一种台区线损智能诊断的方法及系统与流程

本发明属于电力系统数据技术分析领域，尤其是涉及一种台区线损智能诊断的方法及系统。

背景技术：

1、随着台区线损精益化管控要求的提升，在“一台区一指标”管控模式下，对台区线损分析治理水平提出了更高的要求。线损与采集、计量、反窃电等专业息息相关，出现异常分析复杂。因此总结线损治理经验，形成一种方便有效的台区线损诊断分析的方法和系统十分必要。

2、目前，台区线损治理工作主要由台区经理完成，但台区经理执行各专业的任务众多，且分析治理水平参差不齐，有效提炼台区线损异常明细，并且实现智能化地分析诊断将帮助台区经理快速发现和定位问题。面对“一台区一指标”管理要求，数字化、智能化的需求日益凸显，本发明意图在“是什么”与“怎么做”之间建立快速联系。形成了一套台区线损智能诊断方法流程，并开发出相应系统模块，提升工作质效。

技术实现思路

1、本发明的目的在于弥补现有技术的不足之处，提供一种台区线损智能诊断的方法及系统。

2、为了解决上述技术问题，本发明采用如下技术方案：

3、第一方面，一种台区线损智能诊断的方法，包括以下步骤：

4、通过数据库获取待检测时间段的台区日数据，根据线损公式计算台区线损信息；

5、根据箱线图四分位法以及所述线损信息判断台区线损是否异常，进而判断台区线损类型；

6、若所述台区线损为异常线损，则基于线损异常判断规则以及大数据分析技术对台区线损智能诊断分析，确定导致所述台区线损为异常线损的影响因素；

7、基于所述台区线损类型对台区电能表进行透抄排查和技术线损分析，判断各项线损类型情况以及确定导致所述台区线损为异常线损的主要影响因素，并获取异常用户明细；

8、基于获取的各项线损类型判断情况、主要影响因素以及异常用户明细，按影响因素出现频次得出台区线损智能诊断结果。

9、进一步的，所述台区日数据包括供电量、售电量、损失电量和线损率，

10、其中线损计算公式为：损失电量＝供电量-售电量；线损率＝(供电量-售电量)/供电量。

11、进一步的，所述台区线损类型包括长期高损、突发高损、负损、正负波动。

12、进一步的，所述台区线损智能诊断分析包括供售电量特征分析、采集率监测以及用户电量分析；

13、其中，所述采集率监测的步骤为：

14、获取台区采集成功率和采集覆盖率数据，判断是否是采集因素影响；

15、若为采集因素影响，则获取采集异常用户明细、未采补录用户电量明细以及工单明细。

16、所述用户电量分析调用皮尔森相关系数，计算用户电量与台区损失电量的相关性，具体通过以下公式：

17、

18、其中，ρx,y为两个连续变量(x,y)的pearson相关性系数，cov(x,y)为两个连续变量(x,y)的协方差，σx和σy分别为两个连续变量(x,y)的标准差，μx、μy分别为变量x和y的总体均值，e(x)、e(y)为变量x、y的数学期望，分别为变量x和y的样本均值，n为样本个数。

19、进一步的，所述导致所述台区线损为异常线损的影响因素包括但不限于窃电问题、关口计量异常问题、采集问题、技术线损高、户变关系异常问题以及时钟问题。

20、第二方面：一种台区线损智能诊断的系统，包括以下内容：

21、数据获取模块：用于通过数据库获取待检测时间段的台区日数据，根据线损公式计算台区线损信息；

22、线损类型分析判断模块：用于根据箱线图四分位法以及所述线损信息判断台区线损是否异常，进而判断台区线损类型；

23、线损影响因素确定模块：若所述台区线损为异常线损，则基于线损异常判断规则以及大数据分析技术对台区线损智能诊断分析，确定导致所述台区线损为异常线损的影响因素；

24、线损影响因素分析模块：基于所述台区线损类型对台区电能表进行透抄排查和技术线损分析，判断各项线损类型情况以及确定导致所述台区线损为异常线损的主要影响因素，并获取异常用户明细；

25、结果获取模块：基于获取的各项线损类型判断情况、主要影响因素以及异常用户明细，按影响因素出现频次得出台区线损智能诊断结果。

26、进一步的，还包括展示模块、应用模块、数据模块，

27、所述展示模块用于显示台区线损智能诊断结果的图表分析，以及用户对报表的查询、分析、打印、导出、填报；

28、所述应用模块用于管理人员配置用户和权限体系，以及对台区线损智能诊断流程和报表设计；

29、所述数据模块用于创建报表数据源，以及提供营销服务、采集运维、采集闭环的数据平台。

30、本发明实施例带来了以下有益效果：

31、1.形成了一套台区线损智能诊断方法流程。该流程基于台区线损治理经验，具有较高的实用性，便捷性，经实际验证便捷可靠。

32、2.基于国网天津市电力公司数据共享创新应用平台，开发建立了一个台区线损智能诊断模块。方便基层人员使用，提高工作效率，节约人力物力。

33、3.创新性地采用箱线图四分位法进行台区线损率异常值判断。箱线图四分位法判断数据异常的优点包括：(1)没有对数据作任何要求(比如数据需服从某分布)，它可以真实直观地表现数据分布的本来面貌；(2)箱线图判断异常值的标准以四分位数和四分位距为基础，四分位数具有一定的鲁棒性。多达25％的数据可以变得任意远而不会很大地扰动四分位数。

34、4.通过皮尔森相关系数判断用户电量与损失电量的相关性。可以很清晰地衡量两个变量之间的线性关系，通过电量相关性异常分析对查找台区内异常用户起到关键作用。

35、5.通过rpa机器人流程自动化(robotic processautomation)进行线损异常台区的零火电流抄读、三相电流抄读，可在每日获取零点冻结数据之后就开始工作，早上上班即可运行完毕查看抄读结果，实现“晚抄读、日作业”，提高工作效率，节约人力资源。

36、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分特征从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

37、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种台区线损智能诊断的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的台区线损智能诊断方法，其特征在于，所述台区日数据包括供电量、售电量、损失电量和线损率，

3.根据权利要求1所述的台区线损智能诊断方法，其特征在于，所述台区线损类型包括长期高损、突发高损、负损、正负波动。

4.根据权利要求1所述的台区线损智能诊断方法，其特征在于，所述台区线损智能诊断分析包括供售电量特征分析、采集率监测以及用户电量分析。

5.根据权利要求4所述的台区线损智能诊断方法，其特征在于，所述采集率监测的步骤为：

6.根据权利要求4所述的台区线损智能诊断方法，其特征在于，所述用户电量分析调用皮尔森相关系数，计算用户电量与台区损失电量的相关性，具体通过以下公式：

7.根据权利要求1所述的台区线损智能诊断方法，其特征在于，所述导致所述台区线损为异常线损的影响因素包括但不限于窃电问题、关口计量异常问题、采集问题、技术线损高、户变关系异常问题以及时钟问题。

8.一种利用如权利要求1所述的台区线损智能诊断方法的系统，其特征在于，包括：

9.根据权利要求8所述的台区线损智能诊断系统，其特征在于，还包括展示模块、应用模块、数据模块，

技术总结
本发明提供了一种台区线损智能诊断的方法及系统，获取待检测时间段的台区日数据，计算台区线损信息；判断台区线损是否异常，进而判断台区线损类型；若所述台区线损为异常线损，对台区线损智能诊断分析，确定导致所述台区线损为异常线损的影响因素；基于所述台区线损类型对台区电能表进行透抄排查和技术线损分析，判断各项线损类型情况以及确定导致所述台区线损为异常线损的主要影响因素，并获取异常用户明细；基于获取的各项线损类型判断情况、主要影响因素以及异常用户明细，按影响因素出现频次得出台区线损智能诊断结果。本发明形成了一套台区线损智能诊断方法流程，基于台区线损治理经验，具有较高的实用性，便捷性，经实际验证便捷可靠。

技术研发人员：苗立俐,杨子木,王国玲,孙晴宇,高杨
受保护的技术使用者：国网天津市电力公司宁河供电分公司
技术研发日：
技术公布日：2024/1/16