[发明专利]一种基于大数据分析线损的方法

说明书

本发明提供了一种线损分析方法，将所述待分析数据输入线损识别网络模型，所述线损识别网络模型包括输入层、浅层特征提取模块、第一分类器、深层特征提取模块以及第二分类器；将通过浅层特征提取得到的第一特征输入第一分类器得到第一分类结果，所述第一分类结果为线损正常或者异常的概率，当所述第一分类结果为异常时，将所述第一特征输入深层特征提取模块进行特征提取，得到第二特征并输入第二分类器，得到第二分类结果，所述第二分类结果包括线损率以及对应的分类标签，大大提高了效率；在对模型进行训练时，通过综合考虑历史相似日数据以及临近日数据进行数据修复，大大提高了模型的准确性。

技术领域

本发明属于电网电能损耗领域，具体涉及一种基于大数据分析线损的方法。

背景技术

随着我国国民经济的迅速发展和社会主义市场经济体制改革的不断深化，建设资源节约型、环境友好型社会日益成为人们关注的焦点。这就对电力系统中的线损管理工作提出了新的更高要求。然而，当前电力系统在供电管理中因线损管理问题还普遍存在着大量的电力损失现象，因此如何采取积极有效的措施提高电力系统中的线损管理水平，降低用电损耗是当前相关电力管理部门亟待解决的重要问题。

根据产生的原因，线损率的计算方法包括理论线损和同期线损，理论线损是根据电网的拓扑结构和参数，得到线损率，同期线损基于智能电表的采集数据进行计算。同期线损的计算方法依赖于智能电表的采集状况，为保证电表数据的准确性和完整性，现有技术中通过阶段均值、历史相似日、相邻日、相近台区同日电量以及通过异常情况的分类，采取不同的措施进行修复的方式，然而通过上述方式进行修复需要对断采的情况进行分类，再选择不同的修复措施，效率较低。在对线损率进行分类时，CN113866562A通过卷积神经网络对输入数据进行分类，得到线损率以及对应的分类标签，然而，由于用户量大，通过智能电表采集的数量较多，通过上述方式进行分类耗时较长，在对缺失值进行修复时，通过缺失数据的缺失情况进行分类分析，效率较低。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种基于大数据分析线损的方法，以提高线损识别的效率和精准度。

本发明是通过以下技术方案实现的：

本申请提供了一种基于大数据分析线损的方法，所述方法包括：

获取待分析数据，所述待分析数据包括变压器电阻参数、线路阻抗参数、感抗参数、容量参数、功率参数以及台区总有功、功率因数、变压器负载率、电压、电流；

对所述待分析数据进行数据预处理得到待分析数据；

将所述待分析数据输入线损识别网络模型，所述线损识别网络模型包括输入层、浅层特征提取模块、第一分类器、深层特征提取模块以及第二分类器；将通过浅层特征提取得到的第一特征输入第一分类器得到第一分类结果，所述第一分类结果为线损正常或者异常的概率，当所述第一分类结果为异常时，将所述第一特征输入深层特征提取模块进行特征提取，得到第二特征并输入第二分类器，得到第二分类结果，所述第二分类结果包括线损率以及对应的分类标签，所述分类标签包括大负损、小负损、高损、超大损；

所述线损识别网络模型采用历史数据作为候选训练样本；对所述候选训练样本进行数据预处理以及人工标记，得到训练样本；构建线损识别网络模型，并基于所述训练样本对所述网络模型进行训练。

对所述候选训练样本进行数据预处理包括：数据清理、数据集成、数据变换和数据规约。

所述数据清理包括空缺值处理和噪声数据处理。

所述空缺值Hij通过如下步骤获取得到：

基于历史数据，建立历史数据矩阵其中，n为历史数据的条数，m＝10，每行数据均包括变压器电阻参数、线路阻抗参数、感抗参数、容量参数、功率参数以及台区总有功、功率因数、变压器负载率、电压、电流对应的值；