[发明专利]一种台区配网降损方法

权利要求书

1.一种台区配网降损方法，其特征在于，所述的方法包括以下步骤：

S1、进行台区特征提取，并构建台区特征数据库；

S2、对台区特征数据库中的台区特征进行层次聚类，对不同类台区特征分别建立线损率预测模型，得到线损率预测值；

S3、对线损率异常台区进行线损率修正；

S4、依据得到的线损率，采用Apriori算法获取影响线损率等级的关联规则，根据关联规则实行配网降损。

2.根据权利要求1所述的一种台区配网降损方法，其特征在于，步骤S4，采用Apriori算法获取影响线损率等级的关联规则具体为基于数据中大于预设支持度的集合即频繁集通过逐层迭代得到强关联规则。

3.根据权利要求1所述的一种台区配网降损方法，其特征在于，步骤S1所述的台区特征包括两类：数值型特征和类别型特征。

4.根据权利要求3所述的一种台区配网降损方法，其特征在于，所述的数值型特征包括线损率、售电量、出口三相不平衡度和出口日均无功功率。

5.根据权利要求3所述的一种台区配网降损方法，其特征在于，所述的类别型特征包括用户数量、价值等级、信用等级、售电表数、经济类型、运行容量、户均运行容量和量测成功率。

6.根据权利要求1所述的一种台区配网降损方法，其特征在于，步骤S2中对不同类台区特征分别建立线损率预测模型具体包括以下步骤：

S201、设训练集中预测变量是X＝x₁,...,x_n，响应变量是Y＝y₁,...,y_n；

S202、通过自助法重抽样方法从X，Y中随机选择一个子样本集X_b，Y_b作为训练集；

S203、对X_b，Y_b训练一个回归树模型rf_b，对b＝1,...,B重复步骤S203，其中B为子样本集总数；

S204、训练结束后，对一个新的样本x，利用随机森林模型通过平均所有回归树的预测值给出该样本的预测值

7.根据权利要求6所述的一种台区配网降损方法，其特征在于，S203步骤中回归树模型的训练采用二分递归分割的方法，将当前的训练集根据判断准则分成两个子集，使建立的树的每个非叶子节点都产生两个分支，非叶子节点代表特征，叶子节点即为树模型给出的预测值。

8.根据权利要求1所述的一种台区配网降损方法，其特征在于，步骤S3中对线损率异常台区进行线损率修正具体步骤为：

S301、对已经分好类的台区，利用决策树算法进行训练建立分类模型；

S302、从线损率异常台区特征向量中提取出决策树分类模型需要的特征，由决策树分类模型得到台区所属的类别；

S303、根据台区类别选择对应的随机森林模型，得到台区线损率。

9.根据权利要求1所述的一种台区配网降损方法，其特征在于，步骤S4具体为：

S401、构建线损率影响因素；

S402、对影响因素中的连续变量进行离散化，采用分箱法和最优离散化方法；

S403、采用Apriori算法进行关联规则获取。

10.根据权利要求9所述的一种台区配网降损方法，其特征在于，步骤S401中所述的线损率影响因素包括：售电量、运行容量、户均运行容量、用户数量、售电表数、量测成功率、三相不平衡度、日均无功、日均电压。