[发明专利]一种孪生神经网络的重要电力用户电能质量数据分类方法

权利要求书

1.一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：包括以下步骤：

步骤1、采集不同低压配电网重要电力用户历史数据；

步骤2、将步骤1所采集不同低压配电网重要电力用户历史数据，进行数据特性分析并选取合适的后续参与分类的变量，并采集该变量对应的历史数据；

步骤3、根据现有电能质量的国家标准，应用基于孪生神经网络的计算方法，对不同电力用户电能质量数据进行分类。

2.根据权利要求1所述的一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：所述步骤1的具体方法为：

依托现有电网企业采集不同低压配电系统220kV/380kV电力用户历史数据。

3.根据权利要求1所述的一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：所述步骤2的进行数据特性分析并选取合适的数据作为后续参与分类的变量具体方法为：综合考虑高度、温度和湿度对气压的影响作用，选取气压作为后续参与分类的变量，并采集相关的气压的历史数据。

4.根据权利要求1所述的一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：所述步骤3的具体步骤包括：

步骤3.1：缺失值处理，剔除缺失值数据；

步骤3.2：随机选择某一天的气压数据作为基准值组，其余天的气压数据组与基准值组构成样本对，对其中部分样本对采用分类指标得到对应类别，最终得到[(基准值组+对比组)，类别]的数据形式输入；

步骤3.3构建孪生网络分类器，得到电力用户的分组；

步骤3.4：将步骤2中未知类别的气压数据组与基准值组共同作为已经训练完成的孪生神经网络的输入，最终得到对不同电力用户电能质量数据的类别。

5.根据权利要求4所述的一种孪生神经网络的重要电力用户电能质量数据分类方法，其特征在于：所述步3.3的具体步骤包括：

步骤3.31：计算两个特征向量间的距离；

采用L1范数，计算两个特征向量间的距离公式如下：

E_W(X1,X2)＝||GW(X1)－GW(X2)||

式中，X1、X2表示输入的数据，W表示模型参数，GW(X1)、GW(X2)是由输入数据形成的特征向量，E_W指是通过计算衡量两组特征向量间的距离；

步骤3.32：根据步骤3.31计算得到的距离，提出损失函数，如下式：

L(W，(Y，X₁，X₂)ⁱ)＝(1-Y)L_G(E_W，(X₁，X₂)ⁱ)+YL_I(E_W(X₁，X₂)ⁱ)

式中，Y为0，代表X₁,X₂同类，Y为1则不同类；P代表输入的总样本数，P_i即第i个样本；L_G表示同类样本的损失函数，L_I表示不同类样本的损失函数；

经过推导，可以得到损失函数，如式：

步骤3.33：通过Loss计算，可以将相似度较大的两个输入变量归为一类，以此达到分类的目的，最后带入重要电力用户数据，得到电力用户的分组。