CN111832174A - 一种基于多元回归的配线线损率处理方法及装置 - Google Patents

一种基于多元回归的配线线损率处理方法及装置 Download PDF

Info

Publication number
CN111832174A
CN111832174A CN202010672784.8A CN202010672784A CN111832174A CN 111832174 A CN111832174 A CN 111832174A CN 202010672784 A CN202010672784 A CN 202010672784A CN 111832174 A CN111832174 A CN 111832174A
Authority
CN
China
Prior art keywords
line loss
loss rate
regression model
multiple regression
test
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010672784.8A
Other languages
English (en)
Other versions
CN111832174B (zh
Inventor
梁吉
汪鸿
皇甫成
陈建华
李博彤
高小刚
赵丹阳
邱婷
徐凌燕
陈广宇
黄微
拓广忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING BRON S&T Ltd
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
Original Assignee
BEIJING BRON S&T Ltd
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING BRON S&T Ltd, State Grid Corp of China SGCC, State Grid Jibei Electric Power Co Ltd filed Critical BEIJING BRON S&T Ltd
Priority to CN202010672784.8A priority Critical patent/CN111832174B/zh
Publication of CN111832174A publication Critical patent/CN111832174A/zh
Application granted granted Critical
Publication of CN111832174B publication Critical patent/CN111832174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于多元回归的配线线损率处理方法及装置，所述方法包括：通过计算机定时获取线变台户的基础数据集，基于所述基础数据获取与线损率相关的线损数据集；基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例；在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示。本发明采用依次采用拟合优度检验、F检验、t检验对多元回归模型进行优化，以获得精确的多元回归模型，并且针对不同的用电条件，建立相应的多元回归模型，方便后续调用，可以实时、自动的显示线损率。

Description

一种基于多元回归的配线线损率处理方法及装置
技术领域
本发明涉及智能电网技术领域，特别是一种基于多元回归的配线线损率处理方法及设备。
背景技术
配电网线损，是衡量电力企业的重要指标，配电网线损会导致配电网故障，严重影响配电网的正常运行，且不利于电力企业的节能降耗，不利于电力企业的经济效益的提高，电力企业日益重视加强配电网的线损管理，然而配电网的线损管理是一个非常复杂的问题，因为影响线损率的因素很多，在电网公司同期线损建设的背景下，利用源端所集成的六大业务系统及全业务数据中心数据，为深入研究线损率异常原因提供了电力数据基础，同时为配电网降损提供一种新的辅助参考方法。
现有技术中，目前线损率计算都是事后的，这样难以实时定位到导致线损率增加的原因，且，目前的线损计算模型不准确，导致估计的线损误差较大，因此，急需要一种可以精确分析线损率的模型，并可以实时显示线损率的方法。
发明内容
本发明针对上述现有技术中的一个或多个缺陷，提出了如下技术方案。
一种基于多元回归的配线线损率处理方法，所述方法包括：
获取步骤，通过计算机定时获取线变台户的基础数据集；
处理步骤，基于所述基础数据获取与线损率相关的线损数据集；
构建步骤，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；
模型实例化步骤，分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例；
显示步骤，在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示。
更进一步地，所述基础数据包括：配线台账、配变台帐、台区台帐、用户台帐、电网实时运行数据和配线线损率。
更进一步地，基于所述基础数据获取与线损率相关的线损数据集是通过对一定时间内一定用电区域内的基础数据进行筛选获取所述线损数据集，所述线损数据集包括：高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率。
更进一步地，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型的操作为：以所述线损数据集中的影响因素为自变量，以配线线损率为因变量，采用最小二乘法进行回归参数估计，得到线损率与线损率影响因素的多元回归模型：
