一种线损主因分析方法及其相关设备技术

本发明专利技术公开了一种线损主因分析方法及相关设备。其方法包括，获取关于线损的异常数据，以形成第一集合，第一集合中包含具有因果关联关系的原因异常数据和结果异常数据；去除第一集合中的结果异常数据，以得到包含原因异常数据的第二集合，针对第二集合进行处理，以确定第二集合中的异常数据对线损的贡献度；根据贡献度，确定造成线损的主因。在本发明专利技术的实施例中，先采用因果关系对异常数据进行筛选，再采用贡献度对异常数据进行排序，这种二段式异常数据分析方法能够快速定位主因。采用计算贡献度时，减少了线路固定损耗形成的干扰。采用随机森林算法进行回归模型的构建，兼顾了电力行业中的异常数据之间的独立性和相关性，使得分析结果更准确。析结果更准确。析结果更准确。

【技术实现步骤摘要】
一种线损主因分析方法及其相关设备


[0001]本专利技术一般涉及电力领域。更具体地，本专利技术涉及一种线损主因分析方法及其相关设备。

技术介绍

[0002]在电力行业，配电网络线路损耗的管理是供电公司一项重要的工作。线损是电力在配电线路中的损耗，影响线损的因素很多，例如用户用电异常、数据采集异常和设备计量异常等。通过解决这些异常降低线路损耗是一种常见的线损治理手段。
[0003]目前，配电网络采集信息系统能够通过对电压、电力、功率等用电数据监控分析自动识别用户用电异常、数据采集异常和设备计量异常等线路异常状态。侧重于分析异常与线损数据之间的关系。例如异常相关性分析、决策树决策路径分析等。公布号为CN112597704A的专利技术采用深度学习注意力机制获取异常和数据之间的相关关系，通过相关关系确定异常原因。公布号为CN112598234A的专利技术专利采用了adaboost集成树算法分析异常原因。上述技术存在一定缺陷：相关性分析容易受到混淆变量影响而输出错误，主要因素和次要因素无法分辨，模型特征与实际异常脱节，需要人工创建特征与运维工作的映射关系等。
[0004]有鉴于此，亟需提供一种线损主因分析方法。

