本發(fā)明涉及智能調(diào)度領(lǐng)域，尤其是涉及一種基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法、裝置及設(shè)備。

背景技術(shù)：

1、在電力企業(yè)管理中，線損率是衡量管理水平的重要指標(biāo)，同時(shí)還是體現(xiàn)電力系統(tǒng)規(guī)劃設(shè)計(jì)、運(yùn)營(yíng)管理水平、生產(chǎn)技術(shù)水平的綜合性經(jīng)濟(jì)指標(biāo)。當(dāng)前，隨著我國經(jīng)濟(jì)進(jìn)入新常態(tài)，售電量增速趨緩，市場(chǎng)競(jìng)爭(zhēng)加劇，單純依靠售電量高速增長(zhǎng)以支撐電網(wǎng)和公司發(fā)展的模式難以為繼。隨著電力改革的深入推進(jìn)，各省輸配電價(jià)陸續(xù)核定，電力企業(yè)對(duì)進(jìn)一步加強(qiáng)線損管理、挖掘降損潛力、提升經(jīng)營(yíng)效益提出了更高要求。

2、降低線損是電網(wǎng)企業(yè)降低碳排放、提升電網(wǎng)效益的重要措施。準(zhǔn)確分析線損異常對(duì)線損精益管理有積極意義?，F(xiàn)有技術(shù)中，低壓配電系統(tǒng)中的三相負(fù)載和單相負(fù)載混合用電網(wǎng)絡(luò)，由于用電特點(diǎn)和負(fù)荷變化大等因素，三相負(fù)荷不平衡的情況普遍存在，導(dǎo)致設(shè)備安全運(yùn)行受到威脅，線損增大。傳統(tǒng)的線損分相管理主要依靠月底統(tǒng)計(jì)分析指導(dǎo)降損工作，這種方式數(shù)據(jù)粗糙，無法精準(zhǔn)定位線損偏高的原因。傳統(tǒng)的理論線損計(jì)算方法存在局限性，難以精確判斷線損成因，線損原因分析不夠智能化。當(dāng)前各臺(tái)區(qū)主要通過線損率計(jì)算公式得到數(shù)值，然后依照人工設(shè)定的合理線損率進(jìn)行分析。這種方式缺乏科學(xué)依據(jù)，難以實(shí)現(xiàn)精益化管理目標(biāo)。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本申請(qǐng)?zhí)峁┝艘环N基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，解決現(xiàn)有技術(shù)中各臺(tái)區(qū)主要通過線損率計(jì)算公式得到數(shù)值，然后依照人工設(shè)定的合理線損率進(jìn)行分析，缺乏科學(xué)依據(jù)，誤差較高，難以實(shí)現(xiàn)精細(xì)化管理的技術(shù)問題。

2、根據(jù)本申請(qǐng)的第一方面，提供了一種基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，包括：

3、獲取臺(tái)區(qū)訓(xùn)練數(shù)據(jù)，其中，所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)包括總表電能數(shù)據(jù)、戶表的電能數(shù)據(jù)、已知的各相線損率及線損異常標(biāo)記；

4、對(duì)所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理；

5、對(duì)預(yù)處理后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行降維處理；

6、基于霜冰優(yōu)化密度聚類rime-dbscan算法對(duì)降維后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行聚類，以識(shí)別不同類別的臺(tái)區(qū)；

7、基于stacking集成學(xué)習(xí)模型，對(duì)每個(gè)聚類中的臺(tái)區(qū)進(jìn)行線損率評(píng)估，計(jì)算各相線損率；

8、對(duì)比各相線損率與設(shè)定的閾值，以識(shí)別出線損率異常的相位和區(qū)段。

9、根據(jù)本申請(qǐng)的第二方面，提供了一種基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)裝置，包括：

10、數(shù)據(jù)獲取模塊，獲取臺(tái)區(qū)訓(xùn)練數(shù)據(jù)，其中，所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)包括總表電能數(shù)據(jù)、戶表的電能數(shù)據(jù)、已知的各相線損率及線損異常標(biāo)記；

11、數(shù)據(jù)處理模塊，用于對(duì)所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理；

12、數(shù)據(jù)降維模塊，用于對(duì)預(yù)處理后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行降維處理；

13、數(shù)據(jù)聚類模塊，用于基于霜冰優(yōu)化密度聚類rime-dbscan算法對(duì)降維后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行聚類，以識(shí)別不同類別的臺(tái)區(qū)；

14、線損分析模塊，基于stacking集成學(xué)習(xí)模型，對(duì)每個(gè)聚類中的臺(tái)區(qū)進(jìn)行線損率評(píng)估，計(jì)算各相線損率；

15、異常預(yù)警模塊，對(duì)比各相線損率與設(shè)定的閾值，以識(shí)別出線損率異常的相位和區(qū)段。

16、根據(jù)本申請(qǐng)的第三方面，提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器中并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法的步驟。

17、根據(jù)本申請(qǐng)的第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法的步驟。

18、借由上述技術(shù)方案，本申請(qǐng)?zhí)峁┑囊环N基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法、裝置、設(shè)備及介質(zhì)，通過獲取臺(tái)區(qū)訓(xùn)練數(shù)據(jù)，對(duì)所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)預(yù)處理后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行降維處理，基于霜冰優(yōu)化密度聚類rime-dbscan算法對(duì)降維后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行聚類，以識(shí)別不同類別的臺(tái)區(qū)，基于stacking集成學(xué)習(xí)模型，對(duì)每個(gè)聚類中的臺(tái)區(qū)進(jìn)行線損率評(píng)估，計(jì)算各相線損率，對(duì)比各相線損率與設(shè)定的閾值，以識(shí)別出線損率異常的相位和區(qū)段。通過優(yōu)化的數(shù)據(jù)降維方法和改進(jìn)的rime-dbscan聚類算法，實(shí)現(xiàn)對(duì)臺(tái)區(qū)線損率的精準(zhǔn)檢測(cè)和管理，本發(fā)明不僅能夠提高數(shù)據(jù)處理效率和準(zhǔn)確性，還能更好地適應(yīng)不同臺(tái)區(qū)的運(yùn)行特點(diǎn)，為電網(wǎng)企業(yè)的線損管理提供科學(xué)、可靠的技術(shù)支持。

19、上述說明僅是本申請(qǐng)技術(shù)方案的概述，為了能夠更清楚了解本申請(qǐng)的技術(shù)手段，并可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本申請(qǐng)的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本申請(qǐng)的具體實(shí)施方式。

技術(shù)特征：

1.一種基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，其特征在于，所述對(duì)所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理的步驟，包括：

3.根據(jù)權(quán)利要求1所述的基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，其特征在于，所述對(duì)預(yù)處理后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行降維處理的步驟，包括：

4.根據(jù)權(quán)利要求3所述的基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，其特征在于，所述利用熵權(quán)法結(jié)合灰色關(guān)聯(lián)分析技術(shù)提取與線損率高度相關(guān)的指標(biāo)特征的步驟，包括：

5.根據(jù)權(quán)利要求3所述的基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，其特征在于，所述通過t分布式隨機(jī)鄰居嵌入t-sne對(duì)所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行降維處理的步驟，包括：

6.根據(jù)權(quán)利要求1所述的基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，其特征在于，所述基于rime-dbscan算法對(duì)降維后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行聚類，以識(shí)別不同類別的臺(tái)區(qū)的步驟，包括：

7.根據(jù)權(quán)利要求1所述的基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法，其特征在于，所述基于stacking集成學(xué)習(xí)模型，對(duì)每個(gè)聚類中的臺(tái)區(qū)進(jìn)行線損率評(píng)估，計(jì)算各相線損率的步驟，包括：

8.一種基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)裝置，其特征在于，包括：

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法的步驟。

技術(shù)總結(jié)
本發(fā)明涉及智能調(diào)度領(lǐng)域，公開了一種基于聚類分析的臺(tái)區(qū)分相線損檢測(cè)方法、裝置及設(shè)備，通過獲取臺(tái)區(qū)訓(xùn)練數(shù)據(jù)，對(duì)所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)預(yù)處理后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行降維處理，基于霜冰優(yōu)化密度聚類RIME?DBSCAN算法對(duì)降維后的所述臺(tái)區(qū)訓(xùn)練數(shù)據(jù)進(jìn)行聚類，以識(shí)別不同類別的臺(tái)區(qū)，基于Stacking集成學(xué)習(xí)模型，對(duì)每個(gè)聚類中的臺(tái)區(qū)進(jìn)行線損率評(píng)估，計(jì)算各相線損率，對(duì)比各相線損率與設(shè)定的閾值，以識(shí)別出線損率異常的相位和區(qū)段。通過優(yōu)化的數(shù)據(jù)降維方法和改進(jìn)的RIME?DBSCAN聚類算法，實(shí)現(xiàn)對(duì)臺(tái)區(qū)線損率的精準(zhǔn)檢測(cè)和管理，本發(fā)明不僅能夠提高數(shù)據(jù)處理效率和準(zhǔn)確性，還能更好地適應(yīng)不同臺(tái)區(qū)的運(yùn)行特點(diǎn)。

技術(shù)研發(fā)人員：許堉坤,杜成剛,戴辰,俞鈞,朱錚,劉暢,段玉瑋,王婧驊,趙婉茹,蔣超,徐子涵,王越,朱偉杰
受保護(hù)的技術(shù)使用者：國網(wǎng)上海市電力公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9