CN112330225B - 通过服务器获取线损影响因素影响度的方法、服务器和介质 - Google Patents
通过服务器获取线损影响因素影响度的方法、服务器和介质 Download PDFInfo
- Publication number
- CN112330225B CN112330225B CN202011386066.0A CN202011386066A CN112330225B CN 112330225 B CN112330225 B CN 112330225B CN 202011386066 A CN202011386066 A CN 202011386066A CN 112330225 B CN112330225 B CN 112330225B
- Authority
- CN
- China
- Prior art keywords
- line loss
- influence
- influence degree
- server
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 76
- 238000013507 mapping Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000001960 triggered effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 1
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 1
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- G06Q10/06395—Quality analysis or 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种通过服务器获取线损影响因素影响度的方法、服务器和介质,该方法包括如下步骤:服务器从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从PMS***获取各台区对应线路参数和用户数据,从用电信息采集***获取各台区对应的线损值;根据第一位置数据和第二位置数据确定各台区对应的供电半径;将上述得到的数据确定为线损影响因素;基于粗糙集理论,根据线损影响因素构建对应的影响度决策模型,并基于该模型确定各个线损影响因素对台区线损的影响度,并将大于预设值的影响度确定为目标影响度发送给终端设备根据目标影响度输出提示信息。本发明实现了准确确定各个线损影响因素对台区线损的影响程度。
Description
技术领域
本发明涉及电力***技术领域,具体涉及一种通过服务器获取线损影响因素影响度的方法、服务器和介质。
背景技术
电网的节能发展及规划评估都离不开线损率的指导,而如何精确计算目标电网的线损率,以及如何准确定位降低目标电网线损率的突破口,是技术研究的难点。随着规模电网运行管理的智能化、数字化发展以及人工智能、大数据技术的不断成熟,线损大数据算法相对于传统的如均方根电流法、等值电阻法、电压损失法、潮流算法等线损率计算方法对源数据质量的要求相对较低,不依赖于实际的台区电路的物理模型,且计算性能也远高于其他传统算法,所以被越来越多的应用到台区线损率的计算中。
在实际应用过程中,大数据算法模型需要将台区相关的源数据通过组合计算的形式转化为线损的因素数据作为样本输入至大数据算法模型中,既保证了大数据算法模型特征输入的完整性,也降低了大数据算法模型的训练维度,提升了计算性能。但是由于大数据算法模型的特殊性以及各线损影响因素组合的多样性,很难直接由大数据算法模型准确获取到线损率与各线损影响因素之间的关联关系,即很难准确获取到各个线损影响因素对台区线损率的影响度。
由此可知,目前无法准确确定各个线损影响因素对台区线损的影响程度。
发明内容
本发明主要目的在于提供一种通过服务器获取线损影响因素影响度的方法、服务器和介质,以准确确定各个线损影响因素对台区线损的影响程度。
为实现上述目的,本发明采用的技术方案如下:
一种终端设备通过服务器获取线损影响因素影响度的方法,应用于服务器,所述服务器分别与PMS***、GIS***和用电信息采集***连接,所述方法包括以下步骤:
S100,所述服务器从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从所述PMS***获取各台区对应线路参数和用户数据,从所述用电信息采集***获取各台区对应的线损值;其中,所述第一位置数据包括第一经度数据和第一纬度数据,第二位置数据包括第二经度数据和第二纬度数据;
S200,计算所述第一经度数据与各个所述第二经度数据之间的差值,得到第一差值,以及计算所述第二纬度数据与各个所述第二纬度数据之间的差值,得到第二差值;根据所述第一差值和所述第二差值确定每个台区与所述台区内用户之间的间隔距离,将间隔距离的最大值确定为所述台区的供电半径;
S300,将所述各台区的供电半径、所述线路参数、所述用户数据和所述线损值确定为线损影响因素;
S400,基于预设的粗糙集理论,根据所述线损影响因素构建对应的影响度决策模型;
