[发明专利]一种低压配电表箱线路、表箱故障隐患识别方法

权利要求书

1.一种低压配电表箱线路、表箱故障隐患识别方法，其特征在于，包括如下步骤：

S1：提取用户用电电压曲线，并按台区三相相位将低压用户分成三类；

S2：采取局部异常因子算法，对于各相用户的电压数据进行分析；

S3：采用肘部法确定异常点的个数，若异常点数量小于第一设定阈值，则进入步骤S6；否则进入步骤S4；

S4：基于异常用户历史电压测量数据进行分析，采用皮尔逊相关系数提取异常用户历史电压测量数据之间的关联度；

S5：若异常用户历史电压测量数据之间的关联度大于第二设定阈值，则判断表箱线路存在故障，否则，则判断表箱存在故障；

S6：选取排除异常用户后其余用户的电压数据，采用聚类方法将用户聚成自动确定簇数的分类簇；

S7：统计聚类簇数，若聚类簇数小于4，则判断不存在线路故障，否则将其中样本数目较多的3簇作为正常三相线路，其余的簇对应的样本集判断为线路故障；

S8：输出台区各相异常用户户号以及故障类型。

2.根据权利要求1所述的一种低压配电表箱线路、表箱故障隐患识别方法，其特征在于，所述采取局部异常因子算法，对于各相用户的电压数据进行分析包括以下步骤：

S21：计算所有样本点p的第k距离；

S22：计算样本点p的第k距离邻域，包括第k距离；样本点p的第k邻域点的个数|Nk(p)|≥k；

S23：计算其余样本点o到样本点p的第k可达距离：

reach-dist_k(p,o)＝max{k-distance(o),d(p,o)}；

S24：计算样本点p的局部可达密度：

S25：计算样本点p的局部离群因子LOF：

3.根据权利要求2所述的一种低压配电表箱线路、表箱故障隐患识别方法，其特征在于，所述采用肘部法确定异常点的个数包括以下步骤：

S31：将全部n个用户的LOF系数l(i)从高到低排列，并绘制系数变化曲线；

S32：计算并确定最大的相邻系数降落值：

maxΔl(i)＝max(l(i)-l(i+1)),(i＝1,2...n-1)；

S33：返回最大值所对应的i，并将离群用户个数确定为i，最终将前i个LOF系数所对应用户确定为异常用户。

4.根据权利要求1所述的一种低压配电表箱线路、表箱故障隐患识别方法，其特征在于，所述基于异常用户历史电压测量数据进行分析，采用皮尔逊相关系数提取异常用户电压测量数据之间的关联度包括：

所述皮尔逊相关系数的计算公式为：

式中：C_ij表示用户i和用户j之间的相关系数，其值介于1与-1之间；X_i和X_j分别代表用户i和用户j的电压测量数据(i,j＝1,2,…,N)，和表示X_i和X_j的均值。

5.根据权利要求1所述的一种低压配电表箱线路、表箱故障隐患识别方法，其特征在于，所述选取排除异常用户后其余用户的电压数据，采用聚类方法将用户聚成自动确定簇数的分类簇包括以下步骤：

S61：计算用户的邻近域样本集:

N_ε(x_i)＝{x_j∈D|d(x_i,x_j)≤ε}；

式中：d(x_i,x_j)为用户样本x_i和x_j在特征空间中的欧氏距离；N_ε(x_i)为用户样本x_i的ε-邻域样本集，|N_ε(x_i)|为样本集大小；ε为领域半径参数；D为排除异常用户后的全部电压数据；

S62：确定核心对象集及其邻域内的样本：

Ω＝{x_i∈D||N_ε(x_i)|≥minPts}；

Γ＝{x_j∈N_ε(x_i)|x_i∈Ω}；

式中：Ω为核心对象集，即邻域样本集大于minPts的样本集合；Γ为核心对象集及其邻域内的样本；minPts为邻域密度参数；

S63：确定噪声样本集用户A＝D\Γ，即不属于Γ的样本；

S64：将Γ划分成密度可达的分类簇C＝{C₁,C₂,..,C_k}，且满足：对于任意两个样本x_i,x_j∈C_s，存在可达序列且p₁＝x_i，p_n＝x_j，使得d(p_t,p_t+1)≤ε，即任意两个样本可以通过C_k簇簇中的核心对象样本实现密度可达。