CN112308437A - 基于大数据分析的线损治理方法、***、装置和存储介质 - Google Patents
基于大数据分析的线损治理方法、***、装置和存储介质 Download PDFInfo
- Publication number
- CN112308437A CN112308437A CN202011219832.4A CN202011219832A CN112308437A CN 112308437 A CN112308437 A CN 112308437A CN 202011219832 A CN202011219832 A CN 202011219832A CN 112308437 A CN112308437 A CN 112308437A
- Authority
- CN
- China
- Prior art keywords
- data
- electric quantity
- analysis
- line loss
- module
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 41
- 238000007726 management method Methods 0.000 title claims abstract description 12
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000011160 research Methods 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 24
- 238000003745 diagnosis Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 4
- 238000011835 investigation Methods 0.000 abstract description 2
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/10—Office automation; Time management
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的线损治理方法、***、装置和存储介质,所述线损治理方法,利用大数据分析方法能高效识别***中电量异常的台区或用户,并自动生成诊断分析报告。利用软件大数据分析功能,降低了基层班组分析核查***数据难度,减少了现场排查的工作量,实现基层减负的同时,提高了线损问题治理效率。同时提供严格策略和宽松策略,为数据分析建立容错机制,对局部阶段数据开展特性分析,防止因研判方法过度敏感而提取出大量的“异常”数据,避免无谓的增加现场核查工作量。
Description
技术领域
本发明属于电网线损治理技术领域,具体涉及基于大数据分析的线损治理方法、***、装置和存储介质。
背景技术
针对海量的电量数据,基层班组人员缺乏大数据分析能力和手段,日常线损治理重点关注的表计电量异常跳变、表计及采集装置异常、信号不稳定或者无信号等问题,人工分析***数据工作量大、效率低,难以发现实际问题,不利于指导开展线损工作。
发明内容
本发明的目的在于提供一种基于大数据分析的线损治理方法、***、装置和存储介质,以解决上述问题。
为实现上述目的,采用如下技术方案:
基于大数据分析的线损治理方法,包括以下步骤:
1)提取数据库中的电量数据,将所述电量数据存储到与其名称对应的电量数据文档中,在所述电量数据文档中动态更新所有变压器或用户的日电量关键数据,形成电量总表文档;
2)针对单日或者多日电量数据,采用宽松策略或严格策略查找用电量异常的变压器或用户,判断用电量异常的变压器或用户异常类型,生成综合分析报告;依据该综合分析报告,实地进行变压器或用户异常检测处理。
进一步的,所述步骤2)还包括:以日电量为纵轴、真实日期为横轴,分组显示所述用电量异常的变压器或用户电量逐日变化波形;导出关注台区或用户的电量图形数据,并存储为通用的图片格式。
进一步的,所述步骤2)中,利用统计学原理,建立小概率事件集A和小概率事件集B;对所有的历史电量数据进行综合分析,形成概率分布,将满足小概率分布的电量数据划分到小概率事件集A;以当天前后一段时间内的电量数据为样本,利用统计学方法分析当日电量数据是否符合统计学规律,如不满足规律,当日电量数据则被列入小概率事件集B;
所述严格策略:将小概率事件集A和B作与运算,同时列入小概率事件集A和小概率事件集B的数据被作为异常数据;
所述宽松策略,将小概率事件集A和小概率事件集B作或运算,只要列入小概率事件集A或者小概率事件集B之一的数据均被作为警示数据。
