CN112686494A - 基于线损异常台区的数据拟合方法、装置及智能设备 - Google Patents
基于线损异常台区的数据拟合方法、装置及智能设备 Download PDFInfo
- Publication number
- CN112686494A CN112686494A CN202011334947.8A CN202011334947A CN112686494A CN 112686494 A CN112686494 A CN 112686494A CN 202011334947 A CN202011334947 A CN 202011334947A CN 112686494 A CN112686494 A CN 112686494A
- Authority
- CN
- China
- Prior art keywords
- data
- loss
- fitted
- power transmission
- power
- 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.)
- Granted
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000005540 biological transmission Effects 0.000 claims abstract description 143
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 230000006399 behavior Effects 0.000 claims description 105
- 230000005611 electricity Effects 0.000 claims description 61
- 238000000605 extraction Methods 0.000 claims description 48
- 230000009466 transformation Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000005856 abnormality Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
Images
Classifications
-
- 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
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供的基于线损异常台区的数据拟合方法、装置及智能设备，首先加载待处理台区的输电线分布网络，其次获取用电行为数据的用电行为特征，然后将输电线分布网络更新迭代为由用电行为特征所指向的输电线损耗网络，最后基于输电线损耗网络和输电线分布网络对用电行为数据对应的输电损耗数据进行拟合得到针对待处理台区的线损异常拟合结果。这样能够针对待处理台区的异常线损进行分析，通过对输电线分布网络进行更新迭代得到输电线损耗网络，能够实现对离散的输电损耗数据进行精准可靠地拟合，从而得到线损异常拟合结果。线损异常拟合结果能够为后续的安全分析提供依据，实现提前进行线路检修，避免后期可能引发的严重用电事故。
Description
技术领域
本申请涉及智慧电网的台区线损异常处理技术领域，尤其涉及基于线损异常台区的数据拟合方法、装置及智能设备。
背景技术
在电力***中，台区是指（一台）变压器的供电范围或区域。随着城市的发展，智能电网技术越来越成熟，同一台区内的输电线的布线越来越复杂，用电设备的数量和类型越来越多。
台区内的电网设备在运行过程中会存在正常的线路损耗，线路损耗是输电过程中电流的焦耳热损耗。然而在实际应用过程中，一些台区会存在异常的线路损耗，如果不对这些异常的线路损耗加以重视，后期可能引发严重的用电事故。
发明内容
有鉴于此，本申请提供基于线损异常台区的数据拟合方法、装置及智能设备。
第一方面，揭示一种基于线损异常台区的数据拟合方法，所述方法包括：
响应针对待处理台区的线损异常分析请求，在预设线损识别模型中加载所述待处理台区的输电线分布网络；
基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征；
将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，所述输电线损耗网络用于响应与所述待处理台区相关联的数据拟合操作；
基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果。
可选地，所述方法还包括：
获取所述用电行为特征的用电时段信息，以及所述用电行为特征中的已标记特征元素的设备电损信息；
根据所述用电时段信息及所述设备电损信息，确定所述用电行为特征的异常特征占比，并在所述待处理台区的输电线分布网络中添加所述异常特征占比。
可选地，所述用电行为特征包括用电设备类型特征及用电功率损耗特征；所述将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，包括：
在所述预设线损识别模型中，将所述待处理台区的输电线分布网络更新为由所述用电设备类型特征指向得到的输电线运行网络；
在所述输电线运行网络中确定用电设备分布区域，根据所述用电功率损耗特征在所述用电设备分布区域中指向异常用电设备，将包括所述异常用电设备的所述输电线运行网络，更新迭代为所述输电线损耗网络。
可选地，所述用电功率损耗特征包括有功损耗特征及无功损耗特征，所述异常用电设备包括设备标签及异常用电指标；所述根据所述用电功率损耗特征在所述用电设备分布区域中指向异常用电设备，包括：
在所述用电设备分布区域中确定设备用电热度区域，根据所述有功损耗特征在所述设备用电热度区域中指向所述设备标签；
在所述用电设备分布区域中确定设备经纬度区域，根据所述无功损耗特征在所述设备经纬度区域中指向所述异常用电指标；
其中，所述根据所述有功损耗特征在所述设备用电热度区域中指向所述设备标签，包括：从所述有功损耗特征中获取有功损耗曲线及曲线拆分标识，基于所述曲线拆分标识对所述有功损耗曲线进行拆分；基于拆分后的所述有功损耗曲线，在所述设备用电热度区域中依次指向所述有功损耗曲线对应的设备标签；
