[發明專利]一種線損異常原因的判別方法、裝置及服務器

有效

• 申請號: 201810315444.2
• 申請日: 2018-04-10
• 公開（公告）號: CN108520357B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 閆富榮;陳雁;趙加奎;袁葆;歐陽紅;吳佐平;張文;劉玉璽
• 申請（專利權）人: 北京中電普華信息技術有限公司;國網信息通信產業集團有限公司;國家電網公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種線損異常原因的判別方法，其特征在于，包括：

采集電力數據服務器存儲的目標臺區的線損數據；

根據所述目標臺區的線損數據，判斷所述目標臺區是否存在線損異常；

若所述目標臺區存在線損異常，提取表征所述目標臺區運行與維護情況的線損核心指標；

調用預訓練的異常線損診斷模型，所述異常線損診斷模型以深度神經網絡對所述線損核心指標的輸出結果，趨于實際的線損異常原因為目標，訓練所述深度神經網絡得到；

將所述目標臺區的線損核心指標輸入所述異常線損診斷模型，判別所述目標臺區線損異常的原因；

其中，所述方法還包括：

獲取多個臺區的線損核心指標樣本；

確定各臺區的線損核心指標樣本與實際的線損異常原因的對應關系；

分別確定后向傳播BP神經網絡對各所述臺區的線損核心指標樣本的輸出結果，到所述實際的線損異常原因之間的誤差，得到各臺區的線損核心指標樣本相對應的誤差；

以所述各臺區線損核心指標樣本相對應的誤差處于預設范圍內為訓練目標，調整所述BP神經網絡的參數，得到異常線損診斷模型。

2.根據權利要求1所述的線損異常原因的判別方法，其特征在于，所述獲取多個臺區的線損核心指標樣本，包括：

采集電力數據服務器存儲的各臺區的線損數據；

根據所述各臺區的線損數據，篩選存在線損異常的臺區；

提取各所述存在線損異常的臺區的線損核心指標作為樣本。

3.根據權利要求2所述的線損異常原因的判別方法，其特征在于，所述方法還包括：

提取各所述存在線損異常的臺區的線損特征，其中，所述線損特征代表和線損率相關的參數；

根據所述線損特征，運用最大期望EM算法對各所述存在線損異常的臺區進行分類；

確定屬于同一類別的臺區的實際線損異常原因。

4.根據權利要求1所述的線損異常原因的判別方法，其特征在于，所述調整所述BP神經網絡的參數，包括：

將各臺區線損核心指標樣本相對應的誤差向所述BP神經網絡的輸入層方向逐層傳遞，根據所述誤差修改所述BP神經網絡的參數。

5.根據權利要求1至4任一項所述的線損異常原因的判別方法，其特征在于，所述方法還包括：

統計訓練所述BP神經網絡的迭代次數；

判斷所述迭代次數是否大于預設值；

若所述迭代次數大于預設值，則將最后一次訓練所得模型作為異常線損診斷模型。

6.根據權利要求1所述的線損異常原因的判別方法，其特征在于，所述根據所述目標臺區的線損數據，判斷所述目標臺區是否存在線損異常，包括：

提取所述目標臺區的線損數據中的統計線損率；

對所述目標臺區的統計線損率進行魯棒異常點檢測；

判斷所述目標臺區的統計線損率中是否存在異常點，若所述目標臺區的統計線損率中存在異常點，則判定所述目標臺區存在線損異常。

7.根據權利要求1所述的線損異常原因的判別方法，其特征在于，所述提取表征所述目標臺區運行與維護情況的線損核心指標，包括：

對所述目標臺區的線損核心指標按照線路參數、運行參數和管理因素三類進行分類；

計算同一類別中各線損核心指標間的相關系數；

對所述相關系數大于預設值的類別中的線損核心指標進行主成分分析，得到統一該類別中的多個所述線損核心指標的指標。