Figure RE-GDA0002609158380000021
Figure RE-GDA0002609158380000022
为配线线损率，xk为线损率的影响因素，
Figure RE-GDA0002609158380000023
为回归参数，k≥2。
更进一步地，所述分析所述影响因素在不同条件下的配线线损率影响因素的权重的操作为：
对构建的多元回归模型进行拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型；
1)拟合优度检验
可决系数：
Figure RE-GDA0002609158380000031
Figure RE-GDA0002609158380000032
Figure RE-GDA0002609158380000033
Figure RE-GDA0002609158380000034
其中，R2为可决系数，Rs为回归平方和，Ts为总离差平方和，Es为残差平方和，yi为线损率的实际值，
Figure RE-GDA0002609158380000035
为线损率拟合值，
Figure RE-GDA0002609158380000036
为线损率平均值，可决系数 R2的取值在0～1之间，当R2大于一阈值时，进行F检验、t校验；
2)F检验，t校验
用于检验多元回归模型的显著性，即检验线损影响因素与线损率之间是否存在显著的线性关系：
F检验统计量为：
Figure RE-GDA0002609158380000037
上式中n为配线个数，k为自变量个数即线损影响因素个数，n-1-k为自由度，α为显著性水平，当检验值F大于临界值Fα/2(k,n-1-k)时，确定高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率影响因素与配线线损率之间线性关系显著；当检验值F小于临界值Fα/2(k,n-1-k)时，进行t校验；
为剔除次要的、影响不显著的线损影响因素，还要进行对回归方程系数的显著性检验，即参数显著性检验：
Figure RE-GDA0002609158380000041
bii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素：
Figure RE-GDA0002609158380000042
Figure RE-GDA0002609158380000043
为样本标准差，当|ti|≥tα/2时，认为ai不显著为0，即线损影响因素对线损率的线性影响显著，否则，则多元回归模型存在多重共线性问题，采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将其从多元回归模型中删除，通过逐步回归法最终得到各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000044
计算多元回归模型在不同条件下的各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000045
将各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000046
进行对应存储后得到在对应条件下的多元回归模型实例。
本发明还提出了一种基于多元回归的配线线损率处理装置，所述装置包括：
获取单元，用于通过计算机定时获取线变台户的基础数据集。
处理单元，基于所述基础数据获取与线损率相关的线损数据集；
构建单元，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；
模型实例化单元，用于分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例；
显示单元，在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，进行实时显示。
更进一步地，所述基础数据包括：配线台账、配变台帐、台区台帐、用户台帐、电网实时运行数据和配线线损率。
更进一步地，基于所述基础数据获取与线损率相关的线损数据集是通过对一定时间内一定用电区域内的基础数据进行筛选获取所述线损数据集，所述线损数据集包括：高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率。
更进一步地，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型的操作为：以所述线损数据集中的影响因素为自变量，以配线线损率为因变量，采用最小二乘法进行回归参数估计，得到线损率与线损率影响因素的多元回归模型：
Figure RE-GDA0002609158380000051
Figure RE-GDA0002609158380000052
为配线线损率，xk为线损率的影响因素，
Figure RE-GDA0002609158380000053
为回归参数，k≥2。
更进一步地，所述分析所述影响因素在不同条件下的配线线损率影响因素的权重的操作为：
对构建的多元回归模型进行拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型；
1)拟合优度检验
可决系数：
Figure RE-GDA0002609158380000061
Figure RE-GDA0002609158380000062
Figure RE-GDA0002609158380000063
Figure RE-GDA0002609158380000064
其中，R2为可决系数，Rs为回归平方和，Ts为总离差平方和，Es为残差平方和，yi为线损率的实际值，
Figure RE-GDA0002609158380000065
