本发明专利技术公开了一种低压台区KFCM-SVR合理线损预测方法，包括如下步骤，1)在数据筛选之后将数据样本进行两次预分类；2)利用模糊核聚类对六大类数据进行聚类，得到若干小类；3)通过最小二乘支持向量机(LS-SVR)建立回归拟合模型；4)计算残差置信区间限值；5)按照欧氏距离的原则将待预测数据归入各小类；6)归类后待预测数据输入各自对应的LS-SVR模型，计算得到预测残差；7)预测残差与残差置信区间限值进行对比，给出结论。本发明专利技术中所述算法在大数据条件下具有一定的合理性，其计算结果可以为电力部门的台区线损管理提供较为可靠的指导意见，为当前智能电网中大数据的合理利用与挖掘提供了新的思路。
【技术实现步骤摘要】
本专利技术涉及一种低压台区KFCM-SVR合理线损预测方法，属于电力系统自动化技 术领域。
技术介绍
线损是电力输送与分配过程中产生的能量损耗，包括统计线损，理论线损，管理线 损等多个种类。电力部门在实际的生产应用中，以供电量与售电量的差值作为统计线损，即 实际线损，以统计线损占供电量的比重作为线损率。线损率是电力部门重要的综合经济指 标，反映了电网规划建设、技术装备以及管理运行的综合水平。许多研究成果都从理论与实 践角度分析了线损产生原因与影响因素。随着智能电网的快速发展以及电网规模的不断扩 大，理论线损的精确计算显得越来越重要。精确而高效的理论线损计算能够显著提升电网 的技术管理水平，创造巨大的经济效益。 传统上对于理论线损的计算主要包括潮流计算方法，负荷曲线法、节点电压法等。 随着电网运行的实时化、数字化、智能化发展，对理论线损计算的精确度与计算效率的要求 越来越高。然而，由于理论线损的数学模型复杂，影响因素众多，传统计算方法难以全面反 映当前的线损状况。近年来，人工智能算法以其优越的性能，正逐步应用于理论线损的计算 中。神经网络、支持向量机及其改进算法、多灰色预测组合模型、以及直接神经动态规划的 电网状态估计模型等，开始应用于进行理论线损计算，这些在一定程度上代表了理论线损 计算的水平。 传统的理论线损计算中考虑的因素主要包括有功供电量，无功供电量，配电变压 器总容量、线路总长度这几项影响因素，对于低压台区自身的属性特征较少涉及，同时在计 算过程中线路长度、供电半径等数据难以直接得到，这些都直接影响了线损预测的工程化 应用步伐。当前，电网智能化水平不断提高，智能电表以及用电信息采集系统建设工作也在 快速推进，这些措施都极大提高了低压台区线损管理的实时性与准确性。江苏省电力公司 从2013年开始基于用电信息采集数据进行低压台区线损管理，实现了对低压台区基本信 息的记录与线损数据的实时采集，积累了大量的原始数据。利用大数据挖掘手段，全方位多 角度对台区线损的影响因素进行分析，考虑多种特征因素构建合理的线损数学模型已成为 可能。利用配电监控和数据采集系统（DSCADA)计算线损率，并与设定置信阈值对比以确定 线损是否合适是较为常用的方法。 目前，线损管理的现状是理论线损预测精度不高，而大量与线损有关的监测数据 没有得到充分的挖掘与分析。因此，专利技术一种基于用采数据，针对低压台区管理，基于数据 挖掘算法的线损预测方法成为亟需解决的问题。
技术实现思路
为解决现有技术的不足，本专利技术的目的在于提供一种基于用采数据的低压台区 KFCM-SVR合理线损预测方法，充分利用现有的用户信息采集系统中与线损相关的监测数 据，对其进行深入的挖掘，考察数据样本与实际线损间的关联；建立有效的数据回归模型， 并用回归模型对实际的每个台区的线损状况进行预测分析；考察台区的实际线损与预测得 到的合理线损间的差值，以此判定线损是否在合理区间内，为线损管理提供可靠的科学依 据，为营销管理的精益化打下良好的基础。 为了实现上述目标，本专利技术采用如下的技术方案： -种低压台区KFCM-SVR合理线损预测方法，其特征是，包括以下步骤： 1)数据准备：从用电信息采集系统的Oracle数据库中以月为单位提取当月的相 关建模数据，用于当月线损率的预测与评估； 2)数据筛选：将数据变化较大或数据异常的台区去除，留下数据较为稳定的样本 数据作为建模的数据来源，筛选后台区作为稳定台区； 3)初次分类：按照城网与农网将数据分为两类，再按照居民容量占比将两类数据 分别分为居民类、非居民类和混合类，得到6大类数据，其中，居民类容量占比多0.9,非居 民类容量占比彡〇. 1，混合类容量占比为（〇. 1，0.9); 4)数据标准化：采用Z-SC〇re方法进行数据标准化，其公式如下：焉对于 CFj： 数据样本集χ= [Xl，x2，…，xj，焉为标准化后数据，标准化前数据，再为Xl的均值，。i为方差； 5)数据聚类：选取参数，设定聚类数，采用KFCM算法对每一小类的标准化数据进 行聚类，计算隶属度矩阵，按照隶属度将数据归为若干小类； 6)最优聚类选取：针对每一个聚类类别计算轮廓系数，选取轮廓系数最大值所对 应的聚类数作为最优聚类数，输出最优聚类结果以及聚类中心值； 7)SVR回归模型建立：利用LS-SVR算法建立η个回归模型，η为数据聚类后得到的 总类别数，并计算每一类的残差置信空间； 8)合理线损置信区间确定：设定95%作为阈值，针对每一个LS-SVR回归模型计算 其合理线损置信区间； 9)线损预测值输出：将每个待预测数据样本归入与聚类中心最近的类别，并输入 到所对应的SVR模型中，得到每一个预测数据的线损率预测值；计算其预测残差，并与合理 线损置信区间对比，超过合理线损置信区间限的数据样本认为是线损不合理，给出是否合 理的结论。 前述的基于用采数据的低压台区KFCM-SVR合理线损预测方法，其特征是，所述步 骤2)中去除的台区数据包括：1)数据采集未全覆盖：所有在用计量点均已采集，无未采集供、用电表计； 2)台区下有特殊用户，包括光伏发电和无表计量； 3)当月发生业务变更，包括考核单元对象数量发生增减、户变关系调整、用户增减 和不包含换表变更的用户业务变更； 4)月线损值超出（-1%，10% )范围的数据； 5)月内日线损超出（-1%，10%)范围的天数多于10天的数据。 前述的基于用采数据的低压台区KFCM-SVR合理线损预测方法，其特征是，所述步 骤8)中的合理线损置信区间确定的具体步骤为： 81)将每个LS-SVR回归模型的建模训练数据输入到回归模型，得到单个样本的线 损预测值； 82)将每一类数据样本的线损预测值与实际值的残差按照从大到小进行排序； 83)计算每一类数据样本5 %数据个数叫，1^ =每一类数据样本总数/20; 84)线损预测值与实际值的残差按照从大到小进行排序后，前1^个样本对应的残 差值即为合理线损置信区间限。 本专利技术所达到的有益效果：本方法利用KFCM与LS-SVR算法，利用其计算精度等性 能可以满足电力系统的要求，在大数据条件下具有一定的合理性，其计算结果可以为电力 部门的台区线损管理提供较为可靠的指导意见，为当前智能电网中大数据的合理利用与挖 掘提供了新的思路。【附图说明】 图1是本专利技术的流程图； 图2是本专利技术的城网非居民类最优KFCM聚类分布结果图； 图3(a)是本专利技术的城网非居民类聚类-1的SVR模型拟合样本个数图； 图3(b)是本专利技术的城网非居民类聚类-1的SVR模型拟合实测线损率图； 图4(a)是本专利技术的城网非居民类聚类-2的SVR模型拟合样本个数图； 图4(b)是本专利技术的城网非居民类聚类-2的SVR模型拟合实测线损率图； 图5(a)是本专利技术的城网非居民类聚类-3的SVR模型拟合样本个数图； 图5(b)是本专利技术的城网非居民类聚类-3的SVR模型拟合实测线损率图。【具体实施方式】 下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术 的技术方案，而不能以此来限制本专利技术的保护范围。 如图1所示，本方法包括以下步骤： 步骤一，数据准备：从用电信息采集系统的Oracle数据库中以月为单位提本文档来自技高网...
【技术保护点】
一种低压台区KFCM‑SVR合理线损预测方法，其特征是，包括以下步骤：1)数据准备：从用电信息采集系统的Oracle数据库中以月为单位提取当月的相关建模数据，用于当月线损率的预测与评估；2)数据筛选：将数据变化较大或数据异常的台区去除，留下数据较为稳定的样本数据作为建模的数据来源，筛选后台区作为稳定台区；3)初次分类：按照城网与农网将数据分为两类，再按照居民容量占比将两类数据分别分为居民类、非居民类和混合类，得到6大类数据，其中，居民类容量占比≥0.9，非居民类容量占比≤0.1，混合类容量占比为(0.1,0.9)；4)数据标准化：采用Z‑score方法进行数据标准化，其公式如下：对于数据样本集X＝[x1,x2,…,xi]，为标准化后数据，xi为标准化前数据，为xi的均值，σi为xi的方差；5)数据聚类：选取参数，设定聚类数，采用KFCM算法对每一小类的标准化数据进行聚类，计算隶属度矩阵，按照隶属度将数据归为若干小类；6)最优聚类选取：针对每一个聚类类别计算轮廓系数，选取轮廓系数最大值所对应的聚类数作为最优聚类数，输出最优聚类结果以及聚类中心值；7)SVR回归模型建立：利用LS‑SVR算法建立n个回归模型，n为数据聚类后得到的总类别数，并计算每一类的残差置信空间；8)合理线损置信区间确定：设定95％作为阈值，针对每一个LS‑SVR回归模型计算其合理线损置信区间；9)线损预测值输出：将每个待预测数据样本归入与聚类中心最近的类别，并输入到所对应的SVR模型中，得到每一个预测数据的线损率预测值；计算其预测残差，并与合理线损置信区间对比，超过合理线损置信区间限的数据样本认为是线损不合理，给出是否合理的结论。...
【技术特征摘要】
【专利技术属性】
技术研发人员：梅飞，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。