技术领域
[0001] 本
发明涉及线损管理技术领域，特别是一种基于随机矩阵理论的线损率关键因子确定方法和装置。
背景技术
[0002] 电
力系统中
发电厂生产的
电能是通过电力网的输电、变电和供电环节供给用户的。在输送和分配电能的过程中，电力网中各元件(如
变压器，输电线路和保护装置等)都要消耗一定的电能。
[0003] 一个低压台区是指一台
配电变压器的供电范围或区域。低压台区线损计算的范围是从台区配电变压器出口装设的电度表处开始，到各用户
电能表为止。在该范围内，所有元件中各种形式的电能损耗均应计入电力网线损中。线损率为线损电量占配变供电量的百分率，是衡量线损高低的指标，也是衡量电力系统经济性的一项重要指标，同时也是表征电力系统规划设计
水平、生产技术水平和经营管理水平的一项综合性技术指标。
[0004] 目前，国内外对台区线损管理的研究主要仍聚焦于台区线损率的计算，较少开展影响低压台区线损率的关键因子分析，不利于台区线损异常判断和治理工作开展。随着电力改革的深入，如何进一步提高台区线损管理精益化水平，给出每类台区线损率的关键影响因素，及时发现异常台区并分析原因，及时解决问题，成为电力营销工作迫切需要解决的问题。
发明内容
[0005] 本发明的目的是提供一种基于随机矩阵理论的线损率关键因子确定方法和装置，可对低压台区进行线损率关键影响因子的确定，为各低压台区的线损管理和台区设备建设提供可靠数据
基础。
[0006] 本发明采取的技术方案如下：
[0007] 一方面，本发明提供一种线损率关键因子确定方法，包括：
[0008] 采集多个台区的线损率及其影响因素指标数据；
[0009] 针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
[0010] 利用预设的
采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
[0011] 基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
[0012] 基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
[0013] 提取关联度较大的影响因素指标作为线损率的关键因子。
[0014] 本发明方法中所采集的数据可为待分析配电区域内的多个低压台区数据。在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
[0015] 也即，本发明方法还包括：
[0016] 对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
[0017] 本发明所述线损影响因素指标数据为
现有技术，如日负载率、台区容量、居民户数、最大零线
电流等数据。线损率及其影响因素数据可从现有的用电管理系统中采集。
[0018] 可选的，本发明方法还包括，对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据。均可采用现有技术，可避免数据采样点缺失或异常导致的计算偏差。
[0019] 可选的，按照相同的采样
频率对多个台区的线损率及其影响因素指标数据进行同步采集；定义对n1个台区的线损率，经过t个时刻的采样后，得到n1行t列的线损率矩阵对于n2个影响因素指标，经过t个时刻的采样后，得到n2个分别对应各影响因素指标的n1行t列的影响因素矩阵Zm；
[0020] 针对各影响因素指标，构造实验矩阵和对比矩阵包括：
[0021] 1a)对Zm引入随机矩阵得到Zm′：
[0022] Zm′＝Zm+MN (1)
[0023] 其中，N为与Zm相同形式的噪声矩阵，服从正态分布；M为噪声幅值；
[0024] 1b)构建线损率关联特性分析的实验矩阵Z及对比矩阵ZN分别为：
[0025]
[0026] 可选的，利用预设的行数为Nw，列数为Tw，滑动步长为s的采样窗口，分别从第一列开始对实验矩阵和对比矩阵进行多次同步采样；
[0027] 定义每次采样所得矩阵 为：
[0028]
[0029] 式中， 为矩阵 的第i行，T表示转置；
[0030] 则计算实验矩阵和对比矩阵的矩阵平均谱半径包括：
[0031] 2a)对矩阵 中的元素进行基本变换处理，得到过渡矩阵
[0032]
[0033] 其中， 表示 的第i行第j列个元素， 表示 的第i行第j列个元素， 为矩阵 的第i行， 为 的均值， 为 的标准差， 为 的均值且有为 的标准差且有
[0034] 2b)对过渡矩阵 进行计算，求取其奇异值等价矩阵
[0035]
[0036] 其中，T表示转置，U为哈尔酋矩阵，对奇异值等价矩阵，有
[0037] 2c)考虑L个奇异值等价矩阵，其矩阵积为 其中l＝1,2,…,L， 为第l个奇异值等价矩阵；对 进行单位化处理，得到标准矩阵
[0038]
[0039] 其中，为 的第i行，为 的第i行， 为 的标准差；
[0040] 2d)计算标准矩阵的平均谱半径KMSR，即矩阵所有特征值的模的平均值，计算公式如下：
[0041]
