本发明属于线损故障判定，具体涉及一种计及新能源接入的配电网线损异常研判及精准追踪方法。
背景技术：
1、台区线损精益化管理逐渐成为当下的主流，节能降损工作也取得了显著成效。目前，台区线损率异常、用户窃电等问题仍普遍存在，其排查方法仍主要依靠运维人员的经验进行判断，这不但极大的增加了运维人员的工作强度，而且还会出现部分异常难以发现导致电量损失，因此，如何建立完备的台区线损率异常智能研判体系并且以此为基础快速和准确的找到造成台区线损率异常的关联用户已变得刻不容缓。
2、目前，国内外研究人员对于线损率的研究主要围绕线损率的计算和预测展开，而对于台区线损率异常的辨识与追踪等问题却较少涉及。有学者提出了一种基于“秩和”近似相等特性的同期线损异常数据深度辨识方法，在传统的α阈值计算基础上采用改进α∩β阈值计算方法，解决了对台区不同类型异常数据辨识困难的问题；而另外一些学者则针对如何有效辨识线损异常的问题，结合低压台区的真实数据，提出一种基于二次k-means聚类的线损异常辨识方法，仿真结果表明该方法很大程度上解决了传统线损异常辨识方法存在的片面性和局限性问题。尽管以上方法对台区线损率异常问题进行了分析并取得了较好的结果，但并没有进一步挖掘线损率与用户之间的内在关联，对造成台区线损率异常的用户缺乏进一步的研究和分析。
技术实现思路
1、针对现有技术中存在不足，本发明提供了一种计及新能源接入的配电网线损异常研判及精准追踪方法，考虑了新能源接入配电网的情况，区别于传统配电网场景的台区线损率异常研判方法，利用各系统间数据、划分典型场景、构建标准库，实现对台区线损异常的智能研判及异常用户的精准追踪。
2、本发明是通过以下技术手段实现上述技术目的的。
3、计及新能源接入的配电网线损异常研判及精准追踪方法：
4、构建新能源出力联合概率分布函数；
5、建立基于条件生成对抗网络的新能源线损数据生成模型，并将所述新能源出力联合概率分布函数作为条件变量、区域电网真实线损数据输入至所述新能源线损数据生成模型中，生成新能源接入的配电网线损数据；
6、对配电网下辖台区线损数据对应的曲线，采用iceemdan算法实现配电网台区场景划分；
7、对配电网台区场景划分结果进行一次划分，得到配电网台区线损率标准库；
8、基于区间动态平移方法对所述配电网台区线损率标准库进行二次划分；
9、基于区间重叠率策略将二次划分后的配电网台区线损率标准库中相似或相近场景进行合并；
10、根据合并后的配电网台区线损率标准库进行异常研判；
11、分析台区线损率异常的各因素和台区用户间的内在关联度，基于改进adtributor算法实现线损异常关联用户的精准定位。
12、进一步地，采用iceemdan算法实现配电网台区场景划分，具体为：
13、对配电网下辖台区线损数据对应的曲线进行分解重构，得到预处理后的配电网下辖台区线损数据曲线，并剔除“毛刺”数据，得到台区线损变化趋势，对台区线损变化趋势进行聚类分析，进而得到配电网台区场景划分结果。
14、进一步地，所述对配电网台区场景划分结果进行一次划分，具体为：
15、根据配电网台区场景划分结果将相同场景下的线损率存放在同一集合，针对所述集合中的线损率数据进行挖掘分析，动态调整聚类数目，分别计算每一个聚类数对应的轮廓系数，进而确定最佳聚类数目；
16、采用k-means++进行聚类分析，并提取个案数目最多的簇类；
17、将中元素的最小值作为区间下限、最大值作为区间上限，最终得到一次划分后的线损率标准库。
18、更进一步地，所述由区间动态平移对所述配电网台区线损率标准库进行二次划分，具体为：
19、预处理后的配电网下辖台区线损数据经k-means++聚类生成的个簇，保留个案数目最多的簇；
20、假定簇的个案数目小于，选取簇类和，计算相对于的偏移量，其计算公式为：
21、
22、式中：、分别表示簇类和相对于簇类的偏移量，和分别为簇类和的区间长度，和分别为簇类和的个案数目，为总样本容量；
23、结合相对偏移量结果，求解并更新台区线损率标准库区间为：
24、
25、式中：、分别表示台区线损率标准库区间的下限和上限，和分别表示簇内元素最小值和最大值。
26、进一步地，对相似或相近场景进行合并，具体为：
27、构造两场景重叠率：设a、b是两个确定区间，则a、b的区间重叠率表示为：
28、
29、式中： l表示相应区间的长度，（a∩b）表示a、b的重叠区间；
30、对区间重叠率设置一个自适应阈值 α，通过 α分割求取的类间方差作为评价指标，具体公式如下：
31、
32、式中：为类间方差，和分别表示[0 ,α)和[ α,1]两部分的所占比例， u1和 u2分别为每一部分重叠率的平均值；
33、求出最大时对应的阈值作为最佳阈值 α best，并将重叠率大于等于 α best的标准库区间按并集原则进行合并，反之则不合并。
34、进一步地，利用灰色关联分析法分析台区线损率异常的各因素和台区用户间的内在关联度，针对灰色关联度最大的三个因素，通过改进adtributor算法挖掘出最具有嫌疑的用户，实现线损异常关联用户的精准定位。
35、进一步地，所述基于改进adtributor算法实现线损异常关联用户的精准定位，具体为：
