CN105069527A - 一种基于数据挖掘技术的台区合理线损预测方法 - Google Patents

Abstract

本发明公开了一种基于数据挖掘技术的台区合理线损预测方法，采用台区线损的实际采样数据，利用数据挖掘手段针对海量数据进行处理，目的是发现台区特征数据与台区线损间的潜在关联，与传统的理论线损计算方法相比，数据来源可靠，更能反映现场实际线损状况；算法流程简单实用，效率较高；多元线性回归模型结构简洁，能够直观反映各特征参数对台区线损的影响程度，易于分析线损不合理的台区状况；易于软件实现，可以较为方便的融入线损管理系统。

Description

一种基于数据挖掘技术的台区合理线损预测方法

技术领域

本发明涉及一种基于数据挖掘技术的台区合理线损预测方法，属于电力系统自动化领域。

背景技术

线损是在输送和分配电能过程中，电力网中各个元件或设备所产生的功率损失和电能损失以及其他损失。线损率指的是电力网络中损耗的电能(线路损失负荷)与向电力网络供应电能(供电负荷)的百分数，其计算公式如下：

线损率是综合反映电力系统规划设计、电力部门生产运行和经营管理水平的重要经济技术指标，降低线损率可以带来非常可观的经济与社会效益。我国对线损实行分压、分区、分线和分台区管理，其中低压客户全面实行分台区管理，台区线损直接反映了一个地区的营销管理水平。所谓台区，是指在电力系统中，一台变压器的供电范围或区域。台区线损管理通过比较理论线损与实际线损的差值，对线损率进行分析和预测，提供较为科学的降损措施，有利于提升电力部门的管理水平与经济效益，促进电网的建设与改造。

随着智能电表的推广应用以及用电信息采集系统建设工作的快速推进，低压台区关口计量点和用户计量点实现远程准点抄表，极大提高了低压台区线损管理的实时性与准确性。江苏省电力公司从2013年开始基于用电信息采集数据进行低压台区线损管理，全省线损率在-1％至10％间的台区比重从65％提高到2014年底的91％，降损增效显著。

为了进一步提高台区线损管理精益化水平，需要给出每个台区可参照的合理线损率，实现线损在线监控，及时发现异常台区，分析原因，及时解决问题。但是由于低压台区下分支线路复杂，元件多样，设备台账数据不全，理论线损计量非常困难，实时性不高。因此如何快速计算合理线损率已成为当前低压台区线损研究的关键。数据挖掘技术的发展，为大量的数据分析提供了可能。

