一种基于大数据分析线损的方法技术

本发明专利技术提供了一种线损分析方法，将所述待分析数据输入线损识别网络模型，所述窃电识别网络模型包括输入层、浅层特征提取模块、第一分类器、深层特征提取模块以及第二分类器；将通过浅层特征提取得到的第一特征输入第一分类器得到第一分类结果，所述第一分类结果为线损正常或者异常的概率，当所述第一分类结果为异常时，将所述第一特征输入深层特征提取模块进行特征提取，得到第二特征并输入第二分类器，得到第二分类结果，所述第二分类结果包括线损率以及对应的分类标签，大大提高了效率；在对模型进行训练时，通过综合考虑历史相似日数据以及临近日数据进行数据修复，大大提高了模型的准确性。模型的准确性。模型的准确性。

【技术实现步骤摘要】
一种基于大数据分析线损的方法


[0001]本专利技术属于电网电能损耗领域，具体涉及一种基于大数据分析线损的方法。

技术介绍

[0002]当前电力系统在供电管理中因线损管理问题还普遍存在着大量的电力损失现象，因此如何采取积极有效的措施提高电力系统中的线损管理水平，降低用电损耗是当前相关电力管理部门亟待解决的重要问题。
[0003]根据产生的原因，线损率的计算方法包括理论线损和同期线损，理论线损是根据电网的拓扑结构和参数，得到线损率，同期线损基于智能电表的采集数据进行计算。同期线损的计算方法依赖于智能电表的采集状况，为保证电表数据的准确性和完整性，现有技术中通过阶段均值、历史相似日、相邻日、相近台区同日电量以及通过异常情况的分类，采取不同的措施进行修复的方式，然而通过上述方式进行修复需要对断采的情况进行分类，再选择不同的修复措施，效率较低。在对线损率进行分类时，CN113866562A通过卷积神经网络对输入数据进行分类，得到线损率以及对应的分类标签，然而，由于用户量大，通过智能电表采集的数量较多，通过上述方式进行分类耗时较长，在对缺失值进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析线损的方法，所述方法包括：获取待分析数据，所述待分析数据包括变压器电阻参数、线路阻抗参数、感抗参数、容量参数、功率参数以及台区总有功、功率因数、变压器负载率、电压、电流；对所述待分析数据进行数据预处理得到待分析数据；将所述待分析数据输入线损识别网络模型，所述窃电识别网络模型包括输入层、浅层特征提取模块、第一分类器、深层特征提取模块以及第二分类器；将通过浅层特征提取得到的第一特征输入第一分类器得到第一分类结果，所述第一分类结果为线损正常或者异常的概率，当所述第一分类结果为异常时，将所述第一特征输入深层特征提取模块进行特征提取，得到第二特征并输入第二分类器，得到第二分类结果，所述第二分类结果包括线损率以及对应的分类标签，所述分类标签包括大负损、小负损、高损、超大损；所述线损识别网络模型采用历史数据作为候选训练样本；对所述候选训练样本进行数据预处理以及人工标记，得到训练样本；构建线损识别网络模型，并基于所述训练样本对所述网络模型进行训练。2.根据权利要求1所述的基于大数据分析线损的方法，其特征在于:对所述候选训练样本进行数据预处理包括：数据清理、数据集成、数据变换和数据规约。3.根据权利要求2所述的基于大数据分析线损的方法，其特征在于:所述数据清理包括空缺值处理和噪声数据处理。4.根据权...

【专利技术属性】
技术研发人员：吴仲超，朱明星，孙航，
申请(专利权)人：国网安徽省电力有限公司蚌埠供电公司，
类型：发明
国别省市：