一种台区线损分析方法、装置及系统制造方法及图纸

本发明专利技术公开了一种台区线损分析方法、装置及系统，所述方法包括获取带有标签的线损训练样本集合；获取没有标签的线损集合；计算没有标签的各用户线损与线损训练样本集合中每条数据的欧式距离，并对求得的所有欧式距离进行排序；针对每个用户，分别选取前k个欧式距离，并计算出对应的欧式权重距离；针对k个欧式距离所涉及的分类，计算出与各分类对应的欧式距离权和；将欧式距离权和最大的分类标签作为没有标签的线损数据的分类。本发明专利技术利用人工智能算法有效地分析配电台区下的用户的线损情况，以便对台区进行精细化管理。以便对台区进行精细化管理。以便对台区进行精细化管理。

【技术实现步骤摘要】
一种台区线损分析方法、装置及系统


[0001]本专利技术属于台区线损分析
，具体涉及一种台区线损分析方法、装置及系统。

技术介绍

[0002]配电台区线损情况至关重要，它是台区精细化管理的基础，目前台区的线损在实际应用中基本没有实现基于用户的线损分析，目前只能做到基于台区总的线损计算。台区线损计算方式是台区配电变压器的总输入电量减去每个用户的总输入电量，差值就是台区线损。差值除以配电台区变压器输入电量就是台区总线损率。这个方法一定程度上可以了解整个台区的线损情况，但是当线损情况异常时，无法自动确定线损的异常。
[0003]现有技术中实现线损分析的方法，大多参考无监督学习的大数据分析方法实现对台区的线损分析，好处是比现有实际方案有可更多的智能化和自动化，但是只能对台区总的线损进行分析，且精准度欠佳。

