蔡永智 唐捷 危阜勝 李健 郭文翀 董志奎 楊銀

摘要：低壓臺(tái)區(qū)拓?fù)潢P(guān)系識(shí)別是實(shí)現(xiàn)電網(wǎng)智能化的一個(gè)關(guān)鍵基礎(chǔ)，相對(duì)于人工識(shí)別，從數(shù)據(jù)挖掘角度進(jìn)行識(shí)別，具有成本低、準(zhǔn)確率高、時(shí)效性好的優(yōu)勢(shì)。就其相序識(shí)別問題，提出了基于隨機(jī)森林算法的低壓臺(tái)區(qū)相序關(guān)系自動(dòng)識(shí)別方法。首先基于隨機(jī)算法原理搭建了用于臺(tái)區(qū)相序識(shí)別的隨機(jī)森林算法模型，并提出采用 F1_score統(tǒng)計(jì)值作為識(shí)別模型的評(píng)價(jià)指標(biāo);然后將搭建好的模型應(yīng)用到實(shí)際臺(tái)區(qū)進(jìn)行訓(xùn)練，訓(xùn)練方式設(shè)置了兩類測(cè)試集：口袋內(nèi)臺(tái)區(qū)測(cè)試集與口袋外臺(tái)區(qū)測(cè)試集;最后將訓(xùn)練好的算法模型對(duì)測(cè)試樣本進(jìn)行相序分許。實(shí)證結(jié)果證明，所提方法對(duì)臺(tái)區(qū)的相序拓?fù)浞治鲇休^高準(zhǔn)確性，為低壓臺(tái)區(qū)拓?fù)浞治鎏峁┝艘环N技術(shù)思路和可行方法。

關(guān)鍵詞：低壓臺(tái)區(qū);相序識(shí)別;隨機(jī)森林

中圖分類號(hào)：TM71???????????? 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1009-9492（2021）12-0050-04

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Phase Sequence Recognition Method of Station Area Based on Random Forest Algorithm

Cai Yongzhi1，Tang Jie2，Wei Fusheng2，Li Jian1，Guo Wenchong1，Dong Zhikui3，Yang Yin3

（1. Metrology Center of Guangdong Power Grid Co.， Ltd.， Guangzhou 510060， China;

2. Guangdong Power Grid Corp， Guangzhou 510060， China;3. Guangzhou Power Electrical Technology Co.， Ltd.， Guangzhou 510700， China）

Abstract： The recognition of low-voltage station topology is a key foundation for the realization of intelligent power grid. Compared with manual recognition， recognition from the perspective of data mining has the advantages of low cost， high accuracy， and good timeliness. Regarding the phase sequence identification problem， an automatic identification method of the phase sequence relationship of low-voltage stations based on the random forest algorithm was proposed. First， based on the principle of random algorithm， a random forest algorithm model for phase sequence recognition of station area was built， and the F1_score statistical value was proposed as the evaluation index of the recognition model. Then the built model was applied to the actual station area for training. The training method was set with two types of test sets： the pocket inner station area test set and the pocket outer station area test set. Finally， the trained algorithm model was divided into the phase sequence of the test samples. The empirical results prove that the proposed method has high accuracy in the phase sequence topology analysis of the station area， then provides a technical idea and feasible method for the topology analysis of the low voltage station area.?????? Key words： low-voltage station area; phase sequence recognition; random forest

0 引言

隨著社會(huì)的發(fā)展，用戶對(duì)更可靠更優(yōu)質(zhì)的電能供應(yīng)、更優(yōu)質(zhì)更貼心的供電服務(wù)的要求日益提升[1-2]。而技術(shù)進(jìn)步推進(jìn)了智能配電網(wǎng)建設(shè)快速發(fā)展，給電網(wǎng)公司管理電網(wǎng)運(yùn)行及提升服務(wù)提供了技術(shù)支撐。配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)是配電網(wǎng)進(jìn)行線損分析、故障診斷、潮流計(jì)算、三相平衡等應(yīng)用功能的基礎(chǔ)。隨著智能電表的普及，終端用戶用電數(shù)據(jù)的積累，這使得能夠?qū)ε_(tái)區(qū)數(shù)據(jù)進(jìn)行挖掘，研究臺(tái)區(qū)運(yùn)行數(shù)據(jù)高頻采集、戶變、相序與線戶關(guān)系識(shí)別算法研究變?yōu)榭赡堋?/p>

