CN112990730B - 一种利用人为采集失败增强电量相关性特征的方法 - Google Patents

Abstract

本发明属于电力拓扑大数据分析领域，尤其涉及一种利用人为采集失败增强电量相关性特征的方法。其特征在于包括以下步骤：S1：获取台区用户分支数据、用电量数据和邻近台区数据；S2：根据上述数据，建立基于采集失败优化的电量相关性分析模型；S3：利用基于采集失败优化的电量相关性分析模型诊断用户分支与台区归属关系；S4：对上述诊断结果按照给定的标准输出格式进行输出。本发明对通过对用电信息采集***的日冻结示数进行处理，将某个用户多日用电量合并为一天用电量，提高用电量与台区线损比值和用电量波动率，增强电量电量相关性特征，从而提高电量相关性分析进行台区户变识别的准确率和检出率。

Description

一种利用人为采集失败增强电量相关性特征的方法

技术领域

本发明属于电力拓扑大数据分析领域，尤其涉及一种利用人为采集失败增强电量相关性特征的方法。

背景技术

随着用电信息采集***的全面覆盖，台区变压器侧的考核表和用户电能表的售电量数据作为最重要的运行数据可实现每日采集。根据能量守恒定律，台区供售电量之间存在如下关系，即：

台区考核表供电量＝各用户分表售电量之和+台区线损。

当用户表不归属于台区时，用电量增加多少kWh，台区线损几乎同时降低多少kWh,用户表和线损的皮尔逊相关性系数呈现负相关特征。

皮尔逊相关性系数作为反映2个序列数据X,Y之间线性相关性程度的指标，其值在[-1,1]之间，可用来判断X和Y相关性的高低。皮尔逊系数用作样本时，记作R(X，Y)。

其中：n是样本数量，Xi,Yi是变量X，Y对应的i点观测值，是X样本平均数，/>是Y样本平均数。

现有利用电量相关性分析方法进行户变识别时，一般通过计算一定时间周期用户表用电量与台区线损的皮尔逊相关性系数，若数值小于阈值-0.8，则认为用户与台区不存在归属关系。如图2所示。

由于需要进行户变识别的台区一般为公变台区，利用用电量电量相关性分析结果进行户变识别时，若用户用电量与线损比值低、用电量波动率小时，皮尔逊相关性系数与0值比较接近，负相关特征并不明显，不能准确判别用户不归属于某个台区。

发明内容

针对现有技术存在的问题，本发明提供了识别准确、检出率高的一种利用人为采集失败增强电量相关性特征的方法。

本发明是这样实现的，一种利用人为采集失败增强电量相关性特征的方法，包括以下步骤：

S1：获取台区用户分支数据、用电量数据和邻近台区数据；

S2：根据上述数据，建立基于采集失败优化的电量相关性分析模型；

S3：利用基于采集失败优化的电量相关性分析模型诊断用户分支与台区归属关系；

S4：对上述诊断结果按照给定的标准输出格式进行输出。

本发明对通过对用电信息采集***的日冻结示数进行处理，将某个用户多日用电量合并为一天用电量，提高用电量与台区线损比值和用电量波动率，增强用电量电量相关性特征，从而提高电量相关性分析进行台区户变识别的准确率和检出率。

所述的S1进行之前通过档案数据分析诊断出邻近台区，所述的邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的用户分支数据、用电量数据。

所述的基于采集失败优化的电量相关性分析模型包括对用电信息采集***的日冻结示数进行处理，将1天或多天数据归入某一天用电量，对原有计算结果达不到识别阈值的用户纳入诊断范围。

所述的基于采集失败优化的电量相关性分析模型，具体是：

对于台区A，电表B属于台区A，台区考核表C电量正常采集，电表B日冻结示数正常采集时，T_i日台区日线损ΔΦ_i有：

ΔΦ_i＝Φ_Ci-∑Φ_i

其中：Φ_Ci台区考核表C日电量，Φ_i为各用户表日电量；

若电表B在T_i日前j天采集失败，电表B采集失败日电量归0处理，则采集失败T_i-j日至T_i-1日线损ΔΦ_k’，k∈{T_i-j，…,T_i-1}，有：

ΔΦ_K’＝ΔΦ_k+Φ_Bk

其中：Φ_k为k日真实日线损，Φ_BK为电表B的k日电量；

T_i日的线损ΔΦ_k”，有：

ΔΦ_i”＝ΔΦ_i-∑Φ_Bk

其中：Φ_i为T_i日真实日线损，∑Φ_BK为电表B的T_i-j到T_i-1共j日电量和；

T_i-j到T_i日的线损均会发生突变。

所述的S3诊断，是指分别计算用户与待归属台区1和2的采集正常和采集失败的正负相关性系数。R1_负和R1_正为用户与台区1的采集正常的2个相关性系数，R1’_负和R1’_正为用户与台区1的采集失败的2个相关性系数，R2_负和R2_正为用户与台区2的采集正常的2个相关性系数，R2’_负和R2’_正为用户与台区1的采集失败的2个相关性系数，则有：