进一步的,所述步骤1)中,当变压器或者用户信息变更时,在电量总表文档中更新信息,补充电量数据。
进一步的,所述步骤1)中,动态更新数据时,按日期自动补录待分析电量数据,并存储到电量总表文档指定位置,便于观察用电量变化。
本发明的另一个技术方案是:一种基于大数据分析的线损治理***,其特征在于,包括:
文件自动生成模块,用于自动扫描数据库中的电量数据,提取线路或台区名称,按照名称自动生成文档;
数据自动提取模块,用于提取并存储数据库中所有变压器或用户的日电量关键数据;
数据自动更新模块,用于在同一文档中动态更新所有变压器或者用户的日电量关键数据,形成电量总表文档;
大数据整体综合分析模块,用于针对多日电量数据开展综合分析,查找用电量变化异常的变压器或用户;
日数据单独分析诊断模块,用于在样本数据基础上,分析诊断任意某天电量数据,自动查找用电量异常的变压器或用户;
重点问题自动研判模块,用于诊断研判电量大幅波动、长期低用电量、疑似停运或表计损坏的变压器或用户;
分析诊断容错纠偏模块,用于提供严格策略和宽松策略,查找用电量异常的变压器或用户;
自动生成分析报告模块,用于针对大数据整体分析模块生成综合分析报告、针对日数据单独分析诊断模块生成日诊断报告。
进一步的,还包括:
变化趋势图像显示模块,用于以日电量为纵轴、真实日期为横轴,显示用电量异常的变压器或用户电量逐日变化波形;
分组筛选显示模块,用于对电量大幅波动、低用电量、零用电量台区或用户分组显示;
模糊搜索查询模块,用于通过变压器或用户编号,模糊查询并显示相关电量信息;
数据波动图像导出模块,用于导出用电量异常的台区或用户的电量图形数据,并存储为通用的图片格式。
进一步的,还包括:
设备信息变更识别模块,用于当变压器或者用户信息变更时,在电量总表文档中自动更新信息,自动补充电量数据;
有序填充数据模块,用于按日期自动补录待分析电量数据,存储到电量总表文档指定位置;
批量数据导入模块,用于批量导入多日连续电量数据。
本发明的又一个技术方案是:一种用于基于大数据分析的线损治理的装置,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现所述的基于大数据分析的线损治理方法。
本发明的再一个技术方案是:一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现所述的基于大数据分析的线损治理方法。
本发明的有益效果如下:
1、利用大数据分析方法能高效识别***中电量异常的台区或用户,并自动生成诊断分析报告。利用软件大数据分析功能,降低了基层班组分析核查***数据难度,减少了现场排查的工作量,实现基层减负的同时,提高了线损问题治理效率。
2、提供严格策略和宽松策略,为数据分析建立容错机制,对局部阶段数据开展特性分析,防止因研判方法过度敏感而提取出大量的“异常”数据,避免无谓的增加现场核查工作量。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例提供的线损治理***功能框架图;
图2为本发明实施例中重点关注台区分类显示示意图,其中图2a分类显示日电量大幅度波动台区,图2b分类显示零电量台区;
图3为本发明实施例中典型异常台区,其中图3a为现场信号不稳定的典型台区,图3b为计量装置异常典型台区;
图4为本发明实施例中生成的重点台区电量变化曲线。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
一、如图1所示,本发明实施例提供了一种基于大数据分析的线损治理***:
1)、具备数据自动提取和存储功能,具体包括:
11)文件自动生成模块,用于自动扫描数据库中的原始数据,提取线路或台区名称,按照名称自动生成文档;
12)数据提取模块,用于提取数据库中所有变压器或用户的日电量关键数据;
13)数据自动更新模块,用于在同一文档中动态更新所有变压器或者用户的日电量关键数据,形成电量总表文档;
14)设备信息识别模块,用于当变压器或者用户信息变更时,在电量总表文档中自动更新信息,自动补充电量数据;
15)有序填充数据模块,用于按日期自动补录待分析电量数据,并存储到电量总表文档指定位置,便于观察用电量变化;
16)批量数据导入模块,用于批量导入多日连续数据。
2)、具备数据分析研判功能,具体包括:
21)大数据整体综合分析模块,用于针对多日电量数据开展综合分析,查找用电量变化异常的变压器或用户;
22)日数据单独分析诊断模块,用于在样本数据基础上,分析诊断任意某天电量数据,自动查找用电量异常的变压器或用户;
23)重点问题自动研判模块,用于诊断研判电量大幅波动、长期低用电量、疑似停运或表计损坏的变压器或用户;
