一种数据清洗处理低电压诊断预警方法及相关装置

技术领域

本发明涉及电力监测技术领域，尤其涉及一种数据清洗处理低电压诊断预警方法及相关装置。

背景技术

有些地区由于居民居住的地方过于分散，经济社会发展水平相对落后，依然存在由于电网网架不合理，电源点不足，变电站、线路、配电变压器、用户无功补偿配置不足，中低压供电线路供电半径过长等导致的低电压问题。低电压问题已逐渐成为配电网建设和发展过程中愈来愈重要的问题。

解决配电网低电压问题的首要任务是实现对区域台区低电压的有效诊断，但现有技术中的区域台区低电压诊断方式是直接采用电力数据库中的数据的，在输入数据前并没有对所述数据进行数据清洗处理，这导致现有技术中的区域台区低电压诊断方式其诊断的准确率低下。

发明内容

为了克服现有技术的不足，本发明提供了一种数据清洗处理低电压诊断预警方法及相关装置，实现了通过将区域台区用电数据信息进行数据清洗处理，基于低电压监测神经网络模型进行区域台区低电压评分处理并生成预警报告，大大提高了低电压诊断的精确度。

为了实现上述发明目的，本发明采用以下技术方案：

本申请第一方面提供了一种数据清洗处理低电压诊断预警方法，包括以下步骤：

S101、获取区域台区用电数据信息，并构建低电压监测神经网络模型；

S102、对区域台区用电数据信息进行数据清洗预处理；

S103、基于数据清洗预处理结果对低电压监测神经网络模型进行训练；

S104、将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分处理；

S105、基于区域台区低电压评分处理结果生成预警报告。

进一步的，区域台区用电数据信息包括台区用户数、户均容量、连续最大负载率、过载时间、重载时间、监测到低电压用户数、低电压数据总点数、用户采集总点数、用户低电压点数、用户电压平均值、用户低电压最低值、出口低电压次数、出口低电压时间占比和出口电压最低值。

进一步的，低电压监测神经网络模型包括卷积层、池化层、非线形层、全连接层。

进一步的，池化层，用于一般在连续的两层卷积层之间进行降维操作，能够有效减少模型参数量以及减轻网络的过拟合现象。

进一步的，非线形层，由非线性激活函数构成，非线性激活函数包括饱和非线性激活函数和不饱和非线性激活函数，非线性层用于对卷积层输出结果做非线性映射，使得神经网络可以任意逼近任何非线性函数，提升低电压监测神经网络模型的特征表达能力。

进一步的，全连接层，用于将卷积层输出的二维向量转化为一维向量。

进一步的，对区域台区用电数据信息进行清洗预处理包括以下步骤：

基于线性判别分析算法对区域台区用电数据信息进行降维处理；

基于时间序列符号化法对经降维处理的区域台区用电数据信息进行离散化处理；

基于动态时间弯曲算法对离散化处理结果进行相似性度量和相似性计算处理，并结合加权处理得到参考曲线；

基于参考曲线对区域台区用电数据信息进行数据清洗处理，得到无异常数据的区域台区用电数据信息序列。

进一步的，区域台区低电压评分处理包括以下步骤：

基于区域台区用电数据信息中的低电压累计时间占比、最低电压值和平均电压值进行细粒度划分；

统计各个区域台区在划分的各个细粒度的用户数量；

基于加权求和方式计算处理，确定各个区域台区的低电压评分值。

进一步的，预警报告包括一级低电压预警报告、二级低电压预警报告、三级低电压预警报告，一级低电压预警报告的风险程度低于二级低电压预警报告的风险程度，二级低电压预警报告的风险程度低于三级低电压预警报告的风险程度。

进一步的，基于区域台区低电压评分处理结果生成预警报告包括以下步骤：

若区域台区低电压评分值小于第一电压阈值，且大于或等于第二电压阈值，则生成一级低电压预警报告；

若区域台区低电压评分值小于第二电压阈值，且大于或等于第三电压阈值，则生成二级低电压预警报告；

若区域台区低电压评分值小于第三电压阈值，则生成三级低电压预警报告。

本申请第二方面提供了一种数据清洗处理低电压诊断预警系统，包括：

数据获取单元，用于获取区域台区用电数据信息；

模型构建单元，用于构建低电压监测神经网络模型，并基于数据清洗预处理结果对低电压监测神经网络模型进行训练；

数据处理单元，用于对区域台区用电数据信息进行数据清洗预处理；

评分计算单元，用于将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分处理；

报告生成单元，用于基于区域台区低电压评分处理结果生成预警报告。

本申请第三方面提供了一种数据清洗处理低电压诊断预警设备，包括处理器以及存储器：

存储器用于存储程序代码，并将程序代码传输给处理器；

处理器用于根据程序代码中的指令执行上述方法的数据清洗处理低电压诊断预警方法。

本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的数据清洗处理低电压诊断预警方法。

本申请的有益效果：实现了通过将区域台区用电数据信息进行数据清洗处理，基于低电压监测神经网络模型进行区域台区低电压评分处理并生成预警报告，大大提高了低电压诊断的精确度。