[0042] 其中λi(i＝1,2,…,Nw)为标准矩阵的第i个特征值；
[0043] 由KMSR的计算过程，基于实验矩阵和对比矩阵，分别可得每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
[0044] 可选的，基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，包括：
[0045] 基于每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径计算两者之差；
[0046] 基于 与KMSR,Z在各采样时刻的差值，计算实验矩阵和对比矩阵的平均谱半径之差随采样时刻t的变化曲线，为：
[0047]
[0048] 平均谱半径之差随时间的变化曲线反映了影响因素对线损率的作用规律。
[0049] 可选的，所述影响因素指标与线损率的关联度SMSR计算公式为：
[0050]
[0051] t1和t2分别为初始采样时刻和最终采样时刻。
[0052] 作为一种实施方式，所述关联度较大的数据指标类型为：
[0053] 按照关联度计算结果由大到小对各数据指标类型进行排序，将前n个数据指标类型作为线损率的关键因子。
[0054] 作为另一种实施方式，所述关联度较大的数据指标类型为：将关联度大于预设
阈值的数据指标类型作为线损率的关键因子。
[0055] 另一方面，本发明还提供一种线损率关键因子确定装置，包括：
[0056]
数据采集模
块，用于采集多个台区的线损率及其影响因素指标数据；
[0057] 矩阵构造模块，用于针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
[0058] 矩阵平均谱半径计算模块，用于利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
[0059] 平均谱半径差计算模块，用于基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
[0060] 关联度计算模块，用于基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
[0061] 以及关键因子确定模块，用于提取关联度较大的影响因素指标作为线损率的关键因子。
[0062] 在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
[0063] 也即，线损率关键因子确定装置还包括：
[0064] 线损异常排查模块，用于对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
[0065] 可选的，线损率关键因子确定装置还包括：数据预处理模块，用于对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据。均可采用现有技术，可避免数据采样点缺失或异常导致的计算偏差。
[0066] 有益效果
[0067] 本发明的线损率关键因子确定方法和装置，可基于现有的用电信息系统、营销系统等采集的海量台区数据，采用随机矩阵理论分析各指标数据项与线损率的相关性，从而确定影响线损率的关键因子，为台区拓扑和线损分析提供可靠的依据。在台区线损异常时，可根据分析得到的线损率关键因子进行台区异常分析和排查，可提高分析排查的效率。
附图说明
[0068] 图1所示为本发明方法的一种
实施例流程示意图；
[0069] 图2所示为本发明一种实施例中有源台区综合倍率指标与线损率相关性示意图；
[0070] 图3所示为本发明一种实施例中无源台区综合倍率指标与线损率相关性示意图。
具体实施方式
[0071] 以下结合附图和具体实施例进一步描述。
[0072] 本发明的发明构思为：通过从现有的用电管理系统，包括用电信息采集系统、营销业务应用系统和PMS系统等，采集线损率及其相关字段数据，利用随机矩阵理论进行线损率关键因子分析，从而确定线损率的关键因子，为线损及其相关设备管理以及线损异常排查提供可靠数据基础。
[0073] 实施例1
[0074] 参考图1所示，本实施例为一种线损率关键因子确定方法，包括：
[0075] 采集多个台区的线损率及其影响因素指标数据；
[0076] 针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
[0077] 利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
[0078] 基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
[0079] 基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
[0080] 提取关联度较大的影响因素指标作为线损率的关键因子。
[0081] 本发明方法中所采集的数据可为待分析配电区域内的多个低压台区数据。在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