24)分析诊断容错纠偏模块,用于提供严格诊断和宽松诊断,建立异常数据高敏机制,同时建立分析研判容错机制;
25)自动生成分析报告模块,用于针对大数据整体分析生成综合分析报告针对日电量分析生产日诊断报告。
3)、具备数据图像显示功能,具体包括:
31)变化趋势图像显示模块,用于以日电量为纵轴、真实日期为横轴,显示变压器或用户电量逐日变化波形;
32)分组筛选显示模块,用于对重点关注的电量大幅波动、低用电量、零用电量台区或用户分组显示;
33)模糊搜索查询模块,用于通过变压器或用户编号,模糊查询并显示相关电量信息;
34)数据波动图像导出模块,用于导出关注台区或用户的电量图形数据,并存储为通用的图片格式。
二、根据该基于大数据分析的线损治理***,进行线损治理时,包括以下步骤:
1)提取数据库中的电量数据,将所述电量数据存储到与其名称对应的电量数据文档中,在所述电量数据文档中动态更新所有变压器或用户的日电量关键数据,形成电量总表文档;当变压器或者用户信息变更时,在电量总表文档中更新信息,补充电量数据。动态更新数据时,按日期自动补录待分析电量数据,并存储到电量总表文档指定位置,便于观察用电量变化。
2)利用统计学原理,建立小概率事件集A和小概率事件集B;对所有的历史电量数据进行综合分析,形成概率分布,将满足小概率分布的电量数据划分到小概率事件集A;以当天前后一段时间内的电量数据为样本,利用统计学方法分析当日电量数据是否符合统计学规律,如不满足规律,当日电量数据则被列入小概率事件集B;所述严格策略:将事件集A和B作与运算,同时列入A和B的数据被作为异常数据;所述宽松策略,将事件集A和B作或运算,只要列入A或者B事件集之一的数据均被作为警示数据。针对单日或者多日电量数据,采用宽松策略或严格策略查找用电量异常的变压器或用户,判断用电量异常的变压器或用户异常类型,生成综合分析报告;依据该综合分析报告,实地进行变压器或用户异常检测处理。以日电量为纵轴、真实日期为横轴,分组显示所述用电量异常的变压器或用户电量逐日变化波形;导出关注台区或用户的电量图形数据,并存储为通用的图片格式。
本发明的又一个技术方案是:一种用于基于大数据分析的线损治理的装置,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现所述的基于大数据分析的线损治理方法。
本发明的再一个技术方案是:一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现所述的基于大数据分析的线损治理方法。
三、本发明方法能够自动识别用电量异常变化的变压器或者用户,从海量的数据中挖掘出重点关注对象,缩小线损治理现场核查范围,从而实现高效排查计量采集装置异常、通信信号异常、设备负载率异常等典型问题,提高线损治理效率,优化电力设备利用效率,突出降损经济效益。
针对计量采集装置以及现场信号异常导致的数据上传异常类问题,从数据上看,均可以归结为电量变化异常。因此,从两方面进行数据分析研判。
(1)、利用统计学概率论原理,对所有历史电量数据开展大数据综合分析,形成概率分布,将满足“小概率”划分原则的数据列入重点关注,并依据“小概率”事件频次界定关注程度,将此类数据列入小概率事件集A。
(2)、考虑气温变化、间歇性或季节性用电负荷等因素的影响,承认用电量存在短期波动的可能,因而为数据分析建立容错机制,对局部阶段数据开展特性分析,防止因研判方法过度敏感而提取出大量的“异常”数据,避免无谓的增加现场核查工作量。以分析某日电量数据为例,以当天前后一段时间内的数据为样本,利用统计学方法分析当日电量数据是否符合统计学规律,如不满足规律,当日数据则被列入小概率事件集B。
大数据整体综合分析,有利于把握线路中台区或用户的电量统计规律,便于综合诊断;局部阶段特性分析,则用于研判某日电量数据是否符合统计规律,进而判断设备功能是否正常。
针对不同的分析需求,从重点关注和一般提醒的角度考虑,在大数据分析统计环境辅以严格策略和宽松策略,能实现不同的分析目的。所谓严格策略,就是将事件集A和B作与运算,同时列入A和B的数据才被作为异常数据,需高度关注;所谓宽松策略,就是将事件集A和B作或运算,只要列入A或者B事件集之一的数据均被作为警示数据,需一般关注。具体的运算方式如下:
获取日电量样本数据X={X1,X2....Xn};
1)整体判定:利用3σ原则识别异常电量数据;
满足以上条件记为事件A;
A={Xi};
2)局部样本判定:从整体样本中截取周样本数据;
对于第i天电量数据Xi,构建周数据样本Ti;
Ti={Xi-3,Xi-2,Xi-1,Xi+1,Xi+2,Xi+3};
取样本Ti平均值;
设定下限系数m,上限系数n;
