CN115453447A - 基于嫌疑电表分步补偿剔除的超差电表在线检测方法 - Google Patents
基于嫌疑电表分步补偿剔除的超差电表在线检测方法 Download PDFInfo
- Publication number
- CN115453447A CN115453447A CN202211144383.0A CN202211144383A CN115453447A CN 115453447 A CN115453447 A CN 115453447A CN 202211144383 A CN202211144383 A CN 202211144383A CN 115453447 A CN115453447 A CN 115453447A
- Authority
- CN
- China
- Prior art keywords
- meter
- sub
- electric quantity
- station
- electric
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请提供的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,在对智能电表进行检测时,可以先确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,并利用各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为第一嫌疑分表集合,该第一嫌疑分表集合是利用分表相对误差、嫌疑系数和线损因素进行综合分析得到的,因此,结果更客观、更全面;接着,本申请还可以继续通过预设的线损判断机制对第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合,该集合中的嫌疑分表更加符合实际情况。
Description
技术领域
本申请涉及智能电表检测技术领域,尤其涉及一种基于嫌疑电表分步补偿剔除的超差电表在线检测方法、装置、存储介质及计算机设备。
背景技术
现阶段各行业着力推进数字化建设,电网企业投运大量智能电表以便采集海量准确度高、数据质量优的电能量数据。但是,随着适用年限增加以及环境作用、设备异常、人为破坏等因素影响,智能电表的计量准确度会下降,从而降低数据质量。
目前,智能电表主要通过周期性现场人工检测方式进行误差检测,该方法效率低下、检测范围小、人力物力消耗严重、维护成本较高,难以满足智能电网数字化转型的要求和日常运维需要。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一,特别是现有技术中通过周期性现场人工检测方式进行误差检测,该方法效率低下、检测范围小、人力物力消耗严重、维护成本较高,难以满足智能电网数字化转型的要求和日常运维需要的技术缺陷。
本申请提供了一种基于嫌疑电表分步补偿剔除的超差电表在线检测方法,所述方法包括:
确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差;
利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合;
通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合;
根据各个台区分表在所述预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定所述第一误差分表集合与所述第二嫌疑分表集合是否有交集;
若没有交集,则直接将所述第二嫌疑分表集合中的台区电表作为超差电表;
若有交集,则从所述第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表。
可选地,所述通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合,包括:
将所述第一嫌疑分表集合中各个台区分表在所述预设历史时段内每一时刻的线损电量分别与第一线损阈值进行比对,确定所述第一嫌疑分表集合中线损电量在所述预设历史时段内超过所述第一线损阈值的概率达到预设概率阈值的台区分表,并将达到预设概率阈值的台区分表组成第二嫌疑分表集合。
可选地,所述利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表,包括:
将所述第三嫌疑分表集合中排序第一的台区分表作为最终嫌疑电表,利用所述最终嫌疑电表的分表相对误差对所述最终嫌疑电表的分表电量进行补偿,得到分表理论电量;
将所述最终嫌疑电表从所述目标台区的多个台区分表中剔除,并在所述目标台区的台区总表中减去所述分表理论电量后,确定所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的线损电量;
根据所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的线损电量,计算剔除所述最终嫌疑电表后的各个台区分表在所述预设历史时段内的线损电量均值,并判断所述线损电量均值是否大于第二线损阈值;
若大于,则根据所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的分表电量以及所述目标台区的台区总表减去所述分表理论电量后的总表电量,对所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的分表相对误差,以及所述目标台区中的台区分表进行更新,并返回执行利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表的步骤,得到新的第三嫌疑分表集合;
若所述新的第三嫌疑分表集合中平均嫌疑系数排序第一的台区分表与上一个第三嫌疑分表集合中的台区分表存在重合,则判断所述新的第三嫌疑分表集合中平均嫌疑系数排序第二的台区分表是否与上一个第三嫌疑分表集合中的台区分表存在重合;
若是,则将排序第二的台区分表作为最终的超差电表;
否则,将排序第一的台区分表作为最终的超差电表;
若不大于,则将所述最终嫌疑电表作为超差电表。
可选地,所述确定目标台区中各个台区分表在预设历史时段内每一时刻的分表相对误差,包括:
获取目标台区中的台区总表在预设历史时段的第一电量数据以及各个分表电量大于预设电量阈值的台区分表在所述预设历史时段的第二电量数据;
根据所述第一电量数据以及各个台区分表对应的第二电量数据,确定各个台区分表在所述预设历史时段内每一时刻的分表相对误差。
可选地,所述获取目标台区中的台区总表在预设历史时段的第一电量数据以及各个分表电量大于预设电量阈值的台区分表在所述预设历史时段的第二电量数据,包括:
确定目标台区中的台区总表在预设历史时段的第一原始数据以及各个台区分表在所述预设历史时段的第二原始数据;
对所述第一原始数据以及所述第二原始数据进行预处理操作,得到第一电量数据和第二电量数据,所述预处理操作包括剔除异常数据、填补缺失数据、修正时钟偏差数据以及利用户变档案校正户变数据;
依据各个台区分表的第二电量数据,将各个台区分表中分表电量不大于预设电量阈值的台区分表进行剔除,得到各个分表电量大于所述预设电量阈值的台区分表在所述预设历史时段的第二电量数据。
可选地,所述根据所述第一电量数据以及各个台区分表对应的第二电量数据,确定各个台区分表在所述预设历史时段内每一时刻的分表相对误差,包括:
