本发明涉及电网建设领域，尤其涉及面向嵌入式ai的低压配电网智能降损方法及系统。
背景技术：
1、随着社会经济水平的提高，社会供电量大幅提升，电网损耗变得愈发严重，其中10kv配网线路损耗是电网损耗的主要部分。在电网规划设计、生产运行和经营管理等各方面，电网公司都在积极推进线损精益化管理，在降低线损率的同时提高经营效益，但是在实际生产工作中，电网公司对线损异常诊断及原因辨识多基于大量人力，效率低、效果差。因此研究配电网线损率和其影响因素之间的定量关系，通过优化供电线路设计、改善电网公司的经营策略降低线路损耗，具有十分重要的实际意义。
2、很多电网公司没有对线损异常实现精准分析，缺乏异常原因辨识的手段，在准确性和时效性方面有很大的提升空间，降低损耗方面采用一刀切的方法，无法根据具体的损耗类别进行针对性的降损，而且这些方法存在资源消耗过大和处理速度慢的问题，因此寻找更为有效的低压配电网降损方法成为一个重要的研究方向。
技术实现思路
1、本发明提供了面向嵌入式ai的低压配电网智能降损方法及系统，可有效解决背景技术中的问题。
2、为了达到上述目的，本发明所采用的技术方案是：
3、面向嵌入式ai的低压配电网智能降损方法，所述方法包括：
4、在低压配电网的运行过程中，通过嵌入式设备收集低压配电网工作运行信息和低压配电网历史工作运行信息；
5、对所述低压配电网工作运行信息和所述低压配电网历史工作运行信息进行聚类分析，输出聚类结果；
6、根据所述聚类结果，计算所述低压配电网工作运行信息的特征信息，其中，所述特征信息包括变压器损耗特征、线路损耗特征和负荷三相不平衡损耗特征；
7、构建低压配电网损耗分析网络，并将所述特征信息作为所述低压配电网损耗分析网络的输入参数，通过所述低压配电网损耗分析网络进行训练，输出所述低压配电网的损耗类别和损耗率；
8、根据输出的所述低压配电网的所述损耗类别和所述损耗率，对所述低压配电网进行针对性的智能降损优化。
9、进一步地，还包括对所述低压配电网工作运行信息和所述低压配电网历史工作运行信息进行预处理，包括清理重复数据、处理缺失数据和更换异常数据。
10、进一步地，对所述低压配电网工作运行信息和所述低压配电网历史工作运行信息进行聚类分析，输出聚类结果，包括：
11、根据dbscan聚类算法对所述低压配电网历史工作运行信息进行初步聚类，获取核点和核点数量；
12、将dbscan聚类后的所述核点作为k-means聚类算法的初始中心簇，并根据所述核点数量确定所述初始中心簇的数量，计算所述低压配电网工作运行信息到各所述初始中心簇的欧氏距离；
13、根据所述欧氏距离进行聚类划分，并计算所述初始中心簇的聚类平均误差，根据所述聚类平均误差更新中心簇，初始中心簇的聚类平均误差的计算公式为：
14、
15、其中，cm表示初始中心簇的聚类平均误差，argmin(·)表示求最小值函数，i表示单个低压配电网工作运行信息，n表示低压配电网工作运行信息总数，||·||表示范数，xi表示第i个低压配电网工作运行信息，μci表示第i个低压配电网工作运行信息所属簇的初始中心簇，ai表示第i个低压配电网工作运行信息与簇内其他低压配电网工作运行信息的平均距离，bi表示第i个低压配电网工作运行信息与其他簇的低压配电网工作运行信息的平均距离，max(·)表示求最大值函数；
16、定义收敛条件，判断更新后所述中心簇是否满足所述收敛条件，如果不满足所述收敛条件，继续更新中心簇，如果满足所述收敛条件，则输出聚类结果。
17、进一步地，根据所述聚类结果，计算所述低压配电网的工作运行信息的特征信息，包括：
18、所述变压器损耗特征计算公式如下：
19、