满足以上条件的事件记为B B={Xi};
算法1:严格判断与运算判断Xi∈{A∩B};
算法2:宽松判断或运算判断Xi∈{A∪B};
满足与运算事件记为C,作为重点关注异常数据C={Xi∈(A∩B)};
满足或运算事件记为D,作为一般关注异常数据D={Xi∈(A∪B)}。
严格策略与宽松策略适用于线损治理的不同阶段。在线损治理工作初期,执行严格策略,有利于抓住典型问题,把握重点,突出治理效率;线损治理后期,成果巩固提升阶段,执行宽松策略,全面排查电量数据存疑的设备,可进一步促进降损挖潜,提升线损指标。
针对线路中零负载率或者低负载率变压器,识别方法是设定负载率阈值和频次,统计分析大数据样本,当某台变压器负载率为零的时间和频次达到设定条件后,则被记入零负载率关注台区。同理,若负载率低于阈值、且切持续时间满足限定要求时,被计入低负载率关注台区。
出现零负载率台区有多方面原因:一方面可能是变压器下方已确无用电负荷,真实负载率为零,此类变压器可以停用处理;另一方面原因则可能是现场表计、计量装置或者通信信号异常,此类台区则需开展治理工作。电力设备利用率低会造成电网资源浪费,也会加大线路损耗,对于真实负载率为零或者较低的变压器,应通过强化日常运维管理、优化低压供电方案、提升技术手段等措施提高设备利用效率,降低线损,提升经济效益。
四、下面结合具体的实施例子进行论证分析:
为验证线损分析软件实际功能,选取了大量配网线路和台区电量数据,开展10kV分线、0.4kV分台区线损分线工作。以北京怀柔地区10kV庙华路为例,分析查找线路中电量异常的变压器、以及零(低)负载率台区。分析所用电量数据来源于国家电网公司“一体化”同期线损***,将2019年4月1日至6月8日间的日线损电量数据收集完毕,运行程序并批量导入电量数据文件,自动提取重点关注信息,并按时间顺序自动生成电量总表文件。
待完成原始据提取并按顺序存储后,依据参数设置有针对性的开展数据分析,并生成分析报告。数据分析方式设置为“综合分析多日电量数据”,程序对10kV庙华路历史数据开展整体综合分析,通过严格策略与宽松策略查找电量异常跳变重点关注台区和电量波动一般关注台区,同时利用零(低)负载率识别算法,查找低负载率台区。依据大数据自动分析结果,程序自动生成综合分析报告。
在按设定模式完成数据分析后,将线路下所有变压器的电量数据以曲线形式在图形界面显示。利用程序模糊查询功能,查找关注台区信息,也可通过台区索引信息,查找关注台区的电量变化曲线。
分析10kV庙华路历史数据,显示部分台区电量数据出现大幅度的异常波动,同时有部分台区长期为零负载率。日电量大幅波动的台区和零电量台区是线损分析关注重点,针对这些台区,可利用台区分类显示功能,自动收集同类问题的台区编号,方便查询,提高问题分析效率。
利用图像显示功能,能有效识别和查找线路中存在电量异变的典型问题。图2显示:用户编号0002329947的两台变压器的电量数据均有异常波动,图2a中4月1日电量大幅度跳变,变压器日用电量将近3000kWh,4月2日至4月19日间日电量均值约30kWh,而4月20号以后电量为零,表明计量采集装置发生异常,出现上传电量数据跳变,后期出现台区停运或者现场信号异常;而图2b对应的变压器,自4月19日电量数据上传失败,4月20日正常上传电量,再往后日用电量均为零,变成了零电量台区。同一用户两台变压器均在4月20日以后成为零电量台区,极有可能用户配电室通信信号出现异常,导致电量数据无法正常上传。经现场核实,配电室中通信运营商信号装置故障,并导致配电室无信号。
图3a变压器的电量变化曲线表明该变压器所处位置通信信号不稳定,时常发生当日电量信息不能及时上传***,隔日上传的电量数据约为平均日电量的2倍,影响线路日损计算,针对该台区,应该加强现场信号,保证电量数据稳定上传。图3b显示的变压器,日电量数据频繁大幅跳变,4月19日以前,日正常用电量约200kWh,而4月21日开始,台区用电量为0,表明计量采集存在故障。经现场核实,该变压器为路灯变,采集模块存在故障,更换采集模块后即恢复正常。
结合线损分析报告所罗列的分类关注信息,并通过分析软件导出重点关注台区或用户的电量变化曲线,如图4所示,能有效降低基层班组分析数据、排查问题的难度,提高了线损治理工作效率。本发明实施例提供的线损治理***,在大数据分析方法中,设置严格策略和宽松策略,既能高效排查异常数据,也能提升容错纠偏能力,强化了实用性。通过本发明实施例提供的线损治理***,分析配网电量历史数据,能够高效识别线路或台区下方计量采集异常、通信信号异常、负载率异常等典型问题,提高了配网线损问题排查治理的针对性。利用大数据分析技术开展线损治理工作,能显著降低一线员工分析数据、查找问题的难度,有助于基层班组减负,有利于提高线损工作效率。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (10)
1.基于大数据分析的线损治理方法,其特征在于,包括以下步骤:
1)提取数据库中的电量数据,将所述电量数据存储到与其名称对应的电量数据文档中,在所述电量数据文档中动态更新所有变压器或用户的日电量关键数据,形成电量总表文档;
2)针对单日或者多日电量数据,采用宽松策略或严格策略查找用电量异常的变压器或用户,判断用电量异常的变压器或用户异常类型,生成综合分析报告;依据该综合分析报告,实地进行变压器或用户异常检测处理。
2.根据权利要求1所述的基于大数据分析的线损治理方法,其特征在于,所述步骤2)还包括:以日电量为纵轴、真实日期为横轴,分组显示所述用电量异常的变压器或用户电量逐日变化波形;导出关注台区或用户的电量图形数据,并存储为通用的图片格式。
3.根据权利要求1所述的基于大数据分析的线损治理方法,其特征在于,所述步骤2)中,利用统计学原理,建立小概率事件集A和小概率事件集B;对所有的历史电量数据进行综合分析,形成概率分布,将满足小概率分布的电量数据划分到小概率事件集A;以当天前后一段时间内的电量数据为样本,利用统计学方法分析当日电量数据是否符合统计学规律,如不满足规律,当日电量数据则被列入小概率事件集B;
所述严格策略:将小概率事件集A和B作与运算,同时列入小概率事件集A和小概率事件集B的数据被作为异常数据;
所述宽松策略,将小概率事件集A和小概率事件集B作或运算,只要列入小概率事件集A或者小概率事件集B之一的数据均被作为警示数据。
4.根据权利要求1所述的基于大数据分析的线损治理方法,其特征在于,所述步骤1)中,当变压器或者用户信息变更时,在电量总表文档中更新信息,补充电量数据。
5.根据权利要求1所述的基于大数据分析的线损治理方法,其特征在于,所述步骤1)中,动态更新数据时,按日期自动补录待分析电量数据,并存储到电量总表文档指定位置,便于观察用电量变化。
6.一种基于大数据分析的线损治理***,其特征在于,包括:
文件自动生成模块,用于自动扫描数据库中的电量数据,提取线路或台区名称,按照名称自动生成文档;
数据自动提取模块,用于提取并存储数据库中所有变压器或用户的日电量关键数据;
数据自动更新模块,用于在同一文档中动态更新所有变压器或者用户的日电量关键数据,形成电量总表文档;
大数据整体综合分析模块,用于针对多日电量数据开展综合分析,查找用电量变化异常的变压器或用户;
日数据单独分析诊断模块,用于在样本数据基础上,分析诊断任意某天电量数据,自动查找用电量异常的变压器或用户;
重点问题自动研判模块,用于诊断研判电量大幅波动、长期低用电量、疑似停运或表计损坏的变压器或用户;
分析诊断容错纠偏模块,用于提供严格策略和宽松策略,查找用电量异常的变压器或用户;
自动生成分析报告模块,用于针对大数据整体分析模块生成综合分析报告、针对日数据单独分析诊断模块生成日诊断报告。
7.根据权利要求6所述的基于大数据分析的线损治理***,其特征在于,还包括:
变化趋势图像显示模块,用于以日电量为纵轴、真实日期为横轴,显示用电量异常的变压器或用户电量逐日变化波形;
分组筛选显示模块,用于对电量大幅波动、低用电量、零用电量台区或用户分组显示;
模糊搜索查询模块,用于通过变压器或用户编号,模糊查询并显示相关电量信息;
数据波动图像导出模块,用于导出用电量异常的台区或用户的电量图形数据,并存储为通用的图片格式。
8.根据权利要求6所述的基于大数据分析的线损治理***,其特征在于,还包括:
设备信息变更识别模块,用于当变压器或者用户信息变更时,在电量总表文档中自动更新信息,自动补充电量数据;
有序填充数据模块,用于按日期自动补录待分析电量数据,存储到电量总表文档指定位置;
批量数据导入模块,用于批量导入多日连续电量数据。
9.一种用于基于大数据分析的线损治理的装置,其特征在于,包括存储器和处理器;
所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如权利要求1至5任一项所述的基于大数据分析的线损治理方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至5任一项所述的基于大数据分析的线损治理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219832.4A CN112308437A (zh) | 2020-11-04 | 2020-11-04 | 基于大数据分析的线损治理方法、***、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219832.4A CN112308437A (zh) | 2020-11-04 | 2020-11-04 | 基于大数据分析的线损治理方法、***、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308437A true CN112308437A (zh) | 2021-02-02 |
