基于用户分支的电量相关性识别台区户变关系的方法技术

本发明专利技术属于电力拓扑大数据分析领域，尤其涉及基于用户分支的电量相关性识别台区户变关系的方法。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：建立用户分支的电量相关性分析模型；S3：利用电量相关性分析模型诊断用户分支与台区归属关系；S4：输出台区户变关系结果。本发明专利技术基于用户分类、用户分支数据和邻近台区数据，利用皮尔逊相关性系数，提出了正相关特征，并利用用户分支与2个或多个台区正负相关系数值量化趋势变化诊断用户分支与多个台区的归属关系，实现台户关系识别。对不同用电特征用户优化参与相关性计算的选点策略，对正负相关特征进行增强，进一步扩大了可识别的用户范围和提高了台户关系识别的准确率。关系识别的准确率。关系识别的准确率。

【技术实现步骤摘要】
基于用户分支的电量相关性识别台区户变关系的方法


[0001]本专利技术属于电力拓扑大数据分析领域，尤其涉及基于用户分支的电量相关性识别台区户变关系的方法。

技术介绍

[0002]随着用电信息采集系统的全面覆盖，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。
[0003]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。
[0004]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)。
[0005][0006]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。
[0007]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。
[0008]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，由于单个用户用电量在台区占比较低，其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，同时，现有相关性技术仅能判断用户不属于当前台区，需搜索所有台区进行相关性分析，从N个台区中判断出N
‑
1个台区与用户负相关，才能准确定位目标台区，对计算资源消耗太大，因台区数量多，准确性极低。

