[發明專利]基于kmeans-LightGBM的短期低壓配電網理論線損預測算法

在審

• 申請號: 201911196130.6
• 申請日: 2019-11-29
• 公開（公告）號: CN111144614A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 黃靜;張敏;胡忠;熊磊;李世勉;徐溦;李超;周虎;盧希
• 申請（專利權）人: 國網重慶市電力公司北碚供電分公司;杭州致成電子科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 杭州中利知識產權代理事務所(普通合伙) 33301
• 代理人: 盧海龍

1.一種基于kmeans-LightGBM的短期低壓配電網理論線損預測算法，包括以下步驟：

步驟一：數據清洗：使用插補法或者基于特征利用模型對缺失值進行預測填補，而對于冗余或者與挖掘任務無關的特征則采用直接刪除的方法；

步驟二：特征衍生：構造與標簽相關的特征，提高可選特征，提高模型精確度；

步驟三：特征選擇：特征選擇是入模型前最后一步，則選對選取和標簽相關性高的，但是不存在多重共線性的特征入模；

步驟四：假設特征向量樣本數為n，，聚類次數為k，那么k-means算法的聚類數目m如下：

步驟五：隨機選取k個聚類中心，并將此聚類中心作為k-means算法的初始中心M_i(i＝1,2,...,k)；

步驟六：計算各個對象的中心Q_j(j＝1,2,...,n)到初始中心的距離L_j＝|M_i-Q_j|，并根據最小聚類重新劃分各個對象，得到類型C_i(i＝1,2,...,N_i)，其中N_i表示C_i的類型數目；

步驟七：計算每個更新后對象的聚類中心：

步驟八：重復步驟五、六、七直至聚類結果不再改變；

步驟九：用各個類別樣本集構建LightGBM預測子模型；

步驟十：用驗證集對模型有效性進行校驗。

2.根據權利要求1所述的一種基于kmeans-LightGBM的短期低壓配電網理論線損預測算法，其特征在于：所述步驟二中特征衍生的具體方法如下：

1)滑窗

通過滑窗統計一周內、兩周內的變量的均值作為新的特征；

2)分箱

通過將連續性變量進行分成不同區間，增加與因變量之間的相關性；

3)時間戳處理

通過年、月、日、小時，分鐘和秒拆解時間戳變量，構造出6個新的時間維度。

3.根據權利要求1所述的一種基于kmeans-LightGBM的短期低壓配電網理論線損預測算法，其特征在于：所述步驟十中校驗所選指標為RMSE、MSE、MAPE三個統計學常用指標，這三個指標的計算公式如下所示：

式中，y_i為觀測值，為預測值，m為樣本數量。