本发明涉及线损检测，特别涉及一种电网线损等级分类方法、系统与设备。
背景技术：
1、近年来，随着电力系统的持续演进，传统的线损检测手段已逐渐无法适应现代电力网络的需求。在这一背景下，大数据技术的引入成为电力行业发展的必然趋势，为行业带来了深刻的变革。其中，线损等级分类作为线损检测的核心环节，受到了业界的广泛关注。
2、线损等级分类在电力系统中具有举足轻重的地位，它不仅能够迅速揭示线路损失的程度，还为电力企业提供了管理和评估线路损失的关键依据。通常，线损等级被细分为五个层级：严重线损、较大线损、一般线损、轻微线损以及无线损。在机器学习领域，这种分类任务属于模糊单调有序分类范畴，它要求特征值与决策值之间具备明确的偏好和模糊单调性约束。
3、然而，在实际的电网线损等级分类过程中，所获取的数据集往往同时包含了模糊单调属性和非单调属性，这两类特征对于精准判断线损等级都至关重要。遗憾的是，当前的主流分类算法往往忽略了这种模糊单调有序的先验知识，或仅完全侧重于处理模糊单调的特征，在一定程度上制约了线损等级分类的精确性和可解释性。
技术实现思路
1、本发明的目的在于针对上述现有技术的不足，提供一种电网线损等级分类方法、系统与设备，以解决现有技术中，由于当前的主流分类算法往往忽略了这种模糊单调有序的先验知识，或仅完全侧重于处理模糊单调的特征，在一定程度上制约了线损等级分类的精确性的问题。
2、本发明具体提供如下技术方案：一种电网线损等级分类方法，包括如下步骤：
3、获取电网在线损检测时的混合数据；所述混合数据包括电网线路的损耗电量；
4、通过模糊单调性判别准则对混合数据进行分析，将所述混合数据所有属性a划分为模糊单调的规则属性b和非单调常规属性c；
5、分别使用模糊互信息fmi和模糊有序互信息frmi度量混合数据中常规属性和规则属性的重要度；
6、通过常规属性的重要度与阈值大小关系，获取规则属性b的最优分割点和非单调常规属性c的最优分割点，并根据两种所述最优分割点进行分叉，并通过所有的分叉构建二叉决策树；
7、通过所述二叉决策树对待分类电网线损检测的混合数据进行模糊单调一致性判断，通过模糊单调一致性判断结果获得电网线损等级分类结果。
8、优选的，所述通过模糊单调性判别准则对混合数据进行分析，将所述混合数据所有属性a划分为模糊单调的规则属性b和非单调常规属性c，包括如下步骤：
9、将可能度作为模糊隶属度，通过所述可能度对混合数据所有属性a按属性值的排序进行判定；
10、基于排序结果，获取模糊排序不一致率，根据所述模糊排序不一致率评估混合数据属性的模糊单调性，将所述混合数据属性划分为模糊单调的规则属性b和非单调常规属性c。
11、优选的，所述将可能度作为模糊隶属度，通过所述可能度对混合数据所有属性a按属性值的排序进行判定，具体为：
12、获取模糊有序集合具体表达式为：
13、
14、通过所述模糊有序集合获取每一个条件属性的可能度其中，可能度为xi优于xj的可能度，v(xi,a)和v(xj,a)为两个样例xi和xj在条件属性a上的属性取值，g为常数，i,j∈[1,n]，n为常数。
15、优选的，根据所述模糊排序不一致率评估混合数据所有属性的模糊单调性，将所述混合数据属性划分为模糊单调的规则属性b和非单调常规属性c，包括如下步骤：
16、通过所述可能度获取前向模糊排序不一致的值具体表达式为：
17、
18、其中，a∈a为条件属性，d为决策属性，u为所有数据的样例集合，n为样例的个数，为在a上的属性取值大于xi在a上取值的所有样例集合，为在决策属性d上大于xi的决策值的所有样例集合；
19、通过所述可能度获取后向模糊排序不一致的值具体表达式为：
20、
21、其中，为在a上的属性取值小于xi在a上取值的所有样例集合，为在决策属性d上小于xi的决策值的所有样例集合；
22、通过所述前向模糊排序不一致的值和后向模糊排序不一致的值获取模糊排序不一致差值具体表达式为：
23、
24、通过所述模糊排序不一致差值的大小判断数据的属性的模糊单调性和非单调性，即划分为模糊单调的规则属性b和非单调常规属性c。
25、优选的，通过所述模糊排序不一致差值的大小判断数据属性的模糊单调性和非单调性，包括如下步骤：
26、若则判定数据在条件属性a上是模糊单调一致的，即为模糊单调的规则属性，否则为非单调常规属性；其中δ为模糊单调性阈值；
27、若时，数据在条件属性a上为模糊单调递减；时，数据在条件属性a上为模糊单调递增，此时获得模糊单调的规则属性。
28、优选的，所述通过常规属性的重要度与阈值大小关系，获取规则属性b的最优分割点和非单调常规属性c的最优分割点，并根据两种所述最优分割点进行分叉，并通过所有的分叉构建二叉决策树，包括如下步骤：
29、将常规属性ai取值进行二值化，获取最大化的模糊互信息fmi值，并将最大化的模糊互信息fmi值作为常规属性的重要度；
30、如果常规属性的重要度大于阈值t，则选取常规属性的取值作为分割点，并以最佳分割点c*进行分叉；
31、如果常规属性的重要度小于阈值t，则选择最大化的模糊有序互信息frm i的最大值进行规则属性选取，作为最佳分割点b*进行分叉；
32、根据所述最佳分割点c*或b*进行分叉，且对获取最佳分割点的过程进行迭代，使用所有的分叉构建二叉决策树。
33、优选的，所述以最佳分割点c*进行分叉，具体为：
34、获取最佳分割点c*；具体表达式为：
35、
36、选取非单调常规属性c作为扩展属性，具体表达式为：
37、
38、其中，i,j∈[1,n]，n为常数，d为决策属性，a为条件属性。
39、优选的，所述选择最大化的模糊有序互信息frmi的最大值进行规则属性选取，对应的最佳分割点b*进行分叉，包括如下步骤：
40、选取规则属性对应的最优割点bj*，具体表达式为：
41、
42、选取规则属性b作为扩展属性，具体表达式为：
43、
44、其中，bj为分割点。
45、本发明提供一种电网线损等级分类系统，包括：
46、数据获取模块，用于获取电网在线损检测时的混合数据；所述混合数据包括电网线路的损耗电量；
47、判断模块，用于通过模糊单调性判别准则对混合数据进行分析，将所述混合数据所有属性a划分为模糊单调的规则属性b和非单调常规属性c；
48、重要度获取模块，用于分别使用模糊互信息fmi和模糊有序互信息frmi度量混合数据中常规属性和规则属性的重要度；
49、决策树构建模块，用于通过常规属性的重要度与阈值大小关系，获取规则属性b的最优分割点和非单调常规属性c的最优分割点，并根据两种所述最优分割点进行分叉，并通过所有的分叉构建二叉决策树；
50、分类模块，用于通过所述二叉决策树对待分类电网线损检测的混合数据进行模糊单调一致性判断，通过模糊单调一致性判断结果获得电网线损等级分类结果。
51、本发明提供一种计算机设备，包括存储器及处理器，所述存储器中储存有程序，所述程序被所述处理器执行时，使得所述处理器执行所述一种电网线损等级分类方法的步骤。
52、与现有技术相比，本发明具有如下显著优点：
53、本发明基于模糊单调性判别准则算法，量化分析线损大数据中的模糊单调性特征与非单调性特征，基于这一评估框架，进一步设计了一种混合决策树模型，该模型能够同时处理模糊单调属性和非单调属性，从而实现了电网线损等级的高效、精准分类。本发明在处理台区电网线损等级分类任务时，不仅展现了出色的分类精度，还具备强大的可解释性，为电力行业的线损管理提供了有力的技术支持。
1.一种电网线损等级分类方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种电网线损等级分类方法，其特征在于，所述通过模糊单调性判别准则对混合数据进行分析，将所述混合数据所有属性a划分为模糊单调的规则属性b和非单调常规属性c，包括如下步骤：
3.如权利要求2所述的一种电网线损等级分类方法，其特征在于，所述将可能度作为模糊隶属度，通过所述可能度对混合数据所有属性a按属性值的排序进行判定，具体为：
4.如权利要求2所述的一种电网线损等级分类方法，其特征在于，根据所述模糊排序不一致率评估混合数据属性的模糊单调性，将所述混合数据属性划分为模糊单调的规则属性b和非单调常规属性c，包括如下步骤：
5.如权利要求4所述的一种电网线损等级分类方法，其特征在于，通过所述模糊排序不一致差值的大小判断数据属性的模糊单调性和非单调性，包括如下步骤：
6.如权利要求1所述的一种电网线损等级分类方法，其特征在于，所述通过常规属性的重要度与阈值大小关系，获取规则属性b的最优分割点和非单调常规属性c的最优分割点，并根据两种所述最优分割点进行分叉，并通过所有的分叉构建二叉决策树，包括如下步骤：
7.如权利要求6所述的一种电网线损等级分类方法，其特征在于，所述以最佳分割点c*进行分叉，具体为：
8.如权利要求7所述的一种电网线损等级分类方法，其特征在于，所述选择最大化的模糊有序互信息frmi的最大值进行规则属性选取，作为最佳分割点b*进行分叉，包括如下步骤：
9.一种电网线损等级分类系统，其特征在于，包括：
10.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有程序，所述程序被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述一种电网线损等级分类方法的步骤。
