[发明专利]一种台区线损率预估方法

摘要

本发明涉及一种台区线损率预估方法，包括如下几个步骤①原始样本数据的收集分析及处理对供电公司所有的台区数据进行收集及预处理；②通过K‑means聚类方法按照台区特征对供电公司所有的台区数据进行分类，将供电公司辖区内的台区分为特征不同的类群共K'类；③将每一类典型台区基础数据与预测值相关联，通过线性回归方式建立数学预测模型；④将所要预测的数据输入模型，得到输出合理的所需预测特征数据预测值，从而得出每一类台区的合理的所需预测特征数据预测值。本发明通过输出合理的所需预测特征数据预测值为供电工作提供有效的辅助。

主权项

一种台区线损率数据预估方法，其特征在于包括如下几个步骤：①原始样本数据的收集分析及处理：首先，识别信息需求，从而有目的的收集数据；其次，收集各台区数据，收集到报表数据中包含的字段有：台区名称、台区居民户数、台区非居民户数、居民容量、非居民容量、居民户均容量、非居民户均容量、居民容量占比、非居民容量占比、台区总容量、台区窃电量、功率因数平均水平、最大负荷、最大负载率以及以台区实际线损率：然后将收集的数据通过加工、整理和分析、使其转化为信息，且对于数据缺失的现象，采取人工补录或者数据清洗工具填充的方法；②通过K‑means聚类方法按照台区特征对供电公司所有的台区数据进行分类：以供电公司辖区下台区数据作为样本数据，作为K‑means算法的输入；聚类样本特征输入量包括：台区名称、台区居民户数、台区非居民户数、居民容量、非居民容量、居民户均容量、非居民户均容量、居民容量占比、非居民容量占比、台区总容量、台区窃电量、功率因数平均水平、最大负荷、最大负载率以及以台区实际线损率；在K‑means聚类算法中，初始聚类数设定为2到12，通过尝试设定不同的初始聚类数，计算不同聚类数时的轮廓系数值，轮廓系数值越接近1表明聚类数越合理；③将每一类典型台区基础数据与预测值相关联，通过线性回归方程建立数学预测模型：将步骤②中通过K‑means聚类得出的各数据作为线性回归模型的输入，建模特征参数包括：台区名称、台区居民户数、台区非居民户数、居民容量、非居民容量、居民户均容量、非居民户均容量、居民容量占比、非居民容量占比、台区总容量、台区窃电量、功率因数平均水平、最大负荷、最大负载率；输出参数为：台区线损率；依据调整后的R平方值，F检验系数、T检验系数，sig值检验系数对模型进行评估，从而判断出合理线损预测模型的拟合程度：因变量即实际线损率；自变量即所述各建模特征参数；T检验是对于单个变量进行显著性，检验该变量独自对被解释变量的影响；F检验是检验回归模型的显著意义，即所有解释变量联合起来对被解释变量的影响；R的平方值系数表示因变量y与所有自变量全体之间线性相关程度，实际反映的是样本数据与预测数据间的相关程度；判定系数R的平方根系数的大小受到自变量x的个数k的影响；R的平方根系数的取值范围为(0,1)，越接近1，回归平面拟合程度越高，反之，越接近0，拟合程度越低；sig值的意思就是显著性，表示平均值是在百分之几的几率上相等的；将sig值与0.05相比较，如果它大于0.05，说明平均值在大于5%的几率上是相等的，而在小于95%的几率上不相等；通过上述基于线性回归建模的原理分析得到线性回归方程的包括常量在内的各系数值，从而得到线性回归方程：即线损率预测值与常量、台区居民户数、台区非居民户数、居民容量、非居民容量、居民户均容量、非居民户均容量、居民容量占比、非居民容量占比、台区总容量、台区窃电量、功率因数平均水平、最大负荷及最大负载率的线性关系；④将所要预测的数据输入模型，从而得出每一类台区的合理线损率预测值：将台区样本数据代入到步骤③得到的线性回归方程可得出通过预测模型得出的台区线损率预测值，并将台区预测线损率与台区实际线损率做比较从而用于后续应用。