CN110503136A - 台区线损异常分析方法、计算机可读存储介质及终端设备 - Google Patents

台区线损异常分析方法、计算机可读存储介质及终端设备 Download PDF

Info

Publication number
CN110503136A
CN110503136A CN201910702734.7A CN201910702734A CN110503136A CN 110503136 A CN110503136 A CN 110503136A CN 201910702734 A CN201910702734 A CN 201910702734A CN 110503136 A CN110503136 A CN 110503136A
Authority
CN
China
Prior art keywords
power supply
user
supply line
electricity consumption
abnormal
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
Application number
CN201910702734.7A
Other languages
English (en)
Inventor
张保国
韩立通
赵宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd
Lincheng Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd
Lincheng Power Supply Co of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd, Lincheng Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910702734.7A priority Critical patent/CN110503136A/zh
Publication of CN110503136A publication Critical patent/CN110503136A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种台区线损异常分析方法、计算机可读存储介质及终端设备，包括：获取选定台区所对应的多条供电线路；针对多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；根据所述供电线路的日线损率，判断所述供电线路是否发生异常；若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。本发明通过供电线路的日线损率实时监测台区内的供电线路是否发生异常，当存在发生异常的供电线路时，通过该供电线路所对应用户的历史用电数据和预设分类模型，得到该供电线路下发生异常用电的用户，为查找异常用电的用户提供理论依据，达到降低线损的目的。

