一种理论线损计算的同期线损对比分析方法及系统与流程

1.本发明涉及线损计算技术领域，尤其是一种理论线损计算的同期线损对比分析方法及系统。


背景技术：

2.同期线损的计算项目包含分区、分压、母平、输电线路、配线以及台区。计算过程为先抽取电网架构及设备模型，然后人工设置同期线损计算项目的关口模型配置关系，接着再获取运行数据，最后根据关口模型进行同期线损计算。同期线损异常因素较多，主要有如下几条：1)模型台账不完整：同期线损模型基础台账缺失，导致设备不完整；2)关口模型配置错误：同期线损的关口配置缺失记录、关口方向错误等；3)计算关系错误：关口正反向电量数据的加减运算关系配置错误；4)运行数据错误：关口电量数据由于传输、干扰、换表、倍率错误等原因导致运行数据错误；5)勾稽关系无对应：缺失与源端系统的计量点勾稽关系的对应，导致数据无法采集。
3.同期线损计算的计算项目较多，每个计算项目都需要配置较为复杂的转入、转出关口模型，还需要做好每个计量点与源端系统的勾稽对应关系，并且计量点的运行数据要保证正确无误，如果某个计量点数据异常，或者同期线损计算的转入、转出关口模型配置出现错误，将会导致该关口配置模型对应的同期线损计算项目的线损异常，同时也会关联其他同期线损计算项目的线损异常，最终会将导致同期线损计算结果出现偏大、不合理、负损等线损异常现象。但是现有技术中进行同期线损异常诊断分析无法直接定位同期线损异常原因，通过人工进行关口模型配置、数据采集、运算关系等方面的排查分析，效率低且准确性差。
4.通过上述分析，现有技术存在的问题及缺陷为：进行同期线损异常诊断分析无法直接定位同期线损异常原因，通过人工进行关口模型配置、数据采集、运算关系等方面的排查分析，效率低且准确性差。


技术实现要素：

5.本发明提供了一种理论线损计算的同期线损对比分析方法及系统，用于解决现有进行同期线损异常诊断分析无法直接定位同期线损异常原因，通过人工进行关口模型配置、数据采集、运算关系等方面的排查分析，效率低且准确性差的问题。
6.为实现上述目的，本发明采用下述技术方案：
7.本发明第一方面提供了一种理论线损计算的同期线损对比分析方法，所述方法包括以下步骤：
8.获取同期线损数据，并将所述同期线损数据进行归一化处理，得到处理后的数据；
9.基于所述处理后的数据构建数据库，得到同期线损数据库；
10.对数据库中的同期线损数据进行分析，得到每条数据对应的数据分析结果；
11.对比所述数据分析结果，得到对比结果；
12.基于所述对比结果构建同期线损对比分析模型；
13.将采集的同期线损数据输入所述同期线损对比分析模型，得到同期线损对比分析结果。
14.进一步地，所述将所述同期线损数据进行归一化处理的具体过程为：
15.接收用户输入的同期线损数据归一化策略的规则参数；
16.根据所述规则参数和预设的代码生成规则，生成同期线损数据归一化策略对应的程序代码；
17.运行所述归一化策略对应的程序代码，对预设的同期线损数据集中的实体进行归一判定，将同期线损数据进行聚类。
18.进一步地，所述规则参数包括至少一个待比较的目标属性，所述目标属性对应比较条件参数，以及各目标属性对应的比较条件之间组合的比较规则。
19.进一步地，所述根据所述规则参数和预设的代码生成规则，生成同期线损数据归一化策略对应的程序代码的具体过程为：
20.针对任意一个待比较的目标属性，根据其类型及对应的比较条件参数，获取当前目标属性的比较函数；
21.根据当前比较规则，调用对应的比较函数，确定逻辑运算类型，得到当前比较规则的程序代码；
22.根据各比较规则的程序代码得到所述同期线损数据归一化策略对应的程序代码。
23.进一步地，目标属性对应的比较条件参数包括目标属性的类型、目标属性对应的比较条件和比较过程的严格程度。
24.进一步地，所述获取当前目标属性的比较函数的具体过程为：
25.根据所述目标属性的类型确定所述比较函数中的比较方法参数；
