一种线损异常技术原因分析方法和系统

摘要

本申请公开了一种线损异常技术原因分析方法和系统，该方法包括：获取历史上发生过的线损异常；获取所述历史上发生过的每次线损异常的技术方面原因；对历史上每次线损异常对应的技术方面原因进行整合得到线损异常的原因判断规则；获取电网系统的参数，并根据所述电网系统中的参数和所述原因判断规则确定在所述参数下发生的线损异常的技术方面原因，所述电网系统的参数包括：电流数据、电压数据、功率因素、三相不平衡率和负荷数据。通过本申请解决了现有的技术线损分析方法依赖人工操作，效率低成本高的问题，从而实现对这些线损异常技术原因判断规则的自动分析，自动生成线损异常技术原因分析数据，辅助业务人员进行技术降损措施的制定和执行。

说明书

技术领域

本申请涉及到电网领域，具体而言，涉及一种线损异常技术原因分析方法和系统。

背景技术

随着供电企业管理水平的提高，线损管理的精细化程度也相应不断提升，供电企业的实际线损体现为供、售电量的差值，即统计线损。统计线损的影响因素包括技术线损和管理线损两方面，其中，管理线损是由于规章制度不健全等人为因素产生的，一直被供电企业作为重点分析和管理的方向，线损异常分析方法也多为针对管理线损的异常排查与处理，往往忽略了对线损异常技术原因的分析，缺乏有效的技术手段和系统的方法进行线损异常技术原因分析。技术线损包括固定损耗即所有变压器、测量仪表、二次电路等励磁回路的铁耗；可变损耗即线路和变压器等与电流平方成正比的铜耗。中低压配电网由于供电半径大、线径小、无功补偿不足等导致线损较大，急需对线损异常技术原因进行系统化自动化地分析，并采取针对性措施降低损耗。

技术线损涉及的方面较多，如输变配电设备、电网结构、运行方式、负荷变化等，每个场景都有具体的分析技巧和方法。因此，针对技术线损数据的分析，存在着多种的操作指导、分析方法，过分依赖人的经验，还没有形成一种系统化、自动化的分析思路，导致技术线损异常原因的分析工作效率低下。

因此，如何对技术线损的异常原因进行准确分析、精准定位到异常计量点，进而针对性地制定有效的技术降损措施，促进异常线损的及时、有效处理是本领域亟需解决的技术问题。

供电企业技术线损分析工作目前采用的方法大多是：依赖人工分析判断，依据各业务信息系统的电网运行、历史和实时用电数据，在分析比对业务数据的基础上，结合人的经验分析判断后得出技术线损异常的原因及影响技术线损的具体用户。现有的技术线损分析方法主要存在下问题：(1)大量的数据需要人工采集、分析和判断，不能连续工作，且工作效率低下。(2)线损分析的过程与工作人员的技能、情绪、体力等密切相关，属不可控因素，工作随意性大。(3)占用了大量的人力资源，人工成本高。

发明内容

本申请实施例提供了一种线损异常技术原因分析方法和系统，以至少解决现有的技术线损分析方法依赖人工操作，效率低成本高的问题。

根据本申请的一个方面，提供了一种线损异常技术原因分析方法，包括：获取历史上发生过的线损异常；获取所述历史上发生过的每次线损异常的技术方面原因，其中，所述技术方面原因包括：功率因素导致的线损异常、电压或者电流三相不平衡导致的线损异常、负荷极值导致的线损异常、以及低压或者高压导致的线损异常；对历史上每次线损异常对应的技术方面原因进行整合得到线损异常的原因判断规则；获取电网系统的参数，并根据所述电网系统中的参数和所述原因判断规则确定在所述参数下发生的线损异常的技术方面原因，其中，所述电网系统的参数包括：电流数据、电压数据、功率因素、三相不平衡率和负荷数据。

进一步地，获取电网系统的参数包括：通过预定程序定时从计量自动化系统的功能应用中爬取所述电网系统的参数，并将所述电网系统的参数保存在本地数据库。

进一步地，确定在所述参数下发生的线损异常的技术方面原因包括：按照预定时间尺度确定在所述参数下发生的线损异常的技术方面原因。

进一步地，所述预定时间尺度为每天或者每个月。

进一步地，根据所述电网系统中的参数和所述原因判断规则确定在所述参数下发生的线损异常的技术方面原因包括：将所述电网系统中的参数与预先配置的阈值进行比较，确定所述电网系统的参数出现异常；将所述电网系统中的异常参数与所述原因判断规则进行匹配确定在所述参数下发生的线损异常的技术方面的原因。

根据本申请的另一个方面，还提供了一种线损异常技术原因分析系统，包括：第一获取模块，用于获取历史上发生过的线损异常；第二获取模块，用于获取所述历史上发生过的每次线损异常的技术方面原因，其中，所述技术方面原因包括：功率因素导致的线损异常、电压或者电流三相不平衡导致的线损异常、负荷极值导致的线损异常、以及低压或者高压导致的线损异常；整合模块，用于对历史上每次线损异常对应的技术方面原因进行整合得到线损异常的原因判断规则；确定模块，用于获取电网系统的参数，并根据所述电网系统中的参数和所述原因判断规则确定在所述参数下发生的线损异常的技术方面原因，其中，所述电网系统的参数包括：电流数据、电压数据、功率因素、三相不平衡率和负荷数据。

进一步地，所述第一获取模块用于：通过预定程序定时从计量自动化系统的功能应用中爬取所述电网系统的参数，并将所述电网系统的参数保存在本地数据库。

进一步地，所述确定模块用于：按照预定时间尺度确定在所述参数下发生的线损异常的技术方面原因。

进一步地，所述预定时间尺度为每天或者每个月。

进一步地，所述确定模块用于：将所述电网系统中的参数与预先配置的阈值进行比较，确定所述电网系统的参数出现异常；将所述电网系统中的异常参数与所述原因判断规则进行匹配确定在所述参数下发生的线损异常的技术方面的原因。

在本申请实施例中，采用了获取历史上发生过的线损异常；获取所述历史上发生过的每次线损异常的技术方面原因，其中，所述技术方面原因包括：功率因素导致的线损异常、电压或者电流三相不平衡导致的线损异常、负荷极值导致的线损异常、以及低压或者高压导致的线损异常；对历史上每次线损异常对应的技术方面原因进行整合得到线损异常的原因判断规则；获取电网系统的参数，并根据所述电网系统中的参数和所述原因判断规则确定在所述参数下发生的线损异常的技术方面原因，其中，所述电网系统的参数包括：电流数据、电压数据、功率因素、三相不平衡率和负荷数据。通过本申请解决了现有的技术线损分析方法依赖人工操作，效率低成本高的问题，从而实现对这些线损异常技术原因判断规则的自动分析，自动生成线损异常技术原因分析数据，辅助业务人员进行技术降损措施的制定和执行。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的线损异常技术原因分析方法的流程图。

图2是根据本申请实施例的线损异常分析原因示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种线损异常技术原因分析方法，图1是根据本申请实施例的线损异常技术原因分析方法的流程图，如图1所示，该流程包括如下步骤：

步骤S102，获取历史上发生过的线损异常；

步骤S104，获取所述历史上发生过的每次线损异常的技术方面原因，其中，所述技术方面原因包括：功率因素导致的线损异常、电压或者电流三相不平衡导致的线损异常、负荷极值导致的线损异常、以及低压或者高压导致的线损异常；

步骤S106，对历史上每次线损异常对应的技术方面原因进行整合得到线损异常的原因判断规则；

作为一个可选的实施方式，可以将每次线损异常对应的参数以及该次线损异常对应的原因作为一组训练数据，当训练数据操作预定数量之后，使用多组训练数据训练得到机器学习模型，该机器学习模型训练收敛之后，在步骤S108中，将电网系统的参数输入到该机器学习模型中，就可以获取该机器学习模型输出的线损异常的技术方面原因。

步骤S108，获取电网系统的参数，并根据所述电网系统中的参数和所述原因判断规则确定在所述参数下发生的线损异常的技术方面原因，其中，所述电网系统的参数包括：电流数据、电压数据、功率因素、三相不平衡率和负荷数据。

获取电网系统参数的方式有很多种，例如，可以通过预定程序定时从计量自动化系统的功能应用中爬取所述电网系统的参数，并将所述电网系统的参数保存在本地数据库。

在该步骤中，可选地，确定在所述参数下发生的线损异常的技术方面原因包括：按照预定时间尺度确定在所述参数下发生的线损异常的技术方面原因。例如，所述预定时间尺度为每天或者每个月。

可以根据出现的参数异常以及原因判断规则确定原因，在该可选方式中，将所述电网系统中的参数与预先配置的阈值进行比较，确定所述电网系统的参数出现异常；将所述电网系统中的异常参数与所述原因判断规则进行匹配确定在所述参数下发生的线损异常的技术方面的原因。

通过上述步骤解决了现有的技术线损分析方法依赖人工操作，效率低成本高的问题，从而实现对这些线损异常技术原因判断规则的自动分析，自动生成线损异常技术原因分析数据，辅助业务人员进行技术降损措施的制定和执行。

在步骤S108之后，还可以将线损异常的技术方面原因显示给用户，如果用户修改了该线损异常的技术原因，则保存用户修改后的系统的电网参数与修改后的技术方面原因，并将此作为一组新的训练数据，在新的训练数据的数量达到预定数量的情况下，对所述机器学习模型进行增量训练。

上述步骤S106中涉及到原因判断规则，下面对几个原因判断规则的例子进行说明。

如图2所示，系统通过整合计量自动化系统的电流数据、电压数据、功率因素、三相不平衡率、负荷数据等，对引起线损异常的技术方面原因进行分析和归纳，通过信息系统把业务规则进行固化，并把异常分析的结果进行梳理，通过直观友好的方式展示异常数据，提供业务人员进行线损异常技术原因的确认和处理。

线损异常技术原因分析的场景包括：功率因素日分析、电流三相不平衡率日分析、电压三相不平衡率日分析、负荷极值月分析、低电压月分析、高电压日分析、高电压月分析等。

(1)功率因素日分析

每日获取公变和专变用户前一天早上10点和晚上10点采集的主电能表的功率因素，两个时点的功率因素<0.85或>1.1，判断为“功率因素”问题。

(2)电流三相不平衡率日分析

每日获取专变用户日累计的电流三相不平衡率数据，对于接线方式为三相三线的电能表，本月电流三相不平衡率累计超过8天均≥40％的判断为“电流三相不平衡率”问题；对于接线方式为三相四线的电能表，本月电流三相不平衡率累计超过15天均≥40％的判断为“电流三相不平衡率”问题。

(3)电压三相不平衡率日分析

每日获取全部用电客户日累计的电压三相不平衡率数据，本月电压三相不平衡率连续5天均≥30％的判断为“电压三相不平衡率”问题。

(4)负荷极值月分析

每月获取公变和专变用户的月负载率数据，对于计量点用途是一般计费表的主电能表，负载率超过110％的，判断为“负荷极值”问题。

(5)低电压月分析

获取专变用户和公变用户的月度电压数据，对于任一相电压越下限的时间>1440分钟的，判断为“低电压”问题。

(6)高电压日分析

获取专变用户和公变用户的日电压数据，对于任一相电压越上限的时间>720分钟的，判断为“高电压”日分析问题。

(7)高电压月分析

获取专变用户和公变用户的月电压数据，对于任一相电压越上限的时间>7200分钟的，判断为“高电压”月分析问题。

在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。

上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。

该本实施例中就提供了这样的一种装置或系统。该系统被称为线损异常技术原因分析系统，包括：第一获取模块，用于获取历史上发生过的线损异常；第二获取模块，用于获取所述历史上发生过的每次线损异常的技术方面原因，其中，所述技术方面原因包括：功率因素导致的线损异常、电压或者电流三相不平衡导致的线损异常、负荷极值导致的线损异常、以及低压或者高压导致的线损异常；整合模块，用于对历史上每次线损异常对应的技术方面原因进行整合得到线损异常的原因判断规则；确定模块，用于获取电网系统的参数，并根据所述电网系统中的参数和所述原因判断规则确定在所述参数下发生的线损异常的技术方面原因，其中，所述电网系统的参数包括：电流数据、电压数据、功率因素、三相不平衡率和负荷数据。

该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。

例如，所述第一获取模块用于：通过预定程序定时从计量自动化系统的功能应用中爬取所述电网系统的参数，并将所述电网系统的参数保存在本地数据库。

又例如，所述确定模块用于：按照预定时间尺度确定在所述参数下发生的线损异常的技术方面原因。可选地，所述预定时间尺度为每天或者每个月。

又例如，所述确定模块用于：将所述电网系统中的参数与预先配置的阈值进行比较，确定所述电网系统的参数出现异常；将所述电网系统中的异常参数与所述原因判断规则进行匹配确定在所述参数下发生的线损异常的技术方面的原因。

上述系统中的各个模块的功能也可以整合成如下的模块来实现：

数据同步模块通过编写python等小程序，定时从计量自动化系统的功能应用爬取电流、电压、功率因素等线损异常技术原因分析所需数据，并存储于本地数据库。通过小程序方式实现的数据同步机制，可减少通过接口方式获取数据的工作量，与计量自动化系统数据保持高度一致，同时可实现并发爬取数据方式，大大提高数据同步的一致性和效率。

时序触发模块对已入库成功的计量自动化系统数据，根据线损异常技术原因的分析场景，触发日分析和月分析等模式，日分析场景每日定时对功率因素、电流、电压等日分析场景数据进行甄别和归类计，月分析场景每月初对负荷极值、电压等月分析场景数据进行甄别和归类。

算法触发模式包括构建用户档案、电表档案、测量点档案的拓扑关系，使电流、电压等测量数据与用户、与电能表关联起来，同时对已经过初步处理的计量自动化数据进行算法分析，筛选超出告警阈值或上限值、下限值的异常数据，形成对应每个线损异常技术原因分析场景的异常数据结果集。

上述实施例通过对计量自动化系统采集的数据进行分析、筛查、定位，可解决现有的技术线损分析方法依赖人工操作，效率低成本高的技术问题；此外，线损异常技术原因的辅助分析，给电网企业在规划和制定技术降损措施时提供了数据支撑和依据，使技术降损的措施制定更具针对性、时效性和准确性，提升供电企业的数据指标和经济效益，对电网的安全运行有着积极作用。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。