Description

台区线损异常分析方法、计算机可读存储介质及终端设备
技术领域
本发明属于计算机技术领域，尤其涉及一种台区线损异常分析方法、计算机可读存储介质及终端设备。
背景技术
在电力***中，线损率是指电力网络中损耗的电能占向电力网络供应电能的百分数，线损率是综合反映电力***规划、设计、生产技术和经营管理水平的一项重要综合技术经济指标。做好线损管理，是提高供电企业经营收入，实现多供少损、节能降耗的手段。
在线损管理方面，目前我国已专门制定相关管理办法，其中一项即是分台区管理。台区是指一台变压器的供电范围或区域，分台区管理主要管理对象为低压的电力管网用户，通过实施监测整个台区电力用户的用电状况，并及时采取有效措施进行治理，从而实现线损区域的准确定位，提升低压配电网各站效率，降低线损率，进而提高经济效益。
然而，现有技术对台区中用户的用电监测管理智能化较低，传统线损异常管理以人工排查为主，效率和准确性都有待提高，如何提升对台区内用户的用电异常情况的监测和分析效率，进而实现对台区内线损异常的智能化分析，是亟需解决的问题。
发明内容
有鉴于此，本发明实施例提供了一种台区线损异常分析方法、计算机可读存储介质及终端设备，以解决现有技术中对台区线损异常情况进行分析效率低的问题。
本发明实施例的第一方面提供了一种台区线损异常分析方法，包括：
获取选定台区所对应的多条供电线路；
针对所述多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；
根据所述供电线路的日线损率，判断所述供电线路是否发生异常；
若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。
本发明实施例的第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：
获取选定台区所对应的多条供电线路；
针对所述多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；
根据所述供电线路的日线损率，判断所述供电线路是否发生异常；
若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
获取选定台区所对应的多条供电线路；
针对所述多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；
根据所述供电线路的日线损率，判断所述供电线路是否发生异常；
若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。
本发明提供了一种台区线损异常分析方法、计算机可读存储介质及终端设备，包括：获取选定台区所对应的多条供电线路；针对多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；根据所述供电线路的日线损率，判断所述供电线路是否发生异常；若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。本发明通过供电线路的日线损率实时监测台区内的供电线路是否发生异常，当存在发生异常的供电线路时，通过该供电线路所对应用户的历史用电数据和预设分类模型，得到该供电线路下发生异常用电的用户，为查找异常用电的用户提供理论依据，达到降低线损的目的。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种台区线损异常分析方法的流程示意图；
图2为本发明实施例提供的另一种台区线损异常分析方法的流程示意图；
图3为本发明实施例提供的又一种台区线损异常分析方法的流程示意图；
图4为本发明实施例提供的一种台区线损异常分析装置的结构框图；
图5为本发明实施例提供的一种台区线损异常分析终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例提供了一种台区线损异常分析方法。结合图1，该方法包括：
S101，获取选定台区所对应的多条供电线路。
一个台区对应多条供电线路，依次获取每条供电线路的供电信息。
S102，针对所述多条供电线路中的任一条供电线路，获取所述供电线路的日线损率。
计算该供电线路损失的电能占该供电线路供应电能的百分比，得到该供电线路的日线损率。
S103，根据所述供电线路的日线损率，判断所述供电线路是否发生异常。
可选的，本发明实施例提供两种判断供电线路是否发生异常的方法，包括：
第一种，若所述供电线路的日线损率中，存在至少一个日线损率大于等于第一预设线损率，则判断所述供电线路发生异常。
第二种，若所述供电线路的日线损率中，存在至少两个连续的日线损率均大于等于第二预设线损率，则判断所述供电线路发生异常，其中，所述第一预设线损率大于所述第二预设线损率。
举例来说，第一预设线损率为15％，该供电线路某日的线损率大于15％，怎判断该供电线路在当日发生异常；第二预设线损率为10％，该供电线路在连续两日的线损率都大于等于10％，则判断该供电线路在该连续两日都发生异常。
S104，若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。
可选的，预先训练一个分类模型，用于对用户的用电行为进行分类，分类结果为正常用电或异常用电中的一种。当判断供电线路发生异常时，将该供电线路下用户当日的用电信息输入至该分类模型，对用户是否发生异常用电行为进行判别，为查找异常用电的用户提供理论依据。
