CN116680546A - 一种低压配电网台区线损率识别方法 - Google Patents
一种低压配电网台区线损率识别方法 Download PDFInfo
- Publication number
- CN116680546A CN116680546A CN202310962730.9A CN202310962730A CN116680546A CN 116680546 A CN116680546 A CN 116680546A CN 202310962730 A CN202310962730 A CN 202310962730A CN 116680546 A CN116680546 A CN 116680546A
- Authority
- CN
- China
- Prior art keywords
- value
- voltage
- cluster
- low
- electrical characteristic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000009826 distribution Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000007621 cluster analysis Methods 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种低压配电网台区线损率识别方法,包括:步骤S1、在一样本低压台区选取电气特征参数,并建立电气特征参数与样本低压台区归属标记;步骤S2、对电气特征参数的原始数据标准化处理;步骤S3:得到样本低压台区性能指标评价函数并进行聚类分析;步骤S4:计算平均轮廓系数,验证最优K值的准确度;步骤S5:根据得出最优K值对应的各簇中的所有标准化电气特征参数的各数据点,统计每一数据点对应的台区归属,分析各样本低压台区在每一簇中的占比,确定需进行线损计算的疑似高线损区。本发明不仅为台区线损率的预测计算提供合理的样本数据,还使线损率预测结果更精确,以更好的提供降损措施。
Description
技术领域
本发明属于配电网领域,具体涉及一种低压配电网台区线损率识别方法。
背景技术
线损率是低压配电网的一项重要的经济技术考核指标,它综合反映电网的规划设计、生产运行和运营管理水平,降低线损率是电力部门在节约能源、创建国际先进水平供电企业、推进企业经营性管控等方面的重要任务。快速、准确、简便的线损率分析方法有利于高效地拟定出有针对性的降损措施,制订适当的线损考核规划,促进电网的发展向更高效、更绿色的方向转变,进一步实现企业的精益化管理。
当前,线损管理工作主要集中在主网,缺乏对低压配电网的关注,且相关标准、方法、规范十分匮乏。低压配电网台区处于联系用户与供电企业的战略性地位,台区线损的高低直接影响用户的经济效益与供电企业的运营效益。但由于低压台区用户数目巨大、负荷多样、电网基层的管理水平以及网架建设机构的参差不齐、台账管理不完善、线路分布复杂多样,都增加了台区线损管理的复杂性。
基于此现状实现台区线损率准确快速的识别成为亟待解决的问题。
发明内容
现提供一种低压配电网台区线损率识别方法,以至少解决上述背景技术中存在的至少一个技术问题。
第一方面,本发明提供了一种低压配电网台区线损率识别方法,包括如下步骤:
步骤S1、在一样本低压台区选取有功电量X1、无功电量X2、低压线路长度X3、供电半径X4和线路总电阻X5作为电气特征参数,并将电气特征参数与该样本低压台区建立归属标记;
步骤S2、对所述电气特征参数的原始数据进行标准化处理,处理过程如下:
其中,为第i个样本低压台区中的第j个电气特征参数,/>为/>的方差,/>为所有样本低压台区中的第j个电气特征参数的平均值,/>为/>标准化处理后的值,样本低压台区数量为n,其中i=1,2,…,n,j=1,2,…,5;
步骤S3、根据所述电气特征参数得到样本低压台区性能指标评价函数并进行聚类分析,过程如下:
步骤S31、建立样本低压台区性能指标评价函数:
其中,为第j个电气特征参数的权重系数,表示第j个电气特征参数对线损的影响程度,/>为所有样本低压台区中第j个电气特征参数标准化处理后的最小值,/>反映第i个样本低压台区的线损;
步骤S32、计算所有样本低压台区的值,将所有/>值升序排列,并将值等分成K个组,选取每一组的中心/>值作为该组的初始聚类中心;
步骤S33、历遍所有样本低压台区的数据点,按照其与初始聚类中心的距离值大小将所有数据点分配至与之最接近的初始聚类中心,形成K个簇,所述距离值的计算方式如下:
其中,为簇/>中的聚类中心样本点,a=1,…,K;
步骤S34、重新计算每个簇的质心,并将该质心迭代为新的聚类中心;
步骤S35、重复以上步骤S33至S34,直到所述聚类中心位置不再发生变化,并通过计算误差平方和函数值直至收敛,误差平方和函数值计算方式如下:
