[发明专利]一种改进的低压台区线损计算方法

权利要求书

1.一种改进的低压台区线损计算方法，其特征是，包括以下过程：

采用随机森林算法预测实时线损量；

根据实时线损量计算得到实时线损率；

根据实时线损率与最大合理线损率比较判断线损是否异常；

若判断线损异常时，计算异常点负荷电流；

根据异常点的负荷电流，计算该异常点引起的总线损量。

2.根据权利要求1所述的一种改进的低压台区线损计算方法，其特征是，所述采用随机森林算法预测实时线损量，包括：

1)获取电压与电流的历史特征值，构建历史样本特征集合；

2)通过计算历史样本特征集与待预测样本特征集之间的相关性，得到关联判断矩阵Z；

3)赋值各个特征的权重，构建特征权重矩阵W；

4)对特征权重矩阵W和关联判断矩阵Z进行点乘计算，得到关联决策矩阵U；

5)从特征集中随机选择d个特征，获取决策树的加权投票值a；

6)利用U从历史样本特征向量集中选择出相似历史样本特征集；

7)利用所选的相似历史样本特征集和对应的故障类别，对随机森林中的决策树进行训练，获得已训练好的随机森林；

8)利用决策树的加权投票值a和关联决策矩阵U对随机森林中各决策树的故障预测结果进行加权，并通过对a进行调节，以预测准确率为100％目标，获得最终的预测模型；

9)将待预测样本特征向量输入最终的预测模型中，获得最终的线损预测结果；

10)利用预测准确率100％，自适应更新W的值；

11)利用更新的W值计算U值，自适应更新a的值。

3.根据权利要求1所述的一种改进的低压台区线损计算方法，其特征是，所述最大合理线损率为：

以计算低压支线的A相合理线损率为例，计算A相N个用户的最大合理线损为：

其中，R_k表示在Δt时间内第k个用户与第k-1个用户之间的线路电阻值；P_k表示第k个用户在Δt时间段内每分钟有功功率；Q_k表示第k个用户在Δt时间段内每分钟无功功率；

计算用户的总有功消耗为：

则A相的最大合理线损率η₀应为：

在低压台区电网正常工作时，当前实时线损率η应该小于等于最大合理线损率。

4.根据权利要求1所述的一种改进的低压台区线损计算方法，其特征是，所述计算异常点负荷电流，包括：

以某个用户节点的总损耗与实测异常损耗最小化为优化目标，

计算得到优化目标的最优解即异常点的负荷电流。

5.根据权利要求4所述的一种改进的低压台区线损计算方法，其特征是，所述以某个用户节点的总损耗与实测异常损耗最小化为优化目标，包括：

以低压支线的A相为例，存在“异常”用电时的实测异常损耗为：

其中，S_S为异常用电时单相线路首端功率，S_k为第k个用户异常用电时的有功功率。节点指的是每个用户一段线路，每段线路为一个节点；

假定异常点在第i节点附近，则异常点引起的全部线路的总额外损耗及异常用电量为：

其中表示根据k个用户所经历的各段线路的阻抗、实测电流I_k及异常点负荷电流I_#计算得到的各段线路损耗功率；I_#是异常点的负荷电流，(U_i)^*是异常点的电压；

线损异常点定位可描述为一个最优化问题：在寻找一个i_#，使得

以上即为优化目标。

6.根据权利要求4所述的一种改进的低压台区线损计算方法，其特征是，所述计算得到优化目标的最优解，包括：

采用粒子群算法计算得到优化目标的最优解。

7.根据权利要求6所述的一种改进的低压台区线损计算方法，其特征是，所述采用粒子群算法计算得到优化目标的最优解，包括：

1)对粒子群进行初始化，同时随机初始化各粒子；输入粒子群优化算法的参数和节点的总损耗与实测异常损耗的差值向量作为参数；把节点的总损耗与实测异常损耗的差值向量作为优化目标函数；

2)基于适应度函数，进行各粒子适应度值计算；将粒子个体作为系统变量输入，基于约束条件产生可行解；

3)针对粒子进行当前适应度值与历史最优适应度值比较，同时进行历史最优值替代；

4)针对粒子进行当前适应度与种群历史最优适应度值比较，并进行历史最优值替换；

5)计算各粒子最大适应度值和平均适应度值的差，获得个体适应度差值，将个体适应度差值作为输入，自适应调节各粒子的速度和位置，更新粒子速度、位置得到子代种群；

6)动态调整子代种群的个体产生新一代粒子群；

对粒子群的各粒子进行动态调整，产生新一代粒子群；包括：

引入移民算子，在每一代进化过程中以一定的淘汰率将最差个体淘汰，然后用产生的新个体代替；

过滤相似个体，对子代个体按适应度值排序，依次计算各粒子最大适应度值和平均适应度值的差值和所述差值小于门限delta的相似个体间的广义海明距离；若满足所述差值小于所述门限delta且所述广义海明距离小于所述门限delta，则滤除该粒子；

动态补充子代新个体，将父代中适应度值较高的多个个体随机进行多次变异，产生出新个体，加入子代，产生新一代粒子群；

7)新一代粒子群中的各粒子通过个体极值和群体极值更新自身的速度和位置；对每个粒子，将其适应度值与最优值进行比较，如果较好，则将其作为当前的最好位置，比较当前所有的个体极值和群体极值的值，更新群体极值；

采用公式(14)更新新一代粒子群中各粒子的速度，采用公式(15)更新新一代粒子群中各粒子的位置：

其中，表示第k+1次迭代后粒子的速度，w表示惯性权值，表示第k次迭代后粒子的速度，c₁表示第一学习因子常数，c₂表示第二学习因子常数，表示第k次迭代后第一随机数，表示第k次迭代后粒子个体极值，表示第k次迭代后粒子的位置，表示第k次迭代后第二随机数，表示第k次迭代后粒子群体极值，k表示迭代次数；

其中，表示第k+1次迭代后粒子的位置；

8)如果获得节点的总额外损耗与实测异常损耗的差值最小值，则结束，记录下此用户节点为异常线损点。否则跳转至步骤5)。