利用预设长度的滑动窗口对所述台区总表在所述预设历史时段的第一电量数据以及各个台区分表在所述预设历史时段的第二电量数据进行时段划分,得到每一时段的总表电量和分表电量;
基于能量守恒定律建立与多个时段的总表电量和分表电量对应的分表相对误差求解方程组,并对所述分表相对误差求解方程组进行求解后,得到待求量的点估计值,所述待求量包括分表相对误差、线损率和固定损耗;
根据所述待求量的点估计值确定各个台区分表的分表相对误差。
可选地,所述利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合,包括:
利用显著性检验中的T检验计算各个台区分表的分表相对误差对应的置信区间,并根据每一台区分表的分表相对误差对应的置信区间,计算每一台区分表在所述预设历史时段的平均嫌疑系数;
根据每一台区分表在所述预设历史时段内每一时刻的线损电量及分表电量,计算每一台区分表在所述预设历史时段的线损电量与分表电量之间的相关性,并利用相关性影响机制确定每一台区分表在所述预设历史时段的平均嫌疑系数修正因子;
利用每一台区分表的平均嫌疑系数修正因子对相应台区分表的平均嫌疑系数进行修正,并根据修正后的平均嫌疑系数对各个台区分表进行降序排序,将排序最大的台区分表组成第一嫌疑分表集合。
本申请还提供了一种基于嫌疑电表分步补偿剔除的超差电表在线检测装置,包括:
参数确定模块,用于确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差;
第一嫌疑分表确定模块,用于利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合;
第二嫌疑分表确定模块,用于通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合;
分表判断模块,用于根据各个台区分表在所述预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定所述第一误差分表集合与所述第二嫌疑分表集合是否有交集;
第一超差电表确定模块,用于若没有交集,则直接将所述第二嫌疑分表集合中的台区电表作为超差电表;
第二超差电表确定模块,用于若有交集,则从所述第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表。
本申请还提供了一种存储介质,所述存储介质中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述实施例中任一项所述基于嫌疑电表分步补偿剔除的超差电表在线检测方法的步骤。
本申请还提供了一种计算机设备,包括:一个或多个处理器,以及存储器;
所述存储器中存储有计算机可读指令,所述计算机可读指令被所述一个或多个处理器执行时,执行如上述实施例中任一项所述基于嫌疑电表分步补偿剔除的超差电表在线检测方法的步骤。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请提供的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,在对智能电表进行检测时,可以先确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,并利用各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为第一嫌疑分表集合,该第一嫌疑分表集合是利用分表相对误差、嫌疑系数和线损因素进行综合分析得到的,因此,结果更客观、更全面;接着,本申请还可以继续通过预设的线损判断机制对第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合,该集合中的嫌疑分表更加符合实际情况,最后,本申请还可以根据各个台区分表在预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定第一误差分表集合与第二嫌疑分表集合是否有交集,若没有交集,则直接将第二嫌疑分表集合中的台区电表作为超差电表;若有交集,则从第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对第三嫌疑分表集合中的台区电表进行筛选,从而进一步压缩嫌疑系数空间,使得最终得到的超差电表更为准确可靠,并且,该过程可以降低现场检测人员的工作量,提高检出率、降低误检率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的一些实施例,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它的附图。
图1为本申请实施例提供的一种基于嫌疑电表分步补偿剔除的超差电表在线检测方法的流程示意图;
图2为本申请实施例提供的一种基于嫌疑电表分布补偿剔除的超差电表在线检测装置的结构示意图;
图3为本申请实施例提供的一种计算机设备的内部结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
现阶段各行业着力推进数字化建设,电网企业投运大量智能电表以便采集海量准确度高、数据质量优的电能量数据。但是,随着适用年限增加以及环境作用、设备异常、人为破坏等因素影响,智能电表的计量准确度会下降,从而降低数据质量。
目前,智能电表主要通过周期性现场人工检测方式进行误差检测,该方法效率低下、检测范围小、人力物力消耗严重、维护成本较高,难以满足智能电网数字化转型的要求和日常运维需要。基于此,本申请提出了如下技术方案,具体参见下文:
在一个实施例中,如图1所示,图1为本申请实施例提供的一种基于嫌疑电表分步补偿剔除的超差电表在线检测方法的流程示意图;本申请提供了一种基于嫌疑电表分步补偿剔除的超差电表在线检测方法,所述方法可以包括:
S110:确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差。
本步骤中,在对智能电表进行在线检测时,可以先确定目标台区,然后确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,这样便可以根据线损电量、分表电量及分表相对误差来确定各个台区分表中平均嫌疑系数最大的台区分表。
其中,本申请的预设历史时段可以依据目标台区中台区分表的数量以及检测结果的准确率进行设置,当目标台区中的台区分表的数量较多时,为了得到更为精确的检测结果,可以将预设历史时段设置为较长的时间段,但考虑到时间段越长,需要计算的数据量也越大,因此,可以结合实际情况进行设置,如设置为采集过往一个月内的电量数据,或两个月、三个月等等,在此不做限制。
可以理解的是,本申请的台区是指(一台)变压器的供电范围或区域,目标台区便是本申请中需要在线检测超差电表的区域,而这里的超差电表指的是电能表的计量误差范围超出了电能表的精度,电能表超差有正超差和负超差,超差的电能表计量已经不准确,不能再使用,因此需要进行在线检测。
进一步地,由于现有方法在考虑线损电量对电表误差估计的影响时,往往通过估计线损来减少线损随机性对电表误差求解方程的影响,但是线损是时变的,难以被准确估计。并且根据仿真实验结果可知,对于电表误差求解方程,当线损电量和分表电量呈强相关性时,线损电量的缺额和分表电量的缺额会相互转移,由此得到的分表误差是不准的。因此,本申请可以先确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量和分表电量,然后通过两者之间的相关性来对使用分表相对误差得到的嫌疑电表进行进一步筛选,从而提高超差电表的识别准确率。
