探析配网线损分析中集成神经网络的应用

探析配网线损分析中集成神经网络的应用

梁诗思

梁诗思

（广东立胜综合能源服务有限公司）

摘要：使用以信息技术为依托的神经网络算法和信息交汇知识，搭建了面对配电网结构和使用特点的线损模拟数学算法。以这种算法为基础，在对配电网进行分析时，实现了线损的识别等。这个算法是以造成配电网络损失的几个原因为基础。每个算法按照本身的特性挑选合适的物理量，并在整个系统操作阶段中实时对设置的参数进行修改，形成一种相对比较简单的算法，在对配网进行线损分析时，变得更加方便、多样、直接、范围更加宽广。

关键词：配网线损分析；集成神经网络；应用

引言

电力系统总线路损耗的很大一部分是由配网线路本身的在整个线网中的损失在所造成的。因此，控制配电线路损耗对于电力系统经济本身的系统运行是非常必要的。配电网线损的主要原因主要是线路结构，变压器高速公路，负荷等特点造成的。为了实现控制线损的目标，有必要在线损发生过程中第一次准确，简单地确定较大线损的线路，以设计特定的应对方法。本文详细讨论了集成神经网络在网络损耗分析中的作用。

1.研究配电线路损坏传统的方法

自上个世纪20年代以来，国际上的很多学者开始寻找配电网线路损耗的计算方法，并根据出现的问题假定各种类型的电力模型。但是受到计算能力的阻碍，很多因素的功率损失数学模型难以改善。但是这几年，由于计算机技术的快速发展，计算能力已经不是重要的阻碍因素，所以计算的准确性得到了很大提高。在一直的持续发展探索中，取得了很多的研究成绩，计算方法和相对应的知识也变得越来越多。并且在很多的工程实际中已被越来越大范围的使用。中国的电力工业在一段时间内发展迅速，但电网发展和施工缺乏充分的规划和规范性，使电网结构混乱，进一步扩大了配电网线路造成的难以计算的损失。伴随着时间的变化，抄表的自动化水平也在渐渐增加，这使得每一个监测数据都非常容易获得。所以，对配电网线损计算进行分析和研究显得非常有必要。考虑到当前的状况，有两种主要的方法来计算和模拟配电网线损，也就是统计模型和等值模型，统计模型的主要工作原理是根据数据返回进行大量建模这种建模方法得出的计算精度非常高。但是，前期需要使用到非常多的数据，所以这种方法的使用的范围非常小，实际生产中非常不容易得到电网的各项数据。第二种方法主要基于组件的能量损失，也称为简化近似类似的方法，这种方法计算的精度相对较低，但是用不到很多数据，主要包括最大负载损失小的方法，面积损失率法，均方根法，电压损耗法，最大电流法，等效电阻法。

2.集成神经网络

通常的说，神经网络应该由三部分组成分别是数据输入层、潜藏层和数据得出层。根据配电网的特有的优势，把这种计算方法分为三层：分布层，融合层和输出层。两者之间的区别在于通常的神经网络的数据输入需要根据建立的模式输入变量，但是第二种计算方法不用提前根据建立的模式将数据输入进去。它经过分配层高效的对不同的数据进行划分，并使后面的计算变得相对简单。通常的神经网络的隐藏层经过大量数据使用或其他方法修改连接权重，并且不能考虑来自各方的各种数据。信息融合层适当有效地结合了各种数据信息和非数据信息（如操作体验），可以充分利用各种信息。除此之外，集成神经网络中的一些过程可以手动干预，但是第一种算法不能实现。每层的具体功能如下：输入变量根据它们所属的子网类型有效地分配给它们各自的子网；根据融合层构建的模型公式，适当融合前一层的输出变量，融合层是模块之间，模块之间和人机模块程序之间的各种数据信息的合成。它不仅仅是数据的变动，而是潜藏在数据的计算信息和模型类型的特征向量信息的集成。它不仅反映了整个数学模型的系统性能，还反映了每个组成模块的特殊值对它所在的模块（本地（子网））的敏感性（影响程度）。输出层的决策公式根据工作情况制定。通过根据需要进行动态校正来计算损失原因的可能性。参数的分配则是由Kohonen网络完成的，这种网络具有非常强大的组织特点。这种网络输入的是操作参数和结构参数，输出是种类的参数。它不止响应快，而且对单前馈过程进行模拟。