Family
ID=74326109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011219832.4A Pending CN112308437A (zh) | 2020-11-04 | 2020-11-04 | 基于大数据分析的线损治理方法、***、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308437A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673580A (zh) * | 2021-07-28 | 2021-11-19 | 贵州电网有限责任公司 | 基于大数据建模的窃电嫌疑判断方法 |
JP7506868B2 (ja) | 2022-07-25 | 2024-06-27 | 雲南電網有限責任公司楚雄供電局 | 配電変圧器の異常容量に対するビッグデータ・スクリーニング・方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11278093A (ja) * | 1998-03-27 | 1999-10-12 | Nissan Motor Co Ltd | 車両用定速走行制御システム |
US20050246572A1 (en) * | 2004-04-15 | 2005-11-03 | Chris Wilson | Fault tolerant data storage device |
CN102509162A (zh) * | 2011-11-18 | 2012-06-20 | 深圳市科陆电子科技股份有限公司 | 一种居民智能用电管理方法和管理*** |
CN102749541A (zh) * | 2012-07-09 | 2012-10-24 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种基于能量守恒的实时母线和计量设备状态在线监测*** |
WO2013009890A2 (en) * | 2011-07-13 | 2013-01-17 | The Multiple Myeloma Research Foundation, Inc. | Methods for data collection and distribution |
CN103353895A (zh) * | 2013-07-22 | 2013-10-16 | 广西电网公司电力科学研究院 | 一种配电网线损数据的预处理方法 |
CN104036357A (zh) * | 2014-06-12 | 2014-09-10 | 国家电网公司 | 用户用电窃电行为模式的分析方法 |
WO2015138016A1 (en) * | 2014-03-13 | 2015-09-17 | The Nielsen Company (Us), Llc | Methods and apparatus to compensate impression data for misattribution and/or non-coverage by a database proprietor |
CN106707099A (zh) * | 2016-11-30 | 2017-05-24 | 国网上海市电力公司 | 基于异常用电检测模型的监测定位方法 |
CN107196804A (zh) * | 2017-06-01 | 2017-09-22 | 国网山东省电力公司信息通信公司 | 电力***终端通信接入网告警集中监控***及方法 |
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 |
US10148525B1 (en) * | 2018-04-13 | 2018-12-04 | Winshuttle, Llc | Methods and systems for mitigating risk in deploying unvetted data handling rules |
KR20190010956A (ko) * | 2017-07-24 | 2019-02-01 | 주식회사 시큐리티인사이드 | 지능형 보안로그 분석방법 |
