基于集成树和MoE的馈线统计线损率双层估计模型

统计线损率是衡量电力系统经济运行的重要指标。然而,用户用电数据采集异常、数据传输中断等因素会导致统计线损率异常或缺失,这严重阻碍了智能配电网的线损精益化管理与经济高效运行。针对馈线统计线损率合理值的估计问题,该文提出了一种基于集成树和混合专家系统(MoE)的馈线统计线损率双层估计模型。首先,使用最大信息系数以更有效地分析统计线损率与其相关特征间的非线性关系,并采用鲁棒性强的K-Medoids聚类算法对馈线进行精细划分;然后,使用Stacking集成学习框架,基于基估计和元估计双层模型对馈线统计线损率进行两阶段估计,选用决策树和各类集成树模型作为基估计模型对统计线损率进行初步估计,将各基估计模型输出结果输入元估计模型MoE中进行最终估计,使用方均根误差(RMSE)和平均绝对误差(MAE)来衡量模型所估计统计线损率的合理性;最后,通过算例分析表明,与其他模型相比,该文所提馈线统计线损率双层估计模型具有更低的RMSE和MAE,对馈线统计线损率的估计效果更好。

基于多维场景划分的台区线损率异常研判及关联用户精准追踪方法

针对台区线损率异常辨识困难,关联用户难以精准追踪的问题,提出一种基于多维场景划分的台区线损率异常研判及关联用户精准追踪方法。首先,提出了一种基于改进完备集合经验的模态分解(improved complete EEMD with adaptive noise,ICEEMDAN)算法的数据预处理策略,通过分析台区历史线损率曲线的变化趋势,构建台区线损率粗放场景集,并在此基础上采用支持向量聚类算法进一步对场景集进行二次精细划分,实现对台区多维场景集的建立。其次,提出一种基于簇类个案数目的区间动态平移策略,用于确定不同场景下线损率标准库的区间范围,并采用区间重叠率策略对划分中的孤立区间进行合并,实现对台区线损率标准库的完备划分。最后,给出一种基于关联分析的线损异常追踪方法,通过灰色关联分析法确定线损异常强相关因素,并基于改进Adtributor算法定量分析各因素和台区用户间的内在关联度,提高对台区线损率异常用户的追踪精度。算例采用台区真实数据进行仿真分析,结果表明了所提方法的有效性和实用性。

基于统计偏差和技术偏差的低压台区线损率分析方法

针对低压台区线损率异常原因难以辨析的问题,提出了一种基于统计偏差和技术偏差的线损率分析方法。首先,通过分析统计线损率和理论线损计算模型,结合Matlab数值仿真引入理想线损率的概念。在此基础上,对比分析统计线损率、理论线损率、理想线损率之间的关系得到统计偏差指数及技术偏差指数。再通过比较偏差指数与设定阈值,确定线损率异常原因并制定相应降损措施。最终,通过工程实践验证了该方案可有效辨析线损率异常成因,采取对应降损措施后,试点台区技术偏差指数由1.2降低至1.0,同等供出电量时线损率由3.1%下降至2.5%。

灰狼算法优化SVR的10kV配网线损率预测研究

有效控制线损率不仅能为电力企业带来经济效益,而且能进一步提高一次能源的利用率。为了实现对10 kV配电网线损率的准确预测,提出基于灰狼算法(Gray Wolf Optimizer)优化支持向量机回归(Support Vector Regression)的10 kV配电网线损率预测方法;采用基于马氏距离的异常值检验及主成分分析法(Principal Components Analysis)对原始数据进行预处理,保证数据的清洁性的同时剔除原始数据中的冗余信息。利用GWO算法强搜索性的特点与SVR进行结合建立模型,通过与原始SVR、ABC-SVR、BP神经网络模型的预测结果进行比较,GWO-SVR模型的预测精度最高,其均方根误差(RMSE)和平均绝对误差(MAE)分别为0.2332和0.1958,最大相对误差为14.4%,并且该模型具有最快的运算速度。

基于台区日线损率曲线特征的线损分析治理

针对台区日线损率异常原因较多导致查找治理困难的问题,采用压降法计算台区日线损率理论值,根据日线损率与该理论值对比情况判定异常原因。当日线损率过大且存在波动时,判定类窃电因素引起;当日线损率过大且较为稳定时,判定关口计量误差或故障引起;当日线损率存在波动且其平均值与理论值接近时,判定计量设备时钟异常引起;当日线损率为负时,判定台区供电量少计引起。通过理论分析、台区线损测试仪应用等方法,证明以上结论的正确性。

