基于EM算法的低压台区计量装置失准计算方法制造方法及图纸

本发明专利技术公开了一种基于EM算法的低压台区计量装置失准计算方法，包括：提取参与建模的计量装置的电量数据并进行处理，完成训练数据构建；构建含有隐变量的混合聚类模型，使用EM算法进行优化求解；归档聚类参数，构建失准计算模型，计算计量装置的失准电量。本方法利用台区各线路之间的电量关系，并结合台区电气特性与用电规律进行计量装置失准分析，不要求台区有完整的拓扑结构，可直接建模进行台区出线处计量装置与全部末端处计量装置的失准计算，并可以计算出具体时刻下每个计量装置的失准值，精细度高、适应性强。适应性强。适应性强。

【技术实现步骤摘要】
基于EM算法的低压台区计量装置失准计算方法


[0001]本专利技术涉及配网自动化
，具体涉及一种基于EM算法的低压台区计量装置失准计算方法。

技术介绍

[0002]随着低压台区智能化的推进，台区下的分支箱、表箱等节点处的智能设备(智能开关、末端感知、电能表)均带有计量和通讯功能，满足了各线路与节点的电压、电流、电量等数据项的采集和传输。计量失准指的是计量装置所在线路电量的计量值与实际值存在偏差，造成计量失准的具体原因可能为装置异常和人为窃电等多方面因素。
[0003]目前比较常见的低压台区计量装置失准分析/计算方法有如下三种：第一，使用日用电量/总表日电量与台区日线损的相关性实现户变关系纠错及失准分析，通过计算出相邻台区中相关性为负的用户，在跨台区分析比对，推断户变的关系错误或是计量失准，该方法的特点是简单易行、无需增加设备和成本，但依赖台区线损的相关性，复杂环境下结果不准确，而且只能作分析推断，无法计算每个计量装置的线损，最终验证还需人工现场排查。
[0004]第二，在线路中增加失准分析设备，周期性采集相关的离散的电压、电流和计量装置的电能脉冲，通过计算积分电量实现失准校验，该方法的优点是可计算出具体时刻计量装置的线损，且需的数据少，准确性高，但是增加的装置硬件成本较高，同时涉及人工选点、安装和测试等工作，且高频采集数据会对台区的运行造成不稳定影响，不利于电力业务的深入应用。
[0005]第三，基于台区拓扑结构的最小二乘法：使用N个计量周期电量、电压的数据，构建表箱侧的最小二乘法模型，模型有解析解，分析模型系数以获得计量失准信息，该方法优点是不需要增加投资，方法较新颖，但存在两个问题：一方面，该方法需要台区有箱表的拓扑关系，在箱表侧进行建模，即参与失准的计量装置数量不宜过多；另一方面，该方法需要台区N个计量周期的相对误差加权平均值保持不变，即需要N个计量周期内计量装置的误差相对恒定，其计算的结果为N个周期的综合值，运用该方法无法计算具体时刻的计量装置失准值。

技术实现思路

[0006]本专利技术提出了一种基于EM算法的低压台区计量装置失准计算方法，其目的是：克服现有技术的缺陷，利用计量周期电量数据进行失准分析，具有良好的适应性，不依赖于台区拓扑结构，并能够实现具体时刻下的失准电量计算。
[0007]本专利技术技术方案如下：
[0008]一种基于EM算法的低压台区计量装置失准计算方法，包括如下步骤：
[0009]S1：提取参与建模的计量装置的电量数据并进行处理，完成训练数据构建；
[0010]S2：构建含有隐变量的混合聚类模型，使用EM算法进行优化求解；
[0011]S3：归档聚类参数，构建失准计算模型，计算计量装置的失准电量。
[0012]进一步地，所述步骤S2具体包括：
[0013]S21：训练数据服从偏态分布，记为w～(μ,σ2,λ)，检验采集数据集Z
n
×
m
的损耗值D
m
，分析损耗序列数据的特征，估算失准类型，并根据失准类型生成K个偏态分布模型，随机生成K个偏态分布的初始参数所述K个偏态分布模型组合构成EM混合聚类模型，正整数K及每个偏态分布参数为隐变量，α
k
代表第j个训练数据w
j
属于第k个子模型的概率，其中
[0014]k＝1,2,3,...,K
[0015][0016]S22：E
‑
step步骤
[0017]首先构建训练数据中隐变量的概率分布：
[0018][0019]j＝1,2,3,....,N k＝1,2,3,....,K
[0020]其中N为训练数据的个数，N＝(n
‑
1)(I+H)；
[0021]然后利用所述概率分布计算期望：
[0022][0023]S23：M
‑
step步骤
[0024]计算函数最大化：
[0025][0026]构建Q(θ,θ
(t)
)的下界函数并求其最大，得到μ
k
,λ
k
,α
k
的新一轮迭代值，返回步骤S22；
[0027]S24：不断循环E
‑
step和M
‑
step步骤，直到参数收敛，即||θ
t+1
‑
θ
t
||＜ε
EM
。
[0028]进一步地，所述步骤S3具体包括：
[0029]S31：构建失准计算模型，所述失准计算模型包含K个类别的分类器，所述K个类别的分类器与所述K个偏态分布模型相对应，定义优化函数：
[0030][0031]s.t.(w2X2+w3X3+....+w
n
X
n
+ξ
‑
D)2‑
ε≤0
[0032]w
i
∈P
k
的定义域i＝2,3,...,n
[0033]其中，P
k
(w|θ
k
)代表第k偏态分布模型，X2,X3,....,X
n
为某一时刻台区下所有末端计量装置的电量，D为同一时刻的台区损耗，ξ为同一时刻的线损的补偿常数，ε为松弛变量，w
i
为失准系数，w
i
是所述失准计算模型的待优化变量；
[0034]S32：依次求K个偏态分布模型的似然值选择似然值最大的偏态分布模型的系数w
i
作为最优解；
[0035]S33：计算计量装置的失准电量：若输入变量为某一时刻的电量数据，使用w
i
乘以对应的X
i
得到对应计量装置的失准电量；若输入变量为多个时刻的序列数据，则将序列数据拆分为多个单一时刻数据，分别使用w
i
乘以对应的X
i
求得单一时刻计量装置的失准电量，将所有计算结果求和即得到该序列数据的失准电量。
[0036]进一步地，所述步骤S1具体包括：
[0037]S11：提取一个时间段内的参与建模的计量装置电量数据，形成采集数据集Z
n
×
m
，对采集数据集Z
n
×
m
中的缺失数据进行删除和填充，其中n代表参与建模的计量装置标识，m代表电量数据采集时刻；
[0038]S12：利用损耗曲线D
m
完成采集数据集Z
n
×
m
的更新，并生成线损数据集
[0039]S13：对采集数据集Z
n
×
m
和线损数据集进行归一化，分别对采集数据集Z
n
×
m
和线损数据集按列进行数据段的切分，线损数据集的切分数为I，切分后的数据段记为{Z`1,Z`2,...,Z`
I本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于EM算法的低压台区计量装置失准计算方法，其特征在于，包括如下步骤：S1：提取参与建模的计量装置的电量数据并进行处理，完成训练数据构建；S2：构建含有隐变量的混合聚类模型，使用EM算法进行优化求解；S3：归档聚类参数，构建失准计算模型，计算计量装置的失准电量。2.如权利要求1所述的基于EM算法的低压台区计量装置失准计算方法，其特征在于：所述步骤S2具体包括：S21：训练数据服从偏态分布，记为w～(μ,σ2,λ)，检验采集数据集Z
n
×
m
的损耗值D
m
，分析损耗序列数据的特征，估算失准类型，并根据失准类型生成K个偏态分布模型，随机生成K个偏态分布的初始参数所述K个偏态分布模型组合构成EM混合聚类模型，正整数K及每个偏态分布参数为隐变量，α
k
代表第j个训练数据w
j
属于第k个子模型的概率，其中k＝1,2,3,...,KS22：E
‑
step步骤首先构建训练数据中隐变量的概率分布：其中N为训练数据的个数，N＝(n
‑
1)(I+H)；然后利用所述概率分布计算期望：S23：M
‑
step步骤计算函数最大化：构建Q(θ,θ
(t)
)的下界函数并求其最大，得到μ
k
,λ
k
,α
k
的新一轮迭代值，返回步骤S22；S24：不断循环E
‑
step和M
‑
step步骤，直到参数收敛，即||θ
t+1
‑
θ
t
||＜ε
EM
。3.如权利要求2所述的基于EM算法的低压台区计量装置失准计算方法，其特征在于：所述步骤S3具体包括：S31：构建失准计算模型，所述失准计算模型包含K个类别的分类器，所述K个类别的分
类器与所述K个偏态分布模型相对应，定义优化函数：s.t.(w2X2+w3X3+....+w
n
X
n
+ξ
‑
D)2‑
ε≤0w
i
∈P
k
的定义域i＝2,3,...,n其中，P
k
(w|θ
k
)代表第k偏态分布模型，X2,X3,....,X
n
为某一时刻台区下所有末端计量装置的电量，D为同一时刻的台区损耗，ξ为同一时刻的线损的补偿常数，ε为松弛变量，w
i
为失准系数，w
i
是所述失准计算模型的待优化变量；S32：依次求K个偏态分布模型的似然值选择似然值最大的偏态分布模型的系数w
i
作为最优解；S33：计算计量装置的失准电量：若输入变量为某一时刻的电量数据，使用w
i
乘以对应的X
i
得到对应计量装置的失准电量；若输入变量为多个时刻的序列数据，则将序列数据拆分为多个单一时刻数据，分别使用w
i
乘以对应的X
i
求得单一时刻计量装置的失准电量，将所有计算结果求和即得到该序列数据的失准电量。4.如权利要求1所述的基于EM算法的低压台区计量装置失准计算方法，其特征在于：所述步骤S1具体包括：S11：提取一个时间段内的参与建模的计量装置电量数据，形成采集数据集Z
n
×
m
，对采集数据集Z
n
×
m
中的缺失数据进行删除和填充，其中n代表参与建模的计量装置标识，m代表电量数据采集时刻；S12：利用损耗曲线D
m
完成采集数据集Z
n
×
m
的更新，并生成线损数据集S13：对采集数据集Z
n
×
m
和线损数据集进行归一化，分别对采集数据集Z
n
×
m
和线损数据集按列进行数据段的切分，线损数据集的切分数为I，切分后的数据段记为{Z`1,Z`2,...,Z`
I
}，采集数据集Z
n
×
m
的切分数为H，切分后的数据段记为{Z`1,Z`2,...,Z`
H
}；S14：合并步骤S13得到的两组切分数据段形成序列，依次对所述序列的每个数据段进行多元线性回归，完成训练数据的构建。5.如权利...

【专利技术属性】
技术研发人员：吕家慧，谭伟，慕健，张玉勇，孙敬科，郑和稳，迟子悦，郑一鹏，孔健沣，江晨洁，黄良栋，张雷，
申请(专利权)人：烟台东方威思顿电气有限公司，
类型：发明
国别省市：