[發明專利]一種低壓居民光伏發電異常檢測方法及系統

在審

• 申請號: 202211338815.1
• 申請日: 2022-10-28
• 公開（公告）號: CN115526273A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 梁洪浩;姜和芳;陳曉偉;劉濤;馬越
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 深圳匯智容達專利商標事務所(普通合伙) 44238
• 代理人: 孫威

1.一種低壓居民光伏發電異常檢測方法，其特征在于，所述方法包括以下步驟：

獲取低壓光伏發電用戶檔案信息，并根據所述低壓光伏發電用戶檔案信息，確定出每一個發電用戶的用戶數據；其中，所述用戶數據包括低壓光伏發電用戶電能表關系、光伏裝機容量、用戶所屬臺區、用戶所屬線路和用戶所屬變電站；

根據每一個發電用戶的用戶數據，計算出每一個發電用戶的電量數據；其中，所述電量數據包括日發電量、日上網電量、月上網電量和上月上網結算電量；

建立與日發電量及裝機容量關聯的異常初步篩選規則，并結合每一個發電用戶的用戶數據及對應的電量數據，對所述低壓光伏用戶檔案信息中的所有發電用戶進行篩選，以得到滿足所述異常初步篩選規則的發電用戶；

利用預設的支持向量機算法，對滿足所述異常初步篩選規則的發電用戶進行聚類分析，進一步選出異常發電用戶。

2.如權利要求1所述的低壓居民光伏發電異常檢測方法，其特征在于，所述異常初步篩選規則為日發電量大于8倍的裝機容量。

3.如權利要求1所述的低壓居民光伏發電異常檢測方法，其特征在于，所述利用預設的支持向量機算法，對滿足所述異常初步篩選規則的發電用戶進行聚類分析，進一步選出異常發電用戶的具體步驟包括：

基于K-means算法，對滿足所述異常初步篩選規則的發電用戶的用戶數據及對應的電量數據進行降維聚類；

利用所述支持向量機算法，對降維聚類之后的歸屬于每一類別的發電用戶的用戶數據及對應的電量數據進行訓練，得到每一類別的SVM異常識別模型；

基于每一類別的SVM異常識別模型，對滿足所述異常初步篩選規則的發電用戶的電量數據均進行異常識別，進一步選出異常發電用戶。

4.如權利要求3所述的低壓居民光伏發電異常檢測方法，其特征在于，所述基于K-means算法，對滿足所述異常初步篩選規則的發電用戶的用戶數據及對應的電量數據進行降維聚類的步驟具體包括：

對滿足所述異常初步篩選規則的發電用戶的用戶數據中用戶所屬臺區、用戶所屬線路和用戶所屬變電站進行識別，并根據識別結果，設定待聚類的類別數量；

基于日發電量和裝機容量，對滿足所述異常初步篩選規則的發電用戶的電量數據進行降維聚類，并使用訓練好的聚類器對所有滿足所述異常初步篩選規則的發電用戶進行聚類標注，以確定出降維聚類之后歸屬于每一類別的發電用戶。

5.如權利要求4所述的低壓居民光伏發電異常檢測方法，其特征在于，所述利用所述支持向量機算法，對降維聚類之后的歸屬于每一類別的發電用戶的用戶數據及對應的電量數據進行訓練，得到每一類別的SVM異常識別模型的步驟具體包括：

在每一類別的發電用戶的用戶數據及對應的電量數據上均進行特征因子擴充，并對每一類別的發電用戶進行標簽標注，且進一步使用核機制，對每一類別帶有標簽的發電用戶進行數據維度轉換和增加；其中，所述擴充的特征因子包括日發電量/歷史30天最大發電量、日發電量/裝機容量、日上網電量*上月天數/上月上網結算電量；所述標簽為正常或異常

按照一定比例，將所有類別經數據維度轉換和增加后的數據進行劃分，以得到每一類別對應的訓練集和測試集；

將每一類別的訓練集進行one-hot標注，并對每一類別的訓練集中所有數據進行歸一化處理；

初始化SVM向量平面，使用該向量平面對每一類別的訓練集中所有歸一化處理的數據進行檢測、標注；

用交叉熵定義SVM向量損失函數為并基于所述SVM向量損失函數使用網格搜索，搜尋出模型最佳參數，且進一步根據所述模型最佳參數，構建出每一類別的SVM異常識別模型。