一种高损和负损台区户变关系异常识别方法与流程

1.本发明属于电力管理技术领域，尤其涉及一种高损和负损台区户变关系异常识别方法。


背景技术：

2.低压台区线损指的是:在某一变压器供电范围内,由于供电、输电线路引起的线损总额和线损率。低压台区线损管理是供电公司降本增效、精益管理的主要措施之一，也是评价企业经营管理水平的关键指标，当前，台区线损治理过程中，主要依靠人工逐台分析，缺乏智能化、自动化分析手段，严重依赖台区相关负责人的技术水平，导致各区域线损治理情况存在较大差异。
3.人工分析的方法，导致整体线损治理效率低下，且需要投入大量的人力物力成本。人员技术水平有限，主要采用经验分析法和现场摸排走访的方式，部分重损台区耗费大量人力，仍长期无法得到有效治理，大量波动异损台区更是无法投入精力消除。且依赖人工判断，易造成台区线损分析不够全面，仅能解决部分问题，未能有效堵塞各类漏抄，无法从根本上得到治理。
4.造成线损异常的原因复杂，涉及线路、用电、采集、管理等方面，目前智能化诊断工具主要侧重于窃电户排查、户变关系排查、台区拓扑关系识别等单一功能模块，未能将现有功能和常规计量采集异常排查功能有效整合，台区线损异常自动化分析、智能诊断、决策引导、过程管控的工具化产品基本没有，整体功能实用性不强，成效不明显，不具备指导属地单位精准开展线损治理工作。
5.因此，需要一种高损和负损台区户变关系异常识别方法以解决上述问题。