进一步的，结合图2，本发明实施例还提供了一种台区线损异常分析方法，该方法主要用于获取步骤S104中的分类模型，该方法包括：
S201，通过用户电表，采集多个用户的用电数据作为样本数据，其中，每一条样本数据对应一个用户。
可选的，获取样本数据的过程包括：针对任一用户，举例来说，该用户为用户A，采集某一日用户A的电表数据，每隔15分钟采集一次，每次采集的数据为用户A的电表的三相电流数据，则每小时采集4次，一天共采集96次，又由于采集到的数据为三相电流数据，则采集到的样本数据为288维的数据。由此采集到的用户A的一条288维的用电数据作为一条样本数据。
当然，这仅是本发明实施例提供的一种可行的获取样本数据的实施方式，任何依据本发明思想提出的其他获取样本数据的方法，都在本发明保护的范围之内。
S202，对所述样本数据进行人工标注，获取所述样本数据所对应的标签，其中，所述标签包含正常用电和异常用电两种。
可选的，针对任一条样本数据，通过人工分析和现场调查，得到该样本数据所对应的标签，即该样本数据所对应的用户的用电行为为正常用电或是异常用电。
可选的，在对样本数据进行人工标注之前，为保证数据的可靠性，本发明实施例还提供两种对样本数据进行预处理的方法：
第一种，针对任一条样本数据，对所述样本数据进行数据清洗，包括删除所述样本数据中重复的信息、填补所述样本数据中缺失的信息和修正所述样本数据中错误的信息。
第二种，针对任一条样本数据，通过第一公式对所述样本数据进行归一化处理，所述第一公式为：
其中，xi为样本数据集x＝[x1，x2……xn]中的任一样本数据，x’i为对xi进行归一化之后的样本数据，average(x)为样本数据集的样本平均值，max(x)为样本数据集中的最大样本数据，min(x)为样本数据集中的最小样本数据。
S203，通过携带标签的样本数据，获取训练集，对深度神经网络模型进行训练，获得训练完成的分类模型，其中，所述分类模型的输出为正常用电或异常用电。
此时，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电包括：针对所述供电线路所对应的用户中的任一用户，获取所述用户在所述供电线路发生异常的当日的用电数据；将所述用户在所述供电线路发生异常的当日的用电数据输入所述训练完成的分类模型，得到所述用户在所述供电线路发生异常的当日的用电行为，所述用电行为为正常用电或异常用电的一种。
进一步的，结合图3，本发明实施例还提供了一种台区线损异常分析方法，该方法基于图1和图2所提供的实施例所对应的方法，在识别异常用电的基础上，对台区内的用户进行信用度评分，对信用度低于预设值的用户进行重点监控，进而达到降低线损的目的，该方法包括：
S301，针对所述选定台区内的任一用户，若所述用户的历史用电行为中不存在异常用电行为，则统计所述用户的历史用电行为信息，包括统计所述用户的累计欠费金额、累计欠费次数、月平均缴费金额和累计用电电量。
S302，若所述用户的历史用电行为中存在异常用电行为，则统计所述用户的历史用电行为信息，包括统计所述用户的累计窃电次数、累计窃电电量、累计违规用电次数、累计欠费金额、累计欠费次数、月平均缴费金额和累计用电电量。
S303，根据所述选定台区内用户的历史用电行为信息，对所述选定台区内的用户进行信用度评分，并按照评分由高到低的顺序进行排序。
可选的，将用户的历史用电行为信息中的累计窃电次数、累计窃电电量、累计违规用电次数、累计欠费金额、累计欠费次数设置为第一类指标，此类指标为对用户进行信用度评分的负面指标；将用户的历史用电行为信息中的月平均缴费金额和累计用电电量设置为第二类指标，此类指标为对用户进行信用度评分的正面指标。
通过第二公式计算任一用户a的信用度评分score(a)，所述第二公式为：
通过第三公式计算用户a的第一类指标得分，第三公式为：
其中，n用于表示所述用户a的第一类指标的个数，ωi用于表示用户a的第一类指标中指标i的预设权值，vi用于表示用户a的第一类指标中指标i的值；
通过第四公式计算用户a的第一类指标得分，第四公式为：
其中，m用于表示所述用户a的第二类指标的个数，ωj用于表示用户a的第二类指标中指标j的预设权值，vj用于表示用户a的第二类指标中指标j的值。
S304，对信用度评分低于预设值的用户进行监控。
若存在信用度评分低于预设值的用户，说明这些用户用电行为较差，存在较多的负面指标，将此类用户作为重点监测对象。定期对此类用户的用电行为进行监测，从而有效达到降低线损的目的。
本发明提供了一种台区线损异常分析方法，包括：获取选定台区所对应的多条供电线路；针对多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；根据所述供电线路的日线损率，判断所述供电线路是否发生异常；若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。本发明通过供电线路的日线损率实时监测台区内的供电线路是否发生异常，当存在发生异常的供电线路时，通过该供电线路所对应用户的历史用电数据和预设分类模型，得到该供电线路下发生异常用电的用户，为查找异常用电的用户提供理论依据，达到降低线损的目的。
图4为本发明实施例提供的一种台区线损异常分析装置示意图，结合图4，该装置包括：第一获取单元41、第二获取单元42、第一判断单元43和第二判断单元44；
