一种台区线损异常诊断与降损策略智能决策方法及系统技术方案

本发明专利技术公开了一种台区线损异常诊断与降损策略智能决策方法及系统

【技术实现步骤摘要】
一种台区线损异常诊断与降损策略智能决策方法及系统


[0001]本专利技术属于台区线损诊断
，具体地说是一种台区线损异常诊断与降损策略智能决策方法及系统
。

技术介绍

[0002]低压台区网络结构复杂，功率变化较大且负荷性质多样，由于台区和终端用户数目庞大
、
台账管理不完备
、
线路分布复杂多样
、
用电采集系统的采集成功率差别较大等因素，使得台区线损管理需要动用大量的人力
、
物力才能收集到必要的运行资料和数据，工作量非常大
。
[0003]现有的一些线损诊断方法对数据样本要求较高，在台区运行方式变化较大的情况下容易发生误判，并且没有从线损治理的角度出发，无法将管理因素与技术因素量化，不能为工作人员提供治理优先级，无法指导工作人员快速定位线损异常
、
精确降损
。

技术实现思路

[0004]针对上述现有技术存在的不足，本专利技术提供一种台区线损异常诊断与降损策略智能决策方法及和系统，其可在考虑农排
、<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种台区线损异常诊断与降损策略智能决策方法，其特征在于，包括：步骤1，采集台区内每一个节点的表计数据，计算得到台区各个时间尺度的线损率；步骤2，将过去一年的台区
96
点分时线损数据，通过基于自适应
k
近邻的时间序列异常检测算法，得到所述台区的线损异常时间序列；步骤3，建立台区线损异常原因诊断算法库，对可能发生的每一类异常构建针对性的诊断算法；步骤4，构建降损策略知识库，降损策略关联，利用知识库匹配得出线损异常事件治理策略；同时，对各项线损异常事件治理策略进行划分
。2.
根据权利要求1所述的一种台区线损异常诊断与降损策略智能决策方法，其特征在于，步骤1具体包括：
11)
电能表每
15
分钟采集一次台区内每一个节点的数据信息，上传到采集系统主站；
12)
对离群点或者噪声数据进行异常点监测，进行数据清洗，输出清洗后的数据；
13)
利用采集到的日电量数据，通过台区总表电量减去分表电量，计算得到台区的日统计线损率和
96
点统计线损率
。3.
根据权利要求2所述的一种台区线损异常诊断与降损策略智能决策方法，其特征在于，所述的数据信息包括电流
、
电压
、
功率
、
有功电量及无功电量
。4.
根据权利要求1所述的一种台区线损异常诊断与降损策略智能决策方法，其特征在于，步骤2具体包括：
21)
输入待计算台区的日
96
点统计线损率时间序列数据集
Q
＝
{s1,s2,
…
s
N
}
；
22)
对于数据集
Q
，计算所有
96
点统计线损率时间序列之间的欧氏距离，时间序列
s
i
和
s
j
之间的欧式距离
dist(s
i
,s
j
)
计算公式如下：
23)
搜索
96
点统计线损率时间序列数据集
Q
的自适应
k
近邻值集合
K
＝
{k1,k2,
…
k
N
}
，
i
＝
1,2,
…
,N
；
24)
计算各
96
点统计线损率时间序列的异常得分，判断是否为异常序列
。5.
根据权利要求4所述的一种台区线损异常诊断与降损策略智能决策方法，其特征在于，步骤
23)
中，时间序列
s
i
的自适应
k
近邻值
k
i
计算过程如下：
231)
定义时间序列数据集
Q
中距离
s
i
从小到大排序的第
k
条时间序列的欧式距离为第
k
近邻距离，记为
D
k
(s
i
)
，
k
为任意正整数；定义时间序列
s
i
的
k
近邻域
KNN
k
(s
i
)
为距离
s
i
的欧式距离从小到大排序的
k
条时间序列，即
KNN
k
(s
i
)
＝
{s
j
∈Q
，
s
j
≠s
i
|dist(s
i
,s
j
)≤D
k
(s
i
)}
；定义反向
k
近邻域为
RNN
k
，如果
s
i
属于
s
j
的
k
近邻域，则
s
j
属于
s
i
的反向
k
近邻域
RNN
k
(s
i
)
，即
RNN
k
(s
i
)
＝
{s
j
∈Q|dist(s
i
,s
j
)≤D
k
(s
j
)}
；
232)
令搜索次数
r
＝1，迭代查找每个时间序列的
r
近邻域，记第
r
次迭代时集合中0的个数为
Num

【专利技术属性】
技术研发人员：倪琳娜，严华江，姚力，王振国，章江铭，黄荣国，姜驰，俞佳莉，韩鑫泽，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院国网浙江省电力有限公司，
类型：发明
国别省市：