一种确定无源台区线损率的主影响因素的方法及系统技术方案

本发明专利技术公开了一种确定无源台区线损率的主影响因素的方法及系统包括：获取多个台区的原始的台区线损特征数据，并进行预处理；根据台区容量对多个经过处理的台区线损特征数据进行分组，并对每组的经过处理的台区线损特征数据进行聚类处理，确定每个经过处理的台区线损特征数据对应的簇；采用主成分分析法对经过处理的台区线损特征数据进行降维处理，并根据各成分的贡献率确定至少一个主成分；确定与每个主成分相关性最强的特征类别为无源台区线损率的主影响因素；确定训练数据集和测试数据集，基于选取的台区线损主要影响因素构建用于确定无源台区线损率的神经网络初始模型，以验证所确定的无源台区线损率主要影响因素的合理性。理性。理性。

【技术实现步骤摘要】
一种确定无源台区线损率的主影响因素的方法及系统


[0001]本专利技术涉及基于机器学习的电力系统数据处理
，并且更具体地，涉及一种确定无源台区线损率的主影响因素的方法及系统。

技术介绍

[0002]电力系统正常运行时，在发电、输电、配电和用电四个环节上均会产生不同程度的线路损耗，其中线路损耗电量占供电总量的比例即为线损率。作为电网运行过程中的重要指标，线损率的准确计算一直是电力企业的研究重心。低压台区通常指一台变压器低功率测的供电区域，而低压无源台区线损率的准确计算对于电网运行情况的分析至关重要，尤其是对于高损台区及其他线损率异常台区的有效识别起到重要作用。基于上述原因，寻找一种确定无源台区线损率的主影响因素的方法是有研究价值的。目前台区线损的计算方法主要包括台区损耗率法、等值电阻法、牛顿拉普逊法、回归分析法等。由于上述的传统线损率计算方法对于包括网架结构、线路长度、线路阻抗、实抄电量等相关数据过于依赖，且难以考虑到更加复杂的线损率影响因素，如居民用电比例等因素，因此根据实际情况，在现有低压无源台区统计数据的基础上进行筛选与分析。
...

【技术保护点】

【技术特征摘要】
1.一种确定无源台区线损率的主影响因素的方法，其特征在于，所述方法包括：获取多个台区的原始的台区线损特征数据，并对所述每个原始的台区线损特征数据进行预处理，以获取多个经过处理的台区线损特征数据；根据台区容量对多个经过处理的台区线损特征数据进行分组，并对每组的经过处理的台区线损特征数据进行聚类处理，确定每个经过处理的台区线损特征数据对应的簇；采用主成分分析法对经过处理的台区线损特征数据进行降维处理，并根据各成分的贡献率确定至少一个主成分；确定与每个主成分相关性最强的原始特征为无源台区线损率的主影响因素；基于每个经过处理的台区线损特征数据对应的簇，确定训练数据集和测试数据集，构建基于台区线损主要影响因素的用于确定无源台区线损率的神经网络初始模型，并根据所述训练数据集和测试数据集对所述用于确定无源台区线损率的神经网络初始模型进行训练和测试，以获取用于确定无源台区线损率的神经网络优化模型，根据神经网络模型计算结果对所确定的无源台区线损率主影响因素进行验证。2.根据权利要求1所述的方法，其特征在于，所述台区线损特征数据对应的特征类别，包括：台区居民用户比例、功率因数、负载率、三相不平衡度和最大负荷。3.根据权利要求1所述的方法，其特征在于，所述对所述每个原始的台区线损特征数据进行预处理，以获取多个经过处理的台区线损特征数据，包括：预处理，以获取多个经过处理的台区线损特征数据，包括：预处理，以获取多个经过处理的台区线损特征数据，包括：其中，n为台区总数，z
ij
为第i个台区的第j个特征类别对应的经过处理的台区线损特征数据；x
ij
为第i个台区的第j个特征类别对应的原始的台区线损特征数据；为第j个特征类别对应的台区线损特征数据的平均值；s
ij
为第i个台区的第j个特征类别对应的方差。4.根据权利要求1所述的方法，其特征在于，利用Mean
‑
shift算法对每组的经过处理的台区线损特征数据进行聚类处理，确定每个经过处理的台区线损特征数据对应的簇。5.根据权利要求1所述的方法，其特征在于，所述采用主成分分析法对经过处理的台区线损特征数据进行降维处理，并根据各成分的贡献率确定至少一个主成分，包括：利用如下公式根据经过处理的台区线损特征数据计算相关系数矩阵，包括:其中，m为原始特征数，R为m行m列的相关系数矩阵，r
ij
为矩阵R中第i行，第j列的元素，i＝1,2,
…
,m，j＝1,2,
…
,m，Z为台区的特征矩阵；根据所述相关系数矩阵，利用如下公式计算特征值与特征向量，包括：|R
‑
λE|＝0，
(R
‑
λ
j
E)u
j
＝0，其中，λ为相关系数矩阵R的特征值，E为单位矩阵，λ
j
为第j个特征值，u
j
为第j个特征值对应的特征向量，j＝1,2,
…
,m，用于合成变换矩阵；利用如下公式计算每个成分的信息贡献率b
j
，包括：其中，b
j
为第j个成分的信息贡献率，m为原始特征数，λ
j
为第j个特征值，j＝1,2,
…
,m，λ
k
为第k个特征值，k＝1,2,
…
,m；对所述贡献率进行降序排列，根据降序结果依次进行累加，并选取累计贡献率大于等于预设的累计贡献率阈值时的前预设个数a的成分为主成分；将主成分对应的前a个特征向量u
j
合成变换矩阵U,包括：U＝[u1,u2,
…
,u
a
]
T
，其中，u1,u2,
…
,u
a
为前a个特征值对应的特征向量，U为初始台区特征矩阵到主成分特征矩阵的变换矩阵。6.根据权利要求1所述的方法，其特征在于，确定与每个主成分相关性最强的特征类别为无源台区线损率的主影响因素，并将主影响因素作为BP神经网络输入样本的特征，进行训练与测试，若测试的线损偏差满足要求则说明主影响因素选取合适，若不满足要求，则增大主成分个数进而增加主影响因素个数，基于新确定的主影响因素重新构建BP神经网络并对所确定的影响因素是否满足要求进行验证。7.一种确定无源台区线损率的主影响因素的系统，...

【专利技术属性】
技术研发人员：刁新平，李媛，谭煌，于海波，张密，乔文俞，刘婧，谷凯，郭俊岑，李亚杰，张琪，田成明，姚力，章江铭，倪琳娜，
申请(专利权)人：国网浙江省电力有限公司营销服务中心国家电网有限公司，
类型：发明
国别省市：