[发明专利]一种基于大数据的台区线损异常原因分析方法及装置

权利要求书

1.一种基于大数据的台区线损异常原因分析方法，其特征在于，包括：

在电力系统数据中台中获取样本台区的低压用户全量数据；

将所述低压用户全量数据中的异动用户类型作为自变量，所述低压用户全量数据中的数据字段作为因变量，并基于复相关-皮尔逊系数分析法计算某一因变量与单一自变量的组合相关系数，使得到线损影响因素关联关系，其中，所述异动用户类型包括档案异动用户、采集异动用户、计量异动用户以及窃电异动用户，所述数据字段包括台区日损耗电量、采集成功率、电压以及电流；

计算所述某一因变量与所述单一自变量的组合相关系数的表达式为：

，

式中，为某一因变量与单一自变量的组合相关系数，为某一因变量与对应的自变量组的复相关系数，为某一因变量与对应的单一自变量的皮尔逊系数，为某一因变量与对应的自变量组的权重，为某一因变量与对应的单一自变量的权重；

将获取的台区实时的低压用户全量数据输入至预设的高损原因分类模型中，使输出异动用户类型，并根据所述异动用户类型对台区线损异常原因进行识别，其中，预设的高损原因分类模型中包含所述线损影响因素关联关系。

2.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法，其特征在于，其中，在获取样本台区的低压用户全量数据之后，所述方法包括：

对所述低压用户全量数据进行数据降维处理，使剔除所述低压用户全量数据中对线损无影响的字段。

3.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法，其特征在于，其中，计算某一因变量与对应的因变量组的复相关系数的表达式为：

，，

式中，为某一因变量与对应的因变量组的复相关系数，为因变量特征出现的次数，为对自变量作回归所得回归值，为自变量的均值，为第个自变量特征的线性回归方程参数，为第个自变量特征出现的次数。

4.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法，其特征在于，其中，计算某一因变量与对应的单一自变量的皮尔逊系数的表达式为：

，

式中，为某一因变量与对应的单一自变量的皮尔逊系数，为自变量特征出现的次数，为因变量特征出现的次数，为的样本平均值，为的样本平均值，为的标准差，为的标准差。

5.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法，其特征在于，其中，预设的高损原因分类模型为基于机器学习弱分类器迭代训练构建的模型。

6.一种基于大数据的台区线损异常原因分析装置，其特征在于，包括：

获取模块，配置为在电力系统数据中台中获取样本台区的低压用户全量数据；

计算模块，配置为将所述低压用户全量数据中的异动用户类型作为自变量，所述低压用户全量数据中的数据字段作为因变量，并基于复相关-皮尔逊系数分析法计算某一因变量与单一自变量的组合相关系数，使得到线损影响因素关联关系，其中，所述异动用户类型包括档案异动用户、采集异动用户、计量异动用户以及窃电异动用户，所述数据字段包括台区日损耗电量、采集成功率、电压以及电流；

计算所述某一因变量与所述单一自变量的组合相关系数的表达式为：

，

式中，为某一因变量与单一自变量的组合相关系数，为某一因变量与对应的自变量组的复相关系数，为某一因变量与对应的单一自变量的皮尔逊系数，为某一因变量与对应的自变量组的权重，为某一因变量与对应的单一自变量的权重；

输出模块，配置为将获取的台区实时的低压用户全量数据输入至预设的高损原因分类模型中，使输出异动用户类型，并根据所述异动用户类型对台区线损异常原因进行识别，其中，预设的高损原因分类模型中包含所述线损影响因素关联关系。

7.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至5任一项所述的方法。