1.本发明属于配电网线变关系检测
技术领域：
：，具体涉及一种配电网线变关系故障检测方法、系统、终端及可读存储介质。
背景技术：
：：2.配网线变关系是指配电网配电线路与配电台区的拓扑关系，是供电企业的基础数据之一，其正确与否将对供电企业运营产生重大影响。线变关系数据不正确容易导致配电抢修停电对象错误、停电信息发送错误、电网规划负荷计算错误和线损计算错误等管理风险。3.然而目前，供电企业核查线变关系主要采用人海战术，通过现场普查来验证配网线变关系的正确性。因配网业务涉及多个专业，档案维护需多部门协同，稍有疏忽就会造成档案数据与现场不一致，因不易察觉导致问题在系统长期存在。技术实现要素：4.本发明的目的是针对配电线变关系人工检测存在的技术问题，提供一种配电网线变关系故障检测方法。本发明基于“同一线路表计停复时间一致”的机理，选择以停电图纹表征停电特征，从而基于停电图纹的相似性进行聚类，将停电图文相似度高的台区(监测点)归为一类，基于聚类结果识别出异常台区，即确定了异常的线变关系。5.一方面，本发明提供的一种配电网线变关系故障检测方法，包括以下步骤：6.步骤1：获取监测区域内各线路上各台区的停电数据，所述停电数据包括停电时间和停电时长；7.步骤2：将各台区的停电数据转换为停电图纹，所述停电图纹中以条纹位置对应停电时间，条纹宽度对应停电时长；8.步骤3：利用聚类算法将各个台区的停电图纹进行聚类得到聚类结果；9.步骤4：基于聚类结果中每个簇中各个台区对应的线路识别异常台区，得到线变关系故障检测结果。10.本发明考虑到“同一线路表计停复时间一致”，从而通过聚类算法可以将同一线路下的台区划分到同一类别，若出现了异常，则表示其极有可能是异常台区，即出现了线变关系故障，线路与台区的对应关系存现了问题。因此，本发明聚类后，利用每个簇中各个台区对应的线路识别异常台区时，具体可以是以线路下台区数量为标准判定，或者基于上述机理采用其他方式进行判定，本发明对此不进行具体的限定。11.尤其是，本发明以停电图纹为特征表征停电数据，同一线路表计停复时间一致，线路可以包括支线和主干线，理论上而言只要有足够的停电数据，甚至可以基本停电图纹工具原理反向推算整个电网的拓扑关系，即确定台区所在的支线，支线与主干线的关系等等。12.可选地，步骤4的实现过程如下：13.基于聚类结果识别每个簇中各个台区对应的线路是否为同一线路或线路类别是否大于或等于2，若不是同一线路或线路类别大于或等于2，对应簇下的一类台区为问题类别；14.识别所述问题类别中各个线路下台区的数量，将数量小于预设阈值或者数量最小的线路下的台区视为异常台区；15.或者步骤4的实现过程如下：16.基于聚类结果获取每个簇中各个台区对应的线路；17.若同一线路出现在两个或两个以上的簇中，获取簇中所述线路下的台区数量；其中，台区数量小于预设阈值或者台区数量最小的簇中，所述线路下的台区为异常台区。18.上述两个判定方式是以线路下台区数量为标准判定，应当理解，若一个簇中出现了多个线路或者一个线路同时出现在多个簇中，则其为异常的线变关系的概率是极大的，因此，本发明设定了上述标准。19.可选地，步骤4中基于聚类结果中每个簇中各个台区对应的线路识别异常台区后，基于异常台区的停电图纹鉴别是线变关系故障或异常台区对应的集中器时钟异常；20.其中，每个台区对应一个集中器，所述集中器用于发送停电数据。21.其中，台区发生停电，台区对应的集中器就会发送停电时间数据。受天气、电池及集中器型号不同的影响，各集中器的时钟存在较大偏差，目前集中器数量巨大，轮询时间间隔长。因此，本发明在得到异常台区后，优选考虑集中器的时钟异常，进一步鉴别是集中器的时钟异常还是线变故障。其中，集中器的时钟异常会导致停电图纹存在异常特征，本领域技术人员通过查看停电图纹可以明确判断出是否是集中器的时钟异常，若不是，则视异常台区对应的线变关系为故障线变关系。22.可选地，步骤3中聚类算法为dbscan聚类算法，所述dbscan聚类算法中选择如下底层距离公式计算停电图纹之间的停电相似度：23.c＝a∩b24.s＝sum(c)/count(c)25.