[发明专利]一种基于Boosting算法的配电网理论线损预测方法

权利要求书

1.一种基于Boosting算法的配电网理论线损预测方法，其特征在于，所述方法包括下述步骤：

A、数据预处理，将配电网理论线损预测所涉及的历史线损记录转化为适合Boosting算法的原始样本集S_original；

B、利用集成学习Boosting算法对所述S_original进行训练，得到满足误差要求的配电网理论线损预测模型M_lineloss；

C、利用所述配电网理论线损预测模型M_lineloss完成配电网中未测线路的理论线损预测。

2.如权利要求1所述的基于Boosting算法的配电网理论线损预测方法，其特征在于，所述步骤A具体包括下述步骤：

A1、将已知的配电网理论线损记录转化为k×n矩阵格式的数据集S_matrix；所述k为历史记录条数；所述n为配电网线损影响因素个数加1；

A2、数据特征提取，使用核主成分分析确定所述配电网理论线损预测的最核心数据特征序列{x₁，x₂，…，x_m}；所述m∈[1，n-1]；

A3、按照步骤A2确定的数据特征序列{x₁，x₂，…，x_m}生成适合Boosting算法的原始样本集S_original；所述S_original为k×(m+1)矩阵。

3.如权利要求1所述的基于Boosting算法的配电网理论线损预测方法，其特征在于，所述步骤B具体包括下述步骤：

B1、Boosting算法初始化：设定所述Boosting算法最大迭代次数T_max，选用支持向量回归机做为Boosting算法的弱学习算法；

B2、初始样本权重分配：设定所述原始样本集S_original中每条数据样本的初始权重所述i＝1，2，…，k；所述k为所述原始样本集S_original中样本总个数；

B3、执行Boosting算法：设当前Boosting算法迭代次数为j，j∈[1，T_max]，在当前样本集S_j中按ω_j(i)从高到低的顺序抽取的样本，输入到支持向量回归机SVR训练，以得到第j代得弱学习机h_j；

B4、计算所述弱学习机h_j的误差ε_j；所述所述ω_j(i)为满足条件的样本权重；所述为利用所述弱学习机h_j得到的配电网理论线损V_i的计算值；所述5％是Boosting算法设定的理论线损预测误差阈值；

B5、计算所述弱学习机h_j的权重ak=12ln1-ϵjϵj;]]>

B6、更新下一代样本集中样本的权重ω_j+1，ωj+1=ωj(i)e-ajyihj(xi)Aj;]]>所述A_j是归一化系数，保证

B7、Boosting算法终止判别；当出现下列条件之一，Boosting算法即停止迭代，执行步骤B8；否则，执行步骤B3；条件一：j≥T_max；条件二：样本集S_j+1与样本集S_j一致，即所述弱学习机的预测误差ε_j不再变化；

B8、输出最终强学习机H(x)；将各代所述弱学习机h_j加权组合得到H(x)，H(x)=sign[Σi=1Tmaxαjhj(x)];]]>所述最终强学习机H(x)为所述满足误差要求的配电网理论线损预测模型M_lineloss。