其中，所述根据所述无功损耗特征在所述设备经纬度区域中指向所述异常用电指标，包括：基于所述无功损耗特征确定所述异常用电指标的用电指标描述信息，获取所述异常用电指标的指标异常统计数据；当所述用电指标描述信息为零时，在所述设备经纬度区域中，根据所述无功损耗特征指向具有第一用电状态的所述异常用电指标，记录所述异常用电指标的指标异常统计数据；所述第一用电状态用于表征所述异常用电指标失效；当所述用电指标描述信息为至少一个时，在所述设备经纬度区域中，根据所述无功损耗特征指向具有第二用电状态的所述异常用电指标，记录所述异常用电指标的指标异常统计数据；所述第二用电状态用于表征所述异常用电指标有效。
可选地，所述获取所述待处理台区对应的用电设备中的用电行为数据，包括：
获取所述待处理台区的变配电用户数据，从待处理台区对应的用电设备中获取所述变配电用户数据对应的用户类别信息；
所述用户类别信息是所述待处理台区对应的用电设备对应的第一用电类型，采用所述变配电用户数据对应的用电注册信息对用电行为数据进行数据转换得到的；
采用变配电注册信息对所述用户类别信息进行数据还原，得到所述用电行为数据。
可选地，所述将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，包括：
基于所述特征提取线程从所述用电行为特征中获取动态行为特征对应的特征分布队列，获取所述特征分布队列对应的队列属性信息；
基于所述动态行为特征在所述预设线损识别模型中的指向结果，对所述队列属性信息进行拆分，将拆分后的所述队列属性信息依次添加至预设线损识别模型中；
获取所述队列属性信息的指向类型，基于所述指向类型，识别所述预设线损识别模型中的所述队列属性信息，基于所述队列属性信息对应的识别结果，将所述待处理台区的输电线分布网络更新迭代为所述输电线损耗网络；
所述基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征，包括：
基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，获取所述特征提取线程中与所述线损异常分析请求相关联的线程配置参数；
基于所述线程配置参数与所述特征提取线程建立特征提取序列，基于所述特征提取序列更新所述特征提取线程，将所述用电行为数据加载至所述特征提取线程；
基于所述特征提取线程，根据所述用电行为数据生成用电行为特征。
可选地，基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果，包括：
提取所述输电线损耗网络对应的第一输电设备网络拓扑以及所述输电线分布网络对应的第二输电设备网络拓扑，分别确定所述第一输电设备网络拓扑的第一拓扑配置参数以及所述第二输电设备网络的第二拓扑配置参数，将所述第一拓扑配置参数和所述第二拓扑配置参数输入到所述预设线损识别模型中以对所述预设线损识别模型进行更新，得到目标损识别模型；
将所述输电损耗数据按照时序先后顺序依次导入所述目标损识别模型中，得到所述目标损识别模型输出的第一待拟合损耗数据、第二待拟合损耗数据以及第三待拟合损耗数据；确定出所述第一待拟合损耗数据对应的第一拟合描述信息与所述第二待拟合损耗数据对应的第二拟合描述信息之间的第一拟合匹配度以及所述第二待拟合损耗数据对应的第二拟合描述信息与所述第三待拟合损耗数据对应的第三拟合描述信息之间的第二拟合匹配度；
针对所述第一待拟合损耗数据，以所述第一拟合描述信息为参考按照所述第一拟合匹配度对所述第一待拟合损耗数据进行平滑处理得到第四待拟合损耗数据；针对所述第二待拟合损耗数据，以所述第二拟合描述信息为参考按照所述第二拟合匹配度对所述第二待拟合损耗数据进行平滑处理得到第五待拟合损耗数据；分别将所述第一待拟合损耗数据和所述第二待拟合损耗数据、所述第一待拟合损耗数据和所述第四待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据、以及所述第二待拟合损耗数据和所述第五待拟合损耗数据进行数据连续性校验，得到第一连续性校验结果、第二连续性校验结果、第三连续性校验结果和第四连续性校验结果；
确定出所述第一连续性校验结果和所述第二连续性校验结果之间的第一数据连续性权重以及所述第三连续性校验结果和所述第四连续性校验结果之间的第二数据连续性权重；
判断所述第一数据连续性权重和所述第二数据连续性权重是否均落入设定权重区间内；若所述第一数据连续性权重和所述第二数据连续性权重均落入设定权重区间内，根据所述第一连续性校验结果和所述第三连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果。
可选地，所述方法还包括：
若所述第一数据连续性权重和所述第二数据连续性权重没有均落入设定权重区间内，分别确定出所述第一数据连续性权重和所述第二数据连续性权重与所述设定权重区间的第一权重差值和第二权重差值；
比较所述第一权重差值和所述第二权重差值的大小；
在所述第一权重差值小于所述第二权重差值时，根据所述第一连续性校验结果和所述第二连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果；
在所述第一权重差值大于所述第二权重差值时，根据所述第三连续性校验结果和所述第四连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果。
第二方面，揭示一种基于线损异常台区的数据拟合装置，所述装置包括：
分析请求响应模块，用于响应针对待处理台区的线损异常分析请求，在预设线损识别模型中加载所述待处理台区的输电线分布网络；
用电特征提取模块，用于基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征；
线损网络迭代模块，用于将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，所述输电线损耗网络用于响应与所述待处理台区相关联的数据拟合操作；
线损数据拟合模块，用于基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果。
第三方面，揭示一种智能设备，包括：
处理器，以及
与处理器连接的内存和网络接口；
所述网络接口与智能设备中的非易失性存储器连接；
所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行第一方面所述的方法。
