一种基于谱聚类和SDTCNet的配变低电压预测方法技术

一种基于谱聚类和SDTCNet的配变低电压预测方法，包括：步骤一：取配电台区柱上变压器低压侧的历史电压数据及该地区的气象数据，检查数据是否存在异常值、缺失值并进行相应的处理；步骤二：根据各配电变压器的历史电压数据提取日最低电压特征，基于日最低电压特征进行谱聚类分析，将配电变压器分为k类，得到不同日最低电压特征的配变；步骤三：将不同类别配变的历史电压数据与气象特征数据进行归一化处理，构造特征数据集，划分训练集、验证集和测试集；步骤四：构建SDTCNet神经网络模型，将训练集和验证集数据输入到模型中进行训练，得到训练好的模型；步骤五：将测试集数据输入到训练好的SDTCNet网络模型中进行预测，得到不同类别配变低电压的预测结果。

【技术实现步骤摘要】

本专利技术涉及电力系统，尤其涉及一种基于谱聚类和sdtcnet的低电压预测方法，实现对低电压的精确预测。

技术介绍

1、随着我国经济的持续发展和城镇化水平的不断提高，人民生产生活的高质量用电需求正急剧增长。低压配电网承担着连接输电网以及直接面向用户供电的重要职责，是保证供电质量的关键环节。然而，部分低压配电台区在用电高峰期经常出现电压偏低的问题，根据 gb/t 12325-2008《电能质量供电电压偏差规范》，220 v单相供电电压允许偏差为标称值的−10%～+7%。低电压问题会直接影响电力设备的正常使用及电力用户的正常用电，也会对电力系统的安全与稳定产生危害。

2、例如，郭少东等人在“基于关联特征筛选的双层聚类区域配变电压越限特征分析及预测”文献中提出一种对配变电压进行特征筛选的双层聚类方法和基于cnn-bilstm-attention的配变电压预测方法，但是该方法具有如下缺陷：

3、1）仅提取配变的月电压特征，月时间尺度上的特征无法详细反映配变每日的波动趋势，从而忽视配变电压的关键特征；

4、2）cnn-bilstm本文档来自技高网...

【技术保护点】

1.一种基于谱聚类和SDTCNet的配变低电压预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤一中，采用3sigma准则确定电压数据与气象数据中的异常值并将其设置为缺失，对电压数据中的缺失值采用KNN算法进行填补，得到不含异常值与缺失值的历史电压数据与气象数据。

3.根据权利要求1所述的方法，其特征在于，在步骤二中，所采用的谱聚类分析方法具体为：

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求3所述的方法，其特征在于，在步骤2-6）中，轮廓系数综合每个样本点的轮廓值来评估聚类质量，取值范围...

【技术特征摘要】

1.一种基于谱聚类和sdtcnet的配变低电压预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤一中，采用3sigma准则确定电压数据与气象数据中的异常值并将其设置为缺失，对电压数据中的缺失值采用knn算法进行填补，得到不含异常值与缺失值的历史电压数据与气象数据。

3.根据权利要求1所述的方法，其特征在于，在步骤二中，所采用的谱聚类分析方法具体为：

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求3所述的方法，其特征在于，在步骤2-6）中，轮廓系数综合每个样本点的轮廓值来评估聚类质量，取值范围是[-1,1]，值越大表示同类别样本距离越近而不同类别样本距离越远，样本i的轮廓值s(i)定义为：

6.根据权利要求1所述的方法，其特征在于，在步骤三中，气象数据包含温度、露点温度、湿度、降水量、气压、云量和太阳辐射这些数据...

【专利技术属性】
技术研发人员：盛冠群，吴航，陈昱全，余肖生，余梅，汤婧，
申请(专利权)人：三峡大学，
类型：发明
国别省市：