3.配电网线损的计算方法

可以通过下面的这几个运算方法对电网中出现的功率损失进行计算：30kV交流电网和变压器是35kV及以上电网的线损计算方法；20kV的电网为公共配电线路20kV配电网功线损的计算方法；15kV交流线路和公共配电变压器15kV配电网功率损耗的计算；6kV交流线路和变压器6kV配电网功率损耗计算；0.4kV及以下0.4kV低压电网电力网损耗计算；剩下的零部件包括并联阻尼装置，并联电容装置，相位调节装置，变压器，站变压器等；电压较高的直流体系：直流电网，接地电网等。当前，有许多计算线损的方法。每日均方根电流法被广泛使用，但它仅应用在电压为30kV及以上的线路线损计算方法。对于电压低于30千伏的配电网，由于线段，支线和配电变压器的数量很大，等效电路的节点和元件数量逐渐上升，这需要非常多的工作人员和其他物资进行数据的运算。所以，每日均方根电流法难以在实际应用中使用。回归模型也被大量的使用在配电网络线损的计算，但很难明确回归方程。它对于不同的分布式网络并不通用，并且计算的精确度非常粗糙。最近这几年，神经网络知识的传播和使用为计算配电网理论线损指明了新的思考方向。

4.集成神经网络的实际应用

每个输入变量的选择原则不仅可以反映其类别的特征，还会影响配电网络的损失。详细的说，功率参数由尺寸和经济等效组成，其中尺寸越小，导致无功供电不足，电压迅速降低，使得损耗上升；当较大时，虽然能够减少损耗，但可能会导致电压超限，甚至无功功率回流，从而影响损耗的真实数据；经济等价值一种参考数据，它是根据线损的损失值来进行计算的，它的上升或者下降反映了线路的实用性，根据这个计算出损失值是不是偏大。同样，变压器变量的选择是基于铜损和铁损的考虑，铜损与电压成相反的比例，后者则与电压成相同的比例。按照网络的特征（如农村电网，铁损占铜损的很大比例），分析变压器损耗是否因电压大小过大，导致最终总损耗较大；因为当前网络中依然有着非常多的高损耗变压器，所以，变压器的类型是造成损失的重大原因。采用检查线路中变压器的类型的方法，我们可以确定是不是因为高损耗变压器的存在所造成的总的损失变得更大。想到导体截面是因为横截面太小，导致输入量低以及所造成的线损变得更高。考虑到布线，这是因为有些线路在其干线下面有太多分支从而不能够满足负载增长的需要，与此同时又出现了其他的线路损耗并最终造成总损耗上升。

5.结语

本文根据神经网络结构来划分初始变量。参数的选择可以根据大量的数据采集，操作经验和评估标准的方法获取，并可以根据管理，操作或用户的要求动态修改，以便更直观地描述线路的操作和减损。使用计划可以随机进行，从大量的案例可以看出，神经网络计算方法的确对线路的线损计算提供了非常大的帮助。这种计算手段应用智能化构建整个操作界面，融合大量的科技技术。它不仅确保了模块和模块之间的相互联系，而且确保了模块和模块之间的单独运行，计算过程变得非常简单。同时，神经网络的应用范围也是十分的广。地理信息系统（GIS）等科技技术和MapInfo等软件操作手段持续换代，以便保持新鲜的血液使用在于配电网的线损计算中，为线损的节约措施指明了道路，使得在计算中的数据更加准确，导致了数据的逐步完整和应用的方便。

参考文献：

[1]狄妍妍.集成神经网络在配网线损分析中的应用[J].科技创业家，2014（04）：107.

[2]刘申玉.BP神经网络算法在配网线损计算中的应用探讨[J].硅谷，2013，6（11）：114+52.

[3]张超，刘宪林.集成神经网络在配网线损分析中的应用[J].继电器，2002（07）：3-6.