S120:利用各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为第一嫌疑分表集合。
本步骤中,通过S110确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差后,本申请可以利用各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差来确定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为第一嫌疑分表集合。
具体地,为了通过线损电量与分表电量之间的相关性来对使用分表相对误差得到的嫌疑电表进行进一步筛选,本申请可以根据每一台区分表在预设历史时段内每一时刻的分表相对误差的置信区间,来计算每一台区分表在预设历史时段的平均嫌疑系数,这样便可以利用线损电量与分表电量之间的相关性来对该平均嫌疑系数进行修正,以此来得到更为精确的识别结果。
可以理解的是,由于本申请中获取的置信区间为各个台区分表在预设历史时段内每一时刻的分表相对误差对应的置信区间,因此,在计算各个台区分表在预设历史时段的平均嫌疑系数时,可以先计算各个台区分表在预设历史时段内每一时刻的嫌疑系数,接着再根据每一时刻的嫌疑系数来求取最终的平均嫌疑系数。
进一步地,本申请在利用线损电量与分表电量之间的相关性来对该平均嫌疑系数进行修正时,可以先利用相关性影响机制来确定每一台区分表在预设历史时段的平均嫌疑系数修正因子,这样便可以通过平均嫌疑系数修正因子来对平均嫌疑系数进行修正,并根据修正后的平均嫌疑系数来对各个台区分表进行降序排序,由于排序最大的台区分表可能存在多个,当存在多个修正后的平均嫌疑系数最大的台区分表时,可以将所有排序最大的台区分表组成第一嫌疑分表集合,以此来提高超差电表的识别准确率。
其中,本申请的相关性影响机制指的是根据某一台区分表在预设时段内线损电量与分表电量之间的相关性来确定对该台区分表的平均嫌疑系数的影响。例如,当某一台区分表的线损电量和某分表电量呈负相关时,该情况与窃电行为的表现一致,因此该台区分表的平均嫌疑系数应该增大;而当某一台区分表的线损电量和分表电量呈负相关时,利用多元线性回归法或其改进算法对该台区分表进行分表相对误差估计时,该分表电量与线损电量在数学上具有相同的地位,因此,该分表相对误差和线损率之间会分摊误差,从而导致二者的计算结果均发生偏离,此时该台区分表的平均嫌疑系数应减小。
S130:通过预设的线损判断机制对第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合。
本步骤中,通过S120定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为第一嫌疑分表集合后,由于该平均嫌疑系数是预设历史时段各嫌疑系数的平均值,但是分表相对误差的持续时间一般不会太长,且现场检测是根据当前时段的电表误差来判断是否超差,因此,该做法会引入历史时刻嫌疑系数的影响,导致当前时段的平均嫌疑系数有误。
基于此,本申请在得到第一嫌疑分表集合后,可以通过预设的线损判断机制对第一嫌疑分表集合中的台区分表进行筛选,将第一嫌疑分表集合中线损电量超过一定阈值的台区分表组成第二嫌疑分表集合,以此来进一步提高超差电表的识别准确率。
S140:根据各个台区分表在预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定第一误差分表集合与第二嫌疑分表集合是否有交集;若没有交集,则执行S150;若有交集,则执行S160。
本步骤中,通过S130对第一嫌疑分表集合中的台区分表进行筛选,并得到第二嫌疑分表集合后,由于第二嫌疑分表只考虑了平均嫌疑系数,并没有结合分表相对误差进一步筛选,因此,本申请可以利用分表相对误差对第二嫌疑分表集合进行进一步筛选,以进一步提升识别准确度。
具体地,本申请可以根据第二嫌疑分表集合中各个台区分表在预设历史时段内每一时刻的分表相对误差,来计算各个台区分表在预设历史时段内每一时刻的分表相对误差的绝对值,然后选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,接着,本申请可以将该第一误差分表集合与第二嫌疑分表集合进行比对,确定两者之间是否有交集,若没有交集,则表明当前第二嫌疑分表集合中没有包含分表相对误差的绝对值最大的台区分表,此时可以直接将第二嫌疑分表集合中的台区分表作为超差电表,若有交集,则表明当前第二嫌疑分表集合中包含分表相对误差的绝对值最大的台区分表,此时则需要进一步进行筛选操作。
S150:直接将第二嫌疑分表集合中的台区电表作为超差电表。
本步骤中,通过S140可知,当第一误差分表集合与第二嫌疑分表集合之间没有交集时,表明当前第二嫌疑分表集合中没有包含分表相对误差的绝对值最大的台区分表,此时可以直接将第二嫌疑分表集合中的台区分表作为超差电表。
S160:从第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表。
本步骤中,通过S140可知,当第一误差分表集合与第二嫌疑分表集合之间有交集时,表明当前第二嫌疑分表集合中包含分表相对误差的绝对值最大的台区分表,此时可以从第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表。
可以理解的是,本申请的嫌疑电表分步补偿剔除法指的是结合分表相对误差、嫌疑系数和线损因素来逐步删除嫌疑分表的方法,通过该方法得到的超差电表的准确率较高。
上述实施例中,在对智能电表进行检测时,可以先确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,并利用各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为第一嫌疑分表集合,该第一嫌疑分表集合是利用分表相对误差、嫌疑系数和线损因素进行综合分析得到的,因此,结果更客观、更全面;接着,本申请还可以继续通过预设的线损判断机制对第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合,该集合中的嫌疑分表更加符合实际情况,最后,本申请还可以根据各个台区分表在预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定第一误差分表集合与第二嫌疑分表集合是否有交集,若没有交集,则直接将第二嫌疑分表集合中的台区电表作为超差电表;若有交集,则从第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对第三嫌疑分表集合中的台区电表进行筛选,从而进一步压缩嫌疑系数空间,使得最终得到的超差电表更为准确可靠,并且,该过程可以降低现场检测人员的工作量,提高检出率、降低误检率。
在一个实施例中,S130中通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合,可以包括:
S131:将所述第一嫌疑分表集合中各个台区分表在所述预设历史时段内每一时刻的线损电量分别与第一线损阈值进行比对,确定所述第一嫌疑分表集合中线损电量在所述预设历史时段内超过所述第一线损阈值的概率达到预设概率阈值的台区分表,并将达到预设概率阈值的台区分表组成第二嫌疑分表集合。
