一种配电网线损分析的电力指纹精准治理方法技术

本发明专利技术涉及一种配电网线损分析的电力指纹精准治理方法，包括如下步骤：S1、数据采集；所采集数据包括运行信息数据，按照数据申请流程采集所需数据；S2、数据处理：在分析线损率与下挂用户用电量相关性时，对于骤变数据处理；对线损和电量的数据信号进行模态分解，提前将用户数据取出；对于有缺失的用电量数据使用拉格朗日插值法进行数据填补；S3、“电力指纹”提取分析；S4、建模分析；S5、以异常用户嫌疑程度分级为落脚点，建立方法策略模型。建立方法策略模型。建立方法策略模型。

【技术实现步骤摘要】
一种配电网线损分析的电力指纹精准治理方法


[0001]本专利技术属于电网线损分析智能化治理
，具体涉及一种配电网线损分析的电力指纹精准治理方法。

技术介绍

[0002]电网损耗大多发生在中、低压配电网中，通过配电网线路和台区线损的治理不但可以降低电能损耗，还能及时发现计量装置异常、三相负荷不平衡、窃电等各类用电异常行为。因此，线损管理直接关系到企业的经济效益和国家节能政策的贯彻落实，而如何降低线损已经成为了供电企业的重点工作以及电力工作者的重点研究对象。
[0003]目前电网公司在用的线损分析智能化技术手段主要是通过同期线损系统和用电信息采集系统的台区体检、降损闭环管理等功能模块实现线损诊断，定位线损异常问题，但仍存在其局限性，缺失一套从大数据角度聚焦线损与电量的关系模型方案，挖掘识别线损与电量数据问题的线损精准治理方法，从而提高线损治理工作效率。

