(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210882982.6 (22)申请日 2022.07.26 (71)申请人 南京工程学院 地址 211167 江苏省南京市江宁区科 学园 弘景大道1号 (72)发明人 刘海涛　张埕瑜　马丙泰　陆恒　 张匡翼　黄铖　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 专利代理师 戴朝荣 (51)Int.Cl. H02J 3/00(2006.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种三相不平衡配电网损耗计算方法和系 统 (57)摘要 本发明提供一种三相不平衡配电网损耗计 算方法和系统， 其中方法包括获取三相不平衡下 的电网运行数据， 将电网运行数据设置对应的电 气特征参量标签； 将电网运行数据中的线路损耗 数据作为因变量， 与配电网损耗值对应的电网运 行数据作为自变量， 建立数据集； 在K ‑Means聚类 模型中加入Calinski ‑Harabasz指数， 得到改进 的K‑Means聚类模型； 采用改进的K ‑Means聚类模 型对数据集进行聚类； 将聚类后的数据集中电气 特征向量和对应的配电网损耗作为XGBoost模型 的训练集， 得到配电网损耗计算模型； 将电气特 征向量输入至配电网损耗计算模 型， 得到对应配 电网损耗值。 缩短配电网损耗计算时间， 提高模 型计算精度。 权利要求书2页 说明书7页 附图2页 CN 115036921 A 2022.09.09 CN 115036921 A 1.一种三相不平衡 配电网损耗计算方法， 其特 征在于， 包括： 获取三相不平衡下的电网运行 数据， 将电网运行 数据设置对应的电气特 征参量标签； 将电网运行数据中的线路损耗数据作为因变量， 与配电网损耗值对应的电网运行数据 作为自变量， 建立数据集 其中， xn1……xni为输入的电气特征向量， yn为电气特 征向量的标签， i 为当前的电气特 征参量， N为输入的电气参 量总个数； 在K‑Means聚类模型中加入Cal inski‑Harabasz指数， 得到改进的K ‑Means聚类模型； 采用改进的K ‑Means聚类模型对数据集进行聚类； 将聚类后的数据集中电气特征向量和对应的配电网损耗作为XGBoost模型的训练集， 得到配电网损耗计算模型； 将电气特 征向量输入至配电网损耗计算模型， 得到对应的配电网损耗 值。 2.根据权利要求1所述的三相不平衡配电网损耗计算方法， 其特征在于， 所述电气特征 参量包括电压、 电流、 线路电阻和变压器电阻。 3.根据权利要求1所述的三相不平衡配电网损耗计算方法， 其特征在于， 所述在K ‑ Means聚类模型中加入Cal inski‑Harabasz指数， 得到改进的K ‑Means聚类模型， 包括： 确定数据集所需要聚类的数目和数据集中包 含的每一类电气特 征参量的聚类中心； 根据以下公式计算数据集中单个电气特征参量与同类别电气特征参量聚类中心点之 间的距离： 其中， Lij为数据集中单个电气特征参量与 同类别电气特征参量聚类中心点之间的距 离； m为数据集样本中的每个个体拥有的描述属性个数； Zit为第i个电气特征参量个体的第t 个描述属性， Zjt为第j个聚类中心的第t个描述属性， 其中1≤j≤k， 1≤t≤m； 重新划分k个基于数据集的聚类个数， 计算每一类新划分的 电气特征参量里的所有个 体电气数据的平均值， 作为 新的聚类中心； 根据以下公式确定收敛： 其中， E表示为误差的平方和， mi为第Ci类电气特征参量的数据的聚类中心； Zq为Ci类电 气特征参量数据集中的单个个体数据； 当E的值达到预设误差条件 时， 确定K‑Means聚类算 法结束。 4.根据权利要求1所述的三相不平衡配电网损耗计算方法， 其特征在于， 所述将电气特 征向量输入至配电网损耗计算模型， 得到对应的配电网损耗 值， 包括： 将聚类后的数据集各组按照8:2进行划分， 利用剩余的20％数据进行配电网损耗计算 模型精确度验证， 如果精确度在设定范围内， 则输出对应的配电网损耗值， 如果精确度不 够， 则返回XGboost模型， 调整学习 率， 迭代次数， 树的深度三个参数后进行下一轮建模， 直 至误差在设定范围内。 5.一种三相不平衡 配电网损耗计算系统， 其特 征在于， 包括： 电网运行数据获取模块， 用于获取三相不平衡下的 电网运行数据， 将电网运行数据设权　利　要　求　书 1/2 页 2 CN 115036921 A 2置对应的电气特 征参量标签； 数据集建立模块， 用于将电网运行数据中的线路损耗数据作为因变量， 与配电网损耗 值对应的电网运行数据作为自变量， 建立数据集 其中， xn1……xni为 输入的电气 特征向量， yn为电气特征向量的标签， i为当前的电气 特征参量， N为输入的电气 参量总个数； 模型改进模块， 用于在K ‑Means聚类模型中加入Calinski ‑Harabasz指数， 得到改进的 K‑Means聚类模型； 聚类模块， 用于采用改进的K ‑Means聚类模型对数据集进行聚类； 模型训练模块， 用于将聚类后的数据集中电气特征向量和对应的配电网损耗作为 XGBoost模型的训练集， 得到配电网损耗计算模型； 配电网损耗值计算模块， 用于将电气特征向量输入至配电网损耗计算模型， 得到对应 的配电网损耗 值。权　利　要　求　书 2/2 页 3 CN 115036921 A 3