CN110046145A (zh) * | 2019-04-02 | 2019-07-23 | 国网安徽省电力有限公司 | 基于电能量大数据研究的专家智能分析服务平台 |
CN111160791A (zh) * | 2019-12-31 | 2020-05-15 | 国网北京市电力公司 | 一种基于gbdt算法及因素融合的异常用户识别方法 |
-
2020
- 2020-11-04 CN CN202011219832.4A patent/CN112308437A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11278093A (ja) * | 1998-03-27 | 1999-10-12 | Nissan Motor Co Ltd | 車両用定速走行制御システム |
US20050246572A1 (en) * | 2004-04-15 | 2005-11-03 | Chris Wilson | Fault tolerant data storage device |
WO2013009890A2 (en) * | 2011-07-13 | 2013-01-17 | The Multiple Myeloma Research Foundation, Inc. | Methods for data collection and distribution |
CN102509162A (zh) * | 2011-11-18 | 2012-06-20 | 深圳市科陆电子科技股份有限公司 | 一种居民智能用电管理方法和管理*** |
CN102749541A (zh) * | 2012-07-09 | 2012-10-24 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种基于能量守恒的实时母线和计量设备状态在线监测*** |
CN103353895A (zh) * | 2013-07-22 | 2013-10-16 | 广西电网公司电力科学研究院 | 一种配电网线损数据的预处理方法 |
WO2015138016A1 (en) * | 2014-03-13 | 2015-09-17 | The Nielsen Company (Us), Llc | Methods and apparatus to compensate impression data for misattribution and/or non-coverage by a database proprietor |
CN104036357A (zh) * | 2014-06-12 | 2014-09-10 | 国家电网公司 | 用户用电窃电行为模式的分析方法 |
CN106707099A (zh) * | 2016-11-30 | 2017-05-24 | 国网上海市电力公司 | 基于异常用电检测模型的监测定位方法 |
CN107196804A (zh) * | 2017-06-01 | 2017-09-22 | 国网山东省电力公司信息通信公司 | 电力***终端通信接入网告警集中监控***及方法 |
KR20190010956A (ko) * | 2017-07-24 | 2019-02-01 | 주식회사 시큐리티인사이드 | 지능형 보안로그 분석방법 |
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 |
US10148525B1 (en) * | 2018-04-13 | 2018-12-04 | Winshuttle, Llc | Methods and systems for mitigating risk in deploying unvetted data handling rules |
CN110046145A (zh) * | 2019-04-02 | 2019-07-23 | 国网安徽省电力有限公司 | 基于电能量大数据研究的专家智能分析服务平台 |
CN111160791A (zh) * | 2019-12-31 | 2020-05-15 | 国网北京市电力公司 | 一种基于gbdt算法及因素融合的异常用户识别方法 |
Non-Patent Citations (7)
Title |
---|
张晶等: "基于营销大数据的用电异常事件统计及窃电特征分析", 供用电, pages 3 * |
朱明程, 温粤: "FPGA动态可重构数字电路容错***的研究", 东南大学学报(自然科学版), no. 04, 20 July 2000 (2000-07-20) * |
