基于用户分支的电量相关性识别台区户变关系的方法与流程

1.本发明属于电力拓扑大数据分析领域，尤其涉及基于用户分支的电量相关性识别台区户变关系的方法。


背景技术：

2.随着用电信息采集系统的全面覆盖，台区变压器侧的考核表和用户电能表的售电量数据作为最重要的运行数据可实现每日采集。根据能量守恒定律，台区供售电量之间存在如下关系，即：台区考核表供电量＝各用户分表售电量之和+台区线损。
3.当用户表不归属于台区时，用电量增加多少kwh，台区线损几乎同时降低多少kwh,用户表和线损的皮尔逊相关性系数呈现负相关特征。
4.皮尔逊相关性系数作为反映2个序列数据x,y之间线性相关性程度的指标，其值在[
‑
1,1]之间，可用来判断x和y相关性的高低。皮尔逊系数用作样本时，记作r(x，y)。
[0005][0006]
其中：n是样本数量，xi,yi是变量x，y对应的i点观测值，是x样本平均数，是y样本平均数。
[0007]
现有利用电量相关性分析方法进行户变识别时，一般通过计算一定时间周期用户表用电量与台区线损的皮尔逊相关性系数，若数值小于阈值
‑
0.8，则认为用户与台区不存在归属关系。
[0008]
由于需要进行户变识别的台区一般为公变台区，利用用电量电量相关性分析结果进行户变识别时，由于单个用户用电量在台区占比较低，其负相关特征并不明显，不能准确判别用户不归属于某个台区，同时，现有相关性技术仅能判断用户不属于当前台区，需搜索所有台区进行相关性分析，从n个台区中判断出n
‑
1个台区与用户负相关，才能准确定位目标台区，对计算资源消耗太大，因台区数量多，准确性极低。