所述第一获取单元41，用于获取选定台区所对应的多条供电线路；
所述第二获取单元42，用于针对所述多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；
所述第一判断单元43，用于根据所述供电线路的日线损率，判断所述供电线路是否发生异常；
所述第二判断单元44，用于若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。
可选的，第一判断单元43用于：
若所述供电线路的日线损率中，存在至少一个日线损率大于等于第一预设线损率，则判断所述供电线路发生异常；
或若所述供电线路的日线损率中，存在至少两个连续的日线损率均大于等于第二预设线损率，则判断所述供电线路发生异常，其中，所述第一预设线损率大于所述第二预设线损率。
可选的，该装置还包括分类模型获取单元45，用于：
通过用户电表，采集多个用户的用电数据作为样本数据，其中，每一条样本数据对应一个用户；
对所述样本数据进行人工标注，获取所述样本数据所对应的标签，其中，所述标签包含正常用电和异常用电两种；
通过携带标签的样本数据，获取训练集，对深度神经网络模型进行训练，获得训练完成的分类模型，其中，所述分类模型的输出为正常用电或异常用电。
可选的，第二判断单元44用于：
针对所述供电线路所对应的用户中的任一用户，获取所述用户在所述供电线路发生异常的当日的用电数据；
将所述用户在所述供电线路发生异常的当日的用电数据输入所述训练完成的分类模型，得到所述用户在所述供电线路发生异常的当日的用电行为，所述用电行为为正常用电或异常用电的一种。
可选的，分类模型获取单元45还用于：
针对任一条样本数据，对所述样本数据进行数据清洗，包括删除所述样本数据中重复的信息、填补所述样本数据中缺失的信息和修正所述样本数据中错误的信息。
可选的，分类模型获取单元45还用于：
针对任一条样本数据，通过第一公式对所述样本数据进行归一化处理，所述第一公式为：
其中，xi为样本数据集x＝[x1，x2……xn]中的任一样本数据，x’i为对xi进行归一化之后的样本数据，average(x)为样本数据集的样本平均值，max(x)为样本数据集中的最大样本数据，min(x)为样本数据集中的最小样本数据。
可选的，该装置还包括用户信用度评分单元46，用于：
针对所述选定台区内的任一用户，若所述用户的历史用电行为中不存在异常用电行为，则统计所述用户的历史用电行为信息，包括统计所述用户的累计欠费金额、累计欠费次数、月平均缴费金额和累计用电电量；
若所述用户的历史用电行为中存在异常用电行为，则统计所述用户的历史用电行为信息，包括统计所述用户的累计窃电次数、累计窃电电量、累计违规用电次数、累计欠费金额、累计欠费次数、月平均缴费金额和累计用电电量；
根据所述选定台区内用户的历史用电行为信息，对所述选定台区内的用户进行信用度评分，并按照评分由高到低的顺序进行排序；
对信用度评分低于预设值的用户进行监控。
可选的，用户信用度评分单元46用于：
将用户的历史用电行为信息中的累计窃电次数、累计窃电电量、累计违规用电次数、累计欠费金额、累计欠费次数设置为第一类指标，将用户的历史用电行为信息中的月平均缴费金额和累计用电电量设置为第二类指标，通过第二公式计算任一用户a的信用度评分score(a)，所述第二公式为：
通过第三公式计算用户a的第一类指标得分，第三公式为：
其中，n用于表示所述用户a的第一类指标的个数，ωi用于表示用户a的第一类指标中指标i的预设权值，vi用于表示用户a的第一类指标中指标i的值；
通过第四公式计算用户a的第一类指标得分，第四公式为：
其中，m用于表示所述用户a的第二类指标的个数，ωj用于表示用户a的第二类指标中指标j的预设权值，vj用于表示用户a的第二类指标中指标j的值。
本发明提供了一种台区线损异常分析装置，该装置用于：获取选定台区所对应的多条供电线路；针对多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；根据所述供电线路的日线损率，判断所述供电线路是否发生异常；若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。该装置通过供电线路的日线损率实时监测台区内的供电线路是否发生异常，当存在发生异常的供电线路时，通过该供电线路所对应用户的历史用电数据和预设分类模型，得到该供电线路下发生异常用电的用户，为查找异常用电的用户提供理论依据，达到降低线损的目的。
图5为本发明实施例提供的一种终端设备的示意图。如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如台区线损异常分析程序。所述处理器50执行所述计算机程序52时实现上述各个台区线损异常分析方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块41至46的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述台区线损异常分析方法的步骤。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使对应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种台区线损异常分析方法，其特征在于，该方法包括：
获取选定台区所对应的多条供电线路；
