CN106372747A - 基于随机森林的台区合理线损率估计方法 - Google Patents

Abstract

本发明涉及一种基于随机森林的台区合理线损率估计方法，包含：从线损系统、生产管理系统PMS、营销系统CMS中提取出相关的数据，形成台区特征数据库；建立台区合理线损率估计模型，方法如下：采用K均值聚类算法将台区划分为5类；对每一种类型台区，分别用决策树算法建立分类模型；对每一种类型台区，分别用随机森林算法建立估计模型；利用上述估计模型估计台区合理线损率。本发明可在不增加表计的情况下提高线损精细化管理程度。

Description

基于随机森林的台区合理线损率估计方法

技术领域

本发明涉及电力系统线损管理领域，具体应用于低压配电网台区线损率的合理估计。实现了在线损系统数据缺失的情况下，利用电力系统多源数据，采用数据挖掘的方法估计台区合理线损率。

背景技术

线损率在评价电力系统的经济运行中扮演重要的角色，线损管理是电力公司的重点管理内容之一。目前我国线损管理采用《线损四分管理标准》，根据“分压、分区、分线、分台区”的原则对线损进行全面管理。根据国家电网的测算，380V低压电网的损耗量占总损耗量的五分之一，是一个重损层。而低压电网的线损管理普遍采用分台区的管理手段，所以研究台区线损情况对提高配电网的经济运行水平具有重要的意义。

从上海电力公司提供的线损系统数据发现，线损系统中数据质量问题表现在数据缺失上，其中供电量数据缺失是导致线损率缺失的主要因素。数据缺失的原因有供电侧无测点，即没有表计；供电侧数据缺失，即通信问题。另一个主要问题是营销抄表日期冲突，导致线损率不合理。因此，为了充分了解台区线损情况，加强线损管理水平，首要任务是合理估计台区线损率，提高线损数据的完整性。随着智能电网建设的推进和智能电表的普及，电力公司积累了大量的电网和用户的历史数据，使得利用多个数据源对台区合理线损率进行估计成为可能。

由于台区数量众多、线路复杂、元件繁多，计算台区理论线损率非常困难，目前并没有特别好的方法。对线损系统中缺失数据的处理往往需要增加表计或者人工纠错，这将会增加投资和人工成本。因此，现在亟需一种在不增加设备和人工投资的情况下估计台区合理线损率的方法。

发明内容

本发明的目的在于克服现有技术的缺点和不足，提供一种涉及多源数据的基于随机森林数据挖掘算法的台区合理线损率估计方法。为了达到上述目的，本发明采用以下技术方案予以实现：

一种基于随机森林的台区合理线损率估计方法，包含如下步骤：

S1、从线损系统、生产管理系统PMS、营销系统CMS中提取出相关的数据，形成台区特征数据库；

S2、建立台区合理线损率估计模型，方法如下：

S201、采用K均值聚类算法将台区划分为5类；

S202、对每一种类型台区，分别用决策树算法建立分类模型；

S203、对每一种类型台区，分别用随机森林算法建立估计模型：

(1)创建随机向量；

(2)根据随机向量将台区样本有放回地抽取r个随机样本，在每个随机样本中随机选取m个变量，建立r棵决策树；

(3)组合决策树的估计结果，将多棵决策树估计的平均值作为模型的输出结果，从而得到台区合理线损率的随机森林估计模型。

S3、利用上述估计模型估计台区合理线损率。

所述步骤S1可以包含以下步骤：

S101、提取数据：从线损系统中提取出台区统计线损数据，包括售电量、线损率、质量码、电系编号数据项；从PMS系统中提取出设备台账数据，根据电系编号从设备台账数据中提取出台区的变压器信息，包括电系编号、设备编号、变压器型号、额定容量、绝缘介质、短路阻抗、短路损耗、空载损耗、投运时间数据项；从CMS系统中提取出台区所辖的用户档案数据，包括设备编号、运行容量、经济类型、价值等级、电价类型、用电类型数据项。

S102、数据清洗和预处理：台区统计线损数据中包含质量码数据项，根据质量码筛选出出线损率合理的台区，根据电系编号从设备台账数据中提取出相应台区的变压器信息，根据设备台账数据中的设备编号从用户档案数据提取出相应的用户信息。

