[发明专利]基于kmeans-LightGBM的短期低压配电网理论线损预测算法

说明书

本发明提供一种基于kmeans‑LightGBM的短期低压配电网理论线损预测算法，包括以下步骤：步骤一：数据清洗；步骤二：特征衍生；步骤三：特征选择；步骤四：假设特征向量样本数为n，聚类次数为k，那么k‑means算法的聚类数目m如下：步骤五：随机选取k个聚类中心，并将此聚类中心作为k‑means算法的初始中心；步骤六：计算各个对象的中心到初始中心的距离，并根据最小聚类重新划分各个对象；步骤七：计算每个更新后对象的聚类中心：步骤八：重复步骤五、六、七直至聚类结果不再改变；步骤九：用各个类别样本集构建LightGBM预测子模型；步骤十：用验证集对模型有效性进行校验。能够适用于长期数据缺失较为严重的台区，准确地估计台区的线损。

技术领域

本发明属于智能电网数据挖掘领域，具体涉及一种基于kmeans-LightGBM的短期低压配电网理论线损预测算法。

背景技术

近年来，国家电网公司深入研究以云计算、物联网、大数据和移动互联为主题的“大云物移”营销基地的建设，开展了新技术应用顶层设计、平台建设、试点验证以及部分的推广应用,为坚强智能电网建设以及公司经营者提供良好支撑。理论线损的计算通常需要综合考虑负荷情况、运行方式、拓扑情况等数据，对电网的数据基础要求高。传统的计算方法有潮流算法、积分电流法和等值电阻法，能够精确计算电力网的电力损失。然而在实际的生产环境中，数据缺失较为严重，因此有学者提出了基于统计学的计算方法，如使用回归算法、聚类算法、神经网络算法、支持向量机等等，各类算法各有优缺点，均能在一定程度上反映理论线损。虽然上述算法能准确地估计台区的线损，然而其代价是需要好几个月的长期数据，对于长期数据缺失较为严重的台区则不适用。

发明内容

为了解决现有技术中存在的某种或某些技术问题，本发明提供一种基于kmeans-LightGBM的短期低压配电网理论线损预测算法，能够适用于长期数据缺失较为严重的台区，准确地估计台区的线损。

为解决上述现有的技术问题，本发明采用如下方案：一种基于kmeans-LightGBM的短期低压配电网理论线损预测算法，包括以下步骤：

步骤一：数据清洗：使用插补法，如均值插补、众数插补等，或者基于特征利用模型对缺失值进行预测填补，而对于冗余或者与挖掘任务无关的特征则采用直接删除的方法，以减少其对模型带来的干扰，同时降低特征维度；

步骤二：特征衍生：构造与标签相关的特征，提高可选特征，提高模型精确度；

步骤三：特征选择：特征选择是入模型前最后一步，则选对选取和标签相关性高的，但是不存在多重共线性的特征入模，即保证模型的预测准确性，又保证模型选取的特征的科学性；

步骤四：假设特征向量样本数为n，，聚类次数为k，那么k-means算法的聚类数目m如下：

步骤五：随机选取k个聚类中心，并将此聚类中心作为k-means算法的初始中心M_i(i＝1,2,...,k)；

步骤六：计算各个对象的中心Q_j(j＝1,2,...,n)到初始中心的距离L_j＝|M_i-Q_j|，并根据最小聚类重新划分各个对象，得到类型C_i(i＝1,2,...,N_i)，其中N_i表示C_i的类型数目；

步骤七：计算每个更新后对象的聚类中心：

步骤八：重复步骤五、六、七直至聚类结果不再改变；

步骤九：用各个类别样本集构建LightGBM预测子模型；

步骤十：用验证集对模型有效性进行校验。