【技术实现步骤摘要】
基于电量曲线特征模型的线损异常诊断方法及装置
本专利技术属于电力
，更具体地说，是涉及一种基于电量曲线特征模型的线损异常诊断方法及装置。
技术介绍
电网电能损耗率简称为线损，是电力企业一项重要综合性技术经济指标。它反映了一个电力网的规划设计、生产技术和运行管理水平，长期以来受到各级电力企业的重视。随着经济的发展及电力市场化的深入，为减少电网的运行成本，对电力网节能降损工作提出了更高的要求。当发生采集装置故障、采集数据传输失败、线变关系错误、系统档案错误、集中器计量误差、电能表计量误差、偷电漏电等情况都会引发线损异常。如何根据各计量装置采集的数据，进一步分析造成高损异常的原因、定位电量异常用户，是各供电公司面临的实际问题。传统方式一般是通过抽取高损日和正常日的采集数据进行比较，发现台区或者用户用电量变化的情况，再跟据以往工作经验进行问题初步判断，进行现场人工排查。这种排查方式筛选数据随机性太强，查找问题比较繁琐，且容易出现错误判断。导致工作人员赴现场后，检查目标针对性不强，往往加大了工作量和工作难度，最终检查结果也很难准确找到高损问题原因。
技术实现思路
本专利技...
【技术保护点】
1.一种基于电量曲线特征模型的线损异常诊断方法，其特征在于，包括：从第一系统中获取第一源数据；在第二系统对所述第一源数据按照预设规则处理得到第二源数据，所述预设规则为使用抗差最小二乘法进行噪声数据辨识、并清除噪声数据；使用皮尔逊相关系数算法对所述第二源数据进行第一线损异常诊断分析，计算得到线路损耗电量与所述线路用电量的相关程度；若所述相关程度超出预设阈值，则判定所述第二源数据对应线路为线损异常线路；对所述相关程度未超出所述预设阈值部分进行第二线损异常诊断分析，使用聚类分群算法选择相关变量进行聚类分群得到相关变量分群；使用决策分析算法对所述相关变量分群进行分析得到所述相关变量...
【技术特征摘要】
1.一种基于电量曲线特征模型的线损异常诊断方法，其特征在于，包括：从第一系统中获取第一源数据；在第二系统对所述第一源数据按照预设规则处理得到第二源数据，所述预设规则为使用抗差最小二乘法进行噪声数据辨识、并清除噪声数据；使用皮尔逊相关系数算法对所述第二源数据进行第一线损异常诊断分析，计算得到线路损耗电量与所述线路用电量的相关程度；若所述相关程度超出预设阈值，则判定所述第二源数据对应线路为线损异常线路；对所述相关程度未超出所述预设阈值部分进行第二线损异常诊断分析，使用聚类分群算法选择相关变量进行聚类分群得到相关变量分群；使用决策分析算法对所述相关变量分群进行分析得到所述相关变量对于线损异常的决定程度值；根据所述决定程度值判断线损异常的可能性，若所述可能性大于预设可能性阈值则判定所述第二源数据对应线路为线损异常线路。2.如权利要求1所述的基于电量曲线特征模型的线损异常诊断方法，其特征在于，所述使用抗差最小二乘法进行噪声数据辨识、并清除噪声数据包括：所述抗差最小二乘法对可靠电量数据赋予较大权重进行保留，对误差明显的电量数据赋予较小权重进行抗差限制，对误差较大的电量数据进行淘汰。3.如权利要求1所述的基于电量曲线特征模型的线损异常诊断方法，其特征在于，所述皮尔逊相关系数算法为加权后的皮尔逊相关系数算法，所述加权皮尔逊相关系数算法根据当日的线损波动程度对当日的所述相关程度进行加权，权重系数k的取值为：式(1)中X为当日线路损耗值。4.如权利要求1所述的基于电量曲线特征模型的线损异常诊断方法，其特征在于，所述聚类分群算法为K-means算法，K-means算法将给定点集P＝{X1,X2,...Xn}划分为k个子集，优化目标为给定点集中各点到其所属子集中心点的距离平方和最小，公式为：式(2)中，Xj为划分的第j个子集；Xi为子集Xj中的第i个点；Cj为子集Xj的中心点。5.如权利要求2所述的基于电量曲线特征模型的线损异常诊断方法，其特征在于，所述抗差最小二乘法为Hampel抗差法，Hampel抗差法采用了三段截尾ρ函数用于粗差的识别和修正，对于n个节点组成的网络，算法的ρ函数可用以下公式表达：式(3)中a、b、c为调制阈值，一般在1.0～3.0之间，j＝{1,2,3...n}；式(4)中V为电量数据残差，J为平...
【专利技术属性】
技术研发人员：张思为，高建为，路成，王倩，张斌，郑旺，范淑霞，赵伟，宋文乐，
申请(专利权)人：国家电网有限公司，国网河北省电力有限公司沧州供电分公司，国网河北省电力有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。