基于物联网的电网能效分析管理技术

时 翔，王 澎

（国网青岛供电公司 营销部，山东 青岛 266002）

基于物联网的电网能效分析管理技术

时 翔，王 澎

（国网青岛供电公司 营销部，山东 青岛 266002）

目前电网系统正在发展成为容量巨大、运行复杂、高能耗的大规模供电系统，电网中存在线损率较高的问题，造成了电网电能能效偏低。针对这一问题，构建用于电能能效分析管理的物联网系统，设计遗传算法对采集到的系统电能能效信息进行优化。首先，分别建立电能能效管理分析系统的感知层、网络层和应用层，组建物联网架构，其次分析影响电能能效的关键因素及其与物联网之间的关系，再对通过物联网采集到的电网能效数据信息，设计遗传算法进行优化。最终，应用MATLAB仿真软件，对基于物联网的电能能效分析管理系统进行仿真分析。仿真结果表明，电网系统的线损率降低了48%，该技术可较好提高电能系统的电能使用效率。

物联网；电网能效；线损率；遗传算法；MATLAB仿真

近年来，伴随着我国经济水平和工业生产能力的快速提升，电能供电系统正在日益发展成为容量巨大、运行复杂、高能耗的大规模供电系统。相关部门统计资料表明：在包含发电系统、供电系统和用电系统的大型电能综合系统中，各种电能装备（例如发电机、电动机、电能输电线路、变压器、电动机等电能设备）所有的电能损耗占电能系统发电总量的28%～33%[1]。所以电能系统中的电能损耗巨大，降低电能损耗，提高电网能效利用效率潜力亦较大。

随着近年来传感器技术和互联网技术的快速发展，物联网技术已成为了当前世界科技发展的时代主流，且在众多领域均得到了较为广泛的应用，例如城市智能交通网、车联网、智能楼宇系统等应用领域，均取得了较好的使用效果[2]。为了提高电网电能利用效率，降低电网能量损耗，增强电网能效分析与管理能力，将目前先进的物联网技术应用于电网能效分析管理系统中，构建基于物联网的电网能效分析管理系统，针对典型的电能能效指标参数，设计神经网络算法，对其进行分析处理和优化设计，应用计算机技术对设计的基于物联网的电网能效管理系统进行仿真分析。

1 基于物联网的电网能效分析管理系统

经过多年的发展，通信网络正逐渐完备，国际互联网络也得到了广泛的应用，随之而来的物联网络正在成为一种日益兴起且越发重要的网络系统，物联网能在物品和物品、物品和人类之间建立广泛的相互连接，通过将物品与物联网络建立联系，可方便的对与其相连接的物品进行辨识、管理和控制。所谓物联网，是建立在无线射频识别技术、无线传感器网络、无线通信等技术基础之上，组成一个能涵括各种事物的巨大物品信息网络[3-4]。更加深入来说，物联网络通过将各种各样的传感器嵌入到了交通、建筑设施、供电系统、供水网络等各式各样的物体之中，从而建立了物品和物品、物品和人类之间连接的强大信息网络系统，然后将其与互联网进行联接并组合在一起，以该强大网络之中的高性能服务器为基础，完成装备设施、机器构件、涉及人员与基础设备的动态控制和管理。

图1 物联网框架图

如图1所示，经典物联网通常是由3种层次结构构成的，这3种层次结构分别为感知层、网络层和应用层。在这之中，感知层是完成对传感器数据进行采集和对相应通信数据信息进行初始处理的相关工作，网络层则是在感知层的基础之上建立更加广阔的互联网系统平台，这样就需要更加强大的传感器连接网络和移动通信技术、互联网技术进行更加深入的整合。建立在网络层的基础之上[5]，应用层是通过网络层接收到感知层采集到的传感器数据，从而建立能满足相应需求的动态数据资源库，从动态数据资源库中采纳相关信息进行应用处理，为所需的业务建立强大的数据支持，因此可通过互联网实现对被控目标进行相应管理和控制的功能目的。