本实施例中,在通过线损判断机制对第一嫌疑分表集合中的台区分表进行筛选时,可以先将第一嫌疑分表集合中各个台区分表在预设历史时段内每一时刻的线损电量分别与第一线损阈值进行比对,进而确定第一嫌疑分表集合中线损电量在预设历史时段内超过第一线损阈值的台区分表,接着,本申请可以从这些台区分表中挑选出线损电量超过第一线损阈值的概率达到预设概率阈值的台区分表,并将该部分台区分表组成第二嫌疑分表集合。
其中,本申请的第一线损阈值和预设概率阈值都是可人为调整的参数。举例来说,本申请可以根据现场经验,将第一线损阈值默认设为2%,预设概率阈值默认为80%,若要求提高现场检出率,则可减小第一线损阈值或增大预设概率阈值,具体可视实际情况进行设置,在此不做限制。
在一个实施例中,S160中利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表,可以包括:
S161:将所述第三嫌疑分表集合中排序第一的台区分表作为最终嫌疑电表,利用所述最终嫌疑电表的分表相对误差对所述最终嫌疑电表的分表电量进行补偿,得到分表理论电量;
S162:将所述最终嫌疑电表从所述目标台区的多个台区分表中剔除,并在所述目标台区的台区总表中减去所述分表理论电量后,确定所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的线损电量;
S163:根据所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的线损电量,计算剔除所述最终嫌疑电表后的各个台区分表在所述预设历史时段内的线损电量均值,并判断所述线损电量均值是否大于第二线损阈值;若大于,则执行S164;若不大于,则执行S168。
S164:根据所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的分表电量以及所述目标台区的台区总表减去所述分表理论电量后的总表电量,对所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的分表相对误差,以及所述目标台区中的台区分表进行更新,并返回执行S120~S160的步骤,得到新的第三嫌疑分表集合。
S165:若所述新的第三嫌疑分表集合中平均嫌疑系数排序第一的台区分表与上一个第三嫌疑分表集合中的台区分表存在重合,则判断所述新的第三嫌疑分表集合中平均嫌疑系数排序第二的台区分表是否与上一个第三嫌疑分表集合中的台区分表存在重合;若是,则执行S166;否则,执行S167。
S166:将排序第二的台区分表作为最终的超差电表。
S167:将排序第一的台区分表作为最终的超差电表。
S168:若不大于,则将所述最终嫌疑电表作为超差电表。
本实施例中,在利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选时,可以先将第三嫌疑分表中排序第一的台区分表作为最终嫌疑电表,并利用最终嫌疑电表的分表相对误差来对最终嫌疑电表的分表电量进行补偿,得到分表理论电量。
例如,本申请中基于能量守恒定律建立分表相对误差求解方程具体为:
其中,J为台区分表的数量;y(i)为台区总表在计量时刻i的总表电量;xj(i)为第j个台区分表在计量时刻i的分表电量;ej(i)为第j个台区分表在计量时刻i的分表相对误差;eline(i)为在计量时刻i的线损率;eline(i)y(i)为在计量时刻i的线损电量,与台区总表的总表电量成正比;e0(i)为在计量时刻i的固定损耗。
当确定最终嫌疑电表后,本申请可以根据最终嫌疑电表的分表相对误差来对最终嫌疑电表的分表电量进行补偿,补偿后得到的分表理论电量可以为xj(i)(1-ej(i))。
当得到分表理论电量后,本申请可以将该最终嫌疑电表从目标台区中剔除,并在台区总表中减去该分表理论电量,接着,本申请可以重新计算该目标台区中的各个台区分表在预设历史时段内每一时刻的线损电量,并确定各个台区分表在预设历史时段内的线损电量均值,判断该线损电量均值是否大于第二线损阈值,若不大于,则将该最终嫌疑电表作为超差电表;若大于,则根据当前目标台区中台区总表在预设历史时段内每一时刻的总表电量以及各个台区分表在预设历史时段内每一时刻的分表电量重新计算各个台区分表在预设历史时段内每一时刻的分表相对误差以及分表电量后,重新利用各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为新的第一嫌疑分表集合;接着通过预设的线损判断机制对新的第一嫌疑分表集合中的台区分表进行筛选,得到新的第二嫌疑分表集合;然后根据各个台区分表在预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成新的第一误差分表集合,并确定新的第一误差分表集合与新的第二嫌疑分表集合是否有交集;若没有交集,则直接将新的第二嫌疑分表集合中的台区电表作为超差电表;若有交集,则从新的第二嫌疑分表集合中筛选出有交集的台区分表组成新的第三嫌疑分表集合;接着,本申请可以判断该新的第三嫌疑分表集合中平均嫌疑系数排序第一的台区分表与上一个第三嫌疑分表集合中的台区分表是否存在重合,若不存在重合,则将本次排序第一的台区分表作为最终嫌疑电表后返回执行S161~S168的步骤,若存在重合,则继续判断新的第三嫌疑分表集合中平均嫌疑系数排序第二的台区分表是否与上一个第三嫌疑分表集合中的台区分表存在重合,若存在重合,则将排序第二的台区分表作为最终的超差电表,否则,将排序第一的台区分表作为最终的超差电表。
在一个实施例中,S110中确定目标台区中各个台区分表在预设历史时段内每一时刻的分表相对误差,可以包括:
S111:获取目标台区中的台区总表在预设历史时段的第一电量数据以及各个分表电量大于预设电量阈值的台区分表在所述预设历史时段的第二电量数据。
S112:根据所述第一电量数据以及各个台区分表对应的第二电量数据,确定各个台区分表在所述预设历史时段内每一时刻的分表相对误差。
本实施例中,当对超差电表进行检测时,为了提高检测精度,可以结合台区总表在预设历史时段的第一电量数据以及各个台区分表在预设历史时段的第二电量数据进行分析,这样既可以得到各个台区分表在预设历史时段内每一时刻的分表电量,还可以得到每一台区分表的线损电量,更进一步地,本申请还可以利用台区总表的第一电量数据和各个台区分表的第二电量数据来计算各个台区分表的分表相对误差,并以此来对超差电表进行检测。
在一个实施例中,S111中获取目标台区中的台区总表在预设历史时段的第一电量数据以及各个分表电量大于预设电量阈值的台区分表在所述预设历史时段的第二电量数据,可以包括:
S1110:确定目标台区中的台区总表在预设历史时段的第一原始数据以及各个台区分表在所述预设历史时段的第二原始数据。
S1111:对所述第一原始数据以及所述第二原始数据进行预处理操作,得到第一电量数据和第二电量数据,所述预处理操作包括剔除异常数据、填补缺失数据、修正时钟偏差数据以及利用户变档案校正户变数据。
S1112:依据各个台区分表的第二电量数据,将各个台区分表中分表电量不大于预设电量阈值的台区分表进行剔除,得到各个分表电量大于所述预设电量阈值的台区分表在所述预设历史时段的第二电量数据。