技术实现要素：

[0009]
针对现有技术存在的问题，本发明提供了一种计算资源占用少，准确率高的基于用户分支的电量相关性识别台区户变关系的方法。
[0010]
本发明是这样实现的，基于用户分支的电量相关性识别台区户变关系的方法，其特征在于：包括以下步骤：
[0011]
s1：获取台区用户分支数据、用电量数据和邻近台区数据；
[0012]
s2：根据上述台区用户分支数据、用电量数据和邻近台区数据，建立基于用户负荷电气设计的电量相关性分析模型；
[0013]
s3：利用电量相关性分析模型诊断用户分支与台区归属关系；
[0014]
s4：分析上述结果按照给定的标准输出格式进行输出。
[0015]
所述s1进行之前通过档案数据分析诊断出邻近台区。
[0016]
所述的邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的用户分支数据、用电量数据。
[0017]
所述的s2中电量相关性分析模型对不同类用户的不同用电特征进行划分，划分为平稳用电类型、非平稳用电类型、锯齿型用电类型、常用备用用电类型、脉冲型用电类型和间歇用电类型。
[0018]
所述的s3利用电量相关性分析模型诊断用户分支与台区归属关系，包括点位选取、系数计算和分支台区识别。
[0019]
所述的点位选取依据不同用电特征类型进行选取：
[0020]
a、对平稳用电用户(电量在一个区间【r1,r2】内、电量波动率小于等于p1)，计算点位选择线损电量变化大的点位(线损电量在区间【r3,r4】外，波动率大于p2)对应的电量数据参与相关性计算；；
[0021]
b、对非平稳用电用户,引入日电量变动斜率，记作k，生成日电量变动斜率时间序列数据，k＝(当日电量
‑
前一日电量)/1，对序列数据k，选择区间【k1,k2】外的点作为波动变化大的点，并根据这些点选择对应的电量数据参与相关性计算；
[0022]
c、对常用备用电源用电用户，保留用电量不为0点，不为0点前后各一天0点的电量数据参与相关性计算；
[0023]
d、对锯齿型用电用户，选取用电量不为0点位前后各1天用电量为0点，用电量不为0点的电量数据参与相关性计算；
[0024]
e、对脉冲型用电用户，选取用电量不为0点，如点位不足以进行相关性计算，选择线损电量变化大的点位，补足计算所需点位参与相关性计算；
[0025]
f、对间歇性用电用户，选择用电量不为0点位前后各1天用电量为0点，用电量不为0点，如点位不足以进行相关性计算，选择线损电量在区间【r3,r4】外，波动率大于p2的点位补足计算所需点位，选取上述点位对应的电量数据参与相关性计算。
[0026]
所述的系数计算和分支台区识别，是指用户分支电量和台区线损之间计算2个相关性系数并根据系数值趋势变化诊断台户关系；一个是负相关系数，即计算分支下用户合并后电量、台区线损间2个时间序列数据的皮尔逊相关性系数，诊断用户不归属与某个台区；另一个是正相关系数，即计算分支下用户合并后电量，剔除计算分支下用户电量后的台区线损间时间序列数据的皮尔逊相关性系数。
[0027]
本发明的优点及积极效果为：本发明基于用户分类、用户分支数据和邻近台区数据，利用皮尔逊相关性系数，相比于常见的负相关特征识别用户不归属与台区，提出了正相关特征，并利用用户分支与2个或多个台区正负相关系数值量化趋势变化，实现台户关系识别。
[0028]
本发明通过对用户分支电量合并，实现了台区用户占比最大的居民用户的台区关系识别；对不同用电特征用户优化参与相关性计算的选点策略，对正负相关特征进行增强，进一步扩大了可进行台户关系识别的用户范围和提高了台户关系识别的准确率。
附图说明
[0029]
图1是本发明的流程框图；
[0030]
图2是本发明的模型诊断原理方框图；
[0031]
图3是本发明的用户分类示意图；
[0032]
图4是本发明的采集邻近和供配电设计邻近示意图；
[0033]
图5是本发明的各种类型用电特征示意图。
具体实施方式
[0034]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。
[0035]
实施例1：
[0036]
如图1所示，本发明是这样实现的，基于用户分支的电量相关性识别台区户变关系的方法，包括以下步骤：
[0037]
s1：获取台区用户分支数据、用电量数据和邻近台区数据；
[0038]
s2：根据上述台区用户分支数据、用电量数据和邻近台区数据，建立基于用户负荷电气设计的电量相关性分析模型；
[0039]
s3：利用电量相关性分析模型诊断用户分支与台区归属关系；
[0040]
s4：分析上述结果按照给定的标准输出格式进行输出。
[0041]
所述s1进行之前通过档案数据分析诊断出邻近台区。邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的用户分支数据、用电量数据。
[0042]
由于户变错误一般发生在相邻台区，在进行数据分析时，引入邻近台区概念，包括台区名称邻近、采集邻近和供配电邻近。
[0043]
在台区供电设计时，台区的供电变压器作为10千伏配电设备，其命名需遵守相应的命名规则，如10kvabc
‑
1配电变压器、10kvabc
‑
2变压器，abc作为2个台区变压器共有的字符串，表示其距离较近或在同一个小区。这种关系邻近的台区为台区名称邻近。
[0044]
在建设采集系统时，由于采集方式的技术特性，如微功率无线方式可采集终端附件无阻挡的附近几个台区的用户电能表。这种关系邻近的台区为采集邻近。
[0045]
用电负荷应根据供电可靠性及中断供电在政治、经济上所造成的损失或影响的程度，分为一级负荷、二级负荷及三级负荷。对一级和二级用户，在用户负荷电气设计时会提供双电源，由于台区供电半径的限制，提供双电源的2个台区在地理上相邻。这种关系邻近的台区为供配电设计邻近。如三相重要用户可能会由2个名称完全不同的台区，高层楼宇的电梯用户可能会由2个名称邻近的台区供电。
[0046]
图4显示了采集邻近和供配电设计邻近示意图，台区a/b/c在名称上可能邻近也可能不邻近。户变错误一般发生在邻近台区，通过对档案数据分析诊断出邻近台区，能够缩小用户归属台区分析范围，提高识别准确率。
[0047]
台区供电设计中，供电路径一般从变压器
‑
>供电线路(架空线路或电缆)
‑
>配电设备(电杆或分支箱或配电箱或配电间配电柜)
‑
>供电线路
‑
>表箱(集中或单表箱)
‑
>电能表
‑
>用户进行供电。
[0048]
针对需要进行户变识别的台区都是公变台区，且公变台区下用户绝大多数都是居
民用户的特点，总结台区用户用电地址特征、采集特征和用户用电特征，引入用户分支概念，将台区下用户分成2大类六小类，方便对每类用户选择合适的分析方法进行户变关系识别。
[0049]
将台区下用户分为居民楼宇类型(简称楼宇，多层和高层住宅，用电地址呈现有规律的层室特征)用户和非居民楼宇类型(简称独立房屋)用户，构建用户分支数据模型，并根据采集特征和用户用电特征，每个大类用户分支又细分为三个小类。如表1所示。
[0050]
表1台区下用户分支分类
[0051][0052]
注
①
：方案中楼宇居民私人用户中，单表箱用户不被视作一个末级用户分支，集中表箱及其下用户可视作一个末级用户分支。
[0053]
注
②
：集聚地址用户分支指多个用户的用户地址中具有相同的关键字如临沧路友好12队庄家宅。
[0054]
注
③
：集聚地址用户分支可由多个末级用户分支组成。
[0055]
如图5所示，在利用皮尔逊系数计算用电量和电量相关性时，用户用电量在台区占比、用电量与台区线损占比及用户用电量的波动情况都会影响计算结果。在获得台区下用户分类后，提取不同类用户的不同用电特征，选取用电量波动大的时间点的电量数据参与计算，增强相关性特征。
[0056]
电量相关性分析模型对不同类用户的不同用电特征进行划分，划分为平稳用电类型、非平稳用电类型、锯齿型用电类型、常用备用用电类型、脉冲型用电类型和间歇用电类型。
[0057]
对不同用电特征的用户，选择参与相关性计算的点位策略如下：
[0058]
a.对平稳用电用户(电量在一个区间【r1,r2】内、电量波动率小于等于p1)，计算点位选择线损电量变化大的点位(线损电量在区间【r3,r4】外，波动率大于p2)对应的电量数据参与相关性计算；
[0059]
b.对非平稳用电用户(电量在一个区间【r1,r2】内、电量波动率大于p1),引入日电量变动斜率，记作k，生成日电量变动斜率时间序列数据；
[0060]
k＝(当日电量
‑
前一日电量)/1
[0061]
对序列数据k，选择区间【k1,k2】外的点作为波动变化大的点，并根据这些点选择
对应的电量数据参与相关性计算；
[0062]
c.对常用备用电源用电用户，保留用电量不为0点，不为0点前后各一天0点的电量数据参与相关性计算；
[0063]
d.对锯齿型用电用户，选取用电量不为0点位前后各1天用电量为0点，用电量不为0点的电量数据参与相关性计算；
[0064]
e.对脉冲型用电用户，选取用电量不为0点，如点位不足以进行相关性计算，选择线损电量变化大的点位(线损电量在区间【r3,r4】外，波动率大于p2)，补足计算所需点位参与相关性计算；
[0065]
f.对间歇性用电用户，选择用电量不为0点位前后各1天用电量为0点，用电量不为0点，如点位不足以进行相关性计算，选择线损电量在区间【r3,r4】外，波动率大于p2的点位补足计算所需点位，选取上述点位对应的电量数据参与相关性计算。
[0066]
在用户负荷分类增强相关性分析结果的基础上，本发明提出在用户分支电量和台区线损之间计算2个相关性系数并根据系数值趋势变化诊断台户关系。一个是负相关系数，即计算分支下用户合并后电量、台区线损(待计算分支电量计入台区)间2个时间序列数据的皮尔逊相关性系数，诊断用户不归属与某个台区；另一个是正相关系数，即计算分支下用户合并后电量，剔除计算分支下用户电量后的台区线损(待计算分支电量不计入台区)间时间序列数据的皮尔逊相关性系数，诊断用户归属于某个台区。通过对2个相关性系数量化趋势变化判定台区归属关系。r0
负
和r0
正
为用户与台区0的2个相关性系数，r1
负
和r1
正
为用户与台区1的2个相关性系数，则有：
[0067]
台区负相关性差值k0＝r0
负
‑
r1
负
[0068]
台区正相关性差值k1＝r0
正
‑
r1
正
[0069]
差值积m＝k0*k1
[0070]
差值和s＝k0+k1
[0071]
诊断逻辑如表2所示。
[0072]
表2
[0073][0074]
当台区数量多于2个时，选定一个台区(用户分支下用户归属多个台区时)或用户分支归属当前台区(用户分支下用户归属一个台区时)作为台区0，分别和多个台区进行诊断，将差值和绝对值大的诊断为目标台区。
[0075]
具体诊断流程图如图2所示。利用电量相关性分析模型诊断用户分支与台区归属关系，包括点位选取、系数计算和分支台区识别，到最后输出结果。
[0076]
实验证明
[0077]
本发明首先在台区用户分类和用户分支识别的基础上，利用同一用户分支下的所有用户由同一个台区供电的特征，将用户分支电量合并进行电量电量相关性分析，可解决台区用户占比最多的小电量用户电量相关性不易识别的问题。其次，通过获取邻近台区，将用户与台区归属诊断的范围缩小，可极大降低对计算资源的需求。最后，本发明提出了通过在多个台区(一般2个，最多不超过4个)中相关性数值量化趋势进行目标台区归属诊断的规则。通过上述步骤，台户异常识别准确率和用户归属目标台区识别准确率可极大提升。经过实际台区验证，准确率可高达99％。
[0078]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。