技术实现思路

[0004]为了解决
技术介绍
中的问题，切实降低线损治理人工工作量，提高线损治理工作效率，本专利技术提供了一种配电网线损分析的电力指纹精准治理方法，实现了线损异常点定位并对是否可能发生异常进行嫌疑诊断和预警，具备降低线损治理人工工作量，提高线损治理工作效率的优点。
[0005]为了实现以上目的，本专利技术采用的技术方案为：一种配电网线损分析的电力指纹精准治理方法，包括如下步骤：
[0006]S1、数据采集；所采集数据包括运行信息数据，按照数据申请流程采集所需数据；
[0007]S2、数据处理：在分析线损率与下挂用户用电量相关性时，对于骤变数据处理；对线损和电量的数据信号进行模态分解，提前将用户数据取出；对于有缺失的用电量数据使用拉格朗日插值法进行数据填补；
[0008]S3、“电力指纹”提取分析：
[0009]3.1)、将指纹识别带入到电力曲线数据生成，将包括台区的各层级对象的连续型数据转换为图数纹理，对图数纹理进行拟合，形成真实的配电网线损变动状态的图谱，即线损“电力指纹”，分别构建线损、电量指纹图谱；
[0010]3.2)、抽样选取线损异常台区的“电力指纹”，从集中趋势、离散程度、分布特征描述性统计视角对提取的指纹进行特征分析，直观呈现电量与线损的影响关系；
[0011]S4、建模分析：
[0012]4.1)、指纹图谱相关性分析模型：通过开展台区线损指纹的波动与下挂用户电量指纹的波动相关性分析，定位影响台区线损异常波动的嫌疑用户；
[0013]4.2)、指纹波动变化量分析模型：通过开展台区线损指纹波动与下挂用户电量指纹波动的变化拐点分析，定位影响台区线损异常波动的嫌疑用户；
[0014]4.3)、指纹信号经验模态分解模型：通过开展台区线损指纹波动与下挂用户电量指纹波动的时频信号分析，定位影响台区线损异常波动的嫌疑用户；
[0015]S5、以异常用户嫌疑程度分级为落脚点，建立方法策略模型。
[0016]进一步的，步骤S1中，所述运行信息数据包括10千伏配网线路、台区、高低压用户的档案信息以及日冻结电量、线损；
[0017]步骤S2中，提前将日均用电量为0及日均用电量小于1kW
·
h用户数据取出；
[0018]步骤S3中，所述各层级对象的连续型数据包括线路、台区、用户的数据。
[0019]再进一步的，步骤4.1)的建模过程：
①
数据预处理，包括用户用电量数据去重、剔除每日用电量均为零用户、删除无用字段；
②
提取指纹图谱，包括台区线损率与挂接用户用电量的指纹曲线图谱；
③
计算相关系数，利用皮尔逊等相关系数方法量化分析每个用户电量指纹与台区线损率指纹的相关程度；
④
定位强相关用户，利用每个用户用电量与台区线损的相关系数结果，筛选定位电量指纹与线损指纹同向变动强相关的异常嫌疑用户。
[0020]再进一步的，步骤4.2)的建模过程：
①
数据预处理，包括用户用电量数据去重、剔除无效数据、数据宽表拼接；
②
锁定变化拐点日期，选择台区线损曲线变化最明显的突变点；
③
计算拐点k值，利用定义好的“K值＝用户电量变化量/台区损耗电量变化量”模型规则计算每个用户电量变化速度所引起台区线损电量变化速度的K值；
④
定位异常用户，利用每个用户用电量与台区线损的K值结果，筛选定位对台区线损异常相对偏离度大的异常嫌疑用户。
[0021]再进一步的，步骤4.3)的建模过程：
①
数据预处理，包括用户用电量数据去重、对缺失数据进行拉格朗日插值、日均用电量计算、宽表拼接；
②
计算用户用电量与台区线损率的相关系数r，并基于日均用电量和相关系数r进行结果排序；
③
抽取排序前5％用户作为初筛用户，通过EMD算法对用户用电量和台区损耗电量进行信号模态分解，分别提取高频分量(IMF)，并完成信号图谱拟合；
④
标记异常用户，利用指纹信号经验模态分解结果，筛选定位线损异常嫌疑用户。
[0022]再进一步的，所述步骤S5包括：
[0023]方法策略模型构建：以“指纹图谱相关性分析模型”、“指纹波动变化量分析模型”、“指纹信号经验模态分解模型”三大配电网线损“电力指纹”异常用户识别算法模型，分别定位出与线损异常存在较强关联的嫌疑用户范围，并为异常用户嫌疑程度进行梯度标签划分；针对用户在各个分析模型下的划分结果，结合用户自身在线损正常和异常时段的运行数据，进行电量变化趋势分析、异常事件分析、设备运行状态分析维度的分析，以辅助核实具体的用电异常行为及发生时段；
[0024]应用流程：
①
将10千伏配网线路、台区、高低压用户的档案信息以及电量、线损相关数据，导入至三大线损异常用户识别算法模型；
②
输出模型结果：基于三大模型分别输出与线损异常存在较强关联的嫌疑用户范围；
③
匹配融合三大模型结果标签，完成对异常用户的嫌疑程度综合评级，将嫌疑用户差异化划分；
④
对不同归类的嫌疑用户，分类执行，直至达到降损目标。
[0025]进一步的，步骤S4建模分析是基于线损与电量关联分析进行异常用户定位的业务实现逻辑及前期数据处理，框定机器学习、深度学习大数据相关算法范围，通过Python训练对算法之间的效果、效率和稳定性进行优劣对比分析，最终基于电量与线损图谱指纹，完成
“
指纹图谱相关性分析模型”、“指纹波动变化量分析模型”、“指纹信号经验模态分解模型”三大线损异常用户识别算法模型的训练及构建。
[0026]本专利技术的技术效果在于：本专利技术的一种配电网线损分析的电力指纹精准治理方法，实现了线损异常点定位并对是否可能发生异常进行嫌疑诊断和预警，具备降低线损治理人工工作量，提高线损治理工作效率的优点。
附图说明
[0027]图1为本专利技术的具体实施例中台区A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网线损分析的电力指纹精准治理方法，其特征在于，包括如下步骤：S1、数据采集；所采集数据包括运行信息数据，按照数据申请流程采集所需数据；S2、数据处理：在分析线损率与下挂用户用电量相关性时，对于骤变数据处理；对线损和电量的数据信号进行模态分解，提前将用户数据取出；对于有缺失的用电量数据使用拉格朗日插值法进行数据填补；S3、“电力指纹”提取分析：3.1)、将指纹识别带入到电力曲线数据生成，将包括台区的各层级对象的连续型数据转换为图数纹理，对图数纹理进行拟合，形成真实的配电网线损变动状态的图谱，即线损“电力指纹”，分别构建线损、电量指纹图谱；3.2)、抽样选取线损异常台区的“电力指纹”，从集中趋势、离散程度、分布特征描述性统计视角对提取的指纹进行特征分析，直观呈现电量与线损的影响关系；S4、建模分析：4.1)、指纹图谱相关性分析模型：通过开展台区线损指纹的波动与下挂用户电量指纹的波动相关性分析，定位影响台区线损异常波动的嫌疑用户；4.2)、指纹波动变化量分析模型：通过开展台区线损指纹波动与下挂用户电量指纹波动的变化拐点分析，定位影响台区线损异常波动的嫌疑用户；4.3)、指纹信号经验模态分解模型：通过开展台区线损指纹波动与下挂用户电量指纹波动的时频信号分析，定位影响台区线损异常波动的嫌疑用户；S5、以异常用户嫌疑程度分级为落脚点，建立方法策略模型。2.根据权利要求1所述的一种配电网线损分析的电力指纹精准治理方法，其特征在于，步骤S1中，所述运行信息数据包括10千伏配网线路、台区、高低压用户的档案信息以及日冻结电量、线损；步骤S2中，提前将日均用电量为0及日均用电量小于1kW
·
h用户数据取出；步骤S3中，所述各层级对象的连续型数据包括线路、台区、用户的数据。3.根据权利要求1或2所述的一种配电网线损分析的电力指纹精准治理方法，其特征在于，步骤4.1)的建模过程：
①
数据预处理，包括用户用电量数据去重、剔除每日用电量均为零用户、删除无用字段；
②
提取指纹图谱，包括台区线损率与挂接用户用电量的指纹曲线图谱；
③
计算相关系数，利用皮尔逊等相关系数方法量化分析每个用户电量指纹与台区线损率指纹的相关程度；
④
定位强相关用户，利用每个用户用电量与台区线损的相关系数结果，筛选定位电量指纹与线损指纹同向变动强相关的异常嫌疑用户。4.根据权利要求1或2所述的一种配电网线损分析的电力指纹精准治理方法，其特征在于，步骤4.2)的建模过程：
①
数据预处理，包括用户用电量数据去重、剔除无效数据、数据宽表拼接；
②
锁定变化拐点日期，选择台区线损曲线...

【专利技术属性】
技术研发人员：彭君，王忠飞，陈晓沾，钱宝玉，虎亚玲，李静，于龙，陈克强，李进，杨欣蓉，李力，
申请(专利权)人：国网甘肃省电力公司兰州供电公司，
类型：发明
国别省市：