本实施例中,在确定目标台区中的台区总表在预设历史时段的第一电量数据时,可以先获取台区总表在预设历史时段的第一原始数据,接着再对该第一原始数据进行预处理操作,即可得到该台区总表在预设历史时段的第一电量数据。而在确定目标台区中各个分表电量大于预设电量阈值的台区分表在所述预设历史时段的第二电量数据时,可以先获取目标台区中所有的台区分表在预设历史时段的第二原始数据,接着对该第二原始数据进行预处理操作后,便可以依据各个台区分表的第二电量数据,来将其中分表电量不大于预设电量阈值的台区分表进行剔除,以此来得到各个分表电量大于预设电量阈值的台区分表在预设历史时段的第二电量数据。
进一步地,由于现有技术在识别超差电表时,没有考虑实测数据的数据质量,缺乏全面的数据修复手段,包括缺乏考虑数据异常、缺失、时钟偏差、户变档案等因素的影响,从而导致最终的识别结果的准确率较低。因此,本申请在利用第一原始数据和第二原始数据进行数据分析之前,可以对第一原始数据和第二原始数据进行预处理操作时,该预处理操作可以包括剔除异常数据、填补缺失数据、修正时钟偏差数据以及利用户变档案校正户变数据等操作,从而有效提高超差电表的识别准确度。
具体地,在对第一原始数据和第二原始数据进行预处理操作时,可以先获取目标台区的台区数据,该台区数据可以包括电表户变档案,户变是指某用户在某个时刻前属于A台区,但该时刻后属于B台区,因此,通过电表户变档案可以理清不同时期用户和目标台区的归属关系,从而辅助修正目标台区中台区总表的总表电量。当然,本申请的台区数据还可以包括台区归属地区名称、台区归属线路名称、台区名称、台区编号、电表测量点编号等,在此不做限制。
当获取到台区数据后,便可以利用统计判别法来对台区数据、第一原始数据以及第二原始数据中的异常数据进行剔除,而统计判别法具有多种,基本方法是给定一个置信水平(如95%、99%),然后找出相应的置信区间,接着将该置信区间以外的数据判定为异常值,并予以剔除。本申请可以通过设置置信区间的方式来分别对台区数据、第一原始数据以及第二原始数据中的异常数据进行剔除。
异常数据被剔除后,本申请还可以对剔除异常数据后的台区数据、第一原始数据以及第二原始数据中的缺失数据进行填补,缺失数据的填补方法有很多,具体可以包括:填补固定值、填补均值、填补众数、填补中位数、插值填补、填补缺失位置前或后的相邻数值、以非缺失值为特征建立回归模型得到缺失值等。本申请可以选择任意一种缺失数据的填补方法来对剔除异常数据后的台区数据、第一原始数据以及第二原始数据中的缺失数据进行填补。
紧接着,由于本申请中的第一原始数据不仅可以包括总表时钟偏差,还可以包括台区总表在预设历史时段内每一时刻的总表电量,第二原始数据不仅可以包括分表时钟偏差,还可以包括各个台区分表在预设历史时段内每一时刻的分表电量。因此,本申请还可以利用总表时钟偏差以及各个台区分表的分表时钟偏差,对填补缺失数据后的台区总表在预设历史时段内每一时刻的总表电量以及各个台区分表在预设历史时段内每一时刻的分表电量进行校正,得到第二电量数据。
举例来说,本申请可以将总表时钟偏差以及某一分表时钟偏差与标准时间进行比对,当比对结果为台区总表慢了2分钟,该台区分表快了5分钟,则需要将台区总表在预设历史时段内每一时刻的总表电量和该台区分表在预设历史时段内每一时刻的分表电量重新进行对时,否则同一时刻的总表数据和分表数据不能一一对应。
再者,由于一个台区有多个用户,而一个台区只有一个台区总表,每个用户对应一个台区分表。当某一用户产生户变时,即某用户在某个时刻前属于A台区,但该时刻后属于B台区,则该用户的分表电量在该时刻前应算入A台区的总表电量,在该时刻后应算入B台区的总表电量,如果不考虑户变关系,会引入较大的误差。因此,本申请可以根据填补缺失数据后的台区数据中的电表户变档案,对校正后的台区总表在预设历史时段内每一时刻的总表电量继续进行修正,以此来得到最终的第一电量数据。
更进一步地,在对各个台区分表中分表电量不大于预设电量阈值的台区分表进行剔除时,本申请可以先根据各个台区分表在预设历史时段内的第二电量数据来确定各个台区分表在预设历史时段内的每一时刻的分表电量,接着本申请可以将所有的台区分表在预设历史时段内每一时刻的分表电量的中位数的1/K作为该时刻的小电量阈值,并在每一时刻,将各个台区分表中分表电量小于该时刻的小电量阈值的台区分表赋予判断值为1,其余台区分表赋予判断值为0,最后计算各个台区分表在预设历史时段内所有时刻的判断值之和的平均值,并将各个台区分表中平均值大于预设概率阈值的台区分表,作为不大于预设电量阈值的台区分表进行剔除,从而得到各个分表电量大于预设电量阈值的台区分表在预设历史时段的第二电量数据。
可以理解的是,本申请在对每一时刻的台区分表赋予判断值为1或0后,可以使得后续计算得到的各个台区分表在预设历史时段内所有时刻的判断值之和的平均值的范围为[0,1],其物理意义等同于小电量分表出现的概率,而当小电量分表出现的概率越大时,计算结果的偏差也越大,因此,本申请中的预设概率阈值的取值范围可以设为[0.05,0.1],以此来控制小电量分表出现的概率,进一步地,本申请在确定小电量阈值时,也可以根据上述的分析来设置K的取值范围,从而有效提高超差电表的识别准确率。
在一个实施例中,S112中根据所述第一电量数据以及各个台区分表对应的第二电量数据,确定各个台区分表在所述预设历史时段内每一时刻的分表相对误差,可以包括:
S1121:利用预设长度的滑动窗口对所述台区总表在所述预设历史时段的第一电量数据以及各个台区分表在所述预设历史时段的第二电量数据进行时段划分,得到每一时段的总表电量和分表电量。
S1122:基于能量守恒定律建立与多个时段的总表电量和分表电量对应的分表相对误差求解方程组,并对所述分表相对误差求解方程组进行求解后,得到待求量的点估计值,所述待求量包括分表相对误差、线损率和固定损耗。
S1123:根据所述待求量的点估计值确定各个台区分表的分表相对误差。
本实施例中,在得到目标台区中的台区总表在预设历史时段的第一电量数据以及各个分表电量大于预设电量阈值的台区分表在预设历史时段的第二电量数据后,本申请可以根据该第一电量数据以及各个台区分表对应的第二电量数据计算各个台区分表在预设历史时段内每一时刻的分表相对误差及分表相对误差的置信区间,并通过分表相对误差的置信区间来判断电表超差的概率,从而得到嫌疑电表。
具体地,本申请在计算每一台区分表在预设历史时段内每一时刻的分表相对误差时,可以先设置滑动窗口大小为D(设D≥(J+2)),然后利用滑动窗口对台区总表在预设历史时段的第一电量数据以及各个台区分表在预设历史时段的第二电量数据进行时段划分,从而得到每一时段的总表电量和分表电量。接着,本申请可以基于能量守恒定律建立与多个时段的总表电量和分表电量对应的分表相对误差求解方程组,并对该分表相对误差求解方程组进行求解后,得到待求量的点估计值,该待求量包括分表相对误差、线损率和固定损耗,最后,本申请可以根据待求量的点估计值确定各个台区分表的分表相对误差,并利用显著性检验中的T检验计算各个台区分表的分表相对误差对应的置信区间。
进一步地,基于能量守恒定律建立分表相对误差求解方程具体为:
其中,J为台区分表的数量;y(i)为台区总表在计量时刻i的总表电量;xj(i)为第j个台区分表在计量时刻i的分表电量;ej(i)为第j个台区分表在计量时刻i的分表相对误差;eline(i)为在计量时刻i的线损率;eline(i)y(i)为在计量时刻i的线损电量,与台区总表的总表电量成正比;e0(i)为在计量时刻i的固定损耗。
由于本申请中第一电量数据和第二电量数据被划分为D个时段,因此,本申请可以通过上述分表相对误差求解方程构建D个时刻的分表相对误差求解方程组,求解方程中,台区总表电量和台区分表电量为已知量,分表相对误差、线损率和固定损耗为待求量,因此,多元线性回归方程组的矩阵表示形式为:
Y=XB (2)
