CN103514368B - 一种采用聚类技术的实时与阶段理论线损快速估算方法 - Google Patents

Abstract

本发明公开了一种采用聚类技术的实时与阶段理论线损快速估算方法；其内容包括如下步骤：提取实时断面特征向量；计算与实时断面特征向量相匹配的中心断面权系数向量；断面聚类；理论线损计算。本发明能在数据采集完整时，通过最近邻聚类技术提取中心断面，将电网中相似运行状态的断面聚集到一起；在数据采集缺失的情况下，通过最近邻聚类技术找出与缺失数据时刻相近的中心时刻，将这一时刻电网网损赋给采集数据缺失的时刻；这样能够快速地得出阶段和实时理论线损值，使得阶段理论线损计算得以完成，进而提高阶段理论线损计算的速度并可与统计线损率做精确对比。

Description

一种采用聚类技术的实时与阶段理论线损快速估算方法

技术领域

本发明涉及电网理论线损计算领域，尤其涉及一种采用聚类技术完成的实时与阶段理论线损快速估算方法。

背景技术

电力网络损耗是电能在传输过程中产生的功率损耗。线损率是电力企业的一项重要的经济技术指标，也是衡量电力企业综合管理水平的重要标志，努力降低线损是电网和供电企业的一项重要工作，也是取得经济效果的主要手段。理论线损计算对于衡量电网经济运行情况、评价电网结构和布局的合理性、找出电网薄弱环节制定降损措施、合理下达线损考核指标等具有重要的作用，理论线损计算是电力企业线损管理工作中的重要内容。为了指导和开展理论线损计算工作，已研究了大量理论线损计算的方法，开发了相应的应用软件，并且已在线损计算与管理工作中发挥了很大作用。

然而，目前理论线损计算多是针对某一时间断面，对于某一时间阶段上的计算与分析涉及很少。在电网实际运行中，负荷具有实时性和随机性，因此电网的运行方式也是在不断变化的。某一时间断面下的网损计算结果和分析或者典型日的结果和分析不足以反映电网长期的运行情况。同时，虽然电网数据自动采集系统的使用越来越普及，但由于电网电压等级多，接入电网的设备繁多，线损理论计算需要的数据量庞大，在进行数据采集时不可避免地会出现误差和采集不全，理论计算所需要的电网数据不全，会造成理论计算结果十分不理想或者无法计算，无法与统计线损率做精确地对比。直接影响分析电网运行情况的准确性，影响电网的线损管理分析、运行、生计和改造。

发明内容

针对上述存在的问题，本发明提供了一种采用聚类技术完成的实时与阶段理论线损的快速估算方法，该方法能直接利用数据采集平台，通过采集待测时间点各节点数据与各支路参数变化情况，通过数据处理和聚类技术，解决在采集数据缺失时实时断面网损的计算以及电网的阶段性网损计算的问题。

为了解决上述存在的技术问题，本发明是通过以下技术方案实现的：

一种采用聚类技术的实时与阶段理论线损快速估算方法；该方法内容包括如下步骤：

A、提取实时断面特征向量

根据电网参数变化的不同与数据采集情况的不同选取与实际情况相匹配的实时断面与中心断面的特征向量，并将其用于断面聚类；

B、计算与实时断面特征向量相匹配的中心断面权系数向量

根据选取的断面特征向量中的元素，在所有中心断面中，分别量化与特征向量匹配的节点注入功率单位波动与支路参数单位变化引起的网损增量，求取与此实时断面相匹配的各中心断面权系数向量；

C、断面聚类

利用一种改进的最近邻聚类算法对不同采集情况与参数变化情况的断面进行聚类，并将结果存入中心数据库中；

D、理论线损计算

利用聚类结果快速计算出实时与阶段理论线损值。

在步骤A中，所述的提取实时断面特征向量，是指根据电网不同的变化情况提取不同的断面特征向量；对于采集数据完整断面，在支路参数不发生变化时，将节点注入功率作为特征向量，即特征向量C＝C_s＝(c_1s,c_2s,...,c_qs)；当支路参数发生变化时，则将节点注入功率特征向量C_s＝(c_1s,c_2s,...,c_qs)与支路参数特征向量组合为特征向量对于采集数据缺失断面，每隔一定时间T根据聚类结果，利用粗糙集理论对采集完整时的数据断面特征向量进行约减，将此断面之前的数据采集完整断面的聚类中心结果作为决策属性，逐一去除断面的特征向量中的第i(i=1,2,…,q)个属性，并将其作为条件属性，从而对节点注入特征向量进行属性约减并可输出多个约减核向量：如果断面采集数据与某一个求取的核特征向量匹配，则在支路参数不发生变化时，得出精简后的核特征向量C_H＝(c_1s,c_2s,...,c_hs)，h≤q为约减后特征向量的维数；当支路参数发生变化时，则将节点注入核特征向量C_H＝(c_1s,c_2s,...,c_hs)与支路参数特征向量组合为核特征向量如果断面采集数据与任一求取的核特征向量均不匹配，那么在步骤C中采取不同的方法处理。

在步骤B中，所述的计算与实时断面特征向量相匹配的中心断面权系数向量，是指根据实时断面特征向量选取的结果，在所有中心断面中计算与实时断面特征向量匹配的中心断面权系数向量，假设数据库中已存在类数为M_lei;