为线损率拟合值，
Figure RE-GDA0002609158380000066
为线损率平均值，可决系数 R2的取值在0～1之间，当R2大于一阈值时，进行F检验、t校验；
2)F检验，t校验
用于检验多元回归模型的显著性，即检验线损影响因素与线损率之间是否存在显著的线性关系：
F检验统计量为：
Figure RE-GDA0002609158380000067
上式中n为配线个数，k为自变量个数即线损影响因素个数，n-1-k为自由度，α为显著性水平，当检验值F大于临界值Fα/2(k,n-1-k)时，确定高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率影响因素与配线线损率之间线性关系显著；当检验值F小于临界值Fα/2(k,n-1-k)时，进行t校验；
为剔除次要的、影响不显著的线损影响因素，还要进行对回归方程系数的显著性检验，即参数显著性检验：
Figure RE-GDA0002609158380000068
bii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素：
Figure RE-GDA0002609158380000071
Figure RE-GDA0002609158380000072
为样本标准差，当|ti|≥tα/2时，认为ai不显著为0，即线损影响因素对线损率的线性影响显著，否则，则多元回归模型存在多重共线性问题，采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将其从多元回归模型中删除，通过逐步回归法最终得到各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000073
计算多元回归模型在不同条件下的各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000074
将各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000075
进行对应存储后得到在对应条件下的多元回归模型实例。
本发明的技术效果为：一种基于多元回归的配线线损率处理方法及装置，所述方法包括：获取步骤，通过计算机定时获取线变台户的基础数据集。处理步骤，基于所述基础数据获取与线损率相关的线损数据集；构建步骤，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；模型实例化步骤，分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例；显示步骤，在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示。本发明采用依次采用拟合优度检验、F检验、t检验对多元回归模型进行优化，以获得精确的多元回归模型，并且针对不同的用电条件，建立相应的多元回归模型，并将其权重与线损影响因素对应存储，每一个条件下的多元回归模型的权重与线损影响因素构成一个多元回归模型实例，方便后续调用，确定了当前的用电环境后，调用适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示，这样可以实时、自动的显示线损率，线损的估计更为准确，便于及时检查线路等等，这是本发明另一个重要发明点。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1是根据本发明的实施例之一的一种基于多元回归的配线线损率处理方法的流程图。
图2是根据本发明的实施例之一的一种基于多元回归的配线线损率处理装置的示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的一种基于多元回归的配线线损率处理方法，所述方法包括：
获取步骤S101，通过计算机定时获取线变台户的基础数据集。本发明中，利用安装在计算中的kettle工具，接入线变台户(指：配线、变压器、台区、用户)等以获取基础数据，所述基础数据包括：配线台账、配变台帐、台区台帐、用户台帐、电网实时运行数据和配线线损率。
处理步骤S102，基于所述基础数据获取与线损率相关的线损数据集；例如，通过单位、供电区域、统计时间等条件筛选重点线损率相关的线损数据集，即通过对一定时间内一定用电区域内的基础数据进行筛选获取所述线损数据集，所述线损数据集包括：高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率等，当然，还可以筛选出一些其他的影响线损率的因素。
构建步骤S103，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；具体地，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型的操作为：以所述线损数据集中的影响因素为自变量，以配线线损率为因变量，采用最小二乘法进行回归参数估计，得到线损率与线损率影响因素的多元回归模型：
Figure RE-GDA0002609158380000091
Figure RE-GDA0002609158380000092
为配线线损率，xk为线损率的影响因素，
Figure RE-GDA0002609158380000093
为回归参数，k≥2，即k 为待分析的线损率影响因素的个数，
Figure RE-GDA0002609158380000094
为各因素的权重，
Figure RE-GDA0002609158380000095
为常数。
模型实例化步骤S104，分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例。
