[发明专利]一种基于机器学习的模拟预测低压线损的方法

权利要求书

1.一种基于机器学习的模拟预测低压线损的方法，其特征在于，包括以下步骤：

步骤S100，获取待预测区域的低压线损历史向量HL＝(h₁,h₂,...,h_n)，h_i＝(t_i,a_i)为HL中的低压线损元素，其中i的取值为1…n，t_i为待预测区域历史上采用第一方式进行的第i次低压线损的预测值，a_i为待预测区域历史上第i次低压线损的实测值，n为待预测区域中低压线损历史上的预测次数；

步骤S200，如果对于HL中的任何一个h_i，都存在那么采用第一方式对待预测区域的低压线损进行预测；如果HL中存在一个h_i，使得那么执行步骤S300；其中D1为预先设定的第一阈值；所述第一方式为下列方式之任一或组合：均方根电流线损计算法、最大负荷电流计算方法、潮流计算方法；

步骤S300，如果max(Hi)-max(min(Hi),D1)≤λ×D1，其中λ为预设系数，那么采用机器学习的方式对待预测区域的低压线损进行预测；否则，执行步骤S400；其中，max()为最大值函数，min()为最小值函数；

步骤S400，判断HL中存在异常的低压线损元素，如果存在，将异常元素从HL中剔除，并向用户提示。

2.根据权利要求1所述的模拟预测低压线损的方法，其特征在于，所述步骤S300中，采用机器学习的方式对待预测区域的低压线损进行预测的条件还包括：

其中D2为预先设定的第二阈值。

3.根据权利要求1所述的模拟预测低压线损的方法，其特征在于，D1的取值范围为0-1。

4.根据权利要求1所述的模拟预测低压线损的方法，其特征在于，λ的取值范围为1.5-3。

5.根据权利要求4所述的模拟预测低压线损的方法，其特征在于，所述机器学习方式支持向量回归机，且进行分类预处理。

6.根据权利要求2所述的模拟预测低压线损的方法，其特征在于，所述步骤S400进一步包括：

步骤S410，获得对待预测区域的上一次预测方式，如果上一次预测方式为第一方式，那么确定h_n为异常的低压线损元素；否则，执行步骤S420；

步骤S420，遍历HL，获得低压线损疑似异常向量HE＝(h_e1,he₂,...,h_em)，其中em≤n，j的取值范围为1…m；

步骤S430，如果HE中max(|a_ej-avg(a_ej)|)和max(|a_ej-t_ej|)对应的元素一致，那么将该元素作为异常的低压线损元素；如果不一致，那么将HE中分别与max(|a_ej-avg(a_ej)|)和max(|a_ej-t_ej|)对应的两个元素作为异常的低压线损元素。

7.根据权利要求6所述的模拟预测低压线损的方法，其特征在于，所述向用户提示为通过短信、微信、或电子邮件的方式向用户提示。