[发明专利]一种基于数据挖掘技术的线损管理方法

权利要求书

1.一种基于数据挖掘技术的线损管理方法，其特征在于：包括，

从采集到的台区电力运行数据中，提取线损计算参数；

将线损计算参数导入数据库中，将数据库与数据挖掘软件连接；

利用数据挖掘软件中的聚类分析模块对线损计算参数进行处理后，计算得出理论线损；

将理论线损数据与实测线损进行对比，提供降损措施。

2.根据权利要求1所述的基于数据挖掘技术的线损管理方法，其特征在于：所述线损计算参数为台区网架结构和用电量相关电气特征参数，其包括日供电量、线路总长度、供电半径、线路总电阻。

3.根据权利要求1所述的基于数据挖掘技术的线损管理方法，其特征在于：将所述线损计算参数导入到Oracle数据库中；利用PL/SQL程序化语言操作Oracle数据库，作为连接Oracle和数据挖掘软件SPSS的第三方软件，PL/SQL将数据库中的数据文件导入到SPSS分析软件中。

4.根据权利要求1所述的基于数据挖掘技术的线损管理方法，其特征在于：所述聚类分析模块采用K-means聚类算法，其包括：

初始化:确定聚类数目K和初始聚类中心点；

聚类划分：按下式分别计算n个样本与K个聚类中心的欧式距离，以欧氏距离的大小分配与之最近的中心点，形成K个聚类；

直到聚类准则函数值E不发生任何变化或是摆动很小，表示算法趋于稳定，聚类结束，否则返回到第二步进行进一步的迭代。

5.根据权利要求4所述的基于数据挖掘技术的线损管理方法，其特征在于：在聚类数目K的确定，还需要根据样本i的类内不相似度a(i)和类间不相似度b(i)，定义样本i的轮廓系数：

式中a(i)表示样本i到同类其他样本的平均距离，a(i)越小，表明样本i越应该聚类至该类中；样本i到所有其它类C_j样本平均距离b_ij，则样本i的类间不相似度：b(i)＝min{b_i1，b_i2，……，b_ik}；

此时聚类结果总的轮廓系数为：

6.根据权利要求5所述的基于数据挖掘技术的线损管理方法，其特征在于：在聚类计算过程中，设置两个数组用来存储样本所属聚类结果的标签和所有样本数据到最近聚类中心点每次迭代的距离，作为下一次迭代时使用，比较类中所有数据到新聚类中心的距离，当距离小于或等于上一次迭代距离时，则样本保留在原来类中；否则，重新计算样本至所有新聚类中心的距离。

7.根据权利要求6所述的基于数据挖掘技术的线损管理方法，其特征在于：对聚类结果数据中每一类中的台区编号进行统计，分析每一类中台区是否具有区域集中性，对于落入此类中的台区数目较少的地区，把此类台区数据剔除，对落入此类中较为集中的同地区台区编号分别进行统计，将统计结果进行标记处理，对于较为集中的地区分别经行线损率的预测计算，将预测计算结果的按有功权重的大小求取加权平均值作为这一地区的线损率标杆值。

8.根据权利要求1所述的基于数据挖掘技术的线损管理方法，其特征在于：在计算结果分析中，从供电半径、瓶颈导线、负荷分布、功率因数温度方面对台区进行降损调整。