一种孪生神经网络的重要电力用户电能质量数据分类方法技术

本发明专利技术涉及一种孪生神经网络的重要电力用户电能质量数据分类方法，包括以下步骤：步骤1、采集不同低压配电网重要电力用户历史数据；步骤2、将步骤1所采集不同低压配电网重要电力用户历史数据，进行数据特性分析并选取合适的后续参与分类的变量，并采集该变量对应的历史数据；步骤3、根据现有电能质量的国家标准，应用基于孪生神经网络的计算方法，对不同电力用户电能质量数据进行分类。本发明专利技术提出重要低压电力用户电能质量数据分类的孪生网络方法，实现了不同电力用户电能质量的特性分析。析。析。

【技术实现步骤摘要】
一种孪生神经网络的重要电力用户电能质量数据分类方法


[0001]本专利技术属于电能质量数据分类
，涉及一种低压配电网海量数据分类方法，尤其是一种孪生神经网络的重要电力用户电能质量数据分类方法。

技术介绍

[0002]目前，针对电力用户用电需求及其特性信息分析，在基于数据驱动的技术方法应用领域,为满足广大电力用户需求，我国目前利用电力信息物联网为用户提供了更多的电力信息分析依据和技术基础,以及像智能动力电表等现代化的新型智能电力计量处理装置和其他相应的电力信息数据通讯处理技术，相关方面的发展得到了较大提升,使得这些较为海量的电力用电经济数据往往在众多用户侧中产生,这些用电数据往往本身包含着丰富的各类电力用电经济活动及其行为的内在活动规律和各种衍生信息资料。因此,为了更好地挖掘充分利用这些电力数据,相关领域专家学者们已经开始积极通过应用大数据挖掘现代科学技术和新手段应用来收集提取其中有价值的心理资料和环境信息,以此建立一种由数据驱动的新型企业电力用电环境行为心理学和企业环境管理特性数据分析的研究方法。
[0003]随着高尖精生产企业、低压高品质电力用户的增加，以及分布式电源、微电网等规模化接入低压配电网，低压配电网电能质量的监测和管理成为电力企业的重点工作之一。然而，当前电能质量监测设备以及相关监测系统一般主要部署在10kV及以上母线或出线上，存在价格高、运营成本高等系列问题，难以反映众多低压电网用户电能质量问题，无法较好的定位或者溯源电能质量的影响源，缺少有效的高品质电能质量供应解决办法，而且电力数据分类研究较少，为此，依托现有电力企业所采集的电能质量历史数据，开展基于孪生神经网络的低压配电网海量数据分类方法研究。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提出一种孪生神经网络的重要电力用户电能质量数据分类方法，能够得到对不同电力用户电能质量数据的类别。
[0005]本专利技术解决其现实问题是采取以下技术方案实现的：
[0006]一种孪生神经网络的重要电力用户电能质量数据分类方法，包括以下步骤：
[0007]步骤1、采集不同低压配电网重要电力用户历史数据；
[0008]步骤2、将步骤1所采集不同低压配电网重要电力用户历史数据，进行数据特性分析并选取合适的后续参与分类的变量，并采集该变量对应的历史数据；
[0009]步骤3、根据现有电能质量的国家标准，应用基于孪生神经网络的计算方法，对不同电力用户电能质量数据进行分类。
[0010]而且，所述步骤1的具体方法为：
[0011]依托现有电网企业采集不同低压配电系统(220kV/380kV)电力用户历史数据。
[0012]而且，所述步骤2的进行数据特性分析并选取合适的数据作为后续参与分类的变量具体方法为：综合考虑高度、温度和湿度对气压的影响作用，选取气压作为后续参与分类
的变量，并采集相关的气压的历史数据。
[0013]而且，所述步骤3的具体步骤包括：
[0014]步骤3.1：缺失值处理，剔除缺失值数据；
[0015]步骤3.2：随机选择某一天的气压数据作为基准值组，其余天的气压数据组与基准值组构成样本对，对其中部分样本对采用分类指标得到对应类别，最终得到[(基准值组+对比组)，类别]的数据形式输入；
[0016]步骤3.3构建孪生网络分类器，得到电力用户的分组；
[0017]步骤3.4：将步骤2中未知类别的气压数据组与基准值组共同作为已经训练完成的孪生神经网络的输入，最终得到对不同电力用户电能质量数据的类别。
[0018]而且，所述步3.3的具体步骤包括：
[0019]步骤3.31：计算两个特征向量间的距离；
[0020]采用L1范数，计算两个特征向量间的距离公式如下：
[0021]E
W
(X1,X2)＝||GW(X1)－GW(X2)||
[0022]式中，X1、X2表示输入的数据，W表示模型参数，GW(X1)、GW(X2)是由输入数据形成的特征向量，E
