基于复合学习算法的配电网理论线损计算模型

为了提高配电网理论线损计算精度,提出一种基于复合学习算法的配电网理论线损计算模型。该模型将配电网理论线损计算抽象成多元回归问题,将理论线损计算的各类影响因素和理论线损值分别作为多元回归问题的输入向量和输出向量,并构造样本集输入到复合学习算法中加以训练,以得到配电网理论线损计算模型。复合学习算法由广义回归神经网络完成样本集训练,并在训练过程中利用粒子群算法动态地搜索广义回归神经网络最优训练参数,从而降低了理论线损计算模型的误差。实验结果显示,与传统方法相比基于复合学习算法的配电网理论线损计算模型具有更高的计算精度。     

基于WOA优化Elman神经网络的线损计算研究

为准确方便地计算配电网的线损,基于配电网的实际运行数据,提出了基于鲸鱼算法优化Elman神经网络的方法来计算配电网中的线损。首先,分析影响低压台区线损的影响因素作为线损计算模型的输入;然后,建立Elman神经网络模型来完成配电网线损的计算;最后,运用鲸鱼算法来优化建立神经网络模型,从而建立WOA-Elman模型来计算配电网的线损。对所提出模型进行仿真分析,分析结果表明,采用鲸鱼算法优化的神经网络模型进行线损率计算比直接采用经验分析建立的Elman神经网络模型线损计算的性能更好,具有更好的非线性拟合能力和更高的计算精度,在进行配电网线损计算时准确率更高。     

基于 GA-ANN算法的配电网线损计算模型研究

:针对线损计算的难点问题,建立了基于 GAＧANN 算法的配电网线损计算模型,并阐述了线损计算的具体方法,最后通过算例仿真对该计算模型进行了验证.仿真结果表明,与其它算法相比,基于 GAＧANN 的算法具有收敛性能强、速度快和计算准确度高等优点。     

基于随机森林算法的台区合理线损率估计方法

线损管理是电力公司的重点管理内容之一,低压电网普遍采用分台区的管理手段。供电侧数据缺失和营销抄表日期冲突导致的线损率缺失是电力公司线损系统中台区线损数据存在的主要问题。为此,提出了一种涉及多源数据的基于随机森林算法的台区合理线损率估计方法。从线损系统、生产管理系统和营销系统中提取台区、变压器和用户相关数据,建立台区特征数据库;对台区进行聚类分析,并在此基础上建立决策树分类模型和随机森林估计模型;利用上述模型估计台区线损率。以上海电力公司实际数据为例,计算结果验证了所提方法的可行性;并将所得结果与线性回归模型和回归树模型的估计结果进行比较,表明所提方法性能优越。     

基于分割区域的配电网异常线损数据辨识与修正

针对配电网线损管理中基础数据异常和冗余量大的问题，提出基于分割区域的配电网异常线损数据辨识与修正方法。考虑终端数据存在冗余量，利用卡尔曼滤波算法对终端冗余数据进行融合，再遍历配电网各线路节点配电变压器，采用局部异常因子算法检测运行数据；基于配电网拓扑关系，采用GN(Girvan-Newman)算法对异常节点进行区域分割；通过分析分割区域邻近节点量测数据和不平衡度指标，动态调整区域边界，直到分割区域满足估计的可观性条件，得到分割区域最终划分结果，并基于区域内节点量测模型、约束模型和估计模型求解异常数据。最后，以西北某省10 kV什新线、什金线为算例进行分析验证，结果表明所提方法可有效实现配电网异常线损数据的辨识及修正。     

基于梯度算法的低压台区线损异常实时检测方法

针对传统线损异常检测方法缺乏规范的体系、智能化程度较低,为电网台区带来一定风险的问题,提出基于梯度算法的低压台区线损异常实时检测方法。利用数据挖掘算法挖掘低压台区线损异常数据,作为检测方法的数据支持,通过预处理线损异常数据恢复缺失值,引入梯度算法得到用于识别线损状态的梯度计算公式作为检测依据,建立一个低压台区线损异常实时检测模型。实例应用结果表明,该方法可准确识别低压台区线损异常原因,且具有96.6%的异常检测查全率。     

