一种台区线损异常检测方法及装置

1.一种台区线损异常检测方法，其特征在于，包括：获取目标台区在考察周期内每天的线损率；基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的运行指标；其中，所述运行指标包括趋势指标、差异度指标、波动性指标以及比率指标；所述趋势指标包括上升趋势指标、下降趋势指标以及月变化率；所述差异度指标包括极差、四分位数间距、前部分数据与后部分数据的均值差、分段数据均值与总均值差、所述前部分数据与所述后部分数据的傅里叶系数差的模、拟合斜率；所述波动性指标包括总体数据的标准差、所述前部分数据的标准差、所述后部分数据的标准差以及变异系数；所述比率指标包括所述前部分数据的均值与总均值的比率、所述后部分数据的均值与总均值的比率以及相关系数；将所述目标台区对应的运行指标输入预先训练好的分类模型中，得到所述目标台区对应的线损状态；其中，所述分类模型预先利用多个类别的训练样本以及每个所述类别对应的线损状态训练得到；一个所述类别的所述训练样本包括属于所述类别的各个样本台区对应的运行指标；各个所述类别基于各个所述样本台区对应的运行指标对各个所述样本台区进行聚类得到；每个所述类别对应的线损状态基于属于所述类别的各个所述样本台区对应的运行指标进行分析得到；将所述目标台区对应的线损状态以及所述线损状态对应的线损因素输出；其中，所述线损状态对应的线损因素预先基于属于所述线损状态对应的所述类别的各个所述样本台区对应的运行指标进行分析得到。 2.根据权利要求1所述的方法，其特征在于，所述获取目标台区在考察周期内每天的线损率之后，还包括：判断所述考察周期内是否存在任意一个所述线损率为负值或空值；其中，判断所述考察周期内是否不存在所述线损率为负值或空值，则执行所述基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的运行指标；若判断所述考察周期内存在任意一个所述线损率为负值或空值，则反馈所述目标台区异常。 3.根据权利要求1所述的方法，其特征在于，所述基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的运行指标，包括；基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的趋势指标；基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的差异度指标；其中，所述前部分数据和所述后部分数据为基于时间顺序将各个所述线损率进行平均划分得到两个部分的所述线损率；基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的波动性指标；其中，所述变异系数等于所述总体数据的标准差与所有所述线损率的均值的比值；基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的比率指标；其中，所述相关系数指代所述目标台区的各个所述线损率的均值与相似台区的平均线损率的相关系数。 4.根据权利要求1所述的方法，其特征在于，所述基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的趋势指标，包括：将所述目标台区在考察周期内每天的线损率，按照时间顺序进行排序，得到所述目标台区的线损率序列；针对所述线损率序列中每个目标线损率，计算所述目标线损率对应的移动数据的均值，得到所述目标线损率对应的移动平均值；其中，所述目标线损率为除所述线损率序列中的第一个和最后一个线损率外的其他所述线损率；一个所述目标线损率对应的移动数据为以所述线损率为起始点，向前选取的不大于n的最大数量的各个所述线损率；计算各个所述目标线损率对应的移动平均值的均值，得到所述线损率序列对应的移动平均值；将所述线损率序列中小于所述线损率序列对应的移动平均值的各个所述线损率的平方的和除以位于所述线损率序列对应的移动平均值下的数据段的数量，得到所述目标台区对应的上升趋势指标；将所述线损率序列中大于所述线损率序列对应的移动平均值的各个所述线损率的平方的和除以位于所述线损率序列对应的移动平均值上的数据段的数量，得到所述目标台区对应的下降趋势指标；分别计算每两个相邻月份内的各个所述线损率的均值的变化率，得到所述目标台区对应的月变化率。 5.根据权利要求1所述的方法，其特征在于，所述基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的差异度指标，包括：计算各个所述线损率中的最大值与最小值的差值，得到所述目标台区对应的极差；计算由各个所述线损率按时间排序组成的线损率序列的上四分位数与下四分位数的差值，得到所述目标台区对应的四分位数间距；计算所述前部分数据与后部分数据的均值差；将所述线损率序列平均划分为四个分段，并将各个所述分段内的所述线损率的均值的总和减去所有所述线损率的均值，得到所述分段数据均值与总均值差；计算所述前部分数据与所述后部分数据的傅里叶系数差的模；对各个所述线损率进行线性拟合，得到所述目标台区对应的拟合斜率。 6.根据权利要求1所述的方法，其特征在于，所述分类模型的训练方法，包括：获取多个所述样本台区在考察周期内每天的线损率；分别基于每个所述样本台区在考察周期内每天的线损率，计算每个所述样本台区对应的运行指标；基于各个所述样本台区对应的运行指标，对各个所述样本台区进行聚类，得到多个所述类别；分别针对每个所述类别，对属于所述类别的各个所述样本台区对应的运行指标进行分析，得到所述类别对应的线损状态以及所述线损状态对应的线损因素；分别将每个所述类别对应的线损状态作为属于所述类别的各个所述样本台区对应的标签；利用各个所述样本台区对应的运行指标以及对应的标签对所述分类模型进行迭代训练。 7.根据权利要求6所述的方法，其特征在于，所述基于各个所述样本台区对应的运行指标，对各个所述样本台区进行聚类，得到多个所述类别，包括：利用密度峰值算法CFSFDP对各个所述样本台区对应的运行指标进行计算，得到多个初始聚类中心；通过聚类算法K-means基于所述多个初始聚类中心以及各个所述样本台区对应的运行指标，对各个所述样本台区进行聚类，得到多个所述类别。 8.根据权利要求6所述的方法，其特征在于，所述分类模型包括多个分类子模型，所述利用各个所述样本台区对应的运行指标以及对应的标签对所述分类模型进行迭代训练，包括：将每两个所述类别进行组合，得到多个组合；分别利用每个所述组合中的两个所述类别下的各个所述样本台区对应的运行指标以及对应的标签对一个所述分类子模型进行训练，得到训练好的各个所述分类子模型。 9.根据权利要求8所述的方法，其特征在于，所述将所述目标台区对应的运行指标输入预先训练好的分类模型中，得到所述目标台区对应的线损状态，包括：将所述目标台区对应的运行指标分别输出预先训练好的各个所述分类子模型中，得到各个所述分类子模型输出的线损状态；将各个所述分类子模型输出的线损状态中占比最大的所述线损状态确定为所述目标台区对应的线损状态。 10.一种台区线损异常检测装置，其特征在于，包括：第一获取单元，用于获取目标台区在考察周期内每天的线损率；第一计算单元，用于基于所述目标台区在考察周期内每天的线损率，计算所述目标台区对应的运行指标；其中，所述运行指标包括趋势指标、差异度指标、波动性指标以及比率指标；所述趋势指标包括上升趋势指标、下降趋势指标以及月变化率；所述差异度指标包括极差、四分位数间距、前部分数据与后部分数据的均值差、分段数据均值与总均值差、所述前部分数据与所述后部分数据的傅里叶系数差的模、拟合斜率；所述波动性指标包括总体数据的标准差、所述前部分数据的标准差、所述后部分数据的标准差以及变异系数；所述比率指标包括所述前部分数据的均值与总均值的比率、所述后部分数据的均值与总均值的比率以及相关系数；输入单元，用于将所述目标台区对应的运行指标输入预先训练好的分类模型中，得到所述目标台区对应的线损状态；其中，所述分类模型预先利用多个类别的训练样本以及每个所述类别对应的线损状态训练得到；一个所述类别的所述训练样本包括属于所述类别的各个样本台区对应的运行指标；各个所述类别基于各个所述样本台区对应的运行指标对各个所述样本台区进行聚类得到；每个所述类别对应的线损状态基于属于所述类别的各个所述样本台区对应的运行指标进行分析得到；输出单元，用于将所述目标台区对应的线损状态以及所述线损状态对应的线损因素输出；其中，所述线损状态对应的线损因素预先基于属于所述线损状态对应的所述类别的各个所述样本台区对应的运行指标进行分析得到。