(a)当实时断面采集数据完整时，在支路参数不变时，各中心断面权系数向量w_M＝(w_M1,w_M2,...,w_Mq)，M＝1,2,...,M_lei,通过量化中心断面中利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi获取；在支路参数改变时，在各个中心断面中定义参数相对变化向量B_M,M＝1,2,...,M_lei，并结合量化利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi以及各支路参数变化为1+j时的网损增量Δβ_Ml获取权系数向量

(b)当实时断面缺失数据时，如果此实时断面采集数据与约减后的某个核特征向量数据相匹配,即断面有采集数据节点集包含某个核特征向量中所需节点集；在支路参数不变时，各中心断面权系数向量w_HM＝(w_M1,w_M2,...,w_Mh)，M＝1,2,...,M_lei同样通过量化利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi获取；在支路参数改变时，在各个中心断面中定义支路参数相对变化向量B_M,M＝1,2,...,M_lei，并结合量化利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi以及各支路参数变化为1+j时的网损增量Δβ_Ml获取权系数向量

在(a)和(b)中，所述的量化利用电流叠加法求取节点注入功率波动后网损增量，是利用波动前后节点注入功率和节点电压来计算注入电流波动量，从而计算网络总损增量；

计算注入电流波动公式为：

式中，为节点k的初始注入功率，为节点k发生功率波动后的注入功率，同理为节点k的初始节点电压，为节点k发生功率波动后的节点电压，为节点k的基准收敛电压；为节点k的初始注入电流，节点k发生功率波动后的注入电流；

计算某一中心断面中节点注入功率波动后引起网损增量公式为：

式中，M＝1,2,...,M_lei为已存在类数，为某节点k等效注入电流变化量，Z_im为网络中节点导纳矩阵的逆矩阵节点阻抗矩阵的解；当注入功率波动为1+j时网损增量表达式如下：

在(a)和(b)中，利用电流叠加法计算支路参数变化后的网损增量，首先计算支路参数变化量，求取新的阻抗矩阵；在考虑注入功率恒定而支路参数变化时,利用灵敏度分析法求取支路参数对各节点电压的影响，并将其叠加到初始电压上，求取支路参数变化后的节点电压向量，并计算支路参数变化后的节点注入电流，从而计算支路参数变化引起的网络增量；

利用灵敏度分析法求取支路参数对各节点电压的影响公式为：

式中为利用灵敏度求取的支路参数变化引起的节点电压变化向量。

计算支路参数变化后的节点注入电流公式为：

式中，为节点k的注入功率，为节点k的初始基准电压，为节点k的电压波动量；为节点k初始注入电流，为支路参数变化引起的电流变化量，κ_i＝ΔU_i/U_i；

计算某一中心断面中各支路参数变化1+j时的网损增量公式为：

式中y′_ij为支路l导纳，的Z′_im为网络中支路l支路参数变化1+j时新的节点阻抗矩阵中的元素，Z_im为网络中基准节点阻抗矩阵中的元素，为支路参数变化引起的电流变化量；

在(a)和(b)中，量化注入功率单位波动网损增量Δδ_Mi获取支路参数不变时各个中心断面的特征向量权系数向量w_M＝(w_M1,w_M2,...,w_Mq)与w_HM＝(w_M1,w_M2,...,w_Mh)，各个中心断面权系数向量分别等于实时断面的特征向量中各节点注入功率单位波动网损增量Δδ_Mi绝对值占单位波动网损增量绝对值之和的比重；

实时断面采集数据完整时权系数向量w_M计算公式为：

式中，q为电源数，l₀为支路数，M_lei为已存在类数；

实时断面采集数据缺失时权系数向量w_HM计算公式为：

式中，h为核特征向量中所需注入节点数，l₀为支路数，M_lei为已存在类数；

在(a)和(b)中，定义支路参数相对变化向量B_M，并结合电流叠加法量化各节点注入功率波动为1+j时的网损增量Δδ_Mi以及各支路参数变化为1+j时的网损增量Δβ_Ml获取支路参数变化时权系数向量与定义支路参数相对变化向量B_M为0,1离散向量，0代表实时断面相对中心断面参数没有变化，1代表实时断面相对中心断面参数发生变化；权系数向量w_BM与核权系数向量w_HBM由两部分组成，注入权系数与支路参数权系数，其各占权重的50%；注入权系数等于其各节点注入功率单位波动网损增量Δδ_Mi绝对值占单位波动网损增量绝对值之和的比重的1/2；支路参数权系数等于支路参数单位变化网损增量Δβ_Nl与参数相对变化向量之积的绝对值占支路参数单位变化全网网损增量Δβ_Nl与参数相对变化向量之积绝对值之和比重的1/2；

实时断面采集数据完整时各中心断面权系数公式如下：

式中，q为电源数，l₀为支路数，M_lei为已存在类数；

实时断面采集数据缺失时各中心断面权系数计算公式如下：

式中，h为核特征向量中所需注入节点数，l₀为支路数，M_lei为已存在类数。

在步骤C中，所述的一种改进的最近邻聚类算法是指选取动态阈值，利用最近邻聚类法聚类完毕后，固定类的个数与中心样本，求取各类的局部最异点，并将局部最异点与各中心样本重新比较，进行二次分类；最近邻聚类法的距离向量选取欧氏距离；