本申请实施例提供的基于线损异常台区的数据拟合方法、装置及智能设备，首先在预设线损识别模型中加载待处理台区的输电线分布网络，其次通过调用特征提取线程获取用电行为数据对应的用电行为特征，然后将预设线损识别模型中的待处理台区的输电线分布网络更新迭代为由用电行为特征所指向的输电线损耗网络，最后基于输电线损耗网络和输电线分布网络，采用预设线损识别模型对用电行为数据对应的输电损耗数据进行拟合，得到针对待处理台区的线损异常拟合结果。如此设计，能够针对待处理台区的异常线损进行分析，通过对输电线分布网络进行更新迭代，能够得到全局性的输电线损耗网络，这样能够实现对离散的输电损耗数据进行精准可靠地拟合，从而得到线损异常拟合结果。线损异常拟合结果能够为后续的安全分析提供依据，这样能够提前进行线路检修，避免后期可能引发的严重用电事故。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种基于线损异常台区的数据拟合方法的流程图。
图2是本申请根据一示例性实施例示出的一种基于线损异常台区的数据拟合装置的一个实施例框图。
图3为本申请基于线损异常台区的数据拟合装置所在智能设备的一种硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为实现对线损异常台区的全局性分析，本发明实施例提供了基于线损异常台区的数据拟合方法、装置及智能设备。
首先请参阅图1，示出了一种基于线损异常台区的数据拟合方法，所述方法可以包括以下步骤S11-步骤S14所描述的内容。
步骤S11，响应针对待处理台区的线损异常分析请求，在预设线损识别模型中加载所述待处理台区的输电线分布网络。
例如，待处理台区是存在线损异常的台区，线损异常分析请求是智能终端上传的，智能终端可以是手机、平板电脑或笔记本电脑等，预设线损识别模型为预先根据已处理的线损异常台区对应的电力数据（输变电数据）进行分析、处理和建模之后得到的，预设线损识别模型可以理解为人工智能神经网络模型，输电线分布网络为待处理台区的输电线的地理位置走线的分布形成的网络图。
步骤S12，基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征。
例如，用电行为数据包括电流变化数据、电压变化数据或功率损耗数据。特征提取线程为预先部署在其他电子设备中的，这样能够减少智能设备的内存压力。用电行为特征用于表征用电行为数据在多个维度的用电行为。
步骤S13，将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络。
例如，所述输电线损耗网络用于响应与所述待处理台区相关联的数据拟合操作。
步骤S14，基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果。
例如，输电损耗数据为每条输电线的损耗数据，输电损耗数据是离散的且局部性的数据。
在应用上述步骤S11-步骤S14所描述的内容时，首先在预设线损识别模型中加载待处理台区的输电线分布网络，其次通过调用特征提取线程获取用电行为数据对应的用电行为特征，然后将预设线损识别模型中的待处理台区的输电线分布网络更新迭代为由用电行为特征所指向的输电线损耗网络，最后基于输电线损耗网络和输电线分布网络，采用预设线损识别模型对用电行为数据对应的输电损耗数据进行拟合，得到针对待处理台区的线损异常拟合结果。如此设计，能够针对待处理台区的异常线损进行分析，通过对输电线分布网络进行更新迭代，能够得到全局性的输电线损耗网络，这样能够实现对离散的输电损耗数据进行精准可靠地拟合，从而得到线损异常拟合结果。线损异常拟合结果能够为后续的安全分析提供依据，这样能够提前进行线路检修，避免后期可能引发的严重用电事故。
在一个可选的示例中，在步骤S11-步骤S14的基础上，所述方法还包括：获取所述用电行为特征的用电时段信息，以及所述用电行为特征中的已标记特征元素的设备电损信息；根据所述用电时段信息及所述设备电损信息，确定所述用电行为特征的异常特征占比，并在所述待处理台区的输电线分布网络中添加所述异常特征占比。可以理解，通过添加异常特征占比，能够完善输电线分布网络的搭建，从而为后续其他业务提供充足数据分析基础。
在一些示例中，所述用电行为特征包括用电设备类型特征及用电功率损耗特征，步骤S13所描述的将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，进一步可以包括以下步骤S131和步骤S132所描述的内容。
步骤S131，在所述预设线损识别模型中，将所述待处理台区的输电线分布网络更新为由所述用电设备类型特征指向得到的输电线运行网络。
步骤S132，在所述输电线运行网络中确定用电设备分布区域，根据所述用电功率损耗特征在所述用电设备分布区域中指向异常用电设备，将包括所述异常用电设备的所述输电线运行网络，更新迭代为所述输电线损耗网络。
可以理解，通过执行上述步骤S131和步骤S132，能够将异常用电设备对应的设备分布区域考虑在内，从而确保输电线损耗网络的完整的更新迭代。
进一步地，所述用电功率损耗特征包括有功损耗特征及无功损耗特征，所述异常用电设备包括设备标签及异常用电指标，步骤S132所描述的根据所述用电功率损耗特征在所述用电设备分布区域中指向异常用电设备，包括以下步骤S1321和步骤S1322所描述的内容。
步骤S1321，在所述用电设备分布区域中确定设备用电热度区域，根据所述有功损耗特征在所述设备用电热度区域中指向所述设备标签。
步骤S1322，在所述用电设备分布区域中确定设备经纬度区域，根据所述无功损耗特征在所述设备经纬度区域中指向所述异常用电指标。
更进一步地，在步骤S1321中，根据所述有功损耗特征在所述设备用电热度区域中指向所述设备标签，包括：从所述有功损耗特征中获取有功损耗曲线及曲线拆分标识，基于所述曲线拆分标识对所述有功损耗曲线进行拆分；基于拆分后的所述有功损耗曲线，在所述设备用电热度区域中依次指向所述有功损耗曲线对应的设备标签；
更进一步地，在步骤S1322中，根据所述无功损耗特征在所述设备经纬度区域中指向所述异常用电指标，包括：基于所述无功损耗特征确定所述异常用电指标的用电指标描述信息，获取所述异常用电指标的指标异常统计数据；当所述用电指标描述信息为零时，在所述设备经纬度区域中，根据所述无功损耗特征指向具有第一用电状态的所述异常用电指标，记录所述异常用电指标的指标异常统计数据；所述第一用电状态用于表征所述异常用电指标失效；当所述用电指标描述信息为至少一个时，在所述设备经纬度区域中，根据所述无功损耗特征指向具有第二用电状态的所述异常用电指标，记录所述异常用电指标的指标异常统计数据；所述第二用电状态用于表征所述异常用电指标有效。