36、针对灰色关联度最大的三个因素，通过adtributor算法挖掘出最具有嫌疑的用户，算法涉及意外性值和解释能力值ep两个参量的计算；所述解释能力值ep的满足：
37、
38、式中：a ij表示故障真实值，f ij表示正常预测值，下标 i和 j分别表示日期和用户编号， m为异常指标，a( m)、f( m)分别为a ij、f ij的总和；
39、所述f( m)通过以下改进方法实现：提取台区线损率正常时间段内的线损率数据，采用lagrange插值法求解异常时间段的预估值，作为f( m)进行计算解释能力值。
40、一种计及新能源接入的配电网线损异常研判及精准追踪装置，包括：
41、新能源线损数据生成模型构建模块，建立基于条件生成对抗网络构建新能源线损数据生成模型，并将新能源出力联合概率分布函数作为条件变量，区域电网真实线损数据输入至所述新能源线损数据生成模型中，生成新能源接入的配电网线损数据；
42、台区线损率多维场景划分模块，对配电网下辖台区线损数据对应的曲线，采用iceemdan算法实现配电网台区场景划分；
43、基于台区线损率标准库的异常智能判断模块，用于构建配电网台区线损率标准库并进行相似或相近场景进行合并，再进行异常研判；
44、台区线损率异常关联用于精准定位模块，分析台区线损率异常的各因素和台区用户间的内在关联度，基于改进adtributor算法实现线损异常关联用户的精准定位。
45、一种电子设备，包括存储器和处理器；
46、所述存储器用于存储计算机程序；
47、所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现上述计及新能源接入的配电网线损异常研判及精准追踪方法。
48、一种存储介质，所述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使所述处理器执行上述计及新能源接入的配电网线损异常研判及精准追踪方法。
49、本发明的有益效果是：
50、（1）本发明考虑了新能源接入配电网的情况，构建新能源出力联合概率分布函数，并将所述新能源出力联合概率分布函数作为新能源线损数据生成模型的条件变量，提高新能源线损数据生成模型的数据生成质量，生成的配电网线损数据更加符合区域新能源出力规律；
51、（2）本发明对配电网下辖台区线损数据对应的曲线，采用iceemdan算法实现配电网台区场景划分，对配电网台区场景划分结果进行一次划分，得到配电网台区线损率标准库，由区间动态平移对所述配电网台区线损率标准库进行二次划分，提高了线损率标准库的区间精度；
52、（3）本发明基于区间重叠率策略将二次划分后的配电网台区线损率标准库中相似或相近场景进行合并，减少异常研判和精准定位的计算量，提高计算效率；
53、（4）本发明通过灰色关联分析法分析台区线损率异常的各因素和台区用户间的内在关联度，再利用改进adtributor算法实现线损异常关联用户的精准定位，降低对异常关联用户的误判概率，相比传统关联算法能更加准确的发现线损率异常的关联用户。
1.计及新能源接入的配电网线损异常研判及精准追踪方法，其特征在于：
2.根据权利要求1所述的计及新能源接入的配电网线损异常研判及精准追踪方法，其特征在于，所述对配电网台区场景划分结果进行一次划分，具体为：
3.根据权利要求2所述的计及新能源接入的配电网线损异常研判及精准追踪方法，其特征在于，所述基于区间动态平移方法对所述配电网台区线损率标准库进行二次划分，具体为：
4.根据权利要求1所述的计及新能源接入的配电网线损异常研判及精准追踪方法，其特征在于，对相似或相近场景进行合并，具体为：
5.根据权利要求1所述的计及新能源接入的配电网线损异常研判及精准追踪方法，其特征在于，利用灰色关联分析法分析台区线损率异常的各因素和台区用户间的内在关联度，针对灰色关联度最大的三个因素，通过改进adtributor算法挖掘出最具有嫌疑的用户，实现线损异常关联用户的精准定位。
6.根据权利要求1所述的计及新能源接入的配电网线损异常研判及精准追踪方法，其特征在于，采用iceemdan算法实现配电网台区场景划分，具体为：对配电网下辖台区线损数据对应的曲线进行分解重构，得到预处理后的配电网下辖台区线损数据曲线，并剔除“毛刺”数据，得到台区线损变化趋势，对台区线损变化趋势进行聚类分析，进而得到配电网台区场景划分结果。
7.根据权利要求1所述的计及新能源接入的配电网线损异常研判及精准追踪方法，其特征在于，所述基于改进adtributor算法实现线损异常关联用户的精准定位，具体为：
8.一种用于实现权利要求1-7任一项所述的计及新能源接入的配电网线损异常研判及精准追踪方法的装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器；
10.一种存储介质，其特征在于，所述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使所述处理器执行如权利要求1-7任一项所述的计及新能源接入的配电网线损异常研判及精准追踪方法。
