CN111695600A - 一种基于多阈值和knn的台区分类方法 - Google Patents

Abstract

本发明提供一种基于多阈值和KNN的台区分类方法，包括以下步骤：A、台区相关数据的获取，所述台区相关数据包括：10kV线路与台区的对应关系、台区名称、台区地址码、台区出口电压数据；B、基于步骤A获取的配变出口电压数据，采用多阈值方法计算台区第一分类指数；C、根据步骤B计算的台区第一分类指数，对台区进行初步分类；D、根据步骤C的台区分类结果，采用KNN算法计算台区第二分类指数；E、根据步骤D计算的台区第二分类指数，完成台区分类。本发明所提的基于多阈值和KNN的分类方法，可提高台区分类准确性，减少错判和漏判。

Description

一种基于多阈值和KNN的台区分类方法

技术领域

本发明涉及配电台区运行技术领域，具体是一种基于多阈值和 KNN的台区分类方法。

背景技术

配网线变关系是非常的重要基础数据，线变关系错误时会直接影响线损计算、停电管理及配网线路的运维检修，为了校验线变关系正确性，传统采用人工方式，但耗时耗力且难以保障实时性。配网运行会产生大量的运行数据，通过分析挖掘这些数据，可用于开展配网线变关系自动校验。

配网线变关系校验中很重要的一个环节就是要判断台区线变关系的正确性，即对台区进行分类。如果一条线路中所有台区都属于一个类别，则台区线变关系正确；否则，台区线变关系存在错误。

公开号为CN 110263873 A的中国专利(一种融合稀疏降噪自编码网络降维和聚类的配电网台区分类方法)，提出了一种台区分类方法，通过对配电网台区变压器负载率序列数据进行处理，在样本中加入噪声，训练提取特征值降维，再采用K-Means进行聚类，得到台区分类结果。该发明专利主要针对台区负荷进行辨识和分类。公开号为CN 111028099 A的中国专利(一种线路、台区分级分类系统)，通过分析日线损数据和日线损电量分级指标，评价台区线损水平，对台区进行分级分类。该发明专利主要针对台区的线损进行分类。

上述专利虽然涉及了台区分类，但主要针对的是台区负荷和线损的分类，均未涉在线变关系正确性方面的台区分类。

发明内容

本发明提供一种基于多阈值和KNN的台区分类方法，通过该方法可以提高台区分类准确性。

本发明采用的技术方案为：

一种基于多阈值和KNN的台区分类方法，包括以下步骤：

A、获取台区相关数据，所述台区相关数据包括：10kV线路与台区的对应关系、台区名称、台区地址码、台区出口96点电压数据；

B、基于步骤A获取的配变出口电压数据，采用多阈值方法计算台区第一分类指数；

C、根据步骤B计算的台区第一分类指数，对台区进行初步分类；

D、根据步骤C的台区分类结果，采用KNN算法计算台区第二分类指数；

E、根据步骤D计算的台区第二分类指数，完成台区分类。

进一步的，假设一条10kV线路有n个台区，收集了m天的数据，台区记为a_i，1≤i≤n，步骤B中采用多阈值方法计算台区第一分类指数，具体为：

首先，根据台区出口电压归算和出口电压相似度计算方法，计算出所有台区的出口电压曲线相似度P_i,j，其中1≤i≤n，1≤j≤m；

其次，根据台区出口电压曲线波动率计算方法，计算出所有台区电压曲线波动率F_i,j，其中1≤i≤n，1≤j≤m；

台区出口电压曲线相似度判断的四个阈值分别记为YZ₁，YZ₂， YZ₃，YZ₄，选择不同的阈值计算台区第一分类指数，具体为：

(1)当电压曲线波动率0≤F_i,j<5时，选用阈值YZ₁计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₁，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2；

(2)当电压曲线波动率5≤F_i,j<10时，选用阈值YZ₂计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₂，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2；

(3)当电压曲线波动率10≤F_i,j<15时，选用阈值YZ₃计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₃，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2；

(4)当电压曲线波动率F_i,j≥15时，选用阈值YZ₄计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₄，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2；

若某个台区某天的数据缺失，则FI_i,j＝0。

进一步的，步骤C中根据步骤B计算的台区第一分类指数，对台区进行初步分类，具体为：

根据台区第一分类指数，计算第一分类指数占比PC_i,1-1和PC_i,1-2，其中PC_i,1-1表示第i个台区的第一分类指数中1的占比，其中PC_i,1-2表示第i个台区的第一分类指数中2的占比，其中：

