CN109919425A - 一种基于相关性分析的台区用户关系纠错方法 - Google Patents
一种基于相关性分析的台区用户关系纠错方法 Download PDFInfo
- Publication number
- CN109919425A CN109919425A CN201910065515.2A CN201910065515A CN109919425A CN 109919425 A CN109919425 A CN 109919425A CN 201910065515 A CN201910065515 A CN 201910065515A CN 109919425 A CN109919425 A CN 109919425A
- Authority
- CN
- China
- Prior art keywords
- user
- platform area
- platform
- per unit
- power consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于相关性分析的台区用户关系纠错方法，属于电力技术领域。目前在判断台户关系疑似错误的问题上还没有较好的办法，这显然不能满足计量大数据下客户营销管理的要求。本发明计算其日用电量/台区总表电量与台区线损率的相关系数，倘若用户日用电量/台区总表电量与台区线损率呈现负相关，就初步判断该用户疑似台区关系错误，最后对台户关系错误清单进行现场核查。本发明利用用户用电数据和台区线损率数据，通过大数据分析方法来得到台户关系错误的用户清单；达到准确定位台户关系错误用户的目的，使得台户关系错误的判断准确率达到70％以上，同时台区线损率正确可算，为精益化的营销管理提供技术支撑。
Description
技术领域
本发明涉及一种基于相关性分析的台区用户关系纠错方法，属于电力技术领域。
背景技术
保证线损率准确可算，是电网企业提高经济效益和精益化营销管理的重要支撑。根据台区用户供电关系可知，一般台区正常用电情况下，线损率基本稳定，台区下单个用户日用电量波动对线损率影响不大，但是在现场排查中经常会发现居民用户档案并不在相对应的台区下或居民用户串台区，导致线损率不正常。因此保证台区用户关系准确是掌握台区线损的重要前提。
随着电网计量大数据分析的发展，很多方面开展了有效的数据分析，指导计量工作的更好开展。但是目前在判断台户关系疑似错误的问题上还没有较好的办法，缺乏一种有效纠错方案，这显然不能满足计量大数据下客户营销管理的要求。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种利用用户用电数据和台区线损率数据，通过大数据分析方法来得到台户关系错误用户清单的基于相关性分析的台区用户关系纠错方法。
为实现上述目的，本发明的技术方案为：
一种基于相关性分析的台区用户关系纠错方法，基于采集***中的用户日用电量、台区日线损率及总表电量数据，针对每个用户相当长一段时间内的各项数据，计算其日用电量/台区总表电量与台区线损率的相关系数，倘若用户日用电量/台区总表电量与台区线损率呈现负相关，就初步判断该用户疑似台区关系错误，最后对台户关系错误清单进行现场核查。
本发明提供一种切实可行的纠错方案，利用用户用电数据和台区线损率数据，通过大数据分析方法来得到台户关系错误的用户清单；达到准确定位台户关系错误用户的目的，使得台户关系错误的判断准确率达到70％以上，同时台区线损率正确可算，为精益化的营销管理提供技术支撑。
作为优选技术措施，
主要包括以下内容：基于采集***的日用电量、总表电量和台区线损率数据准备、单用户日用电量/台区总表电量与台区线损率相关系数计算、获取相关系数＜-R的用户清单、分析指出台户关系疑似错误的用户清单、现场核实查明事实台户关系错误用户。
作为优选技术措施，
纠错方法包括5个步骤，具体如下：
第一步，基于采集***的日用电量、总表电量和台区线损率数据准备；
第二步，单用户日用电量/台区总表电量与台区线损率相关系数计算；
第三步，筛选出相关系数＜-R的用户，获取相关系数＜-R的用户清单；
第四步，分析指出台户关系疑似错误的用户清单；
对某一用户一年内日用电量、日用电量/总表电量、计算线损率进行数据分析，如果用户日用电量/台区总表电量与台区线损率呈现负相关，判断其为疑似台户关系错误，同样对其他用户进行分析并统计疑似台户关系错误用户数；
第五步，现场核实查明事实台户关系错误用户；
现场用户台户关系核查，确定事实台户关系错误用户数，计算分析准确率。
本发明处理方案详尽，切实可行，实现准确定位台户关系错误用户的目的。
作为优选技术措施，
所述第一步，台区选择：无光伏用电且用电用户＞3，同时剔除台区日最大负荷占比＜r和总个数＜S的台区；用户选择：用电量＞60度并且＜50％台区供电量，同时剔除非正常采集点和个数＜S的用户；数据计算周期为一年。设置合理的判据，剔除一些异常数据，获得更为准确、有效的数据，提高分析计算的准确率。
作为优选技术措施，
所述第二步，计算单用户日用电量/台区总表电量：
上式中：Fq为单用户日用电量/台区总表电量
qi为第i天单用户日用电量
Qi为第i天台区总供电量；
计算Fq与日线损率LLR的相关系数：
