一种基于BP神经网络的台区线损率评估方法技术

本发明专利技术提供一种基于BP神经网络的台区线损率评估方法，包括：步骤1：对台区电气特征参数进行标准化处理；步骤2：构建BP神经网络模型，并对台区线损率进行归一化处理；步骤3：根据BP神经网络模型评估台区线损率。本发明专利技术通过筛选出与台区的网架结构和负荷相关的台区电气特征参数，采用基于LM算法优化的BP神经网络学习电气特征指标与台区线损率之间的非线性关系，进而得到BP神经网络模型，通过BP神经网络模型评估台区线损率。

【技术实现步骤摘要】

本专利技术涉及一种评估方法，具体涉及一种基于BP神经网络的台区线损率评估方法。
技术介绍
我国配电网规模庞大、结构复杂，具有点多、线长、面广的特点。随着社会经济的发展，用电负荷的增加，低压配电网线损的问题越来越突出，线损电量和线损率占比达50％左右。低压配网台区作为电力系统中的末端环节，线损率为台区管理重要的考核指标之一。如何准确简便地计算台区线损率、为制定合理的降损措施提供依据已成为供电企业的重要任务。由于低压台区的建设和管理状况参差不齐、台区和终端用户数目庞大、台账管理不完备、线路分布复杂多样、用电采集系统的采集成功率差别较大，目前对台区线损理论计算的方法大多数采用电压损失法、等值电阻法等，对台区不论计算理论线损率还是评估统计线损率均需要动用大量的人力、物力才能收集到必要和充分的运行资料，工作量非常大，致使各供电部门难以每月进行一次计算工作。近年来，神经网络理论的发展与应用为线损率计算提供了新的途径。神经网络计算线损率无须建立数学模型，可以利用网络强大的自学能力、推广能力以及非线性处理能力来拟合线损率与特征参数之间复杂的非线性关系，因此利用神经网络算法可以快速计算和评估台区线损率。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供一种基于BP神经网络的台区线损率评估方法，通过筛选出与台区的网架结构和负荷相关的台区电气特征参数，采用基于LM算法优化的BP神经网络学习电气特征指标与台区线损率之间的非线性关系，进而得到BP神经网络模型，通过BP神经网络模型评估台区线损率。为了实现上述专利技术目的，本专利技术采取如下技术方案：本专利技术提供一种基于BP神经网络的台区线损率评估方法，所述方法包括：步骤1：对台区电气特征参数进行标准化处理；步骤2：构建BP神经网络模型，并对台区线损率进行归一化处理；步骤3：根据BP神经网络模型评估台区线损率。所述步骤1中，设台区个数为N，每个台区的台区电气特征参数为M个，N个台区样本的台区电气特征参数组成台区电气特征向量X，有： X = x 11 x 12 ... x 1 j ... x 1 M x 21 x 22 ... x 2 j ... x 2 M . . . . . . . . . . . . x i 1 x i 2 ... x i j ... x i M 本文档来自技高网...

【技术保护点】
一种基于BP神经网络的台区线损率评估方法，其特征在于：所述方法包括：步骤1：对台区电气特征参数进行标准化处理；步骤2：构建BP神经网络模型，并对台区线损率进行归一化处理；步骤3：根据BP神经网络模型评估台区线损率。

【技术特征摘要】
1.一种基于BP神经网络的台区线损率评估方法，其特征在于：所述方法包括：步骤1：对台区电气特征参数进行标准化处理；步骤2：构建BP神经网络模型，并对台区线损率进行归一化处理；步骤3：根据BP神经网络模型评估台区线损率。2.根据权利要求1所述的基于BP神经网络的台区线损率评估方法，其特征在于：所述步骤1中，设台区个数为N，每个台区的台区电气特征参数为M个，N个台区样本的台区电气特征参数组成台区电气特征向量X，有： X = x 11 x 12 ... x 1 j ... x 1 M x 21 x 22 ... x 2 j ... x 2 M . . . . . . . . . . . . x i 1 x i 2 ... x i j ... x i M . . . . . . . . . . . . x N 1 x N 2 ... x N j ... x N M - - - ( 1 ) ]]>其中，xij为台区电气特征向量X的第i行、第j列元素，i＝1,2,...,N，j＝1,2,...,M；对台区电气特征参数进行标准化处理，有： Z i j = x i j - x ‾ j s i j - - - ( 2 ) ]]> x ‾ j = 1 N Σ i = 1 N x i j - - - ( 3 ) ]]> s i j = 1 N - 1 Σ i = 1 N ( x i j - x ‾ j ) 2 - - - ( 4 ) ]]>其中，Zij为xij标准化处理后的量，为xij的平均值，sij为xij的方差。3.根据权利要求2所述的基于BP神经网络的台区线损率评估方法，其特征在于：所述步骤2包括以下步骤：步骤2-1：构建BP神经网络模型：BP神经网络模型包括输入层、隐含层和输出层，各层之间的传递函数f(a)采用logsig函数，有： f ( a ) = 1 1 + e - a - - - ( 5 ) ]]>其中，a为各层之间的传递函数f(a)的自变量，0＜f(a)＜1；步骤2-2：对台区线损率进行归一化处理：设台区线损率为d，采用式(6)对台区线损率d进行归一化处理，有： d i ′ = α d i - d m i n + β d max - d m i n + β - - - ( 6 ) ]]>其中，d′i为第i个台区的台区线损率归一化后的值，di为第i个台区的台区线损率，dmin为所有台区线损率的最小值，dmax为所有台区线损率的最大值，α、β为常数，且0.9＜α＜1，0＜β＜0.1。4.根据权利要求3所述的基于BP神经网络的台区线损率评估方法，其特征在于：所述步骤3包括以下步骤：步骤3-1：利用BP神经网络模型对Zij和d′i进行学习训练；步骤3-2：将台区电气特征参数代入BP神经网络模型中，计算台区线损率d。5.根据权利要求4所述的基于BP神经网络的台区线损率评估方法，其特征在于：所述步骤3-1中，对于任一台区，由于每个台区的台区电气特征参数为M个，所以输入层含有M个BP神经元，于是设输入层输入向量为Zr＝(Z1,Z2,...,Zm,...,ZM)T，隐含层的输出向量为Yr＝(y1,y2,...,yp,...

【专利技术属性】
技术研发人员：刘丽平，李亚，李柏青，易俊，张健，王琦，奚振乾，
申请(专利权)人：中国电力科学研究院，国家电网公司，华北电力大学，
类型：发明
国别省市：北京;11