显示步骤S105，在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示。
在一个实施例中，所述分析所述影响因素在不同条件下的配线线损率影响因素的权重的操作为：
对构建的多元回归模型进行拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型；
1)拟合优度检验
可决系数：
Figure RE-GDA0002609158380000101
Figure RE-GDA0002609158380000102
Figure RE-GDA0002609158380000103
Figure RE-GDA0002609158380000104
其中，R2为可决系数，Rs为回归平方和，Ts为总离差平方和，Es为残差平方和，yi为线损率的实际值，
Figure RE-GDA0002609158380000105
为线损率拟合值，
Figure RE-GDA0002609158380000106
为线损率平均值，可决系数 R2的取值在0～1之间，当R2大于一阈值时，进行F检验、t校验；
2)F检验，t校验
用于检验多元回归模型的显著性，即检验线损影响因素与线损率之间是否存在显著的线性关系：
F检验统计量为：
Figure RE-GDA0002609158380000107
上式中n为配线个数，k为自变量个数即线损影响因素个数，n-1-k为自由度，α为显著性水平，当检验值F大于临界值Fα/2(k,n-1-k)时，确定高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率影响因素与配线线损率之间线性关系显著；当检验值F小于临界值Fα/2(k,n-1-k)时，进行t校验；
为剔除次要的、影响不显著的线损影响因素，还要进行对回归方程系数的显著性检验，即参数显著性检验：
Figure RE-GDA0002609158380000111
bii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素：
Figure RE-GDA0002609158380000112
Figure RE-GDA0002609158380000113
为样本标准差，当|ti|≥tα/2时，认为ai不显著为0，即线损影响因素对线损率的线性影响显著，否则，则多元回归模型存在多重共线性问题，采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将其从多元回归模型中删除，通过逐步回归法最终得到各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000114
计算多元回归模型在不同条件下的各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000115
将各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000116
进行对应存储后得到在对应条件下的多元回归模型实例。
F检验是检验线损影响因素作为一个整体与线损率之间是否有显著作用，当F检验通过时，并不代表每一个线损影响因素均对线损率具有显著影响，因而在F检验的基础上，又进行了t检验。t检验是用来检验每一个线损影响因素是否对线损率产生显著影响，如果参数估计值没有通过t检验，即模型有可能出现了多重共线性。多重共线性分析，多重共线性即一个线性模型内，有一个或多个线损影响因素存在强相关性，导致模型不稳定。在估计回归模型参数时，为了避免多重共线性的存在，导致模型估计不准确，故采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将它排除出去。
本发明中，采用依次采用拟合优度检验、F检验、t检验对多元回归模型进行优化，以获得精确的多元回归模型，并且针对不同的用电条件，建立相应的多元回归模型，并将其权重与线损影响因素对应存储，每一个条件下的多元回归模型的权重与线损影响因素构成一个多元回归模型实例，方便后续调用，这是本发明的重要发明点之一。
本发明中，确定了当前的用电环境后，调用适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示，这样可以实时、自动的显示线损率，线损的估计更为准确，便于及时检查线路等等，这是本发明另一个重要发明点。
图2示出了本发明的一种基于多元回归的配线线损率处理装置，所述装置包括：
获取单元201，通过计算机定时获取线变台户的基础数据集。本发明中，利用安装在计算中的kettle工具，接入线变台户(指：配线、变压器、台区、用户)等以获取基础数据，所述基础数据包括：配线台账、配变台帐、台区台帐、用户台帐、电网实时运行数据和配线线损率。
处理单元202，基于所述基础数据获取与线损率相关的线损数据集；例如，通过单位、供电区域、统计时间等条件筛选重点线损率相关的线损数据集，即通过对一定时间内一定用电区域内的基础数据进行筛选获取所述线损数据集，所述线损数据集包括：高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率等，当然，还可以筛选出一些其他的影响线损率的因素。
构建单元203，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；具体地，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型的操作为：以所述线损数据集中的影响因素为自变量，以配线线损率为因变量，采用最小二乘法进行回归参数估计，得到线损率与线损率影响因素的多元回归模型：
Figure RE-GDA0002609158380000131