S500,根据所述影响度决策模型确定各个线损影响因素对台区线损的影响度,并将大于预设值的影响度确定为目标影响度;
S600,存储各个线损影响因素对应的目标影响度;
S700,在接收到所述终端设备获取线损影响因素对应影响度的获取请求后,将所述获取请求对应的在步骤S600存储的线损影响因素的目标影响度发送给所述终端设备,以供所述终端设备根据所述目标影响度输出提示信息。
优选地,所述步骤S500包括:
选取待确定影响度的目标线损影响因素,计算所述条件属性集合相对于所述决策属性集合的第一依赖度;
在所述条件属性集合中删除所述目标线损影响因素,得到处理后的条件属性集合,并计算处理后的条件属性集合相对于所述决策属性集合的第二依赖度;
根据所述第一依赖度和所述第二依赖度计算得到所述目标线损影响因素对台区线损的影响度,从而得到各个线损影响因素对所述台区线损的影响度,并将大于预设值的影响度确定为目标影响度。
优选地,所述计算所述条件属性集合相对于所述决策属性集合的第一依赖度的步骤包括:
计算所述条件属性集合对应的相对正域;
根据所述相对正域和所述样本集合计算所述条件属性集合相对于所述决策属性集合的第一依赖度。
优选地,在所述步骤S400中,所述影响度决策模型表示为S={U,R,V,f},所述U表示所述线损影响因素的样本集合,一个台区对应的线损影响因素为一个样本,所述R=C∪D,C表示所述样本集合中各个样本对应的条件属性集合,D表示所述样本集合中各个样本对应的决策属性集合,V表示各个条件属性对应的条件属性值和各个决策属性对应的决策属性值,f表示U与V之间的映射关系,以及R和V之间的映射关系。
本发明还提供一种服务器,其特征在于,所述服务器分别与PMS***、GIS***和用电信息采集***连接,所述服务器包括:
获取模块,用于从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从所述PMS***获取各台区对应线路参数和用户数据,从所述用电信息采集***获取各台区对应的线损值;其中,所述第一位置数据包括第一经度数据和第一纬度数据,第二位置数据包括第二经度数据和第二纬度数据;
计算模块,用于计算所述第一经度数据与各个所述第二经度数据之间的差值,得到第一差值,以及计算所述第二纬度数据与各个所述第二纬度数据之间的差值,得到第二差值;
半径确定模块,用于根据所述第一差值和所述第二差值确定每个台区与所述台区内用户之间的间隔距离,将间隔距离的最大值确定为所述台区的供电半径;
因素确定模块,用于将所述各台区的供电半径、所述线路参数、所述用户数据和所述线损值确定为线损影响因素;
构建模块,用于基于预设的粗糙集理论,根据所述线损影响因素构建对应的影响度决策模型;
影响度确定模块,用于根据所述影响度决策模型确定各个线损影响因素对台区线损的影响度,并将大于预设值的影响度确定为目标影响度;
存储模块,用于存储各个线损影响因素对应的目标影响度;
发送模块,用于在接收到所述终端设备获取线损影响因素对应影响度的获取请求后,将所述获取请求对应的线损影响因素的目标影响度发送给所述终端设备,以供所述终端设备根据所述目标影响度输出提示信息。
本发明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上存储有计算机程序,所述计算机程序被处理器执行时实现如所述的终端设备通过服务器获取线损影响因素影响度的方法的步骤。
【有益效果】
通过服务器从PMS***、GIS***和用电信息采集***中获取各个台区对应的线损影响因素;基于预设的粗糙集理论,根据线损影响因素构建对应的影响度决策模型;根据影响度决策模型确定各个线损影响因素对台区线损的影响度,并大于预设值的影响度确定为目标影响度,然后根据终端设备发送的获取请求,将获取请求对应的目标影响度发送给终端设备,以供终端设备根据目标影响度输出提示信息。实现了通过粗糙集理论在处理评价信息属性重要度领域的计算能力,准确计算出各个线损影响因素对台区线损的影响度,从而准确确定各个线损影响因素对台区线损的影响程度,并将对台区线损影响大的线损影响因素的影响度发送给终端设备,让相应的用户及时获知对台区线损影响较大的线损影响因素。
本发明的其他有益效果,将在具体实施方式中通过具体技术特征和技术方案的介绍来阐述,本领域技术人员通过这些技术特征和技术方案的介绍,应能理解所述技术特征和技术方案带来的有益技术效果。
附图说明
以下将参照附图对根据本发明的优选实施方式进行描述。图中:
图1是本发明一实施例的终端设备通过服务器获取线损影响因素影响度的方法流程框图。
图2是本发明实施例中服务器的结构示意图。
具体实施方式
现结合附图,对本发明的较佳实施例作详细说明。
需要说明的是,本发明中采用步骤编号(字母或数字编号)来指代某些具体的方法步骤,仅仅是出于描述方便和简洁的目的,而绝不是用字母或数字来限制这些方法步骤的顺序。本领域的技术人员能够明了,相关方法步骤的顺序,应由技术本身决定,不应因步骤编号的存在而被不适当地限制。
如图1所示,是本发明一实施例的终端设备通过服务器获取线损影响因素影响度的方法流程框图。
步骤S100,所述服务器从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从所述PMS***获取各台区对应线路参数和用户数据,从所述用电信息采集***获取各台区对应的线损值;其中,所述第一位置数据包括第一经度数据和第一纬度数据,第二位置数据包括第二经度数据和第二纬度数据。
