一种基于决策树的主网线路状态检测方法、系统及介质技术方案

本发明专利技术公开了一种基于决策树的主网线路状态检测方法、系统及介质，本发明专利技术的方法包括获取被测主网线路的N种输入数据，包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数；将N种输入数据输入预先训练好的决策树分类模型得到对应的主网线路状态，主网线路状态包括正常、线损异常、负荷过低三类状态；本发明专利技术的系统及介质与本发明专利技术的方法完全对应。本发明专利技术能够自动、实时监控并准确识别主网线路状态，可用于主网线路线损异常、负荷过低的状态预警，能有效减少人工监控分析的工作，能够大大提高线损分析水平和线路管理工作效率，具有效率高、部署方便、投入成本低的优点。

【技术实现步骤摘要】
一种基于决策树的主网线路状态检测方法、系统及介质
本专利技术涉及电网中的主网(输电网)的高压输电线路状态监测预警分析技术，具体涉及一种基于决策树的主网线路状态检测方法、系统及介质。
技术介绍
近年来，在电网线路建设规模的不断增大、输电网线路日趋老化、国网公司总体降本增效的背景下，对主网线路进行状态监测预警是一项越来越重要的工作，同时主网线路具有又点多面广，涉及变电站与电厂，变电站与变电站和多个部门、多个区域等特点，同时各类输电网络潮流方向随机多变、不可预测，导致异常数据和正常数据的可区分度低，异常状态案例数据量相比正常用电数据少很多，造成数异常数据和正常数据严重不平衡等等，这给主网线路异常分析管理带来了很大的难度。目前主网线路状态监控是采用人工监控手段，通过简单的逻辑判断实现对线路异常状态监控分析的常规方法。这种常规的数据分析方法严重依赖人工方式进行特征建模，不仅效率低下，无法快速适应异常用电行为的变化，导致对异常状态识别的准确率不高。同时常规的数据分析方法存在误判，仍需投入大量人工加以复核，导致异常状态识别的工作效率较低。此外，人工判别是否准确依赖工作人员对专业熟悉程度，对人员专业要求高，而目前电网各个公司对线路管理的专业能力参差不齐。因此，传统的人工监控手段采用简单的逻辑判断已不能满足对输电网异常分析，工作效率低、重复性高。为实现对主网线路状态进行自动、高效精准分类预警，考虑引入先进的人工智能算法以提高主网高压输电线路状态检测的准确度，已经成为一项亟待解决的关键技术问题。
技术实现思路
>本专利技术要解决的技术问题：针对现有技术的上述问题，提供一种基于决策树的主网线路状态检测方法、系统及介质，本专利技术能够自动、实时监控并准确识别主网线路状态，可用于主网线路线损异常、负荷过低的状态预警，能有效减少人工监控分析的工作，能够大大提高线损分析水平和线路管理工作效率，具有效率高、部署方便、投入成本低的优点。为了解决上述技术问题，本专利技术采用的技术方案为：一种基于决策树的主网线路状态检测方法，实施步骤包括：1)获取被测主网线路的N种输入数据，所述N种输入数据包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数；2)将N种输入数据输入预先训练好的决策树分类模型得到对应的主网线路状态，所述决策树分类模型被预先训练建立了N种输入数据、主网线路状态之间的映射关系，所述主网线路状态包括正常、线损异常、负荷过低三类状态。可选地，所述线损率的计算函数表达式如下：上式中，σ为线损率，α为供电量，β为售电量。可选地，所述关口计量表计走字的计算函数表达式如下：上式中，ω为关口计量表计走字，α为供电量，φ为互感器综合倍率。可选地，步骤2)之前包括预先训练决策树分类模型的步骤，该步骤包括：S1)构建训练样本集和测试样本集；S2)将训练样本集作为当前样本集D，计算当前样本集D中各项属性的信息增益率；S3)选取信息增益率最大的属性作为决策树的根节点的分裂属性，将当前样本集D中的分裂属性取值相同的样本形成决策树分支；S4)判断决策树层级数是否达到预定阈值，如果尚未达到预设阈值则针对得到的每一个决策树分支，将决策树分支中的训练样本作为当前样本集合D，计算当前样本集D中各项属性的信息增益率，选取信息增益率最带的属性作为新的子节点的分裂属性，将当前样本集D中的分裂属性取值相同的样本形成新的决策树分支，跳转步骤S4)；否则跳转步骤S5)；S5)利用测试样本集对决策树分类模型进行性能验证，如果性能验证通过，则判定决策树分类模型训练完成，否则跳转执行步骤S1)。可选地，步骤S1)中构建训练样本集和测试样本集的详细步骤包括：S1.1)获取被测主网线路的原始数据样本，所述原始数据样本包括被测主网线路在指定时间段内的电参量数据，包括供电量、售电量、电压、电流、功率因数、综合倍率；S1.2)对原始数据样本剔除异常值、剔除冗余值、补全缺失值；S1.3)根据原始数据样本进行属性构造计算出线损率、关口计量表计走字两种输入数据，对输入数据的数据样本进行数据规范化；S1.4)进行属性规约以剔除多余的输入数据，得到包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数的N种输入数据，针对每一种输入数据的数值，通过函数拟合得到的拟合函数来对输入数据中不符合拟合函数规约的数值进行数值修正；S1.5)将输入数据和预设的人工推演异常数据进行综合，然后对所有的输入数据附加主网线路状态标签，并划分为训练样本集和测试样本集。可选地，步骤S1.2)中剔除异常值时的异常值判定的函数表达式如下式所示：上式中，X为输入数据，p表示异常值概率，μ表示输入数据X的期望值，n表示经交叉验证得到的超参数值，α表示概率分布函数系数且大于0；步骤S1.2)中补全缺失值具体是指针对某一天的丢失值按前一天、后一天同一小时的采样数据的平均值进行插值，且其函数表达式如下式所示：上式中，表示插值结果，xk表示待插值相邻的数据，k表示待插值数据相邻前后天数，k≠0。可选地，步骤S2)中信息增益率的计算函数表达式如下：上式中，Gainratio(A)表示属性A的信息增益率，Gain(A)为属性A的信息增益，Gain(D,a)为特征a对训练数据集D的信息增益；其中Gain(D,a)的计算函数表达式如下：上式中，Ent(D)表示训练数据集D的信息熵，V表示训练数据集D上的V个不同特征值，|D|表示样本集合D的样本数，|Dtj|表示第j个特征值的样本集合，Ent(|Dtj|)表示第j个特征值的信息熵，Ent(D)的计算函数表达式如下：上式中，p(k)表示当前样本集合D中选择分类k的概率，N为当前样本集合D中的属性类别个数。此外，本专利技术还提供一种基于决策树的主网线路状态检测系统，包括：数据输入程序单元，用于获取被测主网线路的N种输入数据，所述N种输入数据包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数；数据分析程序单元，用于将N种输入数据输入预先训练好的决策树分类模型得到对应的主网线路状态，所述决策树分类模型被预先训练建立了N种输入数据、主网线路状态之间的映射关系，所述主网线路状态包括正常、线损异常、负荷过低三类状态。此外，本专利技术还提供一种基于决策树的主网线路状态检测系统，包括计算机设备，该计算机设备被编程或配置以执行所述基于决策树的主网线路状态检测方法的步骤，或者该计算机设备的存储器中存储有被编程或配置以执行所述基于决策树的主网线路状态检测方法的计算机程序。此外，本专利技术还提供一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行所述基于决策树的主网线路状态检测方法的计算机程序。和现有技术相比，本专利技术具有下述优点：1、本专利技术基于决策树的主网线路状态检测方法通过获取被测主网线路的N种输入数据(主网本文档来自技高网...

【技术保护点】
1.一种基于决策树的主网线路状态检测方法，其特征在于实施步骤包括：/n1)获取被测主网线路的N种输入数据，所述N种输入数据包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数；/n2)将N种输入数据输入预先训练好的决策树分类模型得到对应的主网线路状态，所述决策树分类模型被预先训练建立了N种输入数据、主网线路状态之间的映射关系，所述主网线路状态包括正常、线损异常、负荷过低三类状态。/n

【技术特征摘要】
1.一种基于决策树的主网线路状态检测方法，其特征在于实施步骤包括：
1)获取被测主网线路的N种输入数据，所述N种输入数据包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数；
2)将N种输入数据输入预先训练好的决策树分类模型得到对应的主网线路状态，所述决策树分类模型被预先训练建立了N种输入数据、主网线路状态之间的映射关系，所述主网线路状态包括正常、线损异常、负荷过低三类状态。


2.根据权利要求1所述的基于决策树的主网线路状态检测方法，其特征在于，所述线损率的计算函数表达式如下：



上式中，σ为线损率，α为供电量，β为售电量。


3.根据权利要求1所述的基于决策树的主网线路状态检测方法，其特征在于，所述关口计量表计走字的计算函数表达式如下：



上式中，ω为关口计量表计走字，α为供电量，φ为互感器综合倍率。


4.根据权利要求1所述的基于决策树的主网线路状态检测方法，其特征在于，步骤2)之前包括预先训练决策树分类模型的步骤，该步骤包括：
S1)构建训练样本集和测试样本集；
S2)将训练样本集作为当前样本集D，计算当前样本集D中各项属性的信息增益率；
S3)选取信息增益率最大的属性作为决策树的根节点的分裂属性，将当前样本集D中的分裂属性取值相同的样本形成决策树分支；
S4)判断决策树层级数是否达到预定阈值，如果尚未达到预设阈值则针对得到的每一个决策树分支，将决策树分支中的训练样本作为当前样本集合D，计算当前样本集D中各项属性的信息增益率，选取信息增益率最带的属性作为新的子节点的分裂属性，将当前样本集D中的分裂属性取值相同的样本形成新的决策树分支，跳转步骤S4)；否则跳转步骤S5)；
S5)利用测试样本集对决策树分类模型进行性能验证，如果性能验证通过，则判定决策树分类模型训练完成，否则跳转执行步骤S1)。


5.根据权利要求4所述的基于决策树的主网线路状态检测方法，其特征在于，步骤S1)中构建训练样本集和测试样本集的详细步骤包括：
S1.1)获取被测主网线路的原始数据样本，所述原始数据样本包括被测主网线路在指定时间段内的电参量数据，包括供电量、售电量、电压、电流、功率因数、综合倍率；
S1.2)对原始数据样本剔除异常值、剔除冗余值、补全缺失值；
S1.3)根据原始数据样本进行属性构造计算出线损率、关口计量表计走字两种输入数据，对输入数据的数据样本进行数据规范化；
S1.4)进行属性规约以剔除多余的输入数据，得到包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数的N种输入数据，针对每一种输入数据的数值，通过函数拟合得到的拟合函数来对输入数据中不符合拟合函数规约...

【专利技术属性】
技术研发人员：李恺，谭海波，王海元，解玉满，黄红桥，卜文彬，谈丛，彭潇，郭光，刘谋海，陈浩，
申请(专利权)人：国网湖南省电力有限公司，国网湖南省电力有限公司供电服务中心计量中心，国家电网有限公司，
类型：发明
国别省市：湖南;43