相序識(shí)別問題是拓?fù)渥R(shí)別的一個(gè)子問題，目前從數(shù)據(jù)驅(qū)動(dòng)角度來分析相序識(shí)別已有較多的研究成果，大概可分為顯式規(guī)則分析和隱式規(guī)則分析兩種技術(shù)路線，顯式規(guī)則分析是首先研究臺(tái)區(qū)供電網(wǎng)絡(luò)中各用戶的電氣物理特征，得到同相線用戶和異相線用戶的電氣關(guān)聯(lián)規(guī)律，以此為理論依據(jù)設(shè)計(jì)算法，唐捷等[3]建立了用戶時(shí)空特性模型，證明了了同相線用戶的電氣距離更近，然后采用電壓相關(guān)性來描述電表的集群特性，基于此提出了電壓相關(guān)性分類結(jié)合電流優(yōu)化的相序識(shí)別算法。張麗強(qiáng)等[4]采用線性回歸方式描述了單相用戶和同相母線的電壓具有更好的回歸效果。一些學(xué)者基于電壓聚類進(jìn)行相序分析，在實(shí)驗(yàn)中都取得了不錯(cuò)的效果[5-8]。采用這種方法所建立的算法普適性較好，計(jì)算效率高，魯棒性強(qiáng)，但其應(yīng)用效果受數(shù)據(jù)質(zhì)量影響，背后機(jī)理復(fù)雜，難以分析改進(jìn)。為此，從隱式規(guī)則分析來嘗試解決這些問題，借用機(jī)器學(xué)習(xí)善于處理高維、非線性的復(fù)雜映射問題的特點(diǎn)研究機(jī)器學(xué)習(xí)算法的相序識(shí)別模型成為可能。

目前關(guān)于隱式規(guī)則的機(jī)器學(xué)習(xí)算法的相序識(shí)別研究較少，谷海彤等[9] 針對(duì)載波技術(shù)對(duì)網(wǎng)絡(luò)拓?fù)涞年P(guān)聯(lián)，提出了基于CNN-LSTM深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的臺(tái)區(qū)戶變拓?fù)潢P(guān)系的識(shí)別模型，該方法對(duì)臺(tái)區(qū)戶變拓?fù)渥R(shí)別問題提出了深度學(xué)習(xí)方式解決思路，但沒有就相序識(shí)別做分析。本文從機(jī)器學(xué)習(xí)視角分析了相序識(shí)別的可行性，結(jié)合隨機(jī)森林算法，搭建了低壓臺(tái)區(qū)相序識(shí)別模型，通過對(duì)實(shí)際臺(tái)區(qū)的數(shù)據(jù)樣本進(jìn)行訓(xùn)練和測(cè)試，結(jié)果表明本文所提模型具有較好的適應(yīng)效果。

1隨機(jī)森林算法

隨機(jī)森林算法是集成學(xué)習(xí)領(lǐng)域的常用算法，是由美國學(xué)者LeoBreiman結(jié)合Bagging方法和隨機(jī)屬性子空間理論提出的一種集成學(xué)習(xí)方法[10] 。隨機(jī)森林中的決策樹通常選用分類回歸樹決策樹算法（Classification And Re? gression Tree，CART）決策樹。Cart 決策樹算法有兩個(gè)基本思想：（1）建樹過程是通過對(duì)訓(xùn)練樣本集D進(jìn)行遞歸地劃分自變量空間來訓(xùn)練決策樹的生長(zhǎng);（2）剪枝過程則利用驗(yàn)證數(shù)據(jù)集V進(jìn)行剪枝[11-12] 。

1.1 建樹過程

假設(shè)數(shù)據(jù)集D中有m個(gè)不同的類別Ci。Ci， D是數(shù)據(jù)集 D中Ci類元組的集合， |D| 和|C | i， D 分別是D和Ci， D元組的個(gè)數(shù)，則CART決策樹使基尼指數(shù)Gini（D），計(jì)算公式為：

式中：Pi為Ci類元組出現(xiàn)的頻率。

假設(shè)存在屬性A，其數(shù)值形式為離散型，A的二元?jiǎng)澐謱劃分為D1和D2，則在給定劃分的條件下，D的基尼指數(shù)為：

基于屬性A的二元?jiǎng)澐质沟貌患兌冉档土繛椋?/p>

CART 算法遍歷每個(gè)屬性，將能產(chǎn)生最大不純度降低的屬性作為劃分點(diǎn)。

1.2 剪枝過程

為防止建樹過程過度適應(yīng)數(shù)據(jù)問題，CART 算法常用的是事后剪枝進(jìn)行模型修正，即在決策樹已經(jīng)完全長(zhǎng)成后對(duì)其進(jìn)行剪枝，剪枝以后會(huì)生成剪枝子樹，再利用交叉驗(yàn)證法篩選效果最優(yōu)的剪枝操作，具體算法如下。

假設(shè)任意一顆以t為根節(jié)點(diǎn)的決策樹Tt，其損失函數(shù)定義為：

式中： C（ Tt ）為決策樹訓(xùn)練過程中的損失函數(shù)，在 CART 回歸樹中是均方差，在 CART分類樹中是基尼系數(shù); α為正則化參數(shù);Tt 為葉子數(shù)量，表示樹的規(guī)模，可以用來衡量模型容量。

剪枝以后得到僅含有 t 節(jié)點(diǎn)的單節(jié)點(diǎn)決策樹，其損失函數(shù)為：

Cα（ t ）= C（ t ）+α

當(dāng)α=0或者很小，則有不等式：

Cα（Tt ）< Cα（ t ）

當(dāng)α增大到一定程度則有：

Cα（Tt ）= Cα（ t ）

假設(shè)此時(shí)α為α1 ，可以推導(dǎo)得：

當(dāng)α>α1 的時(shí)候，如果需要得到最優(yōu)子樹則必須進(jìn)行剪枝。當(dāng)?shù)玫溅恋膮^(qū)間，就對(duì)完整 Tt 的任意子樹{Ti ， i =1， 2， 3， … ， m}，計(jì)算Cα（Ti ），找到最小Cα（Ti ）所對(duì)應(yīng)的子樹。

2 臺(tái)區(qū)相戶關(guān)系隨機(jī)森林識(shí)別模型

2.1? 算法模型

隨機(jī)森林是由 B 棵 CART決策樹作為弱學(xué)習(xí)器組成的集合：{T1（X）， T2（X）， …， TB（X）}，在分類問題中，統(tǒng)計(jì) B 棵 CART的決策結(jié)果的投票，取最大投票數(shù)的結(jié)果作為最后隨機(jī)森林的輸出結(jié)果。

訓(xùn)練集樣本數(shù)據(jù)，特征變量用 D ={（X1 ， Y1）， … ， （XN? ， YN ）}， Xi （i =1， … ， N ）來表示，而 Yi 指采用點(diǎn)的真實(shí)相序關(guān)系，其中 X 是具有 M 維的特征向量，表示為 X ={x1 ， x2 ， x3 ， … ， xM }，是數(shù)據(jù)集 D 的一個(gè)訓(xùn)練樣本，y 為樣本標(biāo)簽，原始訓(xùn)練數(shù)據(jù)集有 N 個(gè)樣本集， M 個(gè)特征變量，算法流程如圖1所示。

隨機(jī)森林相序識(shí)別模型的流程如下。

（1） 從數(shù)據(jù)集 D 中，采用 Bootstrap采樣方法，進(jìn)行有放回重抽樣得到與原始數(shù)據(jù)集數(shù)量相同的數(shù)據(jù)集，重復(fù)上述操作 k 次構(gòu)造訓(xùn)練樣本集 Dtr ain ={D1 ， D2 ， …，Dk }，其中每一個(gè)數(shù)據(jù)集 Di （i

（2） 構(gòu)建隨機(jī)森林，隨機(jī)森林是 W 棵 CART決策樹經(jīng)過訓(xùn)練構(gòu)成的，樹的個(gè)數(shù) W 可人為設(shè)定。每顆決策樹生長(zhǎng)訓(xùn)練的過程是相互獨(dú)立的，它們之間是無關(guān)聯(lián)的，這樣就進(jìn)一步增加了隨機(jī)性，提高模型的泛化能力。

（3） 計(jì)算隨機(jī)森林的輸出結(jié)果，隨機(jī)森林的最終預(yù)測(cè)結(jié)果則是所有決策樹結(jié)果的眾數(shù)。

2.2 模型評(píng)價(jià)指標(biāo)

相序識(shí)別分類屬于多分類任務(wù)，本文將采用 F1_score以及準(zhǔn)確率作為評(píng)價(jià)模型性能的指標(biāo)。F1_score 用于多分類問題以及樣本不平衡問題中，是查準(zhǔn)率于查全率的綜合。F1_score指標(biāo)基于混淆矩陣計(jì)算得到?；煜仃嚱Y(jié)構(gòu)如下：

其中真陽性記錄與假陽性記錄分別代表模型將陽性樣本標(biāo)記為陽，陰性樣本標(biāo)記為陽。假陰性記錄與真陰性記錄分別代表模型將陽性樣本標(biāo)記為陰，陰性樣本標(biāo)記為陰。為了引出 F1_score 概念，定義了查準(zhǔn)率（recall）、查全率（precision）兩個(gè)統(tǒng)計(jì)值：

F1_score指標(biāo)考慮了查準(zhǔn)率與查全率的平衡，計(jì)算

公式如下：

3 算例分析

本文選用數(shù)據(jù)有兩部分，一部分是東莞市某臺(tái)區(qū)2019年12月份的臺(tái)區(qū)智能電表的運(yùn)行數(shù)據(jù)作為，另一部分是肇慶某臺(tái)區(qū)2019年12月份的臺(tái)區(qū)智能電表的運(yùn)行數(shù)據(jù)。實(shí)證分析分為兩部分，一部分是口袋內(nèi)臺(tái)區(qū)實(shí)證分析，即利用臺(tái)區(qū) A 的歷史數(shù)據(jù)作為訓(xùn)練集，用臺(tái)區(qū) A 的某個(gè)時(shí)期的數(shù)據(jù)作為測(cè)試集;另一個(gè)口袋外臺(tái)區(qū)實(shí)證分析，即利用臺(tái)區(qū) A 的歷史數(shù)據(jù)作為訓(xùn)練集，用臺(tái)區(qū) B 的歷史數(shù)據(jù)作為測(cè)試集。

采用隨機(jī)森林算法得到口袋內(nèi)臺(tái)區(qū)和口袋外臺(tái)區(qū)的 F1_score值結(jié)果如表1所示。

為了后續(xù)模型優(yōu)化以及拓展建模思路，對(duì)模型分類中的錯(cuò)誤樣本進(jìn)行畫像分析對(duì)錯(cuò)誤樣本在結(jié)果信心分布、時(shí)間分布兩個(gè)方面進(jìn)行統(tǒng)計(jì)刻。隨機(jī)森林相序識(shí)別模型分類信心指數(shù)分布如表2所示。從左到右本分別是隨機(jī)森林相序識(shí)別模型對(duì) A 相、B 相、C相的分類信心。

為了驗(yàn)證是否分類錯(cuò)誤樣本的模型信心指數(shù)是偏低的。統(tǒng)計(jì)分析如圖2所示。

圖2（a）中信心均值為0.56，可以看到絕大多數(shù)都在0.4～0.68之間，極少數(shù)為0.9以上。而且，有些樣本的極大值居然比0.4小。圖2（b）中信心均值為0.785，可以看到大多數(shù)正確分類樣本的信息指數(shù)在0.65～1之間，很多是直接為1。

對(duì)于3分類而言，當(dāng)信心分?jǐn)?shù)很均衡的時(shí)候，0、1、2大部分應(yīng)該在0.33之間，因此可知，錯(cuò)誤分類的樣本信心指數(shù)都不高。錯(cuò)誤樣本中有70%的信心小于0.64，可以推斷造成錯(cuò)誤的主要原因在于錯(cuò)誤樣本在當(dāng)前特征集空間內(nèi)，難以產(chǎn)生較大的信息不純度下降，下一階段應(yīng)該著重優(yōu)化特征集合，并增加訓(xùn)練樣本所覆蓋的臺(tái)區(qū)量。

對(duì)錯(cuò)誤樣本的所發(fā)生的時(shí)間進(jìn)行刻畫，提取每個(gè)樣本所屬的日期，將星期一到星期日映射到（0，6）數(shù)值空間。統(tǒng)計(jì)結(jié)果如圖3所示。由圖可知，分類錯(cuò)誤樣本中周末的占比要遠(yuǎn)大于分類正確樣本中周末占比，可以推斷：（1）電壓序列的特征分布存在周末與工作日的差異;（2）周末的分類難度較大;（3）由于周末于工作日存在差異，且周末樣本少可能是造成難度較大的原因。上述分析有助于接下來對(duì)模型進(jìn)行優(yōu)化，理清思路。