S103、特征数据库形成。台区特征根据特征的类型分为三大类：整体特征、变压器特征和用户特征；整体特征从上步中的台区统计线损数据直接得到；变压器特征从上步中变压器信息直接得到；台区用户特征从上步中的用户信息经过一定的处理获得：“用户数”是台区所有用户的数量的和，以户为单位，“运行容量总和”是所有用户的运行容量或合同容量的总和，“户平均运行容量”是上面两个特征的商，对于经济类型、价值等级、电价类型、用电类型四个特征，因为每户都有相应的值，所以用其众数表示相应特征。

所述步骤S3具体包含以下步骤：

S301、采用S1中所述方法建立建立待估计台区的特征向量；

S302、将特征向量输入到决策树分类模型中，得到台区的类型；

S303、将特征向量输入到相应台区类别的随机森林估计模型中，估计台区合理线损率。

本发明与现有技术相比，具有以下优点和有益效果：

(1)考虑了多个配用电系统数据，充分利用了数据质量较高的设备台账数据和用户档案数据，建立了台区特征数据库。台区特征数据的获得比较容易，而且全面考虑了变压器特征、用户特征和台区整体特征，能反映台区线损率与变压器和用户的关系。

(2)随着智能电网建设的推进和智能电表的普及，电力公司积累了大量的电网和用户的历史数据。本发明充分利用这些数据，采用数据挖掘算法，发掘数据中的价值。

(3)利用随机森林模型建立台区合理线损率的估计模型，既可以处理离散型变量，也可以处理连续型变量，克服了人工神经网络算法收敛速度慢、只能处理连续型变量的缺点；同时克服了回归树算法易出现的过拟合问题，具有良好的性能。

(4)所建模型可以很好的解决线损系统中供电量缺失和营销抄表日期冲突等造成的台区线损数据缺失问题，在不增加表计的情况下提高了线损精细化管理程度，为充分研究台区线损情况提供了保障，对提高电网的经济效益有巨大的应用潜力。

附图说明

图1为本发明的一种具体实施方式的台区特征数据库形成流程图；

图2为本发明的一种具体实施方式的建模方法流程图；

图3为本发明的一种具体实施方式的估计方法流程图。

具体实施方式

本发明的台区合理线损率估计方法，包含如下步骤：

S1、从线损系统、生产管理系统(PMS)、营销系统(CMS)中提取出相关的数据，形成台区特征数据库；

S2、建立台区合理线损率估计模型：

S3、利用上述估计模型估计台区合理线损率；

所述步骤S1具体包含以下步骤：

S101、提取数据。从线损系统中提取出台区统计线损数据，包括售电量、线损率、质量码、电系编号(台区唯一标识符)数据项。从PMS系统中提取出设备台账数据，根据电系编号从设备台账数据中提取出台区的变压器信息，包括电系编号、设备编号、变压器型号、额定容量、绝缘介质、短路阻抗、短路损耗、空载损耗、投运时间数据项。从CMS系统中提取出台区所辖的用户档案数据，包括设备编号、运行容量、经济类型、价值等级、电价类型、用电类型等数据项。

S102、数据清洗和预处理。台区统计线损数据中包含质量码数据项，根据质量码筛选出出线损率合理的台区。根据电系编号从设备台账数据中提取出相应台区的变压器信息。根据设备台账数据中的设备编号从用户档案数据提取出相应的用户信息。

S103、特征数据库形成。台区特征根据特征的类型可以分为三大类：整体特征、变压器特征和用户特征。整体特征从上步中的线损数据直接得到，变压器特征从上步中变压器信息直接得到，台区用户特征从据中上步中的用户信息经过一定的处理获得。“用户数”是台区所有用户的数量的和，以户为单位。“运行(合同)容量总和”是所有用户的运行容量或合同容量的总和。“户平均运行容量”是上面两个特征的商。对于经济类型、价值等级、电价类型、用电类型四个特征，事实上每户都有相应的值，为了表征台区的特征，采用“投票”的方法处理。以“经济类型”为例，统计某一台区下所有用户的经济类型，将频率最高的经济类型作为台区的经济类型；如果遇到有两种经济类型频率相同，则将运行容量大的用户组的经济类型作为台区的经济类型(假设运行容量大的用户对电网的影响更大)。

