一种基于GRNN-PCA的有源台区线损合理区间计算方法技术

本发明专利技术涉及一种基于GRNN

【技术实现步骤摘要】
一种基于GRNN
‑
PCA的有源台区线损合理区间计算方法


[0001]本专利技术属于人工智能算法在电力系统应用
，涉及有源台区线损合理区间计算方法，尤其是一种基于GRNN
‑
PCA的有源台区线损合理区间计算方法。

技术介绍

[0002]台区线损率是电力公司一项综合性技术指标，其作为线损计算的重要组成部分，涉及到配网规划、运行、检修、营销用电、计量、抄核收等各个方面，全面体现了电力公司对低压台区设备及用户的计算水平。
[0003]台区线损合理值估计是为指导实体台区降损量化目标而引入的非实体动态线损参照值，若检测到实时线损在理论计算合理区间之外，则应基于线损贡献度的高损影响因素识别方法，研究高损影响因子之间的交互影响，进行高损因素排查与治理。
[0004]低压台区线损合理值估计传统方法包括台区损耗率法、电压损失率法、等值电阻法、潮流法等，但对于有分布式能源接入的新型有源台区，这些方法存在以下两大问题：一是考虑到分布式能源随机行为，传统计算线损计算方法不再适用；二是现有改进算法的准确计算对低压台区网络、分布式能源参数和运行数据要求过高。在当前低压有源台区参数获取和计算准确性存在技术瓶颈的情况下，如何通过现有可行数据利用更先进算法实现台区线损合理区间计算与高损影响因素识别，是有源台区线损管理的重点。
[0005]经检索，未发现与本专利技术相同或相近似的现有技术的公开文献。

