一种基于电量和电压数据分析的台区户变关系辨识方法

技术领域

本发明涉及电力系统领域，更具体地，涉及一种基于电量和电压数据分析的台区户变关系辨识方法。

背景技术

线损率是供电企业重要的技术经济指标，低压台区线损治理是供电企业重要的日常管理工作。户变关系错误是导致低压台区线损率异常的重要原因，而清晰、准确的户变关系是开展低压台区线损治理的前提。然而由于台账管理方式与历史遗留问题，低压台区户变关系存在不正确情况，严重制约低压台区精益化管理。因此，有必要提出一种有效的台区户变关系辨识方法。

针对户变关系异常问题，目前电力人员常采用沿线巡查方式查找户变关系异常用户，并开展户变关系调整，或利用台区识别仪开展户变关系识别。然而沿线巡查方式需要消耗大量人力，难以日常持续开展；基于台区识别仪的识别方式需要额外设备投资，且仪器使用过程中存在安全风险。随着智能电表的普及应用，基于计量数据开展台区户变关系辨识成为当前的研究趋势，有文献提出了基于电压相关性的台区户变关系辨识方法，利用“同一台区电压波动趋势相似，而不同台区电压波动趋势相异”的特点开展户变关系辨识。沿线巡查方式需要消耗大量人力，难以日常持续开展。基于台区识别仪的识别方式需要额外设备投资，且使用过程中存在安全风险。电压相关性分析法仅从电压数据角度开展户变关系辨识，未充分利用电量数据。

发明内容

本发明提供一种基于电量和电压数据分析的台区户变关系辨识方法，该方法利用电量数据锁定线损率异常台区，并结合电压数据辨识异常台区中的异常用户，完成台区户变关系辨识。

为了达到上述技术效果，本发明的技术方案如下：

一种基于电量和电压数据分析的台区户变关系辨识方法，包括以下步骤：

S1：结合电量数据计算待分析台区的线损率，依据台区线损率确定线损异常台区，分为I类和II类异常台区；

S2：利用异常用户检测算法，识别I类异常台区中的户变关系异常用户，完成I类异常台区的户变关系调整；

S3：计算电压相似性，综合电压相似性、台区线损率和台区线损率波动指标，判定异常用户的台区归属情况，完成II类异常台区的户变关系调整。

进一步地，步骤S1中台区j第

式中，N

进一步地，步骤S2所述的异常用户检测算法流程为：

a. 每个用户对应1个电压数据序列，所有用户的电压数据组成数据集合D，计算用户e和用户f的距离d(e,f)，其中，e∈D，f∈D；

b. 结合距离d，计算用户e的第k距离d

①最少有k个用户

②最多有k−1个用户

c. 结合d和d

N

d. 计算用户f到用户e的第k可达距离

e. 结合N

f. 计算用户e的局部离群因子LOF

g. 若LOF

计算所有用户的局部离群因子，确定待分析台区的异常用户。

进一步地，步骤S3中用户i与台区j的电压相似性R

式中，N

其中，用户i与台区j的电压相似性

式中，D为电压时序长度；

用户i与台区j下第e个用户的电压相似性

式中，

进一步地，步骤S3中台区线损率波动指标B

式中，T为待分析数据总天数，x为与用户i的电压相似性最高的台区编号。

进一步地，所述步骤S1的具体过程是：

S101.统计待分析台区数为N，统计待分析数据总天数为T，令j=1；

S102.若j≤N，则计算台区j第l天线损率A

S103.令A

S104.结合台区线损率指标A，确定线损异常台区；

S104a.若A

S104b.若A

S104c.将台区j标记为II类异常台区，将台区j纳入II类台区集合C

进一步地，所述步骤S2的具体过程是：

S201.统计集合C

S202.若m≤N

S203.从台区m中剔除异常用户，并将其纳入异常用户集合U，令m=m+1，执行步骤S202。

进一步地，所述步骤S3的具体过程是：

S301.令i=1，统计集合U中用户数为M

S302.若i≤M

S303.令R

S304.若将用户i纳入台区x后线损率A

与现有技术相比，本发明技术方案的有益效果是：

本发明方法结合电量数据计算待分析台区的线损率，依据台区线损率确定线损异常台区，分为I类和II类异常台区；利用局部异常因子算法，识别I类异常台区中的户变关系异常用户，完成I类异常台区的户变关系调整；计算电压相似性，判定异常用户的台区归属情况，完成II类异常台区的户变关系调整。本发明方法利用电量数据锁定线损率异常台区，并结合电压数据辨识异常台区中的异常用户，完成台区户变关系辨识，使得户变关系清晰、准确，有效地降低了低压台区线损率异常情况的发生。

附图说明

图1为本发明方法流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

如图1所示，一种基于电量和电压数据分析的台区户变关系辨识方法，包括以下步骤：

S1：结合电量数据计算待分析台区的线损率，依据台区线损率确定线损异常台区，分为I类和II类异常台区：

S101.统计待分析台区数为N，统计待分析数据总天数为T，令j=1；

S102.若j≤N，则计算台区j第天线损率，并执行步骤S103，否则，执行步骤S2；

S103.令A

S104.结合台区线损率指标A，确定线损异常台区：

S104a.若A

S104b.若A

S104c.将台区j标记为II类异常台区，将台区j纳入II类台区集合C

S2：利用异常用户检测算法，识别I类异常台区中的户变关系异常用户，完成I类异常台区的户变关系调整：

S201.统计集合C

S202.若m≤N

S203.从台区m中剔除异常用户，并将其纳入异常用户集合U，令m=m+1，执行步骤S202；

S3：计算电压相似性，综合电压相似性、台区线损率和台区线损率波动指标，判定异常用户的台区归属情况，完成II类异常台区的户变关系调整：

S301.令i=1，统计集合U中用户数为M

S302.若i≤M

S303.令R

S304.若将用户i纳入台区x后线损率A

步骤S1所述的台区j第天线损率计算表达式为：

式中，N

步骤S2所述的异常用户检测算法流程为：

a. 每个用户对应1个电压数据序列，所有用户的电压数据组成数据集合D，计算用户e和用户f的距离d(e,f)，其中，e∈D，f∈D；

b. 结合距离d，计算用户e的第k距离d

①最少有k个用户

②最多有k−1个用户

c. 结合d和d

N

d. 计算用户f到用户e的第k可达距离

e. 结合N

f. 计算用户e的局部离群因子LOF

g. 若LOF

计算所有用户的局部离群因子，确定待分析台区的异常用户。

步骤S3中用户i与台区j的电压相似性R

式中，N

其中，用户i与台区j的电压相似性

式中，D为电压时序长度；

用户i与台区j下第e个用户的电压相似性

式中，

步骤S3中台区线损率波动指标B

式中，T为待分析数据总天数，x为与用户i的电压相似性最高的台区编号。

本申请方法结合电量数据计算待分析台区的线损率，依据台区线损率确定线损异常台区，分为I类和II类异常台区；利用局部异常因子算法，识别I类异常台区中的户变关系异常用户，完成I类异常台区的户变关系调整；计算电压相似性，判定异常用户的台区归属情况，完成II类异常台区的户变关系调整。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。