基于聚类分析的低压台区采集帧长动态适配方法、装置及终端与流程

本技术涉及低压台区运维，尤其涉及一种基于聚类分析的低压台区采集帧长动态适配方法、装置及终端。

背景技术：

1、低压台区用电信息采集系统是电网公司实现配电网精细化管理和营销业务支撑的核心基础设施，广泛覆盖公变台区、专变用户及居民用户。采集终端通过设定合理的采集帧长（即数据采集周期间隔），在保障数据完整性和实时性的同时，需兼顾通信信道容量和终端功耗，若帧长配置过长（采集频率过低），则会漏掉分布式光伏出力骤变、电动汽车集中充电等短时剧烈波动，导致采集数据无法及时、细致地反映台区实时运行状态，若帧长配置过短（采集频率过高），虽然单点采样密集，但海量数据会挤占有限的通信信道容量，极易引发数据丢包和传输延迟，反而损害数据的完整性与实时性。

2、目前的帧长配置方式普遍采用基于台区类型的经验性帧长配置策略或定期利用历史批量聚类方法，对台区的负荷波动率、峰值占比、异常事件频次、三相不平衡度、新型负荷渗透率等特征进行离线聚类，将台区划分为若干需求等级，并匹配对应的帧长，具体过程为：运维人员每季度从用电信息采集系统导出全量台区的历史运行数据（通常包含数月甚至一年的日级特征），利用k-means等经典聚类算法进行离线处理，得到聚类中心及等级划分，然后通过人工审核后批量下发帧长配置指令。

3、然而，随着新型电力系统建设推进，大量电动汽车充电桩、分布式光伏等新型负荷接入低压台区，使得台区负荷特性呈现显著的时空动态演变特征，在这种环境下，聚类模型的有效适配周期不断缩短，进而导致分级结果与实际需求偏差增大，并最终影响到采集数据的及时性和线损计算的准确性。

技术实现思路

1、本技术提供了一种基于聚类分析的低压台区采集帧长动态适配方法、装置及终端，用于实现适应台区负荷动态变化的能力，提高采集数据及时性和准确性的发明目的。

2、为实现上述发明目的，本技术第一方面提供了一种低压台区采集帧长动态适配方法，包括：

3、采集台区实时运行数据；

4、根据所述台区实时运行数据，结合预设的统计周期进行特征提取，得到所述统计周期的台区运行特征向量；

5、基于历史簇集合中包含的各个历史簇，通过所述台区运行特征向量与所述历史簇的马氏距离，确定距离最小值对应的候选簇，若所述台区运行特征向量与所述候选簇的马氏距离小于所述候选簇的自适应马氏距离阈值，则将所述台区运行特征向量并入所述候选簇，并根据所述候选簇的簇特征向量，否则，则基于所述台区运行特征向量构建新的历史簇，其中，所述历史簇集合包含多个历史簇，所述历史簇为聚类模型基于历史台区运行数据按照不同的采集帧长需求等级进行聚类处理得到的；

6、响应于帧长配置指令，基于更新后的历史簇集合，通过所述聚类模型进行聚类运算，并根据得到的聚类结果，确定目标采集帧长需求等级，以根据所述目标采集帧长需求等级调整低压台区的采集帧长配置参数。

7、优选地，所述自适应马氏距离阈值的计算式为：

8、；

9、式中，为第k个簇的马氏距离判定阈值，为自由度、显著性水平对应的卡方分布临界值，d为特征向量维度，c为预设的小样本修正系数，为第k个簇的当前累计样本数量。

10、优选地，所述基于所述台区运行特征向量构建新的历史簇之后还包括：

11、当所述历史簇的数量超过预设的数量上限值时，计算任意历史簇对之间的归一化欧式距离和概率分布相似度；

12、根据所述历史簇对的归一化欧式距离和概率分布相似度，按照预设的判定条件，若满足所述判定条件，则将所述历史簇对进行合并，得到合并后的历史簇，其中，合并后的历史簇的簇特征向量基于合并前的两个历史簇的簇特征向量结合权重系数进行加权融合得到，所述权重系数按照合并前的两个历史簇的样本量确定，合并后的历史簇对应的采集帧长需求等级继承合并前的两个历史簇中的较高等级。

13、优选地，还包括：

14、通过基于分布熵的平滑迭代公式构建动态滑动时间窗口；

15、基于所述动态滑动时间窗口，确定当前所述动态滑动时间窗口范围内的台区运行特征向量集合，并对所述台区运行特征向量集合进行聚类处理，得到临时聚类簇集合；

16、根据所述临时聚类簇集合，计算所述临时聚类簇集合的质心偏移量和离散度变化率，其中，所述质心偏移量为当前窗口临时簇心与基准簇心的欧氏距离平均值，所述离散度变化率为当前窗口各簇平均样本方差与基准方差的比值平均值；