其中,为簇/>中的聚类中心样本点,/>为簇/>的质心;
步骤S36、将所述步骤S32中的K值自1开始取值,直到取到上限值8,并且在每一次取值下重复所述步骤S32至步骤S35,形成K与关系折线图,并通过手肘法确定最优K值,取最优K值时对应的/>值应当较小于最优K值时对应的/>值都要小;
步骤S4、计算平均轮廓系数,验证最优K值的准确度;
步骤S41、依据步骤S3得出的最优K值,计算簇中样本点/>的轮廓系数如下:
其中,c是样本点与同簇的其他样本的平均距离,d是样本点/>与最近簇中所有样本点的平均距离;
步骤S42、历遍最优K值对应的所有簇,计算出所有;
步骤S43、计算平均轮廓系数如下:
其中,为/>的算术平均值;
步骤S44、将所述步骤S33中的K值自1开始取值,直到取到上限值,所述上限值为步骤S3得出的最优K值,并且在每一次取值下重复所述步骤S41至步骤S43,并做出K与关系图,所述最优K值对应的/>值应当满足是K与/>关系图的最大/>值或次大/>值,否则分别降序选取/>值对应的K值作为初始K值,重复步骤S32至步骤S36,得出新的最优K值;
步骤S5、根据得出最优K值对应的各簇中的所有标准化电气特征参数的各数据点,统计每一数据点对应的台区归属,分析各样本低压台区在每一簇中的占比,若某样本低压台区在该簇中的数据点占该簇所有数据点的比例超过预设比例,则该台区为疑似高线损区,需进行线损计算。
进一步,所述第j个电气特征参数的权重系数值预设为1。
进一步,所述样本低压台区在该簇中的数据点占该簇所有数据点的比例超过预设比例,该预设比例的数值为50%。
本发明的有益效果:本发明提供的基于数据聚类技术的低压配电网台区线损率识别方法,利用台区的电气特征参数建立的指标评价函数作为聚类分析判断初始聚类中心的原则,并且利用轮廓系数检验样本数据点聚类的组数的精准度,进一步提高了聚类运算结果的精确性,不仅为台区线损率的预测计算提供合理的样本数据,使线损率预测结果更精确,能够为更好的提供降损措施。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1示出了本发明一个实施方式中低压配电网台区线损率识别方法示意图。
具体实施方式
以下对本发明的各个方面进行进一步详述。
除非另有定义或说明,本文中所使用的所有专业与科学用语与本领域技术熟练人员所熟悉的意义相同。此外任何与所记载内容相似或均等的方法及材料皆可应用于本发明方法中。
以下对术语进行说明。
除非另有明确的规定和限定,本发明中所述的“或”,包含了“和”的关系。所述“和”相当于布尔逻辑运算符“AND”,所述“或”相当于布尔逻辑运算符“OR”,而“AND”是“OR”的子集。
可以理解到,尽管术语“第一”、“第二”等等可以在此用来说明不同的元件,但是这些元件不应被这些术语限制。这些术语仅仅用来将一个元件与另一个元件区分开。因此,第一元件可以被称为第二元件,而不背离本发明构思的教导。
本发明中,术语“含有”、“包含”或“包括”表示各种成分可一起应用于本发明的混合物或组合物中。因此,术语“主要由 ...组成”包含在术语“含有”、“包含”或“包括”中。
除非另有明确的规定和限定,本发明的术语“相连”、“连通”、“连接”应作广义理解,例如,可以是固定连接,也可以是通过中介媒介间相连,可以是两个元件内部的连通或者两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
例如,如果一个元件(或部件)被称为在另一个元件上、与另一个元件耦合或者与另一个元件连接,那么所述一个元件可以直接地在所述另一个元件上形成、与之耦合或者与之连接,或者在它们之间可以有一个或多个介于中间的元件。相反,如果在此使用表述“直接在......上”、“直接与......耦合”和“直接与......连接”,那么表示没有介于中间的元件。用来说明元件之间的关系的其他词语应该被类似地解释,例如“在......之间”和“直接在......之间”、“附着”和“直接附着”、“相邻”和“直接相邻”等等。
另外需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向。使用的词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。可以理解到,在此,这些术语用来描述如在附图中所示的一个元件、层或区域相对于另一个元件、层或区域的关系。除了在附图中描述的取向之外,这些术语应该也包含装置的其他取向。
本发明的其它方面由于本文的公开内容,对本领域的技术人员而言是显而易见的。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。例如,在附图中的元件的厚度可以为了清楚性起见而被夸张。
图1所示是本发明提供的一种低压配电网台区线损率识别方法,包括如下步骤:
