基于时空相关性与用户行为图谱的配电台区线损异常溯源方法及系统与流程

本发明涉及配电网线损检测，具体涉及一种基于时空相关性与用户行为图谱的配电台区线损异常溯源方法及系统。

背景技术：

1、配电台区作为从配电变压器到用户电力终端设备的关键供电网络，是低压电力供应的基础设施。随着新型电力系统的持续发展，以光伏为主的分布式能源在配电台区中的占比逐步增加，配电台区从传统无源网络转变为双向有源网络。同时，用户用电行为的多样化和智能化也使得台区负荷特性更加复杂。

2、现有技术中已提出针对有源配电台区的线损预测方案。例如，中国专利cn202510013759.1（cn119416099b）公开了一种有源配电台区线损预测方法，通过将有源配电台区历史线损数据分解为每个电表的线损数据，并分析线损影响因素与电表线损数据的关联性权重，采用多分类器和双向长短期记忆网络对电表线损进行预测，叠加重构得到台区线损预测结果。然而，该技术方案侧重于线损预测，其核心在于预测未来线损率数值，而非对已发生的线损异常进行溯源分析。当线损率出现异常偏高或偏低时，该方案无法回答异常发生在哪里、从何处开始传播、由何种原因导致等溯源问题。此外，该方案未考虑异常事件在台区物理拓扑中的时空传播特性，也未能将用户用电行为变化与线损异常进行关联分析，难以满足实际线损治理中对异常精准定位与诱因识别的需求。

3、针对上述现有技术中存在的不足，本发明提供一种基于时空相关性与用户行为图谱的配电台区线损异常溯源方法及系统，旨在解决现有技术无法对线损异常进行源头定位、传播路径追踪及诱因识别的技术问题。

技术实现思路

1、根据以上现有技术中的不足，本发明的目的在于提供一种基于时空相关性与用户行为图谱的配电台区线损异常溯源方法及系统，解决现有无法对线损异常进行源头定位、传播路径追踪及诱因识别的技术问题。

2、为了实现以上目的，本 技术实现要素： 采用如下技术方案；

3、一种基于时空相关性与用户行为图谱的配电台区线损异常溯源方法，包括以下步骤：

4、采集台区各节点线损率时序数据，对各节点序列进行时序分解得到残差分量，根据残差分量的极值分布确定各节点的自适应阈值，将残差值超出对应阈值的时刻标记为异常时刻并合并为异常时段，将存在异常时段的节点构成异常节点集合；

5、以异常节点为起点沿台区拓扑反方向逐级回溯，获取上游节点在异常时段前的线损率变化曲线，计算曲线一阶差分值并将差分值连续超过正阈值的位置作为该节点变化起始时刻，将变化起始时刻早于异常节点异常时段起始时刻的上游节点标记为候选源头节点并继续向上追溯直至终止条件，在所有候选源头节点中选择追溯层级最深的节点作为异常源头节点，记录从源头节点到各异常节点的传播路径；

6、采集各用户用电功率时序数据，提取日负荷曲线形态特征和功率因数变化特征，对各用户特征向量进行聚类形成典型行为模式库，计算实时特征向量与其所属典型模式中心间的相似度距离并归一化作为行为异常指标；

7、将传播路径上的节点与行为异常指标关联匹配，对于用户电表节点联合行为异常指标与线损异常幅度判定诱因类型，对于变压器或分支节点根据下游用户行为异常指标统计值判定诱因类型，沿传播路径聚合诱因判别结果生成溯源报告。

8、作为本发明进一步的方案，所述对各节点序列进行时序分解得到残差分量，具体包括：

9、对各节点的线损率时序序列分别进行时序分解，将每个节点的线损率时序序列拆解为长期趋势分量、周期分量和残差分量三个分量，分解关系为：线损率时序序列=长期趋势分量+周期分量+残差分量；

10、其中，采用移动平均滤波提取线损率时序序列的长期趋势分量，包括：确定滤波窗口宽度，以目标时刻为中心提取该目标时刻对应的滤波窗口范围内所有时刻的线损率数值并计算算术平均值，作为该目标时刻的长期趋势估计值，按时间顺序依次对每个目标时刻执行上述计算，形成完整的长期趋势分量序列；