在本实施例中,服务器可为个人计算机、服务器、掌上电脑等设备。服务器与PMS(Power production Management System,工程生产管理***)***、GIS(GeographicInformation System,地理信息***)***、用电信息采集***建立了通信连接,可以从PMS***、GIS***和用电信息采集***获取确定各个线损影响因素对台区线损影响度的数据。当服务器接收到获取线损影响因素的获取指令后,服务器根据该获取指令从PMS***、GIS***和/或用电信息采集***中获取各个台区对应的线损影响因素,即服务器可根据获取指令从PMS***、GIS***和用电信息采集***中的一个***或者多个***中获取线损影响因素,PMS***、GIS***和用电信息采集***中存储有不同的线损影响因素。其中,台区是指(一台)变压器的供电范围或区域。该获取指令可以是服务器自动触发的,也可以是服务器对应用户触发的,或者接收到其他终端设备发送的指令时触发的。
服务器可从PMS***、GIS***和用电信息采集***获取预设时长内所建立的各个台区对应的线损影响因素,如获取最近1年内各个台区对应的线损影响因素。需要说明的是,每个台区都存在对应的台区标识。在PMS***、GIS***和用电信息采集***中,台区标识和对应台区的建立时间是存在对应关系的,因此通过台区标识即知道对应台区的建立时间。可以理解的是,线损影响因素就是影响台区线损水平的档案因素,档案因素是针对技术因素而言的,即档案因素对台区线损的影响并不是由于技术上的问题导致的。
具体地,服务器从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从PMS***获取各台区对应线路参数和用户数据,从用电信息采集***获取各台区对应的线损值。其中,线路参数至少包括各个台区对应的电缆线长度和架空线长度,用户数据至少包括各个台区对应的用户总数据和三相用户数量,用户总数量包括三相用户数量,每一台区至少对应一个用户。第一位置数据包括第一经度数据和第一纬度数据,第二位置数据包括第二经度数据和第二纬度数据。在本实施例中,为了便于区分,本实施例将各个台区的经度数据记为第一经度数据,各个台区的纬度数据记为第一纬度数据,用户对应的经度数据记为第二经度数据,用户对应的纬度数据记为第二纬度数据。在其他实施例中,第一位置数据和第二位置数据也可通过其他形式表示,如第一位置数据和第二位置数据可通过坐标数据表示。
步骤S200,计算所述第一经度数据与各个所述第二经度数据之间的差值,得到第一差值,以及计算所述第二纬度数据与各个所述第二纬度数据之间的差值,得到第二差值;根据所述第一差值和所述第二差值确定每个台区与所述台区内用户之间的间隔距离,将间隔距离的最大值确定为所述台区的供电半径。
步骤S300,将所述各台区的供电半径、所述线路参数、所述用户数据和所述线损值确定为线损影响因素。
需要说明的是,每一台区的供电半径的计算过程都相同,因此本实施例只对计算一个台区的供电半径的过程进行阐述。在计算一个台区的供电半径过程中,是需要通过该台区的经纬度数据和该台区对应用户的经纬度数据来计算的。本实施例中,服务器将当前计算供电半径的台区记为目标台区。具体地,服务器计算目标台区的供电半径的过程为:计算目标台区的第一经度数据与目标台区对应各个用户的第二经度数据之间的差值,得到第一差值,以及计算目标台区的第二纬度数据与目标台区对应各个用户的第二纬度数据之间的差值,得到第二差值。可以理解的是,第一差值和第二差值的数量相等,都等于目标台区内的用户总数量。在计算供电半径过程中,所用的第二经度数据和第二纬度数据是台区内所有用户(包括三相用户)的经纬度数据。
服务器在计算得到目标台区的第一差值和第二差值后,计算第一差值的平方,得到第一平方值,以及计算第二差值的平方,得到第二平方值,然后计算第一平方值和第二平方值之和,对第一平方值和第二平方值之和开根号,得到目标台区与各个用户之间的间隔距离。当服务器得到目标台区与各个用户之间的间隔距离后,服务器在该间隔距离中选取最大的间隔距离,该最大的间隔距离就是目标台区的供电半径。
具体地,若将目标台区的第一经度数据记为long1,第一纬度数据记为lat1,目标台区对应用户的第二经度数据记为long2,第二纬度数据记为lat2,供电半径记为r,则计算供电半径的计算公式可表示为公式(1)。
可以理解的是,在其他实施例中,服务器也可以直接从GIS***中获取各个台区的供电半径,即根据第一位置数据和第二位置数据计算供电半径的过程是在GIS***中完成的,服务器可以直接从GIS***中获取供电半径。
当服务器得到各台区的供电半径、线路参数、用户数据和线损值后,将各台区的供电半径、线路参数、用户数据和线损值确定为线损影响因素,即线损影响因素至少包括各个台区的供电半径、电缆线长度、架空线长度、用户总数量、三相用户数量和线损值。
步骤S400,基于预设的粗糙集理论,根据所述线损影响因素构建对应的影响度决策模型。
其中,所述影响度决策模型表示为S={U,R,V,f},所述U表示所述线损影响因素的样本集合,一个台区对应的线损影响因素为一个样本,所述R=C∪D,C表示所述样本集合中各个样本对应的条件属性集合,D表示所述样本集合中各个样本对应的决策属性集合,V表示各个条件属性对应的条件属性值和各个决策属性对应的决策属性值,f表示U与V之间的映射关系,以及R和V之间的映射关系。
当服务器获取到各个台区对应的线损影响因素后,服务器基于预设的粗糙集理论,根据各个台区对应的线损影响因素构建对应的影响度决策模型,其中,影响度决策模型表示为S={U,R,V,f},U表示线损影响因素的样本集合,一个台区对应的线损影响因素为一个样本,R=C∪D,C表示样本集合中各个样本对应的条件属性集合,表现样本的特征,D表示样本集合中各个样本对应的决策属性集合,表现样本的类别,V表示各个条件属性对应的条件属性值和各个决策属性对应的决策属性值,f表示U与V之间的映射关系,以及R和V之间的映射关系。粗糙集理论是建立在分类机制的基础上的,它将分类理解为在特定空间上的等价关系,而等价关系构成了对该空间的划分。粗糙集理论将知识理解为对数据的划分,每一被划分的集合称为概念。粗糙集理论的主要思想是利用已知的知识库,将不精确或不确定的知识用已知的知识库中的知识来(近似)刻画。
在本实施例,一个台区对应的线损影响因素为一个样本,一个样本中包括一个或者多个线损影响因素和一个线损值,本实施例不限制样本集合中的样本数量,可根据具体需要设置样本集合中样本数量。可以理解的是,当样本集合中的样本数量越多时,计算得到的各个线损影响因素对台区线损的影响度越准确。
为了便于理解响应度决策模型,本实施例举例说明影响度决策模型。如当存在3个样本,且这3个样本对应的线损影响因素为供电半径、电缆线长度、架空线长度、用户总数量、三相用户数量和线损值,则条件属性集合C为{供电半径,电缆线长度,架空线长度,用户总数量,三相用户数量},决策属性集合D为{线损值},V为供电半径、电缆线长度、架空线长度、用户总数量、三相用户数量和线损值对应的数值,如当供电半径为a时,则V为a。
步骤S500,根据所述影响度决策模型确定各个线损影响因素对台区线损的影响度,并将大于预设值的影响度确定为目标影响度。
步骤S600,存储各个线损影响因素对应的目标影响度。
当服务器得到影响度决策模型后,服务器根据影响度决策模型确定各个线损影响因素对台区线损的影响度。可以理解的是,服务器根据影响度决策模型确定各个线损影响因素对台区线损的影响度的过程是一样的。服务器判断各个线损影响因素对台区线损的影响度是否大于预设值,本实施例不限制预设值的大小,用户可以根据具体需要设置预设值的大小。若服务器确定某个线损影响因素对台区线损的影响度大于预设值,则将大于预设值的影响度确定为目标影响度,并存储各个线损影响因素对应的目标影响度,即存储目标影响度。
进一步地,当服务器得到各个线损影响因素对应的影响度后,服务器将影响度发送给终端设备,以供终端设备根据该影响度输出提示信息。具体地,服务器可将部分线损影响因素对应的影响度发送给终端设备,也可以将所有线损影响因素对应的影响度发送给终端设备。当终端设备接收到线损影响因素对应的影响度后,终端设备可以根据线损影响因素对应的影响度大小输出不同的提示信息。如当终端设备确定某个线损影响因素的影响度大于预设第一值后,终端设备输出提示信息提示用户,该线损影响因素对台区线损影响度过大,需要考虑降低该线损影响因素对台区线损的影响度,此时,终端设备还可以输出如何降低该线损影响因素对台区线损的影响度的解决方案;当终端设备确定某个线损影响因素的影响度大于预设第二值,小于或者等于预设第一值,终端设备则输出提示信息提示用户,该线损影响因素对台区线损的影响度一般;当终端设备确定某个线损影响因素的影响度小于或者等于预设第二值时,终端设备则输出提示信息提示用户,该线损影响因素对台区线损的影响度较低。需要说明的是,本实施例不限制终端设备输出提示信息的输出方式,如终端设备可通过语音或者文字等方式输出提示信息,也不限制预设第一值和预设第二值的具体数值。
进一步地,步骤S500包括:
步骤b,选取待确定影响度的目标线损影响因素,计算所述条件属性集合相对于所述决策属性集合的第一依赖度。
进一步地,服务器选取待确定影响度的目标线损影响因素,具体地,服务器依次将各个线损影响因素选取为待确定影响度的目标线损影响因素。当服务器确定目标线损影响因素后,服务器计算条件属性集合相对于决策属性集合的依赖度,并将条件属性集合相对于决策属性集合的依赖度记为第一依赖度。
进一步地,在步骤b中,所述计算所述条件属性集合相对于所述决策属性集合的第一依赖度的步骤包括:
步骤b1,计算所述条件属性集合对应的相对正域。
具体地,服务器计算第一依赖度的过程为:服务器计算条件属性集合对应的相对正域,在本实施例中,将条件属性集合对应的相对正域记为POSC(D),采用公式(2)计算相对正域。
公式(2):POSC(D)={x∈U,[x]C∪D∈X},其中,公式(2)表示根据现有的知识(C∪D),判断U中所有能确定所属集合的对象所组成的集合X,即集合U中,能够确定关系的样本集合X,当确定的C能对应到唯一的D时,表明该样本能确定关系,属于样本集合X。在公式(2),“[]”表示集合的概念,x表示线损影响因素。在粗糙集理论中,知识是对对象分类的能力,对象是指任何实体,一般称为论域,为U的任何子集族。
步骤b2,根据所述相对正域和所述样本集合计算所述条件属性集合相对于所述决策属性集合的第一依赖度。