Figure RE-GDA0002609158380000132
为配线线损率，xk为线损率的影响因素，
Figure RE-GDA0002609158380000133
为回归参数，k≥2，即k 为待分析的线损率影响因素的个数，
Figure RE-GDA0002609158380000134
为各因素的权重，
Figure RE-GDA0002609158380000135
为常数。
模型实例化单元204，分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例。
显示单元205，在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示。
在一个实施例中，所述分析所述影响因素在不同条件下的配线线损率影响因素的权重的操作为：
对构建的多元回归模型进行拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型；
1)拟合优度检验
可决系数：
Figure RE-GDA0002609158380000141
Figure RE-GDA0002609158380000142
Figure RE-GDA0002609158380000143
Figure RE-GDA0002609158380000144
其中，R2为可决系数，Rs为回归平方和，Ts为总离差平方和，Es为残差平方和，yi为线损率的实际值，
Figure RE-GDA0002609158380000145
为线损率拟合值，
Figure RE-GDA0002609158380000146
为线损率平均值，可决系数 R2的取值在0～1之间，当R2大于一阈值时，进行F检验、t校验；
2)F检验，t校验
用于检验多元回归模型的显著性，即检验线损影响因素与线损率之间是否存在显著的线性关系：
F检验统计量为：
Figure RE-GDA0002609158380000147
上式中n为配线个数，k为自变量个数即线损影响因素个数，n-1-k为自由度，α为显著性水平，当检验值F大于临界值Fα/2(k,n-1-k)时，确定高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率影响因素与配线线损率之间线性关系显著；当检验值F小于临界值Fα/2(k,n-1-k)时，进行t校验；
为剔除次要的、影响不显著的线损影响因素，还要进行对回归方程系数的显著性检验，即参数显著性检验：
Figure RE-GDA0002609158380000148
bii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素：
Figure RE-GDA0002609158380000151
Figure RE-GDA0002609158380000152
为样本标准差，当|ti|≥tα/2时，认为ai不显著为0，即线损影响因素对线损率的线性影响显著，否则，则多元回归模型存在多重共线性问题，采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将其从多元回归模型中删除，通过逐步回归法最终得到各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000153
计算多元回归模型在不同条件下的各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000154
将各个配线线损率影响因素的权重
Figure RE-GDA0002609158380000155
进行对应存储后得到在对应条件下的多元回归模型实例。
F检验是检验线损影响因素作为一个整体与线损率之间是否有显著作用，当F检验通过时，并不代表每一个线损影响因素均对线损率具有显著影响，因而在F检验的基础上，又进行了t检验。t检验是用来检验每一个线损影响因素是否对线损率产生显著影响，如果参数估计值没有通过t检验，即模型有可能出现了多重共线性。多重共线性分析，多重共线性即一个线性模型内，有一个或多个线损影响因素存在强相关性，导致模型不稳定。在估计回归模型参数时，为了避免多重共线性的存在，导致模型估计不准确，故采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将它排除出去。
本发明中，采用依次采用拟合优度检验、F检验、t检验对多元回归模型进行优化，以获得精确的多元回归模型，并且针对不同的用电条件，建立相应的多元回归模型，并将其权重与线损影响因素对应存储，每一个条件下的多元回归模型的权重与线损影响因素构成一个多元回归模型实例，方便后续调用，这是本发明的重要发明点之一。
本发明中，确定了当前的用电环境后，调用适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示，这样可以实时、自动的显示线损率，线损的估计更为准确，便于及时检查线路等等，这是本发明另一个重要发明点。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
最后所应说明的是：以上实施例仅以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于多元回归的配线线损率处理方法，其特征在于，所述方法包括：
获取步骤，通过计算机定时获取线变台户的基础数据集；
处理步骤，基于所述基础数据获取与线损率相关的线损数据集；
构建步骤，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；
模型实例化步骤，分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例；
显示步骤，在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，通过显示装置实时显示。
2.根据权利要求1所述的方法，其特征在于，所述基础数据包括：配线台账、配变台帐、台区台帐、用户台帐、电网实时运行数据和配线线损率。
3.根据权利要求2所述的方法，其特征在于，基于所述基础数据获取与线损率相关的线损数据集是通过对一定时间内一定用电区域内的基础数据进行筛选获取所述线损数据集，所述线损数据集包括：高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率。
4.根据权利要求3所述的方法，其特征在于，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型的操作为：以所述线损数据集中的影响因素为自变量，以配线线损率为因变量，采用最小二乘法进行回归参数估计，得到线损率与线损率影响因素的多元回归模型：
Figure RE-FDA0002609158370000021
Figure RE-FDA0002609158370000022
为配线线损率，xk为线损率的影响因素，
Figure RE-FDA0002609158370000023
为回归参数，k≥2。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述分析所述影响因素在不同条件下的配线线损率影响因素的权重的操作为：
对构建的多元回归模型进行拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型；
1)拟合优度检验
可决系数：
Figure RE-FDA0002609158370000024
Figure RE-FDA0002609158370000025
Figure RE-FDA0002609158370000026
Figure RE-FDA0002609158370000027
其中，R2为可决系数，Rs为回归平方和，Ts为总离差平方和，Es为残差平方和，yi为线损率的实际值，
Figure RE-FDA0002609158370000028
为线损率拟合值，
Figure RE-FDA0002609158370000029
为线损率平均值，可决系数R2的取值在0～1之间，当R2大于一阈值时，进行F检验、t校验；
2)F检验，t校验
用于检验多元回归模型的显著性，即检验线损影响因素与线损率之间是否存在显著的线性关系：
F检验统计量为：
Figure RE-FDA0002609158370000031
上式中n为配线个数，k为自变量个数即线损影响因素个数，n-1-k为自由度，α为显著性水平，当检验值F大于临界值Fα/2(k,n-1-k)时，确定高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率影响因素与配线线损率之间线性关系显著；当检验值F小于临界值Fα/2(k,n-1-k)时，进行t校验；
为剔除次要的、影响不显著的线损影响因素，还要进行对回归方程系数的显著性检验，即参数显著性检验：
Figure RE-FDA0002609158370000032
bii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素：
Figure RE-FDA0002609158370000033
Figure RE-FDA0002609158370000034
为样本标准差，当|ti|≥tα/2时，认为ai不显著为0，即线损影响因素对线损率的线性影响显著，否则，则多元回归模型存在多重共线性问题，采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将其从多元回归模型中删除，通过逐步回归法最终得到各个配线线损率影响因素的权重
Figure RE-FDA0002609158370000035
计算多元回归模型在不同条件下的各个配线线损率影响因素的权重
Figure RE-FDA0002609158370000036
将各个配线线损率影响因素的权重
Figure RE-FDA0002609158370000037
进行对应存储后得到在对应条件下的多元回归模型实例。
6.一种基于多元回归的配线线损率处理装置，其特征在于，所述装置包括：
获取单元，用于通过计算机定时获取线变台户的基础数据集。
处理单元，基于所述基础数据获取与线损率相关的线损数据集；
构建单元，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型；
模型实例化单元，用于分析所述影响因素在不同条件下的配线线损率影响因素的权重，得到多元回归模型在不同条件下的多元回归模型实例；
显示单元，在确定当前条件下所适用的多元回归模型实例后，由计算机计算当前条件下的线损率，进行实时显示。
7.根据权利要求6所述的装置，其特征在于，所述基础数据包括：配线台账、配变台帐、台区台帐、用户台帐、电网实时运行数据和配线线损率。
8.根据权利要求7所述的装置，其特征在于，基于所述基础数据获取与线损率相关的线损数据集是通过对一定时间内一定用电区域内的基础数据进行筛选获取所述线损数据集，所述线损数据集包括：高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率。
9.根据权利要求8所述的装置，其特征在于，基于所述线损数据集构建线损率与线损率影响因素的多元回归模型的操作为：以所述线损数据集中的影响因素为自变量，以配线线损率为因变量，采用最小二乘法进行回归参数估计，得到线损率与线损率影响因素的多元回归模型：
Figure RE-FDA0002609158370000041
Figure RE-FDA0002609158370000042
为配线线损率，xk为线损率的影响因素，
