1、線損分析及智能評估系統(tǒng)目的和意義電能在傳輸和營銷過程中所產(chǎn)生的電能消耗和損失稱為線損。線損產(chǎn)生于輸 電、變電、配電、售電各個環(huán)節(jié)，線損率作為電力企業(yè)的重要綜合性經(jīng)濟(jì)指標(biāo)， 線損率有著重要的作用，它不僅能夠反映電力企業(yè)的經(jīng)濟(jì)性還能夠反映企業(yè)的盈 利率。線損直接體現(xiàn)了電網(wǎng)規(guī)劃設(shè)計的合理性，反應(yīng)了生產(chǎn)技術(shù)和運(yùn)營管理水平 的高低線。根據(jù)損耗的來源和特征的不同，可以將線損進(jìn)行分類，如圖1-1所示。固定損耗可變損耗管理損耗電能表線圈和鐵芯的損耗變壓器繞組中的損耗電流表電流線圈的損耗用戶違章用電和竊電損失營業(yè)中抄核收之差錯損失變壓器的空載損耗電容器的介質(zhì)損耗線路導(dǎo)線中的損耗電網(wǎng)元件漏電損失計量表計誤差損失理

2、論線損 （技術(shù)性損耗）管理線損 （非技術(shù)性損耗）圖1-1線損分類實際線損（或統(tǒng)計線損）通常指由電表抄錄值所提供的總發(fā)電量與售電量之 差，分為理論線損和管理線損。其中理論線損是電網(wǎng)本身結(jié)構(gòu)、設(shè)備決定的，電 能傳輸不可避免地造成損失，它主要與技術(shù)狀況、運(yùn)行方式、電網(wǎng)結(jié)構(gòu)有關(guān)，包 含各電力元件可變損耗部分及固定損耗部分?？勺儞p耗包括線路中的損耗、變壓 器繞組中的銅耗及電能表電流線圈中的損耗等，由于這些損耗的值與流過電流或 功率的平方成正比，所以是可變值；固定損耗包括變壓器的空載損耗（也稱為鐵 損）、電容器介質(zhì)損耗和電能表電壓線圈或鐵芯中的損耗等，這些損耗主要只受 兩端電壓的影響，所以是固定值。統(tǒng)計線

3、損的另一部分稱為管理線損，其中主要 包括電網(wǎng)元件中的漏電損耗、計量表誤差損耗、營業(yè)朝核收差錯損失及用戶竊電 損耗等。管理線損主要是由于電力企業(yè)在營銷過程中由于用戶管理不當(dāng)、計量誤 差等造成，取決于供電企業(yè)生產(chǎn)經(jīng)營活動中降損節(jié)能的管理水平。在我國電網(wǎng)損耗中，配電網(wǎng)損耗占了絕大部分。配電網(wǎng)長期資產(chǎn)利用率低， 經(jīng)濟(jì)運(yùn)行指標(biāo)低，網(wǎng)損嚴(yán)重，城鄉(xiāng)配電網(wǎng)損耗占總量的70%左右，配電自動化系 統(tǒng)覆蓋圍不到9%，遠(yuǎn)低于發(fā)達(dá)國家。所以，配電網(wǎng)線損分析及降損研究是電網(wǎng) 線損研究的重中之重。對此，國家能源局2015年提出了推進(jìn)配電自動化和智能 用電信息采集系統(tǒng)建設(shè)，實現(xiàn)配電網(wǎng)可觀可控，推動智能電網(wǎng)建設(shè)與互聯(lián)網(wǎng)深度 融

4、合的配電網(wǎng)建設(shè)改造行動計劃。但是，配電網(wǎng)具有地域分布廣、規(guī)模大、設(shè)備種類多、網(wǎng)架和運(yùn)行方式復(fù)雜 的顯著特點。隨著配電自動化、用電信息采集等應(yīng)用系統(tǒng)的推廣應(yīng)用，配電網(wǎng)中 產(chǎn)生了指數(shù)級增長的海量異構(gòu)、多態(tài)的數(shù)據(jù)，數(shù)據(jù)集合的規(guī)模已經(jīng)達(dá)到了大數(shù)據(jù) 級別。但是，圍繞配電網(wǎng)大數(shù)據(jù)的應(yīng)用缺乏，所以，如何有效利用、挖掘配電網(wǎng) 數(shù)據(jù)信息，提高配電網(wǎng)供電可靠性，實現(xiàn)配電網(wǎng)信息可控可觀，降低網(wǎng)損成為亟 待解決的問題。對此，本項目依托已有的數(shù)據(jù)資源，研究具備配電網(wǎng)態(tài)勢感知、智能線損分 析評估、故障定位等功能的配電網(wǎng)應(yīng)用系統(tǒng)。以精細(xì)化管理為實施載體，深化精 準(zhǔn)降損，建設(shè)一套可用的基礎(chǔ)數(shù)據(jù)完善、相關(guān)業(yè)務(wù)融合、數(shù)據(jù)共享貫通