其中,Y为台区总表的电量向量,Y=[y(1),y(2),...,y(D)]T;X为台区分表的电量矩阵,X=[x(1),x(2),...,x(D)]T,其中x(D)=[x1(D),x2(D),...,xJ(D),y(D),1];B为待求量矩阵,B=[B(1),B(2),...,B(D)],B(D)=[1-e1(D),1-e2(D),...,1-eJ(D),eline(D),e0(D)]T。
根据矩阵变换可得待求量B的点估计值为:
在一个实施例中,S120中利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合,可以包括:
S121:利用显著性检验中的T检验计算各个台区分表的分表相对误差对应的置信区间,并根据每一台区分表的分表相对误差对应的置信区间,计算每一台区分表在所述预设历史时段的平均嫌疑系数。
S122:根据每一台区分表在所述预设历史时段内每一时刻的线损电量及分表电量,计算每一台区分表在所述预设历史时段的线损电量与分表电量之间的相关性,并利用相关性影响机制确定每一台区分表在所述预设历史时段的平均嫌疑系数修正因子。
S123:利用每一台区分表的平均嫌疑系数修正因子对相应台区分表的平均嫌疑系数进行修正,并根据修正后的平均嫌疑系数对各个台区分表进行降序排序,将排序最大的台区分表组成第一嫌疑分表集合。
本实施例中,在确定第一嫌疑分表集合时,本申请可以利用显著性检验中的T检验计算各个台区分表的分表相对误差对应的置信区间。具体来说,由式(3)可知,待求量B的点估计值受台区总表电量和台区分表电量的实测数据影响,由于实测数据存在***误差和随机误差,待求量B的点估计值也存在误差。而以点估计值为中心的置信区间可以以一定置信度包含该点估计值,因此,本申请可以用置信区间来衡量点估计值的误差范围。具体地,由显著性检验中的T检验可知,在(1-α)的置信度下的置信区间为:
接着,由式(2)和式(4),易得分表相对误差的置信区间(θL,θU)为:
由于本申请中获取的置信区间为各个台区分表在预设历史时段内每一时刻的分表相对误差对应的置信区间,因此,在计算各个台区分表在预设历史时段的平均嫌疑系数时,可以先计算各个台区分表在预设历史时段内每一时刻的嫌疑系数,接着再根据每一时刻的嫌疑系数来求取最终的平均嫌疑系数。
其中,在计算各个台区分表在预设历史时段内每一时刻的嫌疑系数时,可以根据可信范围确认机制来设定可信范围(θL0,θU0),接着再计算相应的嫌疑系数,具体地计算公式为:
本申请中可信范围设置的越小,则表示嫌疑分表的现场查准率越高。当然,也可以根据现场经验进行设置,可信范围一般设为(-2,2)。当得到各个台区分表在预设历史时段内每一时刻的嫌疑系数后,便可以将对应台区分表的嫌疑系数之和除以总计量时刻来得到平均嫌疑系数。
进一步地,为了避免在求解各个台区分表的分表相对误差时,由于线损电量和分表电量之间相关性的影响导致分表相对误差的计算结果不准确的情况发生,本申请可以根据每一台区分表在预设历史时段内每一时刻的线损电量及分表电量来计算每一台区分表在预设历史时段的线损电量与分表电量之间的相关性,接着本申请可以利用相关性影响机制来确定每一台区分表在预设历史时段的平均嫌疑系数修正因子,这样便可以通过平均嫌疑系数修正因子来对平均嫌疑系数进行修正,以此来提高超差电表的识别准确率。
举例来说,当某一台区分表的线损电量和某分表电量呈负相关时,该情况与窃电行为的表现一致,因此该台区分表的平均嫌疑系数应该增大,此时可以将该台区分表在预设历史时段的平均嫌疑系数修正因子设置为大于1的数值;而当某一台区分表的线损电量和分表电量呈负相关时,利用多元线性回归法或其改进算法对该台区分表进行分表相对误差估计时,该分表电量与线损电量在数学上具有相同的地位,因此,该分表相对误差和线损率之间会分摊误差,从而导致二者的计算结果均发生偏离,此时该台区分表的平均嫌疑系数应减小,如将该台区分表在预设历史时段的平均嫌疑系数修正因子设置为小于1的数值。
基于上述考虑,本申请中平均嫌疑系数修正因子λ的计算公式如下:
其中,c为台区分表的平均嫌疑系数,a1、a2为修正系数,0<a1<1,1<a2<1.5,,实例取a1=0.5,a2=1.2。
下面对本申请实施例提供的基于嫌疑电表分步补偿剔除的超差电表在线检测装置进行描述,下文描述的基于嫌疑电表分步补偿剔除的超差电表在线检测装置与上文描述的基于嫌疑电表分步补偿剔除的超差电表在线检测方法可相互对应参照。
在一个实施例中,如图2所示,图2为本申请实施例提供的一种基于嫌疑电表分布补偿剔除的超差电表在线检测装置的结构示意图;本申请还提供了一种基于嫌疑电表分步补偿剔除的超差电表在线检测装置,可以包括参数确定模块210、第一嫌疑分表确定模块220、第二嫌疑分表确定模块230、分表判断模块240、第一超差电表确定模块250、第二超差电表确定模块260,具体包括如下:
参数确定模块210,用于确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差。
第一嫌疑分表确定模块220,用于利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合。
第二嫌疑分表确定模块230,用于通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合。
分表判断模块240,用于根据各个台区分表在所述预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定所述第一误差分表集合与所述第二嫌疑分表集合是否有交集。
第一超差电表确定模块250,用于若没有交集,则直接将所述第二嫌疑分表集合中的台区电表作为超差电表。
第二超差电表确定模块260,用于若有交集,则从所述第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表。
上述实施例中,在对智能电表进行检测时,可以先确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,并利用各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将平均嫌疑系数最大的台区分表作为第一嫌疑分表集合,该第一嫌疑分表集合是利用分表相对误差、嫌疑系数和线损因素进行综合分析得到的,因此,结果更客观、更全面;接着,本申请还可以继续通过预设的线损判断机制对第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合,该集合中的嫌疑分表更加符合实际情况,最后,本申请还可以根据各个台区分表在预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定第一误差分表集合与第二嫌疑分表集合是否有交集,若没有交集,则直接将第二嫌疑分表集合中的台区电表作为超差电表;若有交集,则从第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对第三嫌疑分表集合中的台区电表进行筛选,从而进一步压缩嫌疑系数空间,使得最终得到的超差电表更为准确可靠,并且,该过程可以降低现场检测人员的工作量,提高检出率、降低误检率。
在一个实施例中,本申请还提供了一种存储介质,所述存储介质中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述实施例中任一项所述基于嫌疑电表分步补偿剔除的超差电表在线检测方法的步骤。