11、将线损率序列逐点减去所述长期趋势分量，得到去趋势序列；

12、采用周期图分析法识别所述去趋势序列的主导周期，包括：将候选周期范围设定为1小时至24小时，对于每一个候选周期，将去趋势序列按该候选周期分割为若干完整片段，收集所有片段中同一相位位置处的数值构成集合，计算该集合的均值与方差，以所有相位位置的均值平方与方差之比的总和作为该候选周期的统计量，遍历所有候选周期，选取统计量最大的周期作为主导周期；

13、以所述主导周期对所述去趋势序列按相位位置进行分组，对各相位位置分别取平均得到周期分量值，按相位顺序排列各平均值并延拓至与原始序列等长，得到周期分量序列；

14、将原始序列减去所述长期趋势分量和所述周期分量，得到残差分量序列。

15、作为本发明进一步的方案，所述滤波窗口宽度为奇数；对于线损率时序序列首尾两端靠近边界的时刻，采用镜像扩展方法对原始序列进行补齐，将序列前部已有的数值按顺序向序列前方进行镜像复制、将序列尾部已有的数值按顺序向序列后方进行镜像复制，使序列中每一个目标时刻在滤波窗口范围内均能取满滤波窗口宽度个数值。

16、作为本发明进一步的方案，所述根据残差分量的极值分布确定各节点的自适应阈值，具体包括：

17、统计残差分量序列序列的四分之一分位数和四分之三分位数，计算四分位距；

18、以下界阈值、上界阈值作为异常判定边界；

19、遍历残差分量序列中的每一个残差值，当残差值低于下界阈值时判定为异常偏低，当残差值高于上界阈值时判定为异常偏高。

20、作为本发明进一步的方案，所述将异常时刻合并为异常时段，具体为：

21、将同一节点在时间上连续或间隔不超过两个采样间隔的异常时刻合并为一个异常时段，记录该异常时段的起始时刻和结束时刻；

22、合并后，该节点的异常时段集合表示为：，其中为该节点异常时段的数量；为第个异常时段的起始时刻；为第个异常时段的结束时刻；异常时段序号。

23、作为本发明进一步的方案，所述将差分值连续超过正阈值的位置作为该节点变化起始时刻，具体包括：

24、以异常时段的起始时刻为基准时刻，获取该节点在基准时刻之前的回溯时间窗口内的线损率数值序列，所述回溯时间窗口的长度为异常时段持续时长的3倍；

25、对该序列逐点计算一阶差分值，一阶差分值为后一时刻线损率减去前一时刻线损率的差值；

26、从序列起始位置开始遍历各一阶差分值，当连续出现三个以上一阶差分值均超过该节点历史线损率标准差0.5倍的正阈值时，将其中第一个差分值所对应的时刻记录为该节点的变化起始时刻。

27、作为本发明进一步的方案，所述将变化起始时刻早于异常节点异常时段起始时刻的上游节点标记为候选源头节点，具体包括：

28、根据台区拓扑结构建立各节点之间的上下游关系映射表，以配电变压器出口作为根节点，将各节点按照电能从根节点流向用户终端的路径方向组织为有向树结构，记录每个节点的直接上游邻居节点和直接下游邻居节点；

29、获取该异常节点的直接上游邻居节点；

30、若直接上游邻居节点的变化起始时刻早于异常节点的变化起始时刻，且两者之间的时间差不超过10个采样间隔，则将该直接上游邻居节点标记为候选源头节点，并记录其变化起始时刻；

31、若未能标记任何候选源头节点，则判定该异常节点自身即为源头节点，停止该分支的追溯。

32、作为本发明进一步的方案，所述日负荷曲线形态特征包括：日峰值出现时刻、日谷值出现时刻、峰谷差率、上升段平均斜率和下降段平均斜率的绝对值；所述功率因数变化特征包括：功率因数日均值和功率因数日波动方差；所述日负荷曲线形态特征与功率因数变化特征共同构成7维行为特征向量；

33、其中，上升段平均斜率为从日谷值时刻到日峰值时刻之间的时段内，截取该时段内的有功功率数据点，采用最小二乘法进行线性回归拟合得到的回归斜率；下降段平均斜率的绝对值为从日峰值时刻到次日日谷值时刻之间的时段内，截取该时段内的有功功率数据点，采用最小二乘法进行线性回归拟合得到的回归斜率取绝对值。

34、作为本发明进一步的方案，所述对各用户特征向量进行聚类形成典型行为模式库，具体包括：

35、采集各用户电表在连续30日内的有功功率序列和无功功率序列，以日为分割单位，提取每日的行为特征向量，将所有用户在所有日期内的行为特征向量合并为特征向量集合；

36、采用动态时间规整算法计算任意两个用户特征向量之间的相似距离，包括：对于两个特征序列，构建累积距离矩阵，矩阵的行对应第一个特征向量的各时刻值，列对应第二个特征向量的各时刻值，矩阵中每个位置的值等于该位置两个特征值之间的绝对距离加上左方、下方、左下方三个相邻位置累积距离中的最小值，以矩阵右下角的值作为两个特征向量之间的动态时间规整距离；

37、以动态时间规整距离作为相似距离度量，对全部特征向量采用自底向上的聚合策略进行层次聚类，初始每个样本自成一类，每次选择距离最近的两个类合并，更新新类与其他类之间的距离为合并前两类与其他类距离的最小值，直至所有样本合并为预设数量个类时终止；

38、对于每一个类，计算类内所有样本特征向量的均值向量作为该类中心，将类内距离该类中心最近的样本曲线作为典型用电行为模式的中心曲线，并为每个中心曲线标注对应的时段类型标签；

39、对于实时采集的任意用户在当前时段的用电数据，提取其行为特征向量并确定当前时段所属的时段类型标签对应的类，构建该用户的特征向量与该类中心向量之间的累积距离矩阵，以矩阵右下角的值作为动态时间规整距离，将该距离除以当前时段内所有用户与同一中心曲线距离的最大值进行归一化，若该最大值小于1则取1，归一化后的值作为该用户在当前时段的行为异常指标。

40、本技术另一方面提供了一种基于时空相关性与用户行为图谱的配电台区线损异常溯源系统，包括：

41、数据获取模块，用于获取配电台区各节点的线损率时序数据以及各用户的用电功率时序数据；

42、异常感知模块，用于执行上述方法中的异常时段检测及异常节点集合生成功能；

43、时空定位模块，用于执行上述方法中的异常源头节点追溯及传播路径记录功能；

44、行为分析模块，用于执行上述方法中的典型用电行为模式聚类及行为异常指标计算功能；

45、报告生成模块，用于执行上述方法中的诱因判别及结构化溯源报告生成功能。

46、综上所述，由于采用了上述技术方案，发明内容的有益技术效果是与现有技术相比，本发明提供的一种基于时空相关性与用户行为图谱的配电台区线损异常溯源方法及定价智能体，具有以下有益效果：

47、本发明通过对台区各节点线损率时序数据进行多分量分解，提取反映偶发性异常信息的残差分量，并基于四分位距确定各节点的自适应阈值，能够精确感知各节点是否发生线损异常及其发生的具体时段。该方法不依赖数据服从正态分布的假设，对离群值具有较强鲁棒性，克服了现有技术中阈值设定依赖人工经验、普适性差的缺陷。

48、本发明基于台区物理拓扑建立上下游节点映射关系，以异常节点为起点沿拓扑反方向逐级回溯，通过一阶差分值连续超过正阈值的判定确定各节点线损率变化起始时刻，进而将变化起始时刻更早的上游节点标记为候选源头节点。通过追溯层级深度的比较，能够精确定位异常源头节点并记录完整的传播路径，填补了现有技术在线损异常空间定位和传播路径追踪方面的空白。

49、发明通过提取用户日负荷曲线形态特征（日峰值出现时刻、日谷值出现时刻、峰谷差率、上升段平均斜率、下降段平均斜率）和功率因数变化特征（功率因数日均值、功率因数日波动方差）构建7维行为特征向量，采用动态时间规整距离作为相似度量进行层次聚类，形成典型用电行为模式库。通过将实时用电行为特征与典型模式中心进行动态时间规整距离比较并归一化，能够量化用户用电行为偏离其典型模式的程度，解决了现有技术无法关联用户行为变化与线损异常的技术难题。

50、本发明将传播路径节点与行为异常指标进行时空关联匹配，对于用户电表节点联合行为异常指标与线损异常幅度判定诱因为用户用电行为突变或表计计量偏差/线路接触异常；对于变压器或分支节点根据下游用户行为异常指标统计值判定诱因为下游用户行为异常汇聚或线路老化/接头氧化等物理因素。最终沿传播路径聚合诱因判别结果生成结构化溯源报告，实现了从发现异常到定位源头再到解析诱因的完整溯源链条，为配电台区线损异常的精确定位与原因分析提供了系统化的技术方案，有效支撑线损精益化治理和反窃电稽查工作。