本发明涉及智能电表计量失准识别，具体地说，涉及一种基于线损动态离群点的智能电表计量失准识别方法。
背景技术：
1、智能电表(smart meter,sm)是一种电力计量数据采集设备，具有类型繁多、规模巨大和地域分布广泛等特点。在建设新型电力系统的背景下，智能电表作为电网监测的关键设备，是分布式能源消纳、电动汽车等新兴业务开展的关键。智能电表在运行过程中，受智能电表内置电池欠压、计量回路故障、电磁干扰、时钟晶振故障等因素的影响，存在智能电表计量失准的问题，进而影响到供电公司与用户的经济利益。
2、智能电表计量失准的识别方法分为离线校验和在线识别两类。其中，离线校验是指供电计量人员采用智能电表专用校验仪器对智能电表进行周期性校验，该方法能准确的识别计量失准的智能电表。但离线校验需拆表检验，实施步骤较繁琐，且法定智能电表校验周期长达数年，间隔时间较长，供电公司不能及时发现智能电表计量失准问题。
3、在线识别是指高级量测体系(advanced metering infrastructure,ami)远程获取智能电表测量数据后，通过单表分析或配电台区联合分析辨识计量失准的智能电表。在单表分析法中，对不同损失水平的智能电表测量数据进行聚类，获取智能电表不同使用状态下的样本集，并采用决策树分析、高斯自回归移动平均模型、改进卡尔曼滤波等模型预估智能电表计量失准状态。该方法的智能电表计量失准误差受限于异常特征信息，智能电表计量失准异常特征越多，预估精度越高。然而，智能电表电子元件老化损失、能量损失等异常特征在实际的ami系统中很难获取，进而严重的影响了单表分析法的识别精度。在配电台区联合分析法中，通常采用ami系统动态线损分析判断配电台区是否存在异常的电表，通过迭代算法求解配电台区中计量失准的智能电表。配电台区联合分析法提高了智能电表计量失准辨识准确率。但该方法仅考虑了正常运行状态下配电台区的智能电表计量失准识别，在用户窃电的情况下，难以区分窃电与智能电表计量失准特征，智能电表计量失准识别误检率高。
4、离群点是指在数据集中明显偏离其它数据点的观测值。离群点检测是通过标准差、箱线图、具有噪声的基于密度的聚类方法(density based spatial clustering ofapplications with noise,dbscan)等算法检测出与正常数据较大的数据点，进而对异常数据点进行处理。离群点检测已经广泛的应用于电力设备的缺陷识别、故障诊断等领域。但采用离群点算法分析sm计量失准时，难以区分瞬时与永久异常。
技术实现思路
1、本发明针对智能电表计量失准与窃电异常特征难以区分、识别误检率高的问题，提出一种基于线损动态离群点的智能电表计量失准识别方法；通过计算不同负荷状态下的基准线损曲线，得到配电台区实际线损曲线，定位线损异常配电台区；并调用线损动态离群点算法提取线损异常配电台区中异常智能电表的时域特征，区分不同类型的异常智能电表，提高了智能电表计量失准识别的准确率。
2、本发明具体实现内容如下：
3、一种基于线损动态离群点的智能电表计量失准识别方法，首先根据采集的智能电表数据，计算配电台区基准线损曲线；其次调用线损估算法计算配电台区线损，计算不同负荷状态下的基准线损曲线，得到配电台区实际线损曲线；然后根据配电台区基准线损曲线和配电台区实际线损曲线，识别得到线损异常配电台区；最后调用线损动态离群点算法提取线损异常配电台区中异常智能电表的时域特征，并与当前智能电表计量失准时域特征比较，得到计量失准的智能电表清单。
4、为了更好地实现本发明，进一步地，所述基于线损动态离群点的智能电表计量失准识别方法具体包括以下步骤：
5、步骤s1：根据采集的智能电表数据，计算智能电表沿线电阻rline，得到配电台区智能电表理论线损qloss；
6、步骤s2：根据配电台区智能电表理论线损qloss，结合线损与负荷的关联关系，得到不同负荷状态下智能电表基准线损曲线，计算配电台区基准线损曲线qbmloss，得到配电台区基准线损率曲线λtbmloss；
7、步骤s3：根据配电台区实际线损电量qdaloss、配电台区总表电量qda，计算配电台区实际线损率曲线λtdaloss，并计算配电台区实际线损率曲线λtdaloss与配电台区基准线损率曲线λtbmloss的皮尔逊积矩相关系数bp，识别得到线损异常配电台区；
8、步骤s4：在线损异常配电台区中识别异常的智能电表，调用线损动态离群点算法提取异常智能电表的线损时域变化特征，建立异常智能电表时域特征样本集，判断当前异常智能电表是否为计量失准，识别并输出计量失准的智能电表清单。
9、为了更好地实现本发明，进一步地，所述步骤s1具体包括以下步骤：
10、步骤s11：从ami系统中采集智能电表数据，并进行预处理得到预处理后的智能电表数据；
11、步骤s12：根据户表到总表之间的低压线路长度、配电台区总表与户表之间的电压差△u和户表自身消耗的电流，计算智能电表沿线电阻rline；
12、步骤s13：根据智能电表沿线电阻rline、户表到总表之间的低压线路长度和用户负载消耗的电流iload，计算配电台区智能电表理论线损qloss。
13、为了更好地实现本发明，进一步地，所述步骤s11具体包括以下步骤：
14、步骤s111：从ami系统中采集智能电表数据，调用链式方程多重填补法预处理智能电表数据；
15、步骤s112：根据设定的修复参数σ和多变量函数k，从智能电表数据的观测边界进行迭代求解，得到智能电表缺失数据修复值；
16、步骤s113：根据智能电表缺失数据修复值，得到预处理后的智能电表数据。
17、为了更好地实现本发明，进一步地，所述步骤s2具体包括以下步骤：
18、步骤s21：根据配电台区智能电表理论线损qloss，结合线损与负荷的关联关系，得到统计周期t内不同配电台区智能电表的负载电流曲线iiload(t)、配电台区不同户表到总表之间的低压线路长度曲线lism，计算配电台区基准线损曲线qbmloss；
19、步骤s23：根据配电台区基准线损曲线qbmloss、统计周期t内配电台区总表的数量，得到配电台区基准线损率曲线λtbmloss。
20、为了更好地实现本发明，进一步地，所述步骤s3具体包括以下步骤：
21、步骤s31：根据配电台区实际线损电量qdaloss、配电台区总表电量qda，计算配电台区实际线损率曲线λtdaloss；
22、步骤s32：根据配电台区基准线损率曲线λtbmloss和配电台区实际线损率曲线λtdaloss，计算配电台区实际线损曲线λtdaloss与配电台区基准线损曲线λtbmloss之间的皮尔逊积矩相关系数bp；
23、步骤s33：根据设定的相似度阈值△ψ和皮尔逊积矩相关系数bp的大小，判断得到配电台区异常线损。
24、为了更好地实现本发明，进一步地，所述步骤s31具体包括以下步骤：
25、步骤s311：根据配电台区电压uda、配电台区电流ida，计算配电台区总表电量qda；
26、步骤s312：根据配电台区不同的户表电压ususe i、配电台区不同的户表电流isuse i，计算计量周期内配电台区户表电量quse；
27、步骤s313：根据配电台区总表电量qda、计量周期内配电台区户表电量和quse配电台区的固定损耗电量qfxd，计算配电台区实际线损电量qdaloss；
28、步骤s314：根据配电台区实际线损电量qdaloss、配电台区总表电量qda，计算配电台区实际线损率曲线λtdaloss。
29、为了更好地实现本发明，进一步地，所述步骤s32具体包括以下步骤：
30、步骤s321：根据配电台区基准线损率曲线λtbmloss，得到基准线损率曲线中不同时间间隔点的线损值λθbmloss，并计算基准线损率曲线中线损的平均值λbg；
31、步骤s322：根据配电台区实际线损率曲线λtdaloss，得到实际线损率曲线中不同时间间隔点的线损值λθdaloss，并计算实际线损率曲线中线损的平均值λdg；
32、步骤s323：根据线损值λθbmloss、平均值λbg、线损值λθdaloss、平均值λdg，计算实际配电台区线损曲线与基准线损曲线之间的皮尔逊积矩相关系数bp。
33、为了更好地实现本发明，进一步地，所述步骤s33具体包括以下步骤：
34、步骤s331：根据不同月度中配电台区线路最大电阻rεlinemax、不同月度中配电台区线路最小电阻值rεlinemin、智能电表沿线电阻rline，设定相似度阈值△ψ；
35、步骤s332：根据设定的相似度阈值△ψ和皮尔逊积矩相关系数bp的大小，判断得到异常线损配电台区。
36、为了更好地实现本发明，进一步地，所述步骤s4具体包括以下步骤：
37、步骤s41：在线损异常配电台区中识别异常智能电表，并通过采集的智能电表心跳数据识别通信损坏的智能电表并剔除；
38、步骤s42：获取剔除后的异常智能电表的时域特征，采用无监督学习法建立异常智能电表时域特征样本集；
39、步骤s43：将当前智能电表计量失准时域特征与异常智能电表时域特征样本集进行比较，判断当前异常智能电表是否为计量失准，输出计量失准的智能电表清单。
40、为了更好地实现本发明，进一步地，所述步骤s41具体包括以下步骤：
41、步骤s411：在线损异常配电台区中识别异常智能电表，并从异常智能电表中识别得到通信异常智能电表；
42、步骤s412：判断通信异常智能电表的通信异常类型，若通信异常类型为永久异常，则判断异常智能电表损坏，若通信异常类型为短时异常，则进行修复；
43、步骤s413：从异常智能电表中剔除损坏的异常智能电表，得到通信正常的异常智能电表。
