[发明专利]一种基于特征选择和GRU网络的台区线损预测方法

说明书

本发明提供了一种基于特征选择和GRU网络的台区线损预测方法，包括以下内容，首先对多维电气特征指标进行选取，获得各电气特征对线损率的影响程度；然后以平均百分比误差为特征选取评价指标，获得利于线损评估的最佳电气特征维数；最后基于选取的最优电气特征指标建立GRU网络的线损预测模型，得到不同台区的线损预测结果。本发明提供一种基于特征选择和GRU网络的台区线损预测方法，能够有效提高线损预测精度，为分析台区线损影响因素和台区线损异常提供了有效途径，从而提高了台区的精细化管理。

技术领域

本发明属于线损率技术领域，特别涉及一种基于特征选择和GRU网络的台区线损预测方法。

背景技术

电能在电网的运行过程中，依靠多样的电力设备传输到终端用户，由于电力设备本身存在阻抗和设备自身出现差错，导致电能在运行过程中产生一定的损耗，此种损耗称为线路损耗。目前我国线损发生的重要环节主要集中在380V低压配电网中，根据国家电网公司的测算，线损率每减少1％，则全国就可以多利用70亿KWH的电能，同时各地公司也制定有效的降损方案进行线损治理，使得线损率逐步下降，但电网总体的线损率仍处于较高的水平，因此，准确的台区线损预测具有重大的研究价值，对台区节能损耗具有一定的指导意义。

在供电企业的线损管理当中，台区精细化管理一般采用分区、分压、分线、分台区的形式，其中分台区是指根据电网中每个公共配电变压器的供电区域计算、分析和评估电力损耗的管理方法。但部分低压台区没有考虑实际场地的环境，致使采集装置出现各类故障无法正常获取台区数据，使得台区线损率无法实际计算，对台区线损分析造成较大的问题；传统的低压台区线损计算方法依赖于详细的运行参数以及复杂的台区结构，而且传统方法假设条件过多，其准确性较低。另外，智能电网的发展产生的海量电力数据没有完全应用于台区线损分析方面。

线损率在评价电力系统的经济运行中扮演着重要的角色，所以研究台区线损情况、分析影响台区线损的重要电气特征对提高配电网的经济运行水平具有重要的研究意义。

发明内容

为了解决上述问题，本发明提供一种基于特征选择和GRU网络的台区线损预测方法，能够准确分析台区线损率的异常，为台区电力系统稳定、安全的运行提供合理的建议。

针对上述现有技术存在的不足，本发明提供一种基于特征选择和GRU网络的台区线损预测方法，所述台区线损预测方法包括以下步骤：

步骤(1)：基于用电管理系统收集台区多维电气特征指标参数数据，构建影响台区线损率的原始数据，包括电气特征指标和台区实际线损率数据；

步骤(2)：对原始数据集进行归一化处理，同时采用箱型图模型对台区异常线损进行异常值检测，得到标准的台区数据后随机分为训练集数据和测试集数据集；

步骤(3)：对多维的电气特征指标进行相关分析，采用相关系数法和XGBoost模型提取出影响线损率的重要因子以及最佳的电气特征指标维数，构建台区线损最优电气特征指标体系；

步骤(4)：构建GRU神经网络学习模型，并设置模型的激活函数、损失函数等基本参数；

步骤(5)：将步骤(3)的最优电气特征指标体系训练数据集作为输入，训练GRU网络参数，得到台区线损预测模型；

步骤(6)：将测试数据集输入到已经训练好的GRU网络模型中，进行台区线损率的计算精度分析和输入特征有效性分析。

进一步，所述步骤(1)台区多维电气特征指标参数包括：地域类型、导线阻抗比、综合倍率、居民容量、日负载率、供电量、日功率因数、理论线损率、CT变比值、CT值、台区容量、非居民户数、居民户数、最大零线电流、非居民容量、日无功电量、日有功电量、三相电能表数、损失电量和单相电能表数。

进一步，所述步骤(2)归一化处理采用线性函方法，具体计算公式如下：