5、、監(jiān)管落 地到位的線損可視化監(jiān)管分析系統(tǒng)，實現(xiàn)計量資產(chǎn)可視化、線損率變化可溯源、 降損任務(wù)可分解、專家輔助診斷全面、降損整改措施閉環(huán)、管理責(zé)任評價排名等 功能，全方位、多維度支撐管理降損和技術(shù)降損。國外線損分析研究現(xiàn)狀線損分為理論線損和管理線損兩類，目前國外的研究也集中于這兩個方面。 其中，理論線損包括變壓器空載損耗、電容器介質(zhì)損耗、線路導(dǎo)線的損耗等，是 由電網(wǎng)本身所決定的損耗，Chou Zhou1 等人根據(jù)負(fù)荷實測結(jié)果，用理論計算的 方法，對電網(wǎng)主網(wǎng)線損的構(gòu)成、分布及影響因素進(jìn)行了分析，但是該工作只針對 220KV以上的電網(wǎng)，并且理論計算沒有考慮用電站、電暈損失和其他輔助損耗。 Jakob

6、Sahlin2 等人建立了利用多元線性回歸和交換流模型對第二天的線損進(jìn) 行預(yù)測的模型，但是結(jié)果依賴于對輸入數(shù)據(jù)和交換流的準(zhǔn)確預(yù)測。管理線損包括竊電、計量表誤差、漏電等，其中，竊電占了絕大部分，所以， 國外的管理線損分析研究主要集中在竊電分析上。Bharat Dangar3等人提出了 一種使用極限學(xué)習(xí)機(jī)（ELM）、改進(jìn)ELM（OS-ELM）、支持向量機(jī)（SVM）三種算法 來進(jìn)行電力損耗識別、檢測和預(yù)測的電力損耗分析框架，并應(yīng)用于印度古吉拉特 邦GUVNL公司，減少由于竊電導(dǎo)致的配電損耗，取得了較好的成果SamWeckx4 等人提出了一種在未知或不確定電纜長度的智能電網(wǎng)過電網(wǎng)中的非法連接檢測 竊電

7、的算法，使用智能電表的測量值來識別電網(wǎng)參數(shù)，并檢測特定客戶的違規(guī)行 為。Yinghui Li5等人提出了基于BP神經(jīng)網(wǎng)絡(luò)的客戶消費(fèi)行為分析模型，利用 該模型可以計算出竊電的懷疑系數(shù)，并對電力用戶的信用等級進(jìn)行分類，并選取 了一些典型的企業(yè)，對竊電模型進(jìn)行了驗證，得出了一個可行的解決竊電問題的 思路。曾虎6首先利用模糊C均值（FCM）算法對負(fù)荷曲線進(jìn)行聚類，得到典型 特征曲線，再與用戶負(fù)荷曲線進(jìn)行匹配，篩選出疑似竊電用戶，再使用基于粒子 群算法優(yōu)化的SVM算法進(jìn)行進(jìn)一步檢測，準(zhǔn)確性較SVM算法高。綜上所述，目前 基于大數(shù)據(jù)的竊電研究仍然存在著問題，例如，需要大量的竊電樣本對模型進(jìn)行 訓(xùn)練，以提高

8、模型精度，但是竊電樣本通常都不多，導(dǎo)致準(zhǔn)確率不高。并且，用戶的用電行為可能會因為各種原因發(fā)生變化，所以即使用戶的用電發(fā)生變化，模 型計算得出的竊電用戶仍然需要工作人員進(jìn)一步確定，不能直接判定為竊電。研究容綜上所述，目前對于線損的研究大都處于理論研究層面，幾乎沒有針對配電 網(wǎng)線損，包括理論線損和管理線損的綜合分析，也沒有直接應(yīng)用于電網(wǎng)進(jìn)行線損 分析及降損研究。因此，本項目依托已有的數(shù)據(jù)資源，研究智能線損分析評估系 統(tǒng)，主要包括線損可視化展示、線損分析與評估兩個部分。研究容如下圖所示，地區(qū)線損監(jiān)測數(shù)據(jù)線損定位及智能診斷系統(tǒng)線損可視化 展示線損因素評估數(shù)據(jù)地區(qū)線損排序情況理論線損分析理論計算方法 智

