[发明专利]一种低压台区KFCM-SVR合理线损预测方法

权利要求书

1.一种低压台区KFCM-SVR合理线损预测方法，其特征是，包括以下步骤：

1)数据准备：从用电信息采集系统的Oracle数据库中以月为单位提取当月的相关建模数据，用于当月线损率的预测与评估；

2)数据筛选：将数据变化较大或数据异常的台区去除，留下数据较为稳定的样本数据作为建模的数据来源，筛选后台区作为稳定台区；

3)初次分类：按照城网与农网将数据分为两类，再按照居民容量占比将两类数据分别分为居民类、非居民类和混合类，得到6大类数据，其中，居民类容量占比≥0.9，非居民类容量占比≤0.1，混合类容量占比为(0.1,0.9)；

4)数据标准化：采用Z-score方法进行数据标准化，其公式如下：对于数据样本集X＝[x₁,x₂,…,x_i]，为标准化后数据，x_i为标准化前数据，为x_i的均值，σ_i为x_i的方差；

5)数据聚类：选取参数，设定聚类数，采用KFCM算法对每一小类的标准化数据进行聚类，计算隶属度矩阵，按照隶属度将数据归为若干小类；

6)最优聚类选取：针对每一个聚类类别计算轮廓系数，选取轮廓系数最大值所对应的聚类数作为最优聚类数，输出最优聚类结果以及聚类中心值；

7)SVR回归模型建立：利用LS-SVR算法建立n个回归模型，n为数据聚类后得到的总类别数，并计算每一类的残差置信空间；

8)合理线损置信区间确定：设定95％作为阈值，针对每一个LS-SVR回归模型计算其合理线损置信区间；

9)线损预测值输出：将每个待预测数据样本归入与聚类中心最近的类别，并输入到所对应的SVR模型中，得到每一个预测数据的线损率预测值；计算其预测残差，并与合理线损置信区间对比，超过合理线损置信区间限的数据样本认为是线损不合理，给出是否合理的结论。

2.根据权利要求1所述的一种低压台区KFCM-SVR合理线损预测方法，其特征是，所述步骤2)中去除的台区数据包括：

1)数据采集未全覆盖：所有在用计量点均已采集，无未采集供、用电表计；

2)台区下有特殊用户，包括光伏发电和无表计量；

3)当月发生业务变更，包括考核单元对象数量发生增减、户变关系调整、用户增减和不包含换表变更的用户业务变更；

4)月线损值超出(-1％，10％)范围的数据；

5)月内日线损超出(-1％，10％)范围的天数多于10天的数据。

3.根据权利要求1所述的一种低压台区KFCM-SVR合理线损预测方法，其特征是，所述步骤8)中的合理线损置信区间确定的具体步骤为：

81)将每个LS-SVR回归模型的建模训练数据输入到回归模型，得到单个样本的线损预测值；

82)将每一类数据样本的线损预测值与实际值的残差按照从大到小进行排序；

83)计算每一类数据样本5％数据个数n₁，n₁＝每一类数据样本总数/20；

84)线损预测值与实际值的残差按照从大到小进行排序后，前n₁个样本对应的残差值即为合理线损置信区间限。