式中，a为台区a的停电图纹序列，b为台区b的停电图纹序列，c为a、b两个台区同时停电的时间序列；26.s为a、b两个台区的停电图纹之间的停电相似度，即dbscan聚类算法中的底层距离；sum(c)为ab两台区同时停电时点的数量，count(c)为整个时间序列的数量。27.可选地，将停电图纹以停电图纹矩阵表示；28.其中，以t时长为单元，基于每个台区的停电图纹或停电数据判断时间序列中各个单元是否发生停电，形成所述台区的停电图纹序列；在停电图纹序列以不同编码表征对应单元发生或未发生停电；29.可选的，步骤2执行之前还包括：对各线路上各台区的停电数据进行预处理，所述预处理至少包括数据清洗，具体为：按照标准格式补齐数据、清洗停电次数仅为一次的台区的停电数据。30.第二方面，本发明提供一种基于配电网线变关系故障检测方法的系统，其包括：31.数据获取模块，用于获取监测区域内各线路上各台区的停电数据，所述停电数据包括停电时间和停电时长；32.数图转换模块，用于将各台区的停电数据转换为停电图纹，所述停电图纹中以条纹位置对应停电时间，条纹宽度对应停电时长；33.聚类模块，用于利用聚类算法将各个台区的停电图纹进行聚类得到聚类结果；34.检测模块，用于基于聚类结果中每个簇中各个台区对应的线路识别异常台区，得到线变关系故障检测结果。35.可选地，该系统还包括：数据可视化模块、和/或数据预处理模块、和/或结果可视化模块；36.其中，数据可视化模块，用于将台区的停电数据以可视化形式展示；37.譬如显示的停电数据包括：用户编号、台区编号、台区名称、线路名称、停电发生时间、停电结束时间、停电时长中的部分参数或全部参数的组合。38.数据预处理模块，用于对台区的停电数据进行预处理；39.结果可视化模块，用于将线变关系故障检测结果以可视化形式展示。40.第三方面，本发明提供一种终端，其包括：41.一个或多个处理器；42.存储了一个或多个程序的存储器；43.所述处理器调用所述程序以实现：44.一种配电网线变关系故障检测方法的步骤。45.第四方面，本发明提供一种可读存储介质，其存储了计算机程序，所述计算机程序被处理器调用以实现：46.一种配电网线变关系故障检测方法的步骤。47.有益效果48.本发明提供了一种配电网线变关系故障检测方法，所述方法基于“同一线路表计停复时间一致”的机理，选择以停电图纹表征停电特征，从而基于停电图纹的相似性进行聚类，将停电图文相似度高的台区归为一类，即理论上应当是将同一线路下的台区划分到同一类别，若出现了异常，则表示其极有可能是异常台区，即出现了线变关系故障，线路与台区的对应关系存现了问题。因此，本发明最终基于聚类结果可以有效识别出故障的线变关系，实现了自动化在线识别，克服了传统人工鉴别的问题，提高了线变关系的故障检测精度。49.尤其是，本发明选择以停电图纹表征停电特征，其具有xx效果。附图说明50.图1是本发明实施例提供的停电数据与停电图纹的示意图；51.图2是本发明实施例提供的停电图纹的示意图；52.图3是本发明实施例提供的停电图纹构成停电图纹序列的示意图；53.图4是本发明实施例提供的停电图纹构成停电图纹矩阵的示意图；54.图5是本发明应用实例的检测结果可视化示意图；55.图6是本发明提供的所述配电网线变关系故障检测方法的流程图。具体实施方式56.本发明提供一种配电网线变关系故障检测方法的目的在于：提供一种自动化、智能化的线变关系数据的检测算法，克服了传统人工校验所存在的各类问题以及弊端。本发明具体是将停电数据以停电图纹表征，并通过聚类算法将相似度高的停电图纹划分至一类，由于理论上同一线路下台区的停复电时间一致，因此，正常线变关系下，同一线路下的台区应当是划分为一类，若出现异常，则表示其出现线变关系异常的概率极大，从而本发明基于聚类结果可以有效检测出是否出现了线变关系故障。下面将结合实施例对本发明做进一步的说明。57.实施例1：58.本实施例提供一种智能化的配电网线变关系故障检测方法，如图6所示，其包括以下步骤：59.