图2 基于物联网的电网能效控制系统框架图

基于物联网的电网能效控制系统的框架图，如图2所示。该物联网也是由感知层、网络层和应用层3个层次架构组成的。其中，感知层中集成了大量的无线传感器网络，这些无线传感器网络既能实现对电能相关信息，例如电流、电压、电能、无功、有功、谐波等电能信息和用户信息的实时采集和动态控制，也可对电网的能效参数进行实时采集和分析处理。在感知层的基础之上，网络层主要是由大数据处理设备及与其相配套的电力载波信息通讯网络所构建得到的，网络层的主要作用是对各个电能传感器采集到的终端电能信息和能效参数信息进行搜集然后进行相应的打包处理，并可通过电力载波信息通讯网络将电能传感器搜集到的电能参数和电网能效参数信息传输到应用层的电网能效参数数据监测控制服务器上。同时，也可起到将电网能效参数数据监测控制服务器向下一层发送的命令信息传送到感知层的电能传感器终端和电网能效参数监控终端之上[6-8]。电网能效数据处理服务器与相应客户端构建成了电网能效控制系统的应用层，组成电网能效数据监测控制服务器，其的主要功能是对通过网络层传输来的大量客户电能传感器搜集到的电能质量参数和电网能效参数数据进行储存、整理和分析，然后根据优化算法的分析结果来采取相应的故障诊治、线损控制、能效优化等措施进行相应的处理工作。

从物理网络架构组成方面分析，基于物联网的电网能效控制系统主要是由感知层、网络层和应用层三部分构造组成的，从工作作用角度分析，电网能效控制网络的感知层主要作用是实时采集电能用户端的电能参数信息和电网能效参数信息，网络层的主要功能是传输来自感知层采集到的电能质量信息和电网效能参数信息，典型的传输方式为无线通信网络传输，电力载波信息通信网络传输等，当前选用的主要传输方式是电力载波信息通信网络传输方式，电网能效控制系统的应用层功能则是应用大型数据服务器对来自网络层的海量电能信息和电网能效参数数据进行存储、分析和处理，可最终对电网各终端的能效信息进行实时动态控制，实现电网系统能效优化的目标[9]。

2 电网能效参数指标与物联网

电网能效参数指标主要是线损和线损率，所谓线损，即在电网系统中进行电能传输和分配时，产生的有功功率损耗和电能损耗，也称为线路损失，而线损率指的是在电网系统中线损的电量与电能系统供电量之比，其计算公式可表示为[10]：

线损率=（线损电量/供电量）*100%=[（供电量-售电量）/供电量]*100%

线损分由可变损耗、固定损耗和不明损耗三个部分组成，在线损之中，可变损耗部分是电网系统中进行电能输配电过程之中一定存在的，其与负荷的变化有关，随着负荷的变动而变动，与电能系统中各个组成元件之中的负荷功率或元件的工作电流平方成正比，当工作电流增大时可变损耗也随之增大，因此可变损耗也被称之为铜损。所有流过线圈的电流损耗，导线损耗、调相机、电抗器、互感器等的电能损耗，各种升压变压器、降压变压器及配电变压器的铜损均是可变损耗的组成部分。

而固定损耗是不因负荷的变化而发生变化的，在电能系统之中，电能设备存在电压则需消耗电能所产生的损失，也被称之为铁损和空载损耗。固定损耗从组成部分角度可分为电晕损耗、调压器、电抗器消弧线圈铁损，变压器铁损等[11]。

不明损耗通常指的是由于电网管理方法上的漏洞从而产生的损耗，计量电能装置故障以及计量误差、用户窃电、电力设备绝缘不良产生泄露损失等均会引起不明损耗的产生。

3 基于遗传算法的电网能效优化方法

在基于物联网的电网能效管理系统构建完成之后，应用层的服务器可接收到从网络层传输来的感知层电能传感器的电能损耗数据，即线损和线损率，针对采集到的信息数据可应用成熟的优化算法进行数据处理，然后控制感知层的电能传感器和电能设备进行电能损耗控制，从而实现电网能耗优化控制的目的。

遗传算法（Genetic Algorithm）是从代表问题可能潜在解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成[12]。遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法[12]。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，其决定了个体的形状外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作复杂，通常需进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解。在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新解集的种群。这一过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可作为问题近似最优解[13]。遗传算法首先构建模型，并对问题对象进行染色体编码，然后初始化种群，计算个体适应值，通过执行遗传算法选择、交叉、变异等操作之后，判断是否满足终止条件，若满足终止条件，则选择结束，若不满足终止条件，则重新进行个体适应值的计算，其流程图如图3所示。

