一种电网损耗异常数据检测方法、系统、终端及介质与流程

1.本发明涉及电网监测技术领域，更具体地说，它涉及一种电网损耗异常数据检测方法、系统、终端及介质。


背景技术：

2.目前，线损管理与降损管理是公司降本增效的重要内容。随着电网信息化、数字化的不断深入，电网积累大量数据，为降损管理提供新的方法和思路。但当前，一方面电网搜集的基础数据质量仍旧不高，另一方面损耗的成因复杂，只依靠线损率作为决策依据的传统方法并不能高效地找出存在问题的设备。因此需要提供一种方案以减少人工排查量，在提高检测效率的同时降低人工成本。


技术实现要素：

3.本发明的目的是提供一种电网损耗异常数据检测方法、系统、终端及介质，达到在提高检测效率的同时降低人工成本的目的。
4.本发明的上述技术目的是通过以下技术方案得以实现的：一种电网损耗异常数据检测方法，包括步骤：获取电网中的变压器数据集以及与变压器对应的输电线路数据集；对所述变压器数据集进行筛分处理，获得铜铁损耗比和负载率均正常的变压器数据集；基于铜铁损耗比和负载率均正常的变压器数据集，构建变压器非线性回归模型和输电线路非线性回归模型；利用变压器非线性回归模型对所述变压器数据集中数据进行预测，获得变压器异常数据集；利用输电线路非线性回归模型对所述输电线路数据集中数据进行预测，获得输电线路异常数据集。
5.进一步的，所述铜铁损耗比和负载率均正常的变压器数据集的获得过程具体为：基于所述变压器数据集，获得对应的变压器铜铁损耗比集和变压器负载率集；设定变压器铜铁损耗比阈值和变压器负载率阈值；基于所述变压器铜铁损耗比阈值和变压器负载率阈值，对所述变压器数据集进行筛分处理，获得铜铁损耗比和负载率均正常的变压器数据集。
6.进一步的，所述变压器非线性回归模型和输电线路非线性回归模型的构建过程具体为：基于所述铜铁损耗比和负载率均正常的变压器数据集，获得与铜铁损耗比和负载率均正常的变压器数据集对应的输电线路数据集；基于所述铜铁损耗比和负载率均正常的变压器数据集，构建变压器非线性回归模型；
基于所述与铜铁损耗比和负载率均正常的变压器数据集对应的输电线路数据集，构建输电线路非线性回归模型。
7.进一步的，所述变压器非线性回归模型为：其中，为变压器的总损耗，在数值上等于变压器铜损耗和铁损耗的和，为变压器所在线路的有功供电量，为变压器的额定容量，、、为回归模型的系数。
8.进一步的，所述输电线路非线性回归模型为：其中，为输电线路的损耗，为输电线路的等效电阻，为输电线路的有功供电量，为输电线路的无功供电量，、、为回归模型的系数。
9.进一步的，所述变压器异常数据集的获得具体过程为：计算所述变压器数据集到变压器非线性回归模型上对应位置的距离，获得对应的第一距离集；基于所述第一距离集，获得变压器异常数据集。
10.进一步的，所述输电线路异常数据集的获得具体过程为：计算所述输电线路数据集中数据到输电线路非线性回归模型上对应位置的距离，获得对应的第二距离集；基于所述第二距离集，获得输电线路异常数据集。
11.一种电网损耗异常数据检测系统，包括：数据获取模块，用于获取电网中的变压器数据集以及与变压器对应的输电线路数据集；数据处理模块，用于对所述变压器数据集进行筛分处理，获得铜铁损耗比和负载率均正常的变压器数据集；模型训练模块，用于基于铜铁损耗比和负载率均正常的变压器数据集，构建变压器非线性回归模型和输电线路非线性回归模型；第一测试模块，用于利用变压器非线性回归模型对所述变压器数据集中数据进行预测，获得变压器异常数据集；第二测试模块，用于利用输电线路非线性回归模型对所述输电线路数据集中数据进行预测，获得输电线路异常数据集。
12.一种电子终端，包括：存储器，所述存储器用于存储计算机程序；处理器，所述处理器用于执行所述存储器存储的计算机程序，以使电子终端执行上述的一种电网损耗异常数据检测方法。
