[发明专利]一种用于确定低压台区线损率评估值的方法及系统

说明书

本发明公开了一种用于确定低压台区线损率评估值的方法及系统，属于低压台区技术领域。本发明方法，包括：获取电网低压台区多个历史电气特征指标与低压台区线损率之间的互信息，根据互信息确定影响电网低压台区线损的主要电气特征指标，并获取电网低压台区的线损率；根据主要电气特征指标和线损率，生成训练模型；获取目标低压台区主要电气特征指标，并对目标低压台区的主要电气特征指标进行标准化处理，获取得到目标低压台区的标准化数据，对目标低压台区的标准化数据使用训练模型进行评估，确定目标低压台区线损率的评估值。本发明无需建立复杂的数学模型，具有快速收敛和高精度等优点，为低压台区线损分析提供了技术支撑。

技术领域

本发明涉及低压台区技术领域，并且更具体地，涉及一种用于确定低压台区线损率评估值的方法及系统。

背景技术

线损是反映电力企业的经营和管理水平重要技术经济指标，其大小与电力企业的经济效益息息相关。低压台区线损指的是电压在0.4kV及以下情况下所产生的线损，这部分占到了整个配电网线损的一半以上，在电力系统的电能损耗中占的比例较大。因此，对低压台区的线损进行分析，有针对性地采取措施降低台区线损，将能显著地提高电力企业的效益，也将为缓解能源压力、减轻环境污染，构建节能环保型社会做出相应的贡献。

线损率计算所需要的原始数据主要包括电力网设备参数和电力网的运行参数(电流、电压、功率因数、有功及无功功率等)。由于低压台区的建设和管理状况参差不齐、台区和终端用户数目庞大、台账管理不完备、线路分布复杂多样、用电采集系统的采集成功率差别较大等因素，使得台区管理需要动用大量的人力、物力才能收集到必要的运行资料和数据，工作量非常大。基于上述现状，如何充分利用现有数据，快速、准确地计算出台区线损率是亟待解决的问题。

近年来，机器学习理论的发展与应用为线损率计算提供了新的途径。机器学习算法计算线损率无须建立数学模型，可以利用网络强大的自学能力、推广能力以及非线性处理能力来拟合线损率与特征参数之间复杂的非线性关系。此外，集成学习的出现，更使得原本的弱学习器经过集成达到强学习器的功能，因此利用集成学习算法可以更加准确的计算和评估台区线损率。

发明内容

针对上述问题本发明提出了一种用于确定低压台区线损率评估值的方法，包括：

获取电网低压台区多个历史电气特征指标与低压台区线损率之间的互信息，根据互信息确定影响电网低压台区线损的主要电气特征指标，并获取电网低压台区的线损率；

根据主要电气特征指标和线损率，生成训练模型；

获取目标低压台区主要电气特征指标，并对目标低压台区的主要电气特征指标进行标准化处理，获取得到目标低压台区的标准化数据，对目标低压台区的标准化数据使用训练模型进行评估，确定目标低压台区线损率的评估值。

可选的，方法，还包括：

对主要电气特征指标进行标准化处理，生成标准化数据；

对线损率进行归一化处理，生成归一化数据。

可选的，生成训练模型，具体为：构建决策树模型，并将决策树模型作为基学习器，针对基学习器构建bagging集成学习模型，使用bagging集成学习模型对标准化数据和归一化数据进行学习训练，生成训练模型。

可选的，针对基学习器构建bagging集成学习模型，具体为：

确定训练集，所述训练集为初始训练集中随机抽取的多个训练例；

确定学习训练次数，并根据确定的学习训练次数对训练集进行学习训练。

可选的，标准化数据作为bagging集成学习模型的输入数据；

所述归一化数据作为bagging集成学习模型的输出数据。