针对所述多条供电线路中的任一条供电线路，获取所述供电线路的日线损率；
根据所述供电线路的日线损率，判断所述供电线路是否发生异常；
若所述供电线路发生异常，调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电。
2.根据权利要求1所述的台区线损异常分析方法，其特征在于，所述根据所述供电线路的日线损率，判断所述供电线路是否发生异常包括：
若所述供电线路的日线损率中，存在至少一个日线损率大于等于第一预设线损率，则判断所述供电线路发生异常；
或若所述供电线路的日线损率中，存在至少两个连续的日线损率均大于等于第二预设线损率，则判断所述供电线路发生异常，其中，所述第一预设线损率大于所述第二预设线损率。
3.根据权利要求1或2所述的台区线损异常分析方法，其特征在于，在通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电之前，该方法还包括：
通过用户电表，采集多个用户的用电数据作为样本数据，其中，每一条样本数据对应一个用户；
对所述样本数据进行人工标注，获取所述样本数据所对应的标签，其中，所述标签包含正常用电和异常用电两种；
通过携带标签的样本数据，获取训练集，对深度神经网络模型进行训练，获得训练完成的分类模型，其中，所述分类模型的输出为正常用电或异常用电。
4.根据权利要求3所述的台区线损异常分析方法，其特征在于，所述调用所述供电线路所对应的用户的历史用电信息，通过预设的分类模型判断所述供电线路所对应的用户是否发生异常用电包括：
针对所述供电线路所对应的用户中的任一用户，获取所述用户在所述供电线路发生异常的当日的用电数据；
将所述用户在所述供电线路发生异常的当日的用电数据输入所述训练完成的分类模型，得到所述用户在所述供电线路发生异常的当日的用电行为，所述用电行为为正常用电或异常用电的一种。
5.根据权利要求3所述的台区线损异常分析方法，其特征在于，在对所述样本数据进行人工标注之前，该方法还包括：
针对任一条样本数据，对所述样本数据进行数据清洗，包括删除所述样本数据中重复的信息、填补所述样本数据中缺失的信息和修正所述样本数据中错误的信息。
6.根据权利要求3所述的台区线损异常分析方法，其特征在于，在对所述样本数据进行人工标注之前，该方法还包括：
针对任一条样本数据，通过第一公式对所述样本数据进行归一化处理，所述第一公式为：
其中，xi为样本数据集x＝[x1，x2……xn]中的任一样本数据，x’i为对xi进行归一化之后的样本数据，average(x)为样本数据集的样本平均值，max(x)为样本数据集中的最大样本数据，min(x)为样本数据集中的最小样本数据。
7.根据权利要求4至6任一项所述的台区线损异常分析方法，其特征在于，该方法还包括：
针对所述选定台区内的任一用户，若所述用户的历史用电行为中不存在异常用电行为，则统计所述用户的历史用电行为信息，包括统计所述用户的累计欠费金额、累计欠费次数、月平均缴费金额和累计用电电量；
若所述用户的历史用电行为中存在异常用电行为，则统计所述用户的历史用电行为信息，包括统计所述用户的累计窃电次数、累计窃电电量、累计违规用电次数、累计欠费金额、累计欠费次数、月平均缴费金额和累计用电电量；
根据所述选定台区内用户的历史用电行为信息，对所述选定台区内的用户进行信用度评分，并按照评分由高到低的顺序进行排序；
对信用度评分低于预设值的用户进行监控。
8.根据权利要求7所述的台区线损异常分析方法，其特征在于，所述根据所述选定台区内用户的历史用电行为信息，对所述选定台区内的用户进行信用度评分包括：
将用户的历史用电行为信息中的累计窃电次数、累计窃电电量、累计违规用电次数、累计欠费金额、累计欠费次数设置为第一类指标，将用户的历史用电行为信息中的月平均缴费金额和累计用电电量设置为第二类指标，通过第二公式计算任一用户a的信用度评分score(a)，所述第二公式为：
通过第三公式计算用户a的第一类指标得分，所述第三公式为：
其中，n用于表示所述用户a的第一类指标的个数，ωi用于表示用户a的第一类指标中指标i的预设权值，vi用于表示用户a的第一类指标中指标i的值；
通过第四公式计算用户a的第一类指标得分，所述第四公式为：
其中，m用于表示所述用户a的第二类指标的个数，ωj用于表示用户a的第二类指标中指标j的预设权值，vj用于表示用户a的第二类指标中指标j的值。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
10.一种终端设备，其特征在于，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
CN201910702734.7A 2019-07-31 2019-07-31 台区线损异常分析方法、计算机可读存储介质及终端设备 Pending CN110503136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910702734.7A CN110503136A (zh) 2019-07-31 2019-07-31 台区线损异常分析方法、计算机可读存储介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910702734.7A CN110503136A (zh) 2019-07-31 2019-07-31 台区线损异常分析方法、计算机可读存储介质及终端设备

