一种计算理论线损的智能算法

曾伟　彭文一　杨刚　黄大山

摘 要：文章针对常规理论线损算法难以建立电网系统精确模型、不能准确估算线路参数等问题，利用RBF神经网络的无限逼近能力和遗传算法的并行运算与全局寻优能力，设计了一种计算低压台区供电系统理论线损的智能算法。实例表明本算法具有较高的精度，并具有一定的实用价值。

关键词：理论线损；RBF神经网络；遗传算法

中图书分类号：TM744 文献标识码：A 文章编号：1006-8937（2012）32-0038-03

线损率既是供电企业的一项重要经济技术指标，也是表征一个供电企业电力系统规划设计水平和经营管理水平的一个综合经济技术指标。统计表明，在我国城乡电网全网线损电量中，0.4 kV低压配电网的线损电量约占42%，远高于德国、英国等工业发达国家的平均水平。因此，科学计算低压台区理论线损、分析实际线损产生原因、降低低压台区线损率具有重要理论意义和经济价值。

目前，关于理论线损的计算，国内外已有一些比较成熟的方法，如电量法、容量法、均方根电流法、平均电流法、潮流精确算法等。这些方法的共同特点是需要知道等值电阻、线路负荷曲线特征系数，甚至需电表的类型（单相表、三相三线表、三相四线表）及个数、导线长度与线径、供电半径等较多的线路原始参数。由于低压台区线路结构的复杂性，以及用户的用电的随机性，上述参数中的有些参数是随机变化的，有的只能通过特定时刻的运行数据，估算得到一个近似数，如等值电阻、线路负荷曲线特征系数等；有的基本无法得到，如导线长度与线径，这直接影响了理论线损的计算精度和实时性。

本文针对低压台区供电系统的特点，提出一种神经网络与遗传算法相结合的计算理论线损智能算法。该方法根据系统辨识的原理，把待计算理论线损的低压台区的供电系统作为一个黑箱，通过智能电表（仪表）采集的样本数据，建立低压台区供电系统数学模型——辨识低压台区的线路结构参数，并据此在线计算该台区的理论线损，避免了算法对线路原始参数的依赖性，提高了理论线损计算的实时性。

1 低压台区供电系统建模

2 模型参数辨识

2.1 待辨识参数

通过上述对RBF神经网络的分析，可确定系统的待定参数为三组：隐含层单元的个数（隐含层的维数）m；隐含层单元基函数的中心cji与宽度σj；输出层权值wj和网络的调整系数θ。即当这三组参数确定后，即可通过RBF神经网络来计算低压台区理论线损值。上述三组参数的优劣对理论线损值的精确度有很大影响。

由于RBF网络结构的非线性，若使用常规算法确定这些参数较为困难，我们通过具有全局寻优能力的遗传算法来确定上述参数。

2.2 编码方式

将上述三组参数统一编码至一个染色体串中。对于RBF神经网络，中心是重要的参数，对网络性能有很大影响，不同的中心对应着不同的宽度，中心变化，宽度也随之变化，所以采用中心和宽度交替排列的编排顺序，如图2所示。本文采用实数编码，染色体的每个基因值用一定范围内的浮点数表示，染色体编码长度为待优化变量的个数，即为L=（n+2）×m+1。

2.3 评价准则

由于种群中共有P个染色体，则需要执行P次选择操作以选出所有下一代染色体。针对每个被选出的染色体，需要进行一定判断，以决定是否需要对其进一步处理。首先进行变异判断，若满足变异条件则变异，生成的新染色体作为下一代种群中的一员；若不满足变异条件，则进行交叉判断，若满足交叉条件则将其与本代种群中任意染色体进行交叉，生成的新染色体（以被选择染色体作为母本生成的染色体）作为下一代种群中的一员；若不满足交叉条件，则此被选出的染色体直接保留到下一代。

2.5 遗传机制改进

遗传算法通染色体交叉、变异产生新的染色体，虽然优良个体越来越多，但遗传操作的随机性有可能破坏掉当前群体中适应度最好的个体，这会对遗传算法的运行效率、收敛性都带来不利影响。所以采取了最优保留策略[8]将当前种群中适应度最高的个体直接保留到下一代，以保证算法的收敛精度递增性。

2.6 参数识别流程

3 应用实例

对某日贵州某地级市的某个低压台区供电系统采集70组数据，取其中60个数据作为训练神经网络的样本，其余10个作为训练好的神经网络（系统模型）的测试样本。

5 s，可以满足实际需求。通过其余10个测试样本对本神经网络的测试，结果显示神经网络参数合理，理论线损计算精度较高，则可以运用算法此次运行辨识出的参数来计算理论线损值。

4 结 论

本文根据低压台区供电系统原始数据难采集的特点，提出一种计算理论线损的智能算法，运用RBF神经网络对低压台区供电系统建模，并通过改进的遗传算法优化神经网络参数。本文方法避免了许多人工统计工作，提高了算法的客观性和实时性，得到了较好的运用效果，具有较高的实用价值。

参考文献：

[1] 廖学琦，郑大方.城乡电网线损计算分析与管理[M].北京：中国电力出版社，2011.

[2] 广东电网公司.线损理论计算原理与应用[M].北京：中国电力出版社，2009.

[3] 廖学琦.农网线损计算分析与降损措施（线损管理培训用书）[M].中国水利水电出版社，2008.

[4] 华南理工大学电力学院.线损理论计算软件从入门到精通[M].中国电力出版社，2009.

[5] 范宏，韦化.改进遗传算法在无功优化中的应用[J].电力系统及其自动化学报，2005，17 （1）.

[6] 张国忠.智能控制系统及应用[M].中国电力出版社，2007.

[7] 李桂鑫.基于遗传算法的RBF神经网络用于配电网线损计算[D].天津：天津大学，2007.

[8] 安卓斯P著.谭营译.计算群体智能基础[M].北京：清华大学出版社，2009.

[9] 段海滨，张祥银，徐春芳.仿生智能计算[M].北京：科学出版社，2011.