随着國家能源資源高效開發和利用戰略決策的實施，節能逐漸成為緩解能源供應矛盾的重要手段，降低電能在傳輸、分配和銷售過程中的損耗與損失，是供電企業的重要工作之一。但目前台區線損異常、竊電等問題仍普遍存在，絕大部分的異常辨别主要依賴于人工，故針對目前供電台區的線損異常識别和關聯用戶精準定位等工作還有待完善。

現階段，大多僅考慮運用數據挖掘方法對用戶側異常進行成因分析，并未涉及台區線損異常與配網側用戶負荷的映射關系，因此，在實際工程中存在一定局限性。随着智能電網發展的不斷深入，監測終端的用戶負荷數據也越來越複雜，傳統的數據分析算法逐漸難以滿足數據處理的要求，需要進一步探讨研究。

問題拆分

包括：對台區用戶的線損數據 進行歸一化處理得到中間樣本集合，并對中間樣本集合進行聚類得到多個聚類簇；将樣本數量最 大的聚類簇劃分為标準簇并将标準簇的相關線損數據劃分至标準庫，将不屬于标準庫的線損數據劃分為異常數據；根據異常數據的分布連續性劃分異常時間段，将異常時間段内的異常數據劃分至異常庫并計算異常庫對應的用戶線損數據 與用電量的關聯度；将異常庫内的強關聯度的用 戶線損數據作為異常用戶線損數據，利用TOPS IS方法計算異常用戶線損數據的綜合評價指标； 篩選出綜合評價指标最大的異常用戶線損數據， 定位為異常用電用戶。本發明實現了對線損率異常的準确辨識和精準定位。

問題解決

1 .一種基于混合指标的台區線損處理方法，其特征在于，包括： 對台區用戶的線損數據進行歸一化處理得到中間樣本集合，并對中間樣本集合進行聚類得到多個聚類簇； 将樣本數量最大的聚類簇劃分為标準簇并将标準簇的相關線損數據劃分至标準庫，将 不屬于标準庫的線損數據劃分為異常數據； 根據異常數據的分布連續性劃分異常時間段，将異常時間段内的異常數據劃分至異常庫并計算異常庫對應的用戶線損數據與用電量的關聯度； 将異常庫内的強關聯度的用戶線損數據作為異常用戶線損數據，利用TOPSIS方法計算 異常用戶線損數據的綜合評價指标； 篩選出綜合評價指标最大的異常用戶線損數據，定位為異常用電用戶

2 .根據權利要求1所述的方法，其特征在于，所述對台區用戶的線損數據進行歸一化處 理得到中間樣本集合，并對中間樣本集合進行聚類得到多個聚類簇，包括： 基于GSA‑SC算法确定最佳聚類數； 利用二分K‑means 聚類分析方法根據所述最佳聚類數對中間樣本集合進行聚類。

3 .根據權利要求2所述的方法，其特征在于，所述基于GSA‑SC算法确定最佳聚類數，包 括： 計算單個樣本的輪廓系數s，計算公式為：

4 .根據權利要求1所述的方法，其特征在于，所述将樣本數量最大的聚類簇劃分為标準 簇并将标準簇的相關線損數據劃分至标準庫，将不屬于标準庫的線損數據劃分為異常數據，包括： 選取标準簇的樣本最小值和樣本最大值，将樣本最小值和樣本最大值除以歸一化系數 得到的最小線損值和最大線損值分别作為标準庫的數據下限和數據上限。

5 .根據權利要求1所述的方法，其特征在于，所述根據異常數據的分布連續性劃分異常 時間段，将異常時間段内的異常數據劃分至異常庫并計算異常庫對應的用戶線損數據與用 電量的關聯度，包括： 計算異常庫中各用戶的線損數據與用電量的依賴性指标和歐式距離； 根據各用戶的線損數據與用電量的依賴性指标和歐式距離構建關聯度函數； 對所述關聯度函數做同向化處理，選取依賴性指标和歐式距離具有正向線性關系的函 數段作為具有強關聯性的目标函數段。

6 .根據權利要求5所述的方法，其特征在于，所述計算異常庫中各用戶的線損數據與用 電量的依賴性指标和歐式距離，包括： 計算依賴性指标的公式為：

9 .一種基于混合指标的台區線損處理系統，其特征在于，包括： 數據聚類單元，用于對台區用戶的線損數據進行歸一化處理得到中間樣本集合，并對 中間樣本集合進行聚類得到多個聚類簇； 數據劃分單元，用于将樣本數量最大的聚類簇劃分為标準簇并将标準簇的相關線損數 據劃分至标準庫，将不屬于标準庫的線損數據劃分為異常數據； 關聯計算單元，用于根據異常數據的分布連續性劃分異常時間段，将異常時間段内的 異常數據劃分至異常庫并計算異常庫對應的用戶線損數據與用電量的關聯度； 綜合評價單元，用于将異常庫内的強關聯度的用戶線損數據作為異常用戶線損數據， 利用TOPSIS方法計算異常用戶線損數據的綜合評價指标； 異常定位單元，用于篩選出綜合評價指标最大的異常用戶線損數據，定位為異常用電 用戶。

10 .根據權利要求9所述的系統，其特征在于，所述數據聚類單元包括： 第一計算模塊，用于基于GSA‑SC算法确定最佳聚類數； 第二計算模塊，用于利用二分K‑means 聚類分析方法根據所述最佳聚類數對中間樣 本集合進行聚類。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!