电力网络的线损异常识别方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种电力网络的线损异常识别方法、装置及电子设备。涉及智能电网领域，该方法包括：获取电力网络的线损数据；提取线损数据中的波动分量数据序列，其中，波动分量数据序列中包括线损数据中波动幅度大于预定幅度的数据点；基于波动分量数据序列，构建N个回归模型，其中，N个回归模型基于不完全相同的数据点构建；确定N个回归模型之间的差异度；基于差异度，确定电力网络的线损异常识别结果。本发明专利技术解决了由于电力网络中的风能、太阳能等新能源的波动较为剧烈，相关技术中直接通过将线损数据与参考数据之间差异对比进行线损异常识别的方式，存在的异常识别结果准确性低的技术问题。

【技术实现步骤摘要】

本专利技术涉及智能电网领域，具体而言，涉及一种电力网络的线损异常识别方法、装置及电子设备。

技术介绍

1、目前，新型能源的并网比例不断增加。然而，新型能源，尤其是风能和太阳能，呈现出显著的波动性，给电力网络线损的统计和管理带来了一系列复杂的挑战。线损与电源产出呈二次方关系，而风能、太阳能等新能源的波动更为激烈，使得传统的统计线损异常数据辨识方法变得难以应对。异常数据引发了系统内线损波动和大幅负损现象，超越了传统波动的阈值。

2、尽管目前已经采用了逻辑拓扑、统计识别等相关技术手段来检测统计线损异常数据，但随着高比例风能、太阳能等新能源的接入，强烈的波动性导致传统方法变得日益受限，难以准确建立新能源接入后的统计线损异常数据与理论线损之间的关联。这使得尽管能够探测到异常波动，也无法精确评估其对实际线损的影响，从而限制了对异常数据的深入理解和处理，进而导致针对电力网络的线损异常识别结果准确性较低。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本专利技术实施例提供了一种电本文档来自技高网...

【技术保护点】

1.一种电力网络的线损异常识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述波动分量数据序列，构建N个回归模型，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述N-1个数据点，构建所述任意一个回归模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述N-1个数据点，确定差分阶数以及回归类型，包括：

5.根据权利要求3所述的方法，其特征在于，所述对所述初始回归模型进行回归参数估计，得到第一参数估计结果，包括：

6.根据权利要求3所述的方法，其特征在于，所述对所述第一回归...

【技术特征摘要】

1.一种电力网络的线损异常识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述波动分量数据序列，构建n个回归模型，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述n-1个数据点，构建所述任意一个回归模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述n-1个数据点，确定差分阶数以及回归类型，包括：

5.根据权利要求3所述的方法，其特征在于，所述对所述初始回归模型进行回归参数估计，得到第一参数估计结果，包括：

6.根据权利要求3所述的方法，其特征在于，所述对所述第一回归模型中的初始...

【专利技术属性】
技术研发人员：杨莉萍，王方雨，吴红林，王海云，于希娟，张再驰，陈茜，郑凯元，汪伟，张雨璇，姚艺迪，赵心月，
申请(专利权)人：国网北京市电力公司，
类型：发明
国别省市：