1.一種基于智能電表實(shí)采數(shù)據(jù)的低電壓診斷方法，其特征在于，包括以下步驟：
通過智能電表采集數(shù)據(jù)；
橫向集成所述智能電表采集的所述數(shù)據(jù)，確定低電壓工況數(shù)據(jù)的聚類標(biāo)準(zhǔn)；
根據(jù)所述聚類標(biāo)準(zhǔn)，構(gòu)建低電壓成因案例庫；
根據(jù)所述聚類標(biāo)準(zhǔn)和所述低電壓成因案例庫，利用大數(shù)據(jù)特征比對(duì)方法，智能診斷低電壓成因及計(jì)算其概率。
2.如權(quán)利要求1所述的方法，其特征在于，所述智能電表采集的數(shù)據(jù)包括：線損數(shù)據(jù)、末端電壓數(shù)據(jù)、負(fù)荷數(shù)據(jù)、業(yè)擴(kuò)數(shù)據(jù)、電量數(shù)據(jù)、用戶檔案和智能電表檔案。
3.如權(quán)利要求1所述的方法，其特征在于，所述橫向集成所述智能電表采集的所述數(shù)據(jù)，確定低電壓工況數(shù)據(jù)的聚類標(biāo)準(zhǔn)具體為：
橫向集成所述智能電表采集的所述數(shù)據(jù)，多維度分析低電壓數(shù)據(jù)與地區(qū)、負(fù)荷、季節(jié)、用電類型、用戶行業(yè)、電價(jià)類型、用電量、線損、三相不平衡數(shù)據(jù)的相關(guān)關(guān)系，確定低電壓工況數(shù)據(jù)的聚類標(biāo)準(zhǔn)。
4.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述聚類標(biāo)準(zhǔn)，構(gòu)建低電壓成因案例庫具體為：
所述聚類標(biāo)準(zhǔn)，隨機(jī)抽取所述聚類下的低電壓用戶進(jìn)行實(shí)例分析，通過多種分析方式確定所述聚類低電壓成因的分類，并進(jìn)行低電壓成因概率計(jì)算，構(gòu)建低電壓成因案例庫。
5.如權(quán)利要求4所述的方法，其特征在于，所述通過多種分析方式確定所述聚類低電壓成因的分類具體為：
通過專家會(huì)診、現(xiàn)場(chǎng)排查和專題研究的分析方式確定所述聚類低電壓成因的分類。
6.如權(quán)利要求1所述的方法，其特征在于，當(dāng)有新增低電壓數(shù)據(jù)時(shí)，按所述聚類標(biāo)準(zhǔn)分析相關(guān)度和兼容度，對(duì)新增情況自動(dòng)合并與歸類，對(duì)于無法合并或歸類的形成新的聚類標(biāo)準(zhǔn)。