在一些示例中，步骤S12所描述的获取所述待处理台区对应的用电设备中的用电行为数据，包括：获取所述待处理台区的变配电用户数据，从待处理台区对应的用电设备中获取所述变配电用户数据对应的用户类别信息；所述用户类别信息是所述待处理台区对应的用电设备对应的第一用电类型，采用所述变配电用户数据对应的用电注册信息对用电行为数据进行数据转换得到的；采用变配电注册信息对所述用户类别信息进行数据还原，得到所述用电行为数据。如此，能够对变配电用户数据进行分析，从而确保用电行为数据不会出现偏差。
在一个可替换的实施例中，步骤S13所描述的将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，还可以通过以下步骤a-步骤c所描述的内容实现。
步骤a，基于所述特征提取线程从所述用电行为特征中获取动态行为特征对应的特征分布队列，获取所述特征分布队列对应的队列属性信息。
步骤b，基于所述动态行为特征在所述预设线损识别模型中的指向结果，对所述队列属性信息进行拆分，将拆分后的所述队列属性信息依次添加至预设线损识别模型中。
步骤c，获取所述队列属性信息的指向类型，基于所述指向类型，识别所述预设线损识别模型中的所述队列属性信息，基于所述队列属性信息对应的识别结果，将所述待处理台区的输电线分布网络更新迭代为所述输电线损耗网络。
进一步地，步骤S12所描述的基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征，示例性地可以包括以下步骤（1）-步骤（3）所描述的内容。
（1）基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，获取所述特征提取线程中与所述线损异常分析请求相关联的线程配置参数。
（2）基于所述线程配置参数与所述特征提取线程建立特征提取序列，基于所述特征提取序列更新所述特征提取线程，将所述用电行为数据加载至所述特征提取线程。
（3）基于所述特征提取线程，根据所述用电行为数据生成用电行为特征。
如此设计，能够确保用电行为特征从多个维度反应用电行为数据的正常变化或异常变化。
在实际应用时发明人发现，在对输电损耗数据进行拟合时，需要避免局部线损数据对全局线损数据的影响，从而确保线损异常拟合结果能够全面、综合地反应待处理台区的线损异常情况。为实现这一目的，在步骤S14中，基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果，进一步可以包括以下步骤S141-步骤S147所描述的内容。
步骤S141，提取所述输电线损耗网络对应的第一输电设备网络拓扑以及所述输电线分布网络对应的第二输电设备网络拓扑，分别确定所述第一输电设备网络拓扑的第一拓扑配置参数以及所述第二输电设备网络的第二拓扑配置参数，将所述第一拓扑配置参数和所述第二拓扑配置参数输入到所述预设线损识别模型中以对所述预设线损识别模型进行更新，得到目标损识别模型。
步骤S142，将所述输电损耗数据按照时序先后顺序依次导入所述目标损识别模型中，得到所述目标损识别模型输出的第一待拟合损耗数据、第二待拟合损耗数据以及第三待拟合损耗数据；确定出所述第一待拟合损耗数据对应的第一拟合描述信息与所述第二待拟合损耗数据对应的第二拟合描述信息之间的第一拟合匹配度以及所述第二待拟合损耗数据对应的第二拟合描述信息与所述第三待拟合损耗数据对应的第三拟合描述信息之间的第二拟合匹配度。
步骤S143，针对所述第一待拟合损耗数据，以所述第一拟合描述信息为参考按照所述第一拟合匹配度对所述第一待拟合损耗数据进行平滑处理得到第四待拟合损耗数据；针对所述第二待拟合损耗数据，以所述第二拟合描述信息为参考按照所述第二拟合匹配度对所述第二待拟合损耗数据进行平滑处理得到第五待拟合损耗数据；分别将所述第一待拟合损耗数据和所述第二待拟合损耗数据、所述第一待拟合损耗数据和所述第四待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据、以及所述第二待拟合损耗数据和所述第五待拟合损耗数据进行数据连续性校验，得到第一连续性校验结果、第二连续性校验结果、第三连续性校验结果和第四连续性校验结果。
步骤S144，确定出所述第一连续性校验结果和所述第二连续性校验结果之间的第一数据连续性权重以及所述第三连续性校验结果和所述第四连续性校验结果之间的第二数据连续性权重。
步骤S145，判断所述第一数据连续性权重和所述第二数据连续性权重是否均落入设定权重区间内。
步骤S146，若所述第一数据连续性权重和所述第二数据连续性权重均落入设定权重区间内，根据所述第一连续性校验结果和所述第三连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果。
步骤S147，若所述第一数据连续性权重和所述第二数据连续性权重没有均落入设定权重区间内，分别确定出所述第一数据连续性权重和所述第二数据连续性权重与所述设定权重区间的第一权重差值和第二权重差值；比较所述第一权重差值和所述第二权重差值的大小；在所述第一权重差值小于所述第二权重差值时，根据所述第一连续性校验结果和所述第二连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果；在所述第一权重差值大于所述第二权重差值时，根据所述第三连续性校验结果和所述第四连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果。
可以理解，通过执行上述步骤S141-步骤S147，能够首先提取输电线损耗网络对应的第一输电设备网络拓扑以及输电线分布网络对应的第二输电设备网络拓扑，从而实现对预设线损识别模型的更新以得到目标损识别模型。然后将输电损耗数据按照时序先后顺序依次导入目标损识别模型中，得到目标损识别模型输出的第一待拟合损耗数据、第二待拟合损耗数据以及第三待拟合损耗数据。这样能够削弱离散的输电损耗数据之间的互相影响，从而确保第一待拟合损耗数据、第二待拟合损耗数据以及第三待拟合损耗数据之间的相对独立性，通过对第一待拟合损耗数据、第二待拟合损耗数据以及第三待拟合损耗数据进行拟合，能够避免局部线损数据对全局线损数据的影响，从而确保线损异常拟合结果能够全面、综合地反应待处理台区的线损异常情况。
请结合参阅图2，示出了一种基于线损异常台区的数据拟合装置200，所述装置包括：
分析请求响应模块210，用于响应针对待处理台区的线损异常分析请求，在预设线损识别模型中加载所述待处理台区的输电线分布网络；
用电特征提取模块220，用于基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征；
线损网络迭代模块230，用于将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，所述输电线损耗网络用于响应与所述待处理台区相关联的数据拟合操作；
线损数据拟合模块240，用于基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
请结合参阅图3，示出了一种智能设备100，包括：处理器110，以及与处理器110连接的内存120和网络接口130；所述网络接口130与智能设备100中的非易失性存储器140连接；所述处理器110在运行时通过所述网络接口130从所述非易失性存储器140中调取计算机程序，并通过所述内存120运行所述计算机程序，以执行上述图1所示的方法。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于线损异常台区的数据拟合方法，其特征在于，所述方法包括：
响应针对待处理台区的线损异常分析请求，在预设线损识别模型中加载所述待处理台区的输电线分布网络；
基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征；
将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，所述输电线损耗网络用于响应与所述待处理台区相关联的数据拟合操作；
基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述用电行为特征的用电时段信息，以及所述用电行为特征中的已标记特征元素的设备电损信息；
根据所述用电时段信息及所述设备电损信息，确定所述用电行为特征的异常特征占比，并在所述待处理台区的输电线分布网络中添加所述异常特征占比。
3.如权利要求1所述的方法，其特征在于，所述用电行为特征包括用电设备类型特征及用电功率损耗特征；所述将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，包括：
在所述预设线损识别模型中，将所述待处理台区的输电线分布网络更新为由所述用电设备类型特征指向得到的输电线运行网络；
在所述输电线运行网络中确定用电设备分布区域，根据所述用电功率损耗特征在所述用电设备分布区域中指向异常用电设备，将包括所述异常用电设备的所述输电线运行网络，更新迭代为所述输电线损耗网络。
4.如权利要求3所述的方法，其特征在于，所述用电功率损耗特征包括有功损耗特征及无功损耗特征，所述异常用电设备包括设备标签及异常用电指标；所述根据所述用电功率损耗特征在所述用电设备分布区域中指向异常用电设备，包括：
在所述用电设备分布区域中确定设备用电热度区域，根据所述有功损耗特征在所述设备用电热度区域中指向所述设备标签；
在所述用电设备分布区域中确定设备经纬度区域，根据所述无功损耗特征在所述设备经纬度区域中指向所述异常用电指标；
其中，所述根据所述有功损耗特征在所述设备用电热度区域中指向所述设备标签，包括：从所述有功损耗特征中获取有功损耗曲线及曲线拆分标识，基于所述曲线拆分标识对所述有功损耗曲线进行拆分；基于拆分后的所述有功损耗曲线，在所述设备用电热度区域中依次指向所述有功损耗曲线对应的设备标签；
其中，所述根据所述无功损耗特征在所述设备经纬度区域中指向所述异常用电指标，包括：基于所述无功损耗特征确定所述异常用电指标的用电指标描述信息，获取所述异常用电指标的指标异常统计数据；当所述用电指标描述信息为零时，在所述设备经纬度区域中，根据所述无功损耗特征指向具有第一用电状态的所述异常用电指标，记录所述异常用电指标的指标异常统计数据；所述第一用电状态用于表征所述异常用电指标失效；当所述用电指标描述信息为至少一个时，在所述设备经纬度区域中，根据所述无功损耗特征指向具有第二用电状态的所述异常用电指标，记录所述异常用电指标的指标异常统计数据；所述第二用电状态用于表征所述异常用电指标有效。
5.如权利要求1所述的方法，其特征在于，所述获取所述待处理台区对应的用电设备中的用电行为数据，包括：
获取所述待处理台区的变配电用户数据，从待处理台区对应的用电设备中获取所述变配电用户数据对应的用户类别信息；
所述用户类别信息是所述待处理台区对应的用电设备对应的第一用电类型，采用所述变配电用户数据对应的用电注册信息对用电行为数据进行数据转换得到的；
采用变配电注册信息对所述用户类别信息进行数据还原，得到所述用电行为数据。
6.如权利要求1所述的方法，其特征在于，所述将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，包括：
基于所述特征提取线程从所述用电行为特征中获取动态行为特征对应的特征分布队列，获取所述特征分布队列对应的队列属性信息；
基于所述动态行为特征在所述预设线损识别模型中的指向结果，对所述队列属性信息进行拆分，将拆分后的所述队列属性信息依次添加至预设线损识别模型中；
获取所述队列属性信息的指向类型，基于所述指向类型，识别所述预设线损识别模型中的所述队列属性信息，基于所述队列属性信息对应的识别结果，将所述待处理台区的输电线分布网络更新迭代为所述输电线损耗网络；
所述基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征，包括：
基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，获取所述特征提取线程中与所述线损异常分析请求相关联的线程配置参数；
基于所述线程配置参数与所述特征提取线程建立特征提取序列，基于所述特征提取序列更新所述特征提取线程，将所述用电行为数据加载至所述特征提取线程；
基于所述特征提取线程，根据所述用电行为数据生成用电行为特征。
7.根据权利要求1-6任一项所述的方法，其特征在于，基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果，包括：
