采用神经网络模型确定城市居民小区用电需用系数的方法技术

本发明专利技术涉及一种采用神经网络模型确定城市居民小区用电需用系数的方法，属于电力系统技术领域。技术方案包含如下步骤：①样本采集；②构造需用系数样本；③训练神经网络模型；④利用神经网络模型计算需用系数；假设某一用电群户户数规模为Q、平均户型面积为A、入住率为λ，将其作为BP神经网络模型的输入，模型的输出即为该用电群户的户数需用系数ZN和面积需用系数ZA。本发明专利技术的积极效果是：用于在用电负荷指标一定的情况下，精确计算小区类型、户数多少、户型面积、入住率等多个因素影响下的小区用电需用系数，克服已有指导原则给出的需用系数参考范围过宽、不够精确等缺点，从而有效的指导配电网规划并保证其经济、安全运行。

【技术实现步骤摘要】
采用神经网络模型确定城市居民小区用电需用系数的方法
本专利技术涉及一种采用神经网络模型确定城市居民小区用电需用系数的方法，属于电力系统

技术介绍
随着经济的发展和人民生活水平的不断提高，城市新住宅小区不断涌现，对配电网供电的可靠性也提出了越来越高的要求。小区配变装接容量对于配电网规划及其安全、经济运行有着重要的现实意义，它一般由用电负荷指标、需用系数以及功率因数和配变负载率等几项基础数据，通过规定的计算方法测算得到。其中，用电负荷指标与需用系数是其中的关键，一些地方出台的配电网规划技术导则中对此做出了相关说明：北京地区规定，对于普通小区，用电负荷指标取6kW/户，需用系数取0.2；对于高档小区，用电负荷指标取10kW/户，200户以下需用系数取0.2，200户以上需用系数取0.15。上海地区规定，对于用电负荷指标，建筑面积在80m2及以下的，取4kW/户；建筑面积在81m2-120m2的，取6kW/户；建筑面积在121m2—150m2的，取8kW/户；建筑面积在150m2以上的，按70W/m2计算；需用系数取0.45。河南省规定，对于用电负荷指标，建筑面积在80m2及以下的，取4—6kW/户；建筑面积在80m2—120m2的，取6—8kW/户；建筑面积在120m2—160m2的，8—10kW/户；建筑面积在200m2以上的，取12—20kW/户；对于需用系数，户数在75—300之间的取0.40，户数在375—600之间的取0.33，户数在600以上的取0.26。可以看出，这些指导原则中对用电负荷指标与需用系数的描述较为笼统，给出的参考范围很宽，不够精确。实际中，利用这些指导原则进行小区配变装接容量计算时，由于小区实际负荷受小区类型、户数多少、户型面积、入住率等多个因素影响，计算结果与小区实际负荷间往往有较大差距，从而容易造成两方面问题：一是配电网线路利用率低；表面上按照配变装接容量统计，部分线路已经不具备负荷开放能力，但实际中却是线路负荷较低，说明仍然有较大的负荷开放能力；二是线路重载，由于未考虑已接入负荷的发展，对于供电方案已经批复的用户实际接入时，电网实际上已经不具备负荷开放条件。
技术实现思路
本专利技术目的是提供一种采用神经网络模型确定城市居民小区用电需用系数的方法，用于在用电负荷指标一定的情况下，精确计算小区类型、户数多少、户型面积、入住率等多个因素影响下的小区用电需用系数，克服已有指导原则给出的需用系数参考范围过宽、不够精确等缺点，从而有效的指导配电网规划并保证其经济、安全运行，解决
技术介绍
中存在的问题。本专利技术的技术方案是：一种采用神经网络模型确定城市居民小区用电需用系数的方法，包含如下步骤：①样本采集结合所在城市小区的具体情况，首先将小区分为K种不同类型；针对其中每一类型小区，选出典型小区作为样本，并借助于智能网络电表，收集历年来的单户负荷历史数据，并获取用户的户型面积；②构造需用系数样本针对第i种小区类型，将收集的所有用户按照户型面积由大到小进行排序，设最大户型面积为Aimax，最小户型面积为Aimin；按照面积间隔Aid将他们分为Ni个用户组；针对第k个用户组（k=1,2,…Ni），按照户数间隔d构造出M个不同户数规