[发明专利]多维场景下基于数据挖掘的台区线损率标准库构建方法

说明书

本发明公开了多维场景下基于数据挖掘的台区线损率标准库构建方法，包括步骤：获取台区的线损率数据；根据季节、节假日以及特殊节假日的规则设定场景标签；采取缺失值填补众数的原则进行缺失值的预处理；改进3‑σ去噪法剔除异常值；分别提取具有相同场景标签的线损率数据；基于轮廓系数和卡林斯基‑哈拉巴斯指数确定最佳聚类数；K‑means聚类；基于动态簇类质心下降法确定标准库区间的上下限；基于确定区间属性值相似度合并标准库，得到多维场景下的台区线损率标准库。本发明考虑了季节和节假日等因素的影响，精细划分成各场景下的线损率标准库模型，提高了线损异常辨识的准确性。

技术领域

本发明属于台区故障辨识技术领域，具体涉及多维场景下基于数据挖掘的台区线损率标准库构建方法。

背景技术

随着智能电表的推广、用电信息系统的建设，使得数据的完整性和实时性较以前有了较大的提高，线损业务管理条件越来越完善。得益于全面拓展的数据应用，台区异常线损率的精准定位技术不断走向智能化，促进深化同期线损系统应用，推进电网高质量发展。

现有的台区线损率标准库建立方法，在划分程度和影响因素的考虑等方面存在一些缺陷。一是没有考虑到“一区一库”的划分方法对于不断复杂的用户用电系统具有较强的局限性，大部分情况下只能粗略辨识异常线损率；二是台区线损率的波动受到季节、节假日等多种因素的影响，需考虑多维场景下标准库的精细划分与建立，目前台区线损率标准库的建立方法忽略了对历史数据的分析和挖掘，降低了线损异常辨识的准确性。

发明内容

本发明针对现有技术中的不足，提供提供多维场景下基于数据挖掘的台区线损率标准库构建方法，本发明在获取台区的线损率数据的基础上，分别采用缺失值填补众数和改进3-σ去噪法对原始数据预处理；同时，根据季节、节假日以及特殊节假日的规则设定场景标签；分别提取具有相同场景标签的线损率数据；基于轮廓系数和CHI系数确定最佳聚类数，并进行K-means聚类；基于动态簇类质心下降法确定标准库区间的上下限；基于确定区间属性值相似度合并标准库，从而得到多维场景下的台区线损率标准库。

为实现上述目的，本发明采用以下技术方案：多维场景下基于数据挖掘的台区线损率标准库构建方法，包括以下步骤：

S1、获取台区的线损率数据；

S2、根据季节、节假日以及特殊节假日的规则设定场景标签；

S3、采取缺失值填补众数的原则进行缺失值的预处理；

S4、基于改进3-σ去噪法剔除异常值；

S5、分别提取具有相同场景标签的线损率数据；

S6、基于轮廓系数和卡林斯基-哈拉巴斯指数确定最佳聚类数k；

S7、K-means聚类；

S8、基于动态簇类质心下降法确定标准库区间的上下限；

S9、基于确定区间N属性值相似度合并标准库，得到多维场景下的台区线损率标准库。

为优化上述技术方案，采取的具体措施还包括：

进一步地，步骤S1中的台区线损率是用于判断台区是否存在异常的依据，亦是用于建立台区线损率标准库的基础，其值由用电信息采集系统提供的线损电量计算得出，线损率计算公式如下式：

式中，LLR表示线损率，E_m表示抄表电量，E_s表示实际售电量。

进一步地，步骤S3中的线损率数据缺失值的预处理包括：