实现了通过构建低电压监测神经网络模型，对区域台区用电数据信息进行数据清洗预处理，基于数据清洗预处理结果对低电压监测神经网络模型进行训练，将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分处理，基于区域台区低电压评分处理结果生成预警报告，从而可以实时监测区域台区运行状况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明一种数据清洗处理低电压诊断预警方法的步骤示意图。

具体实施方式

下面结合附图对本发明实施例进行详细描述。

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

一种数据清洗处理低电压诊断预警方法，包括以下步骤：

S101、获取区域台区用电数据信息，并构建低电压监测神经网络模型；

获取区域台区用电数据信息，并构建低电压监测神经网络模型，区域台区用电数据信息包括台区用户数、户均容量、连续最大负载率、过载时间、重载时间、监测到低电压用户数、低电压数据总点数、用户采集总点数、用户低电压点数、用户电压平均值、用户低电压最低值、出口低电压次数、出口低电压时间占比和出口电压最低值。低电压监测神经网络模型包括卷积层、池化层、非线形层、全连接层。

需要说明的是，卷积层由一组卷积核组成，卷积核的权重值可以根据目标函数自动学习并更新。池化层，用于一般在连续的两层卷积层之间进行降维操作，能够有效减少模型参数量以及减轻网络的过拟合现象，池化层一般有最大池化层和平均池化层等。非线形层，由非线性激活函数构成，根据其特性分为饱和非线性激活函数，如Sigmod函数、Tanh函数等，以及不饱和非线性激活函数，如Relu函数，Leaky Relu函数等，即非线性激活函数包括饱和非线性激活函数和不饱和非线性激活函数。非线性层用于对卷积层输出结果做非线性映射，使得神经网络可以任意逼近任何非线性函数，提升低电压监测神经网络模型的特征表达能力。全连接层，用于将卷积层输出的二维向量转化为一维向量。

S102、对区域台区用电数据信息进行数据清洗预处理；

完成低电压监测神经网络模型的构建，对区域台区用电数据信息进行清洗预处理包括以下步骤：

基于线性判别分析算法对区域台区用电数据信息进行降维处理；

基于时间序列符号化法对经降维处理的区域台区用电数据信息进行离散化处理；

基于动态时间弯曲算法对离散化处理结果进行相似性度量和相似性计算处理，并结合加权处理得到参考曲线；

基于参考曲线对区域台区用电数据信息进行数据清洗处理，得到无异常数据的区域台区用电数据信息序列。

S103、基于数据清洗预处理结果对低电压监测神经网络模型进行训练；

通过对区域台区用电数据信息进行数据清洗预处理，得到数据清洗预处理结果，基于数据清洗预处理结果对低电压监测神经网络模型进行训练，并完成低电压监测神经网络模型的训练。

S104、将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分处理；

基于清洗预处理结果对低电压监测神经网络模型进行训练，完成低电压监测神经网络模型的训练，将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分，区域台区低电压评分处理包括以下步骤：

基于区域台区用电数据信息中的低电压累计时间占比、最低电压值和平均电压值进行细粒度划分；

统计各个区域台区在划分的各个细粒度的用户数量；

基于加权求和方式计算处理，确定各个区域台区的低电压评分值。

需要说明的是，基于加权求和方式计算处理，确定各个区域台区的低电压评分值，例如，进行加权的区域台区用电数据信息包括台区用户数、户均容量、连续最大负载率，台区用户数以0.005、户均容量以0.16、连续最大负载率以1.4、的权重系数，若台区用户数为250、户均容量为6kw、连续最大负载率分为80％；则低电压评分值为250*0.005+6*0.16+1.4*0.8＝3.33。

S105、基于区域台区低电压评分处理结果生成预警报告；

将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分处理，得到区域台区低电压评分处理结果，基于区域台区低电压评分处理结果生成预警报告，预警报告包括一级低电压预警报告、二级低电压预警报告、三级低电压预警报告，一级低电压预警报告的风险程度低于二级低电压预警报告的风险程度，二级低电压预警报告的风险程度低于三级低电压预警报告的风险程度。基于区域台区低电压评分处理结果生成预警报告包括以下步骤：