9、能評估方法線損分析與評估管理線損分析決策樹典型特征分析異常用電檢測竊電檢測平均電流法等值電阻法聚類算法隨機(jī)森林決策樹算法關(guān)聯(lián)關(guān)系分析Apriori算法圖3-1研究容3.1線損可視化展示可視化展示主要展示線損分布，線損數(shù)據(jù)圖表以及各地區(qū)線損分類排行?？?分為以下三個部分：開發(fā)基于三維GIS的配電網(wǎng)監(jiān)視與管理信息系統(tǒng)、配電網(wǎng)狀態(tài)實時感知 系統(tǒng)和大數(shù)據(jù)智慧圖表統(tǒng)計系統(tǒng)。利用配電網(wǎng)實時監(jiān)測數(shù)據(jù)及電網(wǎng)拓?fù)浣Y(jié)構(gòu)，結(jié) 合日損耗、月?lián)p耗數(shù)據(jù)，監(jiān)測配電網(wǎng)線損情況，并以熱力圖形式展示線損總體分 布。利用決策樹等分類算法對線損進(jìn)行分線、分壓、分臺區(qū)精細(xì)化分類，結(jié) 合三維GIS和實時3D可視化技術(shù)，展示各地區(qū)線損分類

10、排行，生成線損數(shù)據(jù)圖 表。當(dāng)工作人員通過熱力圖點擊進(jìn)入GIS地圖時，可以在線路沿布圖、SVG單線 圖可視化查看線損相關(guān)指標(biāo)數(shù)據(jù)及線損原因。結(jié)合線損分析與評估模塊輸出的數(shù)據(jù)，利用echarts等技術(shù)結(jié)合百度地 圖坐標(biāo)點分線、分壓、分臺區(qū)展現(xiàn)全省綜合線損率指標(biāo)變化及各地綜合線損率指 標(biāo)排名，以及線損指標(biāo)之間的關(guān)聯(lián)關(guān)系，方便管理層直觀觀察高損區(qū)域、綜合線 損率指標(biāo)變化態(tài)勢，輔助制訂降損方案等決策。3.2線損分析與評估該模塊主要從基礎(chǔ)數(shù)據(jù)、設(shè)備監(jiān)測、采集監(jiān)測、通信監(jiān)測、運(yùn)行方式五個維 度全方面實現(xiàn)對電氣設(shè)備線損狀況的監(jiān)測管控，找出線損異常原因，為異常線損 治理找準(zhǔn)“脈搏”，從而采取適當(dāng)?shù)募夹g(shù)措施、管理

11、措施實現(xiàn)降損的目標(biāo)。線損 分析與評估主要分為三個部分，分別為理論線損分析、管理線損分析和線損關(guān)聯(lián) 關(guān)系分析。理論線損分析的目的是找出導(dǎo)致線損異常的發(fā)生故障的設(shè)備，管理線 損分析的目的是分析設(shè)備管理異?；蛘哂脩艄芾聿划?dāng)產(chǎn)生的線損，關(guān)聯(lián)關(guān)系分析 的目的在于找出線損、地區(qū)和設(shè)備、時間之間的關(guān)聯(lián)關(guān)系，為電力公司降損和電 網(wǎng)運(yùn)行檢測提供指導(dǎo)。3.2.1理論線損分析理論線損的分析目前主要有兩種方式，一種是基于電網(wǎng)潮流斷面、拓?fù)浣Y(jié)構(gòu)、 系統(tǒng)參數(shù)構(gòu)成的電網(wǎng)理論線損計算與分析模型，另一種是利用大數(shù)據(jù)理論，使用 機(jī)器學(xué)習(xí)算法建立線路理論線損評估模型。3.2.1.1理論計算與分析電網(wǎng)理論線損計算模型是分層構(gòu)建的，涵

12、蓋主網(wǎng)主接線圖、廠站站接線圖、 配電網(wǎng)單線圖以及低壓臺區(qū)接線圖。結(jié)合電網(wǎng)運(yùn)行數(shù)據(jù)(包括負(fù)荷、母線電壓、 電量和電網(wǎng)運(yùn)行方式數(shù)據(jù))，實現(xiàn)主網(wǎng)、配電網(wǎng)和低壓網(wǎng)的全電壓等級線損理論 計算。參照計算評估標(biāo)準(zhǔn)對計算結(jié)果進(jìn)行評估，按照“四分”原則進(jìn)行數(shù)據(jù)匯總， 定制生成電網(wǎng)理論線損計算匯總統(tǒng)計報表及電網(wǎng)理論線損計算分析報告。理論線損計算是基于電網(wǎng)實時監(jiān)測裝置監(jiān)測的海量數(shù)據(jù)，結(jié)合電網(wǎng)拓?fù)浣Y(jié) 構(gòu)，運(yùn)行方式以及系統(tǒng)參數(shù)等數(shù)據(jù)，計算各電網(wǎng)元件電能損耗量。整個電力網(wǎng)電 能損耗計算可以分解為如下元件的電能損耗計算：35kV及以上交流線路及變壓器。20kV交流線路及公用配電變壓器。10kV交流線路及公用配電變壓器。6k

13、V交流線路及公用配電變壓器。0.4kV及以下電力網(wǎng)。其他交流元件，如并聯(lián)電容器、并聯(lián)電抗器、調(diào)相機(jī)、電壓互感器和站用變壓器等。7）直流線路、接地極系統(tǒng)和換流站（如換流變壓器、換流閥、交流濾波器、 平波電抗器、直流濾波器、并聯(lián)電抗器、并聯(lián)電容器和站用變壓器）等高壓直流 輸電系統(tǒng)。理論計算方法主要有平均電流法、等值電阻法等。通過理論計算各電網(wǎng)元件 的理論線損量，可以找出導(dǎo)致線損異常的設(shè)備，實現(xiàn)線損異常定位。理論線損率表達(dá)式為理論線損率=（本網(wǎng)理論線損電量/計算供電 量）X100%。3.2.1.2智能線損評估由于理論計算存在著假設(shè)簡單，計算復(fù)雜等缺點，因此提出了利用大數(shù)據(jù)方 法對線損進(jìn)行預(yù)測估計的方

14、法來進(jìn)行補(bǔ)充。基于大數(shù)據(jù)的智能線損評估，首先要 利用電力公司線損系統(tǒng)、生產(chǎn)管理系統(tǒng)（PMS）、營銷系統(tǒng)（CMS）的多源數(shù)據(jù)， 構(gòu)建線損特征數(shù)據(jù)庫，然后再利用基于聚類算法的隨機(jī)森林算法模型進(jìn)行線損評 估。將評估結(jié)果與理論計算結(jié)果進(jìn)行比較，幫助工作人員確定線損異常原因。 3.2.2管理線損分析管理線損是由電力公司在營銷管理過程中由于管理不當(dāng)造成的電能損失，主 要由設(shè)備信息異常、通信異常和竊電損失造成。3.2.2.1設(shè)備信息異常和通信異常集成GIS、營銷、計量系統(tǒng)基礎(chǔ)臺賬數(shù)據(jù)，利用決策樹分類算法實現(xiàn)GIS與 營銷、GIS與計量、營銷與計量三個系統(tǒng)變電站、線路、配變數(shù)據(jù)的分類與匹配， 分析各系統(tǒng)間設(shè)備

15、臺賬一致率、匹配率，從而進(jìn)行針對性治理設(shè)備信息異常和通 信異常，提高基礎(chǔ)數(shù)據(jù)準(zhǔn)確性，減少不必要的電能損失。主要步驟為：（1）集成GIS、營銷、計量三個業(yè)務(wù)系統(tǒng)的基礎(chǔ)臺賬，利用決策樹算法進(jìn) 行分類，實現(xiàn)基礎(chǔ)臺賬的一致性匹配檢查。（2）按區(qū)域?qū)I(yè)務(wù)系統(tǒng)數(shù)據(jù)匹配情況進(jìn)行圖表展現(xiàn)。（3）對不匹配數(shù)據(jù)提供逐級鉆取功能，分析不匹配數(shù)據(jù)原因。3.2.2.2竊電分析竊電損失作為管理線損的重要組成部分，每年都會給國家?guī)砭薮蟮慕?jīng)濟(jì)損 失，據(jù)統(tǒng)計，在美國，電力公司每年會因為竊電而損失大約60億美元，而我國 每年因為竊電造成的經(jīng)濟(jì)損失有200億元，竊電不僅損害了國家和供電企業(yè)的經(jīng) 濟(jì)利益，而且嚴(yán)重影響了社會經(jīng)濟(jì)的正

16、常發(fā)展。同時，竊電還存在著比較大的安 全隱患，影響著電網(wǎng)的安全運(yùn)行，如造成線路短路，引發(fā)火災(zāi)，給其他用戶的正 常用電帶來了較大影響。竊電分析主要分為三個部分組成，典型用電特征分析、異常用電檢測和竊電檢測。主要流程如圖3-2所示，典型用電特征異常用電檢測竊電檢聚類層級分類歐氏距離相關(guān)系數(shù)SVR PSO用戶分類特征匹配檢測算圖3-2竊電分析流程圖首先，利用基于決策樹思想的層級分類法結(jié)合聚類算法，利用電壓等級、年 用電負(fù)荷特征、日用電負(fù)荷特征分別作為三級分類節(jié)點，分別對海量用電數(shù)據(jù)進(jìn) 行精細(xì)化分類，挖掘典型用電特征。選擇電壓等級為第一級節(jié)點，對用戶進(jìn)行分類；挖掘年負(fù)荷曲線特征屬性，例如負(fù)荷率，假期用

17、電差異，峰谷用電差異等， 作為第二級節(jié)點，對用戶進(jìn)行聚類；挖掘日負(fù)荷曲線特征屬性，例如負(fù)荷率，峰谷用電等，作為第三級節(jié)點， 對用戶進(jìn)行聚類；分析用戶典型用電特征。其次，利用特征匹配法對比典型用電特征與用戶或計量點用電行為特征，檢 測異常用電；最后，利用基于SVM算法(Support Vector Machine, SVM)改進(jìn)的支持向 量機(jī)回歸算法(Support Vector Regression, SVR)，并利用粒子群算法(Particle Swarm Optimization, PSO)對其進(jìn)行優(yōu)化，建立竊電檢測模型，對異常用電用 戶或計量點的竊電行為作進(jìn)一步檢測。3.3關(guān)聯(lián)關(guān)系分析將

18、理論線損分析模塊和管理線損分析模塊得出的線損分析數(shù)據(jù)(包括線損 率、線損原因)集成線損特征數(shù)據(jù)庫，利用決策樹算法將線損按照分線、分壓、 分臺區(qū)以及線損原因進(jìn)行分類，得出各地區(qū)線損分類排行，將數(shù)據(jù)導(dǎo)入可視化模 塊，通過GIS地圖進(jìn)行綜合展示，地圖顯示界面同時含各線損因素評估數(shù)據(jù)，各 地區(qū)線損排序情況等直觀報表。將分類后的線損數(shù)據(jù)利用Apriori關(guān)聯(lián)算法進(jìn)行關(guān)聯(lián)分析，結(jié)合電力系統(tǒng)物 理特征，構(gòu)建關(guān)聯(lián)規(guī)則，進(jìn)行綜合評估，形成各級線損產(chǎn)生因素及其占比。關(guān)聯(lián) 法則分析是一種從事物數(shù)據(jù)集中挖掘頻繁項集的工具，旨在揭示事物之間存在的 關(guān)聯(lián)關(guān)系。線損的關(guān)聯(lián)分析用于分析線損各因素、物理連接關(guān)系或各項線損之間

19、存在的相關(guān)關(guān)系和關(guān)聯(lián)規(guī)律，可用于研究線損的產(chǎn)生相關(guān)關(guān)系或線損之間的相關(guān) 關(guān)系。可以對電力公司電網(wǎng)運(yùn)行、檢測、降損提供重要的指導(dǎo)作用。主要技術(shù)理論4.1理論線損分析4.1.1理論計算（1）平均電流法平均電流法的基本思想為：一段時間平均電流在線路中損耗掉的電能與在相 同時間段實際負(fù)荷電能的損耗是相等的。線損計算時要乘以小于1的修正系數(shù)， 就是為了減少等效帶來的誤差。計算公式為：(4-1)式中，口代表日線路損耗電量，R為線路電阻，t為線路實際運(yùn)行時間，口 代表日平均電流，K為形態(tài)系數(shù)。優(yōu)點：算法簡單，只需要知道平均電流和計算出形狀系數(shù)就可W求得線損； 電量較容易獲得，并且形態(tài)系數(shù)有一定的公式可循，省

20、去了大量計算工作量。缺點：沒有考慮負(fù)荷曲線變化帶來的誤差；形態(tài)系數(shù)值大小和負(fù)荷曲線有密 切的關(guān)系，形態(tài)系數(shù)伴隨負(fù)荷曲線變化而變化；計算中只考慮負(fù)荷季度的變化， 不考慮負(fù)荷晝夜的變化，這必然降低計算結(jié)果的精準(zhǔn)性。（2）等值電阻法基本思想是在低壓配電線路首端假設(shè)一個等值的線路電阻，該等值電阻產(chǎn)生 的損耗等于各個分段線路分段電阻在同時間產(chǎn)生的損耗。已知線路首端的電流、 電壓和負(fù)荷數(shù)據(jù)時，可以計算出首端代表日平均電流匾面，平均電壓四和形態(tài) 系數(shù)K。根據(jù)線路上各節(jié)點日平均有功電能求得各節(jié)點的平均電流為:（4-2）已知各個線路段的平均電流和電阻，可以計算出各個線路段代表日損耗電 能，公式為：蜘們-3械網(wǎng)時

21、x 24x1。T（4-3）等值電阻的優(yōu)點：改進(jìn)的均方根電流方法，解決了低壓配電網(wǎng)線損難計算的 問題；不需要收集很多數(shù)據(jù)，根據(jù)配電網(wǎng)結(jié)構(gòu)參數(shù)計算出等值電阻后就可以進(jìn)行 線損的計算；當(dāng)配電網(wǎng)結(jié)構(gòu)沒發(fā)生變化時等值電阻可直接使用。等值電阻的缺點：推導(dǎo)等值電阻時，沒有考慮實際負(fù)荷情況和三相不平衡對 線損的影響，從而該等值電阻求出的線損存在一定的誤差。4.1.2基于聚類的隨機(jī)森林算法隨機(jī)森林算法是一種集成學(xué)習(xí)算法，它是一系列的回歸樹的集合，其輸出是 所有回歸樹的預(yù)測值的平均值。隨機(jī)森林算法采用自助重采樣技術(shù)，克服了回歸 樹的過擬合問題，大幅提高了模型的性能；而且能夠處理高維度數(shù)據(jù)，適用于數(shù) 值型變量和類別

22、型變量；可以并行化處理，以適應(yīng)大數(shù)據(jù)集。隨機(jī)森林算法的步 驟如下：設(shè)訓(xùn)練集中預(yù)測變量為X=x1，x2,，xn，響應(yīng)變量為Y=y1，y2,， yn；對b=1， 2，bs重復(fù)步驟c、d；通過自助重抽樣技術(shù)從X、Y中隨機(jī)選擇一個子樣本集Xb、Yb作為訓(xùn)練 集；對Xb、Yb訓(xùn)練一個回歸樹模型rfb。在回歸樹的訓(xùn)練中，采用分類回歸樹CART (Classification And Regression Tree)算法。它是一種二分遞歸分割的技術(shù)，將當(dāng)前的訓(xùn)練集分成2個子訓(xùn)練 集，使得生成的樹的每個非葉子節(jié)點都有2個分支。非葉子節(jié)點代表特征，葉子 節(jié)點就是樹模型給出的預(yù)測值。基于聚類的隨機(jī)森林模型如圖4-

23、1所示，首先要利用電力公司線損系統(tǒng)、生產(chǎn)管理系統(tǒng)(PMS)營銷系統(tǒng)(CMS)的多 源數(shù)據(jù)，構(gòu)建線損特征數(shù)據(jù)庫。其次，對于分類部分，從線損特征數(shù)據(jù)庫中選擇相應(yīng)的特征，然后利用層次 聚類算法進(jìn)行聚類分析。對已經(jīng)分好類的臺區(qū)，利用決策樹算法進(jìn)行精細(xì)分類， 建立分類模型，用于線損率估計部分。最后，對于估計模型部分，首先根據(jù)臺區(qū)類型選擇相應(yīng)的臺區(qū)特征輸入隨機(jī) 森林算法，算法輸出相應(yīng)臺區(qū)的隨機(jī)森林模型，最后給出各類臺區(qū)的估計模型。 估計模型估計的是連續(xù)變量，采用平均絕對誤差MAE (Mean Absolute Error)和 標(biāo)準(zhǔn)化均方誤差NMSE (Normalized Mean Squared Err

24、or)指標(biāo)衡量。圖4-1基于聚類的隨機(jī)森林模型4.2竊電分析竊電分析主要分為三個部分組成，典型用電特征分析、異常用電檢測和竊電 檢測。4.2.1典型用電特征分析典型用電特征分析的核心就是對用戶進(jìn)行精細(xì)化分類。本項目擬采用基于決 策樹思想的層級分類結(jié)合聚類算法的方法對海量用戶進(jìn)行精細(xì)化分類。（1）層級分類法層級分類法是基于決策樹思想的新型分類方法。它的主要思想就是運(yùn)用不同 的節(jié)點將海量用戶不斷細(xì)分，類似于一個樹杈形狀。該方法的重點在于節(jié)點的選 取，節(jié)點一定要具有科學(xué)性、可操作性。本項目中擬采用的節(jié)點如下：選擇電壓等級為第一級節(jié)點，對用戶進(jìn)行分類；挖掘年負(fù)荷曲線特征屬性，例如負(fù)荷率，假期用電差異，

25、峰谷用電差異等， 作為第二級節(jié)點，對用戶進(jìn)行聚類；挖掘日負(fù)荷曲線特征屬性，例如負(fù)荷率，峰谷用電等，作為第三級節(jié)點， 對用戶進(jìn)行聚類。（2）FCM算法FCM算法是一種基于劃分的聚類算法，它的思想就是使得被劃分到同一簇的 對象之間相似度最大，而不同簇之間的相似度最小。模糊C均值算法是普通C 均值算法的改進(jìn)，普通C均值算法對于數(shù)據(jù)的劃分是硬性的，而FCM則是一種柔 性的模糊劃分。FCM算法步驟如下：步驟1：用值在0，1間的隨機(jī)數(shù)初始化隸屬矩陣U，使其滿足式（4-4）中 的約束條件。Z二 = IF = 1n(4-4)步驟2：用式（4-5）計算c個聚類中心ci,i=1,，c。-1%(4-5)（4-6）步

26、驟3：根據(jù)式（4-6）計算價值函數(shù)。如果它小于某個確定的閥值，或它 相對上次價值函數(shù)值的改變量小于某個閥值，則算法停止，否則繼續(xù)步驟4。其中，舊表示第i個聚類中心與第j個數(shù)據(jù)點之間的歐幾里得距離。步驟4：用式（4-7）計算新的U矩陣。返回步驟2。（4-7）4.2.2異常用電檢測異常用電檢測，其實就是通過比對用戶用電行為與典型特征，如果相差過大 則說明該用戶用電行為發(fā)生了改變，即判定為異常用電。通過對用戶進(jìn)行精細(xì)化 分類，得到典型用電特征，反映了用戶正常用電情況下的用電特征，通過計算用 戶的日負(fù)荷曲線與其日負(fù)荷特征曲線相似性就可以篩選出疑似異常用電用戶，然 后再比對該類用戶的其他用電特征，便可以

27、得出異常用電用戶。由于用戶的負(fù)荷曲線是由一系列與時間順序的相關(guān)的負(fù)荷值所組成的，因此 可以采用基于時間序列的相似性來度量來判斷兩條曲線之間的匹配度。常用的相 似性度量有相關(guān)系數(shù)和歐氏距離。（1）基于相關(guān)系數(shù)的相似性度量相關(guān)系數(shù)反映的是變量之間線性相關(guān)度的一種度量。通過相關(guān)系數(shù)我們就可 以知道兩條曲線之間的變化趨勢。在用戶正常的用電情況下，用戶的負(fù)荷變化一 般會有一定的規(guī)律，因此可以采用相關(guān)系數(shù)作為評價用戶負(fù)荷曲線與其負(fù)荷特征 曲線之間的相似性。假設(shè)用戶考察日的負(fù)荷曲線為X二（口,），用戶日負(fù)荷特征曲線為E；= A*廣 也二皿-於翼叫-矛L=（MT）則相關(guān)系數(shù)r為:（4-8）通過計算兩條負(fù)荷曲線

28、之間的相關(guān)系數(shù)我們就可以判斷曲線的變化趨勢。若 相關(guān)系數(shù)越大大，則說明兩條曲線之間的相似度越大；若相關(guān)系數(shù)越小，則說明 兩條曲線之間的相似度越小，越有竊電的嫌疑。（2）基于歐氏距離的相似性度量歐氏距離可以看作是多維空間點與點的幾何距離。歐氏距離側(cè)重于考慮了兩條曲線在值上的相關(guān)性。兩條負(fù)荷曲線之間的歐氏距離為:(4-9)當(dāng)兩條負(fù)荷曲線之間的歐氏距離越大時，則說明曲線之間的相似性越小，越 有竊電的嫌疑；當(dāng)兩條負(fù)荷曲線之間的歐氏距離越小時，則說明曲線之間的相似 性越大，竊電嫌疑越小。本項目在進(jìn)行相似性度量之后，若有竊電嫌疑，要再與該類用戶其他典型特 征進(jìn)行匹配，例如學(xué)校在假期時用電減少，但不能判定為

29、異常用電。4.2.3基于PSO優(yōu)化的SVR竊電檢測模型支持向量機(jī)回歸(Support Vector Regression, SVR)是用于解決回歸問題 的支持向量機(jī)。它是建立在支持向量機(jī)(Support Vector Machine, SVM)的原理 上的，廣泛用于預(yù)測、異常檢測等領(lǐng)域，與BP神經(jīng)網(wǎng)絡(luò)相比，不會受到樣本的 影響而陷入局部最優(yōu)解。SVR的基本思想如下：設(shè)訓(xùn)練樣本集為(x1,y1),(x2,y2),，(xn,yn)，xi位m維向量，yi為對 應(yīng)的目標(biāo)值，線性回歸函數(shù)為|廣偵)=巧尤+珥，我們需要尋找可使得f(x)與之間的差值最小，所以線性回歸問題可以轉(zhuǎn)換成約束條件下的最優(yōu)解問題。采

30、用 拉格朗日乘子法求解約束問題，最后得到的線性回歸函數(shù)為：() 一 ；= 1何廠匕)(矽+ 0(4-10)引入核函數(shù)匝止絲頊也，最后求得非線性擬合函數(shù)為:f (工)-：=產(chǎn)(氣閔(踞-” ；)+ &(4-11)粒子群算法(Particle Swarm Optimization, PSO)來源于鳥類覓食過程的 模擬和研宄。它的基本思想是通過群體之間的協(xié)作和信息共享來尋找最優(yōu)解。粒 子群算法具有記憶特點，可以動態(tài)跟蹤當(dāng)前的搜索狀態(tài)，調(diào)整搜索策略。粒子群 算法相對于其他算法來說比較簡單，收斂速度比較快，而且具有較好的全局搜索 性。PSO-SVR算法的流程如下圖所示:圖4-2 PSO-SVR算法的流程

31、圖PSO-SVR算法的主要步驟如下：Step 1：選擇訓(xùn)練樣本數(shù)據(jù);Step 2：設(shè)置PSO的相關(guān)參數(shù)，如種群規(guī)模、慣性權(quán)重系數(shù)、迭代終止條件、 粒子的速度和位置的圍；Step 3：初始化粒子種群，包括每個粒子的初始位置和初始速度；Step 4 :通過訓(xùn)練樣本數(shù)據(jù)以及粒子的位置參數(shù)建立SVR模型，并計算其 k-折交叉驗證的平均均方誤差作為每個粒子的適應(yīng)度函數(shù)值；Step 5：對每個粒子更新其當(dāng)前最優(yōu)位置以及粒子群的全局最優(yōu)位置；Step 6：更新每個粒子的速度以及位置；Step 7：判斷是否結(jié)束，若結(jié)束，則輸出最優(yōu)參數(shù)，否則跳轉(zhuǎn)到Step 4；Step 8：將最優(yōu)參數(shù)帶入到SVR模型中并通過樣

32、本數(shù)據(jù)進(jìn)行訓(xùn)練得到 SVR模型，此時所建立的模型即為優(yōu)化后的模型。4.3 Apriori關(guān)聯(lián)算法Apriori算法是一種逐層搜索的迭代式算法，其中k項集用于挖掘(k+1 )項 集，這是依靠它的先驗性質(zhì)的：頻繁項集的所有非空子集一定是也是頻繁的。通 過這個性質(zhì)可以對候選集進(jìn)行剪枝。用k項集如何生成(k+1)項集呢，這個是算 法里面最難也是最核心的部分。這需要通過以下步驟：(1)連接步。此步驟用于從頻繁k-1項集集合產(chǎn)生候選k項集集合。為了 計算出Lk，根據(jù)Apriori性質(zhì)，需要從Lk-1選擇所有可連接的對連接產(chǎn)生候選 k項集的集合，記作Ck。假設(shè)項集中的項按字典序排序，則可連接的對是指兩個 頻繁項集僅有最后一項不同。例如，若Lk-1的元素11和12是可連接的，則11 和l2兩個項集的k-1個項中僅有最后一項不同，這個條件僅僅用于保證不產(chǎn)生 重復(fù)。（2）剪枝步。此步驟用于快速縮小Ck包含的項集數(shù)目。由Apriori性質(zhì)可 得，任何非頻繁的（k-1）項集都不是頻繁k項