[发明专利]基于EM算法的低压台区计量装置失准计算方法

权利要求书

1.一种基于EM算法的低压台区计量装置失准计算方法，其特征在于，包括如下步骤：

S1：提取参与建模的计量装置的电量数据并进行处理，完成训练数据构建；

所述步骤S1具体包括：

S11：提取一个时间段内的参与建模的计量装置电量数据，形成采集数据集Z_n×m，对采集数据集Z_n×m中的缺失数据进行删除和填充，其中n代表参与建模的计量装置标识，m代表电量数据采集时刻；

S12：利用损耗曲线D_m完成采集数据集Z_n×m的更新，并生成线损数据集

损耗曲线D_m计算方式为：

线路损耗＝出线计量装置电量-∑末端处计量装置电量；

S13：对采集数据集Z_n×m和线损数据集进行归一化，分别对采集数据集Z_n×m和线损数据集按列进行数据段的切分，线损数据集的切分数为I，切分后的数据段记为{Z₁`,Z<sub>2</sub>`,...,Z_I`}，采集数据集Z<sub>n×m</sub>的切分数为H，切分后的数据段记为{Z<sub>1</sub>`,Z₂`,...,Z`_H}；

S14：合并步骤S13得到的两组切分数据段形成序列，依次对所述序列的每个数据段进行多元线性回归，完成训练数据的构建；

S2：构建含有隐变量的混合聚类模型，使用EM算法进行优化求解；所述步骤S2具体包括：

S21：训练数据服从偏态分布，记为w～(μ,σ²,λ)，检验采集数据集Z_n×m的损耗曲线D_m，分析损耗序列数据的特征，估算失准类型，并根据失准类型生成K个偏态分布模型，随机生成K个偏态分布的初始参数所述K个偏态分布模型组合构成EM混合聚类模型，正整数K及每个偏态分布参数为隐变量，α_k代表第j个训练数据w_j属于第k个子模型的概率，其中

k＝1,2,3,...,K

S22：E-step步骤

首先构建训练数据中隐变量的概率分布：

其中N为训练数据的个数，N＝(n-1)(I+H)；

然后利用所述概率分布计算期望：

S23：M-step步骤

计算函数最大化：

构建Q(θ,θ^(t))的下界函数并求其最大，得到μ_k,λ_k,α_k的新一轮迭代值，返回步骤S22；

S24：不断循环E-step和M-step步骤，直到参数收敛，即||θ^t+1-θ^t||＜ε_EM；ε_EM取正数；

S3：归档聚类参数，构建失准计算模型，计算计量装置的失准电量。