基于数据治理的台区线损率改善方法研究

本研究旨在探讨基于数据治理的方法,通过数据收集、清洗、分析和建模等环节,来改善台区线损率的问题。首先介绍了台区线损率的概念和计算方法,以及数据治理的基本概念和方法。接着,提出了一套基于数据治理的台区线损率改善方法,包括数据收集和清洗、数据分析和建模、模型优化和验证等环节。研究结果表明,基于数据治理的台区线损率改善方法可以提高台区线路的能效,降低线损率,具有重要的实用价值和推广应用前景。

基于深度学习的理论线损率计算方法研究

线损率是综合反映电网规划、生产、管理等的重要经济技术指标,针对目前计算方法存在的计算速度慢和误差大等问题,提出了一种结合深层置信网络和深层神经网络的理论线损率计算模型。将计算过程转化为多特征提取过程,模型通过逐层贪婪法和随机小批量梯度下降法等进行训练。通过算例与传统模型进行对比分析。结果表明,与传统的线损率计算方法相比,所提方法无论是精度还是效率都有一定的提升,表明了所提方法的优越性,具有一定的实用价值。

电力系统线损率影响因素分析及其改进措施

本研究深入分析了电力系统线损率的影响因素,在此基础上提出改进措施,包括提高电网设备的技术水平、加强系统管理与监控、优化运行方式及加强对外部环境因素的应对。并通过实践分析,验证了这些措施的有效性。

一起窃电引起台区负线损率的案例分析

台区线损治理是供电企业一项长期的重要工作,台区高线损率和负线损率是台区线损治理过程中较为常见的问题。在台区线损治理工作中,用户窃电是引起线损率升高的重要原因之一,也是较为常见的现象,但窃电引起台区负线损率的问题较为少见,也容易被忽视,现结合实际案例进行分析。

低压配电变压器三相负荷不平衡下的线损率小生境遗传分析算法

三相负荷不平衡是导致线损率增长的主要原因,因此解决了三相负荷不平衡问题就能从根本上将线损控制在允许范围内,实现有效降损。在此背景下,针对传统遗产算法应用效果差的问题,研究一种低压配电变压器三相负荷不平衡下的线损率小生境遗传分析算法。利用均方根电流法计算三相电能损耗并计算其占据供电负荷的比例,得出线损率。结合线损数值,构建换相成本最小化目标函数,利用小生境遗传分析算法求解约束条件下的最优换相方案,通过换相调整,促进低压配电变压器三相负荷平衡化,实现降损。测试结果表明:与换相前相比,换相调整后的低压配电变压器三相负荷不平衡度降低,线损率减小,说明所提换相方案起到了线损控制的作用。

基于Stacking集成学习的有源台区线损率评估方法

人工智能及机器学习的发展,为有源台区线损率的评估提供了崭新的思路。提出一种基于Stacking集成学习的有源台区线损率评估方法。从特定系统中提取有源台区数据,采用互信息等方法处理数据中异常值,并建立电气特征指标体系。考虑传统的机器学习与不同思想的集成学习算法之间的差异,综合线性模型与非线性模型,选择线性回归算法、随机森林算法、GBDT算法作为基学习器,构建多算法融合的Stacking集成学习模型。以某省有源台区数据为例,验证了所提方法的准确性和有效性。

适应于跨区电网输电交易的综合线损率修正方法

线损率是输电交易结算过程中决定电价或结算电量的重要因素,其计划值的准确与否直接关系到交易各方的经济利益。针对我国当前跨区输电交易中综合线损率方案的不足,提出一种理论计算与实际统计数据相结合的、考虑线损率随线路输送功率变化的综合线损率计划值的修正方法,该方法能大大减小线损率计划值与真实值间的误差,具有准确度高、可靠性好、适应性强的优点,并能较好地应用于我国某特高压跨区输电交易中,促进了输电交易的公平性。

基于Stacking集成模型的台区线损率预测方法研究

针对现有线损率预测方法预测精度较低的问题,提出了一种将Stacking集成学习模型与改进的k-均值聚类方法相结合用于预测台区的线损率。通过聚类方法进行数据聚类,再通过Stacking集成学习模型对台区线损率进行预测。Stacking集成学习模型由XGBoost模型、梯度决策树模型和支持向量机模型构成。与传统预测方法进行对比分析试验验证可行性。结果表明,与传统的线损率预测方法相比,所提出的线损率预测方法具有更好的预测效果,更高的预测精度和拟合效果。该研究为实现电网双碳目标提供了一定的参考。

考虑时序数据缺失的配电网线损率动态预测方法

针对现有线损预测方法受到缺失时序数据影响,导致预测精准度低的问题,提出了考虑时序数据缺失的配电网线损率动态预测方法。计算弗雷歇距离,判别正常数据集合和缺失数据集合曲线相似度。使用改进KNN方法选择嵌入式特征,通过确定缺失数据集合中的k个最近邻,补全缺失数据。构建马尔可夫预测模型,获取动态状态转移概率矩阵,得到最佳的数据区间。判断线损率波动趋势,确定售电量结构影响因子、专线管理水平影响因子、公用线管理水平影响因子。经过累加后,计算动态潮流线损率,完成线损率动态预测。由实验结果可知,该方法与实际预测结果最大误差为0.2%,具有精准预测结果。