13.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述的一种电网损耗异常数据检测方法。
14.与现有技术相比，本发明具有以下有益效果：
一种电网损耗异常数据检测方法，通过电网中的变压器数据集和输电线路数据集，建立对应变压器非线性回归模型和输电线路非线性回归模型，然后通过变压器非线性回归模型根据变压器数据集中提取的样本数据获得对应的第一预测结果，通过输电线路非线性回归模型根据输电线路数据集中提取的样本数据获得对应的第二预测结果，并将第一预测结果、第二预测结果与变压器数据集和输电线路数据集中实际记载的数据进行对比后筛选出最终的异常数据并进行可视化展示。达到在提高检测效率的同时降低人工成本的目的。
附图说明
15.此处所说明的附图用来提供对本发明实施例的进一步理解，构成本技术的一部分，并不构成对本发明实施例的限定。在附图中：图1为本发明实施例提供的一种电网损耗异常数据检测方法的检测流程示意图；图2为本发明实施例提供的一种电网损耗异常数据检测系统的拓扑结构示意图。
16.附图中标记及对应的零部件名称：100-数据获取模块；200-数据处理模块；300-模型训练模块；400-第一测试模块；500-第二测试模块。
具体实施方式
17.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
18.需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。
19.需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
20.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
21.实施例：一种电网损耗异常数据检测方法、系统、终端及介质。
22.如图1所示，一种电网损耗异常数据检测方法。
23.获取电网中的变压器数据集以及与变压器对应的输电线路数据集，具体为；获取电网的历史记录数据和输电线路的线路长度和线路型号等数据。
24.具体地，电网的历史记录数据可以从电网的监控服务器中进行获取；获取的历史记录数据中应包含变压器的铜损耗、铁损耗、实际运行功率和额定容量，以及各条输电线路的线路长度和线路型号等信息。获取到上述信息后可以统一放入excel文档的列表中，在计
算时将对应列表的数据提取出来进行计算。其中，变压器的铜铁损耗比为变压器的铜损耗与铁损耗的比值。变压器的负载率是变压器的实际运行功率和额定容量的比值。输电线路的等效电阻根据线路型号对应的每千米长度的等效电阻和线路长度进行计算得到。
25.对所述变压器数据集进行筛分处理，获得铜铁损耗比和负载率均正常的变压器数据集，具体为：根据电网的历史记录数据计算各个变压器的铜铁损耗比和负载率；同时根据线路长度和线路型号计算各个变压器对应输电线路的等效电阻。根据设定的铜铁损耗比阈值和负载率阈值去除各个变压器中铜铁损耗比异常的数据和负载率异常的数据。
26.在一种实施方式中，上述的阈值中的铜铁损耗比为2，负载率为110%；若变压器的铜铁损耗比大于2，或变压器的负载率大于110%，则去除对应数据。利用阈值初步清洗数据，一方面可以找到具有明显错误的数据，另一方面可以避免偏差过大的数据对构建的回归模型造成影响。
27.按照输电电压等级对变压器和输电线路进行分类。
28.在一种实施方式中，可以按照220kv、110kv、35kv和10kv四个输电电压等级将变压器和输电线路各分为四类。通过这种方式可以更有针对性地对异常损耗进行定位。
29.为了更为准确的进行定位，还可以根据线路的实际分布情况对各个输电线路进行编号。
30.需要说明的是，对变压器和输电线路进行分类时，也可以根据实际输电电压等级进行分类，并不局限于通过上述四种输电电压等级进行分类。
