[发明专利]一种低压台区KFCM-SVR合理线损预测方法

摘要

本发明公开了一种低压台区KFCM-SVR合理线损预测方法，包括如下步骤，1)在数据筛选之后将数据样本进行两次预分类；2)利用模糊核聚类对六大类数据进行聚类，得到若干小类；3)通过最小二乘支持向量机(LS-SVR)建立回归拟合模型；4)计算残差置信区间限值；5)按照欧氏距离的原则将待预测数据归入各小类；6)归类后待预测数据输入各自对应的LS-SVR模型，计算得到预测残差；7)预测残差与残差置信区间限值进行对比，给出结论。本发明中所述算法在大数据条件下具有一定的合理性，其计算结果可以为电力部门的台区线损管理提供较为可靠的指导意见，为当前智能电网中大数据的合理利用与挖掘提供了新的思路。

主权项

一种低压台区KFCM‑SVR合理线损预测方法，其特征是，包括以下步骤：1)数据准备：从用电信息采集系统的Oracle数据库中以月为单位提取当月的相关建模数据，用于当月线损率的预测与评估；2)数据筛选：将数据变化较大或数据异常的台区去除，留下数据较为稳定的样本数据作为建模的数据来源，筛选后台区作为稳定台区；3)初次分类：按照城网与农网将数据分为两类，再按照居民容量占比将两类数据分别分为居民类、非居民类和混合类，得到6大类数据，其中，居民类容量占比≥0.9，非居民类容量占比≤0.1，混合类容量占比为(0.1,0.9)；4)数据标准化：采用Z‑score方法进行数据标准化，其公式如下：对于数据样本集X＝[x₁,x₂,…,x_i]，为标准化后数据，x_i为标准化前数据，为x_i的均值，σ_i为x_i的方差；5)数据聚类：选取参数，设定聚类数，采用KFCM算法对每一小类的标准化数据进行聚类，计算隶属度矩阵，按照隶属度将数据归为若干小类；6)最优聚类选取：针对每一个聚类类别计算轮廓系数，选取轮廓系数最大值所对应的聚类数作为最优聚类数，输出最优聚类结果以及聚类中心值；7)SVR回归模型建立：利用LS‑SVR算法建立n个回归模型，n为数据聚类后得到的总类别数，并计算每一类的残差置信空间；8)合理线损置信区间确定：设定95％作为阈值，针对每一个LS‑SVR回归模型计算其合理线损置信区间；9)线损预测值输出：将每个待预测数据样本归入与聚类中心最近的类别，并输入到所对应的SVR模型中，得到每一个预测数据的线损率预测值；计算其预测残差，并与合理线损置信区间对比，超过合理线损置信区间限的数据样本认为是线损不合理，给出是否合理的结论。