李端超;王松;黄太贵;程栩;许小龙;窦万春;: "基于大数据平台的电网线损与窃电预警分析关键技术", 电力***保护与控制, no. 05, 7 March 2018 (2018-03-07) * |
王浩等: "考虑节点剩余电量及簇头间距的簇划分WSN容错分组", 控制工程, 31 December 2017 (2017-12-31) * |
王蓉;: "基于台区线损治理问题的相关分析", 低碳世界, no. 10 * |
苗兴;邢新超;何松辉;: "低压台区线损精细化治理方法探究", 科技创新与生产力, no. 06, 10 June 2020 (2020-06-10) * |
钱正浩;吴广财;: "一种基于大数据挖掘的电费回收风险预测技术研究", 电子世界, no. 19, 8 October 2017 (2017-10-08) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673580A (zh) * | 2021-07-28 | 2021-11-19 | 贵州电网有限责任公司 | 基于大数据建模的窃电嫌疑判断方法 |
JP7506868B2 (ja) | 2022-07-25 | 2024-06-27 | 雲南電網有限責任公司楚雄供電局 | 配電変圧器の異常容量に対するビッグデータ・スクリーニング・方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674189B (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
CN108830510B (zh) | 一种基于数理统计的电力数据预处理方法 | |
CN108282026A (zh) | 一种高压开关设备远程运维*** | |
CN108647328B (zh) | 可靠性停电事件采集完整性分析与自动补全方法 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、***、终端及可读存储介质 | |
AU2022204116A1 (en) | Verification method for electrical grid measurement data | |
CN102567412A (zh) | 一种计算机辅助电网负荷分析的信息处理方法 | |
CN112308437A (zh) | 基于大数据分析的线损治理方法、***、装置和存储介质 | |
CN111507013A (zh) | 一种面向电力***线损故障定位实现方法 | |
CN116742799A (zh) | 一种基于物联网技术的配电辅助监测预警*** | |
CN116976561A (zh) | 高压电缆类设备全生命周期碳足迹核算方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及*** | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN106355489A (zh) | 一种面向管理的数据中心***及数据处理方法 | |
CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
CN111311089B (zh) | 一种电力物联网的大数据统计方法及*** | |
CN114200203B (zh) | 一种变电站计量装置故障监控方法和*** | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测*** | |
CN102882279A (zh) | 电网负荷的实时实测与在线分析方法 | |
CN112541833B (zh) | 基于特征匹配知识库的电力***远动数据质量治理方法及其*** | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
CN110298585B (zh) | 一种变电站设备监控信息分层分级自动审核方法 | |
CN112271821A (zh) | 基于云计算的用电终端降损节能智能化监测与分析*** | |
CN112307080A (zh) | 一种以电压暂降事件为驱动的电网供电损失分析方法 | |
Meng et al. | Research on the typical application of knowledge graph in power marketing |
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 |