配电网实时线损计算系统

提出了一个基于已有SCADA/GIS平台,利用配网监控终端数据．实时计算配网线损功率的系统。该系统能适应弱环网等复杂的配网运行方式,并能快速准确地计算出配网中每一段支路每一个变压器的功率损耗情况．为配网线损的管理分析提供可靠的基础。     

一种基于铜铁损比值判断配电网线损理论计算结果的方法

线损理论计算中,由于配电网线路条数众多,工作量大,加之国内线损理论计算软件很少对配网计算结果是否正确进行判断,造成配电网计算不准确,指导性不强.为解决这一问题,本文利用变压器负载率与铜铁损比关系为判断条件,对配网线损理论计算结果是否合理进行判断,并通过实例分析,证明该方法可行、有效.     

基于配变电量和平均电流的配网线损计算方法研究

针对传统配网线损理论计算方法存在计算精度不高问题,提出一种基于配变电量和平均电流的配网线损计算方法。该算法以配变电量为基础,推导出各配变和配线段的平均负载电流,进而计算出各配变和配线段的损耗,最终得到整个配网的损耗电量。该算法引入了配变电量,使计算基础条件更符合实际,从而有效提高了配网线损计算精度;此外,还对配网中小电源进行了等效处理。     

10kV配电网线损理论计算模型探讨

根据影响10 kV配电网线损的九个因素,建立了七种典型负荷分布情况下的10 kV线路线损计算模型和配变损耗的理论计算模型,建立了10 kV配电网的线损理论计算方法,减轻了统计人员的工作量,准确掌握排除了运行管理因素以外10 kV配电网的线损范围,为判断配网损耗是否合理提供了参考依据,为超出线损范围的配电网线损的修正提供了数据支撑。     

配网线损管理模型在营销系统中设计与实现

线损率是电力生产中的一个重要指标,降低线损一直是电力企业不断努力的方向。多年线损管理经验表明, 10kV及以下配网是供电企业线损重要组成部分。通过配网线损管理模型在电力营销系统实现,提供了配网准确实际线损数据,为线损管理给出降损科学依据。同时,结合生产实际,提出配网线损管理模型的改进方向与实现方法。     

中低压配网综合线损率指标计算方法研究

针对配网中损耗占比最大的中低压配网,包括10 kV配电线路、10 kV变压器以及低压配电线路。因此,本文在计算中低压配网线损率时也分为10 kV线路线损计算、变压器损耗计算以及低压配网线损计算三部分。10 kV线路线损指标计算采用等值电阻法,对公变变损率采用经验公式估算,低压配网线损指标计算采用电压损失法,进而根据各部分售电量占比情况计算得到综合线损率指标,本文最后以某地区历史年份为例,进行该方法的实用性分析     

配电网三相负荷不对称的线损分析

通过分析三相不平衡线路的线损,用全电流经坐标转换的方法研究了角度不对称时的三相不平衡对线损的影响,推导出了线损增加率与相不平衡度的关系公式,并给出了配网中常见几种负荷不对称时的线损分析结果。推导出的线损增加率与相不平衡度的关系公式,大大简化了分析计算工作,可以直接用于配电网三相负荷不对称的线损计算中。算例结果表明,考虑角度不对称时的线损增加率更接近于现实值,对准确地计算配网中的线损更有指导意义。     

可视化配网线损理论计算软件的开发应用

文章介绍了利用图形界面来实现电力系统元件输入输出的可视化，进行配电网电能损耗理论计算的方法。并针对实际情况提出改进措施，使计算结果更符合实际情况。对配网理论计算应用线损二项式原理进行分析，模拟配网线损随负荷变化趋势。     

配电网三相负荷不对称的线损分析

通过分析三相不平衡线路的线损,用全电流经坐标转换的方法研究了角度不对称时的三相不平衡对线损的影响,推导出了线损增加率与相不平衡度的关系公式,并给出了配网中常见几种负荷不对称时的线损分析结果.推导出的线损增加率与相不平衡度的关系公式,大大简化了分析计算工作,可以直接用于配电网三相负荷不对称的线损计算中.算例结果表明,考虑角度不对称时的线损增加率更接近于现实值,对准确地计算配网中的线损更有指导意义.     

基于现场监控终端的配网线损计算

结合配网自动化系统的实际,作者提出了一种利用分段现场监控单元（Field Terminal Unit,FTU)分段计算线路线损的方法。该方法利用FTU的监测数据统计负荷曲线形状系数及分段出口数据,把常规的线路线损计算转变成为分段内的线损计算,这不仅提高了线损计算精度,而且可按形成的分段统计出分段内的支路损耗、配电损耗及管理损耗,便于配网线路线损的分析与管理,也可用于电度计量系统中的防窃电管理。     

中压配电网线损计算新方法

长期以来，国内中压配电网线损计算困难，虽已做过大量研究，但仍未完全解决。文中针对这一难点以及遗传算法（GA）与人工神经网络（ANN）相结合的优点，提出了一种利用改进GA优化的ANN计算中压配电网线损的新方法。该方法首先利用负荷测试仪获得ANN模型所需的学习样本，然后利用改进的GA优化ANN的结构，最后应用优化的BP型ANN来拟合影响线损的特征参数与线损之间的复杂关系，从而建立了适合配电网线损计算的新模型。实例验证结果表明，该方法具有计算精度高、模型简单和经济实用等优点。     

负荷持续曲线的神经网络模型

鉴于前馈人工神经网络的诸多优点，本文提出了一种新的基于ＡＮＮ的负荷持续曲线模型，从而不用给定某个特定的显式数学表达式。该模型以实际的小时负荷数据及统计性的特征参数对ＡＮＮ的输入数据；对实际作了抽样处理，以免输入数据量太多；针对常规的误差反向传播算法的缺点，并考虑到遗传算法是一种鲁棒性好的优化方法，本文采用遗传算法来进行ＡＮＮ的学习可以方便地直接采用相对误差作目标函数，同时可以搜索到全局最优解。     