模，且对每一户数规模Qj（j=1,2,…M），从用户组中随机抽取出T个用电群户，则可构造出C个用电群户，其中C=M×T；针对每一用电群户p（p=1,2,…M×T），计算其平均户型面积Akpav；累加其中所有用户的历史负荷数据，得出该用电群户的历年年负荷曲线，选取历年年负荷曲线的峰值Ljmax，计算出该用电群户的户均最大负荷Ljmaxav=Ljmax/Qj；依据预先规定的单户用电指标PN与负荷密度指标PA，分别得出该用电群户的户数需用系数ZN和面积需用系数ZA，其中ZN=Ljmaxav/PN；ZA=Ljmaxav/Akpav/PA；同时计算需用系数所对应的入住率λj：记户均最大负荷发生时该用电群户中电表负荷数据不为零的户数为Lj，则λj=Lj/Qj；由此，得出该用电群户户数规模为Qj、户型面积为Akav、入住率为λj时的户数需用系数ZN和面积需用系数ZA，从而构成一个需用系数样本｛[Qj,Akav,λj],[ZN,ZA]｝；重复上述过程，针对每一种类型小区，均获得需用系数样本；③训练神经网络模型针对每一种类型小区，建立相应的BP神经网络模型，最终获得共K个神经网络模型，分别适用于一种类型小区的需用系数计算；随机抽取步骤2中所获取样本的80%用于训练模型，余下的20%作为检验样本，用于模型测试；采用变学习速率的误差反传算法进行训练，设定迭代终止条件为样本平方和误差Ek小于期望误差Eo；满足终止条件后，利用检验样本测试模型精度，若精度满足要求，则训练结束；否则，对模型重新训练，直至满足精度要求为止；这样，针对每一种类型小区，训练好相应的BP神经网络模型；④利用神经网络模型计算需用系数假设某一用电群户户数规模为Q、平均户型面积为A、入住率为λ，将其作为BP神经网络模型的输入，模型的输出即为该用电群户的户数需用系数ZN和面积需用系数ZA。神经网络模型采用3-6-2结构，即包含一个输入层、一个隐含层、一个输出层，并且输入层包括3个神经元，分别对应户数规模、户型面积和入住率；隐含层包括6个神经元，使用s型转移函数；输出层包括2个神经元，其中一个神经元的输出为户数需用系数，另一个神经元的输出为面积需用系数，均使用purelin转移函数。本专利技术有益效果：用于在用电负荷指标一定的情况下，精确计算小区类型、户数多少、户型面积、入住率等多个因素影响下的小区用电需用系数，克服已有指导原则给出的需用系数参考范围过宽、不够精确等缺点，从而有效的指导配电网规划并保证其经济、安全运行。附图说明图1为本专利技术实施例普通小区类型用户分组；图2为本专利技术实施例高档小区类型用户分组；图3为本专利技术实施例配套商业小区类型用户分组；图4为本专利技术实施例BP网络结构图；图5为本专利技术实施例单神经元结构图。具体实施方式以下结合附图，通过实例对本专利技术作进一步说明。本实施例为在河北省唐山市中心城区应用本专利技术。一种采用神经网络模型确定城市居民小区用电需用系数的方法，具体步骤如下：步骤1：样本采集结合唐山市中心城区实际情况，将小区分为3种不同类型：普通小区、高档小区、配套商业小区；选取惠民园等小区共6297户作为普通小区样本，选择天元骏景、天元花园、容和景苑、德誉馨苑等小区共8380户作为高档小区样本，选择鹭港小区等共5966户作为商业配套小区样本；借助于网络电表，收集2011-2013年的上述用户负荷历史数据（365*24点数据），并获取用户的户型面积。步骤2：构造需用系数样本针对普通小区类型，将收集的所有用户按照户型面积由大到小进行排序，最大户型面积为135m2，最小户型面积为42m2；按照面积间隔为20m2将他们分为6个用户组，如图1所示；针对高档小区类型，将收集的所有用户按照户型面积由大到小进行排序，最大户型面积为440m2，最小户型面积为90m2；按照面积间隔为60m2将他们分为7个用户组，如图2所示；针对配套商业小区类型，将收集的所有用户按照户型面积由大到小进行排序，最大户型面积为205m2，最小户型面积为42m2本文档来自技高网...

【技术保护点】
一种采用神经网络模型确定城市居民小区用电需用系数的方法，其特征在于包含如下步骤：①样本采集首先将小区分为K种不同类型；针对其中每一类型小区，选出典型小区作为样本，并借助于智能网络电表，收集历年来的单户负荷历史数据，并获取用户的户型面积；②构造需用系数样本针对第i种小区类型，将收集的所有用户按照户型面积由大到小进行排序，设最大户型面积为Aimax，最小户型面积为Aimin；按照面积间隔Aid将他们分为Ni个用户组；针对第k个用户组（k=1,2,…Ni），按照户数间隔d构造出M个不同户数规模，且对每一户数规模Qj（j=1,2,…M），从用户组中随机抽取出T个用电群户，则可构造出C个用电群户，其中C= M×T；针对每一用电群户p（p=1,2,…M×T），计算其平均户型面积Akpav；累加其中所有用户的历史负荷数据，得出该用电群户的历年年负荷曲线，选取历年年负荷曲线的峰值Ljmax，计算出该用电群户的户均最大负荷Ljmaxav=Ljmax/Qj；依据预先规定的单户用电指标PN与负荷密度指标PA，分别得出该用电群户的户数需用系数ZN和面积需用系数ZA，其中ZN=Ljmaxav  / PN ；ZA=Ljmaxav  /Akpav / PA；同时计算需用系数所对应的入住率λj：记户均最大负荷发生时该用电群户中电表负荷数据不为零的户数为Lj，则λj =Lj /Qj ；由此，得出该用电群户户数规模为Qj、户型面积为Akav、入住率为λj时的户数需用系数ZN和面积需用系数ZA，从而构成一个需用系数样本｛[Qj, Akav,λj] ,[ ZN,ZA]｝；重复上述过程，针对每一种类型小区，均获得需用系数样本；③训练神经网络模型 针对每一种类型小区，建立相应的BP神经网络模型，最终获得共K个神经网络模型，分别适用于一种类型小区的需用系数计算；随机抽取步骤2中所获取样本的80%用于训练模型，余下的20%作为检验样本，用于模型测试；采用变学习速率的误差反传算法进行训练，设定迭代终止条件为样本平方和误差Ek小于期望误差Eo；满足终止条件后，利用检验样本测试模型精度，若精度满足要求，则训练结束；否则，对模型重新训练，直至满足精度要求为止；针对每一种类型小区，训练好相应的BP神经网络模型；④利用神经网络模型计算需用系数假设某一用电群户户数规模为Q、平均户型面积为A、入住率为λ，将其作为BP神经网络模型的输入，模型的输出即为该用电群户的户数需用系数ZN和面积需用系数ZA。...

【技术特征摘要】
1.一种采用神经网络模型确定城市居民小区用电需用系数的方法，其特征在于包含如下步骤：①样本采集首先将小区分为K种不同类型；针对其中每一类型小区，选出典型小区作为样本，并借助于智能网络电表，收集历年来的单户负荷历史数据，并获取用户的户型面积；②构造需用系数样本针对K种小区类型中的第i种小区类型，将收集的所有用户按照户型面积由大到小进行排序，设最大户型面积为Aimax，最小户型面积为Aimin；按照面积间隔Aid将他们分为Ni个用户组；针对第k个用户组（k=1,2,…Ni），按照户数间隔d构造出M个不同户数规模，且对每一户数规模Qj（j=1,2,…M），从用户组中随机抽取出T个用电群户，则可构造出C个用电群户，其中C=M×T；针对每一用电群户p（p=1,2,…M×T），计算其平均户型面积Akpav；累加其中所有用户的历史负荷数据，得出该用电群户的历年年负荷曲线，选取历年年负荷曲线的峰值Ljmax，计算出该用电群户的户均最大负荷Ljmaxav=Ljmax/Qj；依据预先规定的单户用电指标PN与负荷密度指标PA，分别得出该用电群户的户数需用系数ZN和面积需用系数ZA，其中ZN=Ljmaxav/PN；ZA=Ljmaxav/Akpav/PA；同时计算需用系数所对应的入住率λj：记户均最大负荷发生时该用电群户中电表负荷数据不为零的户数为Lj，则λj=Lj/Qj；由此，得出该用电群户户数规模为Qj、户型面积为Akav、入住率为...

【专利技术属性】
技术研发人员：王晨光，宁亮，云飞，钟诚，
申请(专利权)人：国家电网公司，国网冀北电力有限公司唐山供电公司，
类型：发明
国别省市：北京;11