一种基于关联向量机的输配电线路最大负荷辨识方法技术

本发明专利技术为一种基于关联向量机的输配电线路最大负荷辨识方法。一种基于关联向量机的输配电线路最大负荷辨识方法，包括以下步骤：S1：应用关联向量机，建立输配电线路日负荷模式的异常模式识别模型；S2：以输配电线路的日负荷数据作为样本，确定该异常模式识别模型的参数；S3：对输配电线路日负荷数据进行分类，提取异常数据并剔除，识别输配电线路真实年最大负荷。本发明专利技术涉所述的一种基于关联向量机的输配电线路最大负荷辨识方法,能够消除线路合环运行、负荷割接等影响，准确统计输配电线路的年最大负荷，以支撑电网规划和改造，可避免人工结合电网运行及改造等进一步校核，有助于提高自动化统计结果的准确性。

【技术实现步骤摘要】
一种基于关联向量机的输配电线路最大负荷辨识方法
本专利技术属于电力系统自动化领域，具体涉及一种基于关联向量机的输配电线路最大负荷辨识方法。
技术介绍
输配电线路最大负荷是电力系统网络N-1分析的基础，也是电网年度运行方式安排，以及规划和改造的关键依据之一。因此，输配电线路最大负荷的准确与否影响重大，对提高其统计分析的自动化水平具有重要意义。但是，电网的网架是动态变化的，运行方式也是灵活调整的，例如负荷割接、线路串供等，导致以时间为基准采集到的日负荷数据无法准确表征输配电线路的真实负载率。目前广泛采用的措施是自动统计的基础上，人工结合电网运行和改造情况，进一步校核和修正，仍存在效率低，且容易出错等问题。有鉴于此，本专利技术为了解决上述问题，基于关联向量机，提出一种新的输配电线路最大负荷辨识方法。
技术实现思路
本专利技术的目的是提供一种基于关联向量机的输配电线路最大负荷辨识方法，能够消除线路合环运行、负荷割接等影响，准确统计输配电线路的年最大负荷，以支撑电网规划和改造。为了实现上述目的，所采用的技术方案为：一种基于关联向量机的输配电线路最大负荷辨识方法，包括以下步骤：S1：应用关联向量机，建立输配电线路日负荷模式的异常模式识别模型；S2：以输配电线路的日负荷数据作为样本，确定所述的异常模式识别模型的参数；S3：对输配电线路日负荷数据进行分类，提取异常数据并剔除，识别输配电线路真实年最大负荷。进一步地，所述的步骤S30中，将提取到的异常数据与同期历史数据相比较，进一步核对和验证异常日负荷，再剔除异常数据。进一步地，所述的步骤S30中，剔除异常数据后，调整统计范围，确保其中所有日负荷数据合理，即可认为由调整后输配电线路合理日负荷数据集合得到的年最大负荷是真实年最大负荷。与现有技术相比，本专利技术的有益效果：本专利技术通过引入关联向量机辨识输配电线路的年最大负荷，避免了线路合环运行、负荷割接的干扰，准确掌握输配电线路年最大负荷的真实水平，避免人工结合电网运行及改造等进一步校核，有助于提高自动化统计结果的准确性，也有利于电网分析的自动化水平。附图说明图1为本专利技术的工作流程图；图2为实施例2的电路运行方式。具体实施方式为了进一步阐述本专利技术一种基于关联向量机的输配电线路最大负荷辨识方法，达到预期专利技术目的，以下结合较佳实施例，对依据本专利技术提出的一种基于关联向量机的输配电线路最大负荷辨识方法，其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。下面将结合具体的实施例，对本专利技术一种基于关联向量机的输配电线路最大负荷辨识方法做进一步的详细介绍：本专利技术的技术方案为：一种基于关联向量机的输配电线路最大负荷辨识方法，包括以下步骤：S1：应用关联向量机，建立输配电线路日负荷模式的异常模式识别模型；S2：以输配电线路的日负荷数据作为样本，确定该异常模式识别模型的参数；S3：对输配电线路日负荷数据进行分类，提取异常数据并剔除，识别输配电线路真实年最大负荷。优选地，所述的步骤S30中，将提取到的异常数据与同期历史数据相比较，进一步核对和验证异常日负荷，再剔除异常数据。优选地，所述的步骤S30中，剔除异常数据后，调整统计范围，确保其中所有日负荷数据合理，即可认为由调整后输配电线路合理日负荷数据集合得到的年最大负荷是真实年最大负荷。