Figure RE-FDA0002609158370000043
为回归参数，k≥2。
10.根据权利要求6-9任一项所述的装置，其特征在于，所述分析所述影响因素在不同条件下的配线线损率影响因素的权重的操作为：
对构建的多元回归模型进行拟合优度检验、F检验、t检验，以此来验证所构建模型是否为最优模型；
1)拟合优度检验
可决系数：
Figure RE-FDA0002609158370000051
Figure RE-FDA0002609158370000052
Figure RE-FDA0002609158370000053
Figure RE-FDA0002609158370000054
其中，R2为可决系数，Rs为回归平方和，Ts为总离差平方和，Es为残差平方和，yi为线损率的实际值，
Figure RE-FDA0002609158370000055
为线损率拟合值，
Figure RE-FDA0002609158370000056
为线损率平均值，可决系数R2的取值在0～1之间，当R2大于一阈值时，进行F检验、t校验；
2)F检验，t校验
用于检验多元回归模型的显著性，即检验线损影响因素与线损率之间是否存在显著的线性关系：
F检验统计量为：
Figure RE-FDA0002609158370000057
上式中n为配线个数，k为自变量个数即线损影响因素个数，n-1-k为自由度，α为显著性水平，当检验值F大于临界值Fα/2(k,n-1-k)时，确定高耗能变压器占比、高阻低供电量占比、供电半径、三相不平衡的变压器占比、是否负荷中心和电压不合格率影响因素与配线线损率之间线性关系显著；当检验值F小于临界值Fα/2(k,n-1-k)时，进行t校验；
为剔除次要的、影响不显著的线损影响因素，还要进行对回归方程系数的显著性检验，即参数显著性检验：
Figure RE-FDA0002609158370000061
bii是矩阵(XTX)-1[X＝(x1,x2,···,xk)]对角线上第i个元素：
Figure RE-FDA0002609158370000062
Figure RE-FDA0002609158370000063
为样本标准差，当|ti|≥tα/2时，认为ai不显著为0，即线损影响因素对线损率的线性影响显著，否则，则多元回归模型存在多重共线性问题，采用逐步回归法对线损影响因素进行选择，找出引起多重共线性的线损影响因素，将其从多元回归模型中删除，通过逐步回归法最终得到各个配线线损率影响因素的权重
Figure RE-FDA0002609158370000064
计算多元回归模型在不同条件下的各个配线线损率影响因素的权重
Figure RE-FDA0002609158370000065
将各个配线线损率影响因素的权重
Figure RE-FDA0002609158370000066
进行对应存储后得到在对应条件下的多元回归模型实例。
CN202010672784.8A 2020-07-14 2020-07-14 一种基于多元回归的配线线损率处理方法及装置 Active CN111832174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010672784.8A CN111832174B (zh) 2020-07-14 2020-07-14 一种基于多元回归的配线线损率处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010672784.8A CN111832174B (zh) 2020-07-14 2020-07-14 一种基于多元回归的配线线损率处理方法及装置

Publications (2)

Publication Number Publication Date
CN111832174A true CN111832174A (zh) 2020-10-27
CN111832174B CN111832174B (zh) 2024-01-12

Family

ID=72923139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010672784.8A Active CN111832174B (zh) 2020-07-14 2020-07-14 一种基于多元回归的配线线损率处理方法及装置

Country Status (1)

Country Link
CN (1) CN111832174B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084678A (zh) * 2020-09-22 2020-12-15 国网冀北电力有限公司承德供电公司 一种基于多元回归的配线线损率处理方法及装置
CN112686494A (zh) * 2020-11-25 2021-04-20 国网江苏省电力有限公司营销服务中心 基于线损异常台区的数据拟合方法、装置及智能设备
CN117172391A (zh) * 2023-11-02 2023-12-05 广东电网有限责任公司 一种基于多元回归的线损合理区间预测方法、装置及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008072047A (ja) * 2006-09-15 2008-03-27 Omron Corp モデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラム
CN109272176A (zh) * 2018-12-10 2019-01-25 贵州电网有限责任公司 利用K-means聚类算法对台区线损率预测计算方法
CN109766517A (zh) * 2018-11-29 2019-05-17 国网江苏省电力有限公司盐城供电分公司 一种用于变电站能效评估的能耗基准修正方法