An enhanced Lagrangian neural network for the ELD problems with piecewise quadratic cost functions and nonlinear constraints

This paper presents a new Lagrangian artificial neural network (ANN) and its application to the power system economic load dispatch (ELD) problems with piecewise quadratic cost functions (PQCFs) and nonlinear constraints. By restructuring the dynamics of the modified Lagrangian ANN [IEEE ICNN, 1 (1996) 537], stable convergence characteristics are obtained even with the nonlinear constraints. The convergence speeds are enhanced by employing the momentum technique and providing a criteria for choosing the learning rate parameters. Instead of having one convex cost function for each unit, which is normally the case in typical ELD problem formulations, more realistic multiple quadratic cost functions are used to reflect the effects of valve point loadings and possible fuel changes. In addition, the B matrix approach is employed for more accurate estimation of the transmission losses than treating them as a constant, which necessitate the inclusion of a nonlinear equality constraint. The effectiveness of the proposed ANN applied to the ELD problem is demonstrated through extensive simulation tests.     

On-line evaluation of capacity and energy losses in powertransmission systems by using artificial neural networks

An adaptive loss evaluation algorithm for power transmission systems is proposed in this paper. The algorithm is based on training of artificial neural networks (ANNs) using backpropagation. Due to the capability of parallel information processing of the ANNs, the proposed method is fast and yet accurate. Active and reactive powers of generators and loads, as well as the magnitudes of voltages at voltage-controlled buses are chosen as inputs to the ANN. System losses are chosen as the outputs. Training data are obtained by load flow studies, assuming that the state variables of the power system to be studied take the values uniformly distributed in the ranges of their lower and upper limits. Load flow studies for different system topologies are carried out and the results are compiled to form the training set. Numerical results are presented in the paper to demonstrate the effectiveness of the proposed algorithm in terms of accuracy and speed. It is concluded that the trained ANN can be utilized for both off-line simulation studies and on-line calculation of demand and energy losses. High performance has been achieved through complex mappings, modeled by the ANN, between system losses and system topologies, operating conditions and load variations     

基于粒子群优化算法的神经网络在配电网线损计算中的应用

提出了一种将粒子群优化算法(PSO)训练神经网络用于配电网线损计算的方法。该方法使用由PSO训练的BP模型来拟合影响线损的特征参数与线损之间的复杂关系。实例计算表明,与BP算法及BP与GA结合算法比较,该方法在提高误差精度的同时可以加快训练收敛的速度。     

An appraisal of wind turbine wake models by adaptive neuro-fuzzy methodology

Production losses and increased turbine loadings are observed in wind farms, when wind turbines interact with each other. If a wind turbine is located in the wake of another one, its incoming flow is disturbed, slowed down, and its potential wind power is decreased. It is therefore necessary to study the wind turbine wakes and their interactions. It is important to consider these wake effects in the design of a wind farm in order to maximize the energy output and lifetime of the machines. The exact modeling of the wind speed distribution within a wind park is a fairly complicated task and many of the necessary parameters are not routinely available. A large number of studies have been established concerning the calculation of wake effect. Even though a number of mathematical functions have been proposed, there are still disadvantages of the models like very demanding in terms of calculation time. Artificial neural networks (ANN) can be used as alternative to analytical approach as ANN offers advantages such as no required knowledge of internal system parameters, compact solution for multi-variable problems and fast calculation. In this investigation adaptive neuro-fuzzy inference system (ANFIS), which is a specific type of the ANN family, was used to predict the wake power deficit. Neural network in ANFIS adjusts parameters of membership function in the fuzzy logic of the fuzzy inference system (FIS). This intelligent algorithm is implemented using Matlab/Simulink and the performances are investigated. The simulation results presented in this paper show the effectiveness of the developed method.     

基于BP ANN-GA混合型算法的混凝土配合比优化设计研究

根据混凝土不同龄期的抗压、抗拉强度与和易性、耐久性等要求,综合考虑原材料供应、施工工艺、环境温度和湿度等条件,合理设计混凝土配合比,并最大限度节约工程成本,是现代混凝土技术发展对配合比设计提出的新要求。本文结合基于BP人工神经网络的预测技术和基于遗传算法（GA）的全局优化算法,建立混凝土配合比非线性优化模型,并对该模型的参数选择、计算效率等问题进行深入探讨,从而为上述问题的解决找到一条较为可行的途径,取得初步的成果。文中并给出简单的应用实例,以进一步验证算法的适用性、有效性。     

一种基于PMU的线路自适应故障测距算法

提出一种新的基于相量测量单元(PMU)的输电线路故障测距的自适应算法。该算法利用PMU装置获得高压线路两端的电压和电流相量,在线计算线路参数,解决了线路实际参数与电力局所提供参数的不同、线路参数在运行过程中的不确定性等问题。采用前置带通滤波器与全波傅氏算法相结合的滤波算法,提取相当精确的突变量基频分量,用于输电线路故障测距。大量的EMTP仿真计算结果和实际系统参数验证结果表明,该测距算法不受系统的运行方式、故障点过渡电阻、故障类型、故障距离等因素的影响,具有很高的测距精度。     

基于人工神经网络输电线的速断保护

介绍了用人工神经网络实现输电线速断保护区内区外动作情况的判断和定位的功能，并通过对单相接地故障和三相故障的EMTP仿真测试发现，用神经网络可以在一个周期以内准确地显示和定位故障，证明了该方法的切实可行性。