关于配电网线损自动计算建模的研究

2018-08-30杜波

中国科技纵横 2018年14期

杜波

摘要：线损计算是电力生产、营销中的重要分析环节，文章针对当前配网实际，提出一种基于样本训练的线损自动计算模型。该模型能充分吸纳配网的特征参数，并在大数据基础上需求线损与配网参数的关系。文章对模型进行了实例仿真，结果表明该模型科学、有效，具有一定的推广价值。

关键词：配电网；线损计算；建模

中图分类号：TM744 文献标识码：A 文章编号：1671-2064（2018）14-0206-02

供电企业要实现丰厚的利润，关键要做好“开源节流”。所谓“开源”，就是要多供电，争取电量的稳定增长；所谓“节流”，就是要有效降低电力传输过程中的损耗[1]。配网层面直接和广大用户打交道，里程广袤、设备繁多，历来是线损产生的主要“场所”，因此，为了降本增效，必须对配网层面的线损引起重视。首先要做的工作是构建切合实际的线损计算模型。

1 配网线损自动计算建模思路

关于线损计算，目前国内外的方法可谓层出不穷。配网的特点是节点多、电气量信息杂，因此关于配网线损的自动计算必然要求模型能在大量数据样本中进行有效寻优。基于此，羅列建模思路如下：

（1）首先要能实现样本数据的自动聚类。为了避免人的因素过多干扰，可引进诸如无监督聚类算法等方法。聚类的基准是分类后各类的线损值较为一致，如此可提升模型的拟合度[2]。（2）其次要使线损计算的误差小、效率高。考虑到最小二乘法是一种快速的数学优化方法，因此可选用“最小二乘支持向量机”来作为模型的核心。

2 具体建模

2.1 模型总体构造

根据上文中关于建模思路的表述，可构造如图1所示的线损自动计算模型框图。其中：

（1）样本集合的产生：在搜集待求网络全网各节点（包括表计）数据的基础上，进行特征处理和标准化变换，“训练”出可输入模型的数据。（2）无监督分类器的任务是对样本进行进一步深度处理，以使模型回归精度得到提升。（3）最小二乘支持向量机能在满足较高的寻优效率下获得各子类的拟合函数估计。

2.2 关于样本的特征提取和标准化变换

配网层面设备种类多、网络结构变化频繁，因此相关的运行参数也多。但若努力搜寻所有的参数来构建线损模型，一则会使模型过于庞大造成运算维数灾，二来也会让前期的工作效率十分低下，不符合自动计算的快速原则。因此，本着一般配网运行参数的可获取性和其与线损的关联程度，我们选定含四个参数（即线路的P、Q、l和配变容量）的向量作为样本特征：以X或（x1，x2，x3，x4）表示。

为了排除数据量纲的影响，还需对N个样本（假定）进行标准化处理，见式（1）所示。

（1）

其中，xj表示样本集合中所有样本的第j项特征的平均值；为样本方差；zij为处理后的输出。

2.3 无监督分类的实施

无监督分类根据预设聚类半径执行。设样本集为X={x1，x2，…，xN}，聚类半径为R，则该算法实施如下：

（1）令C1={x1}，O1=x1，cluster_num=1，Z={x1，…，xN}。（2）if Z为空，则stop。（3）对于xi∈Z，寻找与xi最近的Oj。（4）if d（xi，Oj）≤R，将xi加入Cj，转（6）。（5）if d（xi，Oj）>R，增加新类cluster_num=cluster_num+1，并令Ccluster_num={xi}，Ocluster_num=xi。（6）Z=Z-（xi），转（2）。

2.4 拟合函数求解

通过前文方法在得到训练样本{（xi，zi），i=1，2，…，N}后，可利用函数来拟合数据。其中，能完成非线性的低维空间转化为线性的高维空间。虑及快速性要求，最小二乘支持向量机可进行改进，即采用Lagrange方法将约束问题转化为无约束问题[3]，最后得到拟合函数的形式为：

（2）

3 实例应用

文献[3]对我国东北部某省的62条配网线路进行准确的线损计算，文章将这些计算结果为比对基准，检验文章所建模型的可用性。62条线路的特征参数见文献[3]，这里不再赘述。

3.1 过程简述

将62条线路分作两队，其中52条为样本训练用，剩余10条为检验效果用。

首先利用无监督分类将52个样本细分为四个子类；然后对这四个子类进行最小二乘回归，得到相应的LSSVR仿真机；最后将10个检验样本用到仿真机上，得到基于本文所建模型的线损数值。

3.2 结果比对

利用上述方法得出的实例线损结果见表1所示。为了突出文章构建模型的优势，特将无“无监督分类”预处理环节的线损计算结果同时列式，以作比对。

由表1看出，配网线损自动计算模型在包含了分类预处理后，其计算精度大幅上升、误差评价极大降低，这说明文章建立的模型是合理的，可以做进一步推广。

4 结语