-
题名基于集成树和MoE的馈线统计线损率双层估计模型
被引量：1
- 1
-
-
作者
王守相
张丙杰
赵倩宇
郭陆阳
张晟
-
机构
天津大学教育部智能电网重点实验室
天津市电力系统仿真控制重点实验室
-
出处
《电工技术学报》
EI
CSCD
北大核心
2024年第3期774-784,共11页
-
基金
国家自然科学基金资助项目(U2166202)。
-
文摘
统计线损率是衡量电力系统经济运行的重要指标。然而,用户用电数据采集异常、数据传输中断等因素会导致统计线损率异常或缺失,这严重阻碍了智能配电网的线损精益化管理与经济高效运行。针对馈线统计线损率合理值的估计问题,该文提出了一种基于集成树和混合专家系统(MoE)的馈线统计线损率双层估计模型。首先,使用最大信息系数以更有效地分析统计线损率与其相关特征间的非线性关系,并采用鲁棒性强的K-Medoids聚类算法对馈线进行精细划分;然后,使用Stacking集成学习框架,基于基估计和元估计双层模型对馈线统计线损率进行两阶段估计,选用决策树和各类集成树模型作为基估计模型对统计线损率进行初步估计,将各基估计模型输出结果输入元估计模型MoE中进行最终估计,使用方均根误差(RMSE)和平均绝对误差(MAE)来衡量模型所估计统计线损率的合理性;最后,通过算例分析表明,与其他模型相比,该文所提馈线统计线损率双层估计模型具有更低的RMSE和MAE,对馈线统计线损率的估计效果更好。
-
关键词
统计线损率
线损率估计
机器学习
集成树
混合专家系统
-
Keywords
Statistical line loss rate
line loss rate estimation
machine learning
tree-based ensemble learning
mixture of experts
-
分类号
TM744
[电气工程—电力系统及自动化]
-
