【技术实现步骤摘要】
基于用电计量数据联合分布的无功补偿装置异常感知方法
[0001]本专利技术属于电力装置异常检测领域，涉及用户侧无功补偿装置异常感知，具体涉及基于计量数据的联合分布特性采用监督学习方法来精准感知电力用户无功补偿装置的轻微故障和容量设定不足的方法。
技术介绍
[0002]无功补偿是电力系统经济运行的基础性措施，但目前用户侧无功补偿的配置和运维还停留在前数字化时代，未能充分挖掘利用数字化带来的技术进步。当前，对一般工商业等用户仅要求按报装容量的20％～40％配置无功补偿，相当数量的一般工商业用户缺乏用电知识，不能及时感知无功补偿装置故障和无功补偿容量设定不足现象，导致设备异常后长期带病运行，增大电网线损和用户用能成本。在用户无功异常感知中引入数据驱动方法，对提高用户无功补偿的运维水平有重要的应用价值。
[0003]无功补偿装置异常的用户尽管绝对数量不小，但在体量庞大的用户群体中的占比有限。供电企业拥有用户的完整用电计量数据，从提高效费比、促进工程应用的角度来看，由供电企业从计量数据中萃取无功补偿装置运行状态信息后协调第三方...
【技术保护点】
【技术特征摘要】
1.一种基于用电计量数据联合分布的无功补偿装置异常感知方法，其特征在于，该方法步骤如下：步骤1：以电力用户历史用电数据中的日计量数据建立样本库，根据该用户每月的月平均功率因数值将样本库中的日计量数据按月分为正常标签数据和异常标签数据，并将正常标签数据的标签数据状态标识为正常标签，异常标签数据的标签数据状态标识为异常标签；步骤2：获取该用户样本库中每日每隔相同时间段采样时的有功功率及功率因数数据，并建立特征矩阵集；所有特征矩阵集的数据根据步骤1中每月日计量数据的标签数据状态标识标签数据状态后形成为标签数据集，将标签数据集采用有监督学习方法进行训练直至获得训练成熟的识别分类模型；步骤3：获取该用户待检测日当日每隔与步骤2相同的时间段采样时的有功功率和功率因数数据，并建立特征矩阵集；利用步骤2获得的识别分类模型对该待检测日的特征矩阵集进行检验，若该待检测日的特征矩阵集数据被该识别分类模型识别为异常标签，则判断该用户待检测日的无功补偿装置出现异常，否则无功补偿装置正常。2.如权利要求1所述的基于用电计量数据联合分布的无功补偿装置异常感知方法，其特征在于，所述步骤1中是将用户样本库中月平均功率因数≥...
【专利技术属性】
技术研发人员：苏盛，张傲，李彬，翟中祥，冯萧飞，郭丽娟，王娜，程金华，谢耀霆，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：
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。