[0082] 实施例1-1
[0083] 基于实施例1，本实施例以对n1个待分析台区的线损率关键因子进行分析为例，如图1所示，本实施例线损率关键因子确定方法流程如下。
[0084] 1)采集n1个台区的线损率及其n2个影响因素指标数据；
[0085] 2)对采集到的数据进行预处理，包括：剔除异常数据、补充缺失数据，以避免数据采样点缺失或异常导致的计算偏差；
[0086] 3)针对各影响因素指标，基于相应指标数据、线损率数据和随机量构造第一随机矩阵作为实验矩阵，基于线损率数据和随机量构造第二随机矩阵作为对比矩阵；
[0087] 假设步骤1)按照相同的
采样频率对多个台区的线损率及其影响因素指标数据进行同步采集；此处定义对n1个台区的线损率，经过t个时刻的采样后，得到n1行t列的线损率矩阵 对于n2个影响因素指标，经过t个时刻的采样后，得到n2个分别对应各影响因素指标的n1行t列的影响因素矩阵Zm；
[0088] 针对各影响因素指标，构造实验矩阵和对比矩阵包括：
[0089] 1a)对Zm引入随机矩阵得到Zm′：
[0090] Zm′＝Zm+MN (1)
[0091] 其中，N为与Zm相同形式的随机噪声矩阵，服从正态分布；M为噪声幅值；
[0092] 1b)构建线损率关联特性分析的实验矩阵Z及对比矩阵ZN分别为：
[0093]
[0094] 4)利用相同采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
[0095] 如利用预设的行数为Nw，列数为Tw，滑动步长为s的采样窗口，分别从第一列开始对实验矩阵和对比矩阵进行多次同步采样；Nw优选为等于实验矩阵和对比矩阵的行数，步长s可设置为1；随着窗口的移动即可分别得到实验矩阵和对比矩阵平均谱半径变化曲线；
[0096] 定义每次采样所得Nw行Tw列矩阵 为：
[0097]
[0098] 式中， 为矩阵 的第i行，T表示转置；
[0099] 则计算实验矩阵和对比矩阵的矩阵平均谱半径包括：
[0100] 2a)对矩阵 中的元素进行基本变换处理，得到过渡矩阵
[0101]
[0102] 其中， 表示 的第i行第j列个元素， 表示 的第i行第j列个元素， 为矩阵 的第i行， 为 的均值， 为 的标准差， 为 的均值且有为 的标准差且有
[0103] 2b)对过渡矩阵 进行计算，求取其奇异值等价矩阵
[0104]
[0105] 其中，T表示转置，U为哈尔酋矩阵，对奇异值等价矩阵，有
[0106] 2c)考虑L个奇异值等价矩阵，其矩阵积为 其中l＝1,2,…,L， 为第l个奇异值等价矩阵；对 进行单位化处理，得到标准矩阵
[0107]
[0108] 其中，为 的第i行， 为 的第i行， 为 的标准差；
[0109] 2d)计算标准矩阵的平均谱半径KMSR，即矩阵所有特征值的模的平均值，计算公式如下：
[0110]
[0111] 其中λi(i＝1,2,…,Nw)为标准矩阵的第i个特征值；
[0112] 由KMSR的计算过程，基于实验矩阵和对比矩阵，分别可得每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径
[0113] 5)基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，包括：
[0114] 基于每次采样对应的实验矩阵的平均谱半径KMSR,Z和对比矩阵的平均谱半径计算两者之差；
[0115] 基于 与KMSR,Z在各采样时刻的差值，计算实验矩阵和对比矩阵的平均谱半径之差随采样时刻t的变化曲线，为：
[0116]
[0117] 平均谱半径之差随时间的变化曲线反映了影响因素对线损率的作用规律；
[0118] 6)基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度SMSR，计算公式为：
[0119]
[0120] t1和t2分别为初始采样时刻和最终采样时刻，也即关联度实际为多次采样所得平均谱半径之差的积分，SMSR能够定量表征影响因素与线损率的关联特性程度，关联特性指标越大，影响因素与线损率的相关性越大。
[0121] 7)提取关联度较大的影响因素指标作为线损率的关键因子；
[0122] 关联度较大的数据指标类型的确定可以是：
[0123] 如图1，按照关联度计算结果由大到小对各数据指标类型进行排序，将前n个数据指标类型作为线损率的关键因子。
[0124] 也可以是：将关联度大于预设阈值的数据指标类型作为线损率的关键因子。
[0125] 8)对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
[0126] 基于上述方法，以下通过一在连
云港某配电区域的实验应
用例进行方法有效性的说明。
[0127] 首先从用电信息采集系统、营销业务系统和PMS系统等提取出线损及其相关字段，然后对数据进行预处理，剔除异常数据，填补缺失数据。针对处理好的数据，引入随机矩阵分析各数据指标与线损率的相关性。下面以综合倍率指标为例，将有源无源分开分析。
