[发明专利]一种台区内电表识别方法及判断电表所属台区的方法

权利要求书

1.一种台区内电表识别方法，其特征在于，包括：

S1构建以台区内各电表的电流为自变量的台区总电流模型；

对于多个自变量和因变量进行数学建模，通过大数据得到每个自变量对应的系数，自变量即为电表电流数据；

设自变量为因变量为回归系数为δ_j，共有N个采样点；

Y为因变量数据的矩阵表示，包括T个为台区t个时刻总电流数据；

X为台区自变量数据的矩阵表示，包含N个电表T个时刻电流数据；

Δ为自变量系数的矩阵表示；

Y＝X·Δ，

上式为所有时刻线性回归模型的紧缩形式，通过T次数据线性拟合，得到各个线性系数Δ，构建所述台区总电流模型的线性回归模型；

S2采集若干组台区内各电表电流，求解所述台区总电流模型；

S3进行显著性检验，将显著性小于第一阈值的自变量对应的电表作为非本台区电表删除，并返回步骤S1更新台区总电流模型；如果不存在显著性小于第一阈值的自变量，则将剩余的自变量对应电表作为本台区电表。

2.一种判断电表所属台区的方法，其特征在于，包括：

S100假定需要判断属地的若干电表属于某一台区；

S200构建以包括需要判断属地的若干电表在内的台区内各电表的电流为自变量的台区总电流模型；

对于多个自变量和因变量进行数学建模，通过大数据得到每个自变量对应的系数，自变量即为电表电流数据；

设自变量为因变量为回归系数为δ_j，共有N个采样点；

Y为因变量数据的矩阵表示，包括T个为台区t个时刻总电流数据；

X为台区自变量数据的矩阵表示，包含N个电表T个时刻电流数据；

Δ为自变量系数的矩阵表示；

Y＝X·Δ，

上式为所有时刻线性回归模型的紧缩形式，通过T次数据线性拟合，得到各个线性系数Δ，构建所述台区总电流模型的线性回归模型；

S300采集若干组台区内各电表电流，求解所述台区总电流模型；

S400进行显著性检验，将显著性小于第一阈值的自变量对应的电表作为非本台区电表删除，并返回步骤S200更新台区总电流模型；如果不存在显著性小于第一阈值的自变量，则查看需要判断属地的若干电表的自变量是否剩余，若剩余则属于该台区，否则不属于该台区。

3.根据权利要求1或2所述的方法，其特征在于，台区总电流模型为：

Y＝X·Δ

X为台区内各电表的电流矩阵，△为回归系数矩阵，其中为第k个电表t时刻采集的电流，T为采样组的总数，N为台区内的电表总数，δ_j为第j个电表t时刻采集的电流的回归系数。

4.根据权利要求1所述的方法，其特征在于，进行显著性检验之前还包括，剔除回归系数绝对值超过第二阈值的自变量，作为非本台区电表删除，并返回更新台区总电流模型。

5.根据权利要求4所述的方法，其特征在于，所述第二阈值为3～5。

6.根据权利要求1所述的方法，其特征在于，步骤S1之前还包括，获取台区的单位时间的总发电量W1，台区内各电表计量的用电量之和W2，如果(W2-W1)/W1超过第三阈值，则进入步骤S1。

7.根据权利要求6所述的方法，其特征在于，所述第三阈值为2％～20％。

8.根据权利要求1或2所述的方法，其特征在于，采用t检验法进行显著性检验，采用各自变量的t值与所述第一阈值比较，所述第一阈值为0.8～1.2。

9.根据权利要求1所述的方法，其特征在于，对于非本台区电表删除后，在片区范围内寻找可能所属的其他台区，判断电表所属台区。

10.根据权利要求9所述的方法，其特征在于，在片区范围内寻找可能所属的其他台区，采用权利要求2所述的方法判断电表所属台区。