步骤1：获取监测区域内各线路上各台区的停电数据，所述停电数据至少包括停电时间和停电时长。60.本实施例中数据来源是“电力用户用电信息采集系统”中的主站停/上电事件查询，并以分月获取停电数据，其他可行的实施例中，不局限于以每月为单位进行检测，可以适应性调整。此外，本实施例中优选获取的停电数据进行可视化显示，并进行数据预处理。61.数据可视化：62.数据可视化和结果可视化是使用tableau工具完成的，形成线变关系异动台区清单，下发基层单位进行现场核实。其他可行的实施例中，数据可视化显示是非必须存在的，可以根据实际需求进行设置或不设置。63.譬如本实施例中在电力用户用电信息采集系统主站停上电查询界面，以停电事件为记录，即每一个记录代表每一个终端上报的停上电事件，以终端一次完整的停上电事件为记录，数据包括用户编号、台区编号、台区名称、线路名称、停电发生时间和停电结束时间、停电时长等信息。即上述信息都可以视为是停电数据，可以通过现有工具将其以一定的格式在终端界面上显示。停电数据可视化有助于用户了解数据、发现数据特点，具体展示哪些停电数据是可以根据用户需求进行设置和调整的。64.数据预处理：65.通过对业务数据形成的理解和停电数据的分析，发现停上电数据质量上存在问题，主要表现在：停电时间不规范，标准停电时间为yyyy/m/dh:mm，不规范时间缺失时间，格式为yyyy/m/d，经过分析，缺失时间以0点0分为主，解决办法按标准格式补齐数据。66.此外，为提高聚类分析的准确度，聚类分析使用的停电图纹要基于多次停上电的数据，因此清洗掉分析数据中停电次数仅为一次的台区的停电数据。67.步骤2：将各台区的停电数据转换为停电图纹，如图1所示，停电图纹中以条纹位置对应停电时间，条纹宽度对应停电时长。68.本实施例中以单个台区的在一段时间(本实施例选取为1个月)内的停电时间和停电时长构建停电图纹。从而利用停电图纹的相似性聚合台区。如图2所示的停电图纹可以视为台区的“指纹”。69.其中，本发明通过数据分析发现即使是同一时间同一线路的台区数据中的停电时间存在不一致的情况，时间偏差集中在1－5分钟，最大偏差可达30分钟，存在这种现象的主要原因是终端时钟不一致导致。鉴于停电时钟偏差的问题，直接使用时间点来聚类效果会很差，停电时间数据精确到分钟，若以同一分钟停电才是同时停电的话，找到同时停电的台区数量会偏离真实情况。停电图纹充分考虑了停电过程的同时性，避免只考虑停电时点进行判定导致的偏差。70.其中，可视化的停电图纹以数字的方式存储，如图3所示，本实施例中建立以1分钟为颗粒度的时间序列，以一个月30天计算，时间序列长度为30*24*60＝43200个单元，每一个单元表示该台区在这一分钟是否停电，未停电为0，停电为1，最终形成该台区停电图纹序列，可用于后续聚类。将当月所有台区停电序列放在一起，就形成了当月的停电图纹矩阵，如图4所示，基于左侧的停电数据和停电图纹转换为右侧的停电图纹矩阵。71.步骤3：利用聚类算法将各个台区的停电图纹进行聚类得到聚类结果。72.本实施例中优选采用dbscan算法，dbscan算法是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。73.与k‑means方法相比，dbscan算法不需要事先知道要形成的簇类的数量。可以发现任意形状的簇类，dbscan算法能够识别出噪声点。dbscan算法对于数据库中样本的顺序不敏感。正是基于以上特点，本实施例中选择了dbscan算法。并考虑到欧几里得距离不支持图纹相似度计算，通过改进其底层距离算法，以完全满足停电图纹相似度计算要求。所选用的底层距离算法如下：74.c＝a∩b75.s＝sum(c)/count(c)76.式中，a为台区a的停电图纹序列，b为台区b的停电图纹序列，c为a、b两个台区同时停电的时间序列；77.s为a、b两个台区的停电图纹之间的停电相似度，即dbscan聚类算法中的底层距离；sum(c)为ab两台区同时停电时点的数量，count(c)为整个时间序列的数量。78.应当理解，其他可以实现停电图纹聚类的聚类算法也是可以用于本发明中台区的停电图纹聚类。79.步骤4：基于聚类结果中每个簇中各个台区对应的线路识别异常台区，得到线变关系故障检测结果。80.在一种实现方式中，在停电图纹的聚类结果上，本发明设置了归类、问题归类、异常点。归类是聚类算法计算的直接结果，算法以图纹的相似大于90％(阈值可调)为条件，将台区自动聚类，聚类结果以自然数(0、1、2...)标记归类，每一个归类将停电特征相近的台区统一标记编号。81.问题归类是指同一归类中，当出现多个不唯一的线路名称时，视为问题，将同一归类中线路名称类别不唯一的归类标记为问题归类。82.异常点是在问题归类中查找线变关系有可能出错的台区，按同一线路台区出现数量的多少为判断，数量少的线路名称上的台区为异常点，算法默认线变关系中多数台区的线变关系是正确的。综上，线变关系故障检测结果的获取过程如下：83.基于聚类结果识别每个簇中各个台区对应的线路是否为同一线路或线路类别是否大于或等于2，若不是同一线路或线路类别大于或等于2，对应簇下的一类台区为问题类别；84.识别所述问题类别中各个线路下台区的数量，将数量小于预设阈值或者数量最小的线路下的台区视为异常台区；85.或者：86.基于聚类结果获取每个簇中各个台区对应的线路；87.若同一线路出现在两个或两个以上的簇中，获取簇中所述线路下的台区数量；其中，台区数量小于预设阈值或者台区数量最小的簇中，所述线路下的台区为异常台区。88.其中，预设阈值的选取和设置是可以根据实际需求或者应用工况、精度要求进行调整设置的。89.本实施例中还优选将线变关系故障检测结果进行可视化。其可以利用现有工具来实现可视化，如利用tableau工具进行可视化，可视化的内容以及形式是可以根据用户体验以及需求进行调整设置的。90.实施例2：91.本实施例提供一种基于上述配电网线变关系故障检测方法的系统，其包括：数据获取模块、数据可视化模块、数据预处理模块、数图转换模块、聚类模块、检测模块以及结果可视化模块。92.其中，数据获取模块，用于获取监测区域内各线路上各台区的停电数据，所述停电数据至少包括停电时间和停电时长，还可以包括其他数据，可以参照实施例1中的相关陈述。数据可视化模块，用于将台区的停电数据以可视化形式展示。譬如以终端一次完整的停上电事件为记录，每一个记录代表每一个终端上报的停上电事件，包括用户编号、台区编号、台区名称、线路名称、停电发生时间、停电结束时间、停电时长等，其可以根据用户的需求进行设置。此外，其还可以将构建的停电图纹可视化展示，本发明对此不进行具体的限定。93.数据预处理模块，用于对台区的停电数据进行预处理。具体包括数据清洗以及数据补全。如清洗掉分析数据中停电次数仅为一次的台区数据；统一数据格式，补充数据。94.数图转换模块，用于将各台区的停电数据转换为停电图纹，所述停电图纹中以条纹位置对应停电时间，条纹宽度对应停电时长。95.聚类模块，用于利用聚类算法将各个台区的停电图纹进行聚类得到聚类结果。96.检测模块，用于基于聚类结果中每个簇中各个台区对应的线路识别异常台区，得到线变关系故障检测结果。其中，检测模块的检测原理以及检测过程可以参照实施例1的陈述，在此不再赘述。97.结果可视化模块，用于将线变关系故障检测结果以可视化形式展示。98.其中，各个单元模块的具体实现过程请参照前述方法的对应过程。应当理解，上述单元模块的具体实现过程参照方法内容，本发明在此不进行具体的赘述，且上述功能模块单元的划分仅仅是一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。同时，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。99.实施例3：100.本实施例提供一种终端，其包括：一个或多个处理器、存储了一个或多个程序的存储器；所述处理器调用所述程序以实现：一种智能化的配电网线变关系故障检测方法的步骤。具体执行：101.步骤1：获取监测区域内各线路上各台区的停电数据。102.步骤2：将各台区的停电数据转换为停电图纹，所述停电图纹中以条纹位置对应停电时间，条纹宽度对应停电时长。103.步骤3：利用聚类算法将各个台区的停电图纹进行聚类得到聚类结果。104.步骤4：基于聚类结果中每个簇中各个台区对应的线路识别异常台区，得到线变关系故障检测结果。105.该终端还包括：通信接口，用于与外界设备进行通信，进行数据交互传输。106.其中，存储器可能包含高速ram存储器，也可能还包括非易失性除颤器，例如至少一个磁盘存储器。107.如果存储器、处理器和通信接口独立实现，则存储器、处理器和通信接口可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构总线，外部设备互联总线或扩展工业标准体系结构总线等。所述总线可以分为地址总线、数据总线、控制总线等。108.可选的，在具体实现上，如果存储器、处理器和通信接口集成在一块芯片上，则存储器、处理器即通信接口可以通过内部接口完成相互之间的通信。109.各个步骤的具体实现过程请参照前述方法的阐述。110.应当理解，在本发明实施例中，所称处理器可以是中央处理单元(centralprocessingunit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field‑programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。111.实施例4：112.本实施例提供一种可读存储介质，其存储了计算机程序，所述计算机程序被处理器调用以实现：一种智能化的配电网线变关系故障检测方法的步骤。具体执行：113.步骤1：获取监测区域内各线路上各台区的停电数据。114.步骤2：将各台区的停电数据转换为停电图纹，所述停电图纹中以条纹位置对应停电时间，条纹宽度对应停电时长。115.步骤3：利用聚类算法将各个台区的停电图纹进行聚类得到聚类结果。116.步骤4：基于聚类结果中每个簇中各个台区对应的线路识别异常台区，得到线变关系故障检测结果。117.各个步骤的具体实现过程请参照前述方法的阐述。118.所述可读存储介质为计算机可读存储介质，其可以是前述任一实施例所述的控制器的内部存储单元，例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备，例如所述控制器上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。119.基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：u盘、移动硬盘、只读存储器(rom，read‑onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。120.应用实例：121.以2月道县公司道万线三角街台区(采集点)为例，该台区共停电4次，总停电时长598分钟。经过数据可视化，转换成4个条纹，对应相应的时间点、时长等停电特征，形成了该台区2月份的停电图纹。122.通过聚类算法的结果利用tableau工具进行可视化，如图5所示，一个分类中存在三类线路，分别为：道万线、蚣小线、道上线。根据台区数量可知，道万线、蚣小线对应疑似异常点。即通过停电图纹，可以很快速地发现，档案在道万线上的道万线三角街台区和档案在蚣小线上的道县上关乡石门村油茶基地台区，与道上线的其它台区停电图纹非常相似，对于停电时间和时长如此相似的台区，我们初步判定道万线三角街台区、道县上关乡石门村油茶基地台区位于道上线上，这两个台区档案可能存在问题。从而可以将异动台区下发到基层单位，以供其参考或检测。123.需要强调的是，本发明所述的实例是说明性的，而不是限定性的，因此本发明不限于具体实施方式中所述的实例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，不脱离本发明宗旨和范围的，不论是修改还是替换，同样属于本发明的保护范围。当前第1页12当前第1页12