[发明专利]一种改进的低压台区线损计算方法

说明书

本发明公开了一种改进的低压台区线损计算方法，采用改进的随机森林算法构建线损量的预测模型，若线损量异常，则采用改进的粒子群优化算法进行异常线损点定位，通过寻找一个最佳异常点负荷电流来计算线损量。本发明方法可计算得到更精确的线损量。

技术领域

本发明属于智能配变终端技术领域，具体涉及一种改进的低压台区线损计算方法。

背景技术

统计线损电量是用电度表计量统计出的供电量和售电量之差。统计线损率是统计线损电量与供应电量的百分比。统计线损电量中的一部分是由于统计数据不准确，比如电度表误差，漏抄，错抄，误抄等原因，无表用电，窃电，带电设备老化等导致的统计线损电量。这一大类被称为“管理统计电量”。另一类被称为“技术线损电量”，这是由于在输、变、配过程中各电网元件的损耗。

现有技术中利用最小二乘支持向量建立线损计算模型时，首先要确定的参数有惩罚因子C和RBF(径向基函数)核函数参数σ。计算误差大小和这两个参数有直接关系，但是目前的研究无法对这两个参数的选择达到最优。因此，模型参数的选择只能依靠经验来选择最优。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种改进的低压台区线损计算方法，解决现有技术中最小二乘支持向量建立线损计算模型中的惩罚因子和径向基函数核函数参数无法达到最优的技术问题。

为解决上述技术问题，本发明提供了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。

进一步的，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。

进一步的，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：