31.基于铜铁损耗比和负载率均正常的变压器数据集，构建变压器非线性回归模型和输电线路非线性回归模型，具体为：根据分类后各个变压器和各条输电线路对应的数据构建各自对应的非线性回归模型。
32.在一种实施方式中，各个变压器的各个变压器的非线性回归模型表示为：进一步的，所述变压器非线性回归模型为：其中，为变压器的总损耗，在数值上等于变压器铜损耗和铁损耗的和，为变压器所在线路的有功供电量，为变压器的额定容量，、、为回归模型的系数。
33.进一步的，所述输电线路非线性回归模型为：其中，为输电线路的损耗，为输电线路的等效电阻，为输电线路的有功供电量，为输电线路的无功供电量，、、为回归模型的系数。
34.需要说明的是，上述两类回归模型中的系数可以通过最小二乘法利用变压器和输电线路对应的数据进行求解得到。
35.利用变压器非线性回归模型对所述变压器数据集中数据进行预测，获得变压器异
常数据集；利用输电线路非线性回归模型对所述输电线路数据集中数据进行预测，获得输电线路异常数据集，具体为：通过所述非线性回归模型对输入数据进行预测获得对应的预测结果，并将所述预测结果与所述历史记录数据中的记录值进行对比，筛选出最终的异常数据并进行可视化展示。
36.在一种实施方式中，可以通过以下方式实现：计算各个预测结果与对应历史记录数据在回归模型中的空间距离并按照从大到小的顺序排序。
37.具体地，变压器的非线性回归模型得到结果为三维空间中的一个平面，此时需要计算样本数据中的点（，，）到平面中对应的点（，，）的距离l1；输电线路的非线性回归模型得到结果为四维空间中的超平面，需要计算样本数据中的点（，，，）到超平面中对应的点（，，，）的距离l2。计算得到对应的空间距离后，为了方便筛选异常数据，可以按照从大到小的顺序排序。
38.按照预设比例筛选出排序靠前的空间距离对应的数据作为最终的异常数据并进行可视化展示。
39.在一种实施方式中，可以按照5%的比例筛选出排序靠前的空间距离对应的数据作为最终的异常数据，然后通过显示屏等进行可以化展示。
40.如图2所示，一种电网损耗异常数据检测系统。
41.在一种实施方式中，本发明实施例提供了一种电网损耗异常数据检测系统，该电网损耗异常数据检测系统包括：数据获取模块100，用于获取电网的历史记录数据和输电线路的线路长度和线路型号等数据；数据处理模块200，用于根据电网的历史记录数据计算各个变压器的铜铁损耗比和负载率；同时根据线路长度和线路型号计算各个变压器对应输电线路的等效电阻。根据设定的铜铁损耗比阈值和负载率阈值去除各个变压器中铜铁损耗比异常的数据和负载率异常的数据；模型训练模块300，用于根据分类后各个变压器和各条输电线路对应的数据构建各自对应的非线性回归模型；第一测试模块400，用于利用变压器非线性回归模型对所述变压器数据集中数据进行预测，获得变压器异常数据集，并将预测结果与历史记录数据中的记录值进行对比，筛选出最终的异常数据并进行可视化展示；第二测试模块500，用于利用输电线路非线性回归模型对所述输电线路数据集中数据进行预测，获得输电线路异常数据集，并将预测结果与历史记录数据中的记录值进行对比，筛选出最终的异常数据并进行可视化展示。
42.综上所述，本发明实施例提供的一种电网损耗异常数据检测方法、系统、终端及介质一种基于回归方法的电网损耗异常数据检测方法及系统，包括，获取电网中的变压器数据集以及与变压器对应的输电线路数据集；对变压器数据集进行筛分处理，获得铜铁损耗比和负载率均正常的变压器数据集；基于铜铁损耗比和负载率均正常的变压器数据集，构
建变压器非线性回归模型和输电线路非线性回归模型；利用变压器非线性回归模型对所述变压器数据集中数据进行预测，获得变压器异常数据集；利用输电线路非线性回归模型对所述输电线路数据集中数据进行预测，获得输电线路异常数据集。通过上述方式，达到在提高检测效率的同时降低人工成本的目的。
43.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。