CN113780775B - 一种电网理论线损计算结果评价方法及*** - Google Patents
一种电网理论线损计算结果评价方法及*** Download PDFInfo
- Publication number
- CN113780775B CN113780775B CN202111003942.1A CN202111003942A CN113780775B CN 113780775 B CN113780775 B CN 113780775B CN 202111003942 A CN202111003942 A CN 202111003942A CN 113780775 B CN113780775 B CN 113780775B
- Authority
- CN
- China
- Prior art keywords
- line loss
- theoretical line
- data
- power grid
- theoretical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000013210 evaluation model Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000013215 result calculation Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电网理论线损计算结果评价方法及***。本发明的评价方法包括：实时采集电网与理论线损相关的参数数据并进行预处理，将预处理后的数据建立典型参数数据库；利用自适应增强算法计算理论线损，得到理论线损计算结果；构建理论线损分析评价模型，对所述理论线损计算结果进行校核，若出现不合理结果，则进行反向核查，定位不合理原因。本发明提高了理论线损计算精度，以及消除了缺乏实用性和可操作性的问题，并使其局限性大大降低。
Description
技术领域
本发明涉及配电网线损技术领域，尤其是一种电网理论线损计算结果评价方法及***。
背景技术
线损是电能传输过程中产生的电能损耗，线损率是衡量电网运行管理水平的指标，也是智能电网规划、建设中的重要参考依据。理论线损计算能够综合地反应电网规划设计水平、电网建设水平、技术进步水平，以及生产运行和经营管理水平，也是供电企业的一项重要技术管理手段。线损管理较其它工作存在一定特殊性，维护期的数据采集和信息维护要求连续不中断，工作量均匀分布在整个时间轴上，同时还存在损耗计算和结果分析工作量较大的计算期，即存在显著的大规模突发计算量，尤其是大规模电网表现更加突出。供电企业在统计线损的分析中往往受到线损率波动较大、线损率异常数值较多等因素影响，不能仅通过分析统计线损率提出合理的降损措施。电网理论线损计算是电网公司对电力***分析决策采用的重要技术手段之一，通过理论线损计算，对电网各项指标进行分析，从而找出电网目前存在的问题，如电网网架结构和***运行存在的不足，为电网的节能降损提供理论依据。
现有的理论线损计算***往往采用独立设计、独立建设、自行维护的模式，存在建设周期长，建设成本高，维护不到位，拓展不灵活等问题；同时，多个分管部门的计算结果汇总困难，不能做出及时全面的分析。此外，目前采用的离线计算等方式在一定程度上影响理论线损计算的精度，随着线损精细化工作的开展，不同地区理论线损水平评价对线损从业人员了各解地区的理论线损所处水平和彼此的差距有着较大的指导意义，也便于管理部门开展线损工作的评价。
传统上对地区理论线损水平的评价方式，通常仅凭经验、缺少科学判断依据的做法，对各地区理论线损水平的评价存在缺乏实用性和可操作性的问题，以及现有评价方法仍旧存在一定的局限性。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种电网理论线损计算结果评价方法及***，以提高理论线损计算精度，消除缺乏实用性和可操作性的问题，并降低其局限性。
为解决上述技术问题，本发明采用如下的技术方案：一种电网理论线损计算结果评价方法，其包括：
实时采集电网与理论线损相关的参数数据并进行预处理，将预处理后的数据建立典型参数数据库；
利用自适应增强算法计算理论线损，得到理论线损计算结果；
构建理论线损分析评价模型，对所述理论线损计算结果进行校核，若出现不合理结果，则进行反向核查，定位不合理原因。
进一步地，所述参数数据包括电流、电压、供电路径、电阻率、线路长度、电阻、线路总电阻、馈线供电半径、运行电压、损失常数以及负荷曲线。
