[发明专利]基于ReliefF和t-SNE的配电线路线变关系模型优化方法

权利要求书

1.一种基于ReliefF和t-SNE的配电线路线变关系模型优化方法，其特征在于，包括如下步骤：

S1，将配电线路线变关系分为三类别：线路挂错类、电能表倍率计错类和正常线变类，采集配电线路的日输入电量和与该配电线路相连的各变压器用户的日用电量作为采集量，并获取各变压器的线变关系类别；

S2，对所述配电线路的日输入电量和所述各变压器的日用电量进行预处理，获得配电线路的日线损电量；具体步骤为：

S21、对步骤S1采集的用电量数据进行检查，查找各变压器用户的用电量缺失数据和用电量异常数据；

S22、若存在用电量缺失数据，当用电量缺失数据的缺失量大于采集量20％时，将在步骤S1中采集的该变压器用户的日用电量序列在样本中剔除，而对缺失量小于采集量20％的用户的用电量缺值数据以临近处均值代替；

S23、若存在用电量异常数据，当用电量数据异常值数据高于采集量20％时，将在步骤S1中采集的该变压器用户的日用电量序列在样本中剔除，而对异常量低于采集量10％的用户的用电量异常值数据以临近处均值代替，对用电量数据异常量高于采集量10％但低于采集量20％的，利用平滑修正方法对异常值数据进行修正，其方法为：设第α个变压器用户的第β个采集点的数据P_α,β为异常数据，则修正值P′_α,β为：

式中：α＝1,2,…r，β＝1,2,…s，r代表变压器用户的总数，s代表电量数据的采集总天数，K表示向前采集的位数，L表示向后采集的位数，K₁、L₁取2～5，式(1)表示电量数据异常点处的修正值为从该点向前采集K₁个数据和向后采集L₁个数据，再取K₁+L₁个数据的平均值；

S24、利用预处理后的配电线路的输入电量和各变压器的用电量，计算每日的配电线路线损电量，所述配电线路线损电量＝配电线路输入电量-∑各变压器用电量；

S3，由所述配电线路的日输入电量和所述各变压器的日用电量获得每日输入-用电电量差值比序列，由所述配电线路的日线损电量与所述各变压器的日用电量获得每日线损-用电电量差值比序列；具体包括以下步骤：

S31、从配电线路输入电量与变压器用电量的关系出发，变压器用电量波动与配电线路输入电量波动曲线呈正相关，用户日电量差值上升，配电线路日输入电量差值上升，则每日输入-用电电量差值比＝(变压器当日用电量-变压器昨日用电量)/(配电线路当日输入电量-配电线路昨日输入电量)，以日为单位，构成每日输入-用电电量差值比序列；

S32、从配电线路线损电量与变压器用电量的关系出发，变压器用电量波动与配电线路线损电量波动曲线呈负相关，用户日电量差值下降，配电线路日输入电量差值上升，则每日线损-用电电量差值比＝(变压器当日用电量-变压器昨日用电量)/(配电线路当日线损电量-配电线路昨日线损电量)，以日为单位，构成每日线损-用电电量差值比序列；

S4，对所述每日输入与用电电量差值比序列和所述每日线损-用电电量差值比序列分别进行小波包分解与重构，分别提取各频带信号以及计算各频带内能量占总能量的百分比，各自作为所述每日输入-用电电量差值比序列的初选特征和所述每日线损-用电电量差值比序列的初选特征，合并为线变关系的初选特征集；

S5，利用ReliefF算法计算各初选特征的权值并排序，保留权值大于阈值的初选特征，实现特征量的优化；

S6，计算高维空间内两两数据间的局部对称联合概率、联合概率、及局部对称联合概率与联合概率的散度值，采用t-SNE方法对高维特征数据进行数据降维，获取低维特征；

S7，利用所得到的低维特征，构建BP神经网络分类模型，通过选择BP神经网络的训练样本和测试样本以及参数设置，实现线变关系模型的优化。