一种对基于降维的电气特征数据进行均值聚类的方法及系统技术方案

本发明专利技术公开了一种对基于降维的电气特征数据进行均值聚类的方法及系统，其中方法包括：将多个台区的多个电气特征的矩阵中的参数数据进行标准化处理；对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵；将所述多个台区的多个电气特征的降维矩阵的参数数据作为输入数据，对所述降维矩阵的参数数据通过均值聚类算法进行聚类，获取多个台区的聚类结果。

A mean clustering method and system for electrical characteristic data based on dimension reduction

【技术实现步骤摘要】
一种对基于降维的电气特征数据进行均值聚类的方法及系统
本专利技术涉及低压台区
，更具体地，涉及一种对基于降维的电气特征数据进行均值聚类的方法及系统。
技术介绍
线损是可以反映电力企业的经营和管理水平重要技术经济指标，其大小与电力企业的经济效益息息相关。低压台区的线损占到了整个配电网线损的一半以上，低压台区线损指的是电压在0.4kV及以下情况下所产生的线损，在电力系统的电能损耗中占的比例较大，具有不易察觉的特点，在我国电网现状下，低压台区线损有非常大的降损节电潜力，可以通过加强低压台区的线损管理，以此来有效地监测配电网每个台区所有电力用户用电量变化，来分析线损组成。因此，低压台区线损分析和降损可以大大降低供电企业运营成本，随着新一轮电力体制改革的持续深入和电力公司化运营管理机制的不断完善，低压台区线损管理的重要性将日益突出，也成为深入开展线损精细化管理的重点。对低压台区的线损进行分析，研究其降损措施，有针对性地采取措施进一步降低台区的线路损耗将显著地提高电力企业的效益，也将为缓减能源压力、减轻环境污染，构建节能环保型社会做出相应的贡献，具有重要的理论研究意义和工程应用价值。线损计算所需要的原始数据一是有关电力网结构的元件参数和接线图；二是有关电力网的运行参数(电流、电压、功率因数、有功及无功功率等)。但是由于低压台区的建设和管理状况参差不齐、台区和终端用户数目庞大、台账管理不完备、线路分布复杂多样、用电采集系统的采集成功率差别较大，不论计算理论线损率还是评估统计线损率，均需要动用大量的人力、物力才能收集到必要的运行资料和数据，工作量非常大，供电部门很难每月进行一次计算工作。并且目前台区线损管理中普遍存在户变关系不清、抄表量不佳、窃电、计量故障等管理原因致使线损计算数值不准确。基于上述现状，如何快速、准确地计算出台区线损率是亟待解决的问题。近年来，机器学习的出现与发展，为台区线损率计算提供了新思路和新途径，这类算法无需人工建立配电网复杂的数学模型，通过对样本的训练就可以实现输入到输出的映射，但由于台区规模、用电结构、经济发展水平等各方面差异比较大，将所有台区的线损率放在同一水平线上进行计算评估并不合理，所以需要对台区进行分类分析。因此，需要一种技术，以实现基于降维的电气特征数据进行均值聚类的方法。
技术实现思路
本专利技术技术方案提供一种对基于降维的电气特征数据进行均值聚类的方法及系统，以解决如何基于降维的电气特征数据进行均值聚类的问题。为了解决上述问题，本专利技术提供了一种对基于降维的电气特征数据进行均值聚类的方法，所述方法包括：将多个台区的多个电气特征的矩阵中的参数数据进行标准化处理；对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵；将所述多个台区的多个电气特征的降维矩阵的参数数据作为输入数据，对所述降维矩阵的参数数据通过均值聚类算法进行聚类，获取多个台区的聚类结果。优选地，还包括：对多个台区的参数数据进行去噪处理，根据多个台区的参数数据的日均线损率和线损率样本方差确定线损率变异系数，消除线损率变异系数大于设定阈值的台区。优选地，还包括：通过SC系数和CH系数对多个台区的聚类结果进行评价。优选地，多个台区的多个电气特征的矩阵中的参数，包括：台区容量、负载率、功率因数、功率方差、三相不平衡度、最大负荷以及居民用户占比。优选地，所述对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵，还用于：对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据Zij进行降维，采用t-SNE流形学习的非线性降维方法，将高维数据降到3维或2维，实现结果可视化，如下：(1)计算高维空间台区两两样本点之间的相似性条件概率pi|j和pj|i：式中zi为标准化后第i个台区的特征向量，取值服从以zi为中心方差为δi的高斯分布，同样zj为标准化后第j个台区的特征向量，取值服从以zj为中心方差为δj的高斯分布；(2)计算高维空间内台区两两样本点之间联合概率pij：式中N为台区总数量；(3)计算低维空间内两点之间的联合概率qij：式中vi，vj，vk，vl分别为高维数据点zi，zj，zk，zl映射到低维空间的点；低维数据点vi，vj真实的反应了高维数据点zi，zj之间的关系。(4)计算pij和qij之间的KL散度，将其设为目标函数C：P为高维空间数据点的联合概率分布；Q为低维空间数据点的联合概率分布；(5)用目标函数C对输入数据对应的低维度表达式进行求导，并把该低维度表达式作为可优化变量进行寻优，从而得到输入值在低维空间的最佳模拟点：δ为求导符号；通过以上步骤，得到降维矩阵V。基于本专利技术的另一方面，提供一种对基于降维的电气特征数据进行均值聚类的系统，所述系统包括：处理单元，用于将多个台区的多个电气特征的矩阵中的参数数据进行标准化处理；降维单元，用于对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵；执行单元，用于将所述多个台区的多个电气特征的降维矩阵的参数数据作为输入数据，对所述降维矩阵的参数数据通过均值聚类算法进行聚类，获取多个台区的聚类结果。优选地，还包括初始单元，用于：对多个台区的参数数据进行去噪处理，根据多个台区的参数数据的日均线损率和线损率样本方差确定线损率变异系数，消除线损率变异系数大于设定阈值的台区。优选地，还包括评价单元，用于：通过SC系数和CH系数对多个台区的聚类结果进行评价。优选地，多个台区的多个电气特征的矩阵中的参数，包括：台区容量、负载率、功率因数、功率方差、三相不平衡度、最大负荷以及居民用户占比。优选地，所述降维单元用于对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵，还用于：对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据Zij进行降维，采用t-SNE流形学习的非线性降维方法，将高维数据降到3维或2维，实现结果可视化，如下：(1)计算高维空间台区两两样本点之间的相似性条件概率pi|j和pj|i：式中zi为标准化后第i个台区的特征向量，取值服从以zi为中心方差为δi的高斯分布，同样zj为标准化后第j个台区的特征向量，取值服从以zj为中心方差为δj的高斯分布；(2)计算高维空间内台区两两样本点之间联合概率pij：式中N为台区总数量；(3)计算低维空间内两点之间的联合概率qij：式中vi，vj，vk，vl分别为高维数据点zi，zj，zk，zl映射到低维空间的点；低维数据点vi，v本文档来自技高网...

【技术保护点】
1.一种对基于降维的电气特征数据进行均值聚类的方法，所述方法包括：/n将多个台区的多个电气特征的矩阵中的参数数据进行标准化处理；/n对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵；/n将所述多个台区的多个电气特征的降维矩阵的参数数据作为输入数据，对所述降维矩阵的参数数据进行聚类，获取多个台区的聚类结果。/n

【技术特征摘要】
1.一种对基于降维的电气特征数据进行均值聚类的方法，所述方法包括：
将多个台区的多个电气特征的矩阵中的参数数据进行标准化处理；
对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵；
将所述多个台区的多个电气特征的降维矩阵的参数数据作为输入数据，对所述降维矩阵的参数数据进行聚类，获取多个台区的聚类结果。


2.根据权利要求1所述的方法，还包括：对多个台区的参数数据进行去噪处理，根据多个台区的参数数据的日均线损率和线损率样本方差确定线损率变异系数，消除线损率变异系数大于设定阈值的台区。


3.根据权利要求1所述的方法，还包括：通过SC系数和CH系数对多个台区的聚类结果进行评价。


4.根据权利要求1所述的方法，多个台区的多个电气特征的矩阵中的参数，包括：台区容量、负载率、功率因数、功率方差、三相不平衡度、最大负荷以及居民用户占比。


5.根据权利要求1所述的方法，所述对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据进行降维，获取所述多个台区的多个电气特征的降维矩阵，包括：
对经过标准化处理后的所述多个台区的多个电气特征的矩阵中的参数数据Zij进行降维，将参数数据Zij降到3维或2维。


6.一种对基于降维的电气特征数...

【专利技术属性】
技术研发人员：刘丽平，董美娜，姚力，唐伟，吴萍，张子岩，章江铭，张密，李媛，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，华北电力大学，国网浙江省电力有限公司，国网四川省电力公司电力科学研究院，
类型：发明
国别省市：北京;11