神经网络在配网电能损耗预测中的应用研究

配网馈线和节点较多、负荷的多变,使得配网中的技术线损和管理线损分析预测困难。本文结合等值电阻法理论线损计算模型、BP神经网络、广义回归神经网络GRNN模型,对配电电网线损、电能损耗进行分析与计算,将理论应用到区域实测负荷数据和电量数据的分析中,分析了S区域线损率、线损和电能损耗,计算出了配电网电能损耗各元件所占的百分比。测试结果表明,BP模型对线损预测的均方误差为2.71;并在此基础上,考虑配电网变压器等损耗,利用PSO-GRNN模型对配电网的电能损耗进行预测,配网电能总损耗预测的均方误差为0.36,为区域电能损耗分析和降损工作提供了关键状态参数。     

基于大数据的配电网运行线损异常诊断模型构建

该文针对当前配电网运行线路损耗异常无法甄选异常候选集且诊断不精准的问题，构建配电网运行线损异常诊断模型。采用了一种新的自适应函数，获取最小碰集的线损电量。通过长短时记忆网络方法预处理线损电量数据，获取日线损序列。结合最小二乘支持向量机将序列转变为优化求解问题，通过求解参数构建线损异常诊断模型。计算测试结果与实际结果之间线损误差，确定线损严重程度。由算例仿真结果可知，该模型线损电量统计结果与实际数据存在最大为0.1 MW的误差，说明使用该模型诊断结果精准。     

低压配电网谐波特性及网损影响分析研究

为了了解低压配电网的谐波特性,及其对配电网网损的影响问题,采用等值电阻法对城市居民区和商业区的低压配电网网损进行了计算,最终得到网损计算结果。考虑到城市用电需求较大,研究以城市居民区和商业区的低压配电网为对象,通过对谐波特性的探究,计算了二者的网损。结果表明,居民区配电网以低次谐波为主,其中低压配电网谐波电流功率损耗最多的是线性负荷功率损耗,其次是总谐波功率的损耗,损耗最少的是中性线损功率,并且三次谐波对居民区的配电网网损影响最大。商业区配电网谐波波动范围与电压、电流成正相关。由配电网的网损结果可以看出,低压配电网的网损受谐波干扰较大。研究验证了等值电阻计算网损的有效性。通过对低压配电网谐波特性的分析,有利于对谐波进行治理,为供电单位制定配电网降损方案提供一定参考。     

考虑电网结构优化低压配电网线损计算和降损分析

针对低压配电网混合线制结构和负荷不平衡,采用电阻热效应和相分量法,提出了单电源树干式低压配电网络的各相和中性线的电流分布的计算方法,并得到了网络的线损分布.通过对一个村庄的低压配电网线损计算,得到了用户不同接线相别的网络线损,并量化分析了接线相别优化的降损效果,为降损方案的确定提供了依据.     

基于载波和工频畸变技术的台区拓扑识别

在台区线路精细化管理和节能降损的背景下,提出了一种基于高速宽带电力线载波通讯技术和工频畸变脉冲电流技术的低压台区拓扑关系识别方法.该方法不仅实现了用电台区变、线、户之间供电网络拓扑结构的识别和校核,也实现了台区用户表相序的识别,为台区线损分析与异常定位、用电负载平衡提供了有效的数据支撑.     

基于改进KNN算法的网络数据流异常识别方法

传统识别方法未对异常数据流进行分类，导致识别正确率不高，提出基于改进K最邻近（K-Nearest Neighbor,KNN）算法的网络数据流异常识别方法。通过预处理异常数据流，提取异常数据流的特征，并以此作为基础，利用KNN算法统计异常数据流的类别，并分类所出现的异常数据。之后，通过计算不同网络环境下识别异常数据的时长，完成网络异常数据流的识别。在仿真实验中，与以往的网络数据流异常识别方法相比，提出的基于改进KNN算法的网络数据流异常识别方法具有更好的识别效果，识别正确率更高。     

基于电气距离和SOM-BP的配电网拓扑识别研究

获取准确可靠的配电网拓扑模型既是提高配电网智能化建设水平的重要基础,也是配电网调度运行服务优化的关键支撑.采用快速准确的识别方法,可大大降低其运行管理难度.文中提出了一种配电网拓扑识别方法,首先将配电网视为三种基本拓扑单元的排列组合,获取节点-支路连接关系,进一步生成配电网拓扑矩阵;其次基于直流潮流法和SOM-BP神经网络算法,通过设置筛选半径筛除冗余数据,降低了计算复杂度,且可保留有效的训练数据,将识别系统整体拓扑解耦为识别单条线路;再次,采用矩阵运算将识别结果和拓扑矩阵相乘,即可更新配电网拓扑结构;最后,通过PSCAD和MATLAB进行了仿真验证.     

基于智能电表海量数据的台区运行态势分析与应用

随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。通过精益化线损分析,研判线损异常的原因,对配网变户一致性进行研判,对智能装置数据准确性进行评价;通过低压台区回路阻抗模型计算,利用阻抗值实现了配网异常情况的预判和网架阻抗评估;通过配网故障研究分析,及时实现不同类型故障的准确主动研判,进一步提升供电服务“最后一公里”服务效率。本文通过深入挖掘智能电网领域大数据价值,促进业务创新、绩效提升,细化客户分类,满足智能化、多样化用电需要,提升配电网感知度。     

基于局部离群点的低压台区线损异常检测

为提高低压台区线损异常检测方法的数据采集成功率与检测准确率,提出基于局部离群点的低压台区线损异常检测方法研究。分析低压台区基本结构,获取线损数据集,依据基于密度的局部离群算法完成离群数据点的定义。对数据集进行预处理,通过计算信息熵来判断其是否具有离群属性,通过计算其加权距离,计算各对象间的局部可达密度,继而通过计算各对象的离群因子,通过与离群因子阈值比较完成离群属性的判断,完成低压台区线损异常的检测。对比实验结果显示：该方法可大幅提高低压台区的线损异常检测的数据采集成功率与检测准确率,经过适当治理后其异常情况骤减,改善了该台区的线损情况,提高供电质量和供电效率。     

改进高维数据相似度的目标意图识别方法

对于实际战场中目标属性要素呈现出的多样化,传统目标意图识别方法不能够较全面地建立属性之间的相似度模型.为了更好地阐述实际战场的复杂情况,提高目标意图识别的准确度,提出了一种利用改进的空间相似度与属性相似度融合的高维数据相似度模型,以全面地计算目标各种属性状态对态势意图的支持程度,再利用得到的高维数据相似度通过D-S证据理论对目标进行序贯识别.仿真实验表明:该方法具有有效性以及能够提高目标意图识别的准确度,为解决目标战术意图识别提供了新的方法.