技术实现思路

[0005]为了至少解决如上所提到的一个或多个技术问题，本专利技术提供一种线损主因分析方法，包括，获取异常数据，得到第一集合，第一集合中包括具有因果关联关系的原因异常数据和结果异常数据；剔除第一集合中的结果异常数据，得到第二集合；获取第二集合中的异常数据对线损的贡献度，根据所述贡献度确定线损主因。
[0006]通过先剔除结果异常数据，使得导致线损的异常数据更加集中，从异常数据的层面即进行了一次筛选，在利用贡献度进行二次筛选，线损主因快速被定位，两段式的主因分析对输出结果正确性更有保证。
[0007]进一步，在一些实施例中，第一集合中的原因异常数据和结果异常数据通过以下方式确定：训练异常数据之间的因果关联规则模型，判断异常数据之间的因果关系:
[0008][0008][0009]其中，X和Y分别为异常数据；UpLift
X,Y∈group(a),Z∈others(o)
(X
→
Y)为：X异常数据导致Y异常数据的提升度；为X发生时Y的概率；为X不发生时Y的概率；X,Y∈group(a)表示X和Y属于同一组a；Z∈others(o)表示分组a以外的其它异常数据；当uplift大于预设阈值时，表示存在X
→
Y因果关系，X为原因异常数据，Y为结果异常数据。
[0010]进一步，在一些实施例中，在计算异常数据对线损的贡献度时，线损由实际线损减去线路固定损耗得到。
[0011]通过去掉线路固定损耗，在计算贡献度之前首先将线路固定损耗去掉，可以凸显异常数据对线损的影响程度。
[0012]进一步，在一些实施例中，线路固定损耗通过以下方式得到：将用电量数据对实际线损做线性回归，剔除残差超过预设的残差阈值的用电数据，得到第一数据；将第一数据对实际线损做线性回归，求取截距作为线路固定损耗。
[0013]进一步，在一些实施例中，第二集合中的异常数据对线损的贡献度通过以下方式获取：建立异常数据与线损之间的映射关系，计算每个异常数据对线损的贡献值。
[0014]进一步，在一些实施例中，通过随机森林算法，构建异常数据对线损的回归模型，建立异常数据与线损之间的映射关系；通过使treeshap算法，基于所述回归模型，计算异常数据对线损的贡献值。
[0015]进一步，在一些实施例中，线损主因分析方法还包括，获取异常数据在多个台区的shap值，取均值作为默认贡献度值；依据所述默认贡献度值将所有异常数据排序，作为默认异常数据排序。
[0016]进一步，在一些实施例中，线损主因分析方法还包括，获取异常数据在多个台区的shap值，取均值作为默认贡献度值；异常数据i的重要性值S(i)
′
计算公式如下：
[0017]S(i)
′
＝*S(i)
o
+(1
‑
)*S()，其中，S(i)
o
表示异常数据i的默认贡献度值；S(i)表示当前台区异常数据i的贡献度值，P为加权值。
[0018]进一步，根据本专利技术的另一方面，提供了一种处理设备，包括：处理器，其配置用于执行程序指令；以及存储器，其配置用于存储所述程序指令，当所述程序指令由所述处理器加载并执行时，使得所述处理器执行上述任一项所述的线损主因分析方法。
[0019]根据本专利技术的另一个方面，提供了一种计算机可读存储介质，其特征在于，其中存储有程序指令，当所述程序指令由处理器加载并执行时，使得所述处理器执行上述任一项所述的线损主因分析方法。
[0020]在本专利技术的实施例中，先采用因果关系对异常数据进行筛选，再采用贡献度对异常数据进行排序，这种二段式异常数据分析方法能够快速定位主因异常数据。采用计算贡献度时，使用线性回归计算截距项代表台区线性固定损耗，然后再用shap算法估计剩余线损，减少了线路固定损耗形成的干扰，使结果更准确。采用随机森林算法进行回归模型的构建，兼顾了电力行业中的异常数据之间的独立性和相关性，进一步使得分析结果更准确。
附图说明
[0021]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
[0022]图1示出了本专利技术实施例的一种线损主因分析方法示意图；
[0023]图2示出了根据本专利技术的实施例的在异常数据对线损回归的基础上求取贡献值的步骤示意图。
[0024]图3示出了根据本专利技术实施例的线损主因分析的系统的示意框图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域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，都属于本专利技术保护的范围。
[0026]应当理解，本专利技术的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0027]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本专利技术。如在本专利技术说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0028]如在本说明书和权利要求书中所使用的那本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线损主因分析方法，其特征在于，包括：获取关于线损的异常数据，以形成第一集合，其中所述第一集合中包含具有因果关联关系的原因异常数据和结果异常数据；去除所述第一集合中的结果异常数据，以得到包含原因异常数据的第二集合；针对所述第二集合进行处理，以确定所述第二集合中的异常数据对线损的贡献度；以及根据所述贡献度，确定造成线损的主因。2.根据权利要求1所述的线损主因分析方法，其特征在于，所述第一集合中的原因异常数据和结果异常数据通过以下方式确定：训练异常数据之间的因果关联规则模型，判断异常数据之间的因果关系:其中，X和Y分别为异常数据；UpLift
X,Y∈group(a),Z∈others(o)
(X
→
Y)为：X异常数据导致Y异常数据的提升度；为X发生时Y的概率；为X不发生时Y的概率；X,Y∈group(a)表示X和Y属于同一组a；Z∈others(o)表示不在a中的所有其他异常数据；当uplift大于预设阈值时，表示存在X
→
Y因果关系，X为原因异常数据，Y为结果异常数据。3.根据权利要求1所述的线损主因分析方法，其特征在于，在计算异常数据对线损的贡献度时，所述线损由实际线损减去线路固定损耗得到。4.根据权利要求3所述的线损主因分析方法，其特征在于，所述线路固定损耗通过以下方式得到：将用电量数据对实际线损做线性回归，剔除残差超过预设的残差阈值的用电数据，得到第一数据；将第一数据对实际线损做线性回归，求取截距作为线路固定损耗。5.根据权利要求1所述的线损主因分析方法，其特征在于...

【专利技术属性】
技术研发人员：井友鼎，腾铁军，段朝义，杜创胜，邓攀，陈小燕，黄加军，郝增财，王旭峰，
申请(专利权)人：河南合众伟奇云智科技有限公司，
类型：发明
国别省市：