所述的欧氏距离公式如下：

式中，w_k为特征向量权系数，p为特征向量中的维数，i，j表示断面样本的时刻。

所述的动态阈值是指由于不同中心断面中特征向量与权系数向量的差异性，致使阈值是随不同的实时断面聚类而不断变化的；假设类中各节点允许的注入功率波动百分率范围为±a%，参数允许波动范围百分率为±b%，节点注入波动与支路参数波动范围是根据大量的数据得出的经验值，根据不同的精度需求和网架结构可选取不同的数值；

参数不变情况下实时断面与第M类中心断面的阈值d_M公式为：

参数变化时的动态阈值d_M公式为:

式中M＝1,2,...,M_lei，w_Mi为第M类中节点i的权重。

所述的二次分类是指如果每个局部最异点与所有中心样本的距离最小值等于其与原所属中心样本的欧氏距离，那么此样本不重新分类，并且固定此类不在求取局部最异点参与下一次聚类，反之，则将此样本重新分类，循环直到所有的局部最异点与其所属类的中心样本距离最小。所述的对不同采集情况与参数变化情况的断面进行聚类，并将结果存入中心数据库中，是指将前期所有断面的特征向量与聚类结果存入数据库，并将实时采集断面数据分为采集数据缺失断面与采集数据完整断面两种情况，采集数据完整断面，选取欧氏距离度量样本与数据库中的中心断面间的相似度，采集数据缺失断面，根据数据缺失程度不同分别处理，如果断面数据与约减后核特征向量数据相匹配，那么利用核特征向量计算样本与数据库中的中心断面间的欧氏距离并度量相似度，通过改进的最近邻聚类对断面进行实时聚类，将聚类结果存入数据库中；对于采集数据缺失断面，如果断面采集数据与任一求取的核特征向量均不匹配定义节点采集情况向量A＝(a₁,a₂,...,a_n),a_i为0、1向量，0代表采集失败，1代表采集成功，同时计算采集数据缺失断面与已存在的采集数据完整聚类中心的采集数据的相关系数以及特征向量的相似度，并按相关系数匹配规则及相似度匹配规则确定聚类结果，将聚类结果存入数据库中；

(a)采集数据完整断面:

实时断面参数不变时与各中心断面的相似度计算公式如下：

实时断面支路参数变化时与各中心断面的相似度计算公式如下：

(b)采集数据缺失断面且与某一核特征向量相匹配：

实时断面支路参数不变时与各中心断面的相似度计算公式如下：

实时断面支路参数变化时与各中心断面的相似度计算公式如下：

(c)采集数据缺失断面且与任一核特征向量均不匹配：

所述的相关系数匹配规则是指相关系数大于0.8的中心断面，均为此采集数据缺失断面的相似断面；如果所有中心断面的相关系数均小于0.8，则将此断面作为标准断面，值班人员利用手动补全数据；

采集数据相关系数计算公式如下：

式中，n为节点数，S(k)_(j)为采集数据完整时刻数据库中心时刻k的j节点的注入功率，为采集数据完整时刻数据库中心时刻k节点注入功率均值；S(l)_(j)为采集数据缺失时刻数据库中l时刻j节点的注入功率，为采集数据缺失时刻数据库中l时刻节点注入功率均值；

所述的相似度匹配原则为按照最近邻聚类的特点，取相似度最大为所属类。

采集数据缺失断面且与某一核特征向量均不匹配的不完整数据与相似模式断面的相似度公式如下：

在步骤D中，所述的利用聚类结果快速计算出实时与阶段理论线损值，是将中心断面的理论线损值赋给属于此类的实时断面，将阶段内所有的断面网损之和相加即为阶段网损值。

计算阶段理论线损值公式如下：

式中，m_new为阶段内断面样本的类数，k_i为每类所包含的样本数，为每类的中心样本网损值。

由于采用上述技术方案，本发明所提供的一种采用聚类技术的实时与阶段理论线损快速估算方法，与现有技术相比具有这样的有益效果：

本发明能在数据采集完整时，通过最近邻聚类技术提取中心断面，将电网中相似运行状态的断面聚集到一起；在数据采集缺失的情况下，通过最近邻聚类技术找出与缺失数据时刻相近的中心时刻，将这一时刻电网网损赋给采集数据缺失的时刻；这样能够快速地得出阶段和实时理论线损值，使得阶段理论线损计算得以完成，进而提高阶段理论线损计算的速度并可与统计线损率做精确对比。

附图说明

图1是本发明整体设计框图；

图2是核特征向量求取流程图；

图3是断面特征向量提取流程图；

图4是权重求取流程图；

图5是断面聚类流程图；

图6是线损求取流程图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

一种采用聚类技术的实时与阶段理论线损快速估算方法；如图1所示的本发明整体设计框图，该方法具体步骤包括如下内容：

A、提取实时断面特征向量

根据电网参数变化的不同与数据采集情况的不同选取与实际情况相匹配的实时断面与中心断面的特征向量，并将其用于断面聚类；

B、计算与实时断面特征向量相匹配的中心断面权系数向量

根据选取的断面特征向量中的元素，在所有中心断面中，分别量化与特征向量匹配的节点注入功率单位波动与支路参数单位变化引起的网损增量，求取与此实时断面相匹配的各中心断面权系数向量；

