CN112084678A - 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
CN112084678A
CN112084678A CN202010998606.4A CN202010998606A CN112084678A CN 112084678 A CN112084678 A CN 112084678A CN 202010998606 A CN202010998606 A CN 202010998606A CN 112084678 A CN112084678 A CN 112084678A
Authority
CN
China
Prior art keywords
line loss
loss rate
multiple regression
regression model
model
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.)
Pending
Application number
CN202010998606.4A
Other languages
English (en)
Inventor
匙光
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.)
Chengde Power Supply Co of State Grid Jibei Electric Power Co Ltd
Original Assignee
Chengde Power Supply Co of 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 Chengde Power Supply Co of State Grid Jibei Electric Power Co Ltd filed Critical Chengde Power Supply Co of State Grid Jibei Electric Power Co Ltd
Priority to CN202010998606.4A priority Critical patent/CN112084678A/zh
Publication of CN112084678A publication Critical patent/CN112084678A/zh
Pending legal-status Critical Current

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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Biology (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (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)
  • Power Engineering (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
本发明属于智能电网技术领域，具体为一种基于多元回归的配线线损率处理方法及装置。
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，而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
本发明为了解决上述问题，设计了一种基于多元回归的配线线损率处理方法及装置，具有精确分析线损率，并可以实时显示线损率的功能。
本发明的具体技术方案是：
一种基于多元回归的配线线损率处理方法，依据瞬步包括获取步骤、处理步骤、构建步骤、模型实例化步骤和显示步骤，
所述获取步骤，包括通过计算机定时获取线变台户的基础数据集；
所述处理步骤，基于所述获取步骤得到的基础数据，获取与线损率相关的线损数据集；
所述构建步骤，基于所述处理步骤得到的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；
所述模型实例化步骤，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；
所述显示步骤，在确定当前条件下所适用的多元回归模型实例后，通过计算机计算当前条件下的线损率，并进行实时显示。
所述获取步骤中，所述基础数据集包括：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。
所述处理步骤中，通过选取一段时间内的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。
所述构建步骤具体为，
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 BDA0002693417600000021
Figure BDA0002693417600000022
为配线线损率，xk为线损率的影响因素，
Figure BDA0002693417600000023
为回归参数，k≥2。
所述构建步骤具体为：
对构建的多元回归模型进行拟合优度检验、F检验和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 BDA0002693417600000031
Figure BDA0002693417600000032
Figure BDA0002693417600000033
Figure BDA0002693417600000034
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 BDA0002693417600000035
为线损率拟合值，
Figure BDA0002693417600000036
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检验和t校验
F检验统计量为：
Figure BDA0002693417600000037
上式中n为配线个数，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 BDA0002693417600000038
bii是矩阵(XTX)-1[X＝(x1,x2,…,xk)]对角线上第i个元素：
Figure BDA0002693417600000041
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 BDA0002693417600000042
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 BDA0002693417600000043
将各个配线线损率影响因素的权重
Figure BDA0002693417600000044
进行对应存储后得到在对应条件下的多元回归模型实例。
一种基于多元回归的配线线损率处理装置，该装置用于执行权利要求1的一种基于多元回归的配线线损率处理方法，包括获取单元、处理单元和显示单元，还包括构建单元和模型实例化单元
所述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，所述获取单元的输入端连接所述连接线变台户；
所述处理单元，用于执行处理步骤，所述处理单元的输入端连接所述获取单元的输出端；
所述构建单元，用于执行构建步骤，所述构建单元的输入端连接所述处理单元的输入端；
所述模型实例化单元，用于执行模型实例化步骤，所述模型实例化单元的输入端连接所述构建单元的输出端；
所述显示单元，用于执行显示步骤，所述显示步骤的输入端连接所述模型实例化步骤的输入端。
本发明的有益效果是：
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。
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。
附图说明
图1是本发明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是本发明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
以下结合具体实施例及附图对本发明的技术方案作进一步详细的描述，但本发明的保护范围及实施方式不限于此。
参照说明书附图1所示，一种基于多元回归的配线线损率处理方法，依据瞬步包括获取步骤、处理步骤、构建步骤、模型实例化步骤和显示步骤，
所述获取步骤，包括通过计算机定时获取线变台户的基础数据集；
所述处理步骤，基于所述获取步骤得到的基础数据，获取与线损率相关的线损数据集；
所述构建步骤，基于所述处理步骤得到的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；
所述模型实例化步骤，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；
所述显示步骤，在确定当前条件下所适用的多元回归模型实例后，通过计算机计算当前条件下的线损率，并进行实时显示。
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 BDA0002693417600000061
Figure BDA0002693417600000062
为配线线损率，xk为线损率的影响因素，
Figure BDA0002693417600000063
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 BDA0002693417600000071
为各因素的权重，
Figure BDA0002693417600000072
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。
所述获取步骤中，所述基础数据集包括：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。
所述处理步骤中，通过选取一段时间内的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。
所述构建步骤具体为，
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 BDA0002693417600000073
Figure BDA0002693417600000074
为配线线损率，xk为线损率的影响因素，
Figure BDA0002693417600000075
为回归参数，k≥2。
所述构建步骤具体为
对构建的多元回归模型进行拟合优度检验、F检验和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 BDA0002693417600000081
Figure BDA0002693417600000082
Figure BDA0002693417600000083
Figure BDA0002693417600000084
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 BDA0002693417600000085
为线损率拟合值，
Figure BDA0002693417600000086
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检验和t校验
F检验统计量为：
Figure BDA0002693417600000087
上式中n为配线个数，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 BDA0002693417600000088
bii是矩阵(XTX)-1[X＝(x1,x2,…,xk)]对角线上第i个元素：
Figure BDA0002693417600000089
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 BDA0002693417600000091
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 BDA0002693417600000092
将各个配线线损率影响因素的权重
Figure BDA0002693417600000093
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。
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。
参照说明书附图2所示，一种基于多元回归的配线线损率处理装置，该装置用于执行权利要求1的一种基于多元回归的配线线损率处理方法，包括获取单元、处理单元和显示单元，还包括构建单元和模型实例化单元；
所述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，所述获取单元的输入端连接所述连接线变台户；
所述处理单元，用于执行处理步骤，所述处理单元的输入端连接所述获取单元的输出端；
所述构建单元，用于执行构建步骤，所述构建单元的输入端连接所述处理单元的输入端；
所述模型实例化单元，用于执行模型实例化步骤，所述模型实例化单元的输入端连接所述构建单元的输出端；
所述显示单元，用于执行显示步骤，所述显示步骤的输入端连接所述模型实例化步骤的输入端。
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 BDA0002693417600000111
Figure BDA0002693417600000112
为配线线损率，xk为线损率的影响因素，
Figure BDA0002693417600000113
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 BDA0002693417600000114
为各因素的权重，
Figure BDA0002693417600000115
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 BDA0002693417600000116
Figure BDA0002693417600000117
Figure BDA0002693417600000118
Figure BDA0002693417600000119
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 BDA00026934176000001110
为线损率拟合值，
Figure BDA00026934176000001111
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 BDA0002693417600000121
上式中n为配线个数，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 BDA0002693417600000122
bii是矩阵(XTX)-1[X＝(x1,x2,…,xk)]对角线上第i个元素：
Figure BDA0002693417600000123
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 BDA0002693417600000124
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 BDA0002693417600000125
将各个配线线损率影响因素的权重
Figure BDA0002693417600000126
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。
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。

