(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111514070.5 (22)申请日 2021.12.13 (71)申请人 国网江西省电力有限公司电力科 学 研究院 地址 330000 江西省南昌市青山湖区民营 科技园内民强路88号检测试验中心科 研楼(第1-1 1层) 申请人 国家电网有限公司 (72)发明人 欧阳文华 　常乐　王卫平　戚沁雅　 安义　 (74)专利代理 机构 南昌贤达专利代理事务所 (普通合伙) 36136 代理人 金一娴 (51)Int.Cl. G06K 9/62(2022.01)G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于大数据的台区线损异常原因分析 方法及装置 (57)摘要 本发明公开一种基于大数据的台区线损异 常原因分析方法及装置， 方法包括： 获取样本台 区的低压用户全量数据； 将所述低压用户全量数 据中的异动用户类型作为自变量， 所述低压用户 全量数据中的数据字段作为因变量， 并基于复相 关‑皮尔逊系数分析法计算某 一因变量与单一自 变量的组合相关系数， 使 得到线损影 响因素关联 关系； 将获取的台区实时的低压用户全量数据输 入至预设的高损原因分类模型中， 使输出异动用 户类型， 并根据所述异动用户类型对台区线损异 常原因进行识别。 通过构建台区高损原因分析模 型对台区高损原因进行分析， 识别出高损台区下 疑似异动用户及异动用户类型， 辅助运维人员解 决低压台区高损问题， 提升公司管理效率效益。 权利要求书2页 说明书7页 附图2页 CN 113902062 A 2022.01.07 CN 113902062 A 1.一种基于大 数据的台区线损异常原因分析 方法， 其特 征在于， 包括： 在电力系统数据中 台中获取样本台区的低压用户全量数据； 将所述低压用户全量数据中的异动用户类型作为自变量， 所述低压用户全量数据中的 数据字段作为因变量， 并基于复相关 ‑皮尔逊系 数分析法计算某一因变量与单一自变量的 组合相关系数， 使得到线损影响因素关联关系， 其中， 所述异动用户类型包括档案异动用 户、 采集异动用户、 计量异动用户以及窃电异动用户， 所述数据字段包括台区日损耗电量、 采集成功率、 电压以及电流； 计算所述某一因变量与所述单一自变量的组合相关系数的表达式为： ， 式中， 为某一因变量与单一自变量的组合相关系数， 为某一因变量与对应的自变量 组的复相关系数， 为某一因变量与对应的单一自变量的皮尔逊系数， 为某一因变量与 对应的自变量组的权 重， 为某一因变量与对应的单一自变量的权 重； 将获取的台区实时的低压用户全量数据输入至预设的高损原因分类模型中， 使输出异 动用户类型， 并根据所述异动用户类型对台区线损异常原因进 行识别， 其中， 预设的高损原 因分类模型中包 含所述线损影响因素关联关系。 2.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法， 其特征在于， 其中， 在获取样本台区的低压用户全量数据之后， 所述方法包括： 对所述低压用户全量数据进行数据降维处理， 使剔除所述低压用户全量数据中对线损 无影响的字段。 3.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法， 其特征在于， 其中， 计算某一因变量与对应的因变量组的复相关系数的表达式为： ， ， 式中， 为某一因变量与对应 的因变量组的复相关系数， 为因变量特征出现的次数， 为对自变量作回归所得回归值， 为自变量的均值， 为第 个自变量特征 的线性回归 方程参数， 为第 个自变量特 征出现的次数。 4.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法， 其特征在于， 其中， 计算某一因变量与对应的单一自变量的皮尔逊系数的表达式为： ， 式中， 为某一因变量与对应的单一自变量的皮尔逊系数， 为自变量特征出现的 次数， 为因变量特征出现的次数， 为 的样本平均值， 为 的样本平均值， 为 的标准差， 为 的标准差 。 5.根据权利要求1所述的一种基于大数据的台区线损异常原因分析方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 113902062 A 2其中， 预设的高损原因分类模型为基于 机器学习弱分类 器迭代训练构建的模型。 6.一种基于大 数据的台区线损异常原因分析装置， 其特 征在于， 包括： 获取模块， 配置为在电力系统数据中 台中获取样本台区的低压用户全量数据； 计算模块， 配置为将所述低压用户全量数据中的异动用户类型作为自变量， 所述低压 用户全量数据中的数据字段作为因变量， 并基于复相关 ‑皮尔逊系 数分析法计算某一因变 量与单一自变量的组合相关系数， 使得到线损影响因素关联关系， 其中， 所述异动用户类型 包括档案异动用户、 采集异动用户、 计量异动用户以及窃电异动用户， 所述数据字段包括台 区日损耗电量、 采集成功率、 电压以及电流； 计算所述某一因变量与所述单一自变量的组合相关系数的表达式为： ， 式中， 为某一因变量与单一自变量的组合相关系数， 为某一因变量与对应的自变量 组的复相关系数， 为某一因变量与对应的单一自变量的皮尔逊系数， 为某一因变量与 对应的自变量组的权 重， 为某一因变量与对应的单一自变量的权 重； 输出模块， 配置为将 获取的台区实时的低压用户全量数据输入至预设的高损原因分类 模型中， 使输出异动用户类型， 并根据所述异动用户类型对台区线损异常原因进 行识别， 其 中， 预设的高损原因分类模型中包 含所述线损影响因素关联关系。 7.一种电子设备， 其特征在于， 包括： 至少一个处理器， 以及与所述至少一个处理器通 信连接的存储器， 其中， 所述存储器存储有 可被所述至少一个处理器执行的指 令， 所述指 令 被所述至少一个处理器执行， 以使 所述至少一个处理器能够执行权利要求 1至5任一项所述 的方法。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理器 执行时实现权利要求1至 5任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 113902062 A 3