技术实现要素：

6.本发明的目的在于，克服现有技术中存在的问题，提供一种高损和负损台区户变关系异常识别方法。
7.本发明的一种高损和负损台区户变关系异常识别方法，其特征在于，包括以下步骤：步骤1：当低压台区的线损率连续三天超过阈值δ1或为负值，将该台区设为疑似户变异常台区；步骤2：将步骤1）得到的疑似户变异常台区按照重复事件排查方法进行排查，判断是否存在停复电不同步和电压不同步的情况；将步骤1）得到的疑似户变异常台区按照线损相关性排查方法进行排查，判断每户电表日电量数据与台区总线损的相关性，判断是否存在线损弱相关性的情况；步骤3：根据步骤2）中存在停复电不同步、电压不同步和线损弱相关性的台区列表，即为高损台区户变关系异常列表。
8.更进一步的，δ1的范围为3%-10%。本发明中δ1的默认值为4%。
9.更进一步的，步骤2）将步骤1）得到的疑似户变异常台区按照重复事件排查方法进行排查，判断是否存在停复电不同步的情况，包括以下步骤：21、获取台区总表n1天内的停电事件，形成一个n1维的停电事件行向量，1-n1列分为1-n1天是否停电的表征值，当存在停电事件，表征值为1；否则表征值为0；22、获取该台区档案关联的每个电表的90天内停电事件，形成属于每个电表的n1维的停电事件行向量，1-n1列分为1-n1天是否停电的表征值，当存在停电事件，表征值为1；否则表征值为0;23、当电表的停电事件行向量与台区总表的停电事件行向量不一致，则表示该台区存在户变关系异常，异常原因是停复电不同步，该电表是户变关系异常点；24、获取台区总表n2天内的停电信息列表，包括停电开始时间和停电结束时间，并根据停电开始时间和停电结束时间，计算每天的停电时长，得到一个n2维的停电时长行向量，1-n2列分别为1-n2天的停电时长值；25、获取该台区档案关联的每个电表n2天内的停电信息列表，包括停电开始时间和停电结束时间，并根据开始和结束时间，计算每天的停电时长，同样得到一个n2维的停电时长行向量，1-n2列分别为1-n2天的停电时长值；26、计算每个电表停电时长行向量与台区总表停电时长行向量的欧式距离，当任一电表的欧式距离值大于阈值δ2，则表示该台区存在户变关系异常，异常原因是停复电不同步，该电表是户变关系异常点。
10.更进一步的，δ2的范围20-40。本发明中δ2的默认值为30。
11.更进一步的，n1为90，n2为30。
12.更进一步的，步骤2）中将步骤1）得到的疑似户变异常台区按照重复事件排查方法进行排查，判断是否存在电压不同步的情况，包括以下步骤：31、获取台区总表n3天内的n31点电压数据行向量；32、获取该台区档案关联的每个电表n3天内的n31点电压数据行向量；33、计算每块电表每天n31点电压曲线与台区总表n31点电压曲线的余弦相似度，得到一个n2维的电压相似度行向量，1-n3列分别为1-n3天余弦相似度的绝对值；34、求取电压距离相似度行向量的长度，当长度大于阈值δ3，则表示该台区存在户变关系异常，该电表是户变关系异常点，异常原因是电压不同步。
13.更进一步的，δ3为10。
14.更进一步的，n3为90，n31为96。
15.更进一步的，步骤2）中将步骤1）得到的疑似户变异常台区按照线损相关性排查方法进行排查，判断每户电表日电量数据与台区总线损的相关性，判断是否存在线损弱相关性的情况，包括以下步骤：41、获取台区总表n4天内的线损率值，形成一个n4维的台区线损率行向量，1-n4列分别为1-n4天的台区线损率值；42、获取该台区档案关联的每个电表n4天电量值，形成一个n4维的电表日电量行向量，1-n4列分为1-n4天电表日电量值；43、求取每个电表日电量行向量与从属台区的台区线损率行向量的pearson相关系数，当pearson相关系数的绝对值大于等于阈值δ4，则表示该台区存在户变关系异常，该
电表是户变关系异常点，异常原因是线损弱相关性。
16.更进一步的，δ4的范围为0.7-0.9，n4为90。δ4在本发明中默认为0.8。
