[发明专利]一种利用人为采集失败增强电量相关性特征的方法

说明书

本发明属于电力拓扑大数据分析领域，尤其涉及一种利用人为采集失败增强电量相关性特征的方法。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：根据上述数据，建立基于采集失败优化的电量相关性分析模型；S3：利用基于采集失败优化的电量相关性分析模型诊断用户分支与台区归属关系；S4：对上述诊断结果按照给定的标准输出格式进行输出。本发明对通过对用电信息采集系统的日冻结示数进行处理，将某个用户多日用电量合并为一天用电量，提高用电量与台区线损比值和用电量波动率，增强电量电量相关性特征，从而提高电量相关性分析进行台区户变识别的准确率和检出率。

技术领域

本发明属于电力拓扑大数据分析领域，尤其涉及一种利用人为采集失败增强电量相关性特征的方法。

背景技术

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。

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。

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)。

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。

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。如图2所示。

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，若用户用电量与线损比值低、用电量波动率小时，皮尔逊相关性系数与0值比较接近，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。

发明内容

针对现有技术存在的问题，本发明提供了识别准确、检出率高的一种利用人为采集失败增强电量相关性特征的方法。

本发明是这样实现的，一种利用人为采集失败增强电量相关性特征的方法，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：根据上述数据，建立基于采集失败优化的电量相关性分析模型；

S3：利用基于采集失败优化的电量相关性分析模型诊断用户分支与台区归属关系；

S4：对上述诊断结果按照给定的标准输出格式进行输出。

本发明对通过对用电信息采集系统的日冻结示数进行处理，将某个用户多日用电量合并为一天用电量，提高用电量与台区线损比值和用电量波动率，增强用电量电量相关性特征，从而提高电量相关性分析进行台区户变识别的准确率和检出率。

所述的S1进行之前通过档案数据分析诊断出邻近台区，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。

所述的基于采集失败优化的电量相关性分析模型包括对用电信息采集系统的日冻结示数进行处理，将1天或多天数据归入某一天用电量，对原有计算结果达不到识别阈值的用户纳入诊断范围。

所述的基于采集失败优化的电量相关性分析模型，具体是：

对于台区A，电表B属于台区A，台区考核表C电量正常采集，电表B日冻结示数正常采集时，T_i日台区日线损ΔΦ_i有：