[发明专利]一种配电网台区线损的计算方法和系统

权利要求书

1.一种配电网台区线损的计算方法，其特征在于，包括：

基于预先设定的线损率的影响因素指标，获取多个连续时刻的配电网台区对应的各影响因素指标值，构建各影响因素指标值序列；

将所述各影响因素指标值序列输入预先构建的线损计算模型，得到配电台区的线损率序列；

线损计算模型由预先构建的变分模态分解模型将线损率序列分解成不同频率尺度的线损率子序列，基于各类线损率子序列的频率波动性分别构建各类线损率子序列对应的最小二乘支持向量机模型，并采用粒子群算法对各最小二乘支持向量机模型参数进行优化训练得到。

2.如权利要求1所述的方法，其特征在于，所述线损计算模型的构建，包括：

获取配电台区多个连续时刻的历史线损率实际值，构建线损率实际值的历史序列；获取多个连续时刻的历史线损率实际值对应的影响因素指标值，构建影响因素指标值的历史序列；

将所述各线损率实际值的历史序列依次输入所述变分模态分解模型，得到各线损率实际值的历史序列对应的多类线损率波动子序列；

基于各类线损率波动子序列的频率波动性，构建各类线损率波动子序列对应的最小二乘支持向量机模型；

基于各线损率实际值的历史序列对应的多类线损率波动子序列构建训练集的输出数据，以线损率实际值的历史序列对应的影响因素指标值的历史序列为训练集的输入数据，基于粒子群优化算法分别对各类线损率波动子序列应的最小二乘支持向量机模型进行优化训练，得到影响因素指标值序列与线损率实际值序列的对应关系；

其中，每类线损率波动子序列反映了不同频率尺度下的线损率实际值的波动性。

3.如权利要求2所述的方法，其特征在于，所述基于各线损率实际值的历史序列对应的多类线损率波动子序列构建训练集的输出数据，以线损率实际值的历史序列对应的影响因素指标值的历史序列为训练集的输入数据，基于粒子群优化算法分别对各类线损率波动子序列应的最小二乘支持向量机模型进行优化训练，得到影响因素指标值序列与线损率实际值序列的对应关系，包括：

基于各线损率实际值的历史序列对应的多类线损率波动子序列，构建各类线损率波动子序列对应的矩阵；

以所述各类线损率波动子序列对应的矩阵为训练集的输出数据，以线损率实际值的历史序列对应的影响因素指标值的历史序列为训练集的输入数据，基于粒子群优化算法分别对各类线损率波动子序列应的最小二乘支持向量机模型进行优化训练，得到影响因素指标值序列分别与各类线损率波动子序列的对应关系；

将所有的线损率波动子序列进行求和，得到影响因素指标值序列与线损率实际值序列的对应关系。

4.如权利要求2所述的方法，其特征在于，所述变分模态分解模型的构建，包括：

以线损率子序列对应的各模态函数估计带宽之和最小为目标函数，以各模态函数之和等于线损率序列为约束构建约束变分模型；

基于所述约束变分模型，采用拉格朗日变换得到拉格朗日变分约束模型；

设定拉格朗日变分约束模型的更新算法，得到变分模态分解模型。

5.如权利要求4所述的方法，其特征在于，所述约束变分模型如下所示：

式中，δ(t)为狄拉克分布函数，u_k(t)为第k个线损率波动子序列对应的模态函数，f(t)为线损率序列，{u_k}为分解所得到的第k个线损率波动子序列对应的模态分量，{ω_k}为第k个线损率波动子序列对应的各模态分量的频率中心，K为模态函数总数。

6.如权利要求5所述的方法，其特征在于，所述拉格朗日变分约束模型如下所示：

式中，α为惩罚参数，λ(t)为Lagrange乘子。