CN118011135B - 一种多通道电能质量分析与数据处理方法 - Google Patents

Abstract

本发明属于电能质量分析处理技术领域，具体公开一种多通道电能质量分析与数据处理方法，通过定位电力***所在区域，由此调取目标地区在历史供电时段的用电量，进而识别目标地区的高峰供电时段，从而在高峰供电时段对电力***的多个供电分支进行电能质量监测，实现了电力***多通道在时段上针对性的电能质量监测，与此同时在基于电力***上各供电分支的电能质量监测结果识别出异常供电分支时通过统计异常供电分支的数量，获取电力***中电能质量问题的影响覆盖情况，进而据此确定电力***的电能质量调整位置，实现了电能质量调整位置的择优选取，从而大大降低电能质量调整受限的发生率，能够最大限度避免电能质量问题的扩散。

Description

一种多通道电能质量分析与数据处理方法

技术领域

本发明属于电能质量分析处理技术领域，具体涉及到一种多通道电能质量分析与数据处理方法。

背景技术

现代化工业的高速发展使得电力负荷构成发生变化，特别是非线性负荷的普遍应用，致使电力***的电能质量不断恶化，引发电能质量问题，从而对***供电质量造成污染，影响供电稳定性，为了维护供电稳定性，有必要对电力***进行电能质量监测。

随着电力负载的用电需求呈现差异化，使得电力需求越来越复杂化，为了适应日益复杂的电力需求，现在的电力***通常设计为具有多个通道或分支，以提高供电的可用性、稳定性和适应性，满足现代社会对电力的高要求，为了全面了解电力***的运行状况，及时发现电能质量问题，需要对每个供电分支进行电能质量监测分析。

但现有技术中在对电力***的多个供电分支进行电能质量监测时为了实现充分监测，一般采取全时段监测方式，忽略了易引发电能质量问题的时段特点，导致未针对性选取高峰供电时段进行电能质量监测，致使电能质量监测分析过于频繁，不仅造成监测资源成本的增加，还可能导致信息过载，使得从监测数据中提取有用信息变得更加困难，再者持续的监测可能需要设备不断运行，这可能对监测设备本身的寿命产生影响。

另外现有技术在基于多个供电分支电能质量的监测结果识别出异常供电分支时通常会选择在异常供电分支进行电能质量调整，没有考虑到电能质量问题的影响覆盖面，容易造成电能质量调整受限，只只适用于电能质量问题影响覆盖面较小的情况，当影响覆盖面较大时电能质量问题容在***内传播，此时仅对异常供电分支进行电能质量调整，电能质量问题可能会扩散到其他分支，导致整个***的电能质量问题难以根除，不利于电能质量问题的及时有效解决。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种多通道电能质量分析与数据处理方法，有效解决了现有技术存在的问题。

本发明的目的可以通过以下技术方案实现：一种多通道电能质量分析与数据处理方法,包括：S1、定位电力***所在区域，作为目标地区，并调取目标地区在历史供电时段的用电量，由此识别目标地区的高峰供电时段。

S2、统计电力***存在的供电分支数量，并在各供电分支上设置电能质量监测终端。

S3、选取当前监测时段，并在当前监测时段对应各监测日的高峰供电时段利用电能质量监测终端检测各供电分支的电能质量数据，具体包括频率偏差、电压偏差和电网谐波率，由此分析各供电分支在高峰供电时段的有效电能质量系数。

S4、基于各供电分支在高峰供电时段的有效电能质量系数识别出异常供电分支，由此统计电力***中电能质量问题的影响覆盖情况。

S5、依据电力***中电能质量问题的影响覆盖情况确定电力***的电能质量调整位置。

S6、在当前监测时段对应各监测日的高峰供电时段对异常供电分支上存在的电力设备进行运行指征采集，由此识别异常电力设备，并将识别出的异常电力设备进行显示。

作为本发明的进一步创新，所述调取目标地区在历史供电时段的用电量如下实施过程：统计历史供电时段内存的供电日数量，并将单个供电日的时间区间按照预设的时间间隔进行时段划分，得到若干采集时段。

