[发明专利]配电线路线变关系检测方法

摘要

本申请提供一种配电线路线变关系检测方法，具体步骤包括：步骤S1，采集配电线路日输入电量和与其挂接的变压器日用电量；步骤S2，对配电线路的日输入电量和相连各变压器的日用电量进行预处理，获得配电线路的日线损电量；步骤S3，选取特征变量，构成初选特征集；步骤S4，利用mRMR算法选择与类别具有最大相关性且相互之间具有最小冗余性的最优特征子集；步骤S5，将最优特征子集作为BP神经网络的输入特征向量，从而实现线变关系异常的变压器定位。本发明的方法应用于查找配电线路线变关系错误的变压器时，操作简便且准确度较高，极大的减轻了基层员工现场勘查的工作量，减少人力财力消耗，加快线损治理效率，提高配电线路线损考核指标达标率。

主权项

1.一种配电线路线变关系检测方法，其特征在于：包括如下步骤：S1，采集配电线路的线路日输入电量和与该配电线路相连的各个变压器的变压器日用电量，采集周期至少为1个月，将配电线路线变关系分为三类别：线路挂错类、变比计错类和正常线变类；S2，对线路日输入电量和与其挂接的各个变压器日用电量进行数据预处理，并计算线路日线损电量；S3，选取特征变量，构成初选特征集，所述初选特征集由12个特征构成，所述12个特征分别为：第一相关系数、第一离散系数比、第一电量差值比、第一轮廓系数比a1、第一轮廓系数比b1、第一轮廓系数比c1，第二相关系数、第二离散系数比、第二电量差值比、第二轮廓系数比a2、第二轮廓系数比b2和第二轮廓系数比c2；并用F1～F12依次表示这12个特征；S4，利用mRMR算法选择与类别具有最大相关性且相互之间具有最小冗余性的最优特征子集，具体步骤如下：S41、初选特征集S(m×12)，由m个样本构成，每个样本具有12个初选特征F1～F12；各变压器对应的线变关系类别C分为三类：线路挂错、变比计错和正常线变，其类别标签分别用1、2、3表示；S42、对初选特征集进行归一化处理；S43、设定最优特征子集的目标维数为d，从12个初选特征中选取d个特征构成最优特征子集；根据下列表达式依次计算特征与类别之间、特征与特征之间的相关性度量：其中，S为特征集合，|S|为该特征集合的特征个数；C为目标类别；I(Fi,C)为特征Fi和类别C之间的互信息值，I(Fi,Fj)为特征Fi和特征Fj之间的互信息值，D为特征与类别之间的相关性度量；R为特征与特征之间的相关性度量；S44、将表达式(11)和(12)进行组合，得到mRMR特征选择算法的计算准则，即最大相关最小冗余准则：其中，D为特征与类别之间的相关性度量；R为特征与特征之间的相关性度量；Φ(D,R)表示相关与冗余的差值；该式表示依次选择与类别高度相关而与已选特征较小冗余的备选特征构成最优特征子集；S45、特征搜索方法：利用序贯前向选择法寻找最优特征子集，首先根据式(11)确定第一个与类别最相关的特征并加入到特征子集Sp，其他特征计算后加入，具体为：确定一个由p个特征组成的特征子集Sp，其中p其中，S为特征集合，Sp为由p个特征组成的特征子集，I为特征之间的互信息值，C为目标类别；S46、记录依次加入特征子集Sp的备选特征的先后顺序，设定最优特征子集的目标维数为d，从初选特征集中依次搜索与类别最大相关且相互之间冗余度最小的d个初选特征构成最优特征子集，即选择前d个特征构成最优特征子集，其中d≤12；S5、将需要检测线路的最优特征子集作为BP神经网络的输入特征向量，利用BP神经网络输出每个变压器的线变关系类型，提取由BP神经网络判定为线变关系有误的变压器清单，将其作为电网公司的线损治理项目组的重点排查对象。