技术实现思路

[0004]针对上述问题，本专利技术提出一种台区线损分析方法、装置及系统，利用人工智能算法有效地分析配电台区下的用户的线损情况，以便对台区进行精细化管理。
[0005]为了实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：
[0006]第一方面，本专利技术提供了一种台区线损分析方法，包括：
[0007]获取带有标签的线损训练样本集合；
[0008]获取没有标签的线损集合；
[0009]计算没有标签的各用户线损与线损训练样本集合中每条数据的欧式距离，并对求得的所有欧式距离进行排序；
[0010]针对每个用户，分别选取前k个欧式距离，并计算出对应的欧式权重距离；
[0011]针对k个欧式距离所涉及的分类，计算出与各分类对应的欧式距离权和；
[0012]将欧式距离权和最大的分类标签作为没有标签的线损数据的分类。
[0013]可选地，所述带有标签的线损训练样本集合包括平均线损率训练样本集合和线损率离散系数训练样本集合；所述没有标签的线损集合包括用户平均线损率集合和用户的线损率离散系数集合。
[0014]可选地，所述带有标签的平均线损率训练样本集合的表达式为：
[0015]E
X
(e)＝{e
1,X
,e
2,X
…
,e
j,X
,
…
,e
p,X
}(j＝1,
…
,p)
[0016]其中，p为训练样本的数量，e
j,X
为第j个样本的平均线损率，E
X
(e)为带有标签的平均线损率训练样本集合。
[0017]可选地，所述没有标签的用户平均线损率集合的表达式为：
[0018]LLR
D
(x)＝{x1,x2,
…
,x
i
,
…
,x
m
},(i＝1,
…
,m)
[0019]x
i
＝{x
1,i
,x
2,i
,
…
,x
j,i
,
…
,x
n,i
},(j＝1,
…
,n)
[0020]其中，x
i
为第i个用户一天的n个线损率向量，x
j,i
为第i个用户在第j个时间段的线损率，m为用户数量。
[0021]可选地，所述欧式距离的计算公式为：
[0022][0023][0024]其中，e
i
为第i个用户一天的平均线损率；
[0025]所述欧式权重距离的计算公式为：
[0026]D1＝Dist
i,e
×
E
i,e
[0027][0028][0029][0030]可选地，所述没有标签的用户的线损率离散系数集合的获取方法包括：
[0031][0032]E
D
(e)＝{e1,e2…
,e
i
,
…
,e
m
}(i＝1,
…
,m)
[0033][0034]SD
D
(sd)＝{sd1,sd2…
,sd
i
,
…
,sd
m
}(i＝1,
…
,m)
[0035]cv
i
＝α
×
sd
i
/e
i
,(i＝1,
…
,m)
[0036]CV
D
(cv)＝{cv1,cv2…
,cv
i
,
…
,cv
m
}(i＝1,
…
,m)
[0037]其中，e
i
为第i个用户一天的平均线损率，sd
i
为第i个用户一天的线损率均方差,cv
i
为第i个用户一天的线损率离散系数；α为离散变异系数，与e
i
成对应关系，e
i
值越大，α值也越大，m为用户数量，E
D
(e)为台区用户一天平均线损率向量集合，SD
D
(sd)为台区用户一天线损率均方差向量集合，CV
D
(cv)为台区用户一天线损率离散系数向量集合。
[0038]可选地，所述带有标签的线损率离散系数训练样本集合的表达式为：
[0039]CV
X
(cv)＝{cv
1,X
,cv
2,X
…
,cv
j,X
,
…
,cv
p,X
}(j＝1,
…
,p)
[0040]其中，p为训练样本的数量，cv
j,X
为第j个样本的线损离散系数向量。
[0041]可选地，所述欧式距离的计算公式为：
[0042][0043]其中，m为用户数，p为训练样本的数量，Dist
i,cv
为第i个用户欧式距离，cv
i
为第i个用户一天的线损率离散系数，cv
j,X
为第j个样本的线损率离散系数；
[0044]所述欧式权重距离的计算公式为：
[0045]D2＝Dist
i,cv
×
E
i,cv
[0046][0047][0048][0049]第二方面，本专利技术提供了一种台区线损分析装置，包括：
[0050]第一获取模块，用于获取带有标签的线损训练样本集合；
[0051]第二获取模块，用于获取没有标签的线损集合；
[0052]欧式距离计算模块，用于计算没有标签的各用户线损与线损训练样本集合中每条数据的欧式距离，并对求得的所有欧式距离进行排序；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种台区线损分析方法，其特征在于，包括：获取带有标签的线损训练样本集合；获取没有标签的线损集合；计算没有标签的各用户线损与线损训练样本集合中每条数据的欧式距离，并对求得的所有欧式距离进行排序；针对每个用户，分别选取前k个欧式距离，并计算出对应的欧式权重距离；针对k个欧式距离所涉及的分类，计算出与各分类对应的欧式距离权和；将欧式距离权和最大的分类标签作为没有标签的线损数据的分类。2.根据权利要求1所述的一种台区线损分析方法，其特征在于：所述带有标签的线损训练样本集合包括平均线损率训练样本集合和线损率离散系数训练样本集合；所述没有标签的线损集合包括用户平均线损率集合和用户的线损率离散系数集合。3.根据权利要求2所述的一种台区线损分析方法，其特征在于：所述带有标签的平均线损率训练样本集合的表达式为：E
X
(e)＝{e
1,X
,e
2,X
…
,e
j,X
,
…
,e
p,X
}(j＝1,
…
,p)其中，p为训练样本的数量，e
j,X
为第j个样本的平均线损率，E
X
(e)为带有标签的平均线损率训练样本集合。4.根据权利要求3所述的一种台区线损分析方法，其特征在于：所述没有标签的用户平均线损率集合的表达式为：LLR
D
(x)＝{x1,x2,
…
,x
i
,
…
,x
m
},(i＝1,
…
,m)x
i
＝{x
1,i
,x
2,i
,
…
,x
j,i
,
…
,x
n,i
},(j＝1,
…
,n)其中，x
i
为第i个用户一天的n个线损率向量，x
j,i
为第i个用户在第j个时间段的线损率，m为用户数量。5.根据权利要求4所述的一种台区线损分析方法，其特征在于：所述欧式距离的计算公式为：式为：其中，e
i
为第i个用户一天的平均线损率；所述欧式权重距离的计算公式为：D1＝Dist
i,e
×
E
i,ei,ei,e
6.根据权利要求2所述的一种台区线损分析方法，其特征在于：所述没有标签的用户的线损率离散系数集合的获取方法包括：
E
D
(e)＝{e1,e2…
,e
i
,
…
,e
m
}(i＝1,
…
,m)SD
D
(sd)＝{sd1,sd2…
,sd
i
,
…
,sd<...

【专利技术属性】
技术研发人员：施健，胡游君，邱玉祥，刘军，蔡世龙，魏训虎，潘安顺，富思，樊泽宇，陈克朋，周忠冉，张文鹏，李马峰，张俊杰，顾亚林，刘皓，邱文元，李洋，沈耀威，万明，万国栋，魏芃，鄂龙慧，朱洪森，李宁远，韩冬，徐顺旺，史梦杰，朱子葳，张华锋，周鹏，张磊，晁凯，宋凯，赵强，吴垠，杨勰，张敏杰，胡楠，杨清松，王玉敏，刘赛，甘岚，高雪，邹徐熹，
申请(专利权)人：南京南瑞信息通信科技有限公司，
类型：发明
国别省市：