实施例1.结合图1所示的工作流程图，操作步骤如下：S1：应用关联向量机，建立输配电线路日负荷模式识别模型，用于判别其模式是否异常后，获得异常模式识别模型，即RVM模式识别模型。利用输配电线路的日负荷数据作为样本，确定该异常模式识别模型的参数。S2：采用步骤S1得到的RVM模式识别模型，对输配电线路日负荷进行分类，提取异常数据。S3：将步骤S2得到的异常数据与同期历史数据相比较，进一步核对和验证异常日负荷。S4：依据步骤S3中的结果，剔除输配电线路异常日负荷数据，调整统计范围，确保其中所有日负荷数据合理，即可认为由调整后输配电线路合理日负荷数据集合得到的年最大负荷是真实年最大负荷。应用关联向量机建立输配电线路日负荷状态模式辨识模型，具体如下：将输配电线路日负荷数据状态分为正常和异常两类，通过关联向量机建模找到日负荷向量x＝{xn}与状态目标值t＝{tn},n＝1...N之间的隐式函数y(x)，具体如下：式中，K(x,xi)表示核函数，w＝{w0,w1,…wN}表示权重系数向量，p(ti)表示状态目标值t的概率分布，Ν表示正态分布，δ2为方差。但对于本专利技术所涉及的二元分类，应用Sigmoid函数表征状态目标值t的概率分布，更具有普适性：式中，σ表示Sigmoid函数，通过拉普拉斯方法迭代求解：步骤1：假设α已知，求解极大似然估计权重系数向量wMP式中，yi＝σ[y(xi；w)]，α＝[α0,α1,α2,…αN]T为超因子矢量，A表示以α为对角元素的矩阵。通过牛顿法求解：式中，y＝[y1,y2,…,yN]T，步骤2：迭代逼近wMP式中，Σi,i是Σ的对角元素。确定wMP之后，即可进行输配电线路日负荷进行状态模式的识别，找到异常数据。为减少导致误判，将异常日负荷与历史同期数据进行二次比对，消除盲点。剔除异常数据后，可在合理日负荷数据集内，统计分析获得输配电线路真实年最大负荷。实施例2.考虑如图2所示运行方式改变：某年某月某日，B变电站检修需线路2XX开关停电，为不中断负荷供电，合上线路1与线路2联络开关、拉开线路2XX开关，将线路2的负荷调线路1供电，导致线路1负荷增加，日最大负荷异常。识别操作步骤如下：S1：应用关联向量机，建立线路1日负荷模式识别模型，即RVM模式识别模型。利用线路A在上述某年某月某日方式改变前的日负荷数据作为样本，确定该异常模式识别模型的参数。S2：采用步骤S1得到的RVM模式识别模型，对线路1方式改变日，即某年某月某的日负荷进行分类，发现并提取数据异常。S3：将步骤S2得到的异常数据与线路1同期历史数据相比较，核对和确认异常。S4：依据步骤S3中的结果，将线路1某年某月某的日负荷从年统计范围中剔除，排查非正常方式干扰，确保其中所有日负荷数据合理，进而可以得到线路1真实年最大负荷。以上所述，仅是本专利技术实施例的较佳实施例而已，并非对本专利技术实施例作任何形式上的限制，依据本专利技术实施例的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本专利技术实施例技术方案的范围内。本文档来自技高网...

【技术保护点】
1.一种基于关联向量机的输配电线路最大负荷辨识方法，其特征在于，包括以下步骤：/nS1：应用关联向量机，建立输配电线路日负荷模式的异常模式识别模型；/nS2：以输配电线路的日负荷数据作为样本，确定所述的异常模式识别模型的参数；/nS3：对输配电线路日负荷数据进行分类，提取异常数据并剔除，识别输配电线路真实年最大负荷。/n

【技术特征摘要】
1.一种基于关联向量机的输配电线路最大负荷辨识方法，其特征在于，包括以下步骤：
S1：应用关联向量机，建立输配电线路日负荷模式的异常模式识别模型；
S2：以输配电线路的日负荷数据作为样本，确定所述的异常模式识别模型的参数；
S3：对输配电线路日负荷数据进行分类，提取异常数据并剔除，识别输配电线路真实年最大负荷。


2.根据权利要求1所述的输配电线路...

【专利技术属性】
技术研发人员：李宇恒，于迎霞，童钰梅，
申请(专利权)人：新疆大学，
类型：发明
国别省市：新疆;65