图3 遗传算法流程框图

通过基于物联网的电网能效管理系统的构建，对选取的神经网络优化算法进行计算机仿真分析，处理某电网能效管理系统的数据。应用MATLAB仿真软件，设计相应的遗传优化算法，针对电网系统之中的线损和线损率进遗传算法优化处理，可得到优化前后线损率变化的情况，如图4所示。

图4 遗传算法处理前后线损率变化图

根据图 4中线损率变化的情况可知，应用MATLAB仿真软件，经过遗传优化处理之后，电网能效管理系统中的电网线损率平均降低48%。由此可知，应用遗传算法，基于物联网的电网能效管理技术可较好的实现了系统中的电网能效优化处理。

4 结束语

文中针对当前电网系统中存在的容量巨大、运行复杂、高能耗的问题，构建适用于电网能效控制的感知层、网络层和应用层，建立用于电网能效控制的物联网系统，分析影响电网能效的线损和线损率，设计优化线损率相应的遗传算法，并应用MATLAB仿真软件，对电网能效管理系统进行仿真。仿真结果表明，基于物联网的电网能效管理技术可较好的降低电网的线损率并实现提高电网能效的目的。

[1]王涛.电网企业降损节能研究[D].杭州:浙江大学，2008.

[2]周有学.配电网的线损理论计算及降损措施[D].重庆:重庆大学，2001.

[3]彭涛.电网线损分析及降损措施 [J].科技信息，2008，21（6）:316-317.

[4]宋淑杰，范荻.城市电网线损分析与降损技术措施[J].华北电力技术，2008（5）:37-39.

[5]张慧颖，黄南天.基于物联网技术的智能电能监测系统设计[J].微电子学与计算机，2015，32（10）:137-142.

[6]曾杨杨，陈宇晨，洪炜，等.一种基于采样修正的电能质量在线监测仪设计 [J].仪表技术与传感器，2016，12（1）:29-32.

[7]黄磊，杨维翰，许昆.基于ARM9电能质量监测仪的数据采集[J].电子科技，2009，22（12）:23-25.

[8]秦银山，张国文，吕玉祥，等.基于快速传输海量存储的电能质量监测系统 [J].电子科技，2011，24（7）:68-71.

[9]管春.电能质量综合检测与分析系统研究[D].重庆:重庆大学，2011.

[10]冉兵，宋晓辉.配电网线损影响因素分析[J].华中电力，2009，22（6）:30-33.

[11]邢磊.电能质量检测系统的研究与设计[D].成都:西华大学，2013.

[12]何嘉.基于遗传算法优化的中文分词研究[D].成都:电子科技大学，2012.

[13]莫汉培，陈秋良，张子臻.遗传算法求解电力设施选址问题[J].计算机技术与发展，2016，18（2）:36-38.

Energy efficiency analysis and management technology of power grid based on internet of things

SHI Xiang，WANG Peng
（State Grid Power Company Marketing Qingdao，Qingdao 266002，China）

At present，the power system is being developed into a large capacity，complex operation，high energy consumption of large-scale power supply system，the power grid in the high rate of storage problems，resulting in power grid energy efficiency is low.Aiming at this problem，the Internet of things，which is used to manage the energy efficiency analysis and management，is constructed.First of all，the establishment of power energy management analysis system of perception layer，network layer and application layer，to form a networking architecture，followed by analysis of affecting electric energy energy efficiency of key factors and the relationship between things and，through the acquisition of the Internet of things to the power grid efficiency data information，design genetic algorithm optimization. Eventually，the application of MATLAB simulation software based on the networking of electric energy efficiency analysis management system analysis and simulation，the simulation results show that the power system line loss rate reduced by 48%.The technology can better improve the power system of electric energy efficiency in the use.

internet of things；energy efficiency of power grid；line loss rate；genetic algorithm；MATLAB simulation

TN911

：A

：1674-6236（2017）06-0071-04

2016-04-02稿件编号：201604023

时 翔（1975—），男，山东青岛人，高级工程师。研究方向：节能及电能替代。