从电力***的供电记录中调取各供电日在各采集时段的用电量。

作为本发明的进一步创新，所述目标地区的高峰供电时段具体识别如下：S11、以供电日为横坐标，以用电量为纵坐标，构建二维坐标系，由此针对同一采集时段对应各供电日的用电量在所构建的二维坐标系中标注若干点，形成各采集时段的用电量散点图，并对所述用电量散点图进行回归线绘制，同时获取回归线的斜率。

S12、将各采集时段对应用电量散点图中回归线的斜率导入趋向用电量预测表达式，得到各采集时段对应的趋向用电量/>，表示为单个供电日划分的采集时段编号，/>，/>表示为历史供电时段中第/>供电日在第/>采集时段的用电量，/>表示为历史供电时段中的供电日编号，，/>表示为第/>采集时段对应用电量散点图中回归线的斜率，/>表示为设置的限定斜率。

S13、将各采集时段对应的趋向用电量进行均值计算，得到平均趋向污用电量，进而将各采集时段对应的趋向用电量与平均趋向用电量进行对比，通过表达式计算各采集时段对应的用电量趋均度/>，/>表示为平均趋向用电量。

S14、将各采集时段对应的用电量趋均度与设置阈值进行对比，从中筛选出用电量趋均度小于或等于设置阈值的采集时段，作为备选采集时段，并将备选采集时段对应的趋向用电量与平均趋向用电量进行对比，若该采集时段对应的趋向用电量大于平均趋向用电量，则将该采集时段归入高峰供电时段。

作为本发明的进一步创新，所述各供电分支在高峰供电时段的有效电能质量系数分析如下：S31、获取电力***的供电电压等级，由此从分析参考库中提取电力***的正常电能质量数据。

S32、将各供电分支在当前监测时段中各监测日对应高峰供电时段的电能质量数据与电力***的正常电能质量数据代入公式，得到各供电分支在当前监测时段中各监测日对应高峰供电时段的电能质量系数/>，式中/>、/>、/>分别表示为各供电分支在当前监测时段中第/>监测日对应高峰供电时段的频率偏差、电压偏差、电网谐波率，/>表示当前监测时段中监测日的编号，/>，/>、/>、/>分别表示为电力***的正常频率偏差、正常电压偏差、正常电网谐波率。

S33、将同一供电分支在各监测日对应高峰供电时段的电能质量系数分别进行均值计算和中位值提取，得到平均电能质量系数和中位电能质量系数。

S34、将各供电分支在高峰供电时段的平均电能质量系数与中位电能质量系数进行对比计算电能质量接近度，计算表达式/>，式中/>、/>分别表示各供电分支在高峰供电时段的平均电能质量系数、中位电能质量系数，/>表示自然常数。

S35、将各供电分支在高峰供电时段的电能质量接近度与设定的有效接近度进行对比，若某供电分支在高峰供电时段的电能质量接近度大于或等于有效接近度，则将平均电能质量系数作为该供电分支在高峰供电时段的有效电能质量系数，反之则将中位电能质量系数作为该供电分支在高峰供电时段的有效电能质量系数。

作为本发明的进一步创新，所述异常供电分支参见下述识别过程：将各供电分支在高峰供电时段的有效电能质量系数与预先设定的达标电能质量系数进行对比，从中挑选出低于达标电能质量系数的供电分支，作为异常供电分支。

作为本发明的进一步创新，所述电力***中电能质量问题的影响覆盖情况统计如下：统计异常供电分支的数量，进而将其除以供电分支总数量，得到电力***中电能质量问题的影响覆盖度。

作为本发明的进一步创新，所述确定电力***的电能质量调整位置实施如下：将电力***中电能质量问题的影响覆盖度与预配的高影响覆盖度进行对比，若电力***中电能质量问题的影响覆盖度大于或等于高影响覆盖度，则在电力***总端进行电能质量调整，反之则在异常供电分支进行电能质量调整。

作为本发明的进一步创新，所述异常电力设备的识别过程如下：

S61、根据电力设备名称从分析参考库中提取异常供电分支上各电力设备的正常运行指征。

S62、将异常供电分支在各监测日的高峰供电时段中各电力设备的运行指征与相应电力设备的正常运行指征对比，若某监测日的高峰供电时段某电力设备的运行指征与该电力设备的正常运行指征不一致，则将该电力设备记为备选电力设备，将该监测日记为异常监测日。