Claims (6)

1.一种基于多元回归的配线线损率处理方法，依据瞬步包括获取步骤、处理步骤、构建步骤、模型实例化步骤和显示步骤，其特征在于，
所述获取步骤，包括通过计算机定时获取线变台户的基础数据集；
所述处理步骤，基于所述获取步骤得到的基础数据，获取与线损率相关的线损数据集；
所述构建步骤，基于所述处理步骤得到的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；
所述模型实例化步骤，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；
所述显示步骤，在确定当前条件下所适用的多元回归模型实例后，通过计算机计算当前条件下的线损率，并进行实时显示。
2.根据权利要求1所述的一种基于多元回归的配线线损率处理方法，其特征在于：所述获取步骤中，所述基础数据集包括：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：
所述处理步骤中，通过选取一段时间内的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：
所述构建步骤具体为，
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 FDA0002693417590000021
Figure FDA0002693417590000022
为配线线损率，xk为线损率的影响因素，
Figure FDA0002693417590000023
为回归参数，k≥2。
5.根据权利要求4所述的一种基于多元回归的配线线损率处理方法，其特征在于：
所述构建步骤具体为
对构建的多元回归模型进行拟合优度检验、F检验和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 FDA0002693417590000024
Figure FDA0002693417590000025
Figure FDA0002693417590000026
Figure FDA0002693417590000027
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 FDA0002693417590000028
为线损率拟合值，
Figure FDA0002693417590000029
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检验和t校验
F检验统计量为：
Figure FDA0002693417590000031
上式中n为配线个数，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 FDA0002693417590000032
bii是矩阵(XTX)-1[X＝(x1,x2,…,xk)]对角线上第i个元素：
Figure FDA0002693417590000033
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 FDA0002693417590000034
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 FDA0002693417590000035
将各个配线线损率影响因素的权重
Figure FDA0002693417590000036
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，该装置用于执行权利要求1的一种基于多元回归的配线线损率处理方法，包括获取单元、处理单元和显示单元，其特征在于，还包括构建单元和模型实例化单元
所述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，所述获取单元的输入端连接所述连接线变台户；
所述处理单元，用于执行处理步骤，所述处理单元的输入端连接所述获取单元的输出端；
所述构建单元，用于执行构建步骤，所述构建单元的输入端连接所述处理单元的输入端；
所述模型实例化单元，用于执行模型实例化步骤，所述模型实例化单元的输入端连接所述构建单元的输出端；
所述显示单元，用于执行显示步骤，所述显示步骤的输入端连接所述模型实例化步骤的输入端。
CN202010998606.4A 2020-09-22 2020-09-22 一种基于多元回归的配线线损率处理方法及装置 Pending CN112084678A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010998606.4A CN112084678A (zh) 2020-09-22 2020-09-22 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
CN202010998606.4A CN112084678A (zh) 2020-09-22 2020-09-22 一种基于多元回归的配线线损率处理方法及装置

Publications (1)

Publication Number Publication Date
CN112084678A true CN112084678A (zh) 2020-12-15

Family

ID=73739447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010998606.4A Pending CN112084678A (zh) 2020-09-22 2020-09-22 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) CN112084678A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110850358A (zh) * 2019-12-10 2020-02-28 国网山东省电力公司电力科学研究院 基于逐步回归算法的电能表综合检定方法及系统
WO2022247239A1 (zh) * 2021-05-25 2022-12-01 中国科学院深圳先进技术研究院 环氧塑封封装结构的优化设计方法
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
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
CN110322371A (zh) * 2019-07-08 2019-10-11 长沙理工大学 基于多元线性回归分析的高损台区用电异常用户检测定位方法
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
CN111832174A (zh) * 2020-07-14 2020-10-27 国网冀北电力有限公司 一种基于多元回归的配线线损率处理方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110322371A (zh) * 2019-07-08 2019-10-11 长沙理工大学 基于多元线性回归分析的高损台区用电异常用户检测定位方法
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
CN111832174A (zh) * 2020-07-14 2020-10-27 国网冀北电力有限公司 一种基于多元回归的配线线损率处理方法及装置

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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110850358A (zh) * 2019-12-10 2020-02-28 国网山东省电力公司电力科学研究院 基于逐步回归算法的电能表综合检定方法及系统
WO2022247239A1 (zh) * 2021-05-25 2022-12-01 中国科学院深圳先进技术研究院 环氧塑封封装结构的优化设计方法
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

Similar Documents

Publication Publication Date Title
CN107462863B (zh) 一种智能电能表运行误差运行诊断分析方法及系统
CN112084678A (zh) 一种基于多元回归的配线线损率处理方法及装置
Tate et al. Line outage detection using phasor angle measurements
CN104268678B (zh) 一种以动态可靠性为基础的石化设备预防性维修方法
CN112131441B (zh) 一种快速识别用电异常行为的方法及系统
CN111832174B (zh) 一种基于多元回归的配线线损率处理方法及装置
JP2009089594A (ja) 検針データを利用した電力設備の時空間負荷分析システム及び負荷の計算方法
CN111160791A (zh) 一种基于gbdt算法及因素融合的异常用户识别方法
CN206312210U (zh) 一种配电网设备的状态评估系统
CN113189418B (zh) 一种基于电压数据的拓扑关系识别方法
CN112446534A (zh) 一种输变电工程的建设工期预测方法和装置
CN115730864A (zh) 基于物联网的智能能源管理平台
CN113406558A (zh) 基于线性回归的电表失准检测方法、装置及电子设备
CN114742488B (zh) 一种主变压器运行风险评估方法和系统
CN113033617A (zh) 一种基于大数据台区线损数据深度挖掘分析方法
CN115293257A (zh) 一种针对异常用电用户的检测方法及系统
CN112287548A (zh) 基于宽带网络的配电网实时监控方法及装置
CN106803125B (zh) 一种基于标准用电户折算的采集异常紧急程度计算方法
CN105956755A (zh) 电力综合线损率影响因子量化关系建立方法及系统
Ibe et al. Adequacy analysis and security reliability evaluation of bulk power system
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
CN110310048B (zh) 一种配网规划全过程评估方法及装置
CN117076894A (zh) 供应链风险全过程监测防控管理方法及管理系统
CN114860808B (zh) 基于大数据的配电网设备异常事件关联分析方法
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

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