[發明專利]一種基于深度學習的低壓臺區線損合理區間預測方法

有效

• 申請號: 202010867853.0
• 申請日: 2020-08-25
• 公開（公告）號: CN112149873B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 井友鼎;付勇;滕鐵軍;郝增才;陳小燕;張偉
• 申請（專利權）人: 北京合眾偉奇科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/0442;G06N3/048;G06N3/084;G06F18/23;G06N20/20;G06F18/27
• 代理公司: 鄭州知己知識產權代理有限公司 41132
• 代理人: 季發軍

本發明屬于臺區線損預測技術領域，具體涉及基于深度學習的低壓臺區線損合理區間預測方法，包括如下步驟：數據的收集；指標的構建；特征構建；特征因子選擇；構建線損預測模型；模型預測效果展示。該方法通過精準的線損預測模型，提升精準降損能力，實現線損精益化管理；通過線損精準預測，提升線損精益化管理。

技術領域

本發明屬于臺區線損預測技術領域，具體涉及基于深度學習的低壓臺區線損合理區間預測方法。

背景技術

低壓配電臺區線損產生的原因主要分為固定損失、管理原因和技術原因。其中固定損失包括變壓器內繞組和鐵芯產生的電阻損耗和勵磁損耗；電力網輸電的電纜線路產生的電阻損耗；電力傳輸網址中部署的電容、電抗類設備產生的電能損耗；電力網絡中保護裝置產生的電能損耗；介質產生的損耗、電網計量裝置產生的損耗。管理原因主要指抄表問題和竊電管理工作不足等等。技術原因主要指營計數據不一致和戶變關系不一致等問題。

隨著國網公司線損精益化管理工作的深入開展，傳統一刀切方式的線損合格率考核方式已不再滿足線損精益化管理要求，供電企業需要迫切找到一種有效計算線損計算方法，動態預測各臺區的合理線損值以及合理區間上界，對于超出合理區間上界臺區及時預警。

臺區線損計算以前的學者已經進行了大量的研究和驗證，目前對電網線損率計算方法已經有很多，主要分為傳統方法和基于機器學習的方法。其中傳統方法主要包括臺區損耗率法、電壓損失率法、等值電阻法、潮流法等方法。機器學習方法主要有基于傳統的可解釋性強的線性回歸方法，基于決策樹的集成回歸方法以及基于神經網絡的不易解釋的非線性回歸方法、基于支持向量機的計算方法、基于神經網絡和改進的自適應二次變異差分進化算法、基于改進K-means聚類和BP神經網絡的計算方法、基于kmeans-LightGBM的短期低壓配電網理論線損預測算法。

公告號CN109272176B的發明專利文獻公開了一種利用K-means聚類算法對臺區線損率預測計算方法，它包括：步驟1、選取有功供電量X1、無功供電量X2、供電線路總長度X3、供電半徑X4和線路總電阻X5作為電氣特征參數；步驟2、對電氣特征參數的原始數據標準化處理；步驟3、通過電氣特征參數來建立臺區的性能指標函數PI(i)，選取初始聚類中心點和聚類數目K；步驟4、利用改進的K-means聚類算法對臺區線損率進行預測；該發明利用臺區的電氣特征參數建立的指標函數，作為聚類分析判斷初始聚類中心的原則，提高了聚類結果的精確性,但是其不同初始值會導致不同的分類結果，當分類不準確時容易造成參數重構誤差較大的缺陷。

發明內容

本發明的目的在于針對現有技術中存在的問題提供一種基于深度學習的低壓臺區線損合理區間預測方法，該方法通過精準的線損預測模型，提升精準降損能力，實現線損精益化管理；通過線損精準預測，提升線損精益化管理。

本發明的技術方案是：

一種基于深度學習的低壓臺區線損合理區間預測方法，包括如下步驟：

S1.數據的收集，包括采集、營銷、PMS和GIS四個系統，涉及的數據包括配變側數據和用戶側數據；

S2.指標的構建，從S1收集的數據選取線損影響因子；

S3.特征構建，通過對選取的影響因子與線損率的相關性分析，將負荷特性的平方、末端壓降的絕對值作為模型的特征因子輸入；

S4.特征因子選擇，采用統計指標因子和兩個構建的特征因子構建Lasso回歸模型，最終根據Lasso回歸變量篩選結果選擇上網電量占比、供電半徑、末端電量占比、臺區功率因數、首末端壓降絕對值、負載率、負荷特性平方和三相不平衡系數八個因子作為最終的特征因子；

S5.構建線損預測模型，采用LSTM構建線損預測模型；

S6.模型預測效果展示。