[发明专利]基于GAN处理不平衡数据的线变关系识别方法

说明书

本发明提出一种基于GAN处理不平衡数据的线变关系识别方法，包括：S1、采集日用电量，建立原始数据集；S2、从配电线路日线损电量、配电线路日输入电量以及各变压器日用电量中提取特征量；S3、利用GAN对线变关系特征集进行数据扩充；S4、利用经样本扩充后的特征集，构建支持向量机分类模型，实现对线变关系的识别。其以配电线路供电量和配电变压器用电量为基础，利用支持向量机分类模型挖掘电量信息与不同线变关系间的潜在关联，实现不同线变关系的分类处理,提出了一种线变关系识别的新方法。以GAN为基础对线变关系特征集中只占极少数的线变关系异常样本进行数据扩充，实现不同线变关系类别间样本数量的分布均衡。

技术领域

本发明涉及10kV配电网线变关系识别以及不平衡数据处理领域，具体地涉及一种基于GAN处理不平衡数据的线变关系识别方法。

背景技术

目前10kV及以下电压等级配电网线变关系错误可以分为两种类型：

(1)配电网络拓扑的不正确连接，最常见的示例是将配电变压器连接到错误的电源线，或者客户连接到错误的配电变压器；

(2)设备参数不正确，最常见的例子是配电变压器的变压比不正确。

传统的梳理10kV线路线变关系的主要手段是通过基层工作人员进行现场勘查，将实地情况与设备(资产)运维精益管理系统档案信息相比对，若有差异则可申请进行设备变更实现台账维护。但是由于10kV线路及其所挂接的变压器数量众多，传统地毯式的现场搜索需要耗费大量的人力物力，时效性低，这也是目前10kV分线同期线损达标率提升速度缓慢的关键原因，因此，有必要研究一种10kV线路线损治理方法，能够快速有效地梳理10kV线路线变关系，精准定位线变关系错误，提高同期线损治理效率。

目前的研究工作集中在对低压配电网的变户关系识别，且研究方法主要基于电压分布相关性分析。但该方法是从用户与台区变压器的电气距离角度出发，对于电气距离较长的线路，由于存在线路电压损耗，所以线路负荷大时会导致首末端用户的电压差较大，进而导致电压曲线相似程度降低。

对于中压配电网线变关系识别方法目前研究较少，一方面是在中压配电网线变关系识别中，如果沿用低压配电网的变户关系识别中的方法，仍有在变户关系识别中利用电压相关性分析方法带来的局限性，甚至这种问题变得更为突出，因为配电网中压部分比低压部分配电范围更大，不同配电变压器节点之间的电压相关性将会降低。另一方面，分布式发电的不确定性导致配电网各节点电压的变化，进而影响电压曲线相似度计算结果，从而造成误判。

同时，在对线变关系的智能识别中，线变关系异常的配电变压器数量往往只占极少数，如果将原始数据集直接投入到分类器模型中训练会导致分类的结果倾向于多数类，即对于线变关系正常类别的分类准确率很高，对数量占比很小的线变关系异常类却识别率很低。在工程实际中，这种对线变关系异常类的误判将造成严重的后果。因此，在进行线变关系分类时，需要考虑传统分类器算法在不平衡数据集上的局限性，采用更合适的不平衡数据分类方法。

发明内容

针对上述提到的现有技术存在的问题，本发明以配电线路供电量和配电变压器用电量为基础，并且添加了基于GAN实现对线变关系异常样本的数据扩充，以解决不平衡数据集下的分类问题，利用支持向量机分类模型挖掘电量信息与不同线变关系间的潜在关联，从而实现线变关系的精确识别，摆脱了基于电压分布相关性分析方法的局限性，并且保证了识别的准确度，大幅度提高了工作效率，节约了大量的人力和时间成本。

具体地，本发明提供一种基于GAN处理不平衡数据的线变关系识别方法，其包括以下步骤：

S1，通过用户电量采集系统采集10kV输电线路的日输入电量以及输电线路连接的各配电变压器的日用电量，对采集到的电量数据进行数据预处理，得到日线损电量，并将配电线路线变关系分为三个类别：线路挂错线变关系、电能表倍率计错线变关系和正常线变关系,建立线变关系识别的原始数据集；