[发明专利]一种对配电网线损率进行预测的方法及系统

说明书

本发明公开了一种对配电网线损率进行预测的方法：确定配电网线路影响线损率的多个电气特征参数，将多个电气特征参数的参数值进行标准化处理，将线损率进行归一化处理；将多个电气特征参数的参数值作为输入层的输入，将线损率值作为输出层的输出，构建神经网络初始模型，神经网络初始模型包含至少一个隐含层；确定隐含层节点的数目；通过动态调整粒子群算法的惯性因子和学习因子，对粒子群算法进行改进；利用经过改进后的粒子群算法，优化神经网络初始模型的权值和阈值，确定神经网络优化模型；将配电网线路的多个电气特征参数输入神经网络优化模型，利用神经网络优化模型预测与多个电气特征参数相对应的线损率。

技术领域

本发明涉及配电网线路技术领域，更具体地，涉及一种对配电网线损率进行预测的方法及系统。

背景技术

随着国家经济以及社会生产力的发展，我国对能源的需求也大大增加。电能凭借其传输与转换的高效率，控制、使用方便，以及清洁等优点，已经成为在我国国民经济和人民生活应用最广泛的一种二次能源。随着电力需求的增加，我国电力系统配电网变的日益庞大和复杂。然而，由于线路损失严重，不发达地区中低压配电网设备陈旧管理落后，中低压配电网损耗严重，电能利用效率低。

10kV中压配电网由多条10kV线路(含配电变压器)构成，存在部分10kV线路分支多，线路结构复杂，设备参数、电能计量装置不全，元件运行数据不完整等问题，因此不容易准确进行10kV线损理论计算。根据10kV中压配电网的特点，传统潮流计算方法不易收敛，为解决这个问题，部分学者提出了一些改进算法，如前推回代法、改进迭代法、匹配潮流法等，但由于所需要的收集的资料较多，需耗费大量的人力物力；在实际工程中应用较多的是等值模型计算方法，如均方根电流法、等值电阻法等，这类方法是比较粗略的近似计算法，计算精度不高，不便于10kV配电网降损分析。因此，需要一种技术，实现对配电网线损率进行预测评估的技术。

近年来，神经网络的出现与发展，为电力网线损计算提供了新思路和新途径，这类算法无需人工建立配电网复杂的数学模型，通过对样本的训练就可以实现输入到输出的映射，但由于这种算法本身具有易陷入局部最小、收敛速度慢等问题，限制了其在电力网线损计算方面的应用。

发明内容

本发明提供了一种对配电网线损率进行预测的方法和系统，以解决对配电网线损率进行预测的问题。

为了解决上述问题，本发明提供了一种对配电网线损率进行预测的方法，所述方法包括：

通过动态调整粒子群算法的惯性因子和学习因子，对所述粒子群算法进行改进；

利用经过改进后的所述粒子群算法，优化所述神经网络初始模型的所述输入层至所述隐含层的权值、所述隐含层至所述输出层的权值，以及优化所述神经网络初始模型的所述隐含层、所述输出层的阈值，确定神经网络优化模型；

将配电网线路的多个电气特征参数输入所述神经网络优化模型，利用所述神经网络优化模型预测与所述多个电气特征参数相对应的线损率。

进一步地，所述方法包括：

确定配电网线路影响线损率的多个电气特征参数，将所述多个电气特征参数的参数值进行标准化处理，将所述线损率进行归一化处理；

将所述多个电气特征参数的参数值作为输入层的输入，将线损率值作为输出层的输出，构建神经网络初始模型，所述神经网络初始模型包含至少一个隐含层；确定所述隐含层节点的数目。

进一步地，所述将所述多个电气特征参数的参数值进行标准化处理，包括：

p个配电网线路的多个电气特征参数构成的向量X如下述公式所示：