一种基于人工智能的线损分析方法及系统与流程

本发明涉及电力技术技术领域，具体涉及一种基于人工智能的线损分析方法。

背景技术：

线损分析是供电企业经营活动中的重要工作之一，它直接关系供电企业的经济效益。供电企业线损分析工作目前采用的方法是：投入大量人力，依据作业指导书的步骤，登录用电信息采集系统，收集用户历史用电数据及当前用电数据，在分析比对上述数据的基础上，结合营销业务应用系统中用户档案信息，业务信息，根据需要继续采集用户的实时用电数据，按照固定的模式经人脑判断后得出线损异常的原因及影响线损工作的具体用户。

现有的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。

综上所述，线损分析工作属于工作内容相对固定，工作量相对较大的重复性工作，可以考虑采用计算机软件技术替代人工实现此项工作。

技术实现要素：

本发明提出的一种基于人工智能的线损分析方法，可解决现有现有的线损分析方法依赖人工操作，效率低成本高的技术问题。

为实现上述目的，本发明采用了以下技术方案：

一种基于人工智能的线损分析方法，包括：

首先收集用电信息采集系统海量的用户档案信息、业务信息、历史用电数据及当前用电数据等离线数据；

其次，结合已有的线损分析结果，采用筛选、统计、归类等大数据分析手段分析数据，建立线损分析工作所对应数据模型，揭示上述数据与线损之间的逻辑关系，该模型可以根据录入的数据分析线损是否正常，否则得出线损异常的原因及相关影响线损的用户；

第三，模拟人脑采用api发命令给窗口或api控制鼠标、键盘等，开展线损分析决策的过程，编写应用程序自动登录用电信息采集系统并向用电信息采集系统发送相关指令，收集线损分析工作所需最新的用户历史用电数据,依据上述数据，应用程序自主决定是否进一步收集用户档案信息、业务变更信息及是否召测用户实时用电数据，并通过数据提取技术截取客户端与服务器之间的报文或图形信息，将之转换为本方法可以识别的数字信息；

第四，最后，将获取的数据录入上述数据模型，从而得出线损异常的原因及影响线损工作的具体用户。

本发明还包括揭示数据与线损之间逻辑关系的数据模型，自动登录用电信息采集系统发送指令的应用程序及当前数据录入数据模型过程，其特点在于：

所述数据模型采用筛选、比对、归类、统计用户电能量数据、工况数据、交流模拟量、电能质量越限统计数据、事件记录信息等，结合用户档案信息、业务信息及已有的线损分析结果构建；

所述应用程序模拟人脑，采用api发命令给窗口或api控制鼠标、键盘等，开展线损分析工作的过程发送指令并接受数据，应用程序自主决定是否进一步收集用户档案信息、业务变更信息及实时电能量数据。

所述当前数据录入数据模型过程指应用程序获取的数据代入数据模型自动得出线损异常的原因及用户清单。

本发明利用计算机强大的数据处理能力，替代人脑重复分析海量的用户档案信息及用电数据，快速得出线损异常的原因及影响线损的具体用户，极大提高了线损分析工作的效率，避免了线损分析工作中人力资源的投入。

附图说明

图1是本发明的方法步骤示意图；

图2是本发明的方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

如图1所示，本实施例所述的基于人工智能的线损分析方法，包括以下步骤：

s100、收集用电信息采集系统的离线数据，所述离线数据包括用户档案信息、业务信息、历史用电数据及当前用电数据；

s200、采用大数据分析手段分析步骤s100中的离线数据，建立线损分析工作所对应数据模型，揭示上述离线数据与线损之间的逻辑关系；

s300、收集线损分析工作所需最新的用户历史用电数据,依据所述最新的用户历史用电数据，自主决定是否进一步收集用户档案信息、业务变更信息及是否召测用户实时用电数据，并通过数据提取技术截取客户端与服务器之间的报文或图形信息，将之转换为本方法可以识别的数字信息；

s400、将步骤300获取的数据录入步骤200中所述数据模型，从而得出线损异常的原因及影响线损工作的具体用户。

下面结合图2对本实施例做详细说明：

首先登录用电信息采集系统及营销业务应用系统收集海量的用户档案信息、业务信息、历史用电数据及当前用电数据等离线数据；其次，将上述数据录入计算机系统，采用筛选、统计、归类等手段分析后，依据作业指导书的步骤编写计算机程序，模拟线损分析的各种过程，各种数据随机设置不同的权值，开展线损分析的建模工作，并将该模型输出的线损分析结果与已知的线损分析结果相比对，直至两者相似度达到可以接受的效果。由此确定线损分析模型。该模型可以根据录入的数据分析线损是否正常，否则得出线损异常的原因及相关影响线损的用户；第三，编写应用程序自动登录用电信息采集系统并向用电信息采集系统发送相关指令，收集线损分析工作所需最新的用户历史用电数据,依据上述数据，模拟人脑开展线损分析决策的过程，应用程序自主决定是否进一步收集用户档案信息、业务变更信息及是否召测用户实时用电数据，并通过数据提取技术截取客户端与服务器之间的报文或图形信息，将之转换为本方法可以识别的数字信息；最后，将获取的数据录入上述数据模型，从而得出线损异常的原因及影响线损工作的具体用户。本发明利用计算机强大的数据处理能力，替代人脑重复分析海量的用户档案信息及用电数据，快速得出线损异常的原因及影响线损的具体用户，极大提高了线损分析工作的效率，避免了线损分析工作中人力资源的投入。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：

技术总结
本发明的一种基于人工智能的线损分析方法，可解决现有现有的线损分析方法依赖人工操作，效率低成本高的技术问题。包括以下步骤：收集用电信息采集系统的离线数据，采用大数据分析手段分析离线数据，建立线损分析工作所对应数据模型，揭示上述离线数据与线损之间的逻辑关系；收集线损分析工作所需最新的用户历史用电数据,依据所述最新的用户历史用电数据，自主决定是否进一步收集用户档案信息、业务变更信息及是否召测用户实时用电数据；将获取的数据录入所述数据模型，从而得出线损异常的原因及影响线损工作的具体用户。本发明快速得出线损异常的原因及影响线损的具体用户，极大提高了线损分析工作的效率，避免了线损分析工作中人力资源的投入。

技术研发人员：庆克堂;陈鑫;冯欣;石鑫;李继红;黄少坤;翁东波;王振奎;钱颖;赵浩然;宋中耀
受保护的技术使用者：国网安徽省电力有限公司淮南供电公司;国家电网有限公司
技术研发日：2019.01.04
技术公布日：2019.05.03