一种基于多元回归的线损合理区间预测方法、装置及介质与流程

本发明涉及配电网线损预测的，特别是涉及一种基于多元回归的线损合理区间预测方法、装置及介质。

背景技术：

1、随着新型负荷的兴起，电动汽车、5g基站、数据中心、分布式光伏等典型用户大规模并入电网，导致电网运行方式复杂多变，对此，制定线损合理区间是降损节能，加强线损管理的一项重要手段。通过线损合理区间可以定位异常线损设备，为后续降损工作提供依据，能够使降损工作抓住重点，提高节能降损的效益。

2、目前线损合理区间大多依据历史经验制定，缺乏理论依据，无法指导专业人员准确分析异常因素，只依赖历史线损率制定考核规则存在片面性，无法充分考虑线损影响因素，导致线损合理区间的预测结果不准确，造成预测结果难以支撑降损增效工作开展。

技术实现思路

1、本发明提供一种基于多元回归的线损合理区间预测方法、装置及介质，以解决现有技术的线损合理区间大多依据历史经验制定，未充分考虑线损影响因素，导致线损合理区间的预测结果不准确的问题。

2、为了解决上述问题，本发明提供了一种基于多元回归的线损合理区间预测方法，包括：

3、从电网系统获取配网线损数据，将配网线损数据按照天数分为若干样本后输入预设的多元回归分析模型，得到预测线损率集；其中，多元回归分析模型是由矩阵构建而成；

4、根据预设的核密度估计法和网格搜索方法对预测线损率集进行计算，得到累计分布函数；

5、根据累计分布函数，通过设置置信区间，得到线损合理区间的预测结果。

6、本发明的多元回归分析模型是由矩阵构建而成，因此把配网线损数据按照天数分为若干样本后输入该模型，能够充分考虑不同样本的不同特征，提高预测线损率的准确性；核密度估计法可以处理非线性和非正态分布的数据，并且不需要对数据进行任何假设，因此根据核密度估计法对预测线损率集进行计算，可以减少计算量；同时，通过采用网格搜索这一种穷举搜索方法，可以选择得到核密度估计方法中的重要参数，使核密度估计法在运用过程中的计算更便捷；根据累计分布函数，通过设置置信区间，得到线损合理区间的预测结果，区间越长，准确度越高，可以通过设置较短的置信区间获取更准确的预测结果。相比于现有技术，本发明通过充分考虑线损影响因素来预测线损合理区间，能够解决线损合理区间的预测结果不准确的问题。

7、作为优选方案，从电网系统获取配网线损数据，具体为：

8、从电网系统获取电力供应与使用过程中产生损耗元件的数据，以及电网系统运行方式的数据，得到配网线损数据；其中，配网线损数据包括：网架结构、负荷情况和分布式光伏数据；

9、其中，网架结构包括：供电半径、线路总长度、电缆化率、导线横截面积和节能配变比率；

10、负荷情况包括：输入电量、输出电量、台区电量、专变电量、配变负载率、重过载配比占比、空轻载配变占比、电压合格率和日类型；

11、分布式光伏数据包括：分布式电源数量、分布式上网有功电量、分布式上网无功电量、分布式上网电量占比、功率因数偏低占比、分布式电量离散率、允许电流和天气类型。

12、本优选方案的配网线损数据的选取从三个方面对线损率影响因素进行考量，其中，网架结构主要是从实体角度对配网线损数据进行选取的，负荷情况和分布式光伏主要是从控制变量的角度对配网线损数据进行选取的，对于负荷情况和分布式光伏而言，负荷情况中的日类型充分考虑了相同用户在不同日类型下，用电量也会有所区别，导致最终线损率也不同的情况；分布式光伏充分考虑了在双碳背景下，分布式光伏用户的逐渐增多导致分布式对线损的影响越来越大的情况。

13、作为优选方案，根据预设的核密度估计法和网格搜索方法对预测线损率集进行计算，得到累计分布函数，具体为：

14、通过网格搜索方法选择核密度估计法中的最优带宽，由最优带宽结合核密度估计法中的核函数，对预测线损率集进行计算，得到概率密度函数；由概率密度函数计算得到累计分布函数；

15、概率密度函数为：

16、

17、其中，为预测线损率集的预测线损率总数量，为最优带宽，为预测线损率集的预测线损率，为预测线损率集中预测线损率所对应的序数，为核函数。

18、本优选方案根据核密度估计法计算得到概率密度函数，再由概率密度函数计算得到累计分布函数；核密度估计方法的两个重要参数分别为核函数和带宽，这两个参数的选择会直接影响估计结果的准确性；其中，带宽可以控制核函数的作用范围，选择合适的带宽有利于提高估计的精度，因此，采用网格搜索这一种穷举搜索方法，可以选择得到最优带宽，进而提高概率密度函数的数据分布准确性。

