[发明专利]基于改进加权灰色关联分析的台区线损分析方法及系统

权利要求书

1.一种基于改进加权灰色关联分析的台区线损分析方法，其特征是：包括以下步骤：

步骤1、选取一年内台区采集成功率都合格的低压台区，包括以居民用户为主的低压台区和以非居民用户为主的低压台区；

步骤2、采集各台区的静态参数和动态参数作为电气特征指标；其中，静态参数包括台区容量、居民容量、非居民容量、居民用户比例、非居民用户比例、光伏用户比例；动态参数包括典型日所在月的最大日功率曲线、电流曲线、电压曲线；

步骤3、将各台区电气特征指标和对应线损率归一化处理；

步骤4、基于改进分辨系数选取的灰色关联分析确定各参数与台区线损的关联度大小；

步骤5、基于CRITIC法确定各电气特征指标的客观权重值；

步骤6、将步骤4和步骤5获得的灰色关联度和客观权重结合，进而获取各电气特征指标的加权灰色关联度；

步骤7、依据K折交叉验证法确定最佳电气特征指标体系的指标数目；

步骤8、搭建基于强关联度因素的BP神经网络台区线损分析计算模型；

下面对上述步骤进行具体说明：

步骤4中，改进分辨系数选取的灰色关联分析方法，步骤为：

步骤4.1、定义Δ_av为所有差值绝对值的均值，即

步骤4.2、记

步骤4.3、当ω＜1/3时，ω≤ρ≤1.5ω；当ω≥1/3时，1.5ω＜ρ≤2ω；

将影响线损的电气特征指标作为比较序列，台区线损作为参考序列，计算比较序列和参考序列的关联度；

在计算过程中，计算所有差值绝对值的均值，以及所述均值与相应差值最大值的比值，根据所述比值的大小，调整分辨系数；

步骤5中，指标的变异程度通过标准差来量化：

式中，x_ij表示第i个指标中的第j个指标值，N表示样本数据的个数，S_j则表示某类指标中第j个指标值的变异程度；

指标的冲突性通过相关系数r_jk来量化：

式中，x_ik表示第i个指标中的第k个指标值，n表示指标体系中的指标个数，R_j表示第j个特征量的特征冲突性指标值；

指标体系中第j个指标的客观权重W_j为：

式中，C_j表示信息量，即第j个指标在CRITIC权重评价体系中的作用大小；由上式可以看出，某个指标所包含的信息量越大，则重要性越大，进而权重值越大；

步骤6中，结合上述改进灰色关联分析计算得到的关联度r₁'和式(11)得到的权重值W_j，最终得到各指标的加权关联度大小：

γ＝r₁'×W_j(12)

步骤8中，BP神经网络的算法流程可分为三步：

(1)BP神经网络的构建：选取强相关的电气特征指标和对应的台区线损率分别作为模型的输入和输出，输入层的节点个数取决于电气特征指标的个数，隐含层节点个数可依据式(13)大致确定：

式中，m和n分别为输出层和输入层的神经元个数，a是[0,10]之间的常数；

(2)BP神经网络训练：首先，要进行训练数据的归一化处理；

归一化函数采用MATLAB自带函数mapminmax,选择的隐含层函数和输出层函数分别为tansig和purelin；计算公式如下：

purelin(n)＝n(17)

LM算法计算效率高，在权值更新的部分采用二阶导数，如式(18)所示：

Δw＝[J^T(w)J(w)+μI]^-1J^T(w)e(w)(18)

式中，I为单位矩阵，μ为用户自定义学习率，J(w)为雅各比矩阵；

(3)BP神经网络的预测：将测试及样本数据输入学习训练好的BP神经网络台区线损分析计算模型，对台区线损进行合理预测，并分析预测误差；误差计算公式如下：

式中：为台区的线损计算值；y_ij为台区的线损真实值。