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
• 来源期刊: 浙江电力
• 关键词: 户变关系 TensorFlow BP Spearman K-means 零均值化 自适应矩估计
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 电力大数据与人工智能|Power Big Data and Artificial Intelligence
• 页码范围: 25-32
• 页数: 8页
• 分类号: TM73
• 语种: 中文
• DOI: 10.19585/j.zjdl.202108004

摘要

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Tensor-Flow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.