[发明专利]一种基于QRNN的低压台区线损率合理范围估计方法

权利要求书

1.一种基于QRNN的低压台区线损率合理范围估计方法，其特征是，包括以下步骤：

a、基于现有的用电管理系统提取线损相关特征，筛选出台区线损率影响因子；

b、通过相关性分析，提取出影响线损率的线损率关键因子；

c、基于神经网络分位数回归模型计算出低压台区线损率的合理范围；

d、根据计算出的特定台区线损率合理范围，诊断其是否为异常台区，对其进行调整；

所述步骤c包括以下步骤：

ca、将线损率关键因子作为神经网络分位数回归模型的输入特征，在(0,1)区间内对分位点τ等间隔取值，即可求出特定台区线损率的各个分位数；

cb、采用Matlab的非参数核密度估计函数ksdensity估计出台区线损率Y在输入的线损率关键因子X条件下的概率密度函数F(Y|X)；

cc、设置信度为α(0＜α＜1)，采用对称概率区间，则低压台区线损率的合理范围为：

[Y_(1-α)/2,Y_(1+α)/2] (4)

式中，Y_(1-α)/2表示概率密度函数F(YX)上累积概率为(1-α)/2时的线损率值，Y_(1+α)/2表示概率密度函数F(Y|X)上累积概率为(1+α)/2时的线损率值。

2.根据权利要求1所述的基于QRNN的低压台区线损率合理范围估计方法，其特征是，所述神经网络分位数回归模型表示为：

Q_Y(τ|X)＝f(X,V(τ),W(τ)) (2)

式中，τ表示分位点，V(τ)＝{v_ij(τ)}_{i＝1,2…s；j＝1,2…t}是输入层到隐含层的连接权向量，W(τ)＝{w_jk(τ)}_{j＝1,2…t；k＝1,2…r}为隐含层和输出层之间的连接权向量，vi_j(τ)表示在τ分位点时输入层的第i个节点与隐含层的第j个节点之间连接权重，w_jk(τ)表示在τ分位点时隐含层第j个节点和输出层第k个节点之间的连接权重，s表示输入层节点个数，t表示隐含层节点个数，r表示输出层节点个数，Q_Y(τ|X)表示在线损率关键因子X的条件下线损率Y的τ分位点值，f(·)为神经网络分位数回归模型的数学表示；

连接权向量V(τ)和W(τ)的估计可以转化为如下优化问题的求解：

式中，X_d表示第d个数据样本的线损率关键因子，Y_d表示第d个数据样本的台区线损率。

3.根据权利要求1所述的基于QRNN的低压台区线损率合理范围估计方法，其特征是，所述步骤a包括以下步骤：

aa、从现有的用电管理系统中采集台区运行数据；

ab、从台区运行数据中提取线损相关特征；

ac、根据提取的线损相关特征，筛选出低压台区线损率的影响因子。

4.根据权利要求1所述的基于QRNN的低压台区线损率合理范围估计方法，其特征是，所述步骤b包括以下步骤：

ba、计算线损率影响因子与线损率的互信息值，对于两个离散型随机变量M、N，它们之间的互信息值可通过下式进行计算：

式中，I(M,N)表示M和N之间的互信息值，m_a表示离散变量M的第a个数据，n_b表示离散变量N的第b个数据，g表示离散变量M的数据总个数，h表示离散变量N的数据总个数，p(·)表示概率；

bb、根据计算出的各线损率影响因子与线损率的互信息值，提取出影响线损率的关键因子。

5.根据权利要求1所述的基于QRNN的低压台区线损率合理范围估计方法，其特征是，所述用电管理系统包括用电信息采集系统、营销业务应用系统、PMS系统。

6.根据权利要求1所述的基于QRNN的低压台区线损率合理范围估计方法，其特征是，所述线损率关键因子包括居民容量占比、用户数、户均变压器配置容量和负载率。