本發(fā)明涉及供配電系統(tǒng)運(yùn)維，尤其涉及一種配電網(wǎng)線損聚類特性分析與異常辨識(shí)方法。

背景技術(shù)：

1、在電力系統(tǒng)中，線路損耗是一個(gè)關(guān)鍵問(wèn)題，直接影響供電的可靠性和經(jīng)濟(jì)性。線路損耗不僅導(dǎo)致能源浪費(fèi)，還影響電力系統(tǒng)的運(yùn)行效率和穩(wěn)定性。因此，深入分析和聚類歷史線路損耗數(shù)據(jù)，揭示其潛在特征和變化規(guī)律，對(duì)于制定有效的減損策略和實(shí)現(xiàn)電力系統(tǒng)的高效運(yùn)行至關(guān)重要。當(dāng)前，線損異常識(shí)別是電力系統(tǒng)管理中的重要任務(wù)，主要依賴于先進(jìn)的數(shù)據(jù)分析和聚類方法來(lái)識(shí)別和區(qū)分不同類型的線損。

2、常用的聚類方法包括層次聚類、密度基聚類和k-means聚類等，其中k-means因其高效性和可擴(kuò)展性而廣泛應(yīng)用于電力系統(tǒng)的各個(gè)領(lǐng)域。然而k-means算法在實(shí)際應(yīng)用中存在一些不足，尤其是對(duì)初始中心點(diǎn)選擇的敏感性，可能導(dǎo)致聚類結(jié)果受樣本集和初始中心點(diǎn)選取的影響，表現(xiàn)出局部最優(yōu)、收斂速度慢和結(jié)果不穩(wěn)定等問(wèn)題。為了解決這些問(wèn)題，現(xiàn)有技術(shù)中提出了多種優(yōu)化策略，例如：雪消融算法(sao)作為一種啟發(fā)式優(yōu)化算法，通過(guò)模擬雪消融過(guò)程逐步收縮候選中心點(diǎn)范圍，增加找到全局最優(yōu)初始中心的概率。該算法利用密度信息選擇初始中心點(diǎn)，有效應(yīng)對(duì)數(shù)據(jù)集中的噪聲和異常值，提高聚類結(jié)果的穩(wěn)定性和準(zhǔn)確性。

3、然而，標(biāo)準(zhǔn)的雪消融算法在處理非均勻或稀疏數(shù)據(jù)時(shí)效果不佳，且在面對(duì)大規(guī)模問(wèn)題時(shí)，算法的計(jì)算效率和收斂速度不足，難以應(yīng)用在較大規(guī)模的供配電系統(tǒng)運(yùn)維場(chǎng)景中。因此，如何進(jìn)一步改進(jìn)配電網(wǎng)線損聚類特性分析與異常辨識(shí)的方法，從而提高線損聚類效果和識(shí)別異常線損的精準(zhǔn)度，成為了需要研究的課題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的實(shí)施例提供一種配電網(wǎng)線損聚類特性分析與異常辨識(shí)方法，能夠提高線損聚類效果和識(shí)別異常線損的精準(zhǔn)度。

2、為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案：

3、一種配電網(wǎng)線損聚類特性分析與異常辨識(shí)方法，包括：

4、采集配電網(wǎng)線路的線損數(shù)據(jù)，并構(gòu)建線損模型，所述線損數(shù)據(jù)包括對(duì)應(yīng)時(shí)間段的線損值；其中，智能電表提供的負(fù)荷數(shù)據(jù)推算某段線路的電力損耗；用采系統(tǒng)也可以獲取線路損耗數(shù)據(jù)；變電站和配電設(shè)備通常配備有各種電氣測(cè)量?jī)x器，如電流互感器(ct)、電壓互感器(vt)、有功功率和無(wú)功功率表，用來(lái)測(cè)量電網(wǎng)中各個(gè)環(huán)節(jié)的電流、電壓、功率參數(shù)。這些設(shè)備實(shí)時(shí)監(jiān)測(cè)配電網(wǎng)的運(yùn)行狀態(tài)，并生成與線路損耗相關(guān)的數(shù)據(jù)。所謂“對(duì)應(yīng)時(shí)間段的線損值”，可以理解為：通過(guò)線損模型計(jì)算獲得的每15分鐘一個(gè)數(shù)據(jù)，也可以自行規(guī)定，比如說(shuō)某幾個(gè)小時(shí)或者是某幾天的線損數(shù)據(jù)。具體的，可以收集配電網(wǎng)線路線損數(shù)據(jù)，包括多個(gè)時(shí)間段的線損值；之后利用線路電流、電壓、臺(tái)區(qū)功率因數(shù)、用戶負(fù)荷等特征參數(shù)構(gòu)建線損計(jì)算模型；在對(duì)線損數(shù)據(jù)進(jìn)行聚類分析之前，進(jìn)行線損的聚類中心的優(yōu)化調(diào)整，其中，通過(guò)優(yōu)化調(diào)整后的聚類中心，篩選線損聚類異常點(diǎn)并自適應(yīng)調(diào)整權(quán)重；對(duì)線損數(shù)據(jù)進(jìn)行聚類分析，將不同類別的線損特征進(jìn)行聚類從而進(jìn)行分離；利用所述線損特征進(jìn)行時(shí)空分析，識(shí)別得到異常線損數(shù)據(jù)。其中，損特征包括有功線損、無(wú)功線損、負(fù)載、電壓、溫度等因素的綜合影響，f(v),g(l)等公式里面都對(duì)應(yīng)了這些特征。在ploss里面將特征結(jié)合在了一起。

5、所述線損模型，包括：ploss表示線損功率，i表示電流，r(t)表示溫度t下的電阻，pf表示功率因數(shù)，f(v)表示電壓v對(duì)線損的影響函數(shù)，g(l)表示負(fù)荷l對(duì)線損的影響函數(shù)，上述的i、v、l具體指的是流經(jīng)臺(tái)區(qū)變壓器的電流、電壓和負(fù)荷；其中，r(t)＝r0(1+αt)，r0表示參考溫度下的電阻，α表示電阻的溫度系數(shù)，v0表示參考電壓，l0表示參考負(fù)荷。

6、在對(duì)線損數(shù)據(jù)進(jìn)行精確聚類分析之前，進(jìn)行特征參數(shù)標(biāo)準(zhǔn)化處理；所述特征參數(shù)標(biāo)準(zhǔn)化處理包括：xi′表示標(biāo)準(zhǔn)化后的第i個(gè)特征值，xi表示原始第i個(gè)特征值，i為從配電網(wǎng)線路采集到的線損數(shù)據(jù)的標(biāo)號(hào)，μi表示第i個(gè)特征的均值；n是數(shù)據(jù)集中的樣本數(shù)；σi表示第i個(gè)特征的標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)化處后的特征參數(shù)記錄在矩陣x中，n是樣本的數(shù)量，p是特征的類型數(shù)量，特征的類型包括：電流i、電壓v、功率因數(shù)pf、溫度t和負(fù)荷l。通過(guò)零均值單位方差轉(zhuǎn)換標(biāo)準(zhǔn)化處理各個(gè)特征，從而使建模保持平衡，避免某些特征(如電流)由于其數(shù)值范圍較大而主導(dǎo)聚類。

7、所述進(jìn)行線損的聚類中心的優(yōu)化調(diào)整，進(jìn)行線損聚類初始中心選擇，引入周期振蕩突變策略與佳點(diǎn)集原理，提升初始聚類中心的合理性和整體聚類效果；之后進(jìn)行線損聚類中心優(yōu)化，采用改進(jìn)的雪消融算法對(duì)初始中心進(jìn)行動(dòng)態(tài)調(diào)整，進(jìn)一步增強(qiáng)算法的收斂性和精確性；包括：設(shè)立佳點(diǎn)集其中，{rs(n)·k}表示取小數(shù)部分，n為點(diǎn)數(shù)，k為正整數(shù)，s為歐式空間的維度數(shù)，r為佳點(diǎn)，r∈ms，ms為s維的歐式空間中單位立方體；r＝{2cos(2πk/p),1≤k≤s}，p是滿足(p-t)≥s的最小素?cái)?shù)；表示…,，xi表示作為當(dāng)前解的原始第i個(gè)特征值，xrand表示隨機(jī)選取的其他解，β和ω分別是振蕩的幅度和頻率參數(shù)，t是當(dāng)前迭代次數(shù)。

8、所述優(yōu)化調(diào)整后的聚類中心，包括：對(duì)于通過(guò)佳點(diǎn)集選取的線損數(shù)據(jù)集，計(jì)算線損數(shù)據(jù)集中兩個(gè)線損數(shù)據(jù)點(diǎn)之間的歐氏距離，之后獲取數(shù)據(jù)集中所有線損數(shù)據(jù)點(diǎn)的歐氏距離的平均值并作為平均距離；選取其中一個(gè)線損數(shù)據(jù)點(diǎn)，并查詢?cè)谶@一個(gè)線損數(shù)據(jù)周?chē)钠骄嚯x范圍內(nèi)所涵蓋的線損樣本個(gè)數(shù)，作為密度值；將密度值最大的線損數(shù)據(jù)點(diǎn)作為聚類初始中心。

9、所述篩選線損聚類異常點(diǎn)并自適應(yīng)調(diào)整權(quán)重，包括：通過(guò)孤立森林模型和局部異常因子算法對(duì)所有線損數(shù)據(jù)進(jìn)行離群度計(jì)算，并根據(jù)離群度結(jié)果減小線損聚類中異常點(diǎn)的權(quán)重，從而減少異常數(shù)據(jù)對(duì)聚類結(jié)果的影響。在將不同類別的線損特征進(jìn)行聚類從而進(jìn)行分離的過(guò)程中，包括：將不同k值對(duì)應(yīng)的sse值繪制成曲線，根據(jù)所繪制的曲線選擇sse下降速度明顯變緩的聚類數(shù)作為最佳的k值，k＝1,2,...,kmax，kmax為允許的最大聚類數(shù)。

10、在利用所述線損特征進(jìn)行時(shí)空分析之前，包括：構(gòu)建用于捕捉線損時(shí)間序列數(shù)據(jù)均值和波動(dòng)特征的模型：μt表示時(shí)間點(diǎn)t的線損均值，xi,t表示第i條線路在時(shí)間點(diǎn)t的線損值；其中，用于衡量波動(dòng)強(qiáng)度的參數(shù)為構(gòu)建線損空間維度分析模型：li表示區(qū)域i的加權(quán)線損均值；wij表示區(qū)域i和j之間的空間權(quán)重，xj表示區(qū)域j的線損值；m表示參與計(jì)算的區(qū)域數(shù)量。

11、所述識(shí)別得到異常線損數(shù)據(jù)，包括：lof(xi)輸出的lof值是用于判定樣本點(diǎn)xi是否為異常點(diǎn)的指標(biāo)參數(shù)，若lof值大于設(shè)定閾值則判定為異常線損數(shù)據(jù)，reachability(xi,xj)是樣本點(diǎn)xi與xj的可達(dá)距離，nk(xi)是樣本點(diǎn)xi的k-近鄰，lrd()表示局部可達(dá)密度的計(jì)算函數(shù)。

12、本發(fā)明實(shí)施例提出了一種線損聚類特性分析與異常辨識(shí)方法。首先，收集配電網(wǎng)線路的多時(shí)間段線損數(shù)據(jù)，并利用電流、電壓、臺(tái)區(qū)功率因數(shù)、用戶負(fù)荷等特征參數(shù)構(gòu)建線損計(jì)算模型。然后，采用零均值單位方差標(biāo)準(zhǔn)化處理，對(duì)各特征進(jìn)行平衡，以避免某些特征(如電流)因數(shù)值范圍較大而主導(dǎo)聚類過(guò)程。接著，通過(guò)引入周期振蕩突變策略與佳點(diǎn)集原理進(jìn)行初始聚類中心選擇，優(yōu)化初始聚類結(jié)果的合理性與聚類效果。在聚類中心優(yōu)化過(guò)程中，結(jié)合改進(jìn)的雪消融算法進(jìn)行動(dòng)態(tài)調(diào)整，以提升算法的收斂性與精確性。對(duì)于識(shí)別小比例異常線損數(shù)據(jù)，方法通過(guò)自適應(yīng)增加異常點(diǎn)的權(quán)重，增強(qiáng)其在聚類分析中的影響力。最終，通過(guò)時(shí)空分析對(duì)線損數(shù)據(jù)在時(shí)間與空間維度的動(dòng)態(tài)變化與分布規(guī)律進(jìn)行研究，并基于聚類結(jié)果對(duì)線損數(shù)據(jù)進(jìn)行異常辨識(shí)。本方案通過(guò)聚類分析方法結(jié)合電力系統(tǒng)中的線路電流、電壓、功率因數(shù)、用戶負(fù)荷等特征數(shù)據(jù)，精確識(shí)別和分析配電網(wǎng)中的線損特征，特別適用于處理配電網(wǎng)中由線路拓?fù)洚惓：拓?fù)荷重載引起的異常線損。