进一步地，预处理所述参数数据的步骤包括：
对数据进行特征构造、数据分级及数据量化；
对量化后的数据进行数据统计，将数据合并到统一的数据存储中；
采用基于聚类的离群样本检测策略对存储数据中仍可能出现异常的样本进行检测剔除。
进一步地，所述自适应增强算法包括：
定义电网的三相线路的电流与电压分别为IV、UV；
所述三相线路的负荷电流不平衡度负荷电压不平衡度/>为：
其中，分别表示相电流、相电压，/>为1、2或3，/>
所述电网的总损耗为：
Δp＝K(UV-U)2
其中，L表示总损耗值，M表示电网结构系数，R表示电阻，Δp表示单相电晕损耗功率，t表示温度值，n表示电网导线根数，K表示相关系数，U表示起始电压，其数值皆为标量。
进一步地，构建所述理论线损分析评价模型的步骤包括：
获取规则数据信息，建立数据获取规则；
遍历历史理论线损计算值和所述典型参数数据库中数据，根据决策树分析数据信息的特征数据，根据所述数据获取规则对所述特征数据进行2次获取并得到其正例比例；
计算2次特征数据获取的正例比例比值；
若所述正例比例比值大于预设阈值，则获取的特征数据无效，重新遍历所述历史理论线损计算值和所述典型参数数据库中数据；
若所述正例比例比值小于或等于预设阈值，则获取的特征数据有效；
根据所述有效的特征数据以及最小二乘法进行理论线损分析评价模型的构建。
更进一步地，所述理论线损分析评价模型为：
其中，L、B分别表示理论线损和实际线损，J(L,B)表示输出值，j表示常数系数，m表示迭代系数，ω表示权重系数，si表示i条线路的对应的特征数据值，bj表示j条线路对应的实际线损系数，μ表示特征维度，R表示实数。
再进一步地，对所述理论线损计算结果进行校核，判断校核结果是否合理的标准包括：
获取所述理论线损分析评价模型输出值，基于所述输出值的最优解判断校核结果是否合理：
当τ∈[0,0.135]时，判断所述校核结果合理，输出所述理论线损。
进一步地，所述反向核查的步骤包括：
对所述理论线损输出结果进行分析，将实时理论线损与历史理论线损值及实际线损值进行比较，定位比较误差大于预设值的地方，输出所述定位结果，由专家库数据得到所述不合理原因。
本发明采用的另一种技术方案为：一种电网理论线损计算结果评价***，其包括：
典型参数数据库建立单元：实时采集电网与理论线损相关的参数数据并进行预处理，将预处理后的数据建立典型参数数据库；
理论线损结果计算单元：利用自适应增强算法计算理论线损，得到理论线损计算结果；
理论线损计算结果校核单元：构建理论线损分析评价模型，对所述理论线损计算结果进行校核，若出现不合理结果，则进行反向核查，定位不合理原因。
进一步地，构建所述理论线损分析评价模型的步骤包括：
获取规则数据信息，建立数据获取规则；
遍历历史理论线损计算值和所述典型参数数据库中数据，根据决策树分析数据信息的特征数据，根据所述数据获取规则对所述特征数据进行2次获取并得到其正例比例；
计算2次特征数据获取的正例比例比值；
若所述正例比例比值大于预设阈值，则获取的特征数据无效，重新遍历所述历史理论线损计算值和所述典型参数数据库中数据；
若所述正例比例比值小于或等于预设阈值，则获取的特征数据有效；
根据所述有效的特征数据以及最小二乘法进行理论线损分析评价模型的构建；
所述理论线损分析评价模型为：
其中，L、B分别表示理论线损和实际线损，J(L,B)表示输出值，j表示常数系数，m表示迭代系数，ω表示权重系数，si表示i条线路的对应的特征数据值，bj表示j条线路对应的实际线损系数，μ表示特征维度，R表示实数。
本发明的有益效果：本发明方法通过设计智能化的理论线损计算及评价方法，提高了理论线损计算精度，以及消除了缺乏实用性和可操作性的问题，并使其局限性大大降低。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种电网理论线损计算结果评价方法的基本流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1，为本发明的一个实施例，提供了一种电网理论线损计算结果评价方法，其步骤如下：
S1：实时采集电网与理论线损相关的参数数据并进行预处理，将预处理后的数据建立典型参数数据库；需要说明的是：
参数数据包括电流、电压、供电路径、电阻率、线路长度，电阻、线路总电阻、馈线供电半径、运行电压、损失常数以及负荷曲线。
具体地，预处理参数数据包括：
清洗空缺值、格式内容、逻辑错误、非需求数据；
对数据进行特征构造、数据分级及数据量化；
