一种基于主因子分析法的中压配电网线损关键特征指标提取方法及系统技术方案

本发明专利技术提出了一种基于主因子分析法的中压配电网线损关键特征指标提取方法及系统，方法如下，首先收集线路原始数据；接着对原始数据进行中心化和标准化处理；将处理后的数据按照预定比例划分训练集和测试集，将测试集中的线损关键特征指标导入到训练好的多层感知机线损计算模型中，得到线损率预测值；最后对标准化后的数据进行因子分析法的计算。本发明专利技术将中压配电网的八个特征因素转换成为六个主因子，既能包含全部数据特征，又可以简化分析难度，实现中压配电网线损关键特征指标的提取；能够精确、快速地计算出中压配电网的线损率，可以为供电企业制定合理的降损措施提供依据。

【技术实现步骤摘要】
一种基于主因子分析法的中压配电网线损关键特征指标提取方法及系统
本专利技术涉及一种基于主因子分析法的中压配电网线损关键特征指标提取方法及系统，属于配电网控制领域。
技术介绍
随着用电负荷的不断增加，10kV电网损耗电量占总损耗的26.28％，线损问题越来越突出。精确、快速地计算出中压配电网的线损率，可以为供电企业制定合理的降损措施提供依据。近年来，国内外学者对配电网线损计算方法进行了系统的研究,有学者提出一种采用基础数据利用改进形状系数法计算线损的方法，此方法依赖网络结构、线路型号和长度等信息。随着用电信息采集系统的普及，越来越多的数据可用来分析线损，可根据线损关键特征指标，利用人工智能算法对线损率进行预测。“因子分析”于1931年由Thurstone首次提出，其概念起源于20世纪初KarlPearson和CharlesSpearmen等人关于智力测验的统计分析。因子分析的目的是用少数的几个因子去来描述多个数据之间的联系，就是用一个因子来表示同一类变量，以少数的几个因子来反映原始资料的大部分信息。每个公因子代表空间的一个本文档来自技高网...

【技术保护点】
1.一种基于主因子分析法的中压配电网线损关键特征指标提取方法，其特征是包括以下步骤：/n步骤1、收集线路原始数据；/n步骤2、对原始数据进行中心化和标准化处理；/n步骤3、将处理后的数据按照预定比例划分训练集和测试集，将测试集中的线损关键特征指标导入到训练好的多层感知机线损计算模型中，得到线损率预测值；/n步骤4、对标准化后的数据进行因子分析法的计算。/n

【技术特征摘要】
1.一种基于主因子分析法的中压配电网线损关键特征指标提取方法，其特征是包括以下步骤：
步骤1、收集线路原始数据；
步骤2、对原始数据进行中心化和标准化处理；
步骤3、将处理后的数据按照预定比例划分训练集和测试集，将测试集中的线损关键特征指标导入到训练好的多层感知机线损计算模型中，得到线损率预测值；
步骤4、对标准化后的数据进行因子分析法的计算。


2.根据权利要求1所述的一种基于主因子分析法的中压配电网线损关键特征指标提取方法，其特征在于，所述步骤1中原始数据包括上网电量占比、末端电量占比、功率因数、末端压降、三相不平衡度、负荷特性、负载率、供电半径。


3.根据权利要求1所述的一种基于主因子分析法的中压配电网线损关键特征指标提取方法，其特征在于，所述步骤2进一步包括：
步骤2-1、对样本数据进行中心化和标准化处理，将其转为[0,1]之间的无量纲的值，使得变量值在数量级上处于同等的地位；
步骤2-2、开始提取特征指标，设有n个中压配电网参与线损关键特征指标，用xi(i＝1,2,…,n)表示，对每个配电网选择p个特征量，那么对于第i个配电网第j个特征量，将其的值记为xij，因此这n个配电网的特征量所排列组成的集合，将其以矩阵的形式进行表示，将其称为样本数据矩阵：



步骤2-3、用各个变量去减去相应的各个变量的均值，记第j个特征变量的平均值为则变量xij进行中心化处理过程的计算方法如下：






式中，各符号含义同步骤1-2；
中心化处理之后，各个变量的平均值为0，因此，各个变量将具有相同的基点；
步骤2-4、在中心化处理的基础之上，对数据进行标准化处理，使得数据的取值范围相等，采用标准差对数据进行标准化处理，记第j个变量的标准差为Sj，对x′ij实施标准化变换，计算如下：






式中各符号含义同步骤2-2。


4.根据权利要求1所述的一种基于主因子分析法的中压配电网线损关键特征指标提取方法，其特征在于，所述步骤3进一步包括：
步骤3-1、将处理后的数据的70％作为多层感知机的训练集，将处理后的数据的30％作为多层感知机的测试集；
步骤3-2、将训练集中的数据导入到多层感知机中，其中线损率作为因变量，8个线损关键特征指标作为自变量导入到多层感知机中进行训练，得到基于多层感知机的线损计算模型；
步骤3-3、设置多层感知机参数：训练误差为0.0001，隐藏层参数为1层、4个单元，激活函数使用双曲正切；输出层激活函数选择恒等式，误差函数选择平方和，将训练集导入多层感知机中，对多层感知机模型进行训练，得到训练好的多层感知机线损计算模型；
步骤3-4、将测试集中的8个线损关键特征指标导入到训练好的多层感知机线损计算模型中，得到线损率预测值，并将线损率预测值加上误差区间，得到预测出的线损率区间；
步骤3-5、若真实线损率在预测出的线损率区间中，则认为预测结果是正确的；若真实线损率在预测出的线损率区间中，则认为预测结果是错误的；
步骤3-6、将预测出的线损率和真实的线损率进行对比。


5.根据权利要求1所述的一种基于主因子分析法的中压配电网线损关键特征指标提取方法，其特征在于，所述步骤4进一步包括：
步骤4-1、计算原始因子模型的一般形式：
设原始变量为：



其均值向量和协方差矩阵V＝(σij)p×p都存在，原始变量由公因子和某些特殊因子表示，其表达式为：



其中，F1,F2,…,Fn表示的是表征的公因子，而εi则是原始变量的特殊因子；这样，可以得到：









因此，原始变量的因子模型可以表征为：



其中，A为因子载荷矩阵，aij成为Xi在因子Fj上的载荷系数；
步骤4-2、利用矩阵的正交变换法则对因子模型正交旋转：
将等价为此时因子载荷矩阵由原来的A变化成为B＝AT，而公因子则由原来的变成
步骤4-3、根据步骤4-1和4-2，得到由因子表征的原始矩阵；运用因子分析初期，进行一次将原始变量分解成用公共因子表征的变换，即：
Xi＝ai1F1+ai2F2+…+aimFm+εi(i＝1,2,…,n)
同样的，经过数学转换，用每个原始变量来表征公共因子，即：
Fj＝bj1X1+bj2X2+…+bjnXn(j＝1,2,…,m)
上式称之为因子得分函数，用来基数按每个原始变量在公共因子上的得分，定义主因子后，则可以进行主因子得分计算，来进行进一步的排序和分析。


6.根据权利要求4所述的一种基于主因子分析法的中压配电网线损关键特征指标提取方法，其特征在于，所述多层感知机线损计算模型进一步包括包含有突触、加法器、激励函数的神经元：



y...

【专利技术属性】
技术研发人员：程雪婷，霍成军，王玮茹，李蒙赞，刘新元，马东娟，王锬，孟强，郑雅轩，薄利明，吕振铎，李婷，李东明，白永军，皮军，张一帆，魏青艳，郝捷，
申请(专利权)人：国网山西省电力公司电力科学研究院，
类型：发明
国别省市：山西;14