S63、统计备选电力设备在当前监测时段内存在的异常监测日数量，并导入表达式得到备选电力设备的异常程度系数/>，式中表示备选电力设备在当前监测时段内第/>异常监测日高峰供电时段的运行指征，/>表示异常监测日的编号，/>，/>表示异常监测日的数量，/>表示备选电力设备的正常运行指征，/>表示当前监测时段内存在的监测日总数量。

S64、将备选电力设备的异常程度系数与设置的允许异常程度系数进行对比，若某备选电力设备的异常程度系数大于允许异常程度系数，则将该备选电力设备作为异常电力设备。

相较于现有技术，本发明的有益效果如下：1、本发明通过定位电力***所在区域，由此调取目标地区在历史供电时段的用电量，进而识别目标地区的高峰供电时段，从而在高峰供电时段对电力***的多个供电分支进行电能质量监测，实现了电力***多通道在时段上针对性的电能质量监测，避免在全时段进行电能质量监测造成的频繁监测，一方面降低了监测资源成本，另一方面避免信息过载，提高电能质量监测信息的提取效率，再一方面能够在一定程度上提高监测设备的寿命。

2、本发明在基于电力***上各供电分支的电能质量监测结果识别出异常供电分支时通过统计异常供电分支的数量，由此获取电力***中电能质量问题的影响覆盖情况，进而据此确定电力***的电能质量调整位置，实现了电能质量调整位置的择优选取，从而大大降低电能质量调整受限的发生率，能够最大限度避免电能质量问题的扩散，有利于电能质量问题的及时有效解决。

3、本发明在基于电力***上各供电分支的电能质量监测结果识别出异常供电分支时还对异常供电分支上存在的电力设备进行运行指征检测，由此识别出异常电力设备，便于电力运维人员可以直接针对具体的异常设备进行检修和维护，而不是盲目地检查整个***，从而提高维护的效率，同时可以避免不必要的维护和检修，有助于降低整体维护成本，再者异常电力设备识别有助于迅速采取措施，减少***无法正常运行的时间。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的实施步骤示意图。

图2为本发明中用电量散点图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1所示，本发明提出一种多通道电能质量分析与数据处理方法,包括：S1、定位电力***所在区域，作为目标地区，并调取目标地区在历史供电时段的用电量，由此识别目标地区的高峰供电时段。

在上述方案的示例中，历史供电时段可以为三个月、半年或一年，避免历史供电时段选取过短导致得到的供电日过少影响高峰供电时段识别的准确性，同时历史供电时段要以当前时间为限，避免选取的历史供电时段过于久远导致不具有参考性。

进一步地，调取目标地区在历史供电时段的用电量如下实施过程：统计历史供电时段内存在的供电日数量，并将单个供电日的时间区间按照预设的时间间隔进行时段划分，得到若干采集时段。

在一个具体实施例中，单个供电日的时长为24小时，可以选取某个时刻作为时间区间的起始时刻，并将起始时刻经过24小时后的时刻作为截止时刻，起始时刻和截止时刻构成了时间区间，示例性的，起始时刻为6：00，预设的时间间隔为2小时，则划分的采集时段可以为6：00——8：00，8：00——10：00，10：00——12：00，12：00——14：00，14：00——16：00等。

从电力***的供电记录中调取各供电日在各采集时段的用电量。

再进一步地，目标地区的高峰供电时段具体识别如下：S11、以供电日为横坐标，以用电量为纵坐标，构建二维坐标系，由此针对同一采集时段对应各供电日的用电量在所构建的二维坐标系中标注若干点，形成各采集时段的用电量散点图，参见图2所示，并对所述用电量散点图进行回归线绘制，同时获取回归线的斜率。