步骤S1、在一样本低压台区选取有功电量X1、无功电量X2、低压线路长度X3、供电半径X4和线路总电阻X5作为电气特征参数,并将电气特征参数与该样本低压台区建立归属标记;
步骤S2、对所述电气特征参数的原始数据进行标准化处理,处理过程如下:
其中,为第i个样本低压台区中的第j个电气特征参数,/>为/>的方差,/>为所有样本低压台区中的第j个电气特征参数的平均值,/>为/>标准化处理后的值,样本低压台区数量为n,其中i=1,2,…,n,j=1,2,…,5;
步骤S3、根据所述电气特征参数得到样本低压台区性能指标评价函数并进行聚类分析,过程如下:
步骤S31、建立样本低压台区性能指标评价函数:
其中,为第j个电气特征参数的权重系数,表示第j个电气特征参数对线损的影响程度,/>为所有样本低压台区中第j个电气特征参数标准化处理后的最小值,/>反映第i个样本低压台区的线损;
步骤S32、计算所有样本低压台区的值,将所有/>值升序排列,并将值等分成K个组,选取每一组的中心/>值作为该组的初始聚类中心;
步骤S33、历遍所有样本低压台区的数据点,按照其与初始聚类中心的距离值大小将所有数据点分配至与之最接近的初始聚类中心,形成K个簇,所述距离值的计算方式如下:
其中,为簇/>中的聚类中心样本点,a=1,…,K;
步骤S34、重新计算每个簇的质心,并将该质心迭代为新的聚类中心;
步骤S35、重复以上步骤S33至S34,直到所述聚类中心位置不再发生变化,并通过计算误差平方和函数值直至收敛,误差平方和函数值计算方式如下:
其中,为簇/>中的聚类中心样本点,/>为簇/>的质心;
步骤S36、将所述步骤S32中的K值自1开始取值,直到取到上限值8,并且在每一次取值下重复所述步骤S32至步骤S35,形成K与关系折线图,并通过手肘法确定最优K值,取最优K值时对应的/>值应当较小于最优K值时对应的/>值都要小;
步骤S4、计算平均轮廓系数,验证最优K值的准确度;
步骤S41、依据步骤S3得出的最优K值,计算簇中样本点/>的轮廓系数如下:
其中,c是样本点与同簇的其他样本的平均距离,d是样本点/>与最近簇中所有样本点的平均距离;
步骤S42、历遍最优K值对应的所有簇,计算出所有;
步骤S43、计算平均轮廓系数如下:
其中,为/>的算术平均值;
步骤S44、将所述步骤S33中的K值自1开始取值,直到取到上限值,所述上限值为步骤S3得出的最优K值,并且在每一次取值下重复所述步骤S41至步骤S43,并做出K与关系图,所述最优K值对应的/>值应当满足是K与/>关系图的最大/>值或次大/>值,否则分别降序选取/>值对应的K值作为初始K值,重复步骤S32至步骤S36,得出新的最优K值;
步骤S5、根据得出最优K值对应的各簇中的所有标准化电气特征参数的各数据点,统计每一数据点对应的台区归属,分析各样本低压台区在每一簇中的占比,若某样本低压台区在该簇中的数据点占该簇所有数据点的比例超过预设比例,则该台区为疑似高线损区,需进行线损计算。
作为优选的实施方式,所述第j个电气特征参数的权重系数值预设为1。
作为优选的实施方式,所述样本低压台区在该簇中的数据点占该簇所有数据点的比例超过预设比例,该预设比例的数值为50%。
综上,通过本发明的技术方案获得了如下效果:
1、利用台区的电气特征参数建立的指标评价函数作为聚类分析判断初始聚类中心的原则,并且利用轮廓系数检验样本数据点聚类的组数的精准度,进一步提高了聚类运算结果的精确性,不仅为台区线损率的预测计算提供合理的样本数据,使线损率预测结果更精确,能够为更好的提供降损措施。
基于本申请,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目和方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
应当说明的是,上述实施例均可根据需要自由组合。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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
在本发明提及的所有文献都在本申请中引用作为参考,就如同每一篇文献被单独引用作为参考那样。此外应理解,在阅读了本发明的上述内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (3)
1.一种低压配电网台区线损率识别方法,其特征在于,包括如下步骤:
步骤S1、在一样本低压台区选取有功电量X1、无功电量X2、低压线路长度X3、供电半径X4和线路总电阻X5作为电气特征参数,并将电气特征参数与该样本低压台区建立归属标记;
步骤S2、对所述电气特征参数的原始数据进行标准化处理,处理过程如下:
其中,为第i个样本低压台区中的第j个电气特征参数,/>为/>的方差,/>为所有样本低压台区中的第j个电气特征参数的平均值,/>为/>标准化处理后的值,样本低压台区数量为n,其中i=1,2,…,n,j=1,2, …,5;
步骤S3、根据所述电气特征参数得到样本低压台区性能指标评价函数并进行聚类分析,过程如下:
步骤S31、建立样本低压台区性能指标评价函数:
其中,为第j个电气特征参数的权重系数,表示第j个电气特征参数对线损的影响程度,/>为所有样本低压台区中第j个电气特征参数标准化处理后的最小值,/>反映第i个样本低压台区的线损;
步骤S32、计算所有样本低压台区的值,将所有/>值升序排列,并将/>值等分成K个组,选取每一组的中心/>值作为该组的初始聚类中心;
步骤S33、历遍所有样本低压台区的数据点,按照其与初始聚类中心的距离值大小将所有数据点分配至与之最接近的初始聚类中心,形成K个簇,所述距离值的计算方式如下:
其中,为簇/>中的聚类中心样本点,a=1, …,K;
步骤S34、重新计算每个簇的质心,并将该质心迭代为新的聚类中心;
步骤S35、重复以上步骤S33至S34,直到所述聚类中心位置不再发生变化,并通过计算误差平方和函数值直至收敛,误差平方和函数值计算方式如下:
其中,为簇/>中的聚类中心样本点,/>为簇/>的质心;
步骤S36、将所述步骤S32中的K值自1开始取值,直到取到上限值8,并且在每一次取值下重复所述步骤S32至步骤S35,形成K与关系折线图,并通过手肘法确定最优K值,取最优K值时对应的/>值应当较小于最优K值时对应的/>值都要小;
步骤S4、计算平均轮廓系数,验证最优K值的准确度;
步骤S41、依据步骤S3得出的最优K值,计算簇中样本点/>的轮廓系数如下:
其中,c是样本点与同簇的其他样本的平均距离, d是样本点/>与最近簇中所有样本点的平均距离;
步骤S42、历遍最优K值对应的所有簇,计算出所有;
步骤S43、计算平均轮廓系数如下:
其中,为/>的算术平均值;
步骤S44、将所述步骤S33中的K值自1开始取值,直到取到上限值,所述上限值为步骤S3得出的最优K值,并且在每一次取值下重复所述步骤S41至步骤S43,并做出K与关系图,所述最优K值对应的/>值应当满足是K与/>关系图的最大/>值或次大/>值,否则分别降序选取值对应的K值作为初始K值,重复步骤S32至步骤S36,得出新的最优K值;
步骤S5、根据得出最优K值对应的各簇中的所有标准化电气特征参数的各数据点,统计每一数据点对应的台区归属,分析各样本低压台区在每一簇中的占比,若某样本低压台区在该簇中的数据点占该簇所有数据点的比例超过预设比例,则该台区为疑似高线损区,需进行线损计算。
2.如权利要求1所述的一种低压配电网台区线损率识别方法,其特征在于,所述第j个电气特征参数的权重系数值预设为1。
3.如权利要求1所述的一种低压配电网台区线损率识别方法,其特征在于,所述样本低压台区在该簇中的数据点占该簇所有数据点的比例超过预设比例,该预设比例的数值为50%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310962730.9A CN116680546A (zh) | 2023-08-02 | 2023-08-02 | 一种低压配电网台区线损率识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310962730.9A CN116680546A (zh) | 2023-08-02 | 2023-08-02 | 一种低压配电网台区线损率识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116680546A true CN116680546A (zh) | 2023-09-01 |
Family
ID=87781366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310962730.9A Pending CN116680546A (zh) | 2023-08-02 | 2023-08-02 | 一种低压配电网台区线损率识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116680546A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110907A (zh) * | 2019-04-19 | 2019-08-09 | 国网天津市电力公司电力科学研究院 | 一种低压台区特征参数的提取方法 |
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 |
CN111860600A (zh) * | 2020-06-22 | 2020-10-30 | 国家电网有限公司 | 一种基于最大相关最小冗余判据的用户用电特征选择方法 |
