(19)中华 人民共和国 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 202111527126.0 (22)申请日 2021.12.14 (71)申请人 国网山东省电力公司枣庄供电公司 地址 277800 山东省枣庄市新城区黄河路 999号 申请人 国网山东省电力公司 　 国家电网有限公司 (72)发明人 李国亮　刘玉娇　康文文　燕重阳　 林煜清　王坤　代二刚　杨凤文　 李森　刘振虎　 (51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种配电线路异损诱因检测的方法 (57)摘要 本发明公开一种配电线路异损诱因检测的 方法， 以配电网线路作为分析对象， 基于线损大 数据挖掘提取档案异常、 采集异常、 线路运行异 常、 营配贯通和理论计算差值超限线损特征； 结 合配电线路长度、 分支、 负荷特征 以及典型运行 数据、 历史数据形成样本集合， 将配电线路应用 K‑means算法进行聚类划分； 计算样本到N个对象 之间的欧式距离， 按照 欧式距离的大小， 计算各 类对象的平均值， 更新聚类中心； 计算平方误差 准则函数， 判别是否满足收敛条件， 输出聚类结 果； 采用线性回归， 得出线损与影响因子之间的 关系， 得出直接的回归 方程得到优化线损诊断模 型。 解决了配电线路线损诱因复杂且难以定位、 精准预测线损难度大的问题。 权利要求书2页 说明书5页 附图2页 CN 114266457 A 2022.04.01 CN 114266457 A 1.一种配电线路异损诱因检测的方法， 其特 征在于， 包括如下步骤： (1)以配电网线路作为分析对象， 基于线损大数据挖掘提取档案异常、 采集异常、 线路 运行异常、 营配贯 通和理论计算差值超限这五种异常的线损特 征； (2)结合配电线路长度、 分支、 负荷特征以及典型运行数据、 历史数据形成样本集合， 将 配电线路应用K ‑means算法进行聚类划分； K ‑means算法步骤如下： 1)确定聚类数目N和最大迭代次数M； 2)在样本中任选N个对象， 作为初始聚类中心； 3)计算样本到N个对象之间的欧式距离， 按照欧式距离的大小， 将样本归类， 欧式距离 定义为： 式中： xik表示第k个样品的第i个变量的观测值； p表示样本数； dij表示样本j与样本i之 间的欧式距离； 4)计算各类对象的平均值， 更新聚类中心； 5)计算平方误差准则函数， 判别是否满足收敛条件， 如果收敛， 则算法结束； 如果不收 敛， 判断迭代次数是否大于M， 如果小于M， 则转第三步， 否则算法结束， 平方误差准则函数 为： 式中： E表示所有对象的平方误差和； xq表示聚类样本； Ci表示第i个类； mi是Ci中对象的 均值； 表示Ci中对象的数目； 6)输出聚类结果； 采用线性 回归， 得出线损与影响因子之间的关系， 得出直接的回归方程， 确定线损与影 响因子之间的关系， 线性回归数 学模型为： y＝β1x1+β2x2+l+βkxk+β0+ ε； 式中： β0为常数项； β1， β2， ...， βk为回归系数； ε为随机误差， 且服从N(0， σ2)， 最小二乘法 在误差平方和为： 最小的情况 下， 求回归系数的估计量， 代入上式得回归方程： K‑means算法聚类质量受噪声点影响较大， 初始聚类中心的选取影响聚类结果的不足， 对样本集合进 行降维优化， 包括剔除相似特征、 剔除无关特征和提取主 元特征， 得到优化线 损诊断模型。 2.如权利要求1所述的一种配电线路异损诱因检测的方法， 其特征在于， 其特征在于， 对样本集 合进行降维优化 步骤如下：权　利　要　求　书 1/2 页 2 CN 114266457 A 2步骤一， 以用电信 息采集系统采集到的数据为基数， 剔除以下配电线路， 如采集未全覆 盖； 含光伏发电用户、 无表计量用户特殊用户； 当月发生业务变更， 包括考核单元对 象发生 变化、 户变关系调整、 用户业务变更； 月均线损率超出 ‑1％～10％范围以及日线损率超出 ‑ 1％～10％范围的天数多于10天； 步骤二， 以步骤一中剩余单元为基数， 计算每个配电线路的日线损波动率σ， 并且作出σ 的分布图， 求取 70％总配电线路数时对应的σ 值设为φ， 其中σ 的计算公式为: 式中:N是该配电线路当月线损的可用天数， 即除去日用户计算参与率不为100％的天 数， 除去日线损率超出1％～10％范围的天数； θ 为日线损率； 步骤三、 以步骤一中剩余单元为基数， 剔除日线损波动率σ大于波动阈值φ的配电线 路， 再剔除θ 超出月均线损率 ±φ范围的数据， 即为优化配电线路数据； (3)基于深度学习的理论线损模型， 将同期线损高损、 低损、 线损拐点与理论线损的关 联程度量化， 输入线损诊断模型， 综合置信度等评估指标， 输出配电线路线损诱因分析结 果； 其中， 聚类有效性评价从类间距离和类中距离两个方面来衡量， 类中距离意味着同类 样本的凝聚度， 类间距离意味着不同类之间的分离度， 聚类结果应该满足类间距离大， 类中 距离小， 这样同一类中的相似性越大， 不同类中样本的差异 性越大， 轮廓系数是综合反映类 中相似性和类间差异性的指标， 用轮廓系 数评价聚类质量， 确定合理的聚类数， 轮廓系数S 定义为： 式中:n表示样本总数； si表示样本i的轮廓系数； 其定义 为： 式中:xi表示类x中第i个样本与类x中其他样本的距离平均值， 表 征类中凝聚度； 计算xi 与除类x之外其 余所有类中样本距离的平均值， 并记yi为该平均值的最小值； 显然si和 S值都在[－1， 1]之间， 值越大， 聚类质量越高， 本文将利用轮廓系数来衡量聚 类质量， 根据轮廓系数的值， 选取最优的聚类数。权　利　要　求　书 2/2 页 3 CN 114266457 A 3