[發明專利]一種竊電位置判斷方法、裝置、設備和存儲介質

在審

• 申請號: 202011466917.2
• 申請日: 2020-12-14
• 公開（公告）號: CN112649642A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 史琳;鄧利民;潘煒;黃文科;譚致遠;董茵;鄧志飛;韓瑋
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G01R11/24
• 分類號: G01R11/24
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 沈闖

1.一種竊電位置判斷方法，其特征在于，包括：

按照預設采集周期從預設配電網的多個檢測節點分別采集有功負荷值和無功負荷值；

采用每個所述檢測節點的所述有功負荷值和所述無功負荷值分別進行潮流計算，得到每個所述檢測節點在所述預設采集周期內的實際線損值；

將每個所述檢測節點的所述有功負荷值和所述無功負荷值分別輸入到目標神經網絡模型，得到每個所述檢測節點在所述預設采集周期內的模擬線損值；其中，所述目標神經網絡模型通過預置的神經網絡訓練過程生成；

基于所述實際線損值與所述模擬線損值的差值，判斷所述檢測節點是否為竊電位置。

2.根據權利要求1所述的竊電位置判斷方法，其特征在于，所述神經網絡訓練過程包括：

獲取多個訓練樣本數據；所述訓練樣本數據包括預設訓練檢測節點的訓練有功負荷值和訓練無功負荷值；所述訓練樣本數據包括訓練線損值；

將所述訓練有功負荷值和所述訓練無功負荷值輸入到預置的初始神經網絡模型中，得到模型輸出；

若所述模型輸出與所述訓練線損值的誤差大于所述預設誤差閾值，則調整所述初始神經網絡模型的預設權重參數；

返回所述將所述訓練有功負荷值和所述訓練無功負荷值輸入到預置的初始神經網絡模型中，得到模型輸出的步驟，直至所述模型輸出與所述訓練線損值的誤差小于或等于所述預設誤差閾值，得到目標神經網絡模型。

3.根據權利要求1所述的竊電位置判斷方法，其特征在于，所述基于所述實際線損值與所述模擬線損值的差值，判斷所述檢測節點是否為竊電位置的步驟，包括：

計算所述實際線損值與所述模擬線損值的差值；

若所述差值大于預設線損閾值，則判定所述檢測節點為竊電位置。

4.根據權利要求3所述的竊電位置判斷方法，其特征在于，還包括：

若所述差值小于或等于所述線損閾值，則判定所述檢測節點不為所述竊電位置。

5.一種竊電位置判斷裝置，其特征在于，包括：

采集模塊，用于按照預設采集周期從預設配電網的多個檢測節點分別采集有功負荷值和無功負荷值；

實際線損值計算模塊，用于采用每個所述檢測節點的所述有功負荷值和所述無功負荷值分別進行潮流計算，得到每個所述檢測節點在所述預設采集周期內的實際線損值；

模擬線損值計算模塊，用于將每個所述檢測節點的所述有功負荷值和所述無功負荷值分別輸入到目標神經網絡模型，得到每個所述檢測節點在所述預設采集周期內的模擬線損值；其中，所述目標神經網絡模型通過預置的神經網絡訓練模塊生成；

竊電位置判斷模塊，用于基于所述實際線損值與所述模擬線損值的差值，判斷所述檢測節點是否為竊電位置。

6.根據權利要求5所述的竊電位置判斷裝置，其特征在于，所述神經網絡訓練模塊包括：

訓練樣本獲取子模塊，用于獲取多個訓練樣本數據；所述訓練樣本數據包括預設訓練檢測節點的訓練有功負荷值和訓練無功負荷值；所述訓練樣本數據包括訓練線損值；

模型輸出子模塊，用于將所述訓練有功負荷值和所述訓練無功負荷值輸入到預置的初始神經網絡模型中，得到模型輸出；

權重參數調整子模塊，用于若所述模型輸出與所述訓練線損值的誤差大于所述預設誤差閾值，則調整所述初始神經網絡模型的預設權重參數；

重復訓練子模塊，用于返回所述將所述訓練有功負荷值和所述訓練無功負荷值輸入到預置的初始神經網絡模型中，得到模型輸出的步驟，直至所述模型輸出與所述訓練線損值的誤差小于或等于所述預設誤差閾值，得到目標神經網絡模型。

7.根據權利要求5所述的竊電位置判斷裝置，其特征在于，所述竊電位置判斷模塊包括：

差值計算子模塊，用于計算所述實際線損值與所述模擬線損值的差值；

竊電位置判定子模塊，用于若所述差值大于預設線損閾值，則判定所述檢測節點為竊電位置。