技术实现思路

[0006]本专利技术的目的在于克服现有技术的不足，提出一种基于GRNN
‑
PCA的有源台区线损合理区间计算方法，能够通过现有可行数据利用更先进算法实现台区线损合理区间计算与高损影响因素识别。
[0007]本专利技术解决其现实问题是采取以下技术方案实现的：
[0008]一种基于GRNN
‑
PCA的有源台区线损合理区间计算方法，包括以下步骤：
[0009]步骤1、提取有源台区影响因子；
[0010]步骤2、根据选取的有源台区容量进行多级分类，每类有源台区均包括步骤1所述的有源台区影响因子；
[0011]步骤3、训练GRNN网络，对步骤2中各级台区进行GRNN线损计算，得到GRNN训练结果；
[0012]步骤4、用测试集对GRNN训练结果准确度进行相对误差计算；
[0013]步骤5、若步骤4得到的相对误差小于设定值，则结合GRNN计算出的线损变化区间进行线损合理区间选取，否则返回步骤3重新进行训练，重复步骤3
‑
步骤5直至满足要求。
[0014]而且，所述步骤1的具体方法为：
[0015]针对有源台区理论线损的计算，提取台区总表可直接检测到的对线损有影响的线路基础特征因子，包括：功率方差、三相不平衡度、负载率；提取光伏分布式电源运行特征因
子，包括：光伏日发电量、光伏并网位置、光伏用户数。
[0016]而且，所述步骤3的具体步骤包括：
[0017](1)确定隐含层神经元径向基函数中心
[0018]设训练集样本输入矩阵为P，输出矩阵为T
[0019][0020][0021]式中，p
ij
表示第j个训练样本的第i个输入量；t
ij
表示第j个训练样本的第i个输入变量；R为输入变量的维数；S为输出变量的维数；Q为训练集样本数；
[0022]隐含层的每个神经元对应一个训练样本，即Q个隐含层神经元对应的径向基函数中心为：
[0023]C＝P'
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0024](2)确定隐含层神经元阈值
[0025]Q个隐含层神经元对应的阈值设置为：
[0026]b1＝[b
11
,b
12
,
…
,b
1Q
]'
ꢀꢀꢀꢀꢀꢀꢀ
(9)
[0027]式中，spread为径向基函数的扩展速度；
[0028](3)确定隐含层与输出层间权值
[0029]当隐含层神经元的径向基函数中心及阈值确定后，隐含层神经元的输出a
i
便可计算如下：
[0030]a
i
＝exp(
‑
||C
‑
p
i
||2b1)
ꢀꢀꢀꢀꢀꢀꢀ
(10)
[0031]式中，p
i
＝[p
i1
,p
i2
,
…
,p
iR
]'为第i个训练样本向量，并记
[0032]GRNN中隐含层与输入层间的连接权值W取为训练集输出矩阵，即
[0033]W＝T
ꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0034](4)输出层神经元计算
[0035]当隐藏层与输出层神经元间的连接权确定后，使用规范化点积权函数normprod计算输出层神经元的输出，即：
[0036][0037]其中，LW
2,1
为输出层权值矩阵。
[0038]为第i个台区线损预测值，激活函数选为线性传递函数purelin，完成台区GRNN线损计算，即：
[0039][0040]而且，所述步骤4的具体方法为：选用相对误差作为评价指标：
[0041][0042]式中，y
i
(i＝1,2,
…
,n)为第i个台区线损真实值。
[0043]而且，在所述步骤5之后还包括如下步骤：
[0044]步骤6、将待识别的台区用步骤3训练好的GRNN网络进行线损预测，若预测线损不在步骤5的合理区间内则识别此台区为高损台区；
[0045]步骤7、对步骤6所识别的高损台区进行影响因子主成分分析；
[0046]步骤8、根据步骤7得到的高损台区进行影响因子主成分分析结果，对高损台区治理。
[0047]而且，所述步骤7的具体方法为：
[0048](1)高损台区样本标准化处理
[0049]记高损台区特征矩阵为X：
[0050][0051]式中，x
ij
表示第i个高损样本的第j个输入特征量，U为输入特征的维数，T为高损台区数。
[0052]对高损台区特征标准化变换：
[0053][0054]其中
[0055](2)对上述标准化矩阵Z求相关系数矩阵
[0056][0057]其中R为相关系数矩阵，X
U
＝[x1,x2,
…
,x
U
]，Z＝[z
ij
]T
×
U
。
[0058](3)确定主成分
[0059]解样本相关系数矩阵R的特征方程|R
‑
λI
U
|＝0得U个特征根，按照下式确定m的值，使信息利用率在85％本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GRNN
‑
PCA的有源台区线损合理区间计算方法，包括以下步骤：步骤1、提取有源台区影响因子；步骤2、根据选取的有源台区容量进行多级分类，每类有源台区均包括步骤1所述的有源台区影响因子；步骤3、训练GRNN网络，对步骤2中各级台区进行GRNN线损计算，得到GRNN训练结果；步骤4、用测试集对GRNN训练结果准确度进行相对误差计算；步骤5、若步骤4得到的相对误差小于设定值，则结合GRNN计算出的线损变化区间进行线损合理区间选取，否则返回步骤3重新进行训练，重复步骤3
‑
步骤5直至满足要求。2.根据权利要求1所述的一种基于GRNN
‑
PCA的有源台区线损合理区间计算方法，包括以下步骤：所述步骤1的具体方法为：针对有源台区理论线损的计算，提取台区总表可直接检测到的对线损有影响的线路基础特征因子，包括：功率方差、三相不平衡度、负载率；提取光伏分布式电源运行特征因子，包括：光伏日发电量、光伏并网位置、光伏用户数。3.根据权利要求1所述的一种基于GRNN
‑
PCA的有源台区线损合理区间计算方法，包括以下步骤：所述步骤3的具体步骤包括：(1)确定隐含层神经元径向基函数中心设训练集样本输入矩阵为P，输出矩阵为T设训练集样本输入矩阵为P，输出矩阵为T式中，p
ij
表示第j个训练样本的第i个输入量；t
ij
表示第j个训练样本的第i个输入变量；R为输入变量的维数；S为输出变量的维数；Q为训练集样本数；隐含层的每个神经元对应一个训练样本，即Q个隐含层神经元对应的径向基函数中心为：C＝P'
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)(2)确定隐含层神经元阈值Q个隐含层神经元对应的阈值设置为：b1＝[b
11
,b
12
,
…
,b
1Q
]'
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)式中，spread为径向基函数的扩展速度；(3)确定隐含层与输出层间权值当隐含层神经元的径向基函数中心及阈值确定后，隐含层神经元的输出a
i
便可计算如下：
a
i
＝exp(
‑
||C
‑
p
i
||2b1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)式中，p
i
＝[p
i1
,p
i2
,
…
,p
iR
]'为第i个训练样本向量，并记GRNN中隐含层与输入层间的连接权值W取为训练集输出矩阵，即W＝T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ<...

【专利技术属性】
技术研发人员：丁一，张磐，滕飞，霍现旭，戚艳，杨挺，尚学军，陈沛，焦秋良，孙峤，吴磊，郑悦，
申请(专利权)人：国网天津市电力公司国家电网有限公司，
类型：发明
国别省市：