S12、将各采集时段对应用电量散点图中回归线的斜率导入趋向用电量预测表达式，得到各采集时段对应的趋向用电量/>，表示为单个供电日划分的采集时段编号，/>，/>表示为历史供电时段中第/>供电日在第/>采集时段的用电量，/>表示为历史供电时段中的供电日编号，，/>表示为第/>采集时段对应用电量散点图中回归线的斜率，/>表示为设置的限定斜率。

需要解释的是，当某采集时段对应用电量散点图中回归线的斜率绝对值越小时，表明回归线越平行于横坐标，代表该采集时段对应各供电日的用电量分布越集中，此时以该采集时段对应各供电日的平均用电量作为趋向用电量更加合理，符合实际，反之当该采集时段对应用电量散点图中回归线的斜率绝对值越大时，表明回归线越远离横坐标，代表该采集时段对应各供电日的用电量分布越分散，此时利用回归线的斜率作为该采集时段的用电量变化趋势，由此获取趋向用电量，能够大大提高趋向用电量的预测准确性。

S13、将各采集时段对应的趋向用电量进行均值计算，得到平均趋向污用电量，进而将各采集时段对应的趋向用电量与平均趋向用电量进行对比，通过表达式计算各采集时段对应的用电量趋均度/>，/>表示为平均趋向用电量。

S14、将各采集时段对应的用电量趋均度与设置阈值进行对比，示例性得，阈值可以设置为0.6，从中筛选出用电量趋均度小于或等于设置阈值的采集时段，作为备选采集时段，并将备选采集时段对应的趋向用电量与平均趋向用电量进行对比，若该采集时段对应的趋向用电量大于平均趋向用电量，则将该采集时段归入高峰供电时段。

S2、统计电力***存在的供电分支数量，并在各供电分支上设置电能质量监测终端，其中电能质量监测终端可以为电能质量监测仪。

S3、选取当前监测时段，并在当前监测时段对应各监测日的高峰供电时段利用电能质量监测终端检测各供电分支的电能质量数据，具体包括频率偏差、电压偏差和电网谐波率，由此分析各供电分支在高峰供电时段的有效电能质量系数。

需要解释的是，本发明选择频率偏差、电压偏差和电网谐波率作为电能质量数据的原因在于：这三个参数涵盖了电能质量的多个方面，频率偏差反映了电网的频率稳定性，电压偏差反映了电压稳定性，而电网谐波率则反映了电网中存在的谐波问题，通过同时监测这些参数，可以全面评估电能质量的状况，另外频率偏差、电压偏差和电网谐波率是国际上通用的电能质量参数，已被标准化和规范化，使得选择频率偏差、电压偏差和电网谐波率作为电能质量数据更具有代表性。

应用于上述实施例，当前监测时段内监测日的数量尽可能多，避免监测日数量过少影响电能质量监测的可靠度。

优选地，各供电分支在高峰供电时段的有效电能质量系数分析如下：S31、获取电力***的供电电压等级，并与分析参考库中电力***在各供电电压等级下的正常电能质量数据进行匹配，由此得到电力***的正常电能质量数据。

在上述方案的示例中，电力***的供电电压等级包括但不限于220V、380v、10KV等，在不同供电电压等级下，由于设备特性和***容量的不同，对电压波动和谐波的容忍度也可能有所不同，这使得不同供电电压等级对应的正常电能质量数据存在差异。

在以电压偏差作为示例中，220V电压对应的允许电压偏差为±10%，1kV至36kV电压对应的允许电压偏差：±5%。

S32、将各供电分支在当前监测时段中各监测日对应高峰供电时段的电能质量数据与电力***的正常电能质量数据代入公式，得到各供电分支在当前监测时段中各监测日对应高峰供电时段的电能质量系数/>，式中/>、/>、/>分别表示为各供电分支在当前监测时段中第/>监测日对应高峰供电时段的频率偏差、电压偏差、电网谐波率，/>表示当前监测时段中监测日的编号，/>，/>、/>、/>分别表示为电力***的正常频率偏差、正常电压偏差、正常电网谐波率。

