[发明专利]基于ReliefF和t-SNE的配电线路线变关系模型优化方法

摘要

本发明提供一种基于ReliefF和t‑SNE的配电线路线变关系模型优化方法，所述方法首先采集配电线路的日输入电量和与其挂接的各变压器日用电量，进而得到日线损电量，其次由配电线路输入电量与变压器用电量的关系计算输入‑用电电量差值比，由配电线路线损电量与变压器用电量的关系计算线损‑用电电量差值比，各自形成序列并分别进行小波包分解与重构，计算各频带内能量占总能量的百分比作为初选特征，然后利用ReliefF算法计算各初选特征的权值，进行特征优化后，采用t‑SNE方法将高维特征降维成低维特征，最后利用BP神经网络完成线变关系模型的优化。该方法能减轻人工现场勘查的工作量，通过挑选关键特征，降低特征维度，实现线变关系模型的优化。

主权项

1.一种基于ReliefF和t‑SNE的配电线路线变关系模型优化方法，其特征在于，包括如下步骤：S1，将配电线路线变关系分为三类别：线路挂错类、电能表倍率计错类和正常线变类，采集配电线路的日输入电量和与该配电线路相连的各变压器用户的日用电量作为采集量，并获取各变压器的线变关系类别；S2，对所述配电线路的日输入电量和所述各变压器的日用电量进行预处理，获得配电线路的日线损电量；S3，由所述配电线路的日输入电量和所述各变压器的日用电量获得每日输入‑用电电量差值比序列，由所述配电线路的日线损电量与所述各变压器的日用电量获得每日线损‑用电电量差值比序列；S4，对所述每日输入与用电电量差值比序列和所述每日线损‑用电电量差值比序列分别进行小波包分解与重构，分别提取各频带信号以及计算各频带内能量占总能量的百分比，各自作为所述每日输入‑用电电量差值比序列的初选特征和所述每日线损‑用电电量差值比序列的初选特征，合并为线变关系的初选特征集；S5，利用ReliefF算法计算各初选特征的权值并排序，保留权值大于阀值的初选特征，实现特征量的优化；S6，计算高维空间内两两数据间的局部对称联合概率、联合概率、及局部对称联合概率与联合概率的散度值，采用t‑SNE方法对高维特征数据进行数据降维，获取低维特征；S7，利用所得到的低维特征，构建BP神经网络分类模型，通过选择BP神经网络的训练样本和测试样本以及参数设置，实现线变关系模型的优化。