(1)若PC_i,1-1≥0.8，则将台区a_i归为第一类，记为

其中a_i为第i个台区，A₁表示第一类台区的集合；

(2)若PC_i,1-2≥0.8，则将台区a_i归为第二类，记为

其中a_i为第i个台区，A₂表示第二类台区的集合；

(3)若PC_i,1-1<0.8且PC_i,1-2<0.8，则将台区a_i归为第三类，记为

其中a_i为第i个台区，A₃表示第三类台区的集合。

进一步的，步骤D中采用KNN算法计算台区第二分类指数，具体为：

(1)若台区属于第一类或第二类，则台区第二分类指数SI_i,j等于第一分类指数FI_i,j；

(2)若台区a_k属于第三类，则采用KNN计算台区分类的第二分类指数，具体为：

a)计算台区a_k与第一类和第二类所有台区a_h的相似度P_k-h,j；

b)计算台区a_k与第一类和第二类所有台区a_h的距离D_k-h,j，其中 D_k-h,j＝1-P_k-h,j；

c)KNN算法中的K值取3，找出距离D_k-h,j中最小的3个台区，分别统计这3个台区中属于第一类台区个数N_1,j和第二类台区个数 N_2,j，若N_1,j>N_2,j，则将台区a_k的第二分类指数SI_k,j记为1；否则，将台区a_k的第二分类指数SI_k,j记为2；若某天台区a_k数据缺失，则SI_k,j记为0。

进一步的，步骤E中根据步骤D计算的台区第二分类指数，完成台区分类，具体为：

根据台区第二分类指数，计算第二分类指数占比PC_i,2-1和PC_i,2-2，其中PC_i,2-1表示第i个台区的第二分类指数中1的占比，其中PC_i,2-2表示第i个台区的第二分类指数中2的占比，其中：

(1)若PC_i,2-1≥0.8，则将台区a_i归为第一类，记为

其中a_i为第i个台区，A₁表示第一类台区的集合；

(2)若PC_i,2-2≥0.8，则将台区a_i归为第二类，记为

其中a_i为第i个台区，A₂表示第二类台区的集合；

(3)若PC_i,2-1<0.8且PC_i,2-2<0.8，若PC_i,2-1≥PC_i,2-2，则将台区a_i归为第一类，记为

若PC_i,2-1<PC_i,2-2，则将台区a_i归为第二类，记为

本发明基于台区出口电压数据，首先通过多阈值方法计算台区第一分类指数，对台区进行初步分类，然后通过KNN计算台区第二分类指数，实现了台区的分类。传统的分类方法，由于阈值的刚性问题，或多或少存在错判和漏判。本发明所提的基于多阈值和KNN的分类方法，可提高台区分类准确性，减少错判和漏判。

附图说明

图1是本发明基于多阈值和KNN的台区分类方法其中一个实施例的流程示意图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。

请参阅图1，为本发明一种基于多阈值和KNN的台区分类方法其中一个实施例的流程示意图，所述方法包括以下步骤：

A、获取台区相关数据，所述台区相关数据包括：10kV线路与台区的对应关系、台区名称、台区地址码、台区出口96点电压数据；

B、基于步骤A获取的配变出口电压数据，采用多阈值方法计算台区第一分类指数，具体为：

假设一条10kV线路有n个台区，收集了m天的数据，台区记为 a_i，1≤i≤n。首先，根据台区出口电压归算和出口电压相似度计算方法，计算出所有台区的出口电压曲线相似度P_i,j，其中1≤i≤n，1≤j≤m；其次，根据台区出口电压曲线波动率计算方法，计算出所有台区电压曲线波动率F_i,j，其中1≤i≤n，1≤j≤m；台区出口电压曲线相似度判断的四个阈值分别记为YZ₁，YZ₂，YZ₃，YZ₄，针对不同电压曲线波动率，选择不同的阈值计算台区第一分类指数，具体为：

(1)当电压曲线波动率0≤F_i,j<5时，选用阈值YZ₁计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₁，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2。

(2)当电压曲线波动率5≤F_i,j<10时，选用阈值YZ₂计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₂，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2。

(3)当电压曲线波动率10≤F_i,j<15时，选用阈值YZ₃计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₃，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2。

(4)当电压曲线波动率F_i,j≥15时，选用阈值YZ₄计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₄，则该台区第一分类指数 FI_i,j＝1，否则FI_i,j＝2；若某个台区某天的数据缺失，则FI_i,j＝0。

C、根据步骤B计算的台区第一分类指数，对台区进行初步分类，具体为：

根据台区第一分类指数，计算第一分类指数占比PC_i,1-1和PC_i,1-2，其中PC_i,1-1表示第i个台区的第一分类指数中1的占比，其中PC_i,1-2表示第i个台区的第一分类指数中2的占比，根据第一分类指数占比情况，对台区进行初步分类，具体为：