对量化后的数据进行数据统计，将数据合并到统一的数据存储中；
采用基于聚类的离群样本检测策略对存储数据样本中仍可能出现异常的样本进行检测剔除。
S2：利用自适应增强算法计算理论线损，得到理论线损计算结果；需要说明的是：
自适应增强算法包括：
定义电网的三相线路的电流与电压分别为IV、UV；
三相线路的负荷电流不平衡度负荷电压不平衡度/>为：
其中，分别表示相电流、相电压，/>
电网的总损耗为：
Δp＝K(UV-U)2
其中，L表示总损耗值，M表示电网结构系数，R表示电阻，Δp表示单相电晕损耗功率，t表示温度值，n表示电网导线根数，K表示相关系数，U表示起始电压，其数值皆为标量。
S3：构建理论线损分析评价模型，对理论线损计算结果进行校核，若出现不合理结果，则进行反向核查，定位不合理原因；需要说明的是：
构建理论线损分析评价模型包括：
获取规则数据信息，建立数据获取规则；
遍历历史理论线损计算值、典型参数数据库中数据，根据决策树分析数据信息的特征数据，根据数据获取规则对特征数据进行2次获取并得到其正例比例；
计算2次特征数据获取的正例比例比值；
若正例比例比值大于预设阈值，则获取的特征数据无效，重新遍历历史理论线损计算值、典型参数数据库中数据；
若正例比例比值小于或等于预设阈值，则获取的特征数据有效；
根据有效的特征数据以及最小二乘法进行理论线损分析评价模型的构建。
理论线损分析评价模型为：
其中，L、B分别表示理论线损和实际线损，J(L,B)表示输出值，j表示常数系数，n表示迭代系数，ω表示权重系数，si表示i条线路的对应的特征数据值，bj表示j条线路对应的实际线损系数，μ表示特征维度，R表示实数。
其中，对理论线损计算结果进行校核，判断校核结果是否合理的标准包括：
获取理论线损分析评价模型输出值，基于输出值的最优解判断校核结果是否合理：
当τ∈[0,0.135]时，判断校核结果合理，输出理论线损。
更具体地，反向核查的步骤包括：对理论线损输出结果进行分析，将实时理论线损与历史理论线损值及实际线损值进行比较，定位比较误差大于预设值的地方，输出定位结果，由专家库数据得到不合理原因。
实施例2
本实施例提供了一种电网理论线损计算结果评价***，包括：
典型参数数据库建立单元：实时采集电网与理论线损相关的参数数据并进行预处理，将预处理后的数据建立典型参数数据库；
理论线损结果计算单元：利用自适应增强算法计算理论线损，得到理论线损计算结果；
理论线损计算结果校核单元：构建理论线损分析评价模型，对所述理论线损计算结果进行校核，若出现不合理结果，则进行反向核查，定位不合理原因。
典型参数数据库建立单元中，参数数据包括电流、电压、供电路径、电阻率、线路长度、电阻、线路总电阻、馈线供电半径、运行电压、损失常数以及负荷曲线。
预处理参数数据包括：
清洗空缺值、格式内容、逻辑错误、非需求数据；
对数据进行特征构造、数据分级及数据量化；
对量化后的数据进行数据统计，将数据合并到统一的数据存储中；
采用基于聚类的离群样本检测策略对存储数据样本中仍可能出现异常的样本进行检测剔除。
理论线损结果计算单元中，自适应增强算法包括：
定义电网的三相线路的电流与电压分别为IV、UV；
三相线路的负荷电流不平衡度负荷电压不平衡度/>为：
其中，分别表示相电流、相电压，/>
电网的总损耗为：
Δp＝K(UV-U)2
其中，L表示总损耗值，M表示电网结构系数，R表示电阻，Δp表示单相电晕损耗功率，t表示温度值，n表示电网导线根数，K表示相关系数，U表示起始电压，其数值皆为标量。
理论线损计算结果校核单元中，构建理论线损分析评价模型包括：
获取规则数据信息，建立数据获取规则；
遍历历史理论线损计算值、典型参数数据库中数据，根据决策树分析数据信息的特征数据，根据数据获取规则对特征数据进行2次获取并得到其正例比例；
计算2次特征数据获取的正例比例比值；
若正例比例比值大于预设阈值，则获取的特征数据无效，重新遍历历史理论线损计算值、典型参数数据库中数据；
若正例比例比值小于或等于预设阈值，则获取的特征数据有效；
根据有效的特征数据以及最小二乘法进行理论线损分析评价模型的构建。
理论线损分析评价模型为：
其中，L、B分别表示理论线损和实际线损，J(L,B)表示输出值，j表示常数系数，n表示迭代系数，ω表示权重系数，si表示i条线路的对应的特征数据值，bj表示j条线路对应的实际线损系数，μ表示特征维度，R表示实数。
对理论线损计算结果进行校核，判断校核结果是否合理的标准包括：获取理论线损分析评价模型输出值，基于输出值的最优解判断校核结果是否合理：
当τ∈[0,0.135]时，判断校核结果合理，输出理论线损。
反向核查的步骤包括：对理论线损输出结果进行分析，将实时理论线损与历史理论线损值及实际线损值进行比较，定位比较误差大于预设值的地方，输出定位结果，由专家库数据得到不合理原因。
应用例
本应用例提供了一种电网理论线损计算结果评价方法的验证测试，为对本发明方法中采用的技术效果加以验证说明，本应用例采用传统技术方案与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本发明方法所具有的真实效果。
传统的技术方案：理论线损计算精度低，实用性和可操作性低，且其局限性高。为验证本发明方法相对传统方法具有较高计算精度。本应用例中将采用传统基于电网特征差异的线损水平评价方法和本发明方法分别对仿真电网的理论线损率进行实时测量对比。
测试环境：选取110kv、220kv、10kv、500kv的电网线路进行测量，其导线结构为4*LGL-300***导线，直径24.26mm，***间距450mm，三项水平排列，相间距离为13m，设电路长度为300km，线路参数表为：
表1：线路参数表
| 线路型号 | 电抗Ω/km | 电纳s/km | 导线半径cm | 几何均距cm | 电阻Ω/km |
| 4*LGL-300 | 0.281 | 3.956*10-6 | 1.213 | 1638 | 0.02625 |
分别利用传统方法和本发明方法，开启自动化测试设备并运用MATLB软件编程实现两种方法的仿真测试，根据实验结果得到仿真数据。结果如下表所示。
表2：实验结果对比表
从实验结果可以看出本发明方法相较于传统方法有较好的计算精度，从而体现了本发明方法的有效性。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种电网理论线损计算结果评价方法，其特征在于，包括：
实时采集电网与理论线损相关的参数数据并进行预处理，将预处理后的数据建立典型参数数据库；
利用自适应增强算法计算理论线损，得到理论线损计算结果；
构建理论线损分析评价模型，对所述理论线损计算结果进行校核，若出现不合理结果，则进行反向核查，定位不合理原因；
所述自适应增强算法包括：
定义电网的三相线路的电流与电压分别为IV、UV；
所述三相线路的负荷电流不平衡度负荷电压不平衡度/>为：
其中，分别表示相电流、相电压，/>为1、2或3，/>
所述电网的总损耗为：
Δp＝K(UV-U)2
其中，L表示总损耗值，M表示电网结构系数，R表示电阻，Δp表示单相电晕损耗功率，t表示温度值，n表示电网导线根数，K表示相关系数，U表示起始电压，其数值皆为标量；
构建所述理论线损分析评价模型的步骤包括：
获取规则数据信息，建立数据获取规则；
遍历历史理论线损计算值和所述典型参数数据库中数据，根据决策树分析数据信息的特征数据，根据所述数据获取规则对所述特征数据进行2次获取并得到其正例比例；
计算2次特征数据获取的正例比例比值；
若所述正例比例比值大于预设阈值，则获取的特征数据无效，重新遍历所述历史理论线损计算值和所述典型参数数据库中数据；
若所述正例比例比值小于或等于预设阈值，则获取的特征数据有效；
根据有效的特征数据以及最小二乘法进行理论线损分析评价模型的构建；
所述理论线损分析评价模型为：
其中，L、B分别表示理论线损和实际线损，J(L，B)表示输出值，j表示常数系数，m表示迭代系数，ω表示权重系数，si表示i条线路的对应的特征数据值，bj表示j条线路对应的实际线损系数，μ表示特征维度，R表示实数。
2.如权利要求1所述的电网理论线损计算结果评价方法，其特征在于，所述参数数据包括电流、电压、供电路径、电阻率、线路长度、电阻、线路总电阻、馈线供电半径、运行电压、损失常数以及负荷曲线。
3.如权利要求1所述的电网理论线损计算结果评价方法，其特征在于，预处理所述参数数据的步骤包括：
对数据进行特征构造、数据分级及数据量化；
对量化后的数据进行数据统计，将数据合并到统一的数据存储中；
采用基于聚类的离群样本检测策略对存储数据中仍可能出现异常的样本进行检测剔除。
4.如权利要求1所述的电网理论线损计算结果评价方法，其特征在于，对所述理论线损计算结果进行校核，判断校核结果是否合理的标准包括：
获取所述理论线损分析评价模型输出值，基于所述输出值的最优解判断校核结果是否合理：
当τ∈[0，0.135]时，判断所述校核结果合理，输出所述理论线损。
5.如权利要求1-4任一项所述的电网理论线损计算结果评价方法，其特征在于，所述反向核查的步骤包括：
对所述理论线损输出结果进行分析，将实时理论线损与历史理论线损值及实际线损值进行比较，定位比较误差大于预设值的地方，输出定位结果，由专家库数据得到所述不合理原因。
6.一种电网理论线损计算结果评价***，其特征在于，包括：
典型参数数据库建立单元：实时采集电网与理论线损相关的参数数据并进行预处理，将预处理后的数据建立典型参数数据库；
理论线损结果计算单元：利用自适应增强算法计算理论线损，得到理论线损计算结果；
理论线损计算结果校核单元：构建理论线损分析评价模型，对所述理论线损计算结果进行校核，若出现不合理结果，则进行反向核查，定位不合理原因；
理论线损结果计算单元中，自适应增强算法包括：
定义电网的三相线路的电流与电压分别为IV、UV；
三相线路的负荷电流不平衡度负荷电压不平衡度/>为：
其中，分别表示相电流、相电压，/>
电网的总损耗为：
Δp＝K(UV-U)2
其中，L表示总损耗值，M表示电网结构系数，R表示电阻，Δp表示单相电晕损耗功率，t表示温度值，n表示电网导线根数，K表示相关系数，U表示起始电压，其数值皆为标量；
理论线损计算结果校核单元中，构建所述理论线损分析评价模型的步骤包括：
获取规则数据信息，建立数据获取规则；
遍历历史理论线损计算值和所述典型参数数据库中数据，根据决策树分析数据信息的特征数据，根据所述数据获取规则对所述特征数据进行2次获取并得到其正例比例；
计算2次特征数据获取的正例比例比值；
若所述正例比例比值大于预设阈值，则获取的特征数据无效，重新遍历所述历史理论线损计算值和所述典型参数数据库中数据；
若所述正例比例比值小于或等于预设阈值，则获取的特征数据有效；
根据有效的特征数据以及最小二乘法进行理论线损分析评价模型的构建；
所述理论线损分析评价模型为：
其中，L、B分别表示理论线损和实际线损，J(L，B)表示输出值，j表示常数系数，m表示迭代系数，ω表示权重系数，si表示i条线路的对应的特征数据值，bj表示j条线路对应的实际线损系数，μ表示特征维度，R表示实数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003942.1A CN113780775B (zh) | 2021-08-30 | 2021-08-30 | 一种电网理论线损计算结果评价方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003942.1A CN113780775B (zh) | 2021-08-30 | 2021-08-30 | 一种电网理论线损计算结果评价方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113780775A CN113780775A (zh) | 2021-12-10 |
| CN113780775B true CN113780775B (zh) | 2024-06-14 |
Family
ID=78840040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111003942.1A Active CN113780775B (zh) | 2021-08-30 | 2021-08-30 | 一种电网理论线损计算结果评价方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113780775B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114994401B (zh) * | 2022-07-18 | 2023-04-18 | 广东电网有限责任公司佛山供电局 | 一种线路线损异常的检测方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110110887A (zh) * | 2019-03-22 | 2019-08-09 | 国网浙江省电力有限公司信息通信分公司 | 对低压台区线损率的预测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156892A (zh) * | 2016-07-13 | 2016-11-23 | 国网福建省电力有限公司 | 一种电网线损率预测模型的建立方法 |
| CN109165764A (zh) * | 2018-06-26 | 2019-01-08 | 昆明理工大学 | 一种遗传算法优化bp神经网络的线损计算方法 |
