[发明专利]一种基于集成学习LSCP算法的台区户变关系纠查方法及系统

说明书

一种基于集成学习LSCP算法的台区户变关系纠查方法及系统，包括：步骤1，采集多个台区N天内的台区运行数据；步骤2，基于多个基异常检测器和台区运行数据计算台区内用户的异常分数以构建户变关系纠查模型；步骤3，户变关系纠查模型筛选台区内户变关系正常用户并根据其运行数据计算台区线损率以确定该模型的最佳输入参数；步骤4，在所述户变关系纠查模型中输入最佳输入参数，得到台区内户变关系错误用户。本发明能够有效识别出户变关系档案错误用户，查全率和查准率都有较大提升，可以节约人工排查的成本，实现了基于集成学习的综合判断方法，而且与与单个异常检测模型相比，集成方法结合了多个异常检测模型，识别结果也更稳定和可靠。

技术领域

本发明属于电力配电领域，涉及户变关系辨识，具体为一种基于集成学习LSCP算法的台区户变关系纠查方法。

背景技术

配电线路的改造升级使台区的户变关系变动频繁，若配电系统的台区户变信息更新不及时或人工更新时录入错误，会使系统内台区户变关系出现错误，影响电网的运维检修，以及造成营销系统中台区总表与用户表计量数据不一致，台区线损出现异常，影响台区的精益化管理。

为解决户变关系错误造成台区线损异常等问题，需要对台区进行户变关系的纠查，将户变关系错误的用户识别出来并进行更正。传统的工程方法有瞬时停电法、脉冲电流法等，需要人工现场核查，准确性和效率都较低，不符合配网的智能化发展目标。因此，亟需提出一种新的户变关系纠查方法，满足准确率和智能化的要求，助力配网的数字化转型。

现有技术文件1(CN114021430 A)提出一种基于电量和电压信息融合的户变关系辨识方法，根据台区总表电量和用户电量守恒，构建台区用电量参数化模型；利用随机梯度迭代和学习率自调整方法建立台区用电量参数化模型的全局最优解的求解过程，对用户与台区的隶属关系进行初步辨识；采用基于滑动时间窗的多次判断方法，将台区历史数据划分为多个具有不同起始日期的时间窗，进行多次求解，将多次求解结果取并集，得到户变隶属关系，即初步户变识别结果；由户变关系正常用户的电压数据构成训练样本；用一类支持向量机的方法，学习台区户变关系正常用户的电压特征，构建户变关系识别模型，对台区当前档案中的所有用户进行户变识别，得到其中户变关系档案错误的用户，实现对台区户变关系的正确辨识。现有技术文件1的不足之处在于：在处理电压数据时，仅使用了一种基于一类支持向量机的识别方法，导致户变关系识别准确率不高。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于集成学习LSCP(Local Selective Combination in Parallel Outlier Ensembles)算法的台区户变关系纠查方法及系统，使用局部选择组合的并行集成异常检测算法LSCP，并将4种经典的异常检测算法作为基异常检测器，对台区内用户电压曲线差异性进行精准检测，实现台区户变关系的纠查。同时，通过计算线损率实现LSCP算法中关键输入参数的确定，提高算法的实用性。

本发明采用如下的技术方案。

一种基于集成学习LSCP算法的台区户变关系纠查方法，包括以下步骤：

步骤1，采集多个台区N天内的台区运行数据；

步骤2，基于多个基异常检测器和台区运行数据计算台区内用户的异常分数以构建户变关系纠查模型；

步骤3，户变关系纠查模型筛选台区内户变关系正常用户并根据户变关系正常用户的运行数据计算台区线损率以确定该模型的最佳输入参数；

步骤4，在所述户变关系纠查模型中输入最佳输入参数，得到台区内户变关系错误用户。

台区运行数据包括：台区内所有用户的日用电量和电压读数、台区内供电变压器日用电量和电压读数。

户变关系纠查模型包括多个基异常检测器，其中基异常检测器用于判断台区内用户的户变关系。

户变关系纠查模型的构建过程包括：