26.根据比较过程的严格程度确定所述比较函数中的多值比较条件参数，所述多值比较条件参数包括多值完全相同、至少一个相同或完全不同中的一种条件参数；
27.根据所述比较条件和/或预设数据清洗指令确定所述比较函数中的补充参数；
28.根据所述目标属性、所述比较方法参数、所述多值比较条件参数以及所述补充参数，得到所述目标属性的比较函数。
29.进一步地，所述将同期线损数据进行聚类的具体过程为：
30.根据模糊聚类算法将所述同期线损数据进行分类，计算每个分类的聚类中心；
31.通过隶属度函数计算隶属度值，构成模糊矩阵；
32.从所述模糊矩阵中选择训练样本，作为广义神经网络的训练输入；
33.通过所述广义神经网络的训练输入，预测输出入侵数据类别；
34.将所述同期线损数据重新分类，获取最靠近每类中心值的样本作为训练样本，得到聚类结果。
35.进一步地，所述广义神经网络包括输入层、模式层、求和层和输出层。
36.本发明第二方面提供了一种理论线损计算的同期线损对比分析系统，所述系统包括：
37.数据预处理模块，用于获取同期线损数据，并将所述同期线损数据进行归一化处理，得到处理后的数据；
38.数据库构建模块，基于所述处理后的数据构建数据库，得到同期线损数据库；
39.数据分析模块，对数据库中的同期线损数据进行分析，得到每条数据对应的数据分析结果；
40.对比模块，对比所述数据分析结果，得到对比结果；
41.模型构建模块，基于所述对比结果构建同期线损对比分析模型；
42.结果获取模块，将采集的同期线损数据输入所述同期线损对比分析模型，得到同期线损对比分析结果。
43.本发明第三方面提供了一种计算机存储介质，所述计算机存储介质中存储有计算机指令，所述计算机指令在所述系统上运行时，使所述系统执行所述方法的步骤。
44.本发明第二方面的所述同期线损对比分析系统能够实现第一方面及第一方面的各实现方式中的方法，并取得相同的效果。
45.发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
46.1、本发明实施例通过进行同期线损数据的获取并对同期线损进行分析对比，依据数据分析与对比的结果将数据导入数据库中，建立同期线损数据库，进行数据的对比分析的效率高并且准确性更好，减少同期线损对比的误差，提高效率。
47.2、本发明实施例通过理论线损计算实现同期线损对比分析，减少人为干预，获取的对比分析结构更加准确。本发明的系统组成简单，基于理论线损计算得到同期线损对比分析结果，准确性更高。
附图说明
48.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1是本发明所述方法实施例的流程示意图；
50.图2是本发明所述方法实施例中进行同期线损数据归一化处理的流程示意图；
51.图3是本发明所述方法实施例中根据规则参数以及预设的代码生成规则，生成实体归一化策略对应的程序代码流程示意图；
52.图4是本发明所述方法实施例中获取目标属性的比较函数的流程示意图；
53.图5是本发明所述系统的结构示意图。
具体实施方式
54.为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
55.如图1所示，本发明实施例提供的基于理论线损计算的同期线损对比分析方法包
括以下步骤：
56.s1，获取同期线损数据，并将所述同期线损数据进行归一化处理，得到处理后的数据；
57.s2,基于所述处理后的数据构建数据库，得到同期线损数据库；
58.s3,对数据库中的同期线损数据进行分析，得到每条数据对应的数据分析结果；
59.s4,对比所述数据分析结果，得到对比结果；
60.s5,基于所述对比结果构建同期线损对比分析模型；
61.s6,将采集的同期线损数据输入所述同期线损对比分析模型，得到同期线损对比分析结果。
62.步骤s1中，获取同期线损数据的具体过程包括：
63.由移动节点构成一个网络，网络中一个数据id定义一种类型的数据，网络中能够提供同一种类型数据的移动节点构建成一个k-anycast组，所述k-anycast组由定义该种类型数据的数据id唯一标识，一个k-anycast组里的移动节点称为骨干节点；
64.在一个包含x个骨干节点且能提供数据c的k-anycast组中，其中，x≥2，骨干节点b
x
由唯一网络前缀m
x
标识，k-anycast组由网络前缀集合g定义，如下式：
[0065][0066]
其中，x≥x≥1；
[0067]
骨干节点或者移动节点的地址包括两个部分：i比特的网络前缀和j比特的节点id；网络前缀包括k比特的数据id和(i-k)比特的骨干id，节点id包括k比特的数据id和(j-k)比特的内部id，i，j和k为小于64的正整数；
[0068]
骨干节点b启动后，创建一个临时地址，该临时地址的网络前缀为i比特的随机数，节点id为j比特的随机数；骨干节点b
x
广播一个地址创建消息，消息源地址为临时地址，负载为一个随机数和数据id c；骨干节点b
x
等待一定时间，在接收到同一个k-anycast组里的其他x-1个骨干节点广播的地址创建消息后，判断骨干节点b
y1
和骨干节点b
y2
的优先级，其中，y1≠y2；
[0069]
骨干节点b
x
将同一个k-anycast组中的x个骨干节点按照优先级递增排序，如果骨干节点b
x
的优先级在x骨干节点中的排序值为p，x≥p≥1，骨干节点b
x
则将自己的骨干id设置为p
x
，同时构建一个地址，该地址的网络前缀中的数据id为c，节点id为零，同时根据公式构建网络前缀集合g；
[0070]
网络前缀为y的骨干节点根据公式网络前缀为y的骨干节点根据公式获取内部id空间[l(y),u(y)]，x≥y≥1。
[0071]
如图2所示，进行同期线损数据的归一化处理，得到处理后的数据，包括：
[0072]
s111，接收用户输入的同期线损数据归一化策略相关的规则参数；
[0073]
s112，根据所述规则参数以及预设的代码生成规则，生成同期线损数据归一化策略对应的程序代码；
[0074]
s113，运行所述同期线损数据归一化策略对应的程序代码，对预设的同期线损数据集合中的实体进行归一判定，将相同同期线损数据进行聚类。
[0075]
本发明实施例提供的规则参数包括至少一个待比较的目标属性、所述目标属性对应的比较条件参数、以及各目标属性对应的比较条件之间组合的比较规则。
[0076]
如图3所示，步骤s112中根据所述规则参数以及预设的代码生成规则，生成实体归一化策略对应的程序代码，包括：
[0077]
s121，针对任意一个待比较的目标属性，根据所述目标属性的类型以及所述目标属性对应的比较条件参数，获取所述目标属性的比较函数；
[0078]
s122，根据每一比较规则，调用对应的比较函数、并确定逻辑运算类型，得到所述比较规则的程序代码；
[0079]
s123，根据各比较规则的程序代码得到所述实体归一化策略对应的程序代码。
[0080]
本发明实施例提供的目标属性对应的比较条件参数包括目标属性的类型、目标属性对应的比较条件和比较过程严格程度。
[0081]
如图4所示，本步骤s121中，根据所述目标属性的类型以及所述目标属性对应的比较条件参数，获取所述目标属性的比较函数，包括：
[0082]
s131，根据所述目标属性的类型确定所述比较函数中的比较方法参数；
[0083]
s132，根据比较过程严格程度确定所述比较函数中的多值比较条件参数，所述多值比较条件参数包括：多值完全相同、至少一个相同、或完全不同；
[0084]
s133，根据所述比较条件和/或预设数据清洗指令确定所述比较函数中的补充参数；
[0085]
s134，根据所述目标属性、所述比较方法参数、所述多值比较条件参数以及所述补充参数，得到所述目标属性的比较函数。
[0086]
本发明实施例的其一实现方式中，步骤s113中将相同同期线损数据进行聚类，包括：
[0087]
根据模糊聚类算法将数据进行分类，并计算每类的聚类中心；
[0088]
fcm(fuzzy c-mean，模糊聚类算法)把n个向量xk分为c个模糊类，并求每类的聚类中心ci，从而使模糊目标函数最小；
[0089]
模糊聚类的目标函数为：
[0090]
其中，d
ij
＝||c
i-xj||为样本向量距离中心点的欧式距离，ci是第i类的中心，m为样本个数，j为属性列；每一聚类中心的计算公式为：
[0091][0092]
通过隶属度函数计算隶属度值，构成模糊矩阵；
[0093]
隶属度函数为：
[0094][0095]
从模糊矩阵中选择训练样本，作为广义神经网络的训练输入；
[0096]
在模糊矩阵中选择距离中心值最小的m个样本作为训练样本，通过n*m组数据作为广义神经网络的训练输入；其中，n为根据模糊聚类算法将入侵数据分类的个数，m为1～5之间的数据；
[0097]
根据广义神经网络的训练输入，预测输出入侵数据类别；
[0098]
将数据重新分为n类，找出最靠近每类中心值的样本作为训练样本；得出聚类结果。
[0099]
本发明实施例提供的广义神经网络由输入层、模式层、求和层和输出层四级结构组成。
[0100]
如图5所示，本发明实施例提供的基于理论线损计算的同期线损对比分析系统包括数据获取模块1、数据归一化模块2、数据传输模块3、数据库构建模块4、中央控制模块5、数据提取模块6、数据分析模块7、对比模块8、模型构建模块9和结果获取模块10。
[0101]
数据获取模块1，与中央控制模块5连接，用于通过数据获取程序进行同期线损数据的获取，得到同期线损数据；数据归一化模块2，与中央控制模块5连接，用于通过数据归一化程序进行同期线损数据的归一化处理，得到处理后的数据；数据传输模块3，与中央控制模块5连接，用于通过数据传输程序将处理后的数据进行传输；数据库构建模块4，与中央控制模块5连接，用于通过数据库构建程序获取处理后的数据，并使用获取的处理后的数据进行数据库的构建，得到同期线损数据库；中央控制模块5，与数据获取模块1、数据归一化模块2、数据传输模块3、数据库构建模块4、数据提取模块6、数据分析模块7、对比模块8、模型构建模块9、结果获取模块10连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行；数据提取模块6，与中央控制模块5连接，用于通过数据提取程序对同期线损数据库中的数据进行提取；数据分析模块7，与中央控制模块5连接，用于通过数据分析程序对提取的数据进行分别分析，得到每条数据对应的数据分析结果；对比模块8，与中央控制模块5连接，用于通过对比程序进行每条数据对应的数据分析结果进行对比，得到对比结果；模型构建模块9，与中央控制模块5连接，用于通过模型构建程序依据获取的对比结果进行同期线损对比分析模型的构建，得到同期线损对比分析模型；结果获取模块10，与中央控制模块5连接，用于通过结果获取程序将采集的同期线损数据输入同期线损对比分析模型中，得到同期线损对比分析结果。
[0102]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

技术特征：
1.一种理论线损计算的同期线损对比分析方法，其特征是，所述方法包括以下步骤：获取同期线损数据，并将所述同期线损数据进行归一化处理，得到处理后的数据；基于所述处理后的数据构建数据库，得到同期线损数据库；对数据库中的同期线损数据进行分析，得到每条数据对应的数据分析结果；对比所述数据分析结果，得到对比结果；基于所述对比结果构建同期线损对比分析模型；将采集的同期线损数据输入所述同期线损对比分析模型，得到同期线损对比分析结果。2.根据权利要求1所述理论线损计算的同期线损对比分析方法，其特征是，所述将所述同期线损数据进行归一化处理的具体过程为：接收用户输入的同期线损数据归一化策略的规则参数；根据所述规则参数和预设的代码生成规则，生成同期线损数据归一化策略对应的程序代码；运行所述归一化策略对应的程序代码，对预设的同期线损数据集中的实体进行归一判定，将同期线损数据进行聚类。3.根据权利要求2所述理论线损计算的同期线损对比分析方法，其特征是，所述规则参数包括至少一个待比较的目标属性，所述目标属性对应比较条件参数，以及各目标属性对应的比较条件之间组合的比较规则。4.根据权利要求2所述理论线损计算的同期线损对比分析方法，其特征是，所述根据所述规则参数和预设的代码生成规则，生成同期线损数据归一化策略对应的程序代码的具体过程为：针对任意一个待比较的目标属性，根据其类型及对应的比较条件参数，获取当前目标属性的比较函数；根据当前比较规则，调用对应的比较函数，确定逻辑运算类型，得到当前比较规则的程序代码；根据各比较规则的程序代码得到所述同期线损数据归一化策略对应的程序代码。5.根据权利要求4所述理论线损计算的同期线损对比分析方法，其特征是，目标属性对应的比较条件参数包括目标属性的类型、目标属性对应的比较条件和比较过程的严格程度。6.根据权利要求5所述理论线损计算的同期线损对比分析方法，其特征是，所述获取当前目标属性的比较函数的具体过程为：根据所述目标属性的类型确定所述比较函数中的比较方法参数；根据比较过程的严格程度确定所述比较函数中的多值比较条件参数，所述多值比较条件参数包括多值完全相同、至少一个相同或完全不同中的一种条件参数；根据所述比较条件和/或预设数据清洗指令确定所述比较函数中的补充参数；根据所述目标属性、所述比较方法参数、所述多值比较条件参数以及所述补充参数，得到所述目标属性的比较函数。7.根据权利要求2所述理论线损计算的同期线损对比分析方法，其特征是，所述将同期线损数据进行聚类的具体过程为：
根据模糊聚类算法将所述同期线损数据进行分类，计算每个分类的聚类中心；通过隶属度函数计算隶属度值，构成模糊矩阵；从所述模糊矩阵中选择训练样本，作为广义神经网络的训练输入；通过所述广义神经网络的训练输入，预测输出入侵数据类别；将所述同期线损数据重新分类，获取最靠近每类中心值的样本作为训练样本，得到聚类结果。8.根据权利要求7所述理论线损计算的同期线损对比分析方法，其特征是，所述广义神经网络包括输入层、模式层、求和层和输出层。9.一种理论线损计算的同期线损对比分析系统，其特征是，所述系统包括：数据预处理模块，用于获取同期线损数据，并将所述同期线损数据进行归一化处理，得到处理后的数据；数据库构建模块，基于所述处理后的数据构建数据库，得到同期线损数据库；数据分析模块，对数据库中的同期线损数据进行分析，得到每条数据对应的数据分析结果；对比模块，对比所述数据分析结果，得到对比结果；模型构建模块，基于所述对比结果构建同期线损对比分析模型；结果获取模块，将采集的同期线损数据输入所述同期线损对比分析模型，得到同期线损对比分析结果。10.一种计算机存储介质，所述计算机存储介质中存储有计算机指令，其特征是，所述计算机指令在权利要求9所述系统上运行时，使所述系统执行如权利要求1-8任一项所述方法的步骤。

技术总结
本发明提供了一种理论线损计算的同期线损对比分析方法及系统，所述方法包括获取同期线损数据，并将所述同期线损数据进行归一化处理，得到处理后的数据；基于所述处理后的数据构建数据库，得到同期线损数据库；对数据库中的同期线损数据进行分析，得到每条数据对应的数据分析结果；对比所述数据分析结果，得到对比结果；基于所述对比结果构建同期线损对比分析模型；将采集的同期线损数据输入所述同期线损对比分析模型，得到同期线损对比分析结果。本发明进行数据的对比分析的效率高并且准确性更好，减少同期线损对比的误差，提高效率。提高效率。提高效率。


技术研发人员：杨兆强 侯振凯 黄廷平 王鹏 田忠禹 林岩 赵福洋 田锐 祖林海 路兴平
受保护的技术使用者：杨兆强
技术研发日：2021.10.18
技术公布日：2022/3/8