[发明专利]基于神经网络的异常线损率台区识别方法

权利要求书

1.一种基于神经网络的异常线损率台区识别方法，其特征在于，包括步骤：

(1)收集电网各台区的电气特征参数；

(2)收集各台区的供电量和售电量，计算实际线损率；

(3)将各台区电气特征参数作为训练集的输入，实际线损率作为训练集的输出，训练神经网络，计算权重系数；

(4)将台区下的电气特征参数作为样本数据的输入，权重系数作为最优权重，进行神经网络算法，计算估算线损率值；

(5)计算实际线损率和估算线损率值的误差，根据误差率的大小判断台区是否为线损异常台区。

2.根据权利要求1所述的基于神经网络的异常线损率台区识别方法，其特征在于，所述步骤1中，电气特征参数包括低压线路特征参数、变压器特征参数、气象特征参数和用电性质特征参数。

3.根据权利要求1所述的基于神经网络的异常线损率台区识别方法，其特征在于，所述步骤2中，实际线损率L％为：

其中，供电量为A_supply，售电量为A_sale。

4.根据权利要求1所述的基于神经网络的异常线损率台区识别方法，其特征在于，所述步骤3为计算输入层到隐藏层、隐藏层到输出层的阈值权重，包括步骤：

(3.1)确定训练集；

(3.2)确定损失函数；

(3.3)确定参数调整策略；

(3.4)计算各层的权重梯度值；

(3.5)迭代更新各层权重值。

5.根据权利要求4所述的基于神经网络的异常线损率台区识别方法，其特征在于，所述步骤(3.4)包括：

(3.4.1)计算输出层阈值θ_j的梯度；

(3.4.2)计算隐藏层到输出层的连接权值w_hj的梯度；

(3.4.3)计算隐藏层阈值γ_h的梯度。

6.根据权利要求1所述的基于神经网络的异常线损率台区识别方法，其特征在于，所述步骤5中，实际线损率和估算线损率值的误差率为：