提取所述输电线损耗网络对应的第一输电设备网络拓扑以及所述输电线分布网络对应的第二输电设备网络拓扑，分别确定所述第一输电设备网络拓扑的第一拓扑配置参数以及所述第二输电设备网络的第二拓扑配置参数，将所述第一拓扑配置参数和所述第二拓扑配置参数输入到所述预设线损识别模型中以对所述预设线损识别模型进行更新，得到目标损识别模型；
将所述输电损耗数据按照时序先后顺序依次导入所述目标损识别模型中，得到所述目标损识别模型输出的第一待拟合损耗数据、第二待拟合损耗数据以及第三待拟合损耗数据；确定出所述第一待拟合损耗数据对应的第一拟合描述信息与所述第二待拟合损耗数据对应的第二拟合描述信息之间的第一拟合匹配度以及所述第二待拟合损耗数据对应的第二拟合描述信息与所述第三待拟合损耗数据对应的第三拟合描述信息之间的第二拟合匹配度；
针对所述第一待拟合损耗数据，以所述第一拟合描述信息为参考按照所述第一拟合匹配度对所述第一待拟合损耗数据进行平滑处理得到第四待拟合损耗数据；针对所述第二待拟合损耗数据，以所述第二拟合描述信息为参考按照所述第二拟合匹配度对所述第二待拟合损耗数据进行平滑处理得到第五待拟合损耗数据；分别将所述第一待拟合损耗数据和所述第二待拟合损耗数据、所述第一待拟合损耗数据和所述第四待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据、以及所述第二待拟合损耗数据和所述第五待拟合损耗数据进行数据连续性校验，得到第一连续性校验结果、第二连续性校验结果、第三连续性校验结果和第四连续性校验结果；
确定出所述第一连续性校验结果和所述第二连续性校验结果之间的第一数据连续性权重以及所述第三连续性校验结果和所述第四连续性校验结果之间的第二数据连续性权重；
判断所述第一数据连续性权重和所述第二数据连续性权重是否均落入设定权重区间内；若所述第一数据连续性权重和所述第二数据连续性权重均落入设定权重区间内，根据所述第一连续性校验结果和所述第三连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
若所述第一数据连续性权重和所述第二数据连续性权重没有均落入设定权重区间内，分别确定出所述第一数据连续性权重和所述第二数据连续性权重与所述设定权重区间的第一权重差值和第二权重差值；
比较所述第一权重差值和所述第二权重差值的大小；
在所述第一权重差值小于所述第二权重差值时，根据所述第一连续性校验结果和所述第二连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果；
在所述第一权重差值大于所述第二权重差值时，根据所述第三连续性校验结果和所述第四连续性校验结果确定出针对所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据进行拟合的数据拟合路径信息并按照所述第一待拟合损耗数据、所述第二待拟合损耗数据以及所述第三待拟合损耗数据对应的数据拟合路径信息对所述第一待拟合损耗数据、所述第二待拟合损耗数据和所述第三待拟合损耗数据进行数据拟合得到所述待处理台区的线损异常拟合结果。
9.一种基于线损异常台区的数据拟合装置，其特征在于，所述装置包括：
分析请求响应模块，用于响应针对待处理台区的线损异常分析请求，在预设线损识别模型中加载所述待处理台区的输电线分布网络；
用电特征提取模块，用于基于所述线损异常分析请求，获取所述待处理台区对应的用电设备中的用电行为数据，调用特征提取线程，从所述特征提取线程中获取基于所述用电行为数据所生成的用电行为特征；
线损网络迭代模块，用于将所述预设线损识别模型中的所述待处理台区的输电线分布网络更新迭代为由所述用电行为特征所指向的输电线损耗网络，所述输电线损耗网络用于响应与所述待处理台区相关联的数据拟合操作；
线损数据拟合模块，用于基于所述输电线损耗网络和所述输电线分布网络，采用所述预设线损识别模型对所述用电行为数据对应的输电损耗数据进行拟合，得到针对所述待处理台区的线损异常拟合结果。
10.一种智能设备，其特征在于，包括：
处理器，以及
与处理器连接的内存和网络接口；
所述网络接口与智能设备中的非易失性存储器连接；
所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011334947.8A CN112686494B (zh) | 2020-11-25 | 2020-11-25 | 基于线损异常台区的数据拟合方法、装置及智能设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011334947.8A CN112686494B (zh) | 2020-11-25 | 2020-11-25 | 基于线损异常台区的数据拟合方法、装置及智能设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112686494A true CN112686494A (zh) | 2021-04-20 |
| CN112686494B CN112686494B (zh) | 2024-03-22 |
Family
ID=75446706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011334947.8A Active CN112686494B (zh) | 2020-11-25 | 2020-11-25 | 基于线损异常台区的数据拟合方法、装置及智能设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112686494B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115173570A (zh) * | 2022-09-08 | 2022-10-11 | 国家电投集团科学技术研究院有限公司 | 矿山供电***的监控方法、装置、设备和介质 |
| CN115575754A (zh) * | 2022-11-21 | 2023-01-06 | 浙江万胜智能科技股份有限公司 | 一种智慧工业园用电信息异常标识方法及*** |
| CN116074825A (zh) * | 2023-03-06 | 2023-05-05 | 浙江万胜智能科技股份有限公司 | 一种基于双模模块的无线通信数据安全传输方法及*** |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150204927A1 (en) * | 2014-01-22 | 2015-07-23 | Richard I. Mellitz | Techniques for Characterizing a Transmission Line |
| US20160253768A1 (en) * | 2013-12-18 | 2016-09-01 | State Grid Corporation Of China | Method for determining integrated network loss rate in uhv ac cross-regional electricity trading |
| CN105956755A (zh) * | 2016-04-26 | 2016-09-21 | 广西电网有限责任公司百色供电局 | 电力综合线损率影响因子量化关系建立方法及*** |
| CN106203889A (zh) * | 2016-07-26 | 2016-12-07 | 南瑞（武汉）电气设备与工程能效测评中心 | 非健全信息下基于最小二乘拟合法的配电网损耗评估方法 |
| CN106991524A (zh) * | 2017-03-20 | 2017-07-28 | 国网江苏省电力公司常州供电公司 | 一种台区线损率预估方法 |
| 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 |
| CN109767109A (zh) * | 2019-01-03 | 2019-05-17 | 南京海兴电网技术有限公司 | 基于神经网络的异常线损率台区识别方法 |
| US20190238581A1 (en) * | 2017-07-06 | 2019-08-01 | Zhongan Information Technology Service Co., Ltd. | Method, apparatus and system for detecting abnormal behavior of user |
| CN110134708A (zh) * | 2019-03-03 | 2019-08-16 | 云南电网有限责任公司信息中心 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
| CN110782181A (zh) * | 2019-11-05 | 2020-02-11 | 国网重庆市电力公司电力科学研究院 | 一种低压台区线损率的计算方法及可读存储介质 |
| CN111371185A (zh) * | 2020-04-17 | 2020-07-03 | 南京大全自动化科技有限公司 | 一种基于配变终端的线损监测***和方法 |
| CN111784533A (zh) * | 2020-06-16 | 2020-10-16 | 洪江川 | 基于人工智能和大数据的信息分析方法及云计算平台 |
| CN111817898A (zh) * | 2020-07-21 | 2020-10-23 | 致诚阿福技术发展(北京)有限公司 | 一种识别动态网络结构异常的方法及装置 |
| CN111832174A (zh) * | 2020-07-14 | 2020-10-27 | 国网冀北电力有限公司 | 一种基于多元回归的配线线损率处理方法及装置 |
| CN111932078A (zh) * | 2020-07-10 | 2020-11-13 | 国网浙江省电力有限公司绍兴供电公司 | 基于量测数据多态势评判的风险用户识别方法 |
-
2020
- 2020-11-25 CN CN202011334947.8A patent/CN112686494B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160253768A1 (en) * | 2013-12-18 | 2016-09-01 | State Grid Corporation Of China | Method for determining integrated network loss rate in uhv ac cross-regional electricity trading |
| US20150204927A1 (en) * | 2014-01-22 | 2015-07-23 | Richard I. Mellitz | Techniques for Characterizing a Transmission Line |
| CN105956755A (zh) * | 2016-04-26 | 2016-09-21 | 广西电网有限责任公司百色供电局 | 电力综合线损率影响因子量化关系建立方法及*** |
| CN106203889A (zh) * | 2016-07-26 | 2016-12-07 | 南瑞（武汉）电气设备与工程能效测评中心 | 非健全信息下基于最小二乘拟合法的配电网损耗评估方法 |
| CN106991524A (zh) * | 2017-03-20 | 2017-07-28 | 国网江苏省电力公司常州供电公司 | 一种台区线损率预估方法 |
| US20190238581A1 (en) * | 2017-07-06 | 2019-08-01 | Zhongan Information Technology Service Co., Ltd. | Method, apparatus and system for detecting abnormal behavior of user |
| 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 |
| CN109767109A (zh) * | 2019-01-03 | 2019-05-17 | 南京海兴电网技术有限公司 | 基于神经网络的异常线损率台区识别方法 |
| CN110134708A (zh) * | 2019-03-03 | 2019-08-16 | 云南电网有限责任公司信息中心 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
| CN110782181A (zh) * | 2019-11-05 | 2020-02-11 | 国网重庆市电力公司电力科学研究院 | 一种低压台区线损率的计算方法及可读存储介质 |
| CN111371185A (zh) * | 2020-04-17 | 2020-07-03 | 南京大全自动化科技有限公司 | 一种基于配变终端的线损监测***和方法 |