17.有益效果：本发明的高损和负损台区户变关系异常识别方法以线损异常为基础，能够充分挖掘用电信息采集系统数据价值，更有针对性的完成错误档案的识别和诊断，提升档案梳理和线损管理的效率。
附图说明
18.图1是本发明的高损和负损台区户变关系异常识别方法的流程示意图。
实施方式
19.现在结合附图对本发明作进一步详细的说明。
实施例
20.请参阅图1所示，本发明的高损和负损台区户变关系异常识别方法，包括以下步骤：步骤1：对数据库的户变档案和线损计算关系进行梳理，当低压台区的线损率连续三天超过阈值δ，将该台区打上疑似户变异常台区标签。默认阈值δ1为4%，可以根据实际调整修订。
21.步骤2：对有疑似户变异常台区标签的台区按照重复事件排查方法进行排查，鉴别是否存在停复电不同步和电压不同步的情况。
22.步骤3：对有疑似户变异常台区标签的台区按照线损相关性排查方法进行排查，鉴别每户电表日电量数据与台区总线损的相关性，鉴别是否存在线损弱相关性的情况。
23.步骤4：得到异常台区中存在停复电不同步、电压不同步和存在线损弱相关性的台区列表，即为高损台区户变关系异常列表。
24.（1）获取台区总表90天内的停电事件，形成一个90维的停电事件行向量，1-90列分为1-90天是否停电的表征值，当存在停电事件，表征值为1；否则表征值为0；（2）根据营销档案信息，获取该台区档案关联的每个电表的90天内停电事件，同样形成属于每个电表的90维的停电事件行向量，1-90列分为1-90天是否停电的表征值，当存在停电事件，表征值为1；否则表征值为0。
25.（3）当电表的停电事件行向量与台区总表的停电事件行向量不一致，则表示该台区存在户变关系异常，异常原因是停复电不同步，该电表是户变关系异常点。
26.（4）获取台区总表30天内的停电信息列表（停电开始时间、停电结束时间），并根据开始和结束时间，计算每天的停电时长。得到一个30维的停电时长行向量,1-30列分别为1-30天的停电时长值。
27.（5）根据营销档案信息，获取该台区档案关联的每个电表30天内的停电信息列表（停电开始时间、停电结束时间），并根据开始和结束时间，计算每天的停电时长。同样得到一个30维的停电时长行向量,1-30列分别为1-30天的停电时长值。
28.（6）计算每个电表停电时长行向量与台区总表停电时长行向量的欧式距离，当任一电表的欧式距离值大于阈值δ2，则表示该台区存在户变关系异常，异常原因是停复电不
同步，该电表是户变关系异常点。δ2默认是30，可以根据实际调整修订。
29.（1）获取台区总表90天内的96点电压数据行向量。
30.（2）根据营销档案信息，获取该台区档案关联的每个电表90天内的96点电压数据行向量。
31.（3）计算每块电表每天96点电压曲线与台区总表96点电压数据曲线的余弦相似度。得到一个90维的电压相似度行向量，1-90列分为1-90天余弦相似度的绝对值。
32.（4）求取电压相似度行向量的长度，当长度大于阈值δ3，则表示该台区存在户变关系异常，该电表是户变关系异常点，异常原因是电压不同步。δ3默认是10，可以根据实际调整修订。
33.线损弱相关性的排查包括以下步骤：（1）获取台区总表90天内的线损率值，形成一个90维的台区线损率行向量，1-90列分为1-90天台区线损率值；（2）根据营销档案信息，获取该台区档案关联的每个电表90天电量值，形成一个90维的电表日电量行向量，1-90列分为1-90天电表日电量值；（3）求每个电表日电量行向量与从属台区的台区线损率行向量的pearson相关系数，当pearson相关系数绝对值大于等于阈值δ4，则表示该台区存在户变关系异常，该电表是户变关系异常点，异常原因是线损弱相关性。δ4默认是0.8，可以根据实际调整修订。
34.通过该方法，以线损异常为驱动，能够充分挖掘用电信息采集系统数据价值，更有针对性的完成错误档案的识别和诊断，提升档案梳理和线损管理的效率。

技术特征：
1.一种高损和负损台区户变关系异常识别方法，其特征在于，包括以下步骤：步骤1：当低压台区的线损率连续三天超过阈值δ1或为负值，将该台区设为疑似户变异常台区；步骤2：将步骤1）得到的疑似户变异常台区按照重复事件排查方法进行排查，判断是否存在停复电不同步和电压不同步的情况；将步骤1）得到的疑似户变异常台区按照线损相关性排查方法进行排查，判断每户电表日电量数据与台区总线损的相关性，判断是否存在线损弱相关性的情况；步骤3：根据步骤2）中存在停复电不同步、电压不同步和线损弱相关性的台区列表，即为高损台区户变关系异常列表。2.如权利要求1所述的高损和负损台区户变关系异常识别方法，其特征在于，δ1的范围为3%-10%。3.如权利要求1所述的高损和负损台区户变关系异常识别方法，其特征在于，步骤2）中将步骤1）得到的疑似户变异常台区按照重复事件排查方法进行排查，判断是否存在停复电不同步的情况，包括以下步骤：21、获取台区总表n1天内的停电事件，形成一个n1维的停电事件行向量，1-n1列分为1-n1天是否停电的表征值，当存在停电事件，表征值为1；否则表征值为0；22、获取该台区档案关联的每个电表的90天内停电事件，形成属于每个电表的n1维的停电事件行向量，1-n1列分为1-n1天是否停电的表征值，当存在停电事件，表征值为1；否则表征值为0;23、当电表的停电事件行向量与台区总表的停电事件行向量不一致，则表示该台区存在户变关系异常，异常原因是停复电不同步，该电表是户变关系异常点；24、获取台区总表n2天内的停电信息列表，包括停电开始时间和停电结束时间，并根据停电开始时间和停电结束时间，计算每天的停电时长，得到一个n2维的停电时长行向量，1-n2列分别为1-n2天的停电时长值；25、获取该台区档案关联的每个电表n2天内的停电信息列表，包括停电开始时间和停电结束时间，并根据开始和结束时间，计算每天的停电时长，同样得到一个n2维的停电时长行向量，1-n2列分别为1-n2天的停电时长值；26、计算每个电表停电时长行向量与台区总表停电时长行向量的欧式距离，当任一电表的欧式距离值大于阈值δ2，则表示该台区存在户变关系异常，异常原因是停复电不同步，该电表是户变关系异常点。4.如权利要求1所述的高损和负损台区户变关系异常识别方法，其特征在于，δ2的范围20-40。5.如权利要求1所述的高损和负损台区户变关系异常识别方法，其特征在于，n1为90，n2为30。6.如权利要求1所述的高损和负损台区户变关系异常识别方法，其特征在于，步骤2）中将步骤1）得到的疑似户变异常台区按照重复事件排查方法进行排查，判断是否存在电压不同步的情况，包括以下步骤：31、获取台区总表n3天内的n31点电压数据行向量；32、获取该台区档案关联的每个电表n3天内的n31点电压数据行向量；
33、计算每块电表每天n31点电压曲线与台区总表n31点电压曲线的余弦相似度，得到一个n2维的电压相似度行向量，1-n3列分别为1-n3天余弦相似度的绝对值；34、求取电压距离相似度行向量的长度，当长度大于阈值δ3，则表示该台区存在户变关系异常，该电表是户变关系异常点，异常原因是电压不同步。7.如权利要求6所述的高损和负损台区户变关系异常识别方法，其特征在于，δ3为10。8.如权利要求6所述的高损和负损台区户变关系异常识别方法，其特征在于，n3为90，n31为96。9.如权利要求1所述的高损和负损台区户变关系异常识别方法，其特征在于，将步骤1）得到的疑似户变异常台区按照线损相关性排查方法进行排查，判断每户电表日电量数据与台区总线损的相关性，判断是否存在线损弱相关性的情况，包括以下步骤：41、获取台区总表n4天内的线损率值，形成一个n4维的台区线损率行向量，1-n4列分别为1-n4天的台区线损率值；42、获取该台区档案关联的每个电表n4天电量值，形成一个n4维的电表日电量行向量，1-n4列分为1-n4天电表日电量值；43、求取每个电表日电量行向量与从属台区的台区线损率行向量的pearson相关系数，当pearson相关系数的绝对值大于等于阈值δ4，则表示该台区存在户变关系异常，该电表是户变关系异常点，异常原因是线损弱相关性。10.如权利要求9所述的高损和负损台区户变关系异常识别方法，其特征在于，δ4的范围为0.7-0.8，n4为90。

技术总结
本发明公开了一种高损和负损台区户变关系异常识别方法，包括以下步骤：当低压台区的线损率连续三天超过阈值或为负值，将该台区设为疑似户变异常台区；将得到的疑似户变异常台区按照重复事件排查方法进行排查，判断是否存在停复电不同步和电压不同步的情况；将得到的疑似户变异常台区按照线损相关性排查方法进行排查，判断每户电表日电量数据与台区总线损的相关性，判断是否存在线损弱相关性的情况；存在停复电不同步、电压不同步和线损弱相关性的台区列表，即为高损台区户变关系异常列表。本发明以线损异常为基础，能够充分挖掘用电信息采集系统数据价值，更有针对性的完成错误档案的识别和诊断，提升档案梳理和线损管理的效率。率。率。


技术研发人员：桂凌宏 盛俊杰 杨帆 李磊 刘纲 刘界江 谢天程 袁杰 杨凯 沈龙杰 王恒 李正晖 赵云逸 吴蔚 黄帆 陆翔 陈程 王艺昕 方超
受保护的技术使用者：国网湖北省电力有限公司武汉供电公司
技术研发日：2023.04.20
技术公布日：2023/9/20