当服务器计算得到条件属性集合对应的相对正域后,服务器根据相对正域和样本集合计算条件属性集合相对于决策属性集合的第一依赖度。具体地,服务器采用公式(3)计算第一依赖度。
公式(3):γC(D)=POSC(D)/U,其中,γC(D)表示第一依赖度,可以理解的是,在计算第一依赖度过程中,是采用样本集合U中的各个样本的属性值,如决策属性值和条件属性值。需要说明的是,计算依赖度的公式是一个统计学概念,在公式(3)中,POSC(D)表示样本集合U中具有确定关系的样本数量,U表示样本集合中的样本数量。如当POSC(D)中有60个样本时,U中有100个样本时,γC(D)=60÷100=0.6。
步骤c,在所述条件属性集合中删除所述目标线损影响因素,得到处理后的条件属性集合,并计算处理后的条件属性集合相对于所述决策属性集合的第二依赖度。
当服务器得到第一依赖度后,服务器在条件属性集合中删除目标线损影响因素,得到处理后的条件属性集合,然后计算处理后的条件属性集合的相对正域,具体地,采用公式(4)计算处理后的条件属性集合的相对正域。
公式(4):POSC-B(D)={x∈U,[x](C-B)∪D∈X},其中,POSC-B(D)表示处理后的条件属性集合的相对正域,C-B表示条件属性集合中删除目标线损影响因素B后得到的处理后的条件属性集合。需要说明的是,计算处理后的条件属性集合的相对正域的原理和计算条件属性集合的相对正域的原理相同,在此不再重复赘述。
当服务器得到处理后的条件属性集合的相对正域后,服务器根据处理后的条件属性集合的相对正域和样本集合,计算处理后的条件属性集合相对于决策属性集合的第二依赖度。具体地,采用公式(5)计算第二依赖度。
公式(5)γC-B(D)=POSC-B(D)/U,其中,γC-B(D)表示第二依赖度。需要说明的是,计算第二依赖度的原理和计算第一依赖度的原理相同,在此不再重复赘述
步骤d,根据所述第一依赖度和所述第二依赖度计算得到所述目标线损影响因素对台区线损的影响度,从而得到各个线损影响因素对所述台区线损的影响度,并将大于预设值的影响度确定为目标影响度。
当服务器计算得到第一依赖度和第二依赖度后,服务器计算第一依赖度和第二依赖度之间差值的绝对值,然后将该绝对值除以第一依赖度的绝对值,得到目标线损影响因素对台区线损的影响度,即根据第一依赖度和第二依赖度计算得到目标线损影响因素对台区线损的影响度。若用σCB(D)表示目标线损影响因素对台区线损的影响度,则计算目标线损影响因素对台区线损的影响度过程可用公式(6)计算。
需要说明的是,服务器计算每个线损影响因素对台区线损影响度的过程相同,因此通过公式(2)至公式(6),可以计算得到各个线损影响因素对台区线损影响度,从而得到各个线损影响因素对台区线损的影响度。当服务器得到各个线损影响因素对台区线损的影响度后,将大于预设值的影响度确定为目标影响度。
步骤S700,在接收到所述终端设备获取线损影响因素对应影响度的获取请求后,将所述获取请求对应的在步骤S600存储的线损影响因素的目标影响度发送给所述终端设备,以供所述终端设备根据所述目标影响度输出提示信息。
当服务器存储各个线损影响因素对应的目标影响度后,检测是否接收到获取线损影响因素对应目标影响度的获取请求。需要说明的是,获取请求中携带有所需获取目标影响度的线损影响因素的因素标识,服务器通过该因素标识即可知道终端设备想获取那个线损影响因素对应的目标影响度。一个获取请求可携带一个或者多个因素标识。
当服务器接收到获取请求后,服务器提取该获取请求所携带的因素标识,然后获取该因素标识对应的目标影响度,并将所获取的目标影响度发送给获取请求对应的终端设备,以供终端设备根据目标影响度输出提示信息,以提示用户,该线损影响因素对台区线损影响度过大,需要考虑降低该线损影响因素对台区线损的影响度。
本实施例通过服务器从PMS***、GIS***和用电信息采集***中获取各个台区对应的线损影响因素;基于预设的粗糙集理论,根据线损影响因素构建对应的影响度决策模型;根据影响度决策模型确定各个线损影响因素对台区线损的影响度,并大于预设值的影响度确定为目标影响度,然后根据终端设备发送的获取请求,将获取请求对应的目标影响度发送给终端设备,以供终端设备根据目标影响度输出提示信息。实现了通过粗糙集理论在处理评价信息属性重要度领域的计算能力,准确计算出各个线损影响因素对台区线损的影响度,从而准确确定各个线损影响因素对台区线损的影响程度,并将对台区线损影响大的线损影响因素的影响度发送给终端设备,让相应的用户及时获知对台区线损影响较大的线损影响因素。
本发明还提供一种服务器,参照图2,所述服务器分别与PMS***、GIS***和用电信息采集***连接,所述服务器包括:
获取模块10,用于从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从所述PMS***获取各台区对应线路参数和用户数据,从所述用电信息采集***获取各台区对应的线损值;其中,所述第一位置数据包括第一经度数据和第一纬度数据,第二位置数据包括第二经度数据和第二纬度数据;
计算模块20,用于计算所述第一经度数据与各个所述第二经度数据之间的差值,得到第一差值,以及计算所述第二纬度数据与各个所述第二纬度数据之间的差值,得到第二差值;
半径确定模块30,用于根据所述第一差值和所述第二差值确定每个台区与所述台区内用户之间的间隔距离,将间隔距离的最大值确定为所述台区的供电半径;
因素确定模块40,用于将所述各台区的供电半径、所述线路参数、所述用户数据和所述线损值确定为线损影响因素;
构建模块50,用于基于预设的粗糙集理论,根据所述线损影响因素构建对应的影响度决策模型;
影响度确定模块60,用于根据所述影响度决策模型确定各个线损影响因素对台区线损的影响度,并将大于预设值的影响度确定为目标影响度;
存储模块70,用于存储各个线损影响因素对应的目标影响度;
发送模块80,用于在接收到所述终端设备获取线损影响因素对应影响度的获取请求后,将所述获取请求对应的线损影响因素的目标影响度发送给所述终端设备,以供所述终端设备根据所述目标影响度输出提示信息。
进一步地,所述影响度确定模块60包括:
选取单元,用于选取待确定影响度的目标线损影响因素;
计算单元,用于计算所述条件属性集合相对于所述决策属性集合的第一依赖度;
删除单元,用于在所述条件属性集合中删除所述目标线损影响因素,得到处理后的条件属性集合;
所述计算单元还用于计算处理后的条件属性集合相对于所述决策属性集合的第二依赖度;根据所述第一依赖度和所述第二依赖度计算得到所述目标线损影响因素对台区线损的影响度,从而得到各个线损影响因素对所述台区线损的影响度;
影响度确定单元,用于将大于预设值的影响度确定为目标影响度。
进一步地,所述计算单元还用于计算所述条件属性集合对应的相对正域;根据所述相对正域和所述样本集合计算所述条件属性集合相对于所述决策属性集合的第一依赖度。
进一步地,所述影响度决策模型表示为S={U,R,V,f},所述U表示所述线损影响因素的样本集合,一个台区对应的线损影响因素为一个样本,所述R=C∪D,C表示所述样本集合中各个样本对应的条件属性集合,D表示所述样本集合中各个样本对应的决策属性集合,V表示各个条件属性对应的条件属性值和各个决策属性对应的决策属性值,f表示U与V之间的映射关系,以及R和V之间的映射关系。
本发明服务器的具体实施方式与上述终端设备通过服务器获取线损影响因素影响度的方法各实施例基本相同,在此不再重复赘述。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述终端设备通过服务器获取线损影响因素影响度的方法的步骤。
本发明计算机可读存储介质的具体实施方式与上述终端设备通过服务器获取线损影响因素影响度的方法各实施例基本相同,在此不再重复赘述。
本领域的技术人员能够理解的是,在不冲突的前提下,上述各优选方案可以自由地组合、叠加。
应当理解,上述的实施方式仅是示例性的,而非限制性的,在不偏离本发明的基本原理的情况下,本领域的技术人员可以针对上述细节做出的各种明显的或等同的修改或替换,都将包含于本发明的权利要求范围内。
Claims (9)
1.一种终端设备通过服务器获取线损影响因素影响度的方法,其特征在于,所述服务器分别与PMS***、GIS***和用电信息采集***连接,所述方法包括以下步骤:
S100,所述服务器从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从所述PMS***获取各台区对应线路参数和用户数据,从所述用电信息采集***获取各台区对应的线损值;其中,所述第一位置数据包括第一经度数据和第一纬度数据,第二位置数据包括第二经度数据和第二纬度数据;
S200,计算所述第一经度数据与各个所述第二经度数据之间的差值,得到第一差值,以及计算所述第二纬度数据与各个所述第二纬度数据之间的差值,得到第二差值;根据所述第一差值和所述第二差值确定每个台区与所述台区内用户之间的间隔距离,将间隔距离的最大值确定为所述台区的供电半径;
S300,将所述各台区的供电半径、所述线路参数、所述用户数据和所述线损值确定为线损影响因素;
S400,基于预设的粗糙集理论,根据所述线损影响因素构建对应的影响度决策模型;
S500,根据所述影响度决策模型确定各个线损影响因素对台区线损的影响度,并将大于预设值的影响度确定为目标影响度;
S600,存储各个线损影响因素对应的目标影响度;
S700,在接收到终端设备获取线损影响因素对应影响度的获取请求后,将所述获取请求对应的在步骤S600存储的线损影响因素的目标影响度发送给所述终端设备,以供所述终端设备根据所述目标影响度输出提示信息。
2.根据权利要求1所述的方法,其特征在于,步骤S500包括:
选取待确定影响度的目标线损影响因素,计算条件属性集合相对于决策属性集合的第一依赖度;
在所述条件属性集合中删除所述目标线损影响因素,得到处理后的条件属性集合,并计算处理后的条件属性集合相对于所述决策属性集合的第二依赖度;
根据所述第一依赖度和所述第二依赖度计算得到所述目标线损影响因素对台区线损的影响度,从而得到各个线损影响因素对所述台区线损的影响度,并将大于预设值的影响度确定为目标影响度。
3.根据权利要求2所述的方法,其特征在于,所述计算所述条件属性集合相对于所述决策属性集合的第一依赖度的步骤包括:
计算所述条件属性集合对应的相对正域;
根据所述相对正域和样本集合计算所述条件属性集合相对于所述决策属性集合的第一依赖度。