| CN111784533A (zh) * | 2020-06-16 | 2020-10-16 | 洪江川 | 基于人工智能和大数据的信息分析方法及云计算平台 |
| CN111932078A (zh) * | 2020-07-10 | 2020-11-13 | 国网浙江省电力有限公司绍兴供电公司 | 基于量测数据多态势评判的风险用户识别方法 |
| CN111832174A (zh) * | 2020-07-14 | 2020-10-27 | 国网冀北电力有限公司 | 一种基于多元回归的配线线损率处理方法及装置 |
| CN111817898A (zh) * | 2020-07-21 | 2020-10-23 | 致诚阿福技术发展(北京)有限公司 | 一种识别动态网络结构异常的方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| 何立强;赵允;于景亮;: "基于改进PSO优化RBF神经网络线损计算与分析", 东北电力技术, no. 04 * |
| 吴科成;曲毅;陈义森;欧阳森;: "基于行业实用系数的台区线损率标杆值计算方法", 广东电力, no. 07 * |
| 徐晓萌;赵滨滨;史雷;王莹;: "基于同期线损的低压配电线路电量异常监测***设计", 自动化与仪器仪表, no. 03 * |
| 潘星;王政;王涛;: "网络化线损理论计算分析***的建设及应用", 浙江电力, no. 08 * |
| 王海云;张岩;闫富荣;陈雁;杨莉萍;常乾坤;张再驰;陈茜;袁清芳;: "基于深度神经网络的低压台区线损异常识别方法", 电力需求侧管理, no. 06 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115173570A (zh) * | 2022-09-08 | 2022-10-11 | 国家电投集团科学技术研究院有限公司 | 矿山供电***的监控方法、装置、设备和介质 |
| CN115173570B (zh) * | 2022-09-08 | 2022-11-22 | 国家电投集团科学技术研究院有限公司 | 矿山供电***的监控方法、装置、设备和介质 |
| CN115575754A (zh) * | 2022-11-21 | 2023-01-06 | 浙江万胜智能科技股份有限公司 | 一种智慧工业园用电信息异常标识方法及*** |
| CN115575754B (zh) * | 2022-11-21 | 2023-05-02 | 浙江万胜智能科技股份有限公司 | 一种智慧工业园用电信息异常标识方法及*** |
| CN116074825A (zh) * | 2023-03-06 | 2023-05-05 | 浙江万胜智能科技股份有限公司 | 一种基于双模模块的无线通信数据安全传输方法及*** |
| CN116074825B (zh) * | 2023-03-06 | 2023-06-13 | 浙江万胜智能科技股份有限公司 | 一种基于双模模块的无线通信数据安全传输方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112686494B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112686494B (zh) | 基于线损异常台区的数据拟合方法、装置及智能设备 | |
| EP3671374A1 (en) | Method and system for determining system settings for an industrial system | |
| CN110556920A (zh) | 一种配电自动化监测方法、***、终端及存储介质 | |
| CN113538370A (zh) | 电网巡检方法、装置、计算机设备和存储介质 | |
| CN112737124B (zh) | 一种电力设备监测终端构建方法和装置 | |
| CN117767250A (zh) | 基于故障监测的直流微电网协调控制方法及*** | |
| CN113592114A (zh) | 电网中用户报障研判方法、装置、计算机设备和存储介质 | |
| CN116632923B (zh) | 虚拟电厂的运行管理控制方法、装置、设备及存储介质 | |
| CN110826867B (zh) | 车辆管理方法、装置、计算机设备和存储介质 | |
| CN112803581A (zh) | 低压联络柜的智能供电控制方法、***及装置 | |
| CN117110794A (zh) | 一种电缆故障智能诊断***及方法 | |
| CN115795359A (zh) | 信号类型判别方法、装置和计算机设备 | |
| CN113344638B (zh) | 一种基于超图的电网用户族群画像构建方法及装置 | |
| CN111859370B (zh) | 识别服务的方法、装置、电子设备和计算机可读存储介质 | |
| CN113627755B (zh) | 智能终端工厂的测试方法、装置、设备及存储介质 | |
| CN111857015B (zh) | 输变电云端智能控制器 | |
| CN108805462A (zh) | 配网风险预警的方法及装置、存储介质、处理器 | |
| CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
| CN114282940A (zh) | 用于意图识别的方法及装置、存储介质及电子设备 | |
| CN113128006A (zh) | 一种基于神经网络的高压配电方法及装置 | |
| CN112598025A (zh) | 电力设备目标信息的处理方法、装置、设备和介质 | |
| CN111639141A (zh) | 数据测试方法、装置及计算机终端 | |
| CN115102859B (zh) | 一种硬件设备灵活更新迭代的物联网边缘智能实现方法 | |
| CN117171578B (zh) | 一种基于大数据分析的机场智慧台站管理方法及*** | |
| CN113781237B (zh) | 基于分布式人工智能***的产品订购单消费方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |