基于大数据的台区异常分析方法、装置、设备及介质与流程

1.本发明属于电力系统自动化领域，涉及一种基于大数据的台区异常分析方法、装置、设备及介质。


背景技术：

2.快速感知用户停电是关系到千家万户“用好电、电好用”的民生问题。目前，低压用电客户停电后，必须由客户自己打电话报修。而从供电公司层面主动感知低压用户断电情况，犹如在浩瀚星空中捕捉具体的一颗闪烁的星星，难度极高。
3.目前，用户停电事件的处理方式均是事后处理方式，即已经发生用户停电事件，并且很可能已经对用户造成了一定的经济损失后，才进行弥补性的处理。而造成这一情况的主要原因就是缺乏有效的事前预测方法，不能及时且准确的预测台区的异常信息，导致无法有效进行停电预测和预防。其中，在电力系统中，台区是指一台变压器的供电范围或区域，它是电力经济运行管理的名词。


技术实现要素：

4.本发明的目的在于克服上述现有技术的缺点，提供一种基于大数据的台区异常分析方法、装置、设备及介质。
5.为达到上述目的，本发明采用以下技术方案予以实现：本发明第一方面，一种基于大数据的台区异常分析方法，包括：获取台区重过载影响因素的预测日数据；将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值；根据台区预测日的运行数据预测值，预测台区预测日的重过载情况。
6.可选的，还包括：获取各台区运行数据影响因素的历史数据和台区的历史运行数据；根据各台区运行数据影响因素的历史数据和台区的历史运行数据，采用非线性相关性分析方法，得到各台区运行数据影响因素与台区的历史运行数据之间的相关系数，并选取相关系数前预设数量大的台区运行数据影响因素，得到台区重过载影响因素；以台区重过载影响因素的历史数据为输入，以台区的运行数据预测值为输出，通过台区重过载影响因素的历史数据和台区的历史运行数据，训练预设的神经网络模型，得到台区重过载模型。
7.可选的，所述台区运行数据影响因素包括设备容量、设备型号、设备投运时间、温度、湿度、降雨量、台-户拓扑、节日类型、节日起止时间、配变增容改造信息、配变停电切改信息、用户用电类型、用户用电容量以及用户改造记录信息。
8.可选的，所述非线性相关性分析方法为基于spearman秩序相关系数的非线性相关性分析方法。
9.可选的，所述神经网络模型为bp神经网络模型。
10.可选的，还包括：通过修改台区重过载影响因素中包含的台区运行数据影响因素的数量和组合方式或修改预设的神经网络模型的模型架构，重新训练预设的神经网络模型，得到若干台区重过载模型，获取各台区重过载模型的预测准确率，并将预测准确率最高的台区重过载模型作为最终的台区重过载模型。
11.可选的，还包括：获取电网的gis地图、电网的停电事件信息以及用户上报的停电事件信息；根据台区预测日的重过载情况，在电网的gis地图中标记预测日的重过载情况为重过载的台区；根据电网的停电事件信息以及用户上报的停电事件信息，得到电网的停电发生时间、停电恢复时间以及停电涉及的变电站、线路和台区；在电网的gis地图中标记停电涉及的变电站、线路和台区，并将停电发生时间和停电恢复时间发送至停电涉及的变电站、线路和台区所涉及的用户。
12.本发明第二方面，一种基于大数据的台区异常分析装置，包括：数据获取模块，用于获取台区重过载影响因素的预测日数据；数据预测模块，用于将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值；台区异常分析模块，用于根据台区预测日的运行数据预测值，预测台区预测日的重过载情况。
13.本发明第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于大数据的台区异常分析方法的步骤。
14.本发明第四方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于大数据的台区异常分析方法的步骤。
15.与现有技术相比，本发明具有以下有益效果：本发明基于大数据的台区异常分析方法，通过获取台区重过载影响因素的预测日数据，然后将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值，最终根据台区预测日的运行数据预测值确定台区预测日的重过载情况，实现台区重过载情况的准确预测，进而能够根据台区重过载情况进行合理的停电预警和处理，以保证台区的安全运行，有效降低了突然停电事件的发生，进而避免了由于突然停电带来的经济损失。
附图说明
16.图1为本发明的基于大数据的台区异常分析方法流程图；图2为本发明的台区重过载影响因素分析示意图；图3为本发明的基于大数据的台区异常分析装置结构框图。
具体实施方式
17.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
18.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
19.下面结合附图对本发明做进一步详细描述：参见图1，本发明一实施例中，提供一种基于大数据的台区异常分析方法，实现台区重过载情况的提前预测，根据预测结果实现智能分析和研判，还可以主动出击消除重过载带来的停电隐患问题，有效进行停电预测和预防。
20.具体的，该基于大数据的台区异常分析方法包括以下步骤：s1：获取台区重过载影响因素的预测日数据。
21.具体的，首先通过历史经验或专家分析，得到一系列可能对台区的运行数据造成影响的影响因素，得到若干的台区运行数据影响因素。进而基于若干的台区运行数据影响因素，从中选取对台区的运行数据影响较大的几个台区运行数据影响因素，作为台区重过载影响因素，也就是说，台区重过载影响因素是几个台区运行数据影响因素的组合。
22.本实施例中，参见图2，台区运行数据影响因素主要包括设备台账、气象数据、低压拓扑、节假日数据、配变改造记录以及用户档案六类。其中，设备台账包括设备容量、设备型号和设备投运时间等，气象数据包括温度、湿度和降雨量等，低压拓扑包括台-户拓扑等，节假日数据包括节日类型和节日起止时间等，配变改造记录包括配变增容改造信息和配变停电切改信息等，用户档案包括用户用电类型、用户用电容量以及用户改造记录信息等。
23.其中，在从若干的台区运行数据影响因素中选取对台区的运行数据影响较大的几个台区运行数据影响因素时，首先获取各台区运行数据影响因素的历史数据和台区的历史运行数据，然后根据各台区运行数据影响因素的历史数据和台区的历史运行数据，采用非线性相关性分析方法，得到各台区运行数据影响因素与台区的历史运行数据之间的相关系数，并选取相关系数前预设数量大的台区运行数据影响因素，得到台区重过载影响因素。
24.具体的，通过采用非线性相关性分析方法，分析各台区运行数据影响因素与台区的运行数据之间的相关系数，然后根据相关系数大小，决定主要和次要影响因素，相关系数由高到低排列，一般选取前三个即可，后面将这三个主要影响因素作为台区重过载影响因素。本实施例中，将气象数据中的温度、用户档案中的用电容量、设备台账中的设备容量以及配变改造记录中配变增容改造这几个因素作为台区重过载影响因素。
25.通过各台区运行数据影响因素与台区的运行数据之间的相关性分析，在众多的台
区运行数据影响因素中找到影响程度最大的，即相关性最高的台区运行数据影响因素作为台区重过载影响因素，减少后续台区重过载模型的输入参数数量，进而提高收敛性并降低复杂性。
26.可选的，本实施例中，采用基于spearman秩序相关系数的非线性相关性分析方法，进行各台区运行数据影响因素与台区的运行数据之间的相关系数的分析。
27.s2：将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值。
28.具体的，将s1中获取的台区重过载影响因素的预测日数据输入预设的台区重过载模型，通过台区重过载模型输出台区预测日的运行数据预测值。其中，台区预测日的运行数据预测值具体为台区预测日的96点运行数据。
29.其中，预设的台区重过载模型通过以台区重过载影响因素的历史数据为输入，以台区的运行数据预测值为输出，通过台区重过载影响因素的历史数据和台区的历史运行数据，训练预设的神经网络模型，得到台区重过载模型。
30.具体的，神经网络模型有很多种，基础性和改进型等等都可以采用，本实施例中，所采用的神经网络模型为bp神经网络模型。
31.在构建神经网络模型时，首先将输入参数进行归一化处理，其次根据输入数据和输出数据设置输入层节点数（神经元个数）和输出层节点数（神经元个数）。然后，根据一般性经验公式：l=（n m）
^(1/2)
a设置隐层。其中，n为输入层神经元个数数，m为输出层神经元个数，a为[1,10]之间的常数。
[0032]
可选的，在训练得到一个台区重过载模型后，对该台区重过载模型的效果进行评估，看是否能满足要求。还可以通过如下的方式进行台区重过载模型优化：通过修改台区重过载影响因素中包含的台区运行数据影响因素的数量和组合方式或修改预设的神经网络模型的模型架构，重新训练预设的神经网络模型，得到若干台区重过载模型，获取各台区重过载模型的预测准确率，并将预测准确率最高的台区重过载模型作为最终的台区重过载模型。
[0033]
其中，修改台区重过载影响因素中包含的台区运行数据影响因素的数量就是增加或减少几个台区运行数据影响因素，修改台区重过载影响因素中包含的台区运行数据影响因素的组合方式就是在采用其他的台区运行数据影响因素替换台区重过载影响因素中包含的台区运行数据影响因素。修改预设的神经网络模型的模型架构，一般是针对收敛性进行调整，可以采用利用梯度下降的方法，让每个样本的权重都向其负梯度方向变化，也即求误差对于对于权重的梯度。
[0034]
s3：根据台区预测日的运行数据预测值，预测台区预测日的重过载情况。
[0035]
具体的，据台区预测日的运行数据预测值，即台区预测日的96点运行数据预测值，判断台区预测日的重过载情况，重过载情况分为重过载和非重过载，当台区预测日的重过载情况为重过载时，就需要对台区进行重点关注和排查。
[0036]
其中，判断台区预测日的重过载情况通常依靠负载率和持续时间两项指标。一般当负载率处于80%~100%之间，持续时间在两小时以上时视为重载事件，按照每小时采集一次数据计算，即至少包括三个数据点时视为重载事件；当负载率超过100%，持续时间在两小时以上时视为过载事件。以上原则也会结合业务人员的运维需求和现场经验进行调整。
[0037]
综上，本发明基于大数据的台区异常分析方法，通过获取台区重过载影响因素的预测日数据，然后将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值，最终根据台区预测日的运行数据预测值确定台区预测日的重过载情况，实现台区重过载情况的准确预测，进而能够根据台区重过载情况进行合理的停电预警和处理，以保证台区的安全运行，有效降低了突然停电事件的发生，进而避免了由于突然停电带来的经济损失。
[0038]
在一种可能的实施方式中，本发明基于大数据的台区异常分析方法，还包括：获取电网的gis地图、电网的停电事件信息以及用户上报的停电事件信息；根据台区预测日的重过载情况，在电网的gis地图中标记预测日的重过载情况为重过载的台区；根据电网的停电事件信息以及用户上报的停电事件信息，得到电网的停电发生时间、停电恢复时间以及停电涉及的变电站、线路和台区；在电网的gis地图中标记停电涉及的变电站、线路和台区，并将停电发生时间和停电恢复时间发送至停电涉及的变电站、线路和台区所涉及的用户。
[0039]
其中，通过接入pms2.0系统设备档案信息、用电采集系统设备档案信息、电网运行数据信息、电网gis系统设备空间地理信息、oms系统停电计划票数据信息、配电自动化系统故障信息、智能化供电服务指挥系统用户主动上报停电事件等信息，实现所需的信息的获取。
[0040]
通过在电网的gis地图中标记预测日的重过载情况为重过载的台区，便于指导重过载台区的分析和治理，进而实现对电网故障信息预警和智能分析，有效减少客户报修和投诉数量。同时，根据电网的停电事件信息以及用户上报的停电事件信息，得到电网的停电发生时间、停电恢复时间以及停电涉及的变电站、线路和台区；在电网的gis地图中标记停电涉及的变电站、线路和台区，实现停电区域的全程可视化监控，并且将停电发生时间和停电恢复时间发送至停电涉及的变电站、线路和台区所涉及的用户，便于用户及时了解停电信息，方便安排后续的生产工作，以避免突然停电带来的经济损失。
[0041]
可选的，在台区预测日的重过载情况为重过载时，还会进行台区重过载原因分析，一般从重过载发生时段、持续时长、发生相别及负载率水平等多个方面对重过载事件进行细分导致台区重过载的原因一般有以下几方面。
[0042]
第一方面，系统基础数据错误。如系统中录入的变压器容量比现场实际容量小、计量互感器变比（倍率）比实际的小，从而出现负载率偏高的现象，或者系统中对应计量点错误（关联到另一台区）造成自身数据失实；或者台区监测终端故障，造成负载率数据异常，使得台区出现虚假重过载。
[0043]
第一方面，用电负荷增长较快、台区容量小。一方面，早期考虑的户均台区容量偏小，随着居民生活水平的不断提高，特别是农村，随着新建民房的增多，生活质量越来越高，家用电器也越来越多，生活用电负荷不断攀升；同时农村生产方式的转变，种植业、养殖业和动力加工业也在一定程度上增加，生产用电负荷也随着增长，原有的台区容量满足不了负荷增长的要求，造成相对稳定的重过载。另一方面，由于季节性特点，如夏季空调、冬季取暖烤火设备大量启用；或者农村农忙时节抽水设备投入使用；以及节假日用电特性，如春节期间大量务工人员返乡、亲朋好友聚会使得电磁炉等使用量增加，都会造成短期的重过载。
[0044]
第三方面，三相负荷不平衡。通过系统查询和现场测量，部分台区的三相负荷不平衡度远大于规定的15%。主要原因有台区没有安装在负荷中心，单相负荷没有均衡地分配到
三相上，某一相或两相负荷较大；或者原来处在负荷中心，但随着居民住房不断地往外扩展，使得原本较为平衡的三相负荷又出现了不平衡；同时电饭煲、电磁炉、电水壶等单相用电设备的大量使用，造成单相负荷激增，也在一定程度上加剧了三相负荷的不平衡。
[0045]
其中，三相不平衡计算。三相电流不平衡度计算方法一般有以下两个公式：不平衡度%=（最大电流-最小电流）/最大电流
×
100%或不平衡度%=（max相电流-三相平均电流）/三相平均电流
×
100%。例如：三相电流分别为ia=9a，ib=8a，ic=4a，则三相平均电流为7a，相电流-三相平均电流分别为2a、1a、3a，取差值最大那个，故max（相电流-三相平均电流）=3a，所以三相电流不平衡度=3/7。
[0046]
三相不平衡原因分析。引起三相电压不平衡的原因有多种，如：单相接地、断线谐振等，运行管理人员只有将其正确区分开来，才能快速处理。常见的三相不平衡原因主要包括以下几点：一、断线故障。如果一相断线但未接地，或断路器、隔离开关一相未接通，电压互感器保险丝熔断均造成三相参数不对称。上一电压等级线路一相断线时，下一电压等级的电压表现为三个相电压都降低，其中一相较低，另两相较高但二者电压值接近。本级线路断线时，断线相电压为零，未断线相电压仍为相电压。
[0047]
二、接地故障。当线路一相断线并单相接地时，虽引起三相电压不平衡，但接地后电压值不改变。单相接地分为金属性接地和非金属性接地两种。金属性接地，故障相电压为零或接近零，非故障相电压升高1.732倍，且持久不变；非金属性接地，接地相电压不为零而是降低为某一数值，其他两相升高不到1.732倍。
[0048]
三、谐振原因。随着工业的飞速发展，非线性电力负荷大量增加，某些负荷不仅产生谐波，还引起供电电压波动与闪变，甚至引起三相电压不平衡。谐振引起三相电压不平衡有两种：1）基频谐振。基频谐振，特征类似于单相接地，即一相电压降低，另两相电压升高，查找故障原因时不易找到故障点，此时可检查特殊用户，若不是接地原因，可能就是谐振引起的。2）分频谐振。另一种是分频谐振或高频谐振，特征是三相电压同时升高。另外空投母线切除部分线路或单相接地故障消失时，如出现接地信号，且一相、两相或三相电压超过线电压、电压表指针打到头并同时缓慢移动或三相电压轮流升高超过线电压，一般均属谐振引起。
[0049]
四、三相负荷的不合理分配。很多的装表接电的工作人员并没有专业的对于三相负荷平衡的知识概念，因此在接电的时候并没有注意到要控制三相负荷平衡，只是盲目和随意的进行电路的接电荷装表，这在很大程度上造成了三相负荷的不平衡。其次，我国的大多数电路都是动力和照明混为一体的，所以在使用单相的用电设备时，用电的效率就会降低，这样的差异进一步加剧了配电变压器三相负荷的不平衡状况。
[0050]
五、用电负荷的不断变化。造成用电负荷不稳定的原因包括了经常出现的拆迁，移表或者用电用户的增加；临时用电和季节性用电的不稳定性。这样在总量上和时间上的不确定和不集中性使得用电的负荷也不得不跟随实际情况而变化。
[0051]
六、对于台区负荷的监视力度的削弱。在配电网的管理上，经常会忽略三相负荷分配中的管理问题。在配电网的检测上，对配电变压器的三相负荷也没有进行定期的检测和调整。除此之外，还有很多因素造成了三相不平衡的现象，例如线路的影响以及三相负荷矩的不相等等。
[0052]
第四方面，客户用电行为不合规。有些用电客户特别三相动力客户存在超报装容量用电，一方面出于其自身经济考虑在报装时故意隐瞒实际用电负荷而少报用电容量，造成实际用电负荷超过其报装容量；另一方面在生产经营中由于生产发展需要，用电负荷增加而未及时申请增容，使得供电公司无法及时掌握实际用电情况、无法及时采取有效措施进行解决，存在一定的安全隐患。超容量用电也将给供电质量和安全用电秩序造成一定的影响。
[0053]
在经过分析后，本发明中还提供了如下的台区重过载治理措施：一、基础数据问题的治理。对于电网系统中台区基础数据错误问题，应做好基础数据的登记工作，尽量拍照存档，确保源头数据的准确性。同时做好现场实际数据和系统数据的核对工作，出现数据不一致的，应及时修改。现场设备更换时，应及时做好变化管理、动态更新，确保现场数据的准确性、现场数据和各系统间数据的一致性，避免出现虚假重过载。
[0054]
二、台区自身容量不满足用电负荷增长的问题的治理，包括以下几个方面：1、对负载率较长时间偏高的台区，可利用拆下的闲置变压器和备品备件及时进行更换，或者和轻负荷台区且容量较大的台区进行调换，统筹考虑，梯次轮换利用，或者合理分割部分低压负荷至就近的轻负荷台区。
[0055]
2、推广应用新型高过载配电变压器。少部分农村台区在全年中绝大部分时间处于轻载，只有半个月或几天内负荷较集中且增长较快，超过额定负荷的1.5倍甚至2倍，且集中在2-3小时内出现，如农村中春节、农忙时节负荷等，容易造成常规变压器短时严重过载甚至烧毁。针对该种特殊使用情况，可选用高过载配电变压器。该型变压器既可以满足小负荷长期用电的需求，又可兼顾过负荷条件下短期用电的需求。如果更换为常规变压器，容易引起“大马拉小车”现象，也不符合电网安全和经济运行。根据高过载配电变压器的技术特性，结合农村负荷特点，满足如下过载运行要求时，不影响该变压器的正常使用寿命：
①
1.5倍额定容量运行6小时；
②
1.75倍额定容量运行3小时；
③
2倍额定容量运行1小时。
[0056]
3、在可利用资源有限的情况下，也可充分利用台区自身的过负荷能力，继续运行一段时间，以提高设备利用率。因为台区在一定条件下短时间过负荷不会影响其使用寿命。具体涉及的短期过载允许负载系数和允许持续运行时间可参阅有关技术参考书。
[0057]
4、做好配电站中长期规划，有序推进计划实施。平时在生产运行中，注意收集好用电负荷基础资料，结合片区经济发展特别是新农村建设和当地民俗风情，以配电网规划导则为导向，科学预测负荷发展趋势，合理确定户均容量并应满足配电网规划导则中推荐值。同时，应遵循“多布点、小容量、短半径”和电源深入负荷中心的原则，结合农村住宅较分散的特点，通过技术经济比较，合理确定新增台区容量、数量和安装位置，满足用电负荷增长的需要，力求三相负荷平衡，确保供电质量。在满足负荷增长和电压质量要求的情况下也可考虑直接对原有台区进行增容改造。
[0058]
三、针对用电需求不按实报装问题的治理。目前有少数低压用户在用电报装时不按实提供用电容量，或在生产经营中用电负荷增加而未及时申请增容，导致实际用电负荷远超出其报装容量，引起公用台区等设备长期重载以致过载运行，影响了设备的安全可靠运行，也影响了配网的科学规划和增容改造。为维护良好的用电秩序和设备的安全可靠运行，可对其实施限流管理，安装低压限流开关。目前我们主要对以下两种情况进行限流管理：（1）报装容量在30千瓦及以上的商业和工业用户，以及以出租形式经营的住宅用户；（2）
报装容量在30千瓦以下的，应综合分析公用台区和低压配网线路运行的实际情况，必要时应安装。电梯、消防、生活水泵等公共用电及居民、非工业用户暂不考虑。限流开关电流整定计算公式：iz=1.15
×
if（即限流开关整定值按1.15倍报装容量计算的负荷电流设置），限流时间整定值不超过180秒，且具有自动重合闸功能。限流开关应安装于电能表表箱内，在电能表的电源侧，产权属供电单位。采取该管理方式，可促使用电客户如实上报用电容量、及时申请增容，确保我们能及时掌握负荷运行情况，及时解决负荷增长问题，避免台区出现重过载。
[0059]
四、针对三相负荷不平衡问题的治理。首先应在负荷接入时，做好负荷统计和分类，合理分配负荷，同时应在配电站规划时同步考虑电源布点和负荷分配问题，尽量在源头上保持三相负荷平衡。其次在运行中对不平衡率大于25%的台区需进行负荷调整、重新分配；对不平衡率处于15%
‑‑
25%间的台区可进行负荷监测，必要时进行负荷调整。具体包括以下改进措施：1、注重对三相负荷的合理分配。具体的，在对三相负荷的分配问题上，电力工作人员应当在实际的工作中将相关的数据进行认真的采集和记录，达到能够在一定程度上预测用电负荷的状态。其次，可以通过装设平衡装置的方式来达到更好三相平衡的分配问题。在一些采用低压三相四线制的地区，可以增设调整不平衡电流无功补偿装置来解决经常出现的电网中的不平衡电流现象造成的各类后果。另外，根据实际情况中负荷矩的不同情况，适当的调整接线方式也对合理分配三相负荷有一定的影响。
[0060]
2、对三相负荷中不平衡电流的治理方法。具体的，根据不平衡电流电纳的补偿原理，在任何一个可以确定的时刻，主要出现了三相不接地的不平衡负载，那么他们中的每一个相负载都可以同一个电阻和电容形成并联的形式。因此，在不平衡电流治理电纳补偿理论的指导下，可以将不同性质负荷的等效进行分析，确定相间和相对地的无功补偿量。当配电变压器要进行不平衡电流的补偿时，应该满足一下的几点原则：第一点，需要注意到电流的治理应当有两个内容，一个是补偿功率因数，一个是调节三相电流不平衡，这两者共同确定了补偿所需要的无功功率；第二点，在实际的工程施工时，应当采用全容性的治理方式，与电感补偿相区分，避免出现严重过补偿的情况；第三点是需要考虑到负荷是会随着时间的变化而变化的，基于这种特性，补偿量也应该根据负荷的变化进行适当的调整；第四点表现在装置开关和补偿设备的投切次数的限制，要在设计时将全天的优化方案进行策略的管理。总之，在进行比例调节系数额设置时，需要同时考虑功率因数的限制条件以及过补偿限制的条件。
[0061]
3、增设对三相负荷的检测调整。具体的，定期开设对三相负荷的检测工作也是非常必要的。在对三相符合的合理分配以及控制后，相关部门应当开设检测工作。电力的平衡不能是绝对的，只能是尽力做到相对的平衡，在实际的检测工作中，各部门应当以国家和相关部门制定的平衡度的衡量指标作为一个标准，将检测的结果进行专业的记录和分析，对各相的负荷电流进行定期的检测，以便于及时发现一些三相的不平衡状况。当在检测过程中发现有安全隐患的部位，要及时的进行调整和修改。对于检测过程中未发现问题的部位，也应当提高瞽惕。在检测结束以后，不仅需要进行数据的整理和分析，还要进行及时的反馈。这里的反馈主要是指根据检测结果推断出的三相需要进行的调整，以及对于新技术在三相中运用的可能性预测。通过合理的检测和对检测结果的深入分析，我们可以在最大程
度上避免不平衡现象的出现，降低用电事故的出现。
[0062]
五、通过运行手段做好台区重过载管理工作。具体的，通过相关系统，监测台区负载率及三相不平衡率，发现异常时及时跟踪处理，必要时现场测量复核，适时采取相应措施给予解决；做好现场特巡和红外测温工作，发现油温油位异常时，应在现场值守，跟踪异常变化情况，必要时应降低负荷运行、转移负荷或即时更换变压器，防止变压器烧毁。
[0063]
下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未披露的细节，请参照本发明方法实施例。
[0064]
参见图3，本发明再一实施例中，提供一种基于大数据的台区异常分析装置，能够用于实现上述的基于大数据的台区异常分析方法，具体的，该基于大数据的台区异常分析装置包括数据获取模块、数据预测模块以及台区异常分析模块。
[0065]
其中，数据获取模块用于获取台区重过载影响因素的预测日数据；数据预测模块用于将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值；台区异常分析模块用于根据台区预测日的运行数据预测值，预测台区预测日的重过载情况。
[0066]
在一种可能的实施方式中，该基于大数据的台区异常分析系统还包括模型构建模块，用于获取各台区运行数据影响因素的历史数据和台区的历史运行数据；根据各台区运行数据影响因素的历史数据和台区的历史运行数据，采用非线性相关性分析方法，得到各台区运行数据影响因素与台区的历史运行数据之间的相关系数，并选取相关系数前预设数量大的台区运行数据影响因素，得到台区重过载影响因素；以台区重过载影响因素的历史数据为输入，以台区的运行数据预测值为输出，通过台区重过载影响因素的历史数据和台区的历史运行数据，训练预设的神经网络模型，得到台区重过载模型。
[0067]
在一种可能的实施方式中，所述所述台区运行数据影响因素包括设备容量、设备型号、设备投运时间、温度、湿度、降雨量、台-户拓扑、节日类型、节日起止时间、配变增容改造信息、配变停电切改信息、用户用电类型、用户用电容量以及用户改造记录信息，所述非线性相关性分析方法为基于spearman秩序相关系数的非线性相关性分析方法，所述神经网络模型为bp神经网络模型。
[0068]
在一种可能的实施方式中，该基于大数据的台区异常分析系统还包括模型优选模块，用于通过修改台区重过载影响因素中包含的台区运行数据影响因素的数量和组合方式或修改预设的神经网络模型的模型架构，重新训练预设的神经网络模型，得到若干台区重过载模型，获取各台区重过载模型的预测准确率，并将预测准确率最高的台区重过载模型作为最终的台区重过载模型。
[0069]
在一种可能的实施方式中，该基于大数据的台区异常分析系统还包括预警模块，用于获取电网的gis地图、电网的停电事件信息以及用户上报的停电事件信息；根据台区预测日的重过载情况，在电网的gis地图中标记预测日的重过载情况为重过载的台区；根据电网的停电事件信息以及用户上报的停电事件信息，得到电网的停电发生时间、停电恢复时间以及停电涉及的变电站、线路和台区；在电网的gis地图中标记停电涉及的变电站、线路和台区，并将停电发生时间和停电恢复时间发送至停电涉及的变电站、线路和台区所涉及的用户。
[0070]
前述的基于大数据的台区异常分析方法的实施例涉及的各步骤的所有相关内容
均可以援引到本发明施例中的基于大数据的台区异常分析装置所对应的功能模块的功能描述，在此不再赘述。
[0071]
本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，在本发明各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0072]
本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于基于大数据的台区异常分析方法的操作。
[0073]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质（memory），所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作装置。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序（包括程序代码）。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关基于大数据的台区异常分析方法的相应步骤。
[0074]
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
[0075]
本发明是参照根据本发明实施例的方法、设备（装置）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
[0076]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
[0077]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
[0078]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。