(1)若PC_i,1-1≥0.8，则将台区a_i归为第一类，记为

其中a_i为第i个台区，A₁表示第一类台区的集合；

(2)若PC_i,1-2≥0.8，则将台区a_i归为第二类，记为

其中a_i为第i个台区，A₂表示第二类台区的集合；

(3)若PC_i,1-1<0.8且PC_i,1-2<0.8，则将台区a_i归为第三类，记为

其中a_i为第i个台区，A₃表示第三类台区的集合。

D、根据步骤C的台区分类结果，采用KNN算法计算台区第二分类指数，具体为：

(1)若台区属于第一类或第二类，则台区第二分类指数SI_i,j等于第一分类指数FI_i,j；

(2)若台区a_k属于第三类，则采用KNN计算台区第二分类指数，具体为：

a)计算台区a_k与第一类和第二类所有台区a_h的相似度P_k-h,j；

b)计算台区a_k与第一类和第二类所有台区a_h的距离D_k-h,j，其中 D_k-h,j＝1-P_k-h,j；

c)KNN算法中的K值取3，找出距离D_k-h,j中最小的3个台区，分别统计这3个台区中属于第一类台区个数N_1,j和第二类台区个数N_2,j，若N_1,j>N_2,j，则将台区a_k的第二分类指数SI_k,j记为1；否则，将台区a_k的第二分类指数SI_k,j记为2；若某天台区a_k数据缺失，则SI_k,j记为 0。

E、根据步骤D计算的台区第二分类指数，完成台区分类，具体为：

根据台区第二分类指数，计算第二分类指数占比PC_i,2-1和PC_i,2-2，其中PC_i,2-1表示第i个台区的第二分类指数中1的占比，其中PC_i,2-2表示第i个台区的第二分类指数中2的占比，根据第二分类指数占比情况，对台区进行分类，具体为：

(1)若PC_i,2-1≥0.8，则将台区a_i归为第一类，记为

其中a_i为第i个台区，A₁表示第一类台区的集合；

(2)若PC_i,2-2≥0.8，则将台区a_i归为第二类，记为

其中a_i为第i个台区，A₂表示第二类台区的集合；

(3)若PC_i,2-1<0.8且PC_i,2-2<0.8，若PC_i,2-1≥PC_i,2-2，则将台区a_i归为第一类，记为

若PC_i,2-1<PC_i,2-2，则将台区a_i归为第二类，记为

下面以一个具体实施例对本发明的技术方案和效果进行详细说明：

步骤A中，从相关系统中获取了某10kV线路上19个台区10天的配变出口电压数据。

步骤B中，采用多阈值方法计算这19个台区的第一分类指数，首先计算台区相关系数，选择台区NP1为参考台区，计算结果如表1 所示。

表1台区相关系数计算结果

计算所有台区的电压曲线波动率，计算结果如表2所示。

表2台区电压曲线波动率计算结果

多阈值方法中四个阈值YZ₁，YZ₂，YZ₃，YZ₄分别为0.94，0.89， 0.71，0.67。

采用多阈值方法，计算台区第一分类指数如表3所示。

表3台区第一分类指数及初步分类结果

步骤C中，根据步骤B中计算的台区第一分类指数，将19个台区分成了3类，分别为A₁，A₂，A₃，初步分类结果如表3所示。

步骤D中，根据所述方法计算台区第二分类指数如表4所示。

步骤E中，根据所述方法完成台区的最终分类，将台区分成了2 类，分别为A₁，A₂。其中台区NP1、NP4、NP7、NP16和NP18属于第一类台区，台区NP2、NP3、NP5、NP6、NP8、NP9、NP10、NP11、NP12、NP13、NP14、NP15、NP17、NP19属于第二类台区，经过现场实际验证，结果与本发明分类结果一致，表明了所提方法的有效性。

表4台区第二分类指数及最终分类结果

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种基于多阈值和KNN的台区分类方法，其特征在于包括以下步骤：

A、获取台区相关数据，所述台区相关数据包括：10kV线路与台区的对应关系、台区名称、台区地址码、台区出口96点电压数据；

B、基于步骤A获取的配变出口电压数据，采用多阈值方法计算台区第一分类指数；

C、根据步骤B计算的台区第一分类指数，对台区进行初步分类；

D、根据步骤C的台区分类结果，采用KNN算法计算台区第二分类指数；

E、根据步骤D计算的台区第二分类指数，完成台区分类。

2.如权利要求1所述的一种基于多阈值和KNN的台区分类方法，其特征在于：假设一条10kV线路有n个台区，收集了m天的数据，台区记为a_i，1≤i≤n，步骤B中采用多阈值方法计算台区第一分类指数，具体为：

