【技术实现步骤摘要】
本专利技术涉及配电网理论线损计算，尤其涉及一种考虑分布式电源接入的台区线损率计算方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、分布式电源包括光伏、储能等大规模接入对台区线路损耗及变压器损耗带来新的影响，由于低压台区网架架构薄弱，配变供电距离长等自身因素，高渗透率分布式光伏接入后反送电造成配电线损增多。
3、近年来，随着人工智能相关研究的快速发展，许多机器学习算法也在电力领域得到大量应用，神经网络，集成学习和聚类等方法均被应用于该领域的工作中。但现有方法所需电气参数的选取大多依靠经验，没有充分考虑分布式电源接入台区后对理论线损计算的影响，而且也没有考虑到不同电气参数影响程度的不同，开展针对性的电气参数选择，建立针对性理论线损计算模型。
技术实现思路
1、为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种考虑分布式电源接入的台区线损率计算方法及系统，本专利技术在考虑分布式光伏大规模接入低压配电网的前提下，在特征优选策略和深度机器学习的基础上深入研究不同电气特征指标对配电台区线损的影响，高效准确的计算台区线损率，为电网实现精细化管理、促进节能降损工作提供了数据支撑。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供一种考虑分布式电源接入的台区线损率计算方法。
4、一种考虑分布式电源接入的台区线损率计算方法，包括：
6、考虑线损率，采用皮尔逊相关系数计算原始电气特征指标与线损率之间的相关系数，根据相关系数与阈值的关系，构建电气特征指标体系；
7、基于电气特征指标体系，采用kohonen聚类算法，确定每个簇初始中心对象；基于每个簇初始中心对象，采用pam聚类，根据设定的聚类质量评价函数，选择性将非中心对象替换为中心对象，以此将台区原始电气特征指标分为不同类别；
8、基于台区原始电气特征指标的分类结果，采用xgboost算法，得到台区线损率。
9、进一步地，所述采用kohonen聚类算法，确定每个簇初始中心对象的过程包括：
10、将电气特征指标体系中的数据作为kohonen聚类算法的输入，初始化连接权值，对n个输入节点到m个输出节点的连接权值进行赋值；
11、在输入数据归一化后，从输入层提取k个电气特征向量；
12、通过计算聚类结果总的评价系数来选取k值；
13、计算输入节点与全部输出节点连接权值的距离；
14、比较输出节点，得出获胜节点c为具有最小距离的节点；
15、调整获胜节点c所连接的权向量及其几何邻域nc(t)内的节点连接权值；
16、确定可变学习速度ηt；
17、根据可变学习速度ηt，得到收敛边界，得到获胜节点；
18、按照上述过程对下一样本数据进行训练，得到k个获胜节点；
19、将得到的k个获胜节点作为每个簇初始中心对象。
20、进一步地，所述采用pam聚类的过程包括：
21、将得到的k个获胜节点作为每个簇初始中心对象，进行pam聚类，在聚类过程中，采用聚类质量评价函数进行对象迭代划分；
22、将剩余对象分配至与其最近的中心对象所代表的簇中；
23、选取一个未选取过的中心对象oi；
24、选取一个未选取过的非中心对象oj；如果用oj替换oi聚类质量评价函数变小，则用oj替换oi并形成新k个中心对象的聚类集合；
25、重复非中心对象选取和中心对象选取的过程，直至所有非中心对象和中心对象均被选取过；
26、输出k个簇，得到台区原始电气特征指标的分类结果。
27、更进一步地，所述聚类质量评价函数为
28、
29、式中：e是参加聚类的所有对象x与其所属簇的中心对象oi的绝对误差之和，dist(x,oi)表示，x∈r表示单个样本的输入特征。
30、进一步地，所述xgboost算法采用以下公式：
31、
32、式中：表示迭代p轮后预测值；表示迭代p-1轮后预测值；fp(xr)表示决策树模型，xr是输入的第r个特征向量；p表示回归树的数量；r是回归树的集合空间；fq()表示集合r上的一个函数，用来表示基学习器的输出。
33、进一步地，所述xgboost算法的目标函数为：
34、
35、式中：ω(f)表示正则惩罚项，表示第p棵树的模型复杂度，其目的是防止模型过拟合，表示迭代p轮后预测值；表示迭代p-1轮后预测值；fp(xr)表示决策树模型，是损失函数项。
36、进一步地，正则惩罚项ω(f)为：
37、
38、式中：γ、λ为正则系数；t为末端叶子节点的个数；ω为末端叶子节点的权重；
39、进一步地，所述原始电气特征指标包括：线路长度、线路型号、功率因数、负载率、三相不平衡度、供电半径、光伏出力变化率、居民负荷变化率、分布式电源渗透率、台区运行年限、城农网标识、居民容量占比和台区用户数；
40、进一步地，对原始电气特征指标进行预处理，包括剔除异常数据和数据标准化处理；
41、进一步地，所述剔除异常数据包括，采用滑动平滑法对原始电气特征指标进行数据平滑处理；
42、进一步地，所述数据标准化处理包括：计算原始电气特征指标的均值和方差，计算原始电气特征指标与均值的差值，根据差值与标准差的比值，得到标准化后的数据；
43、进一步地，所述根据相关系数与阈值的关系，构建电气特征指标体系的过程包括：判断所述相关系数是否大于设定的阈值，若是，不允许该相关系数对应的两个电气特征指标同时出现在电气特征指标体系，否则，允许该相关系数对应的两个电气特征指标同时出现在电气特征指标体系；以此构建电气特征指标体系。
44、本专利技术的第二个方面提供一种考虑分布式电源接入的台区线损率计算系统。
45、一种考虑分布式电源接入的台区线损率计算系统，包括：
46、数据获取模块，其被配置为：获取影响台区线损的原始电气特征指标；
47、相关计算模块，其被配置为：考虑线损率，采用皮尔逊相关系数计算原始电气特征指标与线损率之间的相关系数，根据相关系数与阈值的关系，构建电气特征指标体系；
48、聚类模块，其被配置为：基于电气特征指标体系，采用kohonen聚类算法，确定每个簇初始中心对象；基于每个簇初始中心对象，采用pam聚类，根据设定的聚类质量评价函数，选择性将非中心对象替换为中心对象，以此将台区原始电气特征指标分为不同类别；
49、线损计算模块，其被配置为：基于台区原始电气特征指标的分类结果，采用xgboost算法，得到台区线损率。
50、本专利技术的第三个方本文档来自技高网...
【技术保护点】
1.一种考虑分布式电源接入的台区线损率计算方法，其特征在于，包括：
2.根据权利要求1所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述采用Kohonen聚类算法，确定每个簇初始中心对象的过程包括：
3.根据权利要求1所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述采用PAM聚类的过程包括：
4.根据权利要求1或3所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述聚类质量评价函数为
5.根据权利要求1所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述XGBoost算法采用以下公式：
6.根据权利要求1所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述XGBoost算法的目标函数为：
7.根据权利要求6所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，正则惩罚项Ω(f)为：
8.一种考虑分布式电源接入的台区线损率计算系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的考虑分布式电源接入的台区线损率计算方法中的步骤。
...【技术特征摘要】
1.一种考虑分布式电源接入的台区线损率计算方法，其特征在于，包括：
2.根据权利要求1所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述采用kohonen聚类算法，确定每个簇初始中心对象的过程包括：
3.根据权利要求1所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述采用pam聚类的过程包括：
4.根据权利要求1或3所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述聚类质量评价函数为
5.根据权利要求1所述的考虑分布式电源接入的台区线损率计算方法，其特征在于，所述xgboost算法采用以下公式：
6.根据权利要求1所述的考虑分布式电源接入的台区线损...
【专利技术属性】
技术研发人员：郑伟书，孔雪城，李发强，张海金，陈群，黄坤，齐德卿，黄文文，
申请(专利权)人：国网山东省电力公司淄博供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。