19、作为优选方案，多元回归分析模型是由矩阵构建而成，具体为：

20、根据预设的多元线性回归方程建立由矩阵构成的多元回归分析模型；

21、多元回归分析模型为：

22、

23、其中，为若干样本的总样本数量，为个总样本中第个样本到第个样本的回归结果列向量，为截距，为预设的回归系数，为个总样本中第一个样本的第一个特征到第个样本的最后一个特征。

24、本优选方案的多元回归分析模型是由矩阵构建而成，采用矩阵能够充分利用配网线损数据，由于数据的总量是固定的，把配网线损数据按照天数分为若干样本后输入该模型，可以充分考虑并计算到不同样本的不同特征，提高数据的利用率，保证预测线损率集的准确性。

25、作为优选方案，根据预设的多元线性回归方程建立由矩阵构成的多元回归分析模型，还包括：

26、使用预设的损失函数对多元回归分析模型进行训练；

27、所述损失函数为：

28、

29、其中，为所述回归分析模型的预测线损率值，为所述回归分析模型的预测线损率值所对应的线损率真实值。

30、本优选方案使用损失函数对多元回归分析模型进行训练，利用回归分析模型的预测线损率值及其对应的线损率真实值，对该模型进行反复训练，能够提高该模型的精度，进而提高预测线损率集的准确性。

31、作为优选方案，在从电网系统获取配网线损数据之后，还包括：

32、用预设数字分别表示天气类型中的晴天和阴天。

33、本优选方案采用数字对配网线损数据中的天气类型进行标准化处理，能够消除关键特征之间的差异性，使不同的特征拥有相同的尺度，使天气类型的类别简化，这样有利于特征学习权重，消除不同指标之间因属性不同而带来的影响。

34、本发明还提供了一种基于多元回归的线损合理区间预测装置包括：数据处理模块、函数构建模块和区间预测模块；

35、其中，所述数据处理模块，用于从电网系统获取配网线损数据，将所述配网线损数据按照天数分为若干样本后输入预设的多元回归分析模型，得到预测线损率集；其中，所述多元回归分析模型是由矩阵构建而成；

36、所述函数构建模块，用于根据预设的核密度估计法和网格搜索方法对所述预测线损率集进行计算，得到累计分布函数；

37、所述区间预测模块，用于根据所述累计分布函数，通过设置置信区间，得到线损合理区间的预测结果。

38、作为优选方案，所述数据处理模块包括数据获取单元、标准化单元、模型构建单元和模型训练单元；

39、其中，所述数据获取单元，用于从所述电网系统获取电力供应与使用过程中产生损耗元件的数据，以及所述电网系统运行方式的数据，得到所述配网线损数据；其中，所述配网线损数据包括：网架结构、负荷情况和分布式光伏数据；

40、其中，所述网架结构包括：供电半径、线路总长度、电缆化率、导线横截面积和节能配变比率；

41、所述负荷情况包括：输入电量、输出电量、台区电量、专变电量、配变负载率、重过载配比占比、空轻载配变占比、电压合格率和日类型；

42、所述分布式光伏数据包括：分布式电源数量、分布式上网有功电量、分布式上网无功电量、分布式上网电量占比、功率因数偏低占比、分布式电量离散率、允许电流和天气类型；

43、所述标准化单元，用于用预设数字分别表示所述天气类型中的晴天和阴天；

44、所述模型构建单元，用于根据预设的多元线性回归方程建立由矩阵构成的所述多元回归分析模型；

45、所述多元回归分析模型为：

46、

47、其中，为所述若干样本的总样本数量，为个总样本中第个样本到第个样本的回归结果列向量，为截距，为预设的回归系数，为所述个总样本中第一个样本的第一个特征到第个样本的最后一个特征；

48、所述模型训练单元，用于使用预设的损失函数对所述多元回归分析模型进行训练；

49、所述损失函数为：

50、

51、其中，为所述回归分析模型的预测线损率值，为所述回归分析模型的预测线损率值所对应的线损率真实值。

52、作为优选方案，所述函数构建模块具体为：

53、通过所述网格搜索方法选择所述核密度估计法中的最优带宽，由所述最优带宽结合所述核密度估计法中的核函数，对所述预测线损率集进行计算，得到概率密度函数；由所述概率密度函数计算得到所述累计分布函数；

54、所述概率密度函数为：

55、

56、其中，为所述预测线损率集的预测线损率总数量，为所述最优带宽，为所述预测线损率集的预测线损率，为所述预测线损率集中预测线损率所对应的序数，为所述核函数。

57、本发明还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上所述一种基于多元回归的线损合理区间预测方法。