若区域台区低电压评分值小于第一电压阈值，且大于或等于第二电压阈值，则生成一级低电压预警报告；

若区域台区低电压评分值小于第二电压阈值，且大于或等于第三电压阈值，则生成二级低电压预警报告；

若区域台区低电压评分值小于第三电压阈值，则生成三级低电压预警报告。

需要说明的是，预警报告的风险程度级数可以根据实际使用情况进行设定，例如，预警报告可以包括一级低电压预警报告、二级低电压预警报告、三级低电压预警报告……N级低电压预警报告，在本申请不作具体的设定，但在预警报告的风险程度级数上简单地增加或减少级数数量，均落在本申请的保护范围之内。

以上为本申请实施例中提供的一种数据清洗处理低电压诊断预警方法，以下为本申请实施例中提供的一种数据清洗处理低电压诊断预警系统。

一种数据清洗处理低电压诊断预警系统，包括：

数据获取单元，用于获取区域台区用电数据信息；

模型构建单元，用于构建低电压监测神经网络模型，并基于数据清洗预处理结果对低电压监测神经网络模型进行训练；

数据处理单元，用于对区域台区用电数据信息进行数据清洗预处理；

评分计算单元，用于将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分处理；

报告生成单元，用于基于区域台区低电压评分处理结果生成预警报告。

数据获取单元，用于获取区域台区用电数据信息，区域台区用电数据信息包括台区用户数、户均容量、连续最大负载率、过载时间、重载时间、监测到低电压用户数、低电压数据总点数、用户采集总点数、用户低电压点数、用户电压平均值、用户低电压最低值、出口低电压次数、出口低电压时间占比和出口电压最低值。低电压监测神经网络模型包括卷积层、池化层、非线形层、全连接层。

卷积层由一组卷积核组成，卷积核的权重值可以根据目标函数自动学习并更新。池化层，用于一般在连续的两层卷积层之间进行降维操作，能够有效减少模型参数量以及减轻网络的过拟合现象，池化层一般有最大池化层和平均池化层等。非线形层，由非线性激活函数构成，根据其特性分为饱和非线性激活函数，如Sigmod函数、Tanh函数等，以及不饱和非线性激活函数，如Relu函数，Leaky Relu函数等，即非线性激活函数包括饱和非线性激活函数和不饱和非线性激活函数。非线性层用于对卷积层输出结果做非线性映射，使得神经网络可以任意逼近任何非线性函数，提升低电压监测神经网络模型的特征表达能力。全连接层，用于将卷积层输出的二维向量转化为一维向量。

数据处理单元，用于对区域台区用电数据信息进行数据清洗预处理，对区域台区用电数据信息进行清洗预处理包括以下步骤：

基于线性判别分析算法对区域台区用电数据信息进行降维处理；

基于时间序列符号化法对经降维处理的区域台区用电数据信息进行离散化处理；

基于动态时间弯曲算法对离散化处理结果进行相似性度量和相似性计算处理，并结合加权处理得到参考曲线；

基于参考曲线对区域台区用电数据信息进行数据清洗处理，得到无异常数据的区域台区用电数据信息序列。

评分计算单元，用于将实时采集的区域台区用电数据信息作为低电压监测神经网络模型输入数据，并进行区域台区低电压评分处理，区域台区低电压评分处理包括以下步骤：

基于区域台区用电数据信息中的低电压累计时间占比、最低电压值和平均电压值进行细粒度划分；

统计各个区域台区在划分的各个细粒度的用户数量；

基于加权求和方式计算处理，确定各个区域台区的低电压评分值。

报告生成单元，用于基于区域台区低电压评分处理结果生成预警报告，预警报告包括一级低电压预警报告、二级低电压预警报告、三级低电压预警报告，一级低电压预警报告的风险程度低于二级低电压预警报告的风险程度，二级低电压预警报告的风险程度低于三级低电压预警报告的风险程度。基于区域台区低电压评分处理结果生成预警报告包括以下步骤：

若区域台区低电压评分值小于第一电压阈值，且大于或等于第二电压阈值，则生成一级低电压预警报告；

若区域台区低电压评分值小于第二电压阈值，且大于或等于第三电压阈值，则生成二级低电压预警报告；

若区域台区低电压评分值小于第三电压阈值，则生成三级低电压预警报告。

进一步的，本申请实施例中还提供了一种数据清洗处理低电压诊断预警设备，设备包括处理器以及存储器：

存储器用于存储程序代码，并将程序代码传输给处理器；

处理器用于根据程序代码中的指令执行上述方法实施例的数据清洗处理低电压诊断预警方法。

进一步地，本申请实施例中还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述方法实施例所述的数据清洗处理低电压诊断预警方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请的说明书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。