在一个实施例中,本申请还提供了一种计算机设备,包括:一个或多个处理器,以及存储器。
所述存储器中存储有计算机可读指令,所述计算机可读指令被所述一个或多个处理器执行时,执行如上述实施例中任一项所述基于嫌疑电表分步补偿剔除的超差电表在线检测方法的步骤。
示意性地,如图3所示,图3为本申请实施例提供的一种计算机设备的内部结构示意图,该计算机设备300可以被提供为一服务器。参照图3,计算机设备300包括处理组件302,其进一步包括一个或多个处理器,以及由存储器301所代表的存储器资源,用于存储可由处理组件302的执行的指令,例如应用程序。存储器301中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件302被配置为执行指令,以执行上述任意实施例的基于嫌疑电表分步补偿剔除的超差电表在线检测方法。
计算机设备300还可以包括一个电源组件303被配置为执行计算机设备300的电源管理,一个有线或无线网络接口304被配置为将计算机设备300连接到网络,和一个输入输出(I/O)接口305。计算机设备300可以操作基于存储在存储器301的操作***,例如WindowsServer TM、Mac OS XTM、Unix TM、Linux TM、Free BSDTM或类似。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间可以根据需要进行组合,且相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于嫌疑电表分步补偿剔除的超差电表在线检测方法,其特征在于,所述方法包括:
确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差;
利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合;
通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合;
根据各个台区分表在所述预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定所述第一误差分表集合与所述第二嫌疑分表集合是否有交集;
若没有交集,则直接将所述第二嫌疑分表集合中的台区电表作为超差电表;
若有交集,则从所述第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表。
2.根据权利要求1所述的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,其特征在于,所述通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合,包括:
将所述第一嫌疑分表集合中各个台区分表在所述预设历史时段内每一时刻的线损电量分别与第一线损阈值进行比对,确定所述第一嫌疑分表集合中线损电量在所述预设历史时段内超过所述第一线损阈值的概率达到预设概率阈值的台区分表,并将达到预设概率阈值的台区分表组成第二嫌疑分表集合。
3.根据权利要求1所述的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,其特征在于,所述利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表,包括:
将所述第三嫌疑分表集合中排序第一的台区分表作为最终嫌疑电表,利用所述最终嫌疑电表的分表相对误差对所述最终嫌疑电表的分表电量进行补偿,得到分表理论电量;
将所述最终嫌疑电表从所述目标台区的多个台区分表中剔除,并在所述目标台区的台区总表中减去所述分表理论电量后,确定所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的线损电量;
根据所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的线损电量,计算剔除所述最终嫌疑电表后的各个台区分表在所述预设历史时段内的线损电量均值,并判断所述线损电量均值是否大于第二线损阈值;
若大于,则根据所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的分表电量以及所述目标台区的台区总表减去所述分表理论电量后的总表电量,对所述目标台区中剔除所述最终嫌疑电表后的各个台区分表在预设历史时段内每一时刻的分表相对误差,以及所述目标台区中的台区分表进行更新,并返回执行利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表的步骤,得到新的第三嫌疑分表集合;
若所述新的第三嫌疑分表集合中平均嫌疑系数排序第一的台区分表与上一个第三嫌疑分表集合中的台区分表存在重合,则判断所述新的第三嫌疑分表集合中平均嫌疑系数排序第二的台区分表是否与上一个第三嫌疑分表集合中的台区分表存在重合;
若是,则将排序第二的台区分表作为最终的超差电表;
否则,将排序第一的台区分表作为最终的超差电表;
若不大于,则将所述最终嫌疑电表作为超差电表。
4.根据权利要求1所述的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,其特征在于,所述确定目标台区中各个台区分表在预设历史时段内每一时刻的分表相对误差,包括:
获取目标台区中的台区总表在预设历史时段的第一电量数据以及各个分表电量大于预设电量阈值的台区分表在所述预设历史时段的第二电量数据;
根据所述第一电量数据以及各个台区分表对应的第二电量数据,确定各个台区分表在所述预设历史时段内每一时刻的分表相对误差。
5.根据权利要求4所述的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,其特征在于,所述获取目标台区中的台区总表在预设历史时段的第一电量数据以及各个分表电量大于预设电量阈值的台区分表在所述预设历史时段的第二电量数据,包括:
确定目标台区中的台区总表在预设历史时段的第一原始数据以及各个台区分表在所述预设历史时段的第二原始数据;
对所述第一原始数据以及所述第二原始数据进行预处理操作,得到第一电量数据和第二电量数据,所述预处理操作包括剔除异常数据、填补缺失数据、修正时钟偏差数据以及利用户变档案校正户变数据;
依据各个台区分表的第二电量数据,将各个台区分表中分表电量不大于预设电量阈值的台区分表进行剔除,得到各个分表电量大于所述预设电量阈值的台区分表在所述预设历史时段的第二电量数据。
6.根据权利要求4所述的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,其特征在于,所述根据所述第一电量数据以及各个台区分表对应的第二电量数据,确定各个台区分表在所述预设历史时段内每一时刻的分表相对误差,包括:
利用预设长度的滑动窗口对所述台区总表在所述预设历史时段的第一电量数据以及各个台区分表在所述预设历史时段的第二电量数据进行时段划分,得到每一时段的总表电量和分表电量;
基于能量守恒定律建立与多个时段的总表电量和分表电量对应的分表相对误差求解方程组,并对所述分表相对误差求解方程组进行求解后,得到待求量的点估计值,所述待求量包括分表相对误差、线损率和固定损耗;
根据所述待求量的点估计值确定各个台区分表的分表相对误差。
7.根据权利要求1所述的基于嫌疑电表分步补偿剔除的超差电表在线检测方法,其特征在于,所述利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合,包括:
利用显著性检验中的T检验计算各个台区分表的分表相对误差对应的置信区间,并根据每一台区分表的分表相对误差对应的置信区间,计算每一台区分表在所述预设历史时段的平均嫌疑系数;
根据每一台区分表在所述预设历史时段内每一时刻的线损电量及分表电量,计算每一台区分表在所述预设历史时段的线损电量与分表电量之间的相关性,并利用相关性影响机制确定每一台区分表在所述预设历史时段的平均嫌疑系数修正因子;
利用每一台区分表的平均嫌疑系数修正因子对相应台区分表的平均嫌疑系数进行修正,并根据修正后的平均嫌疑系数对各个台区分表进行降序排序,将排序最大的台区分表组成第一嫌疑分表集合。
8.一种基于嫌疑电表分步补偿剔除的超差电表在线检测装置,其特征在于,包括:
参数确定模块,用于确定目标台区中各个台区分表在预设历史时段内每一时刻的线损电量、分表电量及分表相对误差;
第一嫌疑分表确定模块,用于利用各个台区分表在所述预设历史时段内每一时刻的线损电量、分表电量及分表相对误差,确定各个台区分表中平均嫌疑系数最大的台区分表,并将所述平均嫌疑系数最大的台区分表作为第一嫌疑分表集合;
第二嫌疑分表确定模块,用于通过预设的线损判断机制对所述第一嫌疑分表集合中的台区分表进行筛选,得到第二嫌疑分表集合;
分表判断模块,用于根据各个台区分表在所述预设历史时段内每一时刻的分表相对误差,选取各个台区分表中分表相对误差的绝对值最大的台区分表组成第一误差分表集合,并确定所述第一误差分表集合与所述第二嫌疑分表集合是否有交集;
第一超差电表确定模块,用于若没有交集,则直接将所述第二嫌疑分表集合中的台区电表作为超差电表;
第二超差电表确定模块,用于若有交集,则从所述第二嫌疑分表集合中筛选出有交集的台区分表组成第三嫌疑分表集合,并利用嫌疑电表分步补偿剔除法对所述第三嫌疑分表集合中的台区电表进行筛选,得到最终的超差电表。
9.一种存储介质,其特征在于:所述存储介质中存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项所述基于嫌疑电表分步补偿剔除的超差电表在线检测方法的步骤。
10.一种计算机设备,其特征在于,包括:一个或多个处理器,以及存储器;
所述存储器中存储有计算机可读指令,所述计算机可读指令被所述一个或多个处理器执行时,执行如权利要求1至7中任一项所述基于嫌疑电表分步补偿剔除的超差电表在线检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211144383.0A CN115453447A (zh) | 2022-09-20 | 2022-09-20 | 基于嫌疑电表分步补偿剔除的超差电表在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211144383.0A CN115453447A (zh) | 2022-09-20 | 2022-09-20 | 基于嫌疑电表分步补偿剔除的超差电表在线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115453447A true CN115453447A (zh) | 2022-12-09 |
Family
ID=84304317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211144383.0A Pending CN115453447A (zh) | 2022-09-20 | 2022-09-20 | 基于嫌疑电表分步补偿剔除的超差电表在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115453447A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115639517A (zh) * | 2022-12-12 | 2023-01-24 | 北京志翔科技股份有限公司 | 基于用电量调整幅度的超差电能表识别方法、装置和设备 |
-
2022
- 2022-09-20 CN CN202211144383.0A patent/CN115453447A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115639517A (zh) * | 2022-12-12 | 2023-01-24 | 北京志翔科技股份有限公司 | 基于用电量调整幅度的超差电能表识别方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN115407259A (zh) | 考虑嫌疑系数的超差电表在线检测方法、装置及存储介质 | |
CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
CN111123188A (zh) | 基于改进最小二乘法的电能表综合检定方法及*** | |
CN110555596B (zh) | 一种基于配电物资质量评价的抽检策略制定方法及*** | |
CN109359894B (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
CN108664700B (zh) | 基于不确定数据包络分析的加速退化信息融合建模方法 | |
CN107515965B (zh) | 一种基于不确定过程的加速退化建模评估方法 | |
CN109409628A (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
CN107741578B (zh) | 智能电能表运行误差远程校准的原始抄表数据处理方法 | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN108445435A (zh) | 一种电能表检定装置误差在线评估方法 | |
CN111612371A (zh) | 一种基于层次分析法的智能电表质量评估方法 | |
CN110866691A (zh) | 一种孤立批智能电能表的分阶段与分层抽样方法 | |
CN104008433A (zh) | 基于贝叶斯动态模型的中长期电力负荷预测方法 | |
CN113406558A (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
CN115453447A (zh) | 基于嫌疑电表分步补偿剔除的超差电表在线检测方法 | |
CN112100574A (zh) | 一种基于重采样的aakr模型不确定度计算方法及*** | |
CN114280527A (zh) | 一种基于低压物联感知终端的电能表失准分析方法 | |
CN105426647B (zh) | 基于可靠度先验信息融合的冷备***可靠度估计方法 | |
CN107145986A (zh) | 一种充电电量预测方法及装置 | |
CN111914424B (zh) | 一种基于短期测风资料的设计风速取值方法及*** | |
CN113406555A (zh) | 一种交流充电站的电量计量误差监测方法及充电站 | |
CN107798149B (zh) | 一种飞机维修性评估方法 |
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 |