20、其中，tloss表示变压器损耗特征，u表示变压器运行时的电压，uo表示变压器的额定电压，po表示变压器的空载损耗，t1表示变压器的运行时间，pk表示变压器的负载损耗，p表示变压器线圈的电阻损耗量，λ表示变压器的功率因素，t1表示变压器励磁支路的涡流损耗量，smaxa表示变压器原边绕组的最大载荷，smaxb表示变压器次级绕组的最大载荷，smaxc表示变压器中性点绕组的最大载荷，tmax表示变压器的额定载荷，t2表示变压器最大负荷损耗时间；
21、所述线路损耗特征计算公式为：
22、
23、其中，lloss表示线路损耗特征，re(·)表示对复数取实部，k表示低压配电网中线路的数量，j表示低压配电网单个线路，表示第j条线路首末节点电压间的向量差，ij表示第j条线路的电流，zj表示第j条线路的线路阻抗，δal表示三相相线的线路损耗，δan表示中性线的线路损耗；
24、所述负荷三相不平衡损耗特征计算公式为：
25、
26、其中，nt表示变压器的数量，m表示第j条线路中的单个变压器，θsm(j)表示第j条线路中第m台变压器的三相不平衡度，ηa表示a相的不平衡度，ia表示a相的平均电流，iav表示三相的平均电流，ηb表示b相的不平衡度，ib表示b相的平均电流，ηc表示c相的不平衡度，ic表示c相的平均电流。
27、进一步地，构建低压配电网损耗分析网络，包括：
28、输入层，根据输入参数建立特征序列，并计算所述特征序列的拟合值；
29、隐含层，将输入层的所述特征序列的拟合值转换至高维空间，在所述高维空间中计算隐含层的输出值；
30、输出层，应用于输出所述低压配电网的损耗类别和损耗率。
31、进一步地，将所述特征信息作为所述低压配电网损耗分析网络的输入参数，通过所述低压配电网损耗分析网络进行训练，输出所述低压配电网的损耗类别和损耗率，包括：
32、根据所述低压配电网损耗分析网络输入层节点数、隐含层节点数和输出层节点数对所述低压配电网损耗分析网络进行初始化，确定输入层和隐含层的连接权值和节点阈值；
33、通过输入层和隐含层的所述连接权值将输入参数进行偏置，得到隐含层的输出，并将所述隐含层的输出通过所述节点阈值进行更新，得到输出层输入；
34、根据输出层的误差函数计算所述输出层输入的误差，判断所述输出层输入的误差是否满足输出层的收敛要求，如果不满足所述收敛要求，对所述连接权值和所述节点阈值进行更新；
35、如果满足所述收敛要求，输出所述低压配电网的损耗类别和损耗率，其中，所述低压配电网的损耗类别包括三相不平衡损耗、变压器变电损耗、线路异常损耗和混合损耗；
36、所述损耗率的计算公式如下：
37、
38、其中，lossr表示低压配电网的损耗率，γ表示学习速率，u表示隐含层的单个节点，u表示隐含层节点总数，v表示输出层的单个节点，v表示输出层的节点总数，hu表示隐含层第u个节点的输出，ωuv表示隐含层和输出层节点的连接权值，bv表示输出层的节点阈值，e表示输出层输入的误差。
39、进一步地，将所述特征信息作为所述低压配电网损耗分析网络的输入参数，还包括根据所述低压配电网的所述聚类结果，判断所述低压配电网的线损类型，根据所述线损类型选择所述特征信息作为所述低压配电网损耗分析网络的输入参数。
40、进一步地，所述降损优化包括缩短低压线路、更换线路截面积、更换变压器容量、更换变压器型号、改善三相不平衡和无功补偿。
41、面向嵌入式ai的低压配电网智能降损系统，所述系统包括：
42、低压配电网工作信息获取模块：在低压配电网的运行过程中，通过嵌入式设备收集低压配电网工作运行信息和低压配电网历史工作运行信息；
43、低压配电网工作信息聚类模块：对所述低压配电网工作运行信息和所述低压配电网历史工作运行信息进行聚类分析，输出聚类结果；