CN110309485A (zh) * 2019-07-03 2019-10-08 贵州电网有限责任公司 一种基于台区数据特征分类的线损率标杆值计算方法
CN111123188A (zh) * 2019-12-20 2020-05-08 国网山东省电力公司电力科学研究院 基于改进最小二乘法的电能表综合检定方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008072047A (ja) * 2006-09-15 2008-03-27 Omron Corp モデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラム
CN109766517A (zh) * 2018-11-29 2019-05-17 国网江苏省电力有限公司盐城供电分公司 一种用于变电站能效评估的能耗基准修正方法
CN109272176A (zh) * 2018-12-10 2019-01-25 贵州电网有限责任公司 利用K-means聚类算法对台区线损率预测计算方法
CN110309485A (zh) * 2019-07-03 2019-10-08 贵州电网有限责任公司 一种基于台区数据特征分类的线损率标杆值计算方法
CN111123188A (zh) * 2019-12-20 2020-05-08 国网山东省电力公司电力科学研究院 基于改进最小二乘法的电能表综合检定方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龚琛荥;曹诗怡;: "基于多元线性回归模型的液态烃脱H_2S影响因素的分析", 湖南理工学院学报(自然科学版), no. 04 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084678A (zh) * 2020-09-22 2020-12-15 国网冀北电力有限公司承德供电公司 一种基于多元回归的配线线损率处理方法及装置
CN112686494A (zh) * 2020-11-25 2021-04-20 国网江苏省电力有限公司营销服务中心 基于线损异常台区的数据拟合方法、装置及智能设备
CN112686494B (zh) * 2020-11-25 2024-03-22 国网江苏省电力有限公司营销服务中心 基于线损异常台区的数据拟合方法、装置及智能设备
CN117172391A (zh) * 2023-11-02 2023-12-05 广东电网有限责任公司 一种基于多元回归的线损合理区间预测方法、装置及介质
CN117172391B (zh) * 2023-11-02 2024-02-27 广东电网有限责任公司 一种基于多元回归的线损合理区间预测方法、装置及介质

Also Published As

Publication number Publication date
CN111832174B (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
Tate et al. Line outage detection using phasor angle measurements
CN111832174A (zh) 一种基于多元回归的配线线损率处理方法及装置
CN112131441B (zh) 一种快速识别用电异常行为的方法及系统
CN112084678A (zh) 一种基于多元回归的配线线损率处理方法及装置
CN206312210U (zh) 一种配电网设备的状态评估系统
CN111160791A (zh) 一种基于gbdt算法及因素融合的异常用户识别方法
CN111260198A (zh) 一种台区同期线损合理度评判方法、系统及终端设备
CN104583789A (zh) 测试单元控制器的决策和执行树的创建和调度
CN104335056A (zh) 测试器和材料处理设备之间用于分开和控制测试单元操作中多个实体的不同请求的插入器
CN113189418B (zh) 一种基于电压数据的拓扑关系识别方法
CN114118588A (zh) 聚类欠采样下基于博弈特征提取的迎峰度夏停电预测方法
CN111612371A (zh) 一种基于层次分析法的智能电表质量评估方法
CN113033617A (zh) 一种基于大数据台区线损数据深度挖掘分析方法
CN104364664A (zh) 用于创建、定义和执行spc规则决策树的算法和结构
CN112686515A (zh) 变压器运行状态评估方法、装置、计算机设备和存储介质
CN115293257A (zh) 一种针对异常用电用户的检测方法及系统
CN116679151A (zh) 一种低压台区线损异常诊断方法、装置及存储介质
Romero et al. Web based management system for power quality assessment and detection of critical zones
CN110873857B (zh) 基于多源数据融合的智能电能表运行状态评价方法及系统
CN112215482A (zh) 一种户变关系识别方法和装置
CN115146715A (zh) 用电安全隐患诊断方法、装置、设备及存储介质
CN112732773B (zh) 一种继电保护缺陷数据的唯一性校核方法及系统
CN113406537B (zh) 一种电力设备故障程度的定量评估方法
CN112307652B (zh) 基于平均剩余寿命重要度的复杂装备系统快速维修方法
CN111831862B (zh) 高质量绝缘评估系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant