【技术实现步骤摘要】
本专利技术涉及电力系统，尤其是涉及一种配电网线损分析方法、装置及存储介质。
技术介绍
1、线损是指电能在电网传输过程中产生的能量损耗。配网线损是电力系统中的一个重要指标，它与电力企业经济效益直接相关，综合反映了电能传输效率、企业技术水平、业务管理水平等。线损率异常不仅会影响供电企业的生产经营效益，还会造成能源的大量浪费，因此，供电企业需加强对线损异常问题的诊断及治理，降低线损率、提高经济效益、实现节能减排的重要目标。
2、现有的配电网线损分析方法通常依据专家经验和对比分析，通过制订指标标准，开展多系统数据稽查对比，结合专家经验诊断线损异常问题，过于依赖专家主观性经验，导致配电网线损分析准确性较低。
技术实现思路
1、本专利技术提供一种配电网线损分析方法、装置及存储介质，以解决现有的配电网线损分析方法过于依赖专家主观性经验，导致配电网线损分析准确性较低的技术问题。
2、本专利技术提供了一种配电网线损分析方法，包括：
3、采集配电网线路的指标数据，并根据所述指标数据构建指标体系，所述指标数据包括运行数据、档案数据和历史线损分析结果；
4、采用灰色关联分析法对所述指标体系进行优化，得到优化后的指标体系；
5、基于优化后的指标体系，根据卷积神经网络构建线损分析模型；
6、将待分析数据输入至所述线损分析模型中，得到配电网的线损分析结果。
7、进一步的，所述采用灰色关联分析法对所述指标体系进行优化，得到优化后的
8、将所述指标体系中的线损率作为参考序列，其他线损指标作为比较序列；
9、计算每一所述比较序列在各个曲线点与所述参考序列的关联系数，对每一所述比较序列的所有曲线点的关联系数求解平均值，得到每一所述比较序列与所述参考序列的关联度；
10、根据关联度大小对所有关联度进行排序，在排序后的关联度中选取关联度最大的预设数量关联度对应的指标数据构建优化后的指标体系。
11、进一步的，所述计算每一所述比较序列在各个曲线点与所述参考序列的关联系数，包括：
12、采用以下关联系数公式计算得到所述关联系数：
13、
14、式中，ρ为分辨系数；ξi(k)为所述比较序列xi与所述参考序列x0在第k项的关联系数。
15、进一步的，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层；
16、所述卷积层包括第一卷积层、第二卷积层、第三卷积层和第四卷积层；
17、所述池化层包括最大池化层和平均池化层；
18、所述输入层、所述第一卷积层、所述第二卷积层、所述最大池化层、所述第三卷积层、所述平均池化层、所述全连接层和所述输出层依次连接；每一卷积层后设置有一批量标准化层。
19、进一步的，所述基于优化后的指标体系，根据卷积神经网络构建线损分析模型，包括：
20、将优化后的指标体系的指标数据作为所述卷积神经网络的输入数据，将线损分析结果标签作为所述卷积神经网络的输出数据，进行模型训练；
21、在模型训练过程中，采用交叉熵损失函数作为模型的损失函数，在模型收敛时，得到线损分析模型。
22、进一步的，所述交叉熵损失函数的表达式如下：
23、
24、式中，n为参与线损分析的样本总数；yi为样本i实际线损分析结果标签；ai为样本i的线损分析结果；loss为交叉熵损失。
25、进一步的，所述采集配电网线路的指标数据，并根据所述指标数据构建指标体系，包括：
26、对所述指标数据进行预处理，根据预处理后的指标数据构建指标体系，所述预处理包括极端值剔除、缺失值填充和标准化处理。
27、进一步的，在根据所述指标数据构建指标体系之后，还包括：
28、对所有指标数据进行相关性分析，得到具有强相关性的若干组指标数据；
29、在所述指标体系中保留每一组指标数据的其中一个指标数据。
30、本专利技术还提供了一种配电网线损分析装置，包括：
31、指标体系构建模块，用于采集配电网线路的指标数据，并根据所述指标数据构建指标体系，所述指标数据包括运行数据、档案数据和历史线损分析结果；
32、指标体系优化模块，用于采用灰色关联分析法对所述指标体系进行优化，得到优化后的指标体系；
33、线损分析模型构建模块，用于基于优化后的指标体系，根据卷积神经网络构建线损分析模型；
34、线损分析模块，用于将待分析数据输入至所述线损分析模型中，得到配电网的线损分析结果
35、本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的配电网线损分析方法。
36、本专利技术通过用灰色关联分析法对所述指标体系进行优化，得到优化后的指标体系，能够提升模型的泛化能力，使模型能够更好地适应不同的数据集和实际情况，且无需依赖专家经验，能够有效提高配电网线损分析的准确性。
37、进一步的，本专利技术在卷积神经网络的每一卷积层后均加入了批量标准化层，通过批量标准化层能够有效减少梯度消失或爆炸的问题，从而使用更高的学习率，进一步加快网络训练速度，有利于提高配电网线损分析的效率。
本文档来自技高网...【技术保护点】
1.一种配电网线损分析方法，其特征在于，包括：
2.如权利要求1所述的配电网线损分析方法，其特征在于，所述采用灰色关联分析法对所述指标体系进行优化，得到优化后的指标体系，包括：
3.如权利要求2所述的配电网线损分析方法，其特征在于，所述计算每一所述比较序列在各个曲线点与所述参考序列的关联系数，包括：
4.如权利要求1所述的配电网线损分析方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层；
5.如权利要求1所述的配电网线损分析方法，其特征在于，所述基于优化后的指标体系，根据卷积神经网络构建线损分析模型，包括：
6.如权利要求5所述的配电网线损分析方法，其特征在于，所述交叉熵损失函数的表达式如下：
7.如权利要求1所述的配电网线损分析方法，其特征在于，所述采集配电网线路的指标数据，并根据所述指标数据构建指标体系，包括：
8.如权利要求1所述的配电网线损分析方法，其特征在于，在根据所述指标数据构建指标体系之后，还包括：
9.一种配电网线损分析装置，其特征在于，包括
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-8任一项所述的配电网线损分析方法。
...【技术特征摘要】
1.一种配电网线损分析方法，其特征在于，包括：
2.如权利要求1所述的配电网线损分析方法，其特征在于，所述采用灰色关联分析法对所述指标体系进行优化，得到优化后的指标体系，包括：
3.如权利要求2所述的配电网线损分析方法，其特征在于，所述计算每一所述比较序列在各个曲线点与所述参考序列的关联系数，包括：
4.如权利要求1所述的配电网线损分析方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层；
5.如权利要求1所述的配电网线损分析方法，其特征在于，所述基于优化后的指标体系，根据卷积神经网络构建线损分析模型，包括：
6....
【专利技术属性】
技术研发人员：李健，张科，张军，张永旺，江泽涛，陆煜锌，赵云，姚智聪，赵炳辉，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。