技术实现思路

[0009]针对现有技术存在的问题，本专利技术提供了一种计算资源占用少，准确率高的基于用户分支的电量相关性识别台区户变关系的方法。
[0010]本专利技术是这样实现的，基于用户分支的电量相关性识别台区户变关系的方法，其特征在于：包括以下步骤：
[0011]S1：获取台区用户分支数据、用电量数据和邻近台区数据；
[0012]S2：根据上述台区用户分支数据、用电量数据和邻近台区数据，建立基于用户负荷电气设计的电量相关性分析模型；
[0013]S3：利用电量相关性分析模型诊断用户分支与台区归属关系；
[0014]S4：分析上述结果按照给定的标准输出格式进行输出。
[0015]所述S1进行之前通过档案数据分析诊断出邻近台区。
[0016]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。
[0017]所述的S2中电量相关性分析模型对不同类用户的不同用电特征进行划分，划分为平稳用电类型、非平稳用电类型、锯齿型用电类型、常用备用用电类型、脉冲型用电类型和间歇用电类型。
[0018]所述的S3利用电量相关性分析模型诊断用户分支与台区归属关系，包括点位选取、系数计算和分支台区识别。
[0019]所述的点位选取依据不同用电特征类型进行选取：
[0020]a、对平稳用电用户(电量在一个区间【R1,R2】内、电量波动率小于等于P1)，计算点位选择线损电量变化大的点位(线损电量在区间【R3,R4】外，波动率大于P2)对应的电量数据参与相关性计算；；
[0021]b、对非平稳用电用户,引入日电量变动斜率，记作K，生成日电量变动斜率时间序列数据，K＝(当日电量
‑
前一日电量)/1，对序列数据K，选择区间【K1,K2】外的点作为波动变化大的点，并根据这些点选择对应的电量数据参与相关性计算；
[0022]c、对常用备用电源用电用户，保留用电量不为0点，不为0点前后各一天0点的电量数据参与相关性计算；
[0023]d、对锯齿型用电用户，选取用电量不为0点位前后各1天用电量为0点，用电量不为0点的电量数据参与相关性计算；
[0024]e、对脉冲型用电用户，选取用电量不为0点，如点位不足以进行相关性计算，选择线损电量变化大的点位，补足计算所需点位参与相关性计算；
[0025]f、对间歇性用电用户，选择用电量不为0点位前后各1天用电量为0点，用电量不为0点，如点位不足以进行相关性计算，选择线损电量在区间【R3,R4】外，波动率大于P2的点位补足计算所需点位，选取上述点位对应的电量数据参与相关性计算。
[0026]所述的系数计算和分支台区识别，是指用户分支电量和台区线损之间计算2个相关性系数并根据系数值趋势变化诊断台户关系；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间时间序列数据的皮尔逊相关性系数。
[0027]本专利技术的优点及积极效果为：本专利技术基于用户分类、用户分支数据和邻近台区数据，利用皮尔逊相关性系数，相比于常见的负相关特征识别用户不归属与台区，提出了正相关特征，并利用用户分支与2个或多个台区正负相关系数值量化趋势变化，实现台户关系识别。
[0028]本专利技术通过对用户分支电量合并，实现了台区用户占比最大的居民用户的台区关系识别；对不同用电特征用户优化参与相关性计算的选点策略，对正负相关特征进行增强，进一步扩大了可进行台户关系识别的用户范围和提高了台户关系识别的准确率。
附图说明
[0029]图1是本专利技术的流程框图；
[0030]图2是本专利技术的模型诊断原理方框图；
[0031]图3是本专利技术的用户分类示意图；
[0032]图4是本专利技术的采集邻近和供配电设计邻近示意图；
[0033]图5是本专利技术的各种类型用电特征示意图。
具体实施方式
[0034]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。
[0035]实施例1：
[0036]如图1所示，本专利技术是这样实现的，基于用户分支的电量相关性识别台区户变关系的方法，包括以下步骤：
[0037]S1：获取台区用户分支数据、用电量数据和邻近台区数据；
[0038]S2：根据上述台区用户分支数据、用电量数据和邻近台区数据，建立基于用户负荷电气设计的电量相关性分析模型；
[0039]S3：利用电量相关性分析模型诊断用户分支与台区归属关系；
[0040]S4：分析上述结果按照给定的标准输出格式进行输出。
[0041]所述S1进行之前通过档案数据分析诊断出邻近台区。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。
[0042]由于户变错误一般发生在相邻台区，在进行数据分析时，引入邻近台区概念，包括台区名称邻近、采集邻近和供配电邻近。
[0043]在台区供电设计时，台区的供电变压器作为10千伏配电设备，其命名需遵守相应的命本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于用户分支的电量相关性识别台区户变关系的方法，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：根据上述台区用户分支数据、用电量数据和邻近台区数据，建立基于用户分支的电量相关性分析模型；S3：利用电量相关性分析模型诊断用户分支与台区归属关系；S4：分析上述结果按照给定的标准输出格式进行输出。2.如权利要求1所述的基于用户分支的电量相关性识别台区户变关系的方法，其特征在于，所述S1进行之前通过档案数据分析诊断出邻近台区。3.如权利要求1或2所述的基于用户分支的电量相关性识别台区户变关系的方法，其特征在于，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。4.如权利要求1所述的基于用户分支的电量相关性识别台区户变关系的方法，其特征在于，所述的S2中电量相关性分析模型对不同类用户的不同用电特征进行划分，划分为平稳用电类型、非平稳用电类型、锯齿型用电类型、常用备用用电类型、脉冲型用电类型和间歇用电类型。5.如权利要求1所述的基于用户分支的电量相关性识别台区户变关系的方法，其特征在于，所述的S3利用电量相关性分析模型诊断用户分支与台区归属关系，包括点位选取、系数计算和分支台区识别。6.如权利要求5所述的基于用户分支的电量相关性识别台区户变关系的方法，其特征在于，所述的点位选取依据不同用电特征类型进行选取：a、对平稳用电用户，计算点位选择线损电量变化大的点位对应的电量数据参与相关性计...

【专利技术属性】
技术研发人员：朱铮，张永康，杜成刚，戴辰，俞磊，陈海宾，蒋超，许堉坤，陈明，沈晓枉，李蕊，张芮嘉，安佰龙，罗伟，李问溪，
申请(专利权)人：北京志翔科技股份有限公司，
类型：发明
国别省市：