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。

基于电力线路拓扑信息的线损分析方法研究

本文提出了一种基于电力拓扑信息采集系统的配电网线损分析方法。首先,实时采集电压、电流、供售电量等相关数据信息;其次,根据采集的电压、电流、供售电量等相关数据信息进行数据处理,获取对应节点的运行状态及位置,根据线路拓扑的逻辑关系生成相应的电力线路拓扑图,并根据采集的供售电量数据信息生成相应的分区域、分段、分节点的线损率;最后,结合电力线路拓扑图和对应的线损率对线损异常区域精确定位,实现对线损异常的精准分析。本方法根据采集的数据信息,结合相应的判错标准,对配电网线损异常区域进行分区域、分段、分节点的故障类型分析,可以有效提升配电网异常线损分析研判能力,为线损精准治理提供相应的技术手段。

低压台区线损异常分析及处理流程

线损治理是目前电力企业亟需解决的痛难点问题,与国家“碳达峰”“碳中和”战略目标,企业管理水平、经济效益密切相关。其中,低压台区线损是配电网线损的重要组成部分,存在巨大的降损空间。分析了导致低压台区线损异常原因的5大类主要因素,对5大类因素分别阐述其具体原因,并根据其制定相应的处理流程,提出了用公式和MATLAB编程的方法对故障类型进行判别,完成数据筛查,实现线损异常分析,为工作人员处置问题提供理论依据。

配电网线变户关系识别研究综述

配电网拓扑结构是台区智能化应用的基础,拓扑结构的准确性和实时性对电网管理和运维人员及时掌握台区运行状况、实现故障快速精准定位和线损管理具有重要作用,为满足构建快速、准确、高效的拓扑关系自动识别智能应用体系,专家学者对配电网线变户关系与拓扑结构识别方法、拓扑识别模组、拓扑结构识别系统的交互技术以及拓扑识别应用等方面进行了大量的研究,目前针对线变户关系的准确识别成为电网企业亟需解决的技术问题,依靠传统的人工巡查方式也无法满足智能电网的需要。

基于非线性自回归神经网络的线路故障率预测

针对低压配电线路的安全运行问题,为保证电能的稳定供应和社会生产活动的正常运转,对线路的故障发生概率进行了预测,可为增强输配电线路的安全运行提供理论依据。首先分析了云南省某地区的低压配电线路运行数据,针对电压异常(失压、断相、电压过高、电压偏差异常、三相电压不平衡)、功率异常、功率因素异常等故障类型进行研究;其次对故障发生概率随时间变化的序列平稳性进行分析,绘制相应的自相关和偏自相关函数,确定自回归滑动平均模型的最优阶数,并建立ARMA预测模型;然后根据确立的预测模型输入延迟阶数,建立了非线性自回归神经网络预测模型,通过建立的模型预测了后168个时间点的线路故障发生概率。