[发明专利]一种基于梯度提升决策树的低压台区线损计算方法

说明书

本发明公开了一种基于梯度提升决策树的低压台区线损计算方法，该方法包括对低压台区数据进行预处理；提取电气特征指标，建立低压台区特征指标体系；对低压台区进行分类；建立GBDT线损预测模型，对低压台区线损率进行预测，并对预测结果进行误差分析。该方法通过对低压台区线损数据进行挖掘，揭示台区电气特征指标与线损率之间的非线性关系，对线损结果数据进行误差分析及异常识别，为低压台区线损数据的快速评估、异常识别及降损规划提供决策支持，从而有效提高低压台区线损规范化、精细化管理水平。

技术领域

本发明涉及配电网线损计算技术领域，更具体的说是涉及一种基于梯度提升决策树的低压台区线损计算方法。

背景技术

线损是电力网供售电过程中损失的电量，是考核电力网运行部门的一个重要经济指标。通过线损理论计算可以考核电网运行经济性、结构合理性，分析电能损耗的原因，评估降低电能损耗的措施，为电网的规划改造提供依据。

目前，已有不少计算线损的方法，主要包括传统方法、潮流法、智能算法等。传统方法又包括平均电流法、电压损失法、等值电阻法等，上述传统方法均需要经过一系列假设简化电网结构，才能计算得到线损，计算准确度不高；基于潮流计算的方法计算结果较为准确，但需要收集大量的运行数据和结构参数，人力、物力投资巨大；回归分析法模型简单，适用于精度要求不高情况下的线损快速计算，但回归方程的确定需要大量数据支撑，无法拟合线损和特征指标间复杂的非线性关系，预测准确度也较低。近年来，智能算法在电力系统中得到了广泛应用，其中最具代表性的是基于人工神经网络的线损计算方法，该方法无需建立数学模型，能拟合任意复杂函数，但无法避免过拟合、易陷入局部最优等缺陷。

同时，由于低压台区数量庞大、管理薄弱，数据质量较差，增大了线损计算的工作量，计算效率低；传统的台区线损管理通常是人工设定线损率指标，缺乏科学依据；网架结构差异较大，当用电性质及比例在一定范围内时，用电量和负载率差异很大。上述因素严重影响到低压台区线损精细化管理的质量和水平。

因此，如何提供一种快速、准确的台区线损计算方法是本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于梯度提升决策树的低压台区线损计算方法，该方法将数据挖掘和机器学习算法应用于低压台区线损率的预测中，通过对线损预测结果的分析实现线损异常识别，解决了目前台区线损计算准确度较低的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于梯度提升决策树的低压台区线损计算方法，该方法包括以下步骤：

对低压台区数据进行预处理；

提取电气特征指标，建立低压台区特征指标体系；

对低压台区进行分类；

建立GBDT线损预测模型，对低压台区线损率进行预测，并对预测结果进行误差分析。

进一步地，对低压台区数据进行预处理，具体包括以下步骤：

采用平均值填充缺失值，检测异常点，并根据异常点数量将异常点删除或用平均值代替，对缺失值，采用DBSCAN聚类算法检测异常点，若异常点占比较少，则直接将异常点删除，反之用平均值代替；

提取特征数据，并对特征数据进行标准化处理。

异常点检测取决于所要求的扫描半径e和邻域内最小包含样本数MinPts 和所选择的距离度量，本发明中选择欧几里得距离，公式如下：

其中，ρ为点(x₂,y₂)与点(x₁,y₁)之间的欧式距离。

进一步地，对特征数据进行标准化处理，其转化函数为：