一种配电台区日线损率曲线异常特征提取方法及系统技术方案

本发明专利技术公开了一种配电台区日线损率曲线异常特征提取方法及系统，包括：根据获取的日线损率曲线数据及台区线损异常处置记录工单，构成异常配电台区日线损率数据集，根据异常类型对所述异常配电台区日线损率数据集进行分类，获得若干类异常数据集子集，通过预设的扫描窗口对所述若干类异常数据集子集进行局部断面数据提取，获得每一类异常数据集子集分别对应的局部断面数据，对所述局部断面数据进行统计值特征计算及聚类计算，获得对应的若干个第一异常特征，对所述若干个第一异常特征进行自定义规则判定，筛选出若干个第二异常特征，获得所述若干类异常数据集子集中每一类异常数据集子集分别对应的异常特征，提高异常诊断的普遍性

【技术实现步骤摘要】
一种配电台区日线损率曲线异常特征提取方法及系统


[0001]本专利技术涉及电网运维
，尤其涉及一种配电台区日线损率曲线异常特征提取方法及系统
。

技术介绍

[0002]配电台区线损异常诊断的数据分析技术通常通过对配电台区的数据进行采集和分析，找出线损异常的原因，现有的诊断技术为通过对配电台区的电压
、
电流
、
功率等数据进行分析，找出线损异常的原因；例如，可以通过对配电台区的电压数据进行分析，判断是否存在过压或欠压现象，从而找出线损异常的原因
。
[0003]但是，现有技术的主要缺点在于需要采集电能表的电压
、
电流数据，而当前电网的系统和通信设备不支持大规模的电压
、
电流采集，仅能对某些硬件条件好的配电台区进行基于电压电流的异常诊断，当配电台区的硬件条件不足以支持获得大规模的电压数据时，则无法对当前的配电台区进行异常诊断，因此，现有技术的异常诊断方法无法大规模的对配电台区进行异常诊断，其不具有普遍性
。