[0128] 任取30个台区，采样频率为每个台区一天一个点，有源采样3359次，无源采样4255次，引入随机矩阵，利用线损率数据和综合倍率数据构造实验矩阵和对比矩阵。设置采样窗口为行数60列数60，滑动步长为1，对实验矩阵和对比矩阵依次进行采样，求取实验矩阵和对比矩阵的平均谱半径随时间变化曲线，有源和无源的相关性分析结果分别如图1和图2所示。图1和图2分别展示了有源和无源情况下综合倍率对线损率的作用规律，图中两条平均谱半径变化曲线距离越远表明综合倍率和线损率的相关性越大。有源和无源台区的综合倍率与线损率关联特性指标计算结果如下表所示：
[0129] 表1综合倍率与线损率的关联特性指标
[0130]
[0131] 从表1可以看出，基于现有spearman秩相关系数和pearson相关系数的分析方法在计算线损率与综合倍率的相关性时，所得结果接近于0，无法有效反映综合倍率与线损率的关联特性，而本发明所述的基于随机矩阵理论的线损率关键因子分析方法则能有效地分析各项数据指标与线损率的关联特性。
[0132] 利用随机矩阵理论，将有源无源分开分析，计算各项数据指标与线损率的关联特性指标，比较计算出的关联特性指标大小，即可明确各数据项与线损率的相关性大小，取相关性较大的数据指标，即为影响线损率的关键因子。因此本发明基于随机矩阵理论的线损率关键因子分析方法，可为分析低压台区线损异常原因提供了可靠的依据，明确了降损的方向。
[0133] 实施例2
[0134] 与实施例1基于相同的发明构思，本实施例为一种线损率关键因子确定装置，包括：
[0135] 数据采集模块，用于采集多个台区的线损率及其影响因素指标数据；
[0136] 数据预处理模块，用于对采集到的数据进行预处理，所进行的预处理包括：剔除异常数据、补充缺失数据；
[0137] 矩阵构造模块，用于针对各影响因素指标，基于预处理后的线损率数据和相应指标数据构造实验矩阵，基于预处理后的线损率数据构造对比矩阵；
[0138] 矩阵平均谱半径计算模块，用于利用预设的采样窗口对实验矩阵和对比矩阵进行多次同步采样，并分别计算每次采样所得矩阵的平均谱半径；
[0139] 平均谱半径差计算模块，用于基于每次采样对应的平均谱半径，计算实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线；
[0140] 关联度计算模块，用于基于实验矩阵与对比矩阵的平均谱半径之差随采样时刻的变化曲线，计算影响因素指标与线损率的关联度；
[0141] 以及关键因子确定模块，用于提取关联度较大的影响因素指标作为线损率的关键因子。
[0142] 在得到线损率关键因子后，可将其信息传输至线损管理系统中，进行线损分析，以及线损超标时的影响因素排查，根据线损率关键因子的关联度由大自小依次对各影响因素指标对应的设备等进行排查，可大大提高线损异常时的排查效率。
[0143] 也即，本实施例的线损率关键因子确定装置还包括：
[0144] 线损异常排查模块，用于对台区线损率进行异常判断，并响应于线损异常，按照各关键因子对应的关联度由大到小依次进行相应影响因素指标的关联因素异常排查。
[0145] 综上，本发明的线损率关键因子确定方法和装置，可基于现有的用电信息系统、营销系统等采集的海量台区数据，采用随机矩阵理论分析各指标数据项与线损率的相关性，从而确定影响线损率的关键因子，为台区拓扑和线损分析提供可靠的依据。在台区线损异常时，可根据分析得到的线损率关键因子进行台区异常分析和排查，可提高分析排查的效率。
[0146] 本领域内的技术人员应明白，本
申请的实施例可提供为方法、系统、或
计算机程序产品。因此，本申请可采用完全
硬件实施例、完全
软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘
存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
[0147] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的
流程图和/或方
框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程
数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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
指定的功能的装置。
[0148] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。
[0149] 这些计算机程序指令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。
[0150] 以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和
权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
