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%。

基于多维序列分析的低压光伏台区窃电检测方法

低压配电台区是窃电行为的主要发生区域之一,分布式光伏接入使得台区由传统单电源结构变为多电源结构,线损特征改变,窃电检测难度进一步提升。面向低压光伏台区,提出了一种基于多维序列分析的窃电检测方法。首先提取多维线损率影响因素,基于高斯过程回归进行非线性拟合并通过交叉验证确定窃电嫌疑时段;然后借助电量、电压等多维序列信息计算各用户的理论线损贡献因子,结合相关性分析和蒙特卡洛模拟捕捉电量线损耦合关系;进而基于OPTICS聚类定位嫌疑度离群用户,即窃电用户;最后通过仿真台区算例分析验证了所提方法的有效性。

接入分布式光伏的低压配电台区线损计算方法

分布式光伏的接入使低压配电台区内的电能流动变得更为复杂,容易导致线损计算结果与实际产生偏差。据此本文提出了一种线损计算方法,即通过引入配电台区负荷不平衡度,评估三相负荷的分配均匀性,计算低压配电台区的线损值;确定线损修正系数,修正理论线损值。实验结果表明,利用所提方法计算接入分布式光伏的低压配电台区线损与实际线损的偏差较小,能够精确地计算低压配电台区线损,从而更好地评估台区线损状况。

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。

基于改进K-Means聚类和BP神经网络的台区线损率计算方法

配电网线损管理中面临的主要问题有表计配置不齐备、运行数据不易收集、元件和节点数过多。这些问题导致线损率计算工作十分繁杂。提出了一种基于改进K-Means聚类算法和Levenberg-Marquardt(LM)算法优化的BP神经网络模型快速计算低压台区线损率的方法,并通过编程加以实现。根据样本的电气特征参数,提出了改进K-Means聚类算法,将台区样本分类,解决了台区线损率数值分散的问题。在此基础上,采用LM算法优化的BP神经网络模型对样本数据按类进行训练,利用BP神经网络拟合样本线损率与电气特征参数之间的关系,得到其变化规律。以某地区601个台区样本数据为例进行仿真计算,验证了所提方法的准确性。结果表明,与标准BP神经网络模型相比,LM算法优化的BP神经网络模型具有快速收敛、高精度等优点。

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2140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。

营配贯通台区线损异常数据治理方法探讨

根据国网浙江省电力公司配电变压器台区线损异常数据治理要求,分析了线损异常的原因,探讨了基于台区识别技术的配电变压器与表计对应关系治理方法,提出了台区负线损和超大线损数据的治理流程。

利用用电信息采集系统管理台区线损

介绍了运用用电信息采集系统开展台区日线损管理的方法,分析影响台区日线损合格的主要因素,提出台区线损异常分析的思路和方法,结合实际案例开展现场整治,提高低压台区线损合格率,有效提升企业管理水平。

0.4kV低压台区线损理论计算及分析

对于低压台区的线损,选择适当的方法进行线损理论计算及分析是采取科学方式降损的前提条件。以对某0.4kV台区为研究对象,阐释了线损理论计算的意义和内涵。

采用负荷电量计算低压配电台区理论线损的牛拉法

为计算低压配电台区理论线损和利用远程自动抄表系统提高管理线损水平,提出一种采用负荷电量计算低压配电台区理论线损的牛拉法。该方法基于等值电阻法和用户电能表实抄电量,通过引入线路负荷曲线形状系数与平均负荷电流的关系和三相负荷不平衡线损修正系数建立以台区理论线损为变量的数学模型。给出了运用牛拉法求解该模型的实现过程。算例分析表明,提出的方法不仅能够计算低压配电台区的理论线损,而且能够为识别不明线损提供信息。