W
指是通过计算衡量两组特征向量间的距离；
[0023]步骤3.32：根据步骤3.31计算得到的距离，提出损失函数，如下式：
[0024][0025]L(W，(Y，X1，X2)
i
)＝(1
‑
Y)L
G
(E
W
(X1，X2)
i
) +YL
I
(E
W
(X1，X2)
i
)
[0026]式中，Y为0，代表X1,X2同类，Y为1则不同类；P代表输入的总样本数， P
i
即第i个样本；L
G
表示同类样本的损失函数，L
I
表示不同类样本的损失函数。
[0027]经过推导，可以得到损失函数，如式：
[0028][0029]步骤3.33：通过Loss计算，可以将相似度较大的两个输入变量归为一类，以此达到分类的目的，最后带入重要电力用户数据，得到电力用户的分组。
[0030]本专利技术的优点和有益效果：
[0031]1、本专利技术采用了一种孪生神经网络的重要电力用户电能质量数据分类方法，提出重要低压电力用户电能质量数据分类的孪生网络方法，得到对不同电力用户电能质量数据的类别，进而能够实现不同电力用户电能质量的特性分析。
[0032]2、本专利技术通过构造Loss函数与孪生网络进行分类，相比于现有技术中基于K
‑
mean进行分类，本专利技术的方法直接对比两类数据，更加简洁。
[0033]3、本专利技术通过将数据分为各个子区间的数据类别，分类更加具体。
附图说明
[0034]图1是本专利技术的数据分类具体步骤流程图；
[0035]图2是本专利技术的分类流程图；
[0036]图3是本专利技术方法的孪生网络分类器示意图；
[0037]图4是本专利技术方法的分类结果图。
具体实施方式
[0038]以下结合附图对本专利技术实施例作进一步详述：
[0039]一种孪生神经网络的重要电力用户电能质量数据分类方法，如图1所示，包括以下步骤：
[0040]步骤1、依托现有电网企业采集不同低压配电网重要电力用户历史数据。
[0041]所述步骤1的具体方法为：
[0042]步骤1.1：依托现有电网企业采集不同低压配电系统(220kV/380kV)电力用户历史数据，如表1所示：
[0043]表1部分实际数据
[0044][0045][0046]表2各标签意义
[0047][0048][0049]步骤2、将步骤1所采集不同低压配电网重要电力用户历史数据，进行数据特性分析并选取合适的后续参与分类的变量，并采集该变量对应的历史数据；
[0050]所述步骤2的进行数据特性分析并选取合适的数据作为后续参与分类的变量具体方法为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：包括以下步骤：步骤1、采集不同低压配电网重要电力用户历史数据；步骤2、将步骤1所采集不同低压配电网重要电力用户历史数据，进行数据特性分析并选取合适的后续参与分类的变量，并采集该变量对应的历史数据；步骤3、根据现有电能质量的国家标准，应用基于孪生神经网络的计算方法，对不同电力用户电能质量数据进行分类。2.根据权利要求1所述的一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：所述步骤1的具体方法为：依托现有电网企业采集不同低压配电系统220kV/380kV电力用户历史数据。3.根据权利要求1所述的一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：所述步骤2的进行数据特性分析并选取合适的数据作为后续参与分类的变量具体方法为：综合考虑高度、温度和湿度对气压的影响作用，选取气压作为后续参与分类的变量，并采集相关的气压的历史数据。4.根据权利要求1所述的一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：所述步骤3的具体步骤包括：步骤3.1：缺失值处理，剔除缺失值数据；步骤3.2：随机选择某一天的气压数据作为基准值组，其余天的气压数据组与基准值组构成样本对，对其中部分样本对采用分类指标得到对应类别，最终得到[(基准值组+对比组)，类别]的数据形式输入；步骤3.3构建孪生网络分类器，得到电力用户的分组；步骤3.4：将步骤2中未知类别的气压数据组与基准值组共同作为已经训练完成的孪生神经网络的输入，最终得到对...

【专利技术属性】
技术研发人员：骈睿珺，赵学明，赵长伟，葛磊蛟，秦羽飞，刘宇行，李治，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：