[發(fā)明專利]一種饋線線損集成學(xué)習(xí)估計(jì)方法、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310090511.6
• 申請(qǐng)日: 2023-02-09
• 公開（公告）號(hào): CN116090348A
• 公開（公告）日: 2023-05-09
• 發(fā)明（設(shè)計(jì)）人: 付慧;史明明;李雙偉;王靚;費(fèi)駿韜;鄭仙;周建華;喻建瑜
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)江蘇省電力有限公司電力科學(xué)研究院;國(guó)網(wǎng)江蘇省電力有限公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06F18/214;G06Q50/06;G06N10/80;G06F111/08;G06F113/04;G06F119/02
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 馮瑞

本發(fā)明屬于配電饋線線損估計(jì)領(lǐng)域，公開了一種基于原子軌道搜索算法的配電饋線線損估計(jì)模型選取方法，包括：S1：構(gòu)建統(tǒng)計(jì)線損特征和線損率數(shù)據(jù)集作為樣本；S2：將樣本劃分為訓(xùn)練集和測(cè)試集；S3：將訓(xùn)練集作為選取的各基估計(jì)模型的輸入，訓(xùn)練各基估計(jì)模型；S4：將各基估計(jì)模型進(jìn)行加權(quán)集成，構(gòu)建權(quán)重優(yōu)化函數(shù)；S5：使用原子軌道搜索算法優(yōu)化權(quán)重向量解，從而得到最優(yōu)權(quán)重向量解；S6：采用最優(yōu)權(quán)重向量解對(duì)基估計(jì)模型進(jìn)行加權(quán)處理，得到最優(yōu)的配電饋線模型。本發(fā)明對(duì)基于樹模型的估計(jì)算法進(jìn)行二次集成，通過(guò)構(gòu)建以MSE最小為優(yōu)化目標(biāo)的優(yōu)化函數(shù)，使用原子軌道搜索算法對(duì)基估計(jì)模型數(shù)量和權(quán)重進(jìn)行智能化尋優(yōu)，實(shí)現(xiàn)了配電饋線線損的高精度估計(jì)。

技術(shù)領(lǐng)域

本發(fā)明屬于配電饋線線損估計(jì)領(lǐng)域，特別涉及一種饋線線損集成學(xué)習(xí)估計(jì)方法、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

線損率在評(píng)價(jià)電力系統(tǒng)的經(jīng)濟(jì)運(yùn)行中扮演重要的角色，線損管理是電力公司的重點(diǎn)管理內(nèi)容之一。其中，10kV配電饋線的網(wǎng)損尤為嚴(yán)重，為此需要對(duì)其線損進(jìn)行精細(xì)化管理。對(duì)于配電網(wǎng)中線損估計(jì)的傳統(tǒng)方法可以分成兩大類：(1)經(jīng)典方法：經(jīng)典方法考慮了各種近似，使得計(jì)算精度降低。(2)潮流計(jì)算方法：計(jì)算精度高，但計(jì)算速度慢。由于這兩種方法都是基于模型的計(jì)算方法，過(guò)度依賴于模型，因此不利于算法的標(biāo)準(zhǔn)化推廣。

如今，隨著智能電網(wǎng)建設(shè)的推進(jìn)和智能電表的普及，電力公司積累了大量的電網(wǎng)和用戶的歷史數(shù)據(jù)，使基于數(shù)據(jù)的機(jī)器學(xué)習(xí)算法用于線損估計(jì)成為可能。

用于線損估計(jì)的機(jī)器學(xué)習(xí)算法大致分為兩大類，第一類是基于統(tǒng)計(jì)學(xué)的經(jīng)典機(jī)器學(xué)習(xí)算法，第二類是基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法。其中，深度學(xué)習(xí)算法計(jì)算量大且可解釋性差，相比于深度學(xué)習(xí)算法，基于統(tǒng)計(jì)學(xué)的機(jī)器學(xué)習(xí)算法運(yùn)算小，易于部署，尤其基于樹模型算法的估計(jì)精度較高，但估計(jì)精度仍有提升空間。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中的不足，本發(fā)明提供了一種配電饋線模型選取方法、設(shè)備及存儲(chǔ)介質(zhì)，采用集成學(xué)習(xí)思想，對(duì)多個(gè)基于基估計(jì)模型的算法進(jìn)行加權(quán)集成，選取最小化均方誤差MSE作為評(píng)估指標(biāo)，構(gòu)建權(quán)重優(yōu)化函數(shù)，使用原子軌道搜索算法對(duì)所選用基估計(jì)模型的權(quán)重進(jìn)行尋優(yōu)，構(gòu)建最優(yōu)加權(quán)估計(jì)模型，從而進(jìn)一步提高線損估計(jì)的精度。

本發(fā)明的具體技術(shù)方案如下：

一種配電饋線線損估計(jì)模型選取方法，包括以下步驟：

S1：從智能配用電數(shù)據(jù)中提取配電饋線統(tǒng)計(jì)線損影響因素，構(gòu)建統(tǒng)計(jì)線損估計(jì)特征數(shù)據(jù)集作為樣本；

S2：按照一定比例將樣本劃分為訓(xùn)練集和測(cè)試集；

S3：將訓(xùn)練集作為選取的各基估計(jì)模型的輸入，訓(xùn)練各基估計(jì)模型，得到各基估計(jì)模型的估計(jì)結(jié)果，對(duì)估計(jì)結(jié)果進(jìn)行加權(quán)集成得到最終估計(jì)結(jié)果y_pred：

y_pred＝Y(jié)_predX?(1)；

其中，Y_pred＝[y_pred.1,y_pred.2,...,y_pred.u]為線損估計(jì)矩陣，其大小為n×u，y_pred.u為第u個(gè)基估計(jì)模型的估計(jì)結(jié)果，其大小為n×1，X為權(quán)重向量，其大小為u×1；n為饋線條數(shù)；

S4：構(gòu)建權(quán)重優(yōu)化函數(shù)，公式如下：

且滿足

其中，E為權(quán)重優(yōu)化函數(shù)，y_true為饋線統(tǒng)計(jì)線損率真實(shí)值，其大小為n×1；u為基估計(jì)模型數(shù)量，權(quán)重向量X＝[x₁,x₂,...,x_u]^T；

S5：使用原子軌道搜索算法優(yōu)化權(quán)重向量解，通過(guò)不斷改變權(quán)重向量的位置，從而得到最優(yōu)權(quán)重向量解；