4.根据权利要求1至3任一项所述的方法,其特征在于,在步骤S400中,所述影响度决策模型表示为S={U,R,V,f},U表示所述线损影响因素的样本集合,一个台区对应的线损影响因素为一个样本,R=C∪D,C表示所述样本集合中各个样本对应的条件属性集合,D表示所述样本集合中各个样本对应的决策属性集合,V表示各个条件属性对应的条件属性值和各个决策属性对应的决策属性值,f表示U与V之间的映射关系,以及R和V之间的映射关系。
5.一种服务器,其特征在于,所述服务器分别与PMS***、GIS***和用电信息采集***连接,所述服务器包括:
获取模块,用于从GIS***获取各个台区对应的第一位置数据和各台区内每个用户对应的第二位置数据,以及从所述PMS***获取各台区对应线路参数和用户数据,从所述用电信息采集***获取各台区对应的线损值;其中,所述第一位置数据包括第一经度数据和第一纬度数据,第二位置数据包括第二经度数据和第二纬度数据;
计算模块,用于计算所述第一经度数据与各个所述第二经度数据之间的差值,得到第一差值,以及计算所述第二纬度数据与各个所述第二纬度数据之间的差值,得到第二差值;
半径确定模块,用于根据所述第一差值和所述第二差值确定每个台区与所述台区内用户之间的间隔距离,将间隔距离的最大值确定为所述台区的供电半径;
因素确定模块,用于将所述各台区的供电半径、所述线路参数、所述用户数据和所述线损值确定为线损影响因素;
构建模块,用于基于预设的粗糙集理论,根据所述线损影响因素构建对应的影响度决策模型;
影响度确定模块,用于根据所述影响度决策模型确定各个线损影响因素对台区线损的影响度,并将大于预设值的影响度确定为目标影响度;
存储模块,用于存储各个线损影响因素对应的目标影响度;
发送模块,用于在接收到终端设备获取线损影响因素对应影响度的获取请求后,将所述获取请求对应的线损影响因素的目标影响度发送给所述终端设备,以供所述终端设备根据所述目标影响度输出提示信息。
6.根据权利要求5所述的服务器,其特征在于,所述影响度确定模块包括:
选取单元,用于选取待确定影响度的目标线损影响因素;
计算单元,用于计算条件属性集合相对于决策属性集合的第一依赖度;
删除单元,用于在所述条件属性集合中删除所述目标线损影响因素,得到处理后的条件属性集合;
所述计算单元还用于计算处理后的条件属性集合相对于所述决策属性集合的第二依赖度;根据所述第一依赖度和所述第二依赖度计算得到所述目标线损影响因素对台区线损的影响度,从而得到各个线损影响因素对所述台区线损的影响度;
影响度确定单元,用于将大于预设值的影响度确定为目标影响度。
7.根据权利要求6所述的服务器,其特征在于,所述计算单元还用于计算所述条件属性集合对应的相对正域;根据所述相对正域和样本集合计算所述条件属性集合相对于所述决策属性集合的第一依赖度。
8.根据权利要求5至7任一项所述的服务器,所述影响度决策模型表示为S={U,R,V,f},U表示所述线损影响因素的样本集合,一个台区对应的线损影响因素为一个样本,R=C∪D,C表示所述样本集合中各个样本对应的条件属性集合,D表示所述样本集合中各个样本对应的决策属性集合,V表示各个条件属性对应的条件属性值和各个决策属性对应的决策属性值,f表示U与V之间的映射关系,以及R和V之间的映射关系。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-4任一项所述的终端设备通过服务器获取线损影响因素影响度的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011386066.0A CN112330225B (zh) | 2020-12-02 | 2020-12-02 | 通过服务器获取线损影响因素影响度的方法、服务器和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011386066.0A CN112330225B (zh) | 2020-12-02 | 2020-12-02 | 通过服务器获取线损影响因素影响度的方法、服务器和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330225A CN112330225A (zh) | 2021-02-05 |
CN112330225B true CN112330225B (zh) | 2022-08-30 |
Family
ID=74308638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011386066.0A Active CN112330225B (zh) | 2020-12-02 | 2020-12-02 | 通过服务器获取线损影响因素影响度的方法、服务器和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330225B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116610931B (zh) * | 2023-07-17 | 2023-11-10 | 成都飞机工业(集团)有限责任公司 | 一种飞机数控锪窝影响因素提取方法、装置、介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764501A (zh) * | 2018-05-30 | 2018-11-06 | 国网上海市电力公司 | 一种线损问题的分析及消缺处理方法 |