44、为了更好地实现本发明，进一步地，所述步骤s42的具体操作为：判断通信正常的异常智能电表电流与异常智能电流线损变化是否一致，若一致，则判断配电台区窃电异常、配电台区电磁干扰异常，若不一致，则获取异常智能电表的线损时域变化特征，判断智能电表计量失准为智能电表渐变误差或智能电表突变误差。
45、为了更好地实现本发明，进一步地，判断通信正常的异常智能电表电流与异常智能电流线损变化是否一致，具体包括以下步骤：
46、步骤s421：根据线损动态离群点和局部异常因子算法，从配电台区总表线损形成对象集qas中选取任意两个户表的线损，得到线损qa和线损qb，计算线损qa与线损qb的欧式距离d(a,b)，得到线损qa和线损qb的第z点距离dz(a)；
47、步骤s422：以线损qa为圆心、以z为半径绘制圆形，得到圆形内的z点距离邻域wz(a)，
48、步骤s423：根据线损qb和线损qa的第z点距离dz(b)、欧式距离d(a,b)，得到线损qb到线损qa的可达距离fz(b,a)；
49、步骤s424：根据可达距离fz(b,a)、距离邻域wz(a)，得到线损qa的局部可达密度lzlrd(a)；
50、步骤s425：根据局部可达密度lzlrd(a)、距离邻域wz(a)，得到线损qa的局部离群因子lzlof(a)；
51、步骤s426：根据局部离群因子lzlof(a)，计算线损离群点，得到智能电表线损时域曲线，并根据智能电表线损时域曲线，建立智能电表线损时域曲线特征样本集。
52、本发明具有以下有益效果：
53、本发明考虑了温度对配电台区低压线路阻抗的影响，建立了随负荷变化的配电台区基准线损曲线；通过皮尔逊相关系数分析了基准线损曲线与实际线损曲线的关系，定位了线损异常配电台区，采用时域离群点对智能电表线损异常特征进行分析，从而区分渐变、突变智能电表计量失准与窃电异常特征，提高了计量失准识别率。
1.一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，首先根据采集的智能电表数据，计算配电台区基准线损曲线；其次调用线损估算法计算配电台区线损，计算不同负荷状态下的基准线损曲线，得到配电台区实际线损曲线；然后根据配电台区基准线损曲线和配电台区实际线损曲线，识别得到线损异常配电台区；最后调用线损动态离群点算法提取线损异常配电台区中异常智能电表的时域特征，并与当前智能电表计量失准时域特征比较，得到计量失准的智能电表清单。
2.根据权利要求1所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述基于线损动态离群点的智能电表计量失准识别方法具体包括以下步骤：
3.根据权利要求2所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s1具体包括以下步骤：
4.根据权利要求3所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s11具体包括以下步骤：
5.根据权利要求2所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s2具体包括以下步骤：
6.根据权利要求5所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s3具体包括以下步骤：
7.根据权利要求6所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s31具体包括以下步骤：
8.根据权利要求6所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s32具体包括以下步骤：
9.根据权利要求6所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s33具体包括以下步骤：
10.根据权利要求2所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s4具体包括以下步骤：
11.根据权利要求10所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s41具体包括以下步骤：
12.根据权利要求11所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，所述步骤s42的具体操作为：判断通信正常的异常智能电表电流与异常智能电流线损变化是否一致，若一致，则判断配电台区窃电异常、配电台区电磁干扰异常，若不一致，则获取异常智能电表的线损时域变化特征，判断智能电表计量失准为智能电表渐变误差或智能电表突变误差。
13.根据权利要求12所述的一种基于线损动态离群点的智能电表计量失准识别方法，其特征在于，判断通信正常的异常智能电表电流与异常智能电流线损变化是否一致，具体包括以下步骤：
