[发明专利]一种基于聚类算法的电力采集负荷漏点特征挖掘方法

说明书

本发明公开了一种基于聚类算法的电力采集负荷漏点特征挖掘方法，涉及电力信息采集领域。目前在电力负荷数据采集过程中，常常出现数据采集不成功的情况，出现某些时刻用户负荷数据缺失，形成漏点现象，现有系统中的漏电采集采集精确度不高，采集成功率相对较低，掌握漏点情况信息不完善。本方法过程为：采集负荷数据；提取漏点数据；通过漏点数据提取漏点特征指标；对漏点数据指标进行聚类分析形成聚类类别特征；最后提取用户的漏点特征。通过负荷采集漏点结果数据以及采集过程行为数据进行分析，可以深入掌握用户漏点情况，及时发现设备漏点特征，提高采集成功率。

技术领域

本发明涉及电力信息采集领域，尤其涉及一种基于聚类算法的电力采集负荷漏点特征挖掘方法。

背景技术

电力采集业务中，采集用户负荷数据是电力数据采集中的一项基础工作，对用户电量负荷及其他数据的搜集具有重大意义。目前在电力负荷数据采集过程中，常常出现数据采集不成功的情况，出现某些时刻用户负荷数据缺失，形成漏点现象。现有系统中的漏电采集精确度不高，采集成功率相对较低，掌握漏点情况信息不完善。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于聚类算法的电力采集负荷漏点特征挖掘方法，以深入掌握漏点情况，提升漏点采集成功率为目的。为此，本发明采取以下技术方案。

一种基于聚类算法的电力采集负荷漏点特征挖掘方法，包括以下步骤：

1）从采集系统中采集负荷数据；

2）提取出相应的计量点漏点数据；

3）通过漏点数据提取漏点特征指标；

4）对漏点数据指标通过聚类算法进行分析，形成计量点的聚类类别特征；

5）通过计量点的聚类类别特征，提取出每一个用户的漏点特征。

通过负荷采集漏点结果数据以及采集过程行为数据进行分析，可以深入掌握用户漏点情况，及时发现设备漏点特征，提高采集成功率，为采集人员提供参考，便于采集工作开展，辅助采集率提升，保证设备及时正常运行。

作为优选技术手段：步骤3）中，统计漏点数据各计量点的各个指标，指标内容包含漏点总数、漏点连续性特征、漏点星期特征、漏点时刻特征，漏点总数用以统计计量点整体漏点情况，其中，漏点连续性特征用以描述计量点连续漏点2个及以上的次数，反映漏点的严重情况，漏点星期特征用以描述计量点在一周周期内的漏点时间规律，漏点时刻特征用以描述漏点的计量点一天24小时的漏点时刻规律。有效实现漏点特征指标的提取。

作为优选技术手段：步骤4）中，通过距离函数 ,其中表示任意两个计量点的各个计算指标，来计算各个计量点的距离，将距离相近的点聚在一起，形成各个特征类别。有效实现计量点的聚类类别特征。

有益效果：通过负荷采集漏点结果数据以及采集过程行为数据进行分析，可以深入掌握用户漏点情况，及时发现设备漏点特征，提高采集成功率，为采集人员提供参考，便于采集工作开展，辅助采集率提升，保证设备及时正常运行。

附图说明

图1是本发明流程示意图。

具体实施方式

以下结合说明书附图对本发明的技术方案做进一步的详细说明。

如图1所示，一种基于聚类算法的电力采集负荷漏点特征挖掘方法，其过程包括以下步骤：

1）从采集系统中获取专变用户从当前日期开始过去一个月的采集负荷数据。

2）通过将采集获得的计量点、时间及相关的负荷数据与完整的计量点和时间进行匹配，提取出相应的计量点漏点数据。