基于随机森林回归模型的低压台区线损率智能控制

低压台区数据中的干扰项或缺失项,会对低压台区线损率控制造成一定影响,为降低线损率,该文提出一种基于随机森林回归模型的低压台区线损率智能控制方法。标准化处理低压台区供电数据,通过主要成分分析法建立电力数据评价函数,分类处理低压台区数据。定义负荷参量特征约束条件,划定控制范围,计算低压台区理论线损率。采用随机森林回归模型处理数据,实现低压台区线损率控制。实验结果表明,选择某低压台小区作为测试对象,对其含有的3组配变线损情况进行分析,结果表明该文方法能够将线损率控制在5%之内,较原有线损率有了明显下降。

基于多维度可变时空因素的10kV分线线损率异动原因分析

分线线损率计算涉及供电、售电环节和电网拓扑结构,其异动原因复杂且排查困难。本文通过分析影响线损率计算的各个环节时空因素,针对单一线损异动及多重线损异动提出分析及故障排查方法。结合线损工作的历史数据,研究异动的时间影响因素和空间影响因素,根据线损率变化性质确定造成线损率异动的可变因素;定量分析可变因素与线损率的电量数据关系,由此建立不同因素对应的电量变化及线损率变化数据模型;针对单一线损异动和多重线损异动的情况,结合异动后拓扑变化和线损率变化进行电量还原计算,将异常变化规律和还原后的变化规律相结合实现异动原因的精准判断。算例分析验证了所提方法的有效性。

台区同期线损率标杆值与合理区间计算方法

同期线损率合理值计算是配电台区线损精细化管理的重要组成部分,为定位线损异常台区并精准降损提供有效的技术支撑。本文将影响线损的复杂因素分解与降维,避免难以准确获取的台区网架参数,建立基于计量偏差、均衡满载工况下的线路传输损耗、负荷特征、基础损耗等台区特性参数的同期线损率计算模型。基于大数据分析,提出特性参数的“双重学习”求解算法,实现每个台区个性化特性参数的求解;通过对同类型台区参数的关联分析,求解各类型台区的特性参数合理区间,实现异常台区的判别和参数合理值学习;最终实现全量台区在不同供电量下的同期线损率标杆值与合理区间智能计算。基于实际应用,验证了算法模型的合理性与有效性。

电压不平衡下长距离供电线路线损率的动态预测模型

为了动态且精准地预测电压不平衡下长距离供电线路的线损率,提高电压不平衡下长距离供电输电的稳定性和可靠性,提出基于频谱直流模拟参数监测的电压不平衡下长距离供电线路线损率预测模型。采用动态特征分析方法,建立电压不平衡下长距离供电线路的交流并网模型。根据电压不平衡下长距离供电线路的稳态和暂态因素,建立供电线路线损率参数模型;根据不同电压下直流模拟试验线段的输出阻抗参数,结合多级电网联络点分布特征,对线损率扰动分析;根据扰动突变参数分布,动态监测和分析线损率的频谱直流模拟参数,优化线损率预测算法,完成对线损率的预测和可靠性评估。实验结果表明,采用该方法动态预测电压不平衡下长距离供电线路的线损率,拟合值曲线与实测值曲线起伏保持一致,预测结果对实测结果具有较高的跟踪能力,稳定性较好;线损率的预测值与实测值相差不超过2%,预测精度较高,提升了电压不平衡下长距离供电线的稳定性和安全监测能力。

基于改进梯度提升决策树的10 kV及以下配电网线损率预测

为解决异常值情况下10 kV及以下配电网线损率存在预测精度低、特征选取困难等问题,提出一种基于改进梯度提升决策树(Gradient boosting decision tree,GBDT)的线损率估计方案。首先,通过GBDT相对重要性和Spearman相关系数计算联合提取特征,并构建特征数据库。其次,为缓解电网结构巨大差异带来的线损率数值离散特性,提出基于密度的带噪空间聚类算法,对配电网数据进行分类。最后,基于改进的GBDT模型对数据进行预测与分析。通过仿真分析可知,与支持向量回归和随机森林回归相比较,本研究所提方法在1446个实例样本中预测均方误差分别降低2.24%和0.86%。

基于BP神经网络的电网线损率预测模型分析

为了提高电网线损的预测精度,提出一种基于误差逆传播算法训练的多层前馈(back propagation,BP)神经网络的电网线损率预测模型。通过对BP神经网络模型的结构和学习算法进行分析,提出了线损数据质量校核方法。试验结果表明:此模型可提高预测效果,对于线损异常诊断具有较好的诊断效果。