发明内容

为了解决上述技术问题，本发明提供了一种基于数据挖掘技术的台区合理线损预测方法。

为了达到上述目的，本发明所采用的技术方案是：

一种基于数据挖掘技术的台区合理线损预测方法，包括以下步骤，

步骤一，提取台区线损的特征数据；

步骤二，对特征数据进行筛选和清洗，获得线损稳定台区特征数据；

所述线损稳定台区指用电信息采集系统在线计算的台区日和月线损率数值稳定，能真实反应当前实际线损情况的台区；

步骤三，设定聚类数K＝n，n为正整数，设定聚类计算迭代终止阈值；

步骤四，进行聚类计算，获得聚类数为K时的聚类结果；

步骤五，计算步骤四中聚类结果的整体轮廓系数；

步骤六，判断K是否小于n+p-1，p为正整数，如果是，则K＝n+1，转至步骤四，否则转至步骤七；

步骤七，比较p个整体轮廓系数，确定最优的整体轮廓系数，获得最优的聚类结果；

步骤八，将最优聚类结果中的K类数据按照类别分别建立K个多元线性回归模型；

步骤九，通过K个多元线性回归模型得出K个回归方程，分析多元线性回归模型的显著性，对输出数据进行预测验证，检验预测效果，并分析是否出现奇异点。

进行聚类计算的过程为，

A1)，在线损稳定台区特征数据中任选K个作为聚类中心，剩余的在线损稳定台区特征数据作为样本数据；

A2)，计算每个样本数据到每个聚类中心的欧氏距离，并将其归类于最近的聚类中心；

A3)重新计算每个新类的平均值，并将该值作为新的聚类中心；

A4)重复步骤A2和A3，反复迭代，直到满足终止条件，即目标函数达到最小值迭代终止阈值。

所述目标函数采用平方误差准则，

$E=\underset{j=1}{\overset{K}{\Σ}}\underset{x_q\∈C_j}{\Σ}{(x_q-m_j)}^2$

其中，E表示所有类对象的平方误差，x_q为第j个类C_j中的元素，m_j是第j个类C_j的聚类中心，j∈[1,K]_。

计算整体轮廓系数的过程为，

B1)对于第j个类C_j中的元素x_q，计算x_q与其同一类别内的所有其他元素距离的平均值，记作c_j；

B2)选取x_q外的一个类C_j′，j′∈[1,K]，计算x_q与C_j′中所有元素的平均距离，遍历所有其他类，找到最近的这个平均距离，记作c_j′；

B3)对于x_q，其轮廓系数

B4)计算所有K个类中所有元素的轮廓系数，求平均值即为整体轮廓系数。。

在建立多元线性回归模型之前，需要对最优聚类结果进行进一步优化，即将元素少于在线损稳定台区特征数据总数0.1％的类删除。

特征数据包括总用户数、居民户数、非居民户数、居民容量、非居民容量、变压器容量、居民容量占比、居民户均容量和供电量。

本发明所达到的有益效果：本发明采用台区线损的实际采样数据，利用数据挖掘手段针对海量数据进行处理，目的是发现台区特征数据与台区线损间的潜在关联，与传统的理论线损计算方法相比，数据来源可靠，更能反映现场实际线损状况；算法流程简单实用，效率较高；多元线性回归模型结构简洁，能够直观反映各特征参数对台区线损的影响程度，易于分析线损不合理的台区状况；易于软件实现，可以较为方便的融入线损管理系统。

附图说明

图1为本发明的流程图。

图2为当聚类数为3时聚类大小。

图3为回归模型1的实际与预测线损率分布直方图。

图4为回归模型2的实际与预测线损率分布直方图。

图5为回归模型3的实际与预测线损率分布直方图。

图6为回归模型1的实际与预测线损率分布散点图。

图7为回归模型2的实际与预测线损率分布散点图。

图8为回归模型3的实际与预测线损率分布散点图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，一种基于数据挖掘技术的台区合理线损预测方法，包括以下步骤:

步骤一，提取台区线损的特征数据.

从电力系统用户数据采集系统中提取台区当月与线损率相关的特征数据，包括总用户数、居民户数、非居民户数、居民容量、非居民容量、变压器容量、居民容量占比、居民户均容量和供电量。

其中，居民容量占比＝非居民容量/(非居民容量+居民容量)；

居民户均容量＝居民容量/居民户数。

步骤二，对特征数据进行筛选和清洗，获得线损稳定台区特征数据。

在采用统计和聚类方法分析线损时，为了减少非主要因素的干扰，降低分析台区线损影响因子和影响系数的难度，建立了线损稳定台区的概念，线损稳定台区指用电信息采集系统在线计算的台区日和月线损率数值稳定，能真实反应当前实际线损情况的台区；为保证数据的稳定可靠，对提取的特征数据进行筛查，去除的线损非稳定台的特征数据，获得线损稳定台区特征数据。

线损非稳定台区包括：

1)采集未全覆盖：所有在用计量点均已采集，无未采集供、用电表计；

2)台区下有特殊用户，如光伏发电、无表计量等；

3)当月发生业务变更，如考核单元对象数量发生增减、户变关系调整、用户增减、用户业务变更(换表除外)；

4)月线损值超出(-1％～10％)的范围；

5)月内日线损超出(-1％～10％)范围的天数多于10天。

步骤三，设定聚类数K＝n，n为正整数，设定聚类计算迭代终止阈值。

步骤四，进行聚类计算，获得聚类数为K时的聚类结果。

进行聚类计算的过程为，

A1)，在线损稳定台区特征数据中任选K个作为聚类中心，剩余的在线损稳定台区特征数据作为样本数据；

A2)，计算每个样本数据到每个聚类中心的欧氏距离(欧氏距离为一个已知的公式，不具体写出了)，并将其归类于最近的聚类中心；

A3)重新计算每个新类的平均值，并将该值作为新的聚类中心；

A4)重复步骤A2和A3，反复迭代，直到满足终止条件，即目标函数达到迭代终止阈值。

上述目标函数采用平方误差准则，

$E=\underset{j=1}{\overset{K}{\Σ}}\underset{x_q\∈C_j}{\Σ}{(x_q-m_j)}^2$

其中，E表示所有类对象的平方误差，x_q为第j个类C_j中的元素，m_j是第j个类C_j的聚类中心，j∈[1,K]_。

步骤五，计算步骤四中聚类结果的整体轮廓系数。

计算整体轮廓系数的过程为，

B1)对于第j个类C_j中的元素x_q，计算x_q与其同一类别内的所有其他元素距离的平均值，记作c_j；

B2)选取x_q外的一个类C_j′，j′∈[1,K]，计算x_q与C_j′中所有元素的平均距离，遍历所有其他类，找到最近的这个平均距离，记作c_j′；

B3)对于x_q，其轮廓系数

B4)计算所有K个类中所有元素的轮廓系数，求平均值即为整体轮廓系数。。

步骤六，判断K是否小于n+p-1，p为正整数，如果是，则K＝n+1，转至步骤四，否则转至步骤七；

步骤七，比较p个整体轮廓系数，确定最优的整体轮廓系数，获得最优的聚类结果；

步骤八，将最优聚类结果中的K类数据按照类别分别建立K个多元线性回归模型。

由于K-means聚类对噪声点和孤立点敏感，在建立多元线性回归模型之前，需要对最优聚类结果进行进一步优化，即将元素少于在线损稳定台区特征数据总数0.1％的类删除，提高聚类质量。

步骤九，通过K个多元线性回归模型得出K个回归方程，分析多元线性回归模型的显著性，对输出数据进行预测验证，检验预测效果，并分析是否出现奇异点。

上述的基于数据挖掘技术的台区合理线损预测方法，采用台区线损的实际采样数据，利用数据挖掘手段针对海量数据进行处理，首先通过聚类方法按照台区特征对海量的台区数据进行分类；其次，对每一类典型台区通过回归方式建立数学模型；最后将所要预测的数据输入模型，预测线损值，目的是发现台区特征数据与台区线损间的潜在关联，与传统的理论线损计算方法相比，数据来源可靠，更能反映现场实际线损状况；算法流程简单实用，效率较高；多元线性回归模型结构简洁，能够直观反映各特征参数对台区线损的影响程度，易于分析线损不合理的台区状况；易于软件实现，可以较为方便的融入线损管理系统。

为了进一步说明本方法，本发明将利用用户采集系统的实际采集数据，基于IBMSPSSModeler软件平台，对上述算法在台区合理线损预测中的应用进行验证。

以江苏省部分农网实际稳定台区数据为样本数据(共130109个)，作为聚类模型的输入，包括总用户数、居民户数、非居民户数、居民容量、非居民容量、变压器容量、居民容量占比、居民户均容量、供电量。选择K-means聚类，始聚类数设定为2～15，即K∈[2,15]，p＝14。各聚类数对应的轮廓系数如表1所示。

表1K-means轮廓系数比较

通过对轮廓系数的分析对比，可知在聚类数为3时，聚类质量最好，其对应的聚类结果分别如图2和表2所示。

表2最优聚类各聚类中心

	聚类1	聚类2	聚类3
				变压器容量	203.65	294.82	278.04
非居民户数	1.57	1.57	6.46
				非居民容量	42.51	49.90	230.82
居民户均容量	5.15	8.34	8.51
				居民户数	62.22	71.39	5.81
居民容量	316.67	588.08	47.94
				居民容量占比	0.89	0.93	0.14
总用户数	63.79	72.97	12.26
				供电量	11698	25691	21803

由表2可以看出，聚类3居民容量占比为0.14，可以认为此类为非居民用户类。聚类1和聚类2居民容量占比分别为0.89和0.93，可以认为这两类为居民用户类，同时户均容量分别为5.15和8.34，可认为是两种不同规格台区(对应4kVA与8kVA)。可见，分类特征显著，具有较为明显的物理意义，K-means聚类合理。

多元线性回归建模的思路是根据聚类数据结果，将三类数据分别作为多元线性回归模型的输入，以线损率作为输出，建立多元线性回归模型，并对结果做相应分析，并对出现的奇异点做具体分析。数据源是上述K-means聚类的三类数据：聚类1，聚类2，聚类3。建模特征参数包括：用户总数、居民户数、非居民户数、居民户容量、非居民容量、居民户均容量、居民容量占比、变压器容量、供电量；输出参数为：线损率。异常值误差设定为1.0E-4。表3所示为三个线性回归模型的相关系数。

表3三类线性回归模型系数

三个模型的Sig都小于0.0005，非常显著，因此生成的模型均具有统计学意义。

图3、4和5为预测线损率与实际线损率之间的预测误差直方图，可知，实际线损和预测线损之差在0附近的占绝大多数，数据主要集中在[-1.5，1.5]，且不存在奇异点，残差符合正态分布，取得了良好的回归预测效果。图6、7和8所示为三个回归模型的预测线损率与实际线损率散点图。图中实线A为预测线损和实际线损相等的点的集合，虚线B，C确定的区域为线损合格的区域(95％置信区间)。表4给出了三个模型95％置信区间的界限值。

表495％置信区间对应的残差

可见，利用本发明所述方法进行合理线损预测，预测误差较小，满足台区线损管理的需求。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种基于数据挖掘技术的台区合理线损预测方法，其特征在于：包括以下步骤，

步骤一，提取台区线损的特征数据；

步骤二，对特征数据进行筛选和清洗，获得线损稳定台区特征数据；

所述线损稳定台区指用电信息采集系统在线计算的台区日和月线损率数值稳定，能真实反应当前实际线损情况的台区；

步骤三，设定聚类数K＝n，n为正整数，设定聚类计算迭代终止阈值；

步骤四，进行聚类计算，获得聚类数为K时的聚类结果；

步骤五，计算步骤四中聚类结果的整体轮廓系数；

步骤六，判断K是否小于n+p-1，p为正整数，如果是，则K＝n+1，转至步骤四，否则转至步骤七；

步骤七，比较p个整体轮廓系数，确定最优的整体轮廓系数，获得最优的聚类结果；

步骤八，将最优聚类结果中的K类数据按照类别分别建立K个多元线性回归模型；

步骤九，通过K个多元线性回归模型得出K个回归方程，分析多元线性回归模型的显著性，对输出数据进行预测验证，检验预测效果，并分析是否出现奇异点。

2.根据权利要求1所述的一种基于数据挖掘技术的台区合理线损预测方法，其特征在于：进行聚类计算的过程为，

A1)，在线损稳定台区特征数据中任选K个作为聚类中心，剩余的在线损稳定台区特征数据作为样本数据；

A2)，计算每个样本数据到每个聚类中心的欧氏距离，并将其归类于最近的聚类中心；

A3)重新计算每个新类的平均值，并将该值作为新的聚类中心；

A4)重复步骤A2和A3，反复迭代，直到满足终止条件，即目标函数达到迭代终止阈值。

3.根据权利要求2所述的一种基于数据挖掘技术的台区合理线损预测方法，其特征在于：所述目标函数采用平方误差准则，

其中，E表示所有类对象的平方误差，x_q为第j个类C_j中的元素，m_j是第j个类C_j的聚类中心，j∈[1,K]。

4.根据权利要求1所述的一种基于数据挖掘技术的台区合理线损预测方法，其特征在于：计算整体轮廓系数的过程为，

B1)对于第j个类C_j中的元素x_q，计算x_q与其同一类别内的所有其他元素距离的平均值，记作c_j；

B2)选取x_q外的一个类C_j′，j′∈[1,K]，计算x_q与C_j′中所有元素的平均距离，遍历所有其他类，找到最近的这个平均距离，记作c_j′；

B3)对于x_q，其轮廓系数

B4)计算所有K个类中所有元素的轮廓系数，求平均值即为整体轮廓系数。。

5.根据权利要求1所述的一种基于数据挖掘技术的台区合理线损预测方法，其特征在于：在建立多元线性回归模型之前，需要对最优聚类结果进行进一步优化，即将元素少于在线损稳定台区特征数据总数0.1％的类删除。

6.根据权利要求1所述的一种基于数据挖掘技术的台区合理线损预测方法，其特征在于：特征数据包括总用户数、居民户数、非居民户数、居民容量、非居民容量、变压器容量、居民容量占比、居民户均容量和供电量。