| CN110188122B (zh) * | 2019-05-15 | 2021-12-10 | 电子科技大学 | 一种用于不同线损行为间的关联关系分析方法 |
-
2021
- 2021-08-30 CN CN202111003942.1A patent/CN113780775B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110110887A (zh) * | 2019-03-22 | 2019-08-09 | 国网浙江省电力有限公司信息通信分公司 | 对低压台区线损率的预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于理论线损计算的结果数据质量评价方法研究;文锦霞;;机电信息(30);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113780775A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112131441B (zh) | 一种快速识别用电异常行为的方法及*** | |
| CN112307435B (zh) | 一种基于模糊聚类和趋势判断筛查用电量异常的方法 | |
| CN110264107B (zh) | 一种基于大数据技术的台区线损率异常诊断方法 | |
| CN109034461A (zh) | 一种基于实际电网监测信息的电压暂降随机预估方法 | |
| CN107271809A (zh) | 一种面向大数据应用的电力设备状态量动态阈值获取方法 | |
| CN102590652B (zh) | 基于电气信息的设备性能评价***及方法 | |
| CN107741578A (zh) | 一种用于智能电能表运行误差远程校准的原始抄表数据处理方法 | |
| CN113780775B (zh) | 一种电网理论线损计算结果评价方法及*** | |
| CN113111955A (zh) | 一种线损异常数据专家***及检测方法 | |
| CN110443481B (zh) | 基于混合k-近邻算法的配电自动化终端状态评价***及方法 | |
| CN116595459A (zh) | 一种基于电场信号的污闪预警方法及*** | |
| CN114742415A (zh) | 适用于充电站的运营效果评价方法、装置及*** | |
| CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
| CN109918612B (zh) | 一种基于稀疏学习的台区拓扑结构校验方法 | |
| CN112182499A (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
| CN111612054A (zh) | 一种基于非负矩阵分解和密度聚类的用户窃电行为识别方法 | |
| Lin et al. | Voltage sag severity analysis based on improved FP-Growth algorithm and AHP algorithm | |
| CN116106627A (zh) | 一种基于电压电流不同相错误接线异常的判断方法 | |
| CN116029165A (zh) | 一种计及雷电影响的电力电缆可靠性分析方法及*** | |
| CN110580578A (zh) | 一种智能变电站二次***运行质量多分层评价方法 | |
| CN112507290B (zh) | 配电设备故障概率预判方法、装置及存储介质 | |
| Yang et al. | AI-Based Detection of Power Consumption Behavior of People in a Smart City | |
| Zhong et al. | Rapid Identification Method for the Sudden Change of Operating Errors in Smart Electricity Meters | |
| CN110991825A (zh) | 基于大数据的线损判定方法 | |
| CN113285440B (zh) | 一种低压台区降损优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |