一种低压台区线损异常分析方法、装置和设备制造方法及图纸

本发明专利技术公开了一种低压台区线损异常分析方法、装置和设备，方法包括：通过预置的决策树模型训练过程生成目标决策树模型，接收从待检测低压台区采集到的同期线损数据；根据所述待检测低压台区的负荷类型，确定与所述负荷类型对应的线损率区间；若所述同期线损数据不处于所述线损率区间，则获取所述同期线损数据对应的待分析数据特征；将所述待分析数据特征输入目标决策树模型，确定所述待检测低压台区对应的线损异常原因，该方法能够有效提高线损异常原因的分析速度，进而更为及时地对线损异常进行修复，保证用户的正常使用。

【技术实现步骤摘要】
一种低压台区线损异常分析方法、装置和设备
本专利技术涉及线损分析
，尤其涉及一种低压台区线损异常分析方法、装置和设备。
技术介绍
在智能电表、用电信息采集系统大规模推广应用进程中，低压台区同期线损诊断受到了广泛的关注。低压台区同期线损诊断主要是依据营配调全面贯通、采集全面覆盖方针，以供电量、用电量全面在线监测为核心，以精准降损为立足点，切实实现线损管理的信息化、集约化、精益化。但是，在低压台区同期线损精益化发展进程中，直接在海量数据内进行异常数据甄别难度较大。基于此，合理利用无线通信技术、大数据挖掘分析技术，搭建完善的低压台区同期线损异常诊断系统，就具有较为突出的现实意义。受城乡一体化推进时间较晚，营销业务系统并轨时间较短等客观条件制约，近几年，电力企业营销基础数据质量提升幅度不足，也无法保障大量客户档案数据同步录入系统效率。再加上低压台区线损管理具有较为突出的需检测点多覆盖面广的特点，覆盖了配电网建设、整体营销业务管理链条等领域，可能还会由于人为因素直接导致系统流程运转不及时等问题出现，增加了低压台区同期线损异常数据出现率，对低压台区同期线损异常诊断造成了较大的干扰。
技术实现思路
本专利技术提供了一种低压台区线损异常分析方法、装置和设备，解决了现有技术中由于人为因素所导致的流程运转不及时，低压台区同期线损异常出现率增加，检测分析速度较慢的技术问题。本专利技术提供的一种低压台区线损异常分析方法，包括：接收从待检测低压台区采集到的同期线损数据；根据所述待检测低压台区的负荷类型，确定与所述负荷类型对应的线损率区间；若所述同期线损数据不处于所述线损率区间，则获取所述同期线损数据对应的待分析数据特征；将所述待分析数据特征输入目标决策树模型，确定所述待检测低压台区对应的线损异常原因；其中，所述目标决策树模型通过预置的决策树模型训练过程生成。可选地，所述决策树模型训练过程包括：获取训练数据；采用Adaboost算法结合所述训练数据，构建初始决策树模型；将所述训练数据输入所述初始决策树模型，确定所述训练数据对应的线损异常原因；基于所述训练数据对应的线损异常原因设置排查时间；根据按照所述排查时间返回的线损异常原因排查结果，调整所述初始决策树模型，生成目标决策树模型。可选地，所述根据按照所述排查时间返回的线损异常原因排查结果，调整所述初始决策树模型，生成目标决策树模型的步骤，包括：当接收到按照所述排查时间返回的线损异常原因排查结果时，判断所述线损异常原因排查结果与所述线损异常原因是否相同；若不相同，则按照预定规则调整所述初始决策树模型，返回所述将所述训练数据输入所述初始决策树模型，确定所述训练数据对应的线损异常原因的步骤，直至所述线损异常原因排查结果与所述线损异常原因相同，生成目标决策树模型。可选地，涉及多个低压台区，在所述获取所述待检测低压台区采集的线损数据的步骤之前，还包括：获取多个所述低压台区的负荷情况；基于每个所述低压台区的负荷情况，为每个所述低压台区划分对应的负荷类型；基于每个所述负荷类型对应的负荷情况，调整每个所述低压台区对应的预设初始线损率区间，得到每个负荷类型对应的线损率区间。本专利技术还提供了一种低压台区线损异常分析装置，包括：同期线损数据接收模块，用于接收从待检测低压台区采集到的同期线损数据；线损率区间确定模块，用于根据所述待检测低压台区的负荷类型，确定与所述负荷类型对应的线损率区间；待分析特征获取模块，用于若所述同期线损数据不处于所述线损率区间，则获取所述同期线损数据对应的待分析数据特征；第一线损异常原因确定模块，用于将所述待分析数据特征输入目标决策树模型，确定所述待检测低压台区对应的线损异常原因；其中，所述目标决策树模型通过预置的决策树模型训练模块生成。可选地，所述决策树模型训练模块包括：训练数据获取子模块，用于获取训练数据；初始决策树模型构建子模块，用于采用Adaboost算法结合所述训练数据，构建初始决策树模型；第二线损异常原因确定子模块，用于将所述训练数据输入所述初始决策树模型，确定所述训练数据对应的线损异常原因；排查时间设置子模块，用于基于所述训练数据对应的线损异常原因设置排查时间；目标决策树模型生成子模块，用于根据按照所述排查时间返回的线损异常原因排查结果，调整所述初始决策树模型，生成目标决策树模型。可选地，所述目标决策树模型生成子模块包括：原因判断单元，用于当接收到按照所述排查时间返回的线损异常原因排查结果时，判断所述线损异常原因排查结果与所述线损异常原因是否相同；调整单元，用于若不相同，则按照预定规则调整所述初始决策树模型，返回所述将所述训练数据输入所述初始决策树模型，确定所述训练数据对应的线损异常原因的步骤，直至所述线损异常原因排查结果与所述线损异常原因相同，生成目标决策树模型。可选地，所述装置涉及多个低压台区，所述装置还包括：负荷情况获取模块，用于获取多个所述低压台区的负荷情况；负荷类型划分模块，用于基于每个所述低压台区的负荷情况，为每个所述低压台区划分对应的负荷类型；线损率区间调整模块，用于基于每个所述负荷类型对应的负荷情况，调整每个所述低压台区对应的预设初始线损率区间，得到每个负荷类型对应的线损率区间。本专利技术还提供了一种低压台区线损异常分析设备，包括电气量测量装置、远程数据诊断平台、采集器、监控端和移动终端；所述电气量测量装置，用于采集待检测低压台区的同期线损数据和待分析数据特征；所述采集器，用于从所述电气量测量装置获取所述同期线损数据和待分析数据特征并发送到所述远程数据诊断平台；所述远程数据诊断平台，用于当所述同期线损数据不处于预设的线损率区间时，根据所述待分析数据特征和目标决策树模型，确定所述待检测低压台区对应的线损异常原因，发送所述线损异常原因和预设的排查时间到所述移动终端；其中，所述目标决策树模型通过预置的决策树模型训练过程结合所述监控端返回的比对结果生成；所述移动终端，用于接收远程数据诊断平台发送的线损异常原因，按照所述排查时间执行对所述待检测低压台区进行线程异常排查，生成线损异常原因排查结果并返回到所述监控端；所述监控端，用于接收所述线损异常原因排查结果并与所述线程异常原因进行比对，返回所述比对结果到所述远程数据诊断平台。可选地，所述远程数据诊断平台还用于接收所述比对结果，对采用Adaboost算法结合所述训练数据所构建的初始决策树模型进行训练，生成所述目标决策树模型。从以上技术方案可以看出，本专利技术具有以下优点：本专利技术通过获取从待检测低压台区获取到的同期线损数据，基于低压台区的负荷类型确定同期线损数据对应的线损率区间，若是同期线损数据不处于该线损率区间，则进一步获取同期线损数据对应的待分析数据特征，采用训练过的目标决策树模型对待分析数据本文档来自技高网...

【技术保护点】
1.一种低压台区线损异常分析方法，其特征在于，包括：/n接收从待检测低压台区采集到的同期线损数据；/n根据所述待检测低压台区的负荷类型，确定与所述负荷类型对应的线损率区间；/n若所述同期线损数据不处于所述线损率区间，则获取所述同期线损数据对应的待分析数据特征；/n将所述待分析数据特征输入目标决策树模型，确定所述待检测低压台区对应的线损异常原因；其中，所述目标决策树模型通过预置的决策树模型训练过程生成。/n

【技术特征摘要】
1.一种低压台区线损异常分析方法，其特征在于，包括：
接收从待检测低压台区采集到的同期线损数据；
根据所述待检测低压台区的负荷类型，确定与所述负荷类型对应的线损率区间；
若所述同期线损数据不处于所述线损率区间，则获取所述同期线损数据对应的待分析数据特征；
将所述待分析数据特征输入目标决策树模型，确定所述待检测低压台区对应的线损异常原因；其中，所述目标决策树模型通过预置的决策树模型训练过程生成。


2.根据权利要求1所述的方法，其特征在于，所述决策树模型训练过程包括：
获取训练数据；
采用Adaboost算法结合所述训练数据，构建初始决策树模型；
将所述训练数据输入所述初始决策树模型，确定所述训练数据对应的线损异常原因；
基于所述训练数据对应的线损异常原因设置排查时间；
根据按照所述排查时间返回的线损异常原因排查结果，调整所述初始决策树模型，生成目标决策树模型。


3.根据权利要求2所述的方法，其特征在于，所述根据按照所述排查时间返回的线损异常原因排查结果，调整所述初始决策树模型，生成目标决策树模型的步骤，包括：
当接收到按照所述排查时间返回的线损异常原因排查结果时，判断所述线损异常原因排查结果与所述线损异常原因是否相同；
若不相同，则按照预定规则调整所述初始决策树模型，返回所述将所述训练数据输入所述初始决策树模型，确定所述训练数据对应的线损异常原因的步骤，直至所述线损异常原因排查结果与所述线损异常原因相同，生成目标决策树模型。


4.根据权利要求1-3任一项所述的方法，其特征在于，涉及多个低压台区，在所述获取所述待检测低压台区采集的线损数据的步骤之前，还包括：
获取多个所述低压台区的负荷情况；
基于每个所述低压台区的负荷情况，为每个所述低压台区划分对应的负荷类型；
基于每个所述负荷类型对应的负荷情况，调整每个所述低压台区对应的预设初始线损率区间，得到每个负荷类型对应的线损率区间。


5.一种低压台区线损异常分析装置，其特征在于，包括：
同期线损数据接收模块，用于接收从待检测低压台区采集到的同期线损数据；
线损率区间确定模块，用于根据所述待检测低压台区的负荷类型，确定与所述负荷类型对应的线损率区间；
待分析特征获取模块，用于若所述同期线损数据不处于所述线损率区间，则获取所述同期线损数据对应的待分析数据特征；
第一线损异常原因确定模块，用于将所述待分析数据特征输入目标决策树模型，确定所述待检测低压台区对应的线损异常原因；其中，所述目标决策树模型通过预置的决策树模型训练模块生成。


6.根据权利要求5所述的装置，其特征在于，所述决策树模型训练模块包括：
训练数据获取子模块，用于获取训练数据...

【专利技术属性】
技术研发人员：史琳，潘炜，邓利民，刘丰威，戚颖怡，彭斐，刘辅钰，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：广东;44