建立数学模型进行计算，把离散的数据整合在一起，实现台户关系错误用户的准确识别。
作为优选技术措施，综合考虑各方面因素，对变量进行赋值，所述R＝0.8；r＝8％；S＝150，并经过实验可知，满足准确度要求。
与现有技术相比，本发明具有以下有益效果：
本发明利用用户用电数据和台区线损率数据，通过大数据分析方法来得到台户关系错误的用户清单；达到准确定位台户关系错误用户的目的，使得台户关系错误的判断准确率达到70％以上，同时台区线损率正确可算，为精益化的营销管理提供技术支撑。
附图说明
图1为本发明处理流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
如图1所示，一种基于相关性分析的台区用户关系纠错方法，基于采集***中的用户日用电量、台区日线损率及总表电量数据，针对每个用户相当长一段时间内的各项数据，计算其日用电量/台区总表电量与台区线损率的相关系数，倘若用户日用电量/台区总表电量与台区线损率呈现负相关，就初步判断该用户疑似台区关系错误，最后对台户关系错误清单进行现场核查。
本发明利用用户用电数据和台区线损率数据，通过大数据分析方法来得到台户关系错误的用户清单；达到准确定位台户关系错误用户的目的，使得台户关系错误的判断准确率达到70％以上，同时台区线损率正确可算，为精益化的营销管理提供技术支撑。
本发明主要包括以下内容：基于采集***的日用电量、总表电量和台区线损率数据准备、单用户日用电量/台区总表电量与台区线损率相关系数计算、获取相关系数＜-R的用户清单、分析指出台户关系疑似错误的用户清单、现场核实查明事实台户关系错误用户。
本发明的纠错方法包括5个步骤，具体如下：
第一步：基于采集***的日用电量、总表电量和台区线损率数据准备
台区选择：无光伏用电且用电用户＞3，同时剔除台区日最大负荷占比＜8％和总个数＜150的台区；
用户选择：用电量＞60度并且＜50％台区供电量，同时剔除非正常采集点和个数＜150的用户；数据计算周期为一年。
第二步：单用户日用电量/台区总表电量与台区线损率相关系数计算；
计算单用户日用电量/台区总表电量：
上式中：Fq为单用户日用电量/台区总表电量
qi为第i天单用户日用电量
Qi为第i天台区总供电量；
计算Fq与日线损率LLR的相关系数：
第三步：筛选获取相关系数＜-0.8的用户清单
筛选出相关系数＜-0.8的用户，统计出清单。
第四步：分析指出台户关系疑似错误的用户清单
对某一用户一年内日用电量、日用电量/总表电量、计算线损率进行数据分析，如果用户日用电量/台区总表电量与台区线损率呈现负相关，判断其为疑似台户关系错误，同样对其他用户进行分析并统计疑似台户关系错误用户数；
第五步：现场核实查明事实台户关系错误用户；
现场用户台户关系核查，确定事实台户关系错误用户数，计算分析准确率。
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。
Claims (6)
1.一种基于相关性分析的台区用户关系纠错方法，其特征在于，
基于采集***中的用户日用电量、台区日线损率及总表电量数据，针对每个用户相当长一段时间内的各项数据，计算其日用电量/台区总表电量与台区线损率的相关系数，倘若用户日用电量/台区总表电量与台区线损率呈现负相关，就初步判断该用户疑似台区关系错误，最后对台户关系错误清单进行现场核查，达到定位台户关系错误用户的目的。
2.如权利要求1所述的一种基于相关性分析的台区用户关系纠错方法，其特征在于，
主要包括以下内容：基于采集***的日用电量、总表电量和台区线损率数据准备、单用户日用电量/台区总表电量与台区线损率相关系数计算、获取相关系数＜-R的用户清单、分析指出台户关系疑似错误的用户清单、现场核实查明事实台户关系错误用户。
3.如权利要求1所述的一种基于相关性分析的台区用户关系纠错方法，其特征在于，
纠错方法包括5个步骤，具体如下：
第一步，基于采集***的日用电量、总表电量和台区线损率数据准备；
第二步，单用户日用电量/台区总表电量与台区线损率相关系数计算；
第三步，筛选出相关系数＜-R的用户，获取相关系数＜-R的用户清单；
第四步，分析指出台户关系疑似错误的用户清单；
对某一用户一年内日用电量、日用电量/总表电量、计算线损率进行数据分析，如果用户日用电量/台区总表电量与台区线损率呈现负相关，判断其为疑似台户关系错误，同样对其他用户进行分析并统计疑似台户关系错误用户数；
第五步，现场核实查明事实台户关系错误用户；
现场用户台户关系核查，确定事实台户关系错误用户数，计算分析准确率。
4.如权利要求3所述的一种基于相关性分析的台区用户关系纠错方法，其特征在于，
所述第一步，台区选择：无光伏用电且用电用户＞3，同时剔除台区日最大负荷占比＜r和总个数＜S的台区；用户选择：用电量＞60度并且＜50％台区供电量，同时剔除非正常采集点和个数＜S的用户；数据计算周期为一年。
5.如权利要求3所述的一种基于相关性分析的台区用户关系纠错方法，其特征在于，
所述第二步，计算单用户日用电量/台区总表电量：
上式中：Fq为单用户日用电量/台区总表电量
qi为第i天单用户日用电量
Qi为第i天台区总供电量；
计算Fq与日线损率LLR的相关系数：