台区1负相关系数采集失败突变差值K1_负＝R1_负-R1’_负

台区2负相关系数采集失败突变差值K2_负＝R2_负-R2’_负

台区1正相关系数采集失败突变差值K1_正＝R1_正-R1’_正

台区2正相关系数采集失败突变差值K2_正＝R2_正-R2’_正

台区1采集失败正负相关性系数突变差值K1＝K1_正-K1_负

台区2采集失败正负相关性系数突变差值K2＝K2_正-K2_负

相关性系数采集失败突变差值△K＝K1-K2；

根据相关性系数采集失败突变差值和可设置阈值判定台区归属关系。

本发明的优点及积极效果为：本发明对用电信息采集***采集回来的日冻结示数，在参与用电量电量相关性计算时间段内挑选时间点集合T＝{T1，T2，...Tn}，将Ti日前1个或j个时间点的日冻结示值用Ti-j-1的日冻结示数替换，造成Ti时间点的日用电量增加，提升用电量与台区线损比值和电量变化波动率，增强用电量电量相关性特征，从而提高电量相关性分析进行台区户变识别的准确率和检出率。

附图说明

图1是本发明的原理方框图。

图2是本发明的相关性识别示意图。

图3是本发明的线损突变示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。

实施例1：

如图1所示，本发明是这样实现的，一种利用人为采集失败增强电量相关性特征的方法，包括：一种利用人为采集失败增强电量相关性特征的方法，包括以下步骤：

S1：获取台区用户分支数据、用电量数据和邻近台区数据；

S2：根据上述数据，建立基于采集失败优化的电量相关性分析模型；

S3：利用基于采集失败优化的电量相关性分析模型诊断用户分支与台区归属关系；

S4：对上述诊断结果按照给定的标准输出格式进行输出。

S1进行之前通过档案数据分析诊断出邻近台区，所述的邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的用户分支数据、用电量数据。

基于采集失败优化的电量相关性分析模型包括对用电信息采集***的日冻结示数进行处理，将1天或多天数据归入某一天用电量，对原有计算结果达不到识别阈值的用户纳入诊断范围。

基于采集失败优化的电量相关性分析模型，具体是：

对于台区A，电表B属于台区A，台区考核表C电量正常采集，电表B日冻结示数正常采集时，T_i日台区日线损ΔΦ_i有：

ΔΦ_i＝Φ_Ci-∑Φ_i

其中：Φ_Ci台区考核表C日电量，Φ_i为各用户表日电量；

若电表B在T_i日前j天采集失败，电表B采集失败日电量归0处理，则采集失败T_i-j日至T_i-1日线损ΔΦ_k’，k∈{T_i-j，…,T_i-1}，有：

ΔΦ_K’＝ΔΦ_k+Φ_Bk

其中：Φ_k为k日真实日线损，Φ_BK为电表B的k日电量；

T_i日的线损ΔΦ_k”，有：

ΔΦ_i”＝ΔΦ_i-∑Φ_Bk

其中：Φ_i为T_i日真实日线损，∑Φ_BK为电表B的T_i-j到T_i-1共j日电量和；

T_i-j到T_i日的线损均会发生突变。如图3所示。Y为用户日用电量，DY为台区TG日线损。

在用户分支电量和台区线损之间计算2个相关性系数。一个是负相关系数，即计算分支下用户合并后电量、台区线损(待计算分支电量计入台区)间2个时间序列数据的皮尔逊相关性系数，诊断用户不归属与某个台区；另一个是正相关系数，即计算分支下用户合并后电量，剔除计算分支下用户电量后的台区线损(待计算分支电量不计入台区)间时间序列数据的皮尔逊相关性系数，诊断用户归属于某个台区。

别计算用户与待归属台区1和2的采集正常和采集失败的正负相关性系数。R1_负和R1_正为用户与台区1的采集正常的2个相关性系数，R1’_负和R1’_正为用户与台区1的采集失败的2个相关性系数，R2_负和R2_正为用户与台区2的采集正常的2个相关性系数，R2’_负和R2’_正为用户与台区1的采集失败的2个相关性系数，则有：