首先，根据台区出口电压归算和出口电压相似度计算方法，计算出所有台区的出口电压曲线相似度P_i,j，其中1≤i≤n，1≤j≤m；

其次，根据台区出口电压曲线波动率计算方法，计算出所有台区电压曲线波动率F_i,j，其中1≤i≤n，1≤j≤m；

台区出口电压曲线相似度判断的四个阈值分别记为YZ₁，YZ₂，YZ₃，YZ₄，选择不同的阈值计算台区第一分类指数，具体为：

(1)当电压曲线波动率0≤F_i,j<5时，选用阈值YZ₁计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₁，则该台区第一分类指数FI_i,j＝1，否则FI_i,j＝2；

(2)当电压曲线波动率5≤F_i,j<10时，选用阈值YZ₂计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₂，则该台区第一分类指数FI_i,j＝1，否则FI_i,j＝2；

(3)当电压曲线波动率10≤F_i,j<15时，选用阈值YZ₃计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₃，则该台区第一分类指数FI_i,j＝1，否则FI_i,j＝2；

(4)当电压曲线波动率F_i,j≥15时，选用阈值YZ₄计算台区第一分类指数，若台区电压曲线相似度P_i,j≥YZ₄，则该台区第一分类指数FI_i,j＝1，否则FI_i,j＝2；

若某个台区某天的数据缺失，则FI_i,j＝0。

3.如权利要求2所述的一种基于多阈值和KNN的台区分类方法，其特征在于：步骤C中根据步骤B计算的台区第一分类指数，对台区进行初步分类，具体为：

根据台区第一分类指数，计算第一分类指数占比PC_i,1-1和PC_i,1-2，其中PC_i,1-1表示第i个台区的第一分类指数中1的占比，其中PC_i,1-2表示第i个台区的第一分类指数中2的占比，其中：

(1)若PC_i,1-1≥0.8，则将台区a_i归为第一类，记为

其中a_i为第i个台区，A₁表示第一类台区的集合；

(2)若PC_i,1-2≥0.8，则将台区a_i归为第二类，记为

其中a_i为第i个台区，A₂表示第二类台区的集合；

(3)若PC_i,1-1<0.8且PC_i,1-2<0.8，则将台区a_i归为第三类，记为

其中a_i为第i个台区，A₃表示第三类台区的集合。

4.如权利要求2所述的一种基于多阈值和KNN的台区分类方法，其特征在于：步骤D中采用KNN算法计算台区第二分类指数，具体为：

(1)若台区属于第一类或第二类，则台区第二分类指数SI_i,j等于第一分类指数FI_i,j；

(2)若台区a_k属于第三类，则采用KNN计算台区分类的第二分类指数，具体为：

a)计算台区a_k与第一类和第二类所有台区a_h的相似度P_k-h,j；

b)计算台区a_k与第一类和第二类所有台区a_h的距离D_k-h,j，其中D_k-h,j＝1-P_k-h,j；

c)KNN算法中的K值取3，找出距离D_k-h,j中最小的3个台区，分别统计这3个台区中属于第一类台区个数N_1,j和第二类台区个数N_2,j，若N_1,j>N_2,j，则将台区a_k的第二分类指数SI_k,j记为1；否则，将台区a_k的第二分类指数SI_k,j记为2；若某天台区a_k数据缺失，则SI_k,j记为0。

5.如权利要求2或4所述的一种基于多阈值和KNN的台区分类方法，其特征在于：步骤E中根据步骤D计算的台区第二分类指数，完成台区分类，具体为：

根据台区第二分类指数，计算第二分类指数占比PC_i,2-1和PC_i,2-2，其中PC_i,2-1表示第i个台区的第二分类指数中1的占比，其中PC_i,2-2表示第i个台区的第二分类指数中2的占比，其中：

(1)若PC_i,2-1≥0.8，则将台区a_i归为第一类，记为

其中a_i为第i个台区，A₁表示第一类台区的集合；

(2)若PC_i,2-2≥0.8，则将台区a_i归为第二类，记为

其中a_i为第i个台区，A₂表示第二类台区的集合；

(3)若PC_i,2-1<0.8且PC_i,2-2<0.8，若PC_i,2-1≥PC_i,2-2，则将台区a_i归为第一类，记为

若PC_i,2-1<PC_i,2-2，则将台区a_i归为第二类，记为

Images