[发明专利]一种基于机器学习的中压配网用户用电异常诊断方法

说明书

本发明公开了一种基于机器学习的中压配网用户用电异常诊断方法，包括基于获取到的用户名称数据生成潜在用电异常用户集合；基于潜在异常用电用户集合，获取其所属行业及近两周正向有功、电压、三相电流数据；对获取数据进行缺失值预处理；计算5项特征值并加入各用户历史用电数据异常四级标签形成样本集；对样本集进行划分，训练人工智能模型，并测试模型效果及模型调优；采用机器学习集成算法中随机森林进行模型训练及评价；利用训练好的模型进行批量打标处理。本发明计算简单，能帮助运行人员及时发现异常线损线路并及时调整。

技术领域

本发明属于涉及中压配电网用户用电异常诊断领域，具体涉及一种基于机器学习的中压配网用户用电异常诊断方法。

背景技术

中压配电网异常用电即为元件故障、数据采集异常、不法分子异常用电等异常 现象。由人工追查出的用电用户异常案例，主要依赖于基层员工的现场排查，因用 户量庞大、设备繁杂、耗时较长、异常用电手法多样、排查难度大等因素，难以全 面、针对性地对各用户用电状况进行评估，进而将引发线路高损、中压线损率计算 误差高、可靠性分析准确性低等业务痛点，严重制约了一流配电网建设进程。

因此，中压配电网用户用电异常诊断方法是一个重要的研究课题，研究成果可 以帮助运行人员及时发现高损线路，并通过检修、追查等方法调整线路，维护线损 处于正常状态。

发明内容

针对上述问题，本发明提出一种基于机器学习的中压配网用户用电异常诊断， 可用于识别任意规模的配电网用电异常用户，该方法计算简单，原理明确，可帮助 配网运行人员及时发现并准确调整线路异常状态，恢复正常线损。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现， 本发明提供了一种基于机器学习的中压配网用户用电异常诊断方法，所述方法包括：

步骤1：从营销系统中取配变的基础信息，所述基础信息包括用户名称、所属行业，基于所述用户名称筛选潜在异常用电用户集合；

步骤2：基于潜在异常用电用户集合，提取其对应馈线线损率数据，以及从营销 系统中取其正向有功数据、电压及三相电流数据，并对潜在异常用电用户数据进行 数据预处理；

步骤3：提取潜在异常用电用户数据的特征值作为机器学习的数据特征，并加入历史数据中对各用户用电异常的轻、中、重三级标签；

步骤4：对数据集进行划分，训练人工智能模型，并试模型训练效果及模型调优；

步骤5：采用机器学习中集成算法随机森林(RF)进行模型训练，并对训练好的 模型进行模型评价；

步骤6：利用训练好的模型对实际配电网中的用电用户进行批量打标处理。

可选地，所述潜在异常用电用户集合的生成方法包括：

步骤11：切分配电变压器用户对应名称；

步骤12：若配电变压器用户对应名称中不含“居委会”、“办事处”、“学校”、“机 关单位”或“政府”字节，则该配变用户为潜在异常用电用户M₁；

步骤13：基于所述步骤12中的筛选潜在异常用电用户规则，从获取的所有配电 用户中筛选出潜在异常用电用户，生成潜在异常用电用户集合M＝{M₁,M₂,…,M_l}，其中 l为经筛选后潜在异常用电用户的数量。

可选地，所述步骤2中对潜在异常用电用户数据进行数据预处理包括：

采用线性插值方法对获得馈线及用户数据中的缺失值进行插值补全处理。

可选地，所述潜在异常用电用户数据的特征共有5项，包括：

第一特征值为近两周日线损率与潜在异常用电用户日正向有功之间的相关系数指标值；