技术实现思路

[0004]为了解决上述技术问题，本专利技术公开了一种配电台区日线损率曲线异常特征提取方法及系统，解决大规模
、
普适性的线损异常诊断问题
。
[0005]为了实现上述目的，第一方面，本专利技术公开了一种配电台区日线损率曲线异常特征提取方法，包括：
[0006]根据获取的日线损率曲线数据及台区线损异常处置记录工单，构成异常配电台区日线损率数据集；
[0007]根据所述台区线损异常处置记录工单记录的异常类型对所述异常配电台区日线损率数据集进行分类，获得若干类异常数据集子集；
[0008]通过预设的扫描窗口对所述若干类异常数据集子集中的每一类异常数据集子集进行局部断面数据提取，获得所述每一类异常数据集子集分别对应的局部断面数据；
[0009]对所述局部断面数据进行统计值特征计算及聚类计算，获得所述每一类异常数据集子集分别对应的若干个第一异常特征；
[0010]对所述若干个第一异常特征进行自定义规则判定，筛选出若干个第二异常特征，对所述若干个第二异常特征进行合并汇总，获得所述若干类异常数据集子集中每一类异常数据集子集分别对应的异常特征
。
[0011]本专利技术公开的一种配电台区日线损率曲线异常特征提取方法，首先利用获取的配电台区的日线损率曲线数据及线损异常处置记录工单构建异常配电台区日线损率数据集，以使根据过往的异常处置工单进行异常特征提取，提高提取的准确度，进一步的，在构建完所述数据集后，首先根据异常的类型进行分类，以使根部不同的异常提取对应不同的异常特征，接着对所述异常数据集子集进行局部断面数据获得断面数据，降低数据的处理量，提
高特征提取的效率，对所述扫描获得的局部断面数据进行统计值特征计算及聚类计算，用于搜索不同的异常数据集子集对应的最优聚类结果及最优的异常特征，再对所述获得聚类结果进行筛选，进一步提高所述异常特征的精准度，本专利技术利用过往的线损率数据及异常处置工单构建异常特征，以使根据所述异常特征进行线损诊断，避免了现有技术中获取电压
、
电流数据进行诊断的技术，对配电台区的硬件条件没有要求，具有普遍性
。
[0012]作为优选例子，在所述通过预设的扫描窗口对所述若干类异常数据集子集中的每一类异常数据集子集进行局部断面数据提取，包括：
[0013]根据所述扫描窗口中预设的带步长及宽度对所述每一类异常数据集子集分别进行局部断面数据提取，获得若干列数据；
[0014]合并所述若干个列数据，获得所述每一类异常数据集子集分别对应的局部断面数据
。
[0015]本专利技术中利用设定带步长和宽度的扫描窗口对所述每一个异常数据集子集进行局部断面数据提取，在随机的情况下选择一定的数据进行异常特征提取，既保证了后期异常特征提取的精准度，又降低了数据的处理量，提高特征提取的效率
。
[0016]作为优选例子，在所述对所述局部断面数据进行统计值特征计算及聚类计算，获得若干个类第一异常特征，包括：
[0017]根据预设的统计值计算方法计算所述局部断面数据中每一行数据的均值
、
方差
、
斜率及离散率，并统计所述每一行数据分别对应的均值
、
方差
、
斜率及离散率，获得所述局部断面数据对应的局部特征数据集；
[0018]通过预设的模糊均值聚类算法对所述局部特征数据集进行聚类计算，获得所述局部特征数据集对应的若干个第一异常特征
。
[0019]本专利技术通过对所述局部断面数据进行统计值计算及聚类计算，将所述数据集对应的异常特征有效的聚合到统一的分类中，提高异常特征提取的效率及准确度
。
[0020]作为优选例子，在所述通过预设的模糊均值聚类算法对所述局部特征数据集进行聚类计算，包括：
[0021]通过预设的模糊均值聚类算法对所述局部特征数据集进行聚类计算；其中，所述模糊均值聚类算法中的目标函数为：
[0022][0023]其中，令
X
＝
{x1,x2,x3,...,x
n
}
，
XсR
S
，给定的样本个数为
N
，样本空间维数为
S
，聚类个数设为
C
；同时：
[0024][0025][0026]u
ij
≥0
，
1≤i≤N
，
1≤j≤C
[0027]其中，
U
为隶属矩阵；
V
是由
C
个聚类中心构成的矩阵；
u
ij
为第
i
个样本对第
j
类的隶属度；
x
i
为第
i
个样本；
v
j
为第
j
个聚类中心；
m
是模糊系数；
||x
i
‑
v
j
||
表示样本点
x
i
到聚类中
心
v
j
的欧式距离；
[0028]通过预设的聚类有效性函数对所述模糊均值聚类算法的聚类结果进行评估；其中，所述聚类有效性函数为：
[0029][0030]其中，
x
i
为第
i
个样本；
v
j
为第
j
个聚类中心；
v
i
为第
i
个聚类中心
。
[0031]本专利技术利用所述目标函数进行聚类迭代，以使当最小化所述目标函数时，获得最优的聚类结果，进一步的，利用所述聚类有效性函数对所述目标函数的聚类结果进行评估，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种配电台区日线损率曲线异常特征提取方法，其特征在于，包括：根据获取的日线损率曲线数据及台区线损异常处置记录工单，构成异常配电台区日线损率数据集；根据所述台区线损异常处置记录工单记录的异常类型对所述异常配电台区日线损率数据集进行分类，获得若干类异常数据集子集；通过预设的扫描窗口对所述若干类异常数据集子集中的每一类异常数据集子集进行局部断面数据提取，获得所述每一类异常数据集子集分别对应的局部断面数据；对所述局部断面数据进行统计值特征计算及聚类计算，获得所述每一类异常数据集子集分别对应的若干个第一异常特征；对所述若干个第一异常特征进行自定义规则判定，筛选出若干个第二异常特征，对所述若干个第二异常特征进行合并汇总，获得所述若干类异常数据集子集中每一类异常数据集子集分别对应的异常特征
。2.
如权利要求1所述的一种配电台区日线损率曲线异常特征提取方法，其特征在于，所述通过预设的扫描窗口对所述若干类异常数据集子集中的每一类异常数据集子集进行局部断面数据提取，包括：根据所述扫描窗口中预设的带步长及宽度对所述每一类异常数据集子集分别进行局部断面数据提取，获得若干列数据；合并所述若干个列数据，获得所述每一类异常数据集子集分别对应的局部断面数据
。3.
如权利要求1所述的一种配电台区日线损率曲线异常特征提取方法，其特征在于，所述对所述局部断面数据进行统计值特征计算及聚类计算，获得所述每一类异常数据集子集分别对应的若干个第一异常特征，包括：根据预设的统计值计算方法计算所述局部断面数据中每一行数据的均值
、
方差
、
斜率及离散率，并统计所述每一行数据分别对应的均值
、
方差
、
斜率及离散率，获得所述局部断面数据对应的局部特征数据集；通过预设的模糊均值聚类算法对所述局部特征数据集进行聚类计算，获得所述局部特征数据集对应的若干个第一异常特征
。4.
如权利要求3所述的一种配电台区日线损率曲线异常特征提取方法，其特征在于，所述通过预设的模糊均值聚类算法对所述局部特征数据集进行聚类计算，包括：通过预设的模糊均值聚类算法对所述局部特征数据集进行聚类计算；其中，所述模糊均值聚类算法中的目标函数为：其中，令
X
＝
{x1,x2,x3,...,x
n
}
，
XсR
S
，给定的样本个数为
N
，样本空间维数为
S
，聚类个数设为
C
；同时：；同时：
u
ij
≥0
，
1≤i≤N
，
1≤j≤C
其中，
U
为隶属矩阵；
V
是由
C
个聚类中心构成的矩阵；
u
ij
为第
i
个样本对第
j
类的隶属度；
x
i
为第
i
个样本；
v
j
为第
j
个聚类中心；
m
是模糊系数；
||x
i
‑
v
j
||
表示样本点
x
i
到聚类中心
v
j
的欧式距离；通过预设的聚类有效性函数对所述模糊均值聚类算法的聚类结果进行评估；其中，所述聚类有效性函数为：其中，
x
i
为第
i
个样本；
v
j
为第
j
个聚类中心；
v
i
为第
i
个聚类中心
。5.
如权利要求1所述的一种配电台区日线损率曲线异常特征...

【专利技术属性】
技术研发人员：江泽涛，李健，张科，陈蔚文，刘日荣，张永旺，李嘉杰，姜兴，赵云，
申请(专利权)人：广东电网有限责任公司计量中心，
类型：发明
国别省市：