(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211130992.0 (22)申请日 2022.09.16 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市新韶东路398号 申请人 国网湖南省电力有限公司岳阳 供电 分公司　 国家电网有限公司 (72)发明人 刘奕玹　 (74)专利代理 机构 湖南兆弘专利事务所(普通 合伙) 43008 专利代理师 刘畅舟 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 20/00(2019.01) (54)发明名称 一种基于改进决策机制的台区户变关系识 别方法 (57)摘要 本发明公开了一种基于改进决策机制的台 区户变关系识别方法， 步骤包括： 获取各台区所 有用户的电压时间序列数据并进行数据降维和 特征提取后得到训练集； 用训练集训练SVDD 模型 得到各台区一一对应的超球体； 获取目标用户的 电压时间序列数据并进行数据降维和特征提取 后得到实测集； 分别计算实测集中每个用户样本 与各超球体的位置关系， 用户样本x没有在任何 超球体内则不属于任何台区， 用户样本x仅在一 个超球体内则属于该超球体对应的台区， 用户样 本x在至少两个超球体内则其所属台区与最邻近 k个目标用户样本中最多目标样 本所属的台区相 同。 本发明有效解决了多个台区的供电范围重叠 时用户跨台区误归档而不能准确识别户变关系 的情况。 权利要求书2页 说明书7页 附图3页 CN 115545422 A 2022.12.30 CN 115545422 A 1.一种基于改进决策机制的台区户变关系识别方法， 其特 征在于， 包括以下步骤： 获取各台区所有用户的电压时间序列数据并构建各台区的电压时间序列矩阵， 对每个 电压时间序列矩阵进行 数据降维和特 征提取后得到各台区的训练集； 构建SVDD模型， 用所述训练集训练SVD D模型得到各台区对应的超球 体； 获取目标用户的电压时间序列数据并构建目标用户的电压时间序列矩阵， 对该电压时 间序列矩阵进行 数据降维和特 征提取后得到实测集； 分别计算实测集中每个用户样本与各超球体的位置关系， 若用户样本x仅在一个超球 体内， 则用户样本x属于该超球体对应的台区， 若用户样本x在至少 两个超球体内或在所有 超球体之外， 则获取与用户样 本x最邻近的k个目标用户样本， 这k个目标用户样本中最多目 标用户样本所属的台区为用户样本x属于的台区。 2.根据权利要求所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 进 行数据降维和特 征提取的步骤具体包括： 对电压时间序列中每 个元素均进行归一 化处理， 得到低维数据样本集； 用高斯核函数Φ(X)， 将低维数据样本集映射到高维空间中构建特征矩阵， 然后提取特 征矩阵的主元 特征矢量， 生成新的特 征数据矩阵。 3.根据权利要求2所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 归 一化处理的表达式如下： 上式中， 为电压时间序列矩阵中第i个节点用户在第j时刻的量测值， 与 为电压时间序列矩阵中第i个节点用户所有量测点数据的平均值和标准差， n为预 设时间段的时刻数量。 4.根据权利要求2所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 所 述主元特征矢量表达式如下： 上式中， p为核主元的总个数， Φ(X)为 高斯核函数， xi为样本Xi的子集， αi为拉格朗日乘 子， N为台区用户总数。 5.根据权利要求1所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 所 述SVDD模型表达式如下： 上式中， ξi为松弛变量， C为权重参数， N为样本数目， xi为训练集中的用户样本， a和R分 别为超球 体的球心和半径。 6.根据权利要求5所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 构 建SVDD模型之后还 包括模型转 化的步骤， 具体包括： 引入核函数， 将SVD D模型的原 始问题转 化为对偶问题， 表达式如下：权　利　要　求　书 1/2 页 2 CN 115545422 A 2约束条件为： 上式中， αi与αj均为拉格朗日乘子， xi、 xj分别为输入数据集X中的不同的两个样本， K (xi,xj)＝<Φ(xi),Φ(xj)>是核函数， n 为台区数量。 7.根据权利要求1所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 计 算实测集中每个用户样 本与各超球体的位置关系为： 计算实测集中每个用户样本与各超球 体的中心的绝对距离， 若当前用户样本与当前超球体的中心的绝对距离r小于当前超球体 的半径R， 当前用户样本在当前超球 体内部， 否则当前用户样本在当前超球 体外部。 8.根据权利要求7所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 计 算实测集中每 个用户样本与各超球 体的中心的绝对距离的表达式如下： r2＝1‑2∑iai*K(xi， z)+∑ijai*,aj*K(xi,xj) 上式中， αi与αj均为拉格朗日乘子， xi、 xj分别为输入数据集X中的不同的两个样本， K (xi,xj)＝<Φ(xi),Φ(xj)>是核函数， z为实测集中的用户样本 。 9.根据权利要求1所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 获 取与用户样本x最邻近的k个目标用户样本包括以下步骤： 用户样本x在至少两个超球体 内时， 提取用户样本x所在的各超球体 中提取所有训练集 的用户样本作为目标用户样 本， 用户样本x在所有超球体之外时， 提取所有超球体内的训练 集用户样本作为目标用户样本； 计算用户样本x与所提取的每 个训练集的用户样本之间的距离； 按距离从小到大的顺序， 获取所提取的训练集的用户样本 中最接近用户样本x的k个用 户样本。 10.根据权利要求9所述的基于改进决策机制的台区户变关系识别方法， 其特征在于， 计算用户样本x与所提取的每 个训练集的用户样本之间的距离表达式如下： 上式中， pi， qi分别为用户样本x与进行距离计算的训练集的用户样本的第i维， h为用户 样本x与进行距离计算的训练集的用户样本的维数。权　利　要　求　书 2/2 页 3 CN 115545422 A 3