17、对所述质心偏移量和所述离散度变化率进行加权融合，得到当前所述动态滑动时间窗口的综合漂移得分；

18、按照预设的综合漂移得分阈值和越限窗口数量上限，当检测到连续多个窗口的综合漂移得分超过所述综合漂移得分阈值，且连续越限的窗口数量达到所述越限窗口数量上限，则输出概念漂移告警消息。

19、优选地，当检测到概念漂移告警消息时，根据所述目标采集帧长需求等级调整低压台区的采集帧长配置参数包括：

20、根据所述目标采集帧长需求等级和低压台区的当前采集帧长需求等级，按照预设的采集帧长需求等级排序信息，确定帧长需求等级序列，其中，所述帧长需求等级序列由从所述当前采集帧长需求等级到所述目标采集帧长需求等级的各个采集帧长需求等级组成；

21、基于所述帧长需求等级序列，结合预设的调整周期间隔配置信息，依次在每一个调整周期内，按照下一个采集帧长需求等级对所述低压台区的采集帧长配置参数进行调整，直至所述采集帧长配置参数达到所述目标采集帧长需求等级对应的标准为止。

22、优选地，根据所述目标采集帧长需求等级调整低压台区的采集帧长配置参数之后还包括：

23、监测台区采集设备的采集成功率和信道负载率；

24、根据所述采集成功率、所述信道负载率与预设的状态异常判定条件的比较结果，当所述采集成功率或所述信道负载率满足所述状态异常判定条件时，则将低压台区的采集帧长配置参数回退至调整前的采集帧长需求等级。

25、优选地，基于历史簇集合，通过所述台区运行特征向量与各个历史簇的马氏距离，确定距离最小值对应的候选簇包括：

26、基于历史簇集合，计算所述台区运行特征向量与各个历史簇的欧式距离，根据所述欧式距离，结合预设的初筛距离阈值对所述各个历史簇进行初步筛选，得到初步候选簇；

27、根据所述初步候选簇，计算所述台区运行特征向量与各个初步候选簇的马氏距离，以马氏距离最小值对应的初步候选簇作为最终的候选簇。

28、优选地，根据所述台区实时运行数据，结合预设的统计周期进行特征提取，得到所述统计周期的台区运行特征向量包括：

29、根据所述台区实时运行数据，结合预设的统计周期进行特征提取，得到所述统计周期的台区运行特征，其中所述台区运行特征包括：负荷波动率、峰值占比、异常事件频次、三相不平衡度和新型负荷渗透率；

30、对各个台区运行特征进行z-score归一化处理，得到台区运行特征向量。

31、本技术第二方面提供了一种低压台区采集帧长动态适配装置，包括：

32、台区数据采集单元，用于采集台区实时运行数据；

33、特征向量提取单元，用于根据所述台区实时运行数据，结合预设的统计周期进行特征提取，得到所述统计周期的台区运行特征向量；

34、流式增量聚类更新单元，用于基于历史簇集合中包含的各个历史簇，通过所述台区运行特征向量与所述历史簇的马氏距离，确定距离最小值对应的候选簇，若所述台区运行特征向量与所述候选簇的马氏距离小于所述候选簇的自适应马氏距离阈值，则将所述台区运行特征向量并入所述候选簇，并根据所述候选簇的簇特征向量，否则，则基于所述台区运行特征向量构建新的历史簇，其中，所述历史簇集合包含多个历史簇，所述历史簇为聚类模型基于历史台区运行数据按照不同的采集帧长需求等级进行聚类处理得到的；

35、帧长配置指令响应单元，用于响应于帧长配置指令，基于更新后的历史簇集合，通过所述聚类模型进行聚类运算，并根据得到的聚类结果，确定目标采集帧长需求等级，以根据所述目标采集帧长需求等级调整低压台区的采集帧长配置参数。

36、本技术第三方面提供了一种低压台区采集帧长动态适配终端，包括：存储器和处理器；

37、所述存储器用于存储程序代码，所述程序代码与如本技术第一方面提供的低压台区采集帧长动态适配方法相对应；

38、所述处理器用于读取并执行所述程序代码，以实现所述低压台区采集帧长动态适配方法。

39、从以上技术方案可以看出，本技术具有以下优点：

40、本技术提供的方案通过流式增量聚类机制，基于此机制使单样本处理仅涉及单个或少量簇的统计量递推，无需全量重计算，将模型更新耗时从数小时降至秒级，能够以日为单位持续跟踪台区特性变化，始终保持分级模型的时效性，避免传统静态快照方法导致的模型偏差累积问题，具有实时适应台区负荷动态变化的能力，提高采集数据及时性和准确性，从而为确保后续的线损计算的准确性提供了坚实的基础。