本發(fā)明涉及線損檢測(cè)，特別涉及一種電網(wǎng)線損等級(jí)分類方法、系統(tǒng)與設(shè)備。

背景技術(shù)：

1、近年來，隨著電力系統(tǒng)的持續(xù)演進(jìn)，傳統(tǒng)的線損檢測(cè)手段已逐漸無法適應(yīng)現(xiàn)代電力網(wǎng)絡(luò)的需求。在這一背景下，大數(shù)據(jù)技術(shù)的引入成為電力行業(yè)發(fā)展的必然趨勢(shì)，為行業(yè)帶來了深刻的變革。其中，線損等級(jí)分類作為線損檢測(cè)的核心環(huán)節(jié)，受到了業(yè)界的廣泛關(guān)注。

2、線損等級(jí)分類在電力系統(tǒng)中具有舉足輕重的地位，它不僅能夠迅速揭示線路損失的程度，還為電力企業(yè)提供了管理和評(píng)估線路損失的關(guān)鍵依據(jù)。通常，線損等級(jí)被細(xì)分為五個(gè)層級(jí)：嚴(yán)重線損、較大線損、一般線損、輕微線損以及無線損。在機(jī)器學(xué)習(xí)領(lǐng)域，這種分類任務(wù)屬于模糊單調(diào)有序分類范疇，它要求特征值與決策值之間具備明確的偏好和模糊單調(diào)性約束。

3、然而，在實(shí)際的電網(wǎng)線損等級(jí)分類過程中，所獲取的數(shù)據(jù)集往往同時(shí)包含了模糊單調(diào)屬性和非單調(diào)屬性，這兩類特征對(duì)于精準(zhǔn)判斷線損等級(jí)都至關(guān)重要。遺憾的是，當(dāng)前的主流分類算法往往忽略了這種模糊單調(diào)有序的先驗(yàn)知識(shí)，或僅完全側(cè)重于處理模糊單調(diào)的特征，在一定程度上制約了線損等級(jí)分類的精確性和可解釋性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提供一種電網(wǎng)線損等級(jí)分類方法、系統(tǒng)與設(shè)備，以解決現(xiàn)有技術(shù)中，由于當(dāng)前的主流分類算法往往忽略了這種模糊單調(diào)有序的先驗(yàn)知識(shí)，或僅完全側(cè)重于處理模糊單調(diào)的特征，在一定程度上制約了線損等級(jí)分類的精確性的問題。

2、本發(fā)明具體提供如下技術(shù)方案：一種電網(wǎng)線損等級(jí)分類方法，包括如下步驟：

3、獲取電網(wǎng)在線損檢測(cè)時(shí)的混合數(shù)據(jù)；所述混合數(shù)據(jù)包括電網(wǎng)線路的損耗電量；

4、通過模糊單調(diào)性判別準(zhǔn)則對(duì)混合數(shù)據(jù)進(jìn)行分析，將所述混合數(shù)據(jù)所有屬性a劃分為模糊單調(diào)的規(guī)則屬性b和非單調(diào)常規(guī)屬性c；

5、分別使用模糊互信息fmi和模糊有序互信息frmi度量混合數(shù)據(jù)中常規(guī)屬性和規(guī)則屬性的重要度；

6、通過常規(guī)屬性的重要度與閾值大小關(guān)系，獲取規(guī)則屬性b的最優(yōu)分割點(diǎn)和非單調(diào)常規(guī)屬性c的最優(yōu)分割點(diǎn)，并根據(jù)兩種所述最優(yōu)分割點(diǎn)進(jìn)行分叉，并通過所有的分叉構(gòu)建二叉決策樹；

7、通過所述二叉決策樹對(duì)待分類電網(wǎng)線損檢測(cè)的混合數(shù)據(jù)進(jìn)行模糊單調(diào)一致性判斷，通過模糊單調(diào)一致性判斷結(jié)果獲得電網(wǎng)線損等級(jí)分類結(jié)果。

8、優(yōu)選的，所述通過模糊單調(diào)性判別準(zhǔn)則對(duì)混合數(shù)據(jù)進(jìn)行分析，將所述混合數(shù)據(jù)所有屬性a劃分為模糊單調(diào)的規(guī)則屬性b和非單調(diào)常規(guī)屬性c，包括如下步驟：

9、將可能度作為模糊隸屬度，通過所述可能度對(duì)混合數(shù)據(jù)所有屬性a按屬性值的排序進(jìn)行判定；

10、基于排序結(jié)果，獲取模糊排序不一致率，根據(jù)所述模糊排序不一致率評(píng)估混合數(shù)據(jù)屬性的模糊單調(diào)性，將所述混合數(shù)據(jù)屬性劃分為模糊單調(diào)的規(guī)則屬性b和非單調(diào)常規(guī)屬性c。

11、優(yōu)選的，所述將可能度作為模糊隸屬度，通過所述可能度對(duì)混合數(shù)據(jù)所有屬性a按屬性值的排序進(jìn)行判定，具體為：

12、獲取模糊有序集合具體表達(dá)式為：

13、

14、通過所述模糊有序集合獲取每一個(gè)條件屬性的可能度其中，可能度為xi優(yōu)于xj的可能度，v(xi,a)和v(xj,a)為兩個(gè)樣例xi和xj在條件屬性a上的屬性取值，g為常數(shù)，i,j∈[1,n]，n為常數(shù)。

15、優(yōu)選的，根據(jù)所述模糊排序不一致率評(píng)估混合數(shù)據(jù)所有屬性的模糊單調(diào)性，將所述混合數(shù)據(jù)屬性劃分為模糊單調(diào)的規(guī)則屬性b和非單調(diào)常規(guī)屬性c，包括如下步驟：

16、通過所述可能度獲取前向模糊排序不一致的值具體表達(dá)式為：

17、

18、其中，a∈a為條件屬性，d為決策屬性，u為所有數(shù)據(jù)的樣例集合，n為樣例的個(gè)數(shù)，為在a上的屬性取值大于xi在a上取值的所有樣例集合，為在決策屬性d上大于xi的決策值的所有樣例集合；

19、通過所述可能度獲取后向模糊排序不一致的值具體表達(dá)式為：

20、

21、其中，為在a上的屬性取值小于xi在a上取值的所有樣例集合，為在決策屬性d上小于xi的決策值的所有樣例集合；

22、通過所述前向模糊排序不一致的值和后向模糊排序不一致的值獲取模糊排序不一致差值具體表達(dá)式為：

23、

24、通過所述模糊排序不一致差值的大小判斷數(shù)據(jù)的屬性的模糊單調(diào)性和非單調(diào)性，即劃分為模糊單調(diào)的規(guī)則屬性b和非單調(diào)常規(guī)屬性c。

25、優(yōu)選的，通過所述模糊排序不一致差值的大小判斷數(shù)據(jù)屬性的模糊單調(diào)性和非單調(diào)性，包括如下步驟：

26、若則判定數(shù)據(jù)在條件屬性a上是模糊單調(diào)一致的，即為模糊單調(diào)的規(guī)則屬性，否則為非單調(diào)常規(guī)屬性；其中δ為模糊單調(diào)性閾值；

27、若時(shí)，數(shù)據(jù)在條件屬性a上為模糊單調(diào)遞減；時(shí)，數(shù)據(jù)在條件屬性a上為模糊單調(diào)遞增，此時(shí)獲得模糊單調(diào)的規(guī)則屬性。

28、優(yōu)選的，所述通過常規(guī)屬性的重要度與閾值大小關(guān)系，獲取規(guī)則屬性b的最優(yōu)分割點(diǎn)和非單調(diào)常規(guī)屬性c的最優(yōu)分割點(diǎn)，并根據(jù)兩種所述最優(yōu)分割點(diǎn)進(jìn)行分叉，并通過所有的分叉構(gòu)建二叉決策樹，包括如下步驟：

29、將常規(guī)屬性ai取值進(jìn)行二值化，獲取最大化的模糊互信息fmi值，并將最大化的模糊互信息fmi值作為常規(guī)屬性的重要度；

30、如果常規(guī)屬性的重要度大于閾值t，則選取常規(guī)屬性的取值作為分割點(diǎn)，并以最佳分割點(diǎn)c*進(jìn)行分叉；

31、如果常規(guī)屬性的重要度小于閾值t，則選擇最大化的模糊有序互信息frm?i的最大值進(jìn)行規(guī)則屬性選取，作為最佳分割點(diǎn)b*進(jìn)行分叉；

32、根據(jù)所述最佳分割點(diǎn)c*或b*進(jìn)行分叉，且對(duì)獲取最佳分割點(diǎn)的過程進(jìn)行迭代，使用所有的分叉構(gòu)建二叉決策樹。

33、優(yōu)選的，所述以最佳分割點(diǎn)c*進(jìn)行分叉，具體為：

34、獲取最佳分割點(diǎn)c*；具體表達(dá)式為：

35、

36、選取非單調(diào)常規(guī)屬性c作為擴(kuò)展屬性，具體表達(dá)式為：

37、

38、其中，i,j∈[1,n]，n為常數(shù)，d為決策屬性，a為條件屬性。

39、優(yōu)選的，所述選擇最大化的模糊有序互信息frmi的最大值進(jìn)行規(guī)則屬性選取，對(duì)應(yīng)的最佳分割點(diǎn)b*進(jìn)行分叉，包括如下步驟：

40、選取規(guī)則屬性對(duì)應(yīng)的最優(yōu)割點(diǎn)bj*，具體表達(dá)式為：

41、

42、選取規(guī)則屬性b作為擴(kuò)展屬性，具體表達(dá)式為：

43、

44、其中，bj為分割點(diǎn)。

45、本發(fā)明提供一種電網(wǎng)線損等級(jí)分類系統(tǒng)，包括：

46、數(shù)據(jù)獲取模塊，用于獲取電網(wǎng)在線損檢測(cè)時(shí)的混合數(shù)據(jù)；所述混合數(shù)據(jù)包括電網(wǎng)線路的損耗電量；

47、判斷模塊，用于通過模糊單調(diào)性判別準(zhǔn)則對(duì)混合數(shù)據(jù)進(jìn)行分析，將所述混合數(shù)據(jù)所有屬性a劃分為模糊單調(diào)的規(guī)則屬性b和非單調(diào)常規(guī)屬性c；

48、重要度獲取模塊，用于分別使用模糊互信息fmi和模糊有序互信息frmi度量混合數(shù)據(jù)中常規(guī)屬性和規(guī)則屬性的重要度；

49、決策樹構(gòu)建模塊，用于通過常規(guī)屬性的重要度與閾值大小關(guān)系，獲取規(guī)則屬性b的最優(yōu)分割點(diǎn)和非單調(diào)常規(guī)屬性c的最優(yōu)分割點(diǎn)，并根據(jù)兩種所述最優(yōu)分割點(diǎn)進(jìn)行分叉，并通過所有的分叉構(gòu)建二叉決策樹；

50、分類模塊，用于通過所述二叉決策樹對(duì)待分類電網(wǎng)線損檢測(cè)的混合數(shù)據(jù)進(jìn)行模糊單調(diào)一致性判斷，通過模糊單調(diào)一致性判斷結(jié)果獲得電網(wǎng)線損等級(jí)分類結(jié)果。

51、本發(fā)明提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器及處理器，所述存儲(chǔ)器中儲(chǔ)存有程序，所述程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行所述一種電網(wǎng)線損等級(jí)分類方法的步驟。

52、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下顯著優(yōu)點(diǎn)：

53、本發(fā)明基于模糊單調(diào)性判別準(zhǔn)則算法，量化分析線損大數(shù)據(jù)中的模糊單調(diào)性特征與非單調(diào)性特征，基于這一評(píng)估框架，進(jìn)一步設(shè)計(jì)了一種混合決策樹模型，該模型能夠同時(shí)處理模糊單調(diào)屬性和非單調(diào)屬性，從而實(shí)現(xiàn)了電網(wǎng)線損等級(jí)的高效、精準(zhǔn)分類。本發(fā)明在處理臺(tái)區(qū)電網(wǎng)線損等級(jí)分類任務(wù)時(shí)，不僅展現(xiàn)了出色的分類精度，還具備強(qiáng)大的可解釋性，為電力行業(yè)的線損管理提供了有力的技術(shù)支持。