C、断面聚类

利用一种改进的最近邻聚类算法对不同采集情况与参数变化情况的断面进行聚类，并将结果存入中心数据库中；

D、理论线损计算

利用聚类结果快速计算出实时与阶段理论线损值。

步骤B中的核特征向量求取流程如图2所示，其具体步骤为：1)从数据库中获取采集数据完整断面的聚类结果，以此作为粗糙集的信息系统；2)去除注入特征向量中的第i个特征；3)重新聚类分析；4)判断与原聚类结果(决策属性)是否相符：a)相符，保留此属性，标记mark加1；b)不相符，去除此属性，将输出的向量存入数据库。5)判断i是否为最后一个属性：a)不是，返回步骤2，b)是，下一步；6）判断mark是否等于n；a)是，输出核向量z，进行步骤7；b)不是，输出由步骤4得到的M个初始核向量，进行步骤8；7)判断m是否为最后一个初始核向量；a)是，已得到全部核向量，结束循环；b)否，m=m+1,对下一个初始核向量进行约减；8)n=n-1,i=1,返回步骤2，进行第M次循环。

步骤B中的断面特征提取流程如图3所示，其具体步骤为：1)获取实时采集数据；2)判断断面参数是否发生变化；a)否，步骤3；b)是，步骤4；3）判断是否采集数据缺失；a)否，选取注入特征向量C＝(c_1s,c_2s,...,c_qs)b)是，判断是否有匹配的核注入特征向量C_H＝(c₁,c₂,...,c_h)：b1):是，步骤5，b2)否，步骤6；4）判断是否采集数据缺失；a)否，选取注入与参数组合特征向量b)是，判断是否有匹配的注入与参数组合的核特征向量 b1):是，步骤5，b2)否，步骤6；5)将最终结果存入数据库，进行下一步分析；6)直接参与聚类；7）结束。

权重求取流程如图4所示图，其具体步骤为：1）通过电流叠加法获取数据库中各个中心断面的注入单位网损波动增量与参数单位变化网损波动增量；2）根据实时断面数据，判断采集数据属于哪一种情况；a)第1种，权重为w_BM,b)第2种，权重为w_HBM,c)第3种，权重为w_HM,d)第4种，权重为w_M;3）根据不同的权重求取方法，计算与不同中心断面相对应的权向量。4）存入数据库，进行下一步分析；5）结束。

断面聚类流程如图5所示(如是实时聚类步骤则由第3步开始)，其具体步骤如下：1）将初始时刻设为第1类，类数n=1;2)判断时刻T是否为最后时刻：a)是最后时刻，进行步骤11，b)不是最后时刻，T=T+1;进行步骤3；3)判断采集数据是否完整：a)采集数据不完整，进行步骤4；b)采集数据完整，进行步骤5；4）判断数据库中是否有满足此种采集情况的核特征向量：a)是，进行步骤5；b)否，进行步骤9；5）根据电网的参数变化情况，选择合适的特征向量；6）计算特征向量的权系数向量；7）做T时刻的最近邻聚类及距离；8）判断T时刻与最近邻聚类距离是否满足预定阈值：a)是，将时刻T归为其最近邻聚类，转到步骤2，b)大于阈值，将时刻T作为新的一类，类数加1，计算K时刻的理论线损，转到步骤2；9)依次计算T时刻与数据库中心时刻的相关系数；10）判断是否存在满足条件的相关系数：a)存在，依次计算T时刻与满足相关系数关系中心时刻的相似度，将时刻T归入相似度最大的类中,转到步骤2；b)不存在，人工补录数据，将其作为新的一类，m=m+1;转到步骤2;11）固定数据库中类的个数与中心样本，取出每类中的局部最异点；12）计算与每个局部最异点距离最小的各中心样本；13）判断每个局部最异点与中心样本的最小值是否是与原中心样本的欧氏距离相等：a)不相等，将相异样本重新分类，并归于与其距离最小的样本类，将距离相同样本所属的类固定，不再参与二次聚类循环，继续步骤11，b)相等，进行步骤14；14）结束。

线损求取流程如图6所示是，其具体步骤如下：1）提取聚类结果；2）实时理论线损，实时断面线损等于其所属类中心断面网损值；3）阶段理论线损，找到此阶段内所有断面的匹配中心，将所属类中心断面网损值求和；4）结束。

Claims (6)

1.一种采用聚类技术的实时与阶段理论线损快速估算方法；其特征在于：该方法包括如下步骤：

A、提取实时断面特征向量

根据电网参数变化的不同与数据采集情况的不同选取与实际情况相匹配的实时断面与中心断面的特征向量，并将其用于断面聚类；

B、计算与实时断面特征向量相匹配的中心断面权系数向量

根据选取的断面特征向量中的元素，在所有中心断面中，分别量化与特征向量匹配的节点注入功率单位波动与支路参数单位变化引起的网损增量，求取与此实时断面相匹配的各中心断面权系数向量；

C、断面聚类

利用一种改进的最近邻聚类算法对不同采集情况与参数变化情况的断面进行聚类，并将结果存入中心数据库中；

在步骤C中，所述的一种改进的最近邻聚类算法是指选取动态阈值，利用最近邻聚类法聚类完毕后，固定类的个数与中心样本，求取各类的局部最异点，并将局部最异点与各中心样本重新比较，进行二次分类；最近邻聚类法的距离向量选取欧氏距离；

所述的欧氏距离公式如下：

$d_{ij}^{\left(2\right)}={\left(\underset{k=1}{\overset{p}{\Σ}}{w_k}^2\right|x_{ik}-x_{jk}{|}^2)}^{1/2}$

式中，w_k为特征向量权系数，p为特征向量中的维数，i，j表示断面样本的时刻；

D、理论线损计算

利用聚类结果快速计算出实时与阶段理论线损值。

2.根据权利要求1所述的一种采用聚类技术的实时与阶段理论线损快速估算方法；其特征在于：

在步骤A中，所述的提取实时断面特征向量，是指根据电网不同的变化情况提取不同的断面特征向量；对于采集数据完整断面，在支路参数不发生变化时，将节点注入功率作为特征向量，即特征向量C＝C_s＝(c_1s,c_2s,…,c_qs)；当支路参数发生变化时，则将节点注入功率特征向量C_s＝(c_1s,c_2s,...,c_qs)与支路参数特征向量组合为特征向量对于采集数据缺失断面，每隔一定时间T根据聚类结果，利用粗糙集理论对采集完整时的数据断面特征向量进行约减，将此断面之前的数据采集完整断面的聚类中心结果作为决策属性，逐一去除断面的特征向量中的第i个属性，其中i＝1,2,…,q，并将其作为条件属性，从而对节点注入特征向量进行属性约减并输出多个约减核向量；如果断面采集数据与某一个求取的核特征向量匹配，则在支路参数不发生变化时，得出精简后的核特征向量C_H＝(c_1s,c_2s,…,c_hs)，h≤q为约减后特征向量的维数；当支路参数发生变化时，则将节点注入核特征向量C_H＝(c_1s,c_2s,…,c_hs)与支路参数特征向量组合为核特征向量如果断面采集数据与任一求取的核特征向量均不匹配，那么在步骤C中采取不同的方法处理。

3.根据权利要求1所述的一种采用聚类技术的实时与阶段理论线损快速估算方法；其特征在于：

在步骤B中，所述的计算与实时断面特征向量相匹配的中心断面权系数向量，是指根据实时断面特征向量选取的结果，在所有中心断面中计算与实时断面特征向量匹配的中心断面权系数向量，假设数据库中已存在类数为M_lei；

(a)当实时断面采集数据完整时，在支路参数不变时，各中心断面权系数向量w_M＝(w_M1,w_M2,…,w_Mq)，M＝1,2,...,M_lei,通过量化中心断面中利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi获取；在支路参数改变时，在各个中心断面中定义参数相对变化向量B_M,M＝1,2,...,M_lei，并结合量化利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi以及各支路参数变化为1+j时的网损增量Δβ_Ml获取权系数向量M＝1,2,...,M_lei；

(b)当实时断面缺失数据时，如果此实时断面采集数据与约减后的某个核特征向量数据相匹配,即断面有采集数据节点集包含某个核特征向量中所需节点集；在支路参数不变时，各中心断面权系数向量w_HM＝(w_M1,w_M2,…,w_Mh)，M＝1,2,...,M_lei同样通过量化利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi获取；在支路参数改变时，在各个中心断面中定义支路参数相对变化向量B_M,M＝1,2,...,M_lei，并结合量化利用电流叠加法求取的各节点注入功率波动为1+j时的网损增量Δδ_Mi以及各支路参数变化为1+j时的网损增量Δβ_Ml获取权系数向量M＝1,2,...,M_lei。

4.根据权利要求1所述的一种采用聚类技术的实时与阶段理论线损快速估算方法；其特征在于：

在步骤D中，所述的利用聚类结果快速计算出实时与阶段理论线损值，是将中心断面的理论线损值赋给属于此类的实时断面，将阶段内所有的断面网损之和相加即为阶段网损值；

计算阶段理论线损值公式如下：

$m\_S_{loss}=\underset{i=1}{\overset{m_{new}}{\Σ}}{k}_i{S}_{loss}^i$

式中，m_new为阶段内断面样本的类数，k_i为每类所包含的样本数，为每类的中心样本网损值。

5.根据权利要求3所述的一种采用聚类技术的实时与阶段理论线损快速估算方法；其特征在于：

在(a)和(b)中，所述的量化利用电流叠加法求取节点注入功率波动后网损增量，是利用波动前后节点注入功率和节点电压来计算注入电流波动量，从而计算网络总损增量；

计算注入电流波动公式为：

$\stackrel{\·}{{\mathrm{\ΔI}}_{ks}}=\stackrel{\·}{{I_{ks}}^{\′}}-\stackrel{\·}{I_{ks}}=\frac{\stackrel{\·}{S_{kb}}}{\stackrel{\·}{U_{kb}}}-\frac{\stackrel{\·}{S_{ka}}}{\stackrel{\·}{U_{ka}}}\≈\frac{\stackrel{\·}{S_{kb}}-\stackrel{\·}{S_{ka}}}{\stackrel{\·}{U_k}}=\frac{\stackrel{\·}{\mathrm{\Δ}S}}{\stackrel{\·}{U_k}}$

式中，为节点k的初始注入功率，为节点k发生功率波动后的注入功率，同理为节点k的初始节点电压，为节点k发生功率波动后的节点电压，为节点k的基准收敛电压；为节点k的初始注入电流，节点k发生功率波动后的注入电流；

计算某一中心断面中节点注入功率波动后引起网损增量公式为：

${\mathrm{\δ}}_{Mk}=\underset{l=1}{\overset{l_0}{\Σ}}{\mathrm{\δ}}_{Mkl}=\underset{i=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{y}_{ij}^{*}\underset{m=1}{\overset{q}{\Σ}}{(Z_{ik}-Z_{jk})}^{*}(Z_{im}-Z_{jm})\stackrel{\·}{I_{ms}}\mathrm{\Δ}\stackrel{\·}{I_{ks}^{*}}$

式中，M＝1,2,...,M_lei为已存在类数，为某节点k等效注入电流变化量，Z_im为网络中节点导纳矩阵的逆矩阵节点阻抗矩阵的解；当注入功率波动为1+j时网损增量表达式如下：

${\mathrm{\Δ\δ}}_{Mk}=\underset{l=1}{\overset{l_0}{\Σ}}{\mathrm{\δ}}_{Mkl}=\underset{i=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{y}_{ij}^{*}\underset{m=1}{\overset{q}{\Σ}}{(Z_{ik}-Z_{jk})}^{*}(Z_{im}-Z_{jm})\stackrel{\·}{I_{ms}}{\left(\frac{1+j}{{\stackrel{\·}{U}}_k}\right)}^{*}$

在(a)和(b)中，利用电流叠加法计算支路参数变化后的网损增量，首先计算支路参数变化量，求取新的阻抗矩阵；在考虑注入功率恒定而支路参数变化时,利用灵敏度分析法求取支路参数对各节点电压的影响，并将其叠加到初始电压上，求取支路参数变化后的节点电压向量，并计算支路参数变化后的节点注入电流，从而计算支路参数变化引起的网络增量；

利用灵敏度分析法求取支路参数对各节点电压的影响公式为：

$\stackrel{\·}{AU}=-Y_n^{-1}{\mathrm{A\ΔY}}_b(\stackrel{\·}{V_g}+\stackrel{\·}{V_b})$

式中为利用灵敏度求取的支路参数变化引起的节点电压变化向量；

计算支路参数变化后的节点注入电流公式为：

$\stackrel{\·}{I_{lk}}=\frac{\stackrel{\·}{S_k}}{\stackrel{\·}{U_k}+\stackrel{\·}{{\mathrm{\ΔU}}_k}}=\frac{\stackrel{\·}{S_k}}{\stackrel{\·}{U_k}}*\frac{\stackrel{\·}{U_k}}{\stackrel{\·}{U_k}+\stackrel{\·}{{\mathrm{\ΔU}}_k}}=\stackrel{\·}{I_k}*(1-\frac{1}{1+\stackrel{\·}{U_k}/\stackrel{\·}{{\mathrm{\ΔU}}_k}})=\stackrel{\·}{I_k}-\stackrel{\·}{I_k}*\frac{1}{1+1/{\mathrm{\κ}}_k}=\stackrel{\·}{I_k}+\stackrel{\·}{{\mathrm{\ΔI}}_{lk}}$

式中，为支路参数变化后节点k的注入电流，为节点k的注入功率，为节点k的初始基准电压，为节点k的电压波动量；为节点k初始注入电流，为支路参数变化引起的电流变化量，κ_i＝ΔU_i/U_i；

计算某一中心断面中各支路参数变化1+j时的网损增量公式为：

${\mathrm{\Δ\β}}_{Ml}=\underset{i=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{y_{ij}}^{*}\underset{k=1}{\overset{q}{\Σ}}\underset{m=1}{\overset{q}{\Σ}}\[{(Z_{ik}^{\′}-Z_{jk}^{\′})}^{*}(Z_{im}^{\′}-Z_{jm}^{\′})(\stackrel{\·}{I_{ms}}+\stackrel{\·}{{\mathrm{\ΔI}}_{lms}})(\stackrel{\·}{I_{ks}^{*}}+\stackrel{\·}{{\mathrm{\ΔI}}_{lks}^{*}})-{(Z_{ik}-Z_{jk})}^{*}(Z_{im}-Z_{jm})\stackrel{\·}{I_{ms}}\stackrel{\·}{I_{ks}^{*}}\],i,j=1,2,\mathrm{..},n$

式中y_ij ^*为支路l导纳的共轭，Z_i'_m为网络中支路l支路参数变化1+j时新的节点阻抗矩阵中的元素，Z_im为网络中基准节点阻抗矩阵中的元素；

在(a)和(b)中，量化注入功率单位波动网损增量Δδ_Mi获取支路参数不变时各个中心断面的特征向量权系数向量w_M＝(w_M1,w_M2,…,w_Mq)与w_HM＝(w_M1,w_M2,…,w_Mh)，各个中心断面权系数向量分别等于实时断面的特征向量中各节点注入功率单位波动网损增量Δδ_Mi绝对值占单位波动网损增量绝对值之和的比重；

实时断面采集数据完整时权系数向量w_M计算公式为：

$w_{Mi}=\frac{\left|{\mathrm{\Δ\δ}}_{Mi}\right|}{\underset{i=1}{\overset{q}{\Σ}}\left|{\mathrm{\Δ\δ}}_{Mi}\right|},\underset{i=1}{\overset{q}{\Σ}}{w}_{Mi}=1,w_{Mi}>0,M=1,2,...,M_{lei}$

式中，q为电源数，M_lei为已存在类数；

实时断面采集数据缺失时权系数向量w_HM计算公式为：

$w_{Mi}=\frac{\left|{\mathrm{\Δ\δ}}_{Mi}\right|}{\underset{i=1}{\overset{h}{\Σ}}\left|{\mathrm{\Δ\δ}}_{Mi}\right|},\underset{i=1}{\overset{h}{\Σ}}{w}_{Mi}=1,w_{Mi}>0,M=1,2,...,M_{lei}$

式中，h为核特征向量中所需注入节点数，M_lei为已存在类数；

在(a)和(b)中，定义支路参数相对变化向量B_M，并结合电流叠加法量化各节点注入功率波动为1+j时的网损增量Δδ_Mi以及各支路参数变化为1+j时的网损增量Δβ_Ml获取支路参数变化时权系数向量与定义支路参数相对变化向量B_M为0,1离散向量，0代表实时断面相对中心断面参数没有变化，1代表实时断面相对中心断面参数发生变化；权系数向量w_BM与核权系数向量w_HBM由两部分组成，注入权系数与支路参数权系数，其各占权重的50％；注入权系数等于其各节点注入功率单位波动网损增量Δδ_Mi绝对值占单位波动网损增量绝对值之和的比重的1/2；支路参数权系数等于支路参数单位变化网损增量Δβ_Nl与参数相对变化向量之积的绝对值占支路参数单位变化全网网损增量Δβ_Nl与参数相对变化向量之积绝对值之和比重的1/2；

实时断面采集数据完整时各中心断面权系数公式如下：

$\underset{i=1}{\overset{q}{\Σ}}{w}_{Mi}=0.5,\underset{i=1}{\overset{l_0}{\Σ}}{w}_{Myi}=0.5,w_{Mi}>0,w_{Myi}>0,M=1,2,...,M_{lei}$

$w_{Mi}=0.5*\frac{\left|{\mathrm{\Δ\δ}}_{Mi}\right|}{\underset{i=1}{\overset{q}{\Σ}}\left|{\mathrm{\Δ\δ}}_{Mi}\right|},i=1,2,...,q$

$w_{Myi}=0.5*\frac{\left|B_{Mi}{\mathrm{\Δ\β}}_{Mi}\right|}{\underset{i=1}{\overset{l_0}{\Σ}}\left|B_{Mi}{\mathrm{\Δ\β}}_{Mi}\right|},i=1,,...,l_0$

式中，q为电源数，l₀为支路数，M_lei为已存在类数；

实时断面采集数据缺失时各中心断面权系数计算公式如下：

$\underset{i=1}{\overset{h}{\Σ}}{w}_{Mi}=0.5,\underset{i=1}{\overset{l_0}{\Σ}}{w}_{Myi}=0.5,w_{Mi}>0,w_{Myi}>0,M=1,2,...,M_{lei}$

$w_{Mi}=0.5*\frac{\left|{\mathrm{\Δ\δ}}_{Mi}\right|}{\underset{i=1}{\overset{h}{\Σ}}\left|{\mathrm{\Δ\δ}}_{Mi}\right|},i=1,2,...,h$

$w_{Myi}=0.5*\frac{\left|B_{Mi}{\mathrm{\Δ\β}}_{Mi}\right|}{\underset{i=1}{\overset{l_0}{\Σ}}\left|B_{Mi}{\mathrm{\Δ\β}}_{Mi}\right|},i=1,,...,l_0$

式中，h为核特征向量中所需注入节点数，l₀为支路数，M_lei为已存在类数。

6.根据权利要求5所述的一种采用聚类技术的实时与阶段理论线损快速估算方法；其特征在于：

所述的动态阈值是指由于不同中心断面中特征向量与权系数向量的差异性，致使阈值是随不同的实时断面聚类而不断变化的；假设类中各节点允许的注入功率波动百分率范围为±a％，参数允许波动范围百分率为±b％，节点注入波动与支路参数波动范围是根据大量的数据得出的经验值，根据不同的精度需求和网架结构选取不同的数值；

参数不变情况下实时断面与第M类中心断面的阈值d_M公式为：

$d_M=\sqrt{\underset{i=1}{\overset{q}{\Σ}}{(w_{Mi}*c_{Mi}*a\%)}^2}$

参数变化时的动态阈值d_M公式为:

$d_M=\sqrt{\underset{i=1}{\overset{q}{\Σ}}{(w_{Mi}*c_{Mi}*a\%)}^2+\underset{i=q}{\overset{q+l_0}{\Σ}}{(w_{Mi}*y_{Mi}*b\%)}^2}$

式中M＝1,2,...,M_lei，w_Mi为第M类中节点i的权重；

所述的二次分类是指如果每个局部最异点与所有中心样本的距离最小值等于其与原所属中心样本的欧氏距离，那么此样本不重新分类，并且固定此类不在求取局部最异点参与下一次聚类，反之，则将此样本重新分类，循环直到所有的局部最异点与其所属类的中心样本距离最小；所述的对不同采集情况与参数变化情况的断面进行聚类，并将结果存入中心数据库中，是指将前期所有断面的特征向量与聚类结果存入数据库，并将实时采集断面数据分为采集数据缺失断面与采集数据完整断面两种情况，采集数据完整断面，选取欧氏距离度量样本与数据库中的中心断面间的相似度，采集数据缺失断面，根据数据缺失程度不同分别处理，如果断面数据与约减后核特征向量数据相匹配，那么利用核特征向量计算样本与数据库中的中心断面间的欧氏距离并度量相似度，通过改进的最近邻聚类对断面进行实时聚类，将聚类结果存入数据库中；对于采集数据缺失断面，如果断面采集数据与任一求取的核特征向量均不匹配定义节点采集情况向量A＝(a₁,a₂,…,a_n),a_i为0、1向量，0代表采集失败，1代表采集成功，同时计算采集数据缺失断面与已存在的采集数据完整聚类中心的采集数据的相关系数以及特征向量的相似度，并按相关系数匹配规则及相似度匹配规则确定聚类结果，将聚类结果存入数据库中；

(a)采集数据完整断面:

实时断面参数不变时与各中心断面的相似度计算公式如下：

$d=\sqrt{{\left(w_{M1}{\mathrm{\Δc}}_{M1}\right)}^2+{\left(w_{M2}{\mathrm{\Δc}}_{M2}\right)}^2+\mathrm{...}+{\left(w_{Mq}{\mathrm{\Δc}}_{Mq}\right)}^2}$

实时断面支路参数变化时与各中心断面的相似度计算公式如下：

$d=\sqrt{{\left(w_{M1}{\mathrm{\Δc}}_{M1}\right)}^2+{\left(w_{M2}{\mathrm{\Δc}}_{M2}\right)}^2+\·\·\·{\left(w_{Mq}{\mathrm{\Δc}}_{Mq}\right)}^2+{\left(w_{My1}{\mathrm{\Δc}}_{My1}\right)}^2+\mathrm{...}+{\left(w_{{\mathrm{Myl}}_0}{\mathrm{\Δc}}_{{\mathrm{Myl}}_0}\right)}^2}$

(b)采集数据缺失断面且与某一核特征向量相匹配：

实时断面支路参数不变时与各中心断面的相似度计算公式如下：

$d=\sqrt{{\left(w_{M1}{\mathrm{\Δc}}_{M1}\right)}^2+{\left(w_{M2}{\mathrm{\Δc}}_{M2}\right)}^2+\mathrm{...}+{\left(w_{Mh}{\mathrm{\Δc}}_{Mh}\right)}^2}$

实时断面支路参数变化时与各中心断面的相似度计算公式如下：

$d=\sqrt{{\left(w_{M1}{\mathrm{\Δc}}_{M1}\right)}^2+{\left(w_{M2}{\mathrm{\Δc}}_{M2}\right)}^2+\·\·\·{\left(w_{Mh}{\mathrm{\Δc}}_{Mh}\right)}^2+{\left(w_{My1}{\mathrm{\Δc}}_{My1}\right)}^2+\mathrm{...}+{\left(w_{{\mathrm{Myl}}_0}{\mathrm{\Δc}}_{{\mathrm{Myl}}_0}\right)}^2};$

(c)采集数据缺失断面且与任一核特征向量均不匹配：

所述的相关系数匹配规则是指相关系数大于0.8的中心断面，均为此采集数据缺失断面的相似断面；如果所有中心断面的相关系数均小于0.8，则将此断面作为标准断面，值班人员利用手动补全数据；

采集数据相关系数计算公式如下：

$\mathrm{\ξ}=\frac{\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}\left(\right|A*\[S{\left(k\right)}_{\left(j\right)}-\stackrel{\‾}{S{\left(k\right)}_j}\]\left|\right)\×\left(\right|\[A*S{\left(l\right)}_{\left(j\right)}-\stackrel{\‾}{S{\left(l\right)}_{\left(j\right)}}\]\left|\right)}{\sqrt{\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}A*{\[S{\left(k\right)}_{\left(j\right)}-\stackrel{\‾}{S{\left(k\right)}_j}\]}^2}\×\sqrt{\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}A*{\[S{\left(l\right)}_{\left(j\right)}-\stackrel{\‾}{S{\left(l\right)}_{\left(j\right)}}\]}^2}}$

式中，n为节点数，S(k)_(j)为采集数据完整时刻数据库中心时刻k的j节点的注入功率，为采集数据完整时刻数据库中心时刻k节点注入功率均值；S(l)_(j)为采集数据缺失时刻数据库中l时刻j节点的注入功率，为采集数据缺失时刻数据库中l时刻节点注入功率均值；

所述的相似度匹配原则为按照最近邻聚类的特点，取相似度最大为所属类；

采集数据缺失断面且与某一核特征向量均不匹配的不完整数据与相似模式断面的相似度公式如下：

$d=\sqrt{{\left(a_1{w}_1{\mathrm{\Δc}}_1\right)}^2+{\left(a_2{w}_2{\mathrm{\Δc}}_2\right)}^2+\mathrm{...}+{\left(a_q{w}_q{\mathrm{\Δc}}_q\right)}^2+{\left(b_1{w}_{q+1}{\mathrm{\Δc}}_{q+1}\right)}^2+\mathrm{...}+{\left(b_{l_0}{w}_{q+l_0}{\mathrm{\Δc}}_{q+l_0}\right)}^2}.$