基于样本扩容和数据驱动的台区理论线损计算方法

摘要

针对目前台区理论线损数据驱动研究中面临高质量数据样本规模不足的问题，提出一种基于样本扩容和数据驱动的台区理论线损计算方法。构建生成对抗网络，采用Adam优化器优化确定网络参数；对台区样本进行K-means聚类分析，提出依据轮廓系数和误差平方和优选聚类数目的方法，通过台区合理分类有效降低人工神经网络训练的计算量；基于扩容后的样本集训练各类台区，建立台区理论线损的人工神经网络分析模型。采用山东省聊城市某地的台区实际数据进行仿真分析，结果表明，所提方法可有效扩容样本集，提升人工神经网络模型的训练效果，提高台区理论线损分析的精度。

关键词

样本扩容 / 生成对抗网络 / 数据驱动 / 人工神经网络 / 台区线损