4 結(jié)束語

本文在海量智能電表用電數(shù)據(jù)的基礎(chǔ)上，針對(duì)以往低壓臺(tái)區(qū)人工相序識(shí)別準(zhǔn)確率低，成本高等缺陷，提出了隨機(jī)森林相序識(shí)別方法。區(qū)別于傳統(tǒng)的數(shù)據(jù)分析方法，本文對(duì)訓(xùn)練樣本設(shè)置了口袋內(nèi)臺(tái)區(qū)和口袋外臺(tái)區(qū)，通過實(shí)證分析對(duì)兩種樣本的訓(xùn)練模型進(jìn)行對(duì)比，結(jié)果表明，口袋外臺(tái)區(qū)的相序識(shí)別效果和口袋內(nèi)臺(tái)區(qū)的相序識(shí)別效果相當(dāng)，說明所提模型具有較好的泛化性和遷移能力。此外，對(duì)分類結(jié)果進(jìn)行信心分布和時(shí)間分布統(tǒng)計(jì)，發(fā)現(xiàn)分類錯(cuò)誤樣本信心指數(shù)偏低，且在周末時(shí)段更容易發(fā)生分類錯(cuò)誤，說明所提模型還需進(jìn)一步優(yōu)化特征集合的區(qū)分度，同時(shí)為了提高模型識(shí)別效果，樣本可挑選工作日的用電數(shù)據(jù)進(jìn)行相序分析。

參考文獻(xiàn)：

[1] 張勇軍， 劉斯亮， 江金群， 等. 低壓智能配電網(wǎng)技術(shù)研究綜述 [J]. 廣東電力， 2019， 32（1）： 1-12.

[2] 李西明，趙斌，楊一帆，等. 基于泛在電力物聯(lián)網(wǎng)技術(shù)的配電網(wǎng)故障診斷方法優(yōu)化[J].內(nèi)蒙古電力技術(shù)，2020，38（1）：63-65.

[3] 唐捷，蔡永智，周來，等. 基于數(shù)據(jù)驅(qū)動(dòng)的低壓配電網(wǎng)線戶關(guān)系識(shí)別方法[J]. 電力系統(tǒng)自動(dòng)化， 2020， 44（11）： 127-137.

[4] 張麗強(qiáng)，叢偉，董罡，等.基于多元線性回歸的單相電表相別判斷方法[J].電力自動(dòng)化設(shè)備，2020，40（5）：144-156.

[5] 徐曉東，呂干云，魯濤，等. 基于智能電表數(shù)據(jù)與模糊C均值算法的臺(tái)區(qū)識(shí)別[J].南京工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2020，18（4）： 1-7.

[6] 連子寬，姚力，劉晟源，等.基于 t-SNE 降維和 BIRCH 聚類的單相用戶相位及表箱辨識(shí) [J].電力系統(tǒng)自動(dòng)化，2020，44（8）： 176-184.

[7] 張然，孫曉璐，何仲瀟，等.基于異常點(diǎn)檢測(cè)和改進(jìn) K-means 算法的臺(tái)區(qū)用戶相別辨識(shí)方法[J].智慧電力，2020，48（1）：91-96.

[8] 耿俊成，張小斐，萬迪明，等.基于電壓曲線聚類分析的低壓用戶相序自動(dòng)識(shí)別[J].電力大數(shù)據(jù)，2019，22（12）：1-8.

[9] 谷海彤，張遠(yuǎn)亮，盧翔智，等.基于深度學(xué)習(xí)的戶變拓?fù)潢P(guān)系的識(shí)別方法研究[J].信息系統(tǒng)工程，2020（3）：150-151.

[10] 方匡南，吳見彬，朱建平，等.隨機(jī)森林方法研究綜述[J].統(tǒng)計(jì)與信息論壇，2011，26（3）：32-38.

[11] 李欣海.隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J].應(yīng)用昆蟲學(xué)報(bào)，2013，50（4）：1190-1197.

[12] 姚登舉，楊靜，詹曉娟.基于隨機(jī)森林的特征選擇算法[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2014，44（1）：137-141.

第一作者簡(jiǎn)介：蔡永智（1984-），男，博士，工程師，研究領(lǐng)域?yàn)殡娔軘?shù)據(jù)分析。

（編輯：王智圣）