基于FCM聚类和BP神经网络的配电网线损计算方法

针对配电网线路数目多、各条线路包含大量的节点和元件、网络结构复杂、监测数据不完善,逐一计算线损工作量大、耗时长的现状,提出了一种基于FCM聚类和BP神经网络的配电网线损的实用计算方法。首先,建立涵盖线路属性和运行特性的线损特征指标体系;然后,选取已知线损和线损特征指标的配电线路构成样本集,并采用FCM聚类算法对样本进行分类,并得到每一类样本的线损特征指标和线损的范围及基准值;接着,对于每一类样本,利用BP神经网络拟合出线损特征指标偏差量与线损偏差量间复杂的非线性关系,建立配电网线损修正模型;该模型在计算未知线路的损耗时,只需确定线路所属的样本类别,并根据线路的线损特征指标偏差量修正线损偏差量,即可获得比较准确的线损计算值,上述算法可对大量的配电网线路进行有效的线损计算;最后,以某地区配电网线路的数据为例,验证了该方法的有效性和实用性。     

中压配电网线损的负荷曲线计算方法研究

我国中压配电网的线损计算面临着算法繁琐、准确性不足的问题,原因在于目前的线损算法的需求数据和采集数据匹配程度较低。针对此现象,提出了基于负荷曲线的线损计算方法,首先根据实际用电数据建立负荷曲线模型,计算出日负荷标幺值、日负荷有功功率、日负荷无功功率,再使用前推回代法精确计算日线损值和线损率,最后根据江苏省某市某供电企业的实际配电线路进行算例分析,验证了该计算方法的有效性。     

用户用能数据能效分析的配电网线损计算模型

文章介绍了线损的构成,线损计算流程及计算方式,并建立了基于用户用能数据的能效分析模型,对配电网线损进行了有效的分析,为线损管理提供客观依据。     

基于大数据的低压台区线损异常判定方法

针对低压台区数量众多、线损管理难度大,对其进行精益化管理能够有效提高电网的经济效益。基于此,提出一种基于大数据技术的低压台区线损异常判定模型。首先,介绍了台区线损异常的影响因素,并分成12类;其次,利用大数据技术采集数据,结合三相混合法进行线损潮流计算,并形成线损图;再次,对台区线损图进行聚类分析挖掘,得到典型配电网线损异常图,便于快速检测异常线损类型;最后,基于指南针布局构建配电网异常线损显示,并结合实际算例验证了诊断模型的有效性。     

基于ICS-K-means聚类算法和WNN的有源低压台区线损估算方法

针对传统的线损理论计算方法已不适用于含分布式电源的低压台区线损估算的问题,提出一种基于改进布谷鸟搜索K均值（ICS-K-means）聚类算法和小波神经网络（WNN）的有源台区线损估算方法。首先,基于最大互信息系数筛选线损影响因子,建立有源台区线损指标体系;然后,提出改进布谷鸟搜索聚类算法对样本数据集进行聚类,减少对初始聚类中心的依赖;最后,采用小波神经网络对每类聚类数据集进行训练及测试。算例分析验证了所提方法的准确性和有效性。     

基于机器学习的配电网异常缺失数据动态清洗方法

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。     

基于分段电流特征和随机森林算法的低压配电网拓扑识别方法

低压配电网的拓扑结构对于实现台区线损分析、故障定位、需求响应等应用功能有着重要意义。针对当前低压配网户变关系在线识别难题,提出了一种基于分段电流特征和随机森林算法的低压配电网拓扑识别方法。首先,基于电流特性纵向传导机理,构建电流特征指标体系,并提出基于电流时间序列的分段特征提取方法。其次,根据分段电流特征生成特征向量集,建立基于随机森林算法的拓扑识别模型,可快速有效识别用户连接变压器关系。最后,利用实际配电网的量测数据进行算例分析,结果证明该方法拓扑识别准确率达到98.02%,所需样本时间短,能够快速有效地识别低压配网拓扑关系。     

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。     

基于深度置信网络的低压台区理论线损计算方法

针对因线路分布复杂、终端数目庞大等带来的低压台区理论线损计算困难的问题,提出一种基于深度置信网络(DBN)的低压台区理论线损计算新方法。在训练过程中,先利用贪婪算法对DBN模型中的神经网络层进行逐层无监督的预训练,再对该模型进行有监督的全局微调。为了提高计算精度,采用自适应时刻估计(Adam)优化器。以某地区实测2 140个台区数据为样本进行仿真计算,结果表明,相较于浅层神经网络,DBN线损计算模型具有更好的泛化能力以及准确性和快速性,且Adam优化器在线损计算中相较于均方根反向传播(RMSProp)和随机梯度下降(SGD)算法具有优越性。     

基于计算机网络通信TCP/IP参考模型的电力载波机设计

传统基于数字化理论的电力载波机,无法满足实际电力信号的大距离以及稳定性传输需求。因此,设计基于计算机网络通信TCP/IP参考模型的电力载波机,依据计算机网络通信TCP/IP参考模型,基于网络接口层设计载波机总体硬件电路,包括网络层、传输层及应用层。网络层通过探索父节点组网算法以及路由选择策略等方案,解决载波信号衰减问题,提高载波机的有效通信距离。传输层采用可靠性传输算法通过ACK应答模式,获取丢失的数据,使用OFDM技术实现载波信号的解调,提高载波通信的稳定性。应用层采用数据处理线程调用网络层和传输层算法,实现载波数据的有效处理。实验结果说明,所设计的载波机实现了数据传递以及采集,网络层组网算法能够高效率组建网络,降低了通信丢包率,提高了通信平稳性,信号调制能力增强。     

计及通信资源优化的电力线载波通信路由算法研究

基于电力线载波技术的用电信息采集系统实现全网信息可交互,为负荷需求侧响应、预付费管理、配变监测分析等业务的数据和控制指令提供必要的通信通道,是电力系统实现智能化的关键技术之一。随着电网规模的增大、业务类型和数据量的增多,无论是窄带载波还是宽带载波都将呈现出信道资源紧张,传输能力下降的问题。为保障用电信息采集数据的准确可靠传输,基于业务区分服务模型,本文提出一种计及通信资源优化的电力线载波通信路由算法。算法实现了对不同类型业务的快速分组和传输路径区分计算。根据电力线载波通信网络当前资源现状,同时考虑不同业务类型的QoS需求而制定多目标函数,使业务能够全局优化使用通信资源,在一次路由中满足多服务质量需求。通过实验仿真,证明了本文所提出算法在优化网络资源方面具有较优性,并能够有效避免网络拥塞和传输数据丢失的发生。     

基于随机潮流的高比例新能源接入配电网的极限线损分析

高比例新能源的接入使得配电网潮流具有波动性和不确定性,系统不确定性潮流将影响配电网极限线损准确计算。针对含高比例新能源的配电网,分析新能源出力及负荷的概率模型。结合对称采样无迹变换算法,建立计及新能源出力和负荷随机性的配电网极限线损模型。对基于随机变量相关性采样获得的样本点线损计算,经加权处理后得到配电网线损的概率特征。最后,以IEEE 69节点系统和某县配电网为例,选用蒙特卡洛模拟方法做对比,验证了该模型的可行性。     

基于公共信息模型的配电网线损管理系统的研究

总结多年以来配电网线损管理系统建设中模型建立、数据源整合、线损数据管理和考核等环节的经验,设计并实现了一套基于公共信息平台的新型线损信息管理系统。该系统对各自动化系统导出的CIM模型文件进行合并和扩展,建立了完整的分线、分压、分片、分区的线损对象模型;基于统一编码标准和统一数据信息平台,为线损统计、计算提供了自动、可靠、完整的数据源;系统同时提供层次化、流程化的数据管理、应用和考核机制。从而为配电网运行提供了科学“分析、降损、增效”的技术手段。