CN116307844A (zh) * | 2023-02-16 | 2023-06-23 | 国网上海市电力公司 | 一种低压台区线损评估分析方法 |
-
2023
- 2023-08-02 CN CN202310962730.9A patent/CN116680546A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110907A (zh) * | 2019-04-19 | 2019-08-09 | 国网天津市电力公司电力科学研究院 | 一种低压台区特征参数的提取方法 |
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 |
CN111860600A (zh) * | 2020-06-22 | 2020-10-30 | 国家电网有限公司 | 一种基于最大相关最小冗余判据的用户用电特征选择方法 |
CN116307844A (zh) * | 2023-02-16 | 2023-06-23 | 国网上海市电力公司 | 一种低压台区线损评估分析方法 |
Non-Patent Citations (1)
Title |
---|
唐西胜: "Python数据分析与机器学习", 31 December 2019, 机械工业出版社, pages: 111 - 114 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991786B (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
US9310406B2 (en) | Region-based security evaluation method for the electric power distribution system | |
CN109272176A (zh) | 利用K-means聚类算法对台区线损率预测计算方法 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN109816269B (zh) | 一种基于配电单元综合效益的配电网项目规划方法 | |
CN108038592A (zh) | 一种基于模糊区间层次分析法的配电网投资成效评价方法 | |
Mehmood et al. | Unified planning of wind generators and switched capacitor banks: A multiagent clustering-based distributed approach | |
CN109544006A (zh) | 一种评价电动汽车充电站经济效益的方法 | |
CN110264107A (zh) | 一种基于大数据技术的台区线损率异常诊断方法 | |
CN109492874B (zh) | 一种三层级配电网投资决策体系的决策方法 | |
CN108197756A (zh) | 基于模糊综合评判确定AgSnO2触头材料第二相最优粒度的方法 | |
CN105447082A (zh) | 一种海量负荷曲线的分布式聚类方法 | |
CN111951125B (zh) | 一种基于大数据分析的台区异常户变关系识别方法 | |
CN111428754A (zh) | 一种基于基态修正的线损率标杆值的优化设计方法 | |
Huang et al. | Adaptability evaluation of distributed power sources connected to distribution network | |
CN111553568A (zh) | 一种基于数据挖掘技术的线损管理方法 | |
CN111651448B (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
CN116680546A (zh) | 一种低压配电网台区线损率识别方法 | |
CN112464059A (zh) | 配电网用户分类方法、装置、计算机设备和存储介质 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
CN111598456A (zh) | 一种电子式互感器的状态评估方法 | |
CN115278706B (zh) | 一种网络结构评估方法、装置、设备及计算机存储介质 | |
CN113298402B (zh) | 基于人工智能的配网供电可靠性精细化方法与系统 | |
CN115907461A (zh) | 一种基于机理推导方程的电力工程方法 |
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 |