所述步骤S2具体包含以下步骤：

S201、台区聚类分析。采用K均值聚类算法将台区划分为5类：

(1)从n个台区中任意选择5个作为初始聚类中心；

(2)循环下述流程(3)到(4)，直到每个聚类不在发生变化或者到达指定迭代次数为止；

(3)根据每个聚类中所有台区的均值(中心台区)，计算每个台区与这些中心台区的距离，并根据最小距离重新对每个台区的类型进行划分；

(4)重新计算每个有变化聚类的均值(中心台区)。

S202、对每一种类型台区，分别用决策树算法建立分类模型：

(1)创建一个结点N；

(2)若该结点中所有的台区均为同一类别C，则返回N作为一个叶结点并标志为类别C；

(3)若候选属性列表attributeList为空，则返回N作为一个叶结点并标记为该结点所含台区类别中个数最多的类别作为该叶结点的类别

(4)否则，从attributeList中选择一个信息增益最大的属性作为测试属性attributeTest；并将结点N标记为attributeTest。

(5)对于attributeTest中的每一个取值a，准备划分结点N所包含的台区样本；

(6)根据attributeTest值为a的条件，准备划分结点N所包含的台区样本；

(7)设s为attributeTest值为a的条件下所获得的台区样本集合；

(8)若s为空，则将相应叶结点标记为该结点所包含台区样本中类别个数最多的类别；

(9)否则将相应叶结点标记为generateDecisionTree(s,attributeList,attributeTest)返回值。

递归执行上述步骤，直到满足下列条件之一：

(1)一个结点的所有台区样本为同一类别；

(2)若无属性可用于划分当前台区样本集，则利用“投票”原则将当前结点强制为叶结点，并标记为当前结点所含台区样本集中类别个数最多的类别。

(3)没有样本满足attributeTest值为a的条件，则创建一个叶结点并将其标记为当前结点所含台区样本集中类别个数最多的类别。

S203、对每一种类型台区，分别用随机森林算法建立估计模型：

(4)创建随机向量；

(5)根据随机向量将台区样本有放回地抽取r个随机样本，在每个随机样本中随机选取m个变量，建立r棵决策树；

(6)组合决策树的估计结果，将多棵决策树估计的平均值作为模型的输出结果。

所述步骤S3具体包含以下步骤：

S301、采用S1中所述方法建立建立待估计台区的特征向量；

S302、将特征向量输入到决策树分类模型中，得到台区的类型；

S303、将特征向量输入到相应台区类别的随机森林估计模型中，估计台区合理线损率。

下面结合实施例及附图对本发明作进一步详细的描述。

图1为本发明的一种具体实施方式的台区特征数据库形成流程图。

台区相关数据由上海电力公司提供，空间范围上包括浦东新区5个地区的台区数据，5个地区的典型用户是大工业用户、商业用户和居民用户；时间范围上包括从2014年1月至2015年6月的月线损率。

首先从线损系统中提取出台区统计线损数据，从PMS系统中提取出设备台账数据，从CMS系统中提取出用户档案数据。

其次，由于估计模型的任务是估计台区合理线损率，因此在选择训练集时选择线损系统中线损率质量码为合理的台区。由于数据的时间跨度为1年半，各个台区的月线损率有小范围的波动，因此将各月的线损率的均值作为最终线损率，将各月的售电量的均值作为台区的售电量特征。从而形成台区整体特征。

根据电系编号从设备台账数据中提取出台区对应的变压器信息，包括电系编号、设备编号、变压器型号、额定容量、绝缘介质、短路阻抗、短路损耗、空载损耗、投运时间数据项。其中除投运时间外，其他数据项不需要做处理。对于投运时间，将其转化成距离2015年6月1日的运行天数作为台区特征。从而形成台区变压器特征。

根据设备编号从用户档案数据中提取出台区内的用户，记录下用户的户数，运行容量的总和，进而计算出户均运行容量；统计经济类型，将经济类型的众数作为台区的特征；对于价值等级、电价类型和用电类型，采用同样的处理方式。从而形成台区用户特征。

最后，将台区整体特征、台区变压器特征、台区用户特征输入到数据库中，形成台区特征数据库。

图2为本发明的一种具体实施方式的建模方法流程图。

建模方法主要包括两部分：建立分类模型和建立估计模型，两部分的基础是k均值聚类。

首先，从台区样本中随机抽取10％的台区用于测试，其余的台区样本用于训练。

然后将训练集输入到k均值聚类算法，令k从2到10依次变化，计算k的不同取值下聚类的轮廓系数。轮廓系数结合了聚类的凝聚度和分离度，用于评估聚类的效果。该值处于-1～1之间，值越大，表示聚类效果越好。经过比较，发现k为5时的轮廓系数最大，因此最后选择5作为k的值。重新聚类，记录每个台区的类别。

接着，将训练集合和台区类别向量输入到决策树算法中，训练得到决策树分类模型，用于得到台区的类别。

另外，根据台区的类别将台区划分成5个子训练集，用5个子训练集分别输入到随机森林算法中，经过训练得到估计模型，用于估计台区合理线损率。

图3为本发明的一种具体实施方式的估计方法流程图。

首先，从台区特征数据库中选出预留的10％的测试数据，将测试数据输入到分类模型中，得到台区的类别。然后，根据台区的类别，选择相应的随机森林估计模型，将台区特征输入到模型中，从而得到台区合理线损率。

为了衡量模型的性能，采用归一化均方误差(normalized mean squared error,NMSE)指标衡量，指标的公式如下：

$NMSE=\frac{\frac{\underset{i=1}{\overset{n}{\Σ}}{(p_i-t_i)}^2}{n}}{\frac{\underset{i=1}{\overset{n}{\Σ}}{({\stackrel{\‾}{t}}_{train}-t_i)}^2}{n}}=\frac{\underset{i=1}{\overset{n}{\Σ}}{(p_i-t_i)}^2}{\underset{i=1}{\overset{n}{\Σ}}{(\stackrel{\‾}{t}-t_i)}^2}$

其中，n是测试集的样本数量，p_i是模型对测试集中样本i的估计值，t_i是测试集样本i的真实值，是训练集中所有样本的真实值的均值。

该指标是把模型的估计值和所有观测值的均值进行比较，其取值范围通常为0～1。模型的性能越好，NMSE值越小。

通过计算，得到所建模型的NMSE值为0.1737，表明模型的估计性能是令人满意的。

Claims (3)

1.一种基于随机森林的台区合理线损率估计方法，包含如下步骤：

S1、从线损系统、生产管理系统PMS、营销系统CMS中提取出相关的数据，形成台区特征数据库；

S2、建立台区合理线损率估计模型，方法如下：

S201、采用K均值聚类算法将台区划分为5类；

S202、对每一种类型台区，分别用决策树算法建立分类模型；

S203、对每一种类型台区，分别用随机森林算法建立估计模型：

(1)创建随机向量；

(2)根据随机向量将台区样本有放回地抽取r个随机样本，在每个随机样本中随机选取m个变量，建立r棵决策树；

(3)组合决策树的估计结果，将多棵决策树估计的平均值作为模型的输出结果，从而得到台区合理线损率的随机森林估计模型；

S3、利用上述估计模型估计台区合理线损率。

2.根据权利要求1所述的台区合理线损率估计方法，其特征在于，所述步骤S1包含以下步骤：

S101、提取数据：从线损系统中提取出台区统计线损数据，包括售电量、线损率、质量码、电系编号数据项；从PMS系统中提取出设备台账数据，根据电系编号从设备台账数据中提取出台区的变压器信息，包括电系编号、设备编号、变压器型号、额定容量、绝缘介质、短路阻抗、短路损耗、空载损耗、投运时间数据项；从CMS系统中提取出台区所辖的用户档案数据，包括设备编号、运行容量、经济类型、价值等级、电价类型、用电类型数据项。

S102、数据清洗和预处理：台区统计线损数据中包含质量码数据项，根据质量码筛选出出线损率合理的台区，根据电系编号从设备台账数据中提取出相应台区的变压器信息，根据设备台账数据中的设备编号从用户档案数据提取出相应的用户信息。

S103、特征数据库形成：台区特征根据特征的类型分为三大类：整体特征、变压器特征和用户特征；整体特征从上步中的台区统计线损数据直接得到；变压器特征从上步中变压器信息直接得到；台区用户特征从上步中的用户信息经过一定的处理获得：“用户数”是台区所有用户的数量的和，以户为单位，“运行容量总和”是所有用户的运行容量或合同容量的总和，“户平均运行容量”是上面两个特征的商，对于经济类型、价值等级、电价类型、用电类型四个特征，因为每户都有相应的值，所以用其众数表示相应特征。

3.根据权利要求1所述的台区合理线损率估计方法，其特征在于，所述步骤S3具体包含以下步骤：

S301、采用S1中所述方法建立建立待估计台区的特征向量；

S302、将特征向量输入到决策树分类模型中，得到台区的类型；

S303、将特征向量输入到相应台区类别的随机森林估计模型中，估计台区合理线损率。