台区1负相关系数采集失败突变差值K1_负＝R1_负-R1’_负

台区2负相关系数采集失败突变差值K2_负＝R2_负-R2’_负

台区1正相关系数采集失败突变差值K1_正＝R1_正-R1’_正

台区2正相关系数采集失败突变差值K2_正＝R2_正-R2’_正

台区1采集失败正负相关性系数突变差值K1＝K1_正-K1_负

台区2采集失败正负相关性系数突变差值K2＝K2_正-K2_负

相关性系数采集失败突变差值△K＝K1-K2；

根据相关性系数采集失败突变差值和可设置阈值判定台区归属关系。

具体如表1所示。

表1相关性系数采集失败突变差值诊断台区归属表

本发明的优点：

1、用户用电量平衡、波动率小时，用电量与线损的相关性系数值靠近0值，台区归属关系不易识别，本发明通过采集失败会造成用电量波动率上升的特征，人为造成采集失败，负相关性特征将会增强。

2、对于用户和台区不存在归属关系的，非归属台区供电量不会包含该用户用电量，因此采集失败造成的电量变化对非归属台区来说，正相关系数变化并不大，其变化值可正可负，但对归属台区来说，其正相关性值会显著下降。

3、通过对正负相关性突变差值进行阈值设置，超过阈值的可准确诊断用户的台区归属。

4、对于合并电量的用户分支，因多个用户电量合并，其电量与线损占比虽然上升，但波动率下降，成为平稳用电用户，相关性系数值特征同样存在不明显的情况，通过人为造成采集失败，可提高台区归属识别的准确率。

实验证明

本发明针对用电量平衡、波动率小的用户，在进行用电量电量相关性分析时正负相关性不够突出，识别准确率和检出率受到限制，利用在一段时间区间内人为多次造成采集失败，提高用电量波动率，对归属和非归属台区正负相关性系数值造成的差值变化并进行阈值量化，从而准确进行归属台区诊断。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种利用人为采集失败增强电量相关性特征的方法，其特征在于：包括以下步骤：

S1：获取台区用户分支数据、用电量数据和邻近台区数据；

S2：根据上述数据，建立基于采集失败优化的电量相关性分析模型；

S3：利用基于采集失败优化的电量相关性分析模型诊断用户分支与台区归属关系；所述的诊断，是指分别计算用户与待归属台区1和2的采集正常和采集失败的正负相关性系数，R1_负和R1_正为用户与台区1的采集正常的2个相关性系数，R1’_负和R1’_正为用户与台区1的采集失败的2个相关性系数，R2_负和R2_正为用户与台区2的采集正常的2个相关性系数，R2’_负和R2’_正为用户与台区1的采集失败的2个相关性系数，则有：

台区1负相关系数采集失败突变差值K1_负=R1_负-R1’_负

台区2负相关系数采集失败突变差值K2_负=R2_负-R2’_负

台区1正相关系数采集失败突变差值K1_正=R1_正-R1’_正

台区2正相关系数采集失败突变差值K2_正=R2_正-R2’_正

台区1采集失败正负相关性系数突变差值K1=K1_正-K1_负

台区2采集失败正负相关性系数突变差值K2=K2_正-K2_负

相关性系数采集失败突变差值△K=K1-K2；

根据相关性系数采集失败突变差值和可设置阈值判定台区归属关系；

S4：对诊断结果按照给定的标准输出格式进行输出。

2.如权利要求1所述的一种利用人为采集失败增强电量相关性特征的方法，其特征在于，所述的S1进行之前通过档案数据分析诊断出邻近台区，所述的邻近台区数据包括台区名称邻近、采集邻近和或供配电邻近的台区分组数据。

3.如权利要求1所述的一种利用人为采集失败增强电量相关性特征的方法，其特征在于，所述的基于采集失败优化的电量相关性分析模型包括对用电信息采集***的日冻结示数进行处理，将1天或多天数据归入某一天用电量，从而对原有计算结果达不到识别阈值的用户纳入诊断范围。

4.如权利要求3所述的一种利用人为采集失败增强电量相关性特征的方法，其特征在于，所述的基于采集失败优化的电量相关性分析模型，具体是：

对于台区A，电表B属于台区A，台区考核表C电量正常采集，电表B日冻结示数正常采集时，T_i日台区日线损∆Φ_i有：

∆Φ_i=Φ_Ci-∑Φ_i

其中：Φ_Ci台区考核表C日电量，Φ_i为各用户表日电量；

若电表B在T_i日前j天采集失败，电表B采集失败日电量归0处理，则采集失败T_i-j日至T_i-1日线损∆Φ_k’，k∈{T_i-j，…,T_i-1}，有：

∆Φ_K’=∆Φ_k+Φ_Bk

其中：Φ_k为k日真实日线损，Φ_BK为电表B的k日电量；

T_i日的线损∆Φ_k”，有：

∆Φ_i”=∆Φ_i-∑Φ_Bk

其中：Φ_i为T_i日真实日线损，∑Φ_BK为电表B的T_i-j到T_i-1共j日电量和；

T_i-j到T_i日的线损均会发生突变。