[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

本發明提供一種基于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；步驟二：特征衍生；步驟三：特征選擇；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；步驟六：計算各個對象的中心到初始中心的距離，并根據最小聚類重新劃分各個對象；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。能夠適用于長期數據缺失較為嚴重的臺區，準確地估計臺區的線損。

技術領域

本發明屬于智能電網數據挖掘領域，具體涉及一種基于kmeans-LightGBM的短期低壓配電網理論線損預測算法。

背景技術

近年來，國家電網公司深入研究以云計算、物聯網、大數據和移動互聯為主題的“大云物移”營銷基地的建設，開展了新技術應用頂層設計、平臺建設、試點驗證以及部分的推廣應用,為堅強智能電網建設以及公司經營者提供良好支撐。理論線損的計算通常需要綜合考慮負荷情況、運行方式、拓撲情況等數據，對電網的數據基礎要求高。傳統的計算方法有潮流算法、積分電流法和等值電阻法，能夠精確計算電力網的電力損失。然而在實際的生產環境中，數據缺失較為嚴重，因此有學者提出了基于統計學的計算方法，如使用回歸算法、聚類算法、神經網絡算法、支持向量機等等，各類算法各有優缺點，均能在一定程度上反映理論線損。雖然上述算法能準確地估計臺區的線損，然而其代價是需要好幾個月的長期數據，對于長期數據缺失較為嚴重的臺區則不適用。

發明內容

為了解決現有技術中存在的某種或某些技術問題，本發明提供一種基于kmeans-LightGBM的短期低壓配電網理論線損預測算法，能夠適用于長期數據缺失較為嚴重的臺區，準確地估計臺區的線損。

為解決上述現有的技術問題，本發明采用如下方案：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，如均值插補、眾數插補等，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，以減少其對模型帶來的干擾，同時降低特征維度；

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，即保證模型的預測準確性，又保證模型選取的特征的科學性；

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。