6.如权利要求2-5任一所述的一种基于相关性分析的台区用户关系纠错方法，其特征在于，所述R＝0.8；r＝8％；S＝150。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910065515.2A CN109919425A (zh) | 2019-01-23 | 2019-01-23 | 一种基于相关性分析的台区用户关系纠错方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910065515.2A CN109919425A (zh) | 2019-01-23 | 2019-01-23 | 一种基于相关性分析的台区用户关系纠错方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109919425A true CN109919425A (zh) | 2019-06-21 |
Family
ID=66960600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910065515.2A Pending CN109919425A (zh) | 2019-01-23 | 2019-01-23 | 一种基于相关性分析的台区用户关系纠错方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109919425A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688739A (zh) * | 2019-09-10 | 2020-01-14 | 国网浙江省电力有限公司电力科学研究院 | 一种基于用电量数据的低压台区用户拓扑纠错方法和*** |
| CN110781199A (zh) * | 2019-10-22 | 2020-02-11 | 南方电网科学研究院有限责任公司 | 基于es的电力用户日电量查询方法 |
| CN111650432A (zh) * | 2020-07-14 | 2020-09-11 | 国网冀北电力有限公司 | 一种基于线损的窃电确定方法及装置 |
| CN111861121A (zh) * | 2020-06-17 | 2020-10-30 | 国网安徽省电力有限公司 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
| CN111951125A (zh) * | 2020-08-12 | 2020-11-17 | 积成电子股份有限公司 | 一种基于大数据分析的台区异常户变关系识别方法 |
| CN112085403A (zh) * | 2020-09-16 | 2020-12-15 | 国网福建省电力有限公司营销服务中心 | 一种基于混合整数规划的低压台区拓扑辨识方法 |
| CN112990730A (zh) * | 2021-03-26 | 2021-06-18 | 国网上海市电力公司 | 一种利用人为采集失败增强电量相关性特征的方法 |
| CN113033897A (zh) * | 2021-03-26 | 2021-06-25 | 国网上海市电力公司 | 基于用户分支的电量相关性识别台区户变关系的方法 |
| CN115423250A (zh) * | 2022-07-28 | 2022-12-02 | 国网浙江省电力有限公司营销服务中心 | 一种台区户变关系分析方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
-
2019
- 2019-01-23 CN CN201910065515.2A patent/CN109919425A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
Non-Patent Citations (4)
| Title |
|---|
| 彭翎: "电能计量装置资产管理浅析", 《中国高新技术企业》 * |
| 李源林等: "顾及空间约束的户变关系识别与调整方法", 《电脑知识与技术》 * |
| 王涓等: "应用皮尔逊相关系数算法查找异常电能表用户", 《电力需求侧管理》 * |
| 邵凡等: "基于电网线损的皮尔逊算法分析", 《科技创新与应用》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688739A (zh) * | 2019-09-10 | 2020-01-14 | 国网浙江省电力有限公司电力科学研究院 | 一种基于用电量数据的低压台区用户拓扑纠错方法和*** |
| CN110781199A (zh) * | 2019-10-22 | 2020-02-11 | 南方电网科学研究院有限责任公司 | 基于es的电力用户日电量查询方法 |
| CN110781199B (zh) * | 2019-10-22 | 2023-08-29 | 南方电网科学研究院有限责任公司 | 基于es的电力用户日电量查询方法 |
| CN111861121A (zh) * | 2020-06-17 | 2020-10-30 | 国网安徽省电力有限公司 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
| CN111650432A (zh) * | 2020-07-14 | 2020-09-11 | 国网冀北电力有限公司 | 一种基于线损的窃电确定方法及装置 |
| CN111951125B (zh) * | 2020-08-12 | 2022-04-22 | 积成电子股份有限公司 | 一种基于大数据分析的台区异常户变关系识别方法 |
| CN111951125A (zh) * | 2020-08-12 | 2020-11-17 | 积成电子股份有限公司 | 一种基于大数据分析的台区异常户变关系识别方法 |
| CN112085403B (zh) * | 2020-09-16 | 2022-05-10 | 国网福建省电力有限公司营销服务中心 | 一种基于混合整数规划的低压台区拓扑辨识方法 |
| CN112085403A (zh) * | 2020-09-16 | 2020-12-15 | 国网福建省电力有限公司营销服务中心 | 一种基于混合整数规划的低压台区拓扑辨识方法 |
| CN113033897A (zh) * | 2021-03-26 | 2021-06-25 | 国网上海市电力公司 | 基于用户分支的电量相关性识别台区户变关系的方法 |
| CN112990730A (zh) * | 2021-03-26 | 2021-06-18 | 国网上海市电力公司 | 一种利用人为采集失败增强电量相关性特征的方法 |
| CN112990730B (zh) * | 2021-03-26 | 2024-01-05 | 国网上海市电力公司 | 一种利用人为采集失败增强电量相关性特征的方法 |
| CN115423250A (zh) * | 2022-07-28 | 2022-12-02 | 国网浙江省电力有限公司营销服务中心 | 一种台区户变关系分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109919425A (zh) | 一种基于相关性分析的台区用户关系纠错方法 | |
| CN107340492B (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
| CN110991786B (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
| CN110634080B (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
| US10009064B2 (en) | Method for differentiating power distribution areas and phases by using voltage characteristics | |
| WO2021253806A1 (zh) | 一种基于电压关联特性的低压台区相户关系识别方法 | |
| CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
| CN104463344B (zh) | 电网短期负荷预测方法和*** | |
| CN109725219B (zh) | 一种电能表台区自动识别方法 | |
| Al Arif | Spin-off and its impact on the third party funds of Indonesian Islamic banking industry | |
| CN107070683A (zh) | 数据预测的方法和装置 | |
| CN102692615B (zh) | 自动采集电量数据*** | |
| CN109376924A (zh) | 一种物资需求预测的方法、装置、设备及可读存储介质 | |
| CN109738723B (zh) | 一种电能表三相自动识别方法 | |
| CN108197774B (zh) | 一种分布式光伏发电量异常诊断的方法及装置 | |
| CN103593446A (zh) | 流量质量分析方法及装置 | |
| CN104794544A (zh) | 基于智能算法的分布式光伏发电防窃电监测方法 | |
| CN102722577A (zh) | 指标动态权重的确定方法及装置 | |
| CN107180275A (zh) | 一种标准化营业额预估方法与*** | |
| CN110298369A (zh) | 一种电力***不良数据的辨识方法及*** | |
| CN107730399B (zh) | 基于风力发电特性曲线的理论线损评估方法 | |
| CN105574666A (zh) | 一种基于关键数据建模的评定企业信用等级的方法及装置 | |
| CN109857975B (zh) | 一种电能表台区和三相自动识别方法 | |
| CN104657912A (zh) | 基于水电量比和支持向量聚类异常用户检测方法及*** | |
| CN114386884B (zh) | 一种电网调度运行精益化评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |