基于智能电表实采数据的低电压诊断系统的制作方法

本发明属于电网领域，具体地说，涉及一种基于智能电表实采数据的低电压诊断系统。

背景技术：

电压是衡量电能质量的一个重要指标。各种用电设备都是按额定电压来设计制造的，这些设备在额定电压下运行将取得最佳的效果，电压过大地偏离额定值将对用户产生不良影响。电力系统常见的用电设备是异步电动机、各种电热设备、照明灯以及近年来日渐增多的家用电器等，当电压过低时，用电设备效率会降低，影响生产的质量和效率；当电压过高时，用电设备的寿命将会缩短。电压偏移过大，除了影响用户的正常工作以外，对电力系统本身也有不利影响。电压降低，会使网络中的功率损耗和能量损耗加大，电压过低还可能危及电力系统运行的稳定性；而电压过高时，各种电气设备的绝缘可能受到损害。

随着生产和生活水平的提高，农村地区的用电量不断增加。近年来，农村配电网逐渐暴露出电压偏低的问题。在负荷集中使用的灌溉期、农产品加工期、节假日期间容易出现“满负载”甚至“过负载”的现象。由于农村地域广阔、用户分散、线路供电半径长，农村用电负荷的快速增长，同时低压配电网还存在着三相线路阻抗不对称、负荷三相不平衡、阻抗比较大等因素，在用电高峰期间，造成农村低压配电网电压偏低，不能满足低压(380V/220V)电压允许偏差值为+7％～-10％的要求。农村“低电压”问题影响供电企业品牌形象，影响老百姓的切身利益，影响农村经济社会的持续发展，“低电压”治理工作迫在眉捷，急需研究低压配电网的电压调节问题。

电力工业是国民经济的基础产业，电力建设投资巨大，有效利用投资、建设坚强智能电网是电力企业的中心工作。随着企业管理集约化、精益化的推进，近几年公司大规模推广应用智能电表，积极开展现代化配网建设，特别在2015年公司年度工作会议上明确提出，用2年时间完成“低电压”综合治理。

智能电表是智能电网的智能终端，它已经不是传统意义上的电能表，智能电表除了具备传统电能表基本用电量的计量功能以外，为了适应智能电网和新能源的使用它还具有双向多种费率计量功能、用户端控制功能、多种数据传输模式的双向数据通信功能、防窃电功能等智能化的功能，智能电表代表着未来节能型智能电网最终用户智能化终端的发展方向。

技术实现要素：

有鉴于此，本发明提出了一种基于智能电表实采数据的低电压诊断系统，能够对配电网中的低电压原因进行准确分析，从而针对于造成低电压的原因提出具有针对性的解决方案，保证治理后的电压质量满足居民的生产和生活要求。

为了解决上述技术问题，本发明公开了一种基于智能电表实采数据的低电压诊断系统，包括：数据采集装置、数据分析模块、低电压成因案例库和诊断模块，所述数据采集装置与所述数据分析模块连接，所述数据分析模块与所述低电压成因案例库连接，所述低电压成因案例库与所述诊断模块连接。

进一步的，所述数据采集装置采用智能电表。

进一步的，所述智能电表采集的数据包括：线损数据、末端电压数据、负荷数据、业扩数据、电量数据、用户档案和智能电表档案。

进一步的，所述数据分析模块横向集成所述智能电表采集的所述数据，多维度分析低电压数据与地区、负荷、季节、用电类型、用户行业、电价类型、用电量、线损、三相不平衡数据的相关关系，确定低电压工况数据的聚类标准。

进一步的，所述诊断模块按照所述数据分析模块中确定的所述聚类标和所述低电压成因案例库，将待诊断低电压工况数据，利用大数据特征比对方法，智能诊断低电压成因及计算其概率。

进一步的，当所述数据分析模块接受新增低电压数据时，按所述聚类标准分析相关度和兼容度，对新增情况自动合并与归类，对于无法合并或归类的形成新的聚类标准。

与现有技术相比，本发明可以获得包括以下技术效果：

1)本发明可以充分利用在智能电网中的智能电表，科学快捷地利用其采集的庞大数据形成低电压成因案例库，再通过特征对比智能诊断低电压成因及计算其概率。

2)本发明可以充分利用在智能电网中的低电压治理，当用户端出现低压之后，本系统会对用户端低电压状态进行分析和计算，然后给出相应的解决方案。通过控制相应的低电压治理装置，实现对用户端电压的抬升，达到低电压治理的目的，满足用户使用要求。

当然，实施本发明的任一产品必不一定需要同时达到以上所述的所有技术效果。

附图说明

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

图1是本发明实施例中基于智能电表实采数据的低电压诊断系统的示意图。

具体实施方式

以下将配合附图及实施例来详细说明本发明的实施方式，藉此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。

本发明公开了一种基于智能电表实采数据的低电压诊断系统，如图1所示，包括：数据采集装置100、数据分析模块200、低电压成因案例库300和诊断模块400，所述数据采集装置100与所述数据分析模块200连接，所述数据分析模块200与所述低电压成因案例库300连接，所述低电压成因案例库300与所述诊断模块400连接。

在本实施例中，所述数据采集装置100采用智能电表。

在本实施例中，所述智能电表采集100的数据包括：线损数据、末端电压数据、负荷数据、业扩数据、电量数据、用户档案和智能电表档案。

在本实施例中，所述数据分析模块200横向集成所述智能电表100采集的所述数据，多维度分析低电压数据与地区、负荷、季节、用电类型、用户行业、电价类型、用电量、线损、三相不平衡等数据的相关关系，确定低电压工况数据的聚类标准。

聚类是将数据分类到不同的类或者簇这样的一个过程，所有同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性，聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类，从实际应用的角度看，聚类分析是数据挖掘的主要任务之一，而且聚类能够作为一个独立的工具获得数据的分布状况，观察每一簇数据的特征，集中对特定的聚簇集合作进一步地分析。

按照所述数据分析模块200中确定的所述聚类标准，随机抽取所述聚类下的低电压用户进行实例分析，通过多种分析方式确定所述聚类低电压成因分类，并进行低电压成因概率计算，构建所述低电压成因案例库300。

在本实施例中，所述诊断模块400按照所述数据分析模块200中确定的所述聚类标和所述低电压成因案例库300，将待诊断低电压工况数据，利用大数据特征比对方法，智能诊断低电压成因及计算其概率。

在本实施例中，当所述数据分析模块200接受新增低电压数据时，按所述聚类标准分析相关度和兼容度，对新增情况自动合并与归类，对于无法合并或归类的形成新的聚类标准。

与现有技术相比，本发明可以获得包括以下技术效果：

本发明可以充分利用在智能电网中的智能电表，科学快捷地利用其采集的庞大数据形成低电压成因案例库，再通过特征对比智能诊断低电压成因及计算其概率。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。