[发明专利]一种基于专家样本库的配电网线损率预测方法及装置

说明书

本发明涉及一种基于专家样本库的配电网线损率预测方法及装置。利用粒子群（particle swam optimization，PSO）算法搜索包含尽可能多电力运行状态的数据记录，构建专家样本库，然后选择输入变量，基于专家样本库和最小二乘支持向量机（least squares support vector machine，LSSVM）方法建立线损率预测模型，以此改善模型的预测精度。

技术领域

本发明属于配电网线损率计算和人工智能技术交叉领域，具体涉及一种基于专家样本库的配电网线损率预测方法及装置。

背景技术

配电网线损率是反映电网设计和企业经营管理水平的综合性指标之一，配电网线损直接或间接地影响着电网的经济运行、无功优化以及输配电价制定等工作。供电半径、负荷分布、线路总长度、电表数量以及天气状况等因素都会给配电网线损带来影响。台区线损率的精确计算仍然是一个亟待解决的问题。随着配电网信息化技术的发展，电力运行数据的采集条件得到了明显的改善，各台区线路的电压、电流、功率以及用户用电信息都已实现了在线测量。通过人工智能技术，分析配电网电力运行数据并建立合适的模型，可以实现配电网线损率的快速预测。在利用电力运行数据建立线损率预测模型时，所采用的数据样本对模型的预测精度有十分重要的影响。台区用户的用电特性在不同日期和天气下有所差异，若采集的数据样本不能包含所有可能的电力运行状态，所建立的线损率模型在新电力工况下的预测精度就会降低。

发明内容

本发明的目的在于提供一种基于专家样本库的配电网线损率预测方法及装置，基于电力运行数据，利用PSO优化算法搜索包含尽可能多电力运行状态的数据记录，建立专家样本库，并基于专家样本库来训练配电网线损率预测模型，以此实现模型预测精度的改进。

为实现上述目的，本发明的技术方案是：一种基于专家样本库的配电网线损率预测方法，包括如下步骤：

步骤1：选择对配电网线损有影响的参数，从配电网数据库中，采集电力运行数据；

步骤2：将步骤1得到的电力运行数据中的变量进行标准化处理；

步骤3：将步骤2得到的结果，根据基于专家样本库的线损预测模型，计算配电网线损率。

在本发明一实施例中，所述基于专家样本库的线损预测模型的建立方式如下：

步骤S1：选择对配电网线损有影响的待分析参数作为专家样本库特征变量；

步骤S2：根据步骤S1得到的参数，从配电网数据库中，采集台区一段电力运行数据样本，构成样本矩阵；

步骤S3：将步骤S2得到的样本矩阵的各数据样本中变量进行标准化处理，使其分布在[-1,1]范围内；

步骤S4：根据步骤S3的结果，利用PSO算法构建专家样本库；

步骤S5：基于步骤S4构建的专家样本库，利用人工智能算法建立基于专家样本库的线损预测模型。

在本发明一实施例中，步骤S1中选择的待分析参数为电力运行状态变量、气象温度和气象湿度信息。

在本发明一实施例中，所述电力运行状态变量包括有功供电量、无功供电量、端口电流、居民容量占比、表计数目。

在本发明一实施例中，步骤S2中，采集电力运行数据样本时，选择时间跨度为一年的运行数据。

在本发明一实施例中，步骤2中，将步骤1得到的电力运行数据中的变量进行标准化处理，通过下式实现；

其中，u_i和x_i分别是归一化前和归一化后第i个变量值，u_imax和u_imin分别是采集的电力运行数据中变量u_i的最大值和最小值。