[发明专利]一种基于边缘计算的台区线损率预测方法

权利要求书

1.一种基于边缘计算的台区线损率预测方法，其特征在于，包括以下步骤：

S1：在台区内安装边缘计算终端设备，利用边缘计算终端设备内部的采集模块采集其他台区和待测台区的某历史时间段不同时刻的电气特征参数和线损率作为历史数据；

S2：对历史数据中的台区的电气特征参数做标准化处理；

S3：通过AP聚类算法对台区的历史数据中的电气特征参数数据进行聚类，计算电气特征参数数据之间的相似度并设置阻尼系数，得到多个类簇；

S4：选取与待测时刻的电气特征参数同一类簇的历史数据作为云平台预测模型的训练样本数据集，在云平台内通过BP神经网络对数据集进行训练，得到台区线损率预测模型；

S5：将训练完成的预测模型移植到边缘计算终端设备，通过边缘计算终端设备内部的采集模块采集待测台区待测时刻的电气特征参数，通过台区线损率预测模型进行预测，得出实时预测的线损率；

S6：将预测出的实时线损率与该台区的理论线损率进行对比，计算误差率，误差率大于5％时则判定该台区线损率异常，然后通过边缘计算终端设备发送告警信息到运维人员；

S7：通过采集的台区历史数据以及实时预测的线损率，在云平台对预测模型进行深入训练，并定期对边缘设备的预测模型进行更新，保证边缘计算终端设备预测模型的准确率。

2.根据权利要求1所述的一种基于边缘计算的台区线损率预测方法，其特征在于：所述步骤S2中标准化处理方法为：设台区个数为N，每个台区的电气特征参数为M个，N个台区样本的台区电气特征参数组成台区电气特征向量X，有：

其中，x_ij为台区电气特征向量X的第i行、第j列元素，i＝1,2,…,N，j＝1,2,…,M；

对台区电气特征参数进行标准化处理，有：

其中，Z_ij为x_ij标准化处理后的量，为x_ij的平均值，S_ij为x_ij的方差。

3.根据权利要求1所述的一种基于边缘计算的台区线损率预测方法，其特征在于：所述步骤S3中聚类的方法为用吸引度矩阵R和归属度矩阵A在历史数据的数据点之间交换信息，不断迭代更新两个信息矩阵，直到迭代结束，公式如下：

式中，r(i,j)与a(i,j)分别为i点与j点之间的吸引度矩阵和归属度矩阵；s(i,j)为i点与j点之间的相似度，

每次迭代都加上一个阻尼系数λ，λ∈(0,1)，有：

其中，和表示迭代时不考虑阻尼系数计算出的r_i+1(i,j)和a_i+1(i,j)。

4.根据权利要求1所述的一种基于边缘计算的台区线损率预测方法，其特征在于：所述步骤S4包括以下步骤，

S4.1：构建BP神经网络模型

BP神经网络模型包括输入层、隐含层和输出层，各层之间的传递函数f(a)采用logsig函数，有：

其中a为各层之间的传递函数f(a)的自变量，0f(a)1；

S4.2:利用BP神经网络模型对Z_ij和d_i进行学习训练，d_i为历史数据中第i个台区的台区线损率，将台区电气特征参数输入BP神经网络模型中，计算台区线损率d。

5.根据权利要求1所述的一种基于边缘计算的台区线损率预测方法，其特征在于：所述步骤6中理论线损率及误差率的计算公式为