44、低压配电网特征信息计算模块：根据所述聚类结果，计算所述低压配电网工作运行信息的特征信息，其中，所述特征信息包括变压器损耗特征、线路损耗特征和负荷三相不平衡损耗特征；
45、低压配电网损耗分析模块：构建低压配电网损耗分析网络，并将所述特征信息作为所述低压配电网损耗分析网络的输入参数，通过所述低压配电网损耗分析网络进行训练，输出所述低压配电网的损耗类别和损耗率；
46、低压配电网降损优化模块：根据输出的所述低压配电网的所述损耗类别和所述损耗率，对所述低压配电网进行针对性的智能降损优化。
47、进一步地，所述低压配电网工作信息聚类模块包括：
48、初步聚类单元：根据dbscan聚类算法对所述低压配电网历史工作运行信息进行初步聚类，获取核点和核点数量；
49、欧氏距离计算单元：将dbscan聚类后的所述核点作为k-means聚类算法的初始中心簇，并根据所述核点数量确定所述初始中心簇的数量，计算所述低压配电网工作运行信息到各所述初始中心簇的欧氏距离；
50、中心簇更新单元：根据所述欧氏距离进行聚类划分，并计算所述初始中心簇的聚类平均误差，根据所述聚类平均误差更新中心簇；
51、聚类结果输出单元：定义收敛条件，判断更新后所述中心簇是否满足所述收敛条件，如果不满足所述收敛条件，继续更新中心簇，如果满足所述收敛条件，则输出聚类结果。
52、通过本发明的技术方案，可实现以下技术效果：
53、本发明为低压配电网的降损提供了更加智能有效的降损方法，提高低压配电网损耗识别的精确性，减轻电网运行的负载压力，有利于提高低压配电网降损的实时性，实现配电网长久持续性节能降耗，也有利于提高电能使用效率，提高供电公司的经济效益。
54、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
1.面向嵌入式ai的低压配电网智能降损方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向嵌入式ai的低压配电网智能降损方法，其特征在于，还包括对所述低压配电网工作运行信息和所述低压配电网历史工作运行信息进行预处理，包括清理重复数据、处理缺失数据和更换异常数据。
3.根据权利要求2所述的面向嵌入式ai的低压配电网智能降损方法，其特征在于，对所述低压配电网工作运行信息和所述低压配电网历史工作运行信息进行聚类分析，输出聚类结果，包括：
4.根据权利要求1所述的面向嵌入式ai的低压配电网智能降损方法，其特征在于，根据所述聚类结果，计算所述低压配电网的工作运行信息的特征信息，包括：
5.根据权利要求1所述的面向嵌入式ai的低压配电网智能降损方法，其特征在于，构建低压配电网损耗分析网络，包括：
6.根据权利要求5所述的面向嵌入式ai的低压配电网智能降损方法，其特征在于，将所述特征信息作为所述低压配电网损耗分析网络的输入参数，通过所述低压配电网损耗分析网络进行训练，输出所述低压配电网的损耗类别和损耗率，包括：
7.根据权利要求6所述的面向嵌入式ai的低压配电网智能降损方法，其特征在于，将所述特征信息作为所述低压配电网损耗分析网络的输入参数，还包括根据所述低压配电网的所述聚类结果，判断所述低压配电网的线损类型，根据所述线损类型选择所述特征信息作为所述低压配电网损耗分析网络的输入参数。
8.根据权利要求1所述的面向嵌入式ai的低压配电网智能降损方法，其特征在于，所述降损优化包括缩短低压线路、更换线路截面积、更换变压器容量、更换变压器型号、改善三相不平衡和无功补偿。
9.面向嵌入式ai的低压配电网智能降损系统，其特征在于，所述系统包括：
10.根据权利要求9所述的面向嵌入式ai的低压配电网智能降损系统，其特征在于，所述低压配电网工作信息聚类模块包括：
