[发明专利]一种基于DNN的低压台区线损率标杆值设定方法

权利要求书

1.一种基于DNN的低压台区线损率标杆值设定方法，其特征是，包括以下步骤：

a、基于现有的用电管理系统采集台区运行数据，筛选出台区线损率的影响因子；

b、对台区线损率进行相关性分析，提取出影响线损率的线损率关键因子；

c、基于深度神经网络算法对关键因子和台区线损率进行建模，计算出台区线损率的标杆值；

d、根据计算出的台区线损率标杆值对线损异常台区进行调整；

其中，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I(M,N)通过下式进行计算：

式中，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，k表示离散变量M的数据总个数，r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；

所述步骤c包括以下步骤：

ca、对深度神经网络各层加激活函数：

yⁱ＝σ(xⁱ)＝σ(W_iy^i-1+b_i) (2)

其中，yⁱ表示第i层的输出，y^i-1表示第i-1层的输出，xⁱ表示第i层的输入，W_i表示第i层和第i-1层之间的权重，b_i表示第i层和第i-1层之间的偏差，σ表示激活函数；

cb、对深度神经网络进行逐层初始化，再利用BP算法对深度神经网络进行训练，即误差反向传播过程；这个过程中采用随机梯度下降SGD更新权重W_i和偏差b_i，达到参数逐层学习从而不断提高模型预测精度；其中，常用的损失函数有均方根误差MSE，公式如下：

其中，t表示样本的个数，表示第j个样本的预测值，D_j表示第j个样本的真实值；

cc、采用丢弃法对模型进行正则化，防止过拟合，提高其泛化能力；

cd、将线损率关键因子X作为输入特征，对应线损率Y为输出，建立深度神经网络模型，如下：

Y＝f(X) (4)

其中，f(·)表示模型的数学表达；

ce、将采集到的数据分为训练样本和测试样本，用训练样本对深度神经网络模型进行训练，用测试样本进行测试，构建最佳拟合模型；

cf、利用训练好的模型对台区进行线损率标杆值计算。

2.根据权利要求1所述的基于DNN的低压台区线损率标杆值设定方法，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提取线损相关特征；

ab、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。

3.根据权利要求1所述的基于DNN的低压台区线损率标杆值设定方法，其特征是，现有的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。

4.根据权利要求1所述的基于DNN的低压台区线损率标杆值设定方法，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。