基于动态三相不平衡度的配电网线损计算方法研究

均方根电流法、平均电流法、最大电流法等计算线损的方法应用于三相不平衡程度较重的区域存在一定误差。提出了一种基于动态三相不平衡度的配电网线损计算方法。首先通过对三相负荷电流的动态采集,计算得到台区三相不平衡度。对台区结构进行分析,根据台区负荷特征将其划分为不同的计算区域。根据不同计算区域的用户电量等参数,运用以居民用户总用电量替代电能表容量的改进等值电阻法得到其等值电阻的计算值。利用等值电阻法计算线损时考虑三相不平衡度的动态影响,得到基于动态三相不平衡度的配电网线损计算方法。实际案例验证了所提算法的有效性。

电力网网损管理及理论计算分析系统的设计与实现

针对吉林省线损管理的实际情况,提出了一套把线损管理、理论计算和台区考核有机地结合在一起的设计方案。采用B/S和C/S相结合的设计模式,形成了一套完整的、具有图形和数据共享的线损管理及理论计算分析系统。文章还对系统中图形的实现、图形拓扑分析、图形环路检查、理论计算采用的方法、台区考核计算模块等关键技术进行了介绍。系统于2005年投运后,运行稳定,经济效益显著,每年可节约经费200余万元。

一种配电网理论线损实时计算分析系统

提出一种配电网理论线损实时计算分析系统,包括主站系统、10 k V馈线保护测控装置、馈线终端、智能配变终端和通信通道。该系统根据配电线路上各监测点上传的配电网实时运行数据和开关状态,结合线路参数,利用前推回代潮流算法进行配电网理论线损的在线计算。该系统可提高线损计算的准确度和时效性,按馈线区段给出线损的实时分布情况,便于掌握线损在系统中的分布规律,分析其成因,为降损技术措施的制定提供依据。

基于深度学习的台区线损分析方法

该文提出了一种基于深度学习技术的台区线损分析方法。首先,构建了基于门控循环单元的多层网络结构。然后,结合多个维度的台区电气特征参数作为输入进行训练,获得了相应的深度学习线损率计算模型。最后,基于若干小区的实测数据,验证了所提方法的有效性。实验结果表明,与已有文献中采用反向传播(back propagation,BP)神经网络预测方法相比,所提方法具有更优的线损预测精度和计算效率,可以分别获得10.7%和25.5%的性能提升。

台区线损合理性分析模型研究与应用

线损是衡量供电企业经营状况的重要指标。利用海量历史数据构建台区线损合理性分析模型,将台区划分为多个类别,在此基础上构建并应用台区线损异常判定工具,提高线损异常识别准确率,实现台区线损的精益化管理。

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。

基于近邻传播算法和随机森林回归模型的台区线损率计算方法

针对低压配网接线方式复杂和线损率难以准确计算的问题,本文提出一种基于近邻传播聚类算法和随机森林回归模型的台区线损率计算方法。基于线路损耗模型提出了台区线损率预测计算的电气特征指标,并利用主成分分析方法提取适用于聚类分析的主特征参数,然后采用近邻传播聚类算法对数据进行聚类分析。在此基础上,采用随机森林回归算法对每类聚类数据进行样本的训练学习,并利用包外数据进行预测。以某地区614个台区样本进行仿真计算,仿真结果验证了本文所提算法的有效性和正确性,并且计算精度要优于多元线性回归算法。

基于聚类划分与双向LSTM网络的台区线损率计算

在低压台区中,由于分支线路复杂,节点多,量测点少,台账数据不完整,理论线损率计算困难。提出了一种基于聚类划分与双向LSTM网络的台区线损率计算方法。首先,基于城农网标识、户均容量、运行年限等影响线损率的台区静态参数特征,采用K-medoids聚类算法将台区划分为不同类别;接着,基于台区静态参数特征以及负载率、三相不平衡度、环境温度等台区运行参数特征,采用双向LSTM网络构建每一类台区的线损率计算模型;最后,基于该模型开展台区线损率理论值计算。以某公司28167个台区样本数据进行仿真计算,结果验证了所提算法的准确性明显优于支持向量机与回归树算法的准确性。