[发明专利]一种基于机器学习的中压配网转供操作识别方法和装置

说明书

本发明公开了一种基于机器学习的中压配网转供操作识别方法和装置，包括步骤：获取待识别的馈线某日断面数据，得到功率和电压特征；将功率和电压特征输入预先建立的机器学习支持向量机分类模型中，识别出该线路是否发生转供操作。通过OMS操作票解析生成标签；基于D5000和营销数据提取功率特征和电压特征；采用机器学习算法中的支持向量机算法（SVM）进行模型训练，并对训练好的模型进行模型评价，利用训练好的模型对实际配电网中是否发生转供操作进行自动识别。本发明能有效识别出配电网中发生的转供操作，为配网调度、巡检和抢修提供辅助决策支持，开发成本小，效果显著。

技术领域

本发明涉及电力系统的配电网运行分析技术领域，具体涉及一种基于机器学习的中压配网转供操作识别方法和装置。

背景技术

由于计划检修、运方调整、故障抢修等原因，配电网经常进行转供操作，将涉及到的用户从一条馈线转供到另外一条馈线供电，从而避免不必要的停电。现有技术手段主要通过OMS系统(电力调度生产管理系统)对操作票进行手动记录。对于计划转供电，OMS系统中有操作票记录，但是对于有些现场临时抢修，OMS系统、调度日志中均未能记录。并且由于终端在线率、信号传输等问题，配网开关遥信也不能完全掌握。这些都导致了转供操作不能全量、及时、准确掌握。

无法全量、及时、准确掌握转供操作将造成以下几点危害：一是无法识别转供造成的运行方式变化，现场操作人员还按照旧的运方进行操作，容易发生带电操作风险，引发人身伤害；二是转供发生后线损依然按照转供前方式计算，导致一条线路线损过大，另一条线路线损较小，甚至出现负损；三是未能掌握转供信息，停电范围不清，引起停电信息发布出错，大幅降低了用户满意度；四是未能及时掌握转供造成的运方变化，影响调度决策，导致设备重过载，增加故障风险，影响供电可靠性。

随着配电网信息化水平的不断提升，调度自动化系统以及营销用采系统中包含了大量配电网运行信息。如何合理从这些信息中提取对转供识别有用的特征，并利用机器学习方法进行中压配网转供操作识别，从而全量、及时、准确掌握转供操作具有重要意义。

发明内容

为解决现有技术中的不足，本发明提供一种基于机器学习的中压配网转供操作识别方法和装置，解决了现有技术中无法全量、及时、准确掌握转供操作的问题。

为了实现上述目标，本发明采用如下技术方案：一种基于机器学习的中压配网转供操作识别方法，包括步骤：

获取待识别的馈线某日断面数据，得到功率和电压特征；

将功率和电压特征输入预先建立的机器学习支持向量机分类模型中，识别出该线路是否发生转供操作。

进一步的，功率特征包括：馈线当日功率曲线和非转供日功率曲线比对异常点个数，馈线当日损耗功率曲线和非转供日损耗功率曲线比对异常点个数，馈线当日功率曲线和馈线下各配变功率叠加曲线的相关性系数和馈线功率曲线掉零点数；电压特征包括：馈线母线当日电压曲线与下属配变电压曲线对比异常点个数和馈线母线当日电压曲线与下属配变电压曲线相关性系数。

进一步的，馈线当日功率曲线和非转供日功率曲线比对异常点个数n，获取方法为：

统计非转供日功率曲线分布，计算其标准差σ，

其中，

其中，为非转供日所有测量点功率的平均值；P_t'为未发生转供操作日第t个测量点的的功率，t＝1～96；P_t为馈线当日第t个测量点的功率。

进一步的，馈线当日损耗功率曲线为：