CN110348713A (zh) * | 2019-06-28 | 2019-10-18 | 广东电网有限责任公司 | 一种基于关联性分析和数据挖掘的台区线损计算方法 |
CN110489783A (zh) * | 2019-07-05 | 2019-11-22 | 江苏方天电力技术有限公司 | 一种基于qrnn的低压台区线损率合理范围估计方法 |
CN111461577A (zh) * | 2020-04-28 | 2020-07-28 | 广东电网有限责任公司惠州供电局 | 一种线损计算方法、装置、设备及存储介质 |
-
2020
- 2020-12-02 CN CN202011386066.0A patent/CN112330225B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764501A (zh) * | 2018-05-30 | 2018-11-06 | 国网上海市电力公司 | 一种线损问题的分析及消缺处理方法 |
CN110348713A (zh) * | 2019-06-28 | 2019-10-18 | 广东电网有限责任公司 | 一种基于关联性分析和数据挖掘的台区线损计算方法 |
CN110489783A (zh) * | 2019-07-05 | 2019-11-22 | 江苏方天电力技术有限公司 | 一种基于qrnn的低压台区线损率合理范围估计方法 |
CN111461577A (zh) * | 2020-04-28 | 2020-07-28 | 广东电网有限责任公司惠州供电局 | 一种线损计算方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
配网合解环影响线损的改善方法;钱学成 等;《机电信息》;20191231(第35期);第36-37页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112330225A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016152044A (ja) | 目標位置を確定するための方法及び装置 | |
Lin et al. | Evaluating geo-located Twitter data as a control layer for areal interpolation of population | |
CN110020144B (zh) | 一种推荐模型建立方法及其设备、存储介质、服务器 | |
CN116431975B (zh) | 一种数据中心的环境监测方法及*** | |
CN110784883B (zh) | 基站建设评估方法、装置、设备和存储介质 | |
CN113656698B (zh) | 兴趣特征提取模型的训练方法、装置和电子设备 | |
CN112330225B (zh) | 通过服务器获取线损影响因素影响度的方法、服务器和介质 | |
CN108981807B (zh) | 一种土木工程建筑智能监测*** | |
CN116521936B (zh) | 一种基于用户行为分析的课程推荐方法、装置及存储介质 | |
CN112954623A (zh) | 一种基于手机信令大数据的居民入住率估算方法 | |
CN106528614B (zh) | 一种移动社交网络中用户的地理位置预测方法 | |
CN111182460A (zh) | 混合型室内定位方法、装置、计算机设备及存储介质 | |
CN112287503B (zh) | 用于交通需求预测的动态空间网络构建方法 | |
CN111310072B (zh) | 关键词提取方法、装置和计算机可读存储介质 | |
CN113420067A (zh) | 目标地点的位置可信度评估方法和装置 | |
CN110824514A (zh) | 指纹定位方法和装置、计算机可读存储介质 | |
CN108647189B (zh) | 一种识别用户人群属性的方法及装置 | |
CN108595475B (zh) | 一种移动社会网络中的缓存节点选择方法 | |
CN108924196B (zh) | 工业互联网绿色能源管理*** | |
CN110837540A (zh) | 一种空间位置数据的处理方法及*** | |
CN114119292B (zh) | 一种基于物联网与大数据的建筑管理*** | |
CN112887909B (zh) | 一种基于Wi-Fi信号的室内定位方法 | |
CN108495262B (zh) | 室内空间泛在定位信号指纹库稀疏表征和匹配定位方法 | |
WO2012128011A1 (ja) | 移動体管理システム、移動体管理サーバ、移動体管理方法および移動体管理プログラム | |
CN115705536A (zh) | 数据处理方法、装置、计算机可读存储介质及计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |