基于TensorFlow框架的改进BP户变关系识别方法

作者：杨涛; 孙志达; 唐明^*; 吴栋萁; 王剑; 李海波; 雷一

来源：浙江电力, 2021, 40(08): 25-32.

DOI：10.19585/j.zjdl.202108004

• 户变关系
• TensorFlow
• BP
• Spearman
• K-means
• 零均值化
• 自适应矩估计

为了理清供电台区和用户之间的挂接关系,传统方法是依托人工或专用装置辨识,但存在效率低下和运行工况受限等问题。对此,在数据挖掘和机器学习技术基础之上,提出一种基于TensorFlow框架的改进BP(反向传播)户变关系识别方法。首先以Spearman相关系数作为K-means聚类的距离度量,对部分历史电压数据聚类,将聚类结果匹配所属台区进而构建训练样本,利用学习后的BP识别当前用户所对应的变压器及相别。为改善BP容易出现局部最优和收敛速度慢的问题,采用零均值化和Adam(自适应矩估计)对BP进行优化,并将BP部署在TensorFlow框架以进一步减小算法耗时。算例表明,所提算法能够有效提高户变关系识别准确率,提高辨识效率,具有良好的理论和应用价值。

• 单位
  浙江省电力公司电力科学研究院; 清华四川能源互联网研究院