S33、将同一供电分支在各监测日对应高峰供电时段的电能质量系数分别进行均值计算和中位值提取，得到平均电能质量系数和中位电能质量系数。

S34、将各供电分支在高峰供电时段的平均电能质量系数与中位电能质量系数进行对比计算电能质量接近度，计算表达式/>，式中/>、/>分别表示各供电分支在高峰供电时段的平均电能质量系数、中位电能质量系数，/>表示自然常数，其中平均电能质量系数与中位电能质量系数相差越小，电能质量接近度越大。

S35、将各供电分支在高峰供电时段的电能质量接近度与设定的有效接近度进行对比，若某供电分支在高峰供电时段的电能质量接近度大于或等于有效接近度，则将平均电能质量系数作为该供电分支在高峰供电时段的有效电能质量系数，反之则将中位电能质量系数作为该供电分支在高峰供电时段的有效电能质量系数。

本发明通过定位电力***所在区域，由此调取目标地区在历史供电时段的用电量，进而识别目标地区的高峰供电时段，从而在高峰供电时段对电力***的多个供电分支进行电能质量监测，实现了电力***多通道在时段上针对性的电能质量监测，避免在全时段进行电能质量监测造成的频繁监测，一方面降低了监测资源成本，另一方面避免信息过载，提高电能质量监测信息的提取效率，再一方面能够在一定程度上提高监测设备的寿命。

S4、基于各供电分支在高峰供电时段的有效电能质量系数识别出异常供电分支，由此统计电力***中电能质量问题的影响覆盖情况。

具体地，异常供电分支参见下述识别过程：将各供电分支在高峰供电时段的有效电能质量系数与预先设定的达标电能质量系数进行对比，作为一个示例，达标电能质量系数可以设定为0.85，从中挑选出低于达标电能质量系数的供电分支，作为异常供电分支。

进一步具体地，电力***中电能质量问题的影响覆盖情况统计如下：统计异常供电分支的数量，进而将其除以供电分支总数量，得到电力***中电能质量问题的影响覆盖度，其中异常供电分支的数量越多，电能质量问题的影响覆盖度越大。

S5、依据电力***中电能质量问题的影响覆盖情况确定电力***的电能质量调整位置，具体实施如下：将电力***中电能质量问题的影响覆盖度与预配的高影响覆盖度进行对比，若电力***中电能质量问题的影响覆盖度大于或等于高影响覆盖度，则在电力***总端进行电能质量调整，反之则在异常供电分支进行电能质量调整。

需要知道的是，由于电力***中电能质量问题的影响覆盖度实际上就是异常供电分支的占比率，因而可以将高影响覆盖度预配为0.7。

需要补充的是，电能质量调整可以在电力***中增设电压稳定器、滤波器、电容器、电感器等。

需要了解的的是，当电力***中电能质量问题的影响覆盖度大于或等于高影响覆盖度时在电力***总端进行电能质量调整，而不仅局限于异常供电分支，可以避免电能质量问题在***内扩散，确保问题得到全面解决，而不是仅在一个局部解决，有助于全面解决电能质量问题，提高整个***的性能和稳定性，同时在总端进行调整可以降低维护的复杂性。对整个***进行一致性的调整，简化了维护任务，减少了需要跟踪和管理的不同局部调整。

本发明在基于电力***上各供电分支的电能质量监测结果识别出异常供电分支时通过统计异常供电分支的数量，由此获取电力***中电能质量问题的影响覆盖情况，进而据此确定电力***的电能质量调整位置，实现了电能质量调整位置的择优选取，从而大大降低电能质量调整受限的发生率，能够最大限度避免电能质量问题的扩散，有利于电能质量问题的及时有效解决。

S6、在当前监测时段对应各监测日的高峰供电时段对异常供电分支上存在的电力设备进行运行指征采集，由此识别异常电力设备，并将识别出的异常电力设备进行显示。

作为上述方案的进一步创新，异常电力设备的识别过程如下：S61、根据电力设备名称从分析参考库中提取异常供电分支上各电力设备的正常运行指征。

具体地，供电分支上存在的电力设备包括但不限于变压器、断路器、电感器等，作为一个示例，变压器的运行指征包括电流、电压、温度、绝缘电阻等，其中变压器的正常运行指征可通过基于变压器的规格型号从变压器的操作手册、使用说明中获取，并存储在分析参考库中。