Publications (1)

Publication Number Publication Date
CN110503136A true CN110503136A (zh) 2019-11-26

Family

ID=68586876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910702734.7A Pending CN110503136A (zh) 2019-07-31 2019-07-31 台区线损异常分析方法、计算机可读存储介质及终端设备

Country Status (1)

Country Link
CN (1) CN110503136A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191912A (zh) * 2019-12-26 2020-05-22 深圳供电局有限公司 轻载线路识别方法、装置、计算机设备和存储介质
CN111784210A (zh) * 2020-07-31 2020-10-16 国网山东省电力公司鄄城县供电公司 降低台区线损的方法、装置和电子设备
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
CN113125903A (zh) * 2021-04-20 2021-07-16 广东电网有限责任公司汕尾供电局 线损异常检测方法、装置、设备及计算机可读存储介质
CN113125882A (zh) * 2021-03-24 2021-07-16 国网河北省电力有限公司检修分公司 一种基于物联网的电力线路线损实时监测***
CN113191409A (zh) * 2021-04-20 2021-07-30 国网江苏省电力有限公司营销服务中心 标签数据扩充与深度学习的居民异常用电行为检测方法
CN113379322A (zh) * 2021-07-06 2021-09-10 国网江苏省电力有限公司营销服务中心 一种基于标签增广的窃电用户判别方法
CN113435609A (zh) * 2021-06-08 2021-09-24 国网河北省电力有限公司临漳县供电分公司 线损异常检测方法、装置及终端设备
CN113642601A (zh) * 2021-07-02 2021-11-12 国网江苏省电力有限公司电力科学研究院 一种中压配电网转供操作识别方法、装置以及设备
CN114113800A (zh) * 2021-12-27 2022-03-01 广西电网有限责任公司 基于历史数据的线损在线分析方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106067137A (zh) * 2016-06-28 2016-11-02 中国地质大学（北京） 一种基于智能电网监控***的客户信用等级评价方法
CN106156269A (zh) * 2016-06-01 2016-11-23 国网河北省电力公司电力科学研究院 一种反窃电精准定位在线监测方法
CN108492058A (zh) * 2018-05-28 2018-09-04 国网江西省电力有限公司南昌供电分公司 一种线损管理方法
CN108520357A (zh) * 2018-04-10 2018-09-11 北京中电普华信息技术有限公司 一种线损异常原因的判别方法、装置及服务器
CN109086950A (zh) * 2018-10-11 2018-12-25 国网上海市电力公司 一种基于大数据分析的用户电量分析预测方法
CN109284886A (zh) * 2018-02-02 2019-01-29 中领世能（天津）科技有限公司 基于人工智能的用电安全管理方法及装置
CN109359848A (zh) * 2018-10-09 2019-02-19 烟台海颐软件股份有限公司 一种线损异常相关的用电户识别方法与***
CN109377409A (zh) * 2018-09-29 2019-02-22 重庆大学 一种基于bp神经网络的用户用电异常行为检测方法
CN109472714A (zh) * 2018-06-11 2019-03-15 国网浙江海宁市供电有限公司 一种基于大数据的线路台区异常分析***及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156269A (zh) * 2016-06-01 2016-11-23 国网河北省电力公司电力科学研究院 一种反窃电精准定位在线监测方法
CN106067137A (zh) * 2016-06-28 2016-11-02 中国地质大学（北京） 一种基于智能电网监控***的客户信用等级评价方法
CN109284886A (zh) * 2018-02-02 2019-01-29 中领世能（天津）科技有限公司 基于人工智能的用电安全管理方法及装置
CN108520357A (zh) * 2018-04-10 2018-09-11 北京中电普华信息技术有限公司 一种线损异常原因的判别方法、装置及服务器
CN108492058A (zh) * 2018-05-28 2018-09-04 国网江西省电力有限公司南昌供电分公司 一种线损管理方法
CN109472714A (zh) * 2018-06-11 2019-03-15 国网浙江海宁市供电有限公司 一种基于大数据的线路台区异常分析***及方法
CN109377409A (zh) * 2018-09-29 2019-02-22 重庆大学 一种基于bp神经网络的用户用电异常行为检测方法
CN109359848A (zh) * 2018-10-09 2019-02-19 烟台海颐软件股份有限公司 一种线损异常相关的用电户识别方法与***
CN109086950A (zh) * 2018-10-11 2018-12-25 国网上海市电力公司 一种基于大数据分析的用户电量分析预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
施文 等: "台区线损异常原因分析及解决方法", 《农林电气化》 *
陈延超: "供电公司大客户信用评价及电费风险管理研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191912A (zh) * 2019-12-26 2020-05-22 深圳供电局有限公司 轻载线路识别方法、装置、计算机设备和存储介质
CN111191912B (zh) * 2019-12-26 2022-09-02 深圳供电局有限公司 轻载线路识别方法、装置、计算机设备和存储介质
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
CN111784210A (zh) * 2020-07-31 2020-10-16 国网山东省电力公司鄄城县供电公司 降低台区线损的方法、装置和电子设备
CN111784210B (zh) * 2020-07-31 2024-07-16 国网山东省电力公司鄄城县供电公司 降低台区线损的方法、装置和电子设备
CN113125882A (zh) * 2021-03-24 2021-07-16 国网河北省电力有限公司检修分公司 一种基于物联网的电力线路线损实时监测***
CN113125903A (zh) * 2021-04-20 2021-07-16 广东电网有限责任公司汕尾供电局 线损异常检测方法、装置、设备及计算机可读存储介质
CN113191409A (zh) * 2021-04-20 2021-07-30 国网江苏省电力有限公司营销服务中心 标签数据扩充与深度学习的居民异常用电行为检测方法
CN113435609A (zh) * 2021-06-08 2021-09-24 国网河北省电力有限公司临漳县供电分公司 线损异常检测方法、装置及终端设备
CN113642601B (zh) * 2021-07-02 2023-11-17 国网江苏省电力有限公司电力科学研究院 一种中压配电网转供操作识别方法、装置以及设备
CN113642601A (zh) * 2021-07-02 2021-11-12 国网江苏省电力有限公司电力科学研究院 一种中压配电网转供操作识别方法、装置以及设备
CN113379322A (zh) * 2021-07-06 2021-09-10 国网江苏省电力有限公司营销服务中心 一种基于标签增广的窃电用户判别方法
CN114113800B (zh) * 2021-12-27 2023-10-24 广西电网有限责任公司 基于历史数据的线损在线分析方法
CN114113800A (zh) * 2021-12-27 2022-03-01 广西电网有限责任公司 基于历史数据的线损在线分析方法

Similar Documents

Publication Publication Date Title
CN110503136A (zh) 台区线损异常分析方法、计算机可读存储介质及终端设备
CN108596443A (zh) 一种基于多维度数据的用电客户信用等级评价方法
Yang et al. Probabilistic short-term wind power forecast using componential sparse Bayesian learning
CN106780140A (zh) 基于大数据的电力信用评价方法
CN103426120A (zh) 基于可靠性的中低压配电网的综合评估方法
CN110276511A (zh) 一种基于电量与线损关联性的线变关系异常判别方法
CN102081781A (zh) 基于信息自循环的金融建模优化方法
CN108258710A (zh) 一种计及电池容量衰减的电池储能***优化配置方法
CN106600131A (zh) 电网投资分析模型评价方法
CN106530139A (zh) 电网投资分析模型指标参数计算方法
CN102262664A (zh) 一种质量评价的方法和装置
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
CN106600145A (zh) 一种配电网的可靠性分析方法及装置
CN110445939A (zh) 容量资源的预测方法及装置
CN109389437A (zh) 电价的定价方法、定价装置及终端
CN106097137A (zh) 一种基于用电信息采集***的差异化防窃电监测***
CN107086565B (zh) 一种基于聚合理论的预想事故自动选择方法
CN112511503A (zh) 提高智能电表安全性的方法及***、设备及存储介质
CN109583773A (zh) 一种纳税信用积分确定的方法、***及相关装置
CN109471871A (zh) 公车管理方法及装置
CN109711683A (zh) 电网资产全寿命周期内安全效能评估方法和装置
CN106971255A (zh) 一种配网自动化方案综合评估***
CN109687592A (zh) 变电站信息显示控制方法、装置及电子设备
CN115776138A (zh) 一种考虑多维不确定性和能量管理策略的微电网容量规划方法及装置
CN112016631A (zh) 一种低电压治理相关的改进方案

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191126

RJ01 Rejection of invention patent application after publication