能部分用户根本不会出现,对于该部分用户而言分析诊断处理过程存在不必要的异常诊断步骤,导致对整体用户的大量数据进行处理时,存在耗时长、效率低的问题。
发明内容
本发明提供台区异常诊断方法、台区诊断系统及存储介质,用以解决现有技术中进行台区异常诊断时处理效率较低的问题,缩短诊断耗时。
本发明提供台区异常诊断方法,包括:
获取台区中各用户的用电信息以及对应的用户类型信息;
根据所述用户类型信息,从预设的诊断模型库中选取关联的诊断模型组;
将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息;
根据各所述用户的所述诊断结果信息,生成台区诊断报告。
根据本发明提供的台区异常诊断方法,所述诊断模型库包括电量波动异常诊断模型;所述将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息,包括:
获取触发事件日期,所述触发事件日期为发生更换电能表事件、电能表开盖事件或计量柜打开事件的日期;
根据所述用电信息、所述触发事件日期以及第一预设天数,分别获取所述触发事件日期前后所述第一预设天数的第一日电量信息以及第二日电量信息;
根据所述第一日电量信息,去除最大日电量以及最小日电量形成第三日电量信息,根据所述第二日电量信息,去除最大日电量以及最小日电量形成第四日电量信息;
根据所述第三日电量信息计算第一平均日电量,根据所述第二日电量信息计算第二平均日电量;
当所述第三日电量信息中最小日电量与最大日电量比值大于第一预设阈值、所述第四日电量信息中最小日电量与最大日电量比值大于第一预设阈值、所述第一平均日电量与所述第二平均日电量比值超出预设范围并且所述第一平均日电量与所述第二平均日电量的绝对差值大于第二预设阈值,则生成电量波动异常信息。
根据本发明提供的台区异常诊断方法,所述第一预设天数为7天,所述第一预设阈值为0.4,所述预设范围为(0.5,2),所述第二预设阈值为所述用户的电能表额定日最大电量的5%。
根据本发明提供的台区异常诊断方法,在所述根据所述用电信息、所述触发事件日期以及第一预设天数,分别获取所述触发事件日期前后所述第一预设天数的第一日电量信息以及第二日电量信息之前,还包括:
获取所述用户的历史异常事件信息,当在所述触发事件日期前的第二预设天数内存在电量类型、电压类型、电流类型或接线类型的异常事件,则结束电量波动异常诊断。
根据本发明提供的台区异常诊断方法,所述诊断模型库包括电量差动异常诊断模型,所述电量差动异常诊断模型关联的用户类型为采集终端与电能表一一对应的专变用户;所述将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息,包括:
根据所述用电信息,确定计量回路电量信息以及电能表电量信息;
获取所述采集终端的比对回路电量信息以及终端电量信息,所述比对回路电量信息反映所述采集终端对测量点进行交流采样获得的电量;
根据所述计量回路电量信息以及所述比对回路电量信息,计算同时段的电量之差,生成电量差值,计算所述电量差值与计量回路电量的比值,生成电量比值,根据所述电能表电量信息确定电能表电量值,根据所述终端电量信息确定终端电量值;
当所述电量比值大于第三预设阈值、所述终端电量值不等于零、所述计量回路电量信息中最大值与所述比对回路电量信息中最大值均大于第四预设阈值并且所述电能表电量值与所述终端电量值之差的绝对值大于第五预设阈值,则生成电量差动异常信息。
根据本发明提供的台区异常诊断方法,所述第三预设阈值为0.1,所述第四预设阈值为1kWh,所述第五预设阈值为0.02kWh。
根据本发明提供的台区异常诊断方法,在所述根据所述用电信息,确定计量回路电量信息之前,还包括:
获取所述采集终端的终端时钟信息以及所述电能表的电能表时钟信息;
根据所述终端时钟信息以及所述电能表时钟信息,确定误差时间值,当误差时间值大于预设误差阈值,则结束电量差动异常诊断。
根据本发明提供的台区异常诊断方法,在所述获取台区中各用户的用电信息以及对应的用户类型信息之后,还包括:
获取台区的日线损信息,生成线损时序信息;
根据所述用电信息,生成用电量时序信息;
将各所述用户的所述电量时序信息以及所述线损时序信息输入至预设的线损电量关联分析模型,获取各所述用户的影响权重,生成线损影响权重报告;
其中,所述用电量时序信息反映用电量随时间的变化,所述日线损信息反映线路损耗随时间的变化,所述线损电量关联分析模型用于计算线路损耗与用电量的关联相似度。
本发明还提供台区诊断系统,包括:数据中台、多个采集终端以及多个电能表,所述数据中台与全部所述采集终端通信连接,所述采集终端至少与一个所述电能表连接,所述数据中台能够执行上述的台区异常诊断方法。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述台区异常诊断方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述台区异常诊断方法。
本发明提供的台区异常诊断方法,至少具有以下有益效果:通过获取用户的用电信息以及用户类型信息,根据用户类型信息,能够从诊断模型库中选取关联的诊断模型组,诊断模型组能够诊断用户可能存在的用电异常问题,未选中的其他诊断模型对应的用电异常问题用户必然不存在。将用户的用电信息分别输入至诊断模型组的各个诊断模型中,获得各个诊断模型输出的诊断结果信息。将所有用户的诊断结果信息整合,生成台区的台区诊断报告,根据台区诊断报告可以获知台区中存在异常问题的用户,便于后续排查。以此,通过设置有用户类型信息,并根据用户类型信息对诊断模型库进行筛选,剔除无关的诊断模型,选中关联的诊断模型组,能够避免用户进行无关的诊断分析处理,有利于提高诊断分析的处理效率,缩短台区异常诊断的耗时。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术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是本发明提供的台区异常诊断方法的流程示意图之一;
图2是本发明提供的台区异常诊断方法的流程示意图之二;
图3是本发明提供的台区异常诊断方法的流程示意图之三;
图4是本发明提供的台区异常诊断方法的流程示意图之四;
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。
下面结合图1-图4描述本发明的台区异常诊断方法,包括:
S100:获取台区中各用户的用电信息以及对应的用户类型信息;
S200:根据所述用户类型信息,从预设的诊断模型库中选取关联的诊断模型组;
S300:将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息;
S400:根据各所述用户的所述诊断结果信息,生成台区诊断报告。
通过获取用户的用电信息以及用户类型信息,根据用户类型信息,能够从诊断模型库中选取关联的诊断模型组,诊断模型组能够诊断用户可能存在的用电异常问题,未选中的其他诊断模型对应的用电异常问题用户必然不存在。将用户的用电信息分别输入至诊断模型组的各个诊断模型中,获得各个诊断模型输出的诊断结果信息。将所有用户的诊断结果信息整合,生成台区的台区诊断报告,根据台区诊断报告可以获知台区中存在异常问题的用户,便于后续排查。以此,通过设置有用户类型信息,并根据用户类型信息对诊断模型库进行筛选,剔除无关的诊断模型,选中关联的诊断模型组,能够避免用户进行无关的诊断分析处理,有利于提高诊断分析的处理效率,缩短台区异常诊断的耗时。
由于部分异常问题只有符合要求的用户才会出现,例如电流不平衡的异常问题,只有三相三线供电的用户才会出现,因此对不是三相三线的用户无需进行电流不平衡的诊断分析。以此,将用户类型信息与诊断模型相关联,能够节省对用户进行非必要的诊断分析处理,缩短诊断耗时,进而提高台区整体的诊断分析效率。
诊断结果信息可以包括异常问题、诊断信息、异常日期等信息。台区异常诊断报告可以包括存在异常问题的用户、用户存在的异常问题、各异常问题的诊断信息、各异常问题发生的异常日期等信息。台区诊断报告中包括的异常诊断结果信息,与诊断模型库中各个诊断模型对应的运行频率相关,例如某个诊断模型的运行频率为1天1次,则每天生成的台区诊断报告中,异常诊断结果信息都包含该诊断模型的输出结果;而如另一个诊断模型的运行频率为7天1次,则每隔一周生成的台区诊断报告中,异常诊断结果信息才会包含该诊断模型的输出结果。
用户类型信息可以是预先对每个用户进行设定,例如用户在用电开户注册时便会设定用户类型;另外亦可以是根据获取用电信息的所属区域进行确定。
在本发明的一些实施例中,所述用户类型信息包括至少一个用户标签,所述诊断模型库包括多个诊断模型,各个诊断模型包括至少一个模型标签;所述根据所述用户类型信息,从预设的诊断模型库中选取关联的诊断模型组,包括:
根据所述用户标签,对比所述诊断模型的所述模型标签,当所述用户标签与所述模型标签其中之一匹配时,选中对应的所述诊断模型,将所有选中的所述诊断模型作为所述用户的诊断模型组;
或者,
根据所述用户标签,检索匹配的所述模型标签,选中所述标签对应的诊断模型,将所有选中的所述诊断模型作为所述用户的诊断模型组。
单个用户至少有一个用户标签,亦可以有多个用户标签,例如单个用户有“专变用户”、“有负荷曲线”两个用户标签。诊断模型至少有一个模型标签,亦可以有多个模型标签,例如单个诊断模型有“专变用户”、“低压用户”两个模型标签。当用户的其中一个用户标签与诊断模型的一个模型标签匹配时,即选中该诊断模型对该用户的用电信息进行诊断分析。用户标签与模型标签匹配,可以是相同,亦可以预先设置的匹配关系,例如模型标签为“所有用户”,则能够与所有用户标签匹配。以此,设置用户标签和模型标签的方式,通过对比匹配、检索匹配的方式,从诊断模型库中选中诊断模型构成诊断模型组,方便后续拓展管理,在新增诊断模型时,通过设置合适的模型标签便可以自动适配关联用户,有利于提高管理效率。
参考图2,在本发明台区异常诊断方法的一些实施例中,所述诊断模型库包括电量波动异常诊断模型;所述S300,包括:
S310:获取触发事件日期,所述触发事件日期为发生更换电能表事件、电能表开盖事件或计量柜打开事件的日期;
S311:根据所述用电信息、所述触发事件日期以及第一预设天数,分别获取所述触发事件日期前后所述第一预设天数的第一日电量信息以及第二日电量信息;
S312:根据所述第一日电量信息,去除最大日电量以及最小日电量形成第三日电量信息,根据所述第二日电量信息,去除最大日电量以及最小日电量形成第四日电量信息;
S313:根据所述第三日电量信息计算第一平均日电量,根据所述第二日电量信息计算第二平均日电量;
S314:当所述第三日电量信息中最小日电量与最大日电量比值大于第一预设阈值、所述第四日电量信息中最小日电量与最大日电量比值大于第一预设阈值、所述第一平均日电量与所述第二平均日电量比值超出预设范围并且所述第一平均日电量与所述第二平均日电量的绝对差值大于第二预设阈值,则生成电量波动异常信息。
电量波动异常当存在电量波动异常问题时,原因可能是设备故障、非法用电、窃电等。通过获取触发事件日期,即发生更换电能表事件、电能表开盖事件或者计量柜打开事件的日期,在发生触发事件时,大概率是设备故障、非法用电、窃电等情况,根据出发时间日期邻近的用电信息进行诊断分析,有利于提高电量波动异常诊断的准确性。
在本发明台区异常诊断方法的一些实施例中,所述第一预设天数为7天,所述第一预设阈值为0.4,所述预设范围为(0.5,2),所述第二预设阈值为所述用户的电能表额定日最大电量的
电量作为第一日电量信息,获取触发日期后7天每天的日电量作为第二日电量信息,分别去除第一日电量信息、第二日电量信息中的最大日电量和最小日电量,剩余的前5天的日电量作为第三日电量信息、后5天的日电量作为第四日电量信息。以此,能够移除偶然的异常值,令诊断分析结果更加准确。
根据第三日电量信息计算第一平均日电量,即计算前5天日电量的平均值,根据第二日电量信息计算第二平均日电量,即计算后5天日电量的平均值。
在获取到第三日电量信息、第四日电量信息、第一平均日电量以及第二平均日电量后,在满足以下条件时判定存在电量波动异常:
①第三日电量信息中,最小日电量/最大日电量>0.4;
②第四日电量信息中,最小日电量/最大日电量>0.4;
③第一平均日电量/第二平均日电量,比值在0.5至2范围外;
④|第一平均日电量-第二平均日电量|>5%电能表额定最大日电量;
其中,①条件能够确保触发事件日期前的日电量波动较小;②条件能够确保触发事件日期后的日电量波动较小,以此能够剔除用户的用电习惯原本就存在电量波动较大的情况,令电量波动异常诊断更加准确。③条件在前平均日电量与后平均日电量相差两倍以上,便认为达到电量异常波动的标准。④条件能够剔除日电量较小的情况,避免在正常用电量较小的情况下满足①②③条件被误诊断为电量波动异常,有利于提高电量异常波动诊断的准确性。
满足条件判定存在电量波动异常后,生成电量波动异常信息,可以包括用户信息、异常名称、异常日期、异常期间的电量信息等,其中用户信息可以包括单位、用户编号、用户名称、用户地址、用户的电能表编号、采集终端编号等信息。
上述描述以第一预设天数为7天,第一预设阈值为0.4,预设范围为(0.5,2),第二预设阈值为用户的电能表额定日最大电量的5%,在本发明的一些实施例中,可以根据实际环境进行合理性修改。
在本发明台区异常诊断方法的一些实施例中,在所述S311之前,还包括:
获取所述用户的历史异常事件信息,当在所述触发事件日期前的第二预设天数内存在电量类型、电压类型、电流类型或接线类型的异常事件,则结束电量波动异常诊断。
当在触发事件日期前的第二预设天数内,发生了电量类型、电压类型、电流类型或接线类型的异常事件,这些类型的异常事件,会影响日电量造成日电量波动较大,可能诊断为电量波动异常,但是由历史异常事件导致,可能已经进行排查修复。因此,在触发事件日期前的第二预设天数内发生上述类型的异常事件时,结束电量波动异常诊断,排除历史异常事件导致诊断为电量波动异常的情况。
在本发明台区异常诊断方法的一些实施例中,所述第二预设天数为5天。在触发事件日期之前5天内存在电量类型、电压类型、电流类型或接线类型的异常事件,则结束电量波动异常诊断。
电量类型、电压类型、电流类型的异常事件,即电量、电压、电流相关的异常事件会直接影响到日电量,电量波动异常属于电量类型的异常事件。接线类型的异常事件,即传输电缆、电能表接线、接线线路相关的异常事件会间接影响到日电量。
电量波动异常诊断模型关联的用户类型可以是专变用户,电量波动异常诊断模型的模型标签包括“专变用户”。
参考图3,在本发明台区异常诊断方法的一些实施例中,所述诊断模型库包括电量差动异常诊断模型,所述电量差动异常诊断模型关联的用户类型为采集终端与电能表一一对应的专变用户;所述S300,包括:
S320:根据所述用电信息,确定计量回路电量信息;
S321:获取所述采集终端的比对回路电量信息以及终端电量信息,所述比对回路电量信息反映所述采集终端对测量点进行交流采样获得的电量;
S322:根据所述计量回路电量信息以及所述比对回路电量信息,计算同时段的计量回路电量与比对回路电量之差,生成电量差值,计算所述电量差值与计量回路电量的比值,生成电量比值,根据所述电能表电量信息确定电能表电量值,根据所述终端电量信息确定终端电量值;
S323:当所述电量比值大于第三预设阈值、所述终端电量值不等于零、所述计量回路电量信息中最大值与所述比对回路电量信息中最大值均大于第四预设阈值并且所述电能表电量值与所述终端电量值之差的绝对值大于第五预设阈值,则生成电量差动异常信息。
电量差动异常是指用户的用电量与电能计量设备,如电能表等,记录的电量之间存在异常的差异,原因可能是电能计量设备故障、窃电等。计量回路是指用于测量用户的用电量的回路,计量回路通常包括电能表,电能表记录的电量可以作为计量回路电量,计量回路电量信息反映用户的用电量。比对回路是指用于核对和校准计量回路的回路,比对回路电量信息反映采集终端对测量点进行交流采样的电量。在用户类型为采集终端与电能表一一对应的专变用户时,采集终端的电量与电能表电量应该相等或相近,对应的比对回路电量与计量回路电量亦应该相等或接近。
根据计量回路电量信息以及对比回路电量信息,在同时段将计量回路电量与比对回路电量相减,获得电量差值,将电量差值与计量回路电量相除,获得电量比值,根据电能表电量信息,获取电能表电量值,根据终端电量信息,获得终端电量值。
在本发明台区异常诊断方法的一些实施例中,所述第三预设阈值为0.1,所述第四预设阈值为1kWh,所述第五预设阈值为0.02kWh。
在获取计量回路电量、比对回路电量、电量比值、电能表电量值以及终端电量值后,在满足以下条件时判定存在电量差动异常:
①电量比值>0.1;
②终端电量不等于0;
③计量回路电量的最大值>1kWh并且对比回路电量的最大值>1kWh;
④|电量表电量值-终端电量值|>0.02kWh;
其中,①条件确保计量回路电量与比对回路电量存在较大差异,并且以两者差值与计量回路电量的比值衡量,提高适应数值范围。②条件能够确保采集终端正常工作记录电量。在电量较小的情况下,干扰、误差等偶然因素可能使得计量回路电量与比对回路电量满足①条件,导致误触发,③条件能够剔除电量较小的情况下满足①条件触发电量差动异常,有利于令电量差动异常的诊断分析更加准确。④条件为电量差动异常的基本条件,直接以电能表电量值与终端电量值之差判断是否发生电量差动异常。
需要说明的是,上述电量是指电能表、采集终端检测的电量,专变用户的电能表电量值与实际用电量之间存在倍率关系,即电能表电量值乘以倍率才为实际用电量,由于专变用户的倍率通常较大,因此,上述|电量表电量值-终端电量值|>0.02kWh的条件中,0.02kWh是未乘倍率的值,并不是实际用电量的差值。
在本发明台区异常诊断方法的一些实施例中,在所述S320之前,还包括:
获取所述采集终端的终端时钟信息以及所述电能表的电能表时钟信息;
根据所述终端时钟信息以及所述电能表时钟信息,确定误差时间值,当误差时间值大于预设误差阈值,则结束电量差动异常诊断。
根据终端时钟信息以及电能表时钟信息,将终端时钟值与电能表时钟值相减,获得误差时间值,当误差时间值大于预设误差阈值时,说明采集终端的时间与电能表的时间相差较大,会使得计算同时段的计量回路电量与比对回路电量之差,即电量差值不准确,进而使得电量差动异常的诊断分析结果不准确,因此结束电量差动异常的诊断分析过程,避免进行无用计算,能够及时节约计算资源,提高效率。
在本发明的一些实施例中,所述预设误差阈值可以是为180秒。
线损反映电力输送过程中电能量的损失情况,在台区供电过程中不可避免会产生线损,为了提高供电效率、降低供电成本以及提高供电质量,会对线损进行监控,以在出现线损异常时及时排查处理。然而,现有方案虽然能够获知线损信息,但是难以具体定位何处线路的影响较大,导致人力排查过程繁杂并且耗时较长。
对于上述问题,参考图4,在本发明台区异常诊断方法的一些实施例中,在所述S100之后,还包括:
S500:获取台区的日线损信息,生成线损时序信息;
S600:根据所述用电信息,生成用电量时序信息;
S700:将各所述用户的所述电量时序信息以及所述线损时序信息输入至预设的线损电量关联分析模型,获取各所述用户的影响权重,生成线损影响权重报告;
其中,所述用电量时序信息反映用电量随时间的变化,所述线损时序信息反映线路损耗随时间的变化,所述线损电量关联分析模型用于计算线路损耗与用电量的关联相似度。
由于线损与供电线路相关,而供电线路与用户对应,因而用户的用电量与线损存在关联,高线损的台区与用户电量相似并且存在窃电的可能。通过根据各用户的电量时序信息以及线损时序信息,可以是用户的电量时间曲线与线损时间曲线相比较,通过线损电量关联分析模型,分析电量时间曲线与线损时间曲线的相似度,相似度越高,说明该用户对线损的影响更大,输出的影响权重亦越大。以此,获取各用户对应的影响权重,生成线损影响权重报告,能够直观获知对线损影响较大的用户,方便后续优先对影响权重大的用户进行排查,有利于实现指导线损排查,简化排查过程和耗时,提高效率。
电量关联分析模型,可以是常用计算两种数据相似度的模型,如均方误差计算模型、相关系数模型、余弦相似度模型等,以能够计算电量时序信息以及线损时序信息之间的相似度,进而根据相似度生成影响权重。
本发明还提供台区诊断系统,包括:数据中台、多个采集终端以及多个电能表,所述数据中台与全部所述采集终端通信连接,所述采集终端至少与一个所述电能表连接,所述数据中台能够执行上述的台区异常诊断方法。
数据中台获取用户的用电信息以及用户类型信息,用电信息根据用户类型信息,从诊断模型库中选取关联的诊断模型组,诊断模型组能够诊断用户可能存在的用电异常问题,未选中的其他诊断模型对应的用电异常问题用户必然不存在。数据中台将用户的用电信息分别输入至诊断模型组的各个诊断模型中,获得各个诊断模型输出的诊断结果信息。将所有用户的诊断结果信息整合,生成台区的台区诊断报告,根据台区诊断报告可以获知台区中存在异常问题的用户,便于后续排查。以此,通过设置有用户类型信息,并根据用户类型信息对诊断模型库进行筛选,剔除无关的诊断模型,选中关联的诊断模型组,能够避免用户进行无关的诊断分析处理,有利于提高诊断分析的处理效率,缩短台区异常诊断的耗时。
数据中台是将数据资源进行集中管理、整合和应用的平台、架构,具体可以是包括服务器群、计算机群的实施方式。
本发明提供的台区诊断系统与上文描述的台区异常诊断方法可相互对应参照,不在赘述。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行台区异常诊断方法。
本发明的一种电子设备可以作为数据中台中的数据处理设备使用。
另外一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的台区异常诊断方法。
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 (10)
1.台区异常诊断方法,其特征在于,包括:
获取台区中各用户的用电信息以及对应的用户类型信息;
根据所述用户类型信息,从预设的诊断模型库中选取关联的诊断模型组;
将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息;
根据各所述用户的所述诊断结果信息,生成台区诊断报告。
2.根据权利要求1所述的台区异常诊断方法,其特征在于,所述诊断模型库包括电量波动异常诊断模型;所述将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息,包括:
获取触发事件日期,所述触发事件日期为发生更换电能表事件、电能表开盖事件或计量柜打开事件的日期;
根据所述用电信息、所述触发事件日期以及第一预设天数,分别获取所述触发事件日期前后所述第一预设天数的第一日电量信息以及第二日电量信息;
根据所述第一日电量信息,去除最大日电量以及最小日电量形成第三日电量信息,根据所述第二日电量信息,去除最大日电量以及最小日电量形成第四日电量信息;
根据所述第三日电量信息计算第一平均日电量,根据所述第二日电量信息计算第二平均日电量;
当所述第三日电量信息中最小日电量与最大日电量比值大于第一预设阈值、所述第四日电量信息中最小日电量与最大日电量比值大于第一预设阈值、所述第一平均日电量与所述第二平均日电量比值超出预设范围并且所述第一平均日电量与所述第二平均日电量的绝对差值大于第二预设阈值,则生成电量波动异常信息。
3.根据权利要求2所述的台区异常诊断方法,其特征在于:所述第一预设天数为7天,所述第一预设阈值为0.4,所述预设范围为(0.5,2),所述第二预设阈值为所述用户的电能表额定日最大电量的5%。
4.根据权利要求2所述的台区异常诊断方法,其特征在于,在所述根据所述用电信息、所述触发事件日期以及第一预设天数,分别获取所述触发事件日期前后所述第一预设天数的第一日电量信息以及第二日电量信息之前,还包括:
获取所述用户的历史异常事件信息,当在所述触发事件日期前的第二预设天数内存在电量类型、电压类型、电流类型或接线类型的异常事件,则结束电量波动异常诊断。
5.根据权利要求1所述的台区异常诊断方法,其特征在于,所述诊断模型库包括电量差动异常诊断模型,所述电量差动异常诊断模型关联的用户类型为采集终端与电能表一一对应的专变用户;所述将所述用电信息输入对应的所述诊断模型组,获取诊断结果信息,包括:
根据所述用电信息,确定计量回路电量信息以及电能表电量信息;
获取所述采集终端的比对回路电量信息以及终端电量信息,所述比对回路电量信息反映所述采集终端对测量点进行交流采样获得的电量;
根据所述计量回路电量信息以及所述比对回路电量信息,计算同时段的电量之差,生成电量差值,计算所述电量差值与计量回路电量的比值,生成电量比值,根据所述电能表电量信息确定电能表电量值,根据所述终端电量信息确定终端电量值;
当所述电量比值大于第三预设阈值、所述终端电量值不等于零、所述计量回路电量信息中最大值与所述比对回路电量信息中最大值均大于第四预设阈值并且所述电能表电量值与所述终端电量值之差的绝对值大于第五预设阈值,则生成电量差动异常信息。
6.根据权利要求5所述的台区异常诊断方法,其特征在于,所述第三预设阈值为0.1,所述第四预设阈值为1kWh,所述第五预设阈值为0.02kWh。
7.根据权利要求5所述的台区异常诊断方法,其特征在于,在所述根据所述用电信息,确定计量回路电量信息之前,还包括:
获取所述采集终端的终端时钟信息以及所述电能表的电能表时钟信息;
根据所述终端时钟信息以及所述电能表时钟信息,确定误差时间值,当误差时间值大于预设误差阈值,则结束电量差动异常诊断。
8.台区诊断系统,其特征在于,包括:数据中台、多个采集终端以及多个电能表,所述数据中台与全部所述采集终端通信连接,所述采集终端至少与一个所述电能表连接,所述数据中台能够执行如权利要求1至7任一权利要求所述的台区异常诊断方法。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一权利要求所述的台区异常诊断方法。
10.一种非暂态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至7任一权利要求所述的台区异常诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310953843.2A CN117216648A (zh) | 2023-07-31 | 2023-07-31 | 台区异常诊断方法、台区诊断系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310953843.2A CN117216648A (zh) | 2023-07-31 | 2023-07-31 | 台区异常诊断方法、台区诊断系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117216648A true CN117216648A (zh) | 2023-12-12 |
Family
ID=89034172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310953843.2A Pending CN117216648A (zh) | 2023-07-31 | 2023-07-31 | 台区异常诊断方法、台区诊断系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117216648A (zh) |
-
2023
- 2023-07-31 CN CN202310953843.2A patent/CN117216648A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101213421B (zh) | 公用事业监视系统中数据的自动化集成 | |
CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及系统 | |
CN111353911A (zh) | 电力设备运维方法、系统、设备和存储介质 | |
CN108181546B (zh) | 配电网故障的定位方法、定位装置及终端设备 | |
CN109657913B (zh) | 一种考虑分布式电源的输配电网联合风险评估方法 | |
CN112684400B (zh) | 小电量台区的电能表运行误差数据监测方法及系统 | |
CN115170000A (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
CN114915546A (zh) | 一种停电用户定位方法、装置、设备、介质 | |
CN114290960A (zh) | 获取动力电池的电池健康度的方法、装置和车辆 | |
CN114814420A (zh) | 一种基于冻结数据的低压配电网拓扑识别方法及系统 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN112016856B (zh) | 综合倍率异常识别方法、装置、计量系统和存储介质 | |
CN110850296A (zh) | 一种评估电池健康度的方法和装置 | |
CN116381542B (zh) | 基于人工智能的电源设备的健康诊断方法及装置 | |
CN104765024A (zh) | 一种机载雷达干扰自动检测系统 | |
CN117152925A (zh) | 基于大数据的电力通信数据处理系统 | |
CN106646106A (zh) | 基于变点探测技术的电网故障检测方法 | |
CN117216648A (zh) | 台区异常诊断方法、台区诊断系统及存储介质 | |
CN116303480A (zh) | 基于云计算的电能表误差校验方法 | |
CN115563786A (zh) | 一种电化学储能电站故障场景重构方法 | |
CN109407039A (zh) | 智能电表及其系统、自诊断方法和故障检测方法 | |
CN111859296B (zh) | 一种基于装备使用期间的测试性指标评估方法及系统 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN114740419A (zh) | 基于“三维图”分析台区电表误差的方法、装置、设备和介质 |
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 |