S62、将异常供电分支在各监测日的高峰供电时段中各电力设备的运行指征与相应电力设备的正常运行指征对比，若某监测日的高峰供电时段某电力设备的运行指征与该电力设备的正常运行指征不一致，则将该电力设备记为备选电力设备，将该监测日记为异常监测日。

S63、统计备选电力设备在当前监测时段内存在的异常监测日数量，并导入表达式得到备选电力设备的异常程度系数/>，式中/>表示备选电力设备在当前监测时段内第/>异常监测日高峰供电时段的运行指征，/>表示异常监测日的编号，/>，/>表示异常监测日的数量，/>表示备选电力设备的正常运行指征，/>表示当前监测时段内存在的监测日总数量，其中异常监测日的数量越多，备选电力设备在异常监测日高峰供电时段的运行指征与正常运行指征偏离越大，备选电力设备的异常程度系数越大。

S64、将备选电力设备的异常程度系数与设置的允许异常程度系数进行对比，若某备选电力设备的异常程度系数大于允许异常程度系数，示例性地，允许异常程度系数可以设置为0.3，则将该备选电力设备作为异常电力设备。

本发明在基于电力***上各供电分支的电能质量监测结果识别出异常供电分支时还对异常供电分支上存在的电力设备进行运行指征检测，由此识别出异常电力设备，便于电力运维人员可以直接针对具体的异常设备进行检修和维护，而不是盲目地检查整个***，从而提高维护的效率，同时可以避免不必要的维护和检修，有助于降低整体维护成本，再者异常电力设备识别有助于迅速采取措施，减少***无法正常运行的时间。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种多通道电能质量分析与数据处理方法，其特征在于,包括：

S1、定位电力***所在区域，作为目标地区，并调取目标地区在历史供电时段的用电量，由此识别目标地区的高峰供电时段；

S2、统计电力***存在的供电分支数量，并在各供电分支上设置电能质量监测终端；

S3、选取当前监测时段，并在当前监测时段对应各监测日的高峰供电时段利用电能质量监测终端检测各供电分支的电能质量数据，具体包括频率偏差、电压偏差和电网谐波率，由此分析各供电分支在高峰供电时段的有效电能质量系数；

所述各供电分支在高峰供电时段的有效电能质量系数分析如下：

S31、获取电力***的供电电压等级，由此从分析参考库中提取电力***的正常电能质量数据；

S32、将各供电分支在当前监测时段中各监测日对应高峰供电时段的电能质量数据与电力***的正常电能质量数据代入公式，得到各供电分支在当前监测时段中各监测日对应高峰供电时段的电能质量系数/>，式中/>、/>、/>分别表示为各供电分支在当前监测时段中第/>监测日对应高峰供电时段的频率偏差、电压偏差、电网谐波率，表示当前监测时段中监测日的编号，/>，/>、/>、/>分别表示为电力***的正常频率偏差、正常电压偏差、正常电网谐波率；

S33、将同一供电分支在各监测日对应高峰供电时段的电能质量系数分别进行均值计算和中位值提取，得到平均电能质量系数和中位电能质量系数；

S34、将各供电分支在高峰供电时段的平均电能质量系数与中位电能质量系数进行对比计算电能质量接近度，计算表达式/>，式中/>、/>分别表示各供电分支在高峰供电时段的平均电能质量系数、中位电能质量系数，/>表示自然常数；

S35、将各供电分支在高峰供电时段的电能质量接近度与设定的有效接近度进行对比，若某供电分支在高峰供电时段的电能质量接近度大于或等于有效接近度，则将平均电能质量系数作为该供电分支在高峰供电时段的有效电能质量系数，反之则将中位电能质量系数作为该供电分支在高峰供电时段的有效电能质量系数；

S4、基于各供电分支在高峰供电时段的有效电能质量系数识别出异常供电分支，由此统计电力***中电能质量问题的影响覆盖情况；

S5、依据电力***中电能质量问题的影响覆盖情况确定电力***的电能质量调整位置；

S6、在当前监测时段对应各监测日的高峰供电时段对异常供电分支上存在的电力设备进行运行指征采集，由此识别异常电力设备，并将识别出的异常电力设备进行显示。

2.如权利要求1所述的一种多通道电能质量分析与数据处理方法，其特征在于：所述调取目标地区在历史供电时段的用电量如下实施过程：

统计历史供电时段内存的供电日数量，并将单个供电日的时间区间按照预设的时间间隔进行时段划分，得到若干采集时段；

从电力***的供电记录中调取各供电日在各采集时段的用电量。

3.如权利要求2所述的一种多通道电能质量分析与数据处理方法，其特征在于：所述目标地区的高峰供电时段具体识别如下：

S11、以供电日为横坐标，以用电量为纵坐标，构建二维坐标系，由此针对同一采集时段对应各供电日的用电量在所构建的二维坐标系中标注若干点，形成各采集时段的用电量散点图，并对所述用电量散点图进行回归线绘制，同时获取回归线的斜率；

S12、将各采集时段对应用电量散点图中回归线的斜率导入趋向用电量预测表达式，得到各采集时段对应的趋向用电量/>，/>表示为单个供电日划分的采集时段编号，/>，/>表示为历史供电时段中第/>供电日在第/>采集时段的用电量，/>表示为历史供电时段中的供电日编号，/>，/>表示为第/>采集时段对应用电量散点图中回归线的斜率，/>表示为设置的限定斜率；

S13、将各采集时段对应的趋向用电量进行均值计算，得到平均趋向污用电量，进而将各采集时段对应的趋向用电量与平均趋向用电量进行对比，通过表达式计算各采集时段对应的用电量趋均度/>，/>表示为平均趋向用电量；

S14、将各采集时段对应的用电量趋均度与设置阈值进行对比，从中筛选出用电量趋均度小于或等于设置阈值的采集时段，作为备选采集时段，并将备选采集时段对应的趋向用电量与平均趋向用电量进行对比，若该采集时段对应的趋向用电量大于平均趋向用电量，则将该采集时段归入高峰供电时段。

4.如权利要求1所述的一种多通道电能质量分析与数据处理方法，其特征在于：所述异常供电分支参见下述识别过程：

将各供电分支在高峰供电时段的有效电能质量系数与预先设定的达标电能质量系数进行对比，从中挑选出低于达标电能质量系数的供电分支，作为异常供电分支。

5.如权利要求1所述的一种多通道电能质量分析与数据处理方法，其特征在于：所述电力***中电能质量问题的影响覆盖情况统计如下：

统计异常供电分支的数量，进而将其除以供电分支总数量，得到电力***中电能质量问题的影响覆盖度。

6.如权利要求5所述的一种多通道电能质量分析与数据处理方法，其特征在于：所述确定电力***的电能质量调整位置实施如下：

将电力***中电能质量问题的影响覆盖度与预配的高影响覆盖度进行对比，若电力***中电能质量问题的影响覆盖度大于或等于高影响覆盖度，则在电力***总端进行电能质量调整，反之则在异常供电分支进行电能质量调整。

7.如权利要求1所述的一种多通道电能质量分析与数据处理方法，其特征在于：所述异常电力设备的识别过程如下：

S61、根据电力设备名称从分析参考库中提取异常供电分支上各电力设备的正常运行指征；

S62、将异常供电分支在各监测日的高峰供电时段中各电力设备的运行指征与相应电力设备的正常运行指征对比，若某监测日的高峰供电时段某电力设备的运行指征与该电力设备的正常运行指征不一致，则将该电力设备记为备选电力设备，将该监测日记为异常监测日；

S63、统计备选电力设备在当前监测时段内存在的异常监测日数量，并导入表达式得到备选电力设备的异常程度系数/>，式中/>表示备选电力设备在当前监测时段内第/>异常监测日高峰供电时段的运行指征，/>表示异常监测日的编号，/>，/>表示异常监测日的数量，/>表示备选电力设备的正常运行指征，/>表示当前监测时段内存在的监测日总数量；

S64、将备选电力设备的异常程度系数与设置的允许异常程度系数进行对比，若某备选电力设备的异常程度系数大于允许异常程度系数，则将该备选电力设备作为异常电力设备。