一种低压配电台区线损预测方法技术

本发明专利技术公开了一种低压配电台区线损预测方法，属于配电网线损计算技术领域，所述方法通过对配电台区线损影响因素进行主成分分析，得到线损主要影响因子，利用OpenDSS软件获得训练样本数据，构建以主要影响因子为输入量，线损值为输出量的低压配电台区线损预测模型，达到对低压配电台区进行线损预测的目的。本发明专利技术使深度神经网络预测模型的输入量减少，有利于快速进行预测模型训练，该线损预测方法计算简单，能反映低压配电台区的线损状况，为提高低压配电台区线损治理提供了技术支撑。低压配电台区线损治理提供了技术支撑。低压配电台区线损治理提供了技术支撑。

【技术实现步骤摘要】
一种低压配电台区线损预测方法


[0001]本专利技术涉及配电网线损计算
，尤其是一种低压配电台区线损预测方法。

技术介绍

[0002]线损是指在电能传输过程中所发生的全部电能损耗，是电力网综合电能损耗的统称，是电网公司的关键评估指标之一。
[0003]近年来，规模化的分布式光伏和电采暖大量接入低压配电网，加大了低压配电台区线损。低压配电台区作为电网供电管理的最小单元，智能化水平、精益化管控手段还远远落后于城市电网，无法有效实现精准的线损预测，因此有必要对低压配电台区进行线损预测，以提升低压配电台区运行水平。

技术实现思路

[0004]本专利技术需要解决的技术问题是提供一种低压配电台区线损预测方法，能够根据低压配电台区的主要影响因子来预测线损值。
[0005]为解决上述技术问题，本专利技术所采用的技术方案是：
[0006]一种低压配电台区线损预测方法，所述方法通过对配电台区线损影响因素进行主成分分析，得到线损主要影响因子，利用OpenDSS软件获得训练样本数据，构建以主要影响因子为输入量，线损值为输出量的低压配电台区线损预测模型，达到对低压配电台区进行线损预测的目的；具体步骤如下：
[0007]步骤1，列出影响低压配电台区线损的影响因素；
[0008]步骤2，利用主成分分析方法对影响因素进行约简得到主要影响因子；
[0009]步骤3，利用OpenDSS软件模拟低压配电台区运行状况；
[0010]步骤4，计算每次模拟中影响因素对应的主要影响因子；
[0011]步骤5，利用深度神经网络构建低压配电台区线损预测模型；
[0012]步骤6，利用训练好的低压配电台区线损预测模型进行未来某时段的线损预测。
[0013]本专利技术技术方案的进一步改进在于：在步骤1中，列出影响低压配电台区线损的影响因素，记为P，P中各元素为各影响因素，影响因素根据低压配电台区的不同而不同，影响因素P如式(1)所示：
[0014]P＝[p1,p2,
…
p
i
,
…
p
N
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0015]式中，p
i
为第i个影响因素，N为影响因素个数。
[0016]本专利技术技术方案的进一步改进在于：在步骤2中，利用主成分分析方法对影响因素进行约简得到主要影响因子，记为如式(2)所示：
[0017][0018]式中，为第i个主要影响因子，M为主要影响因子个数。
[0019]本专利技术技术方案的进一步改进在于：在步骤3中，利用OpenDSS软件模拟低压配电
台区运行状况，模拟数量不少于1000次，通过构造不少于1000次的影响因素P，对每次模拟的低压配电台区运行状况进行潮流计算，获得低压配电台区线损值，获得不少于1000次线损值。
[0020]本专利技术技术方案的进一步改进在于：在步骤4中，计算每次模拟中影响因素对应的主要影响因子，根据步骤2计算步骤3中每次影响因素P对应的主要影响因子
[0021]本专利技术技术方案的进一步改进在于：在步骤5中，利用深度神经网络构建低压配电台区线损预测模型，以主要影响因子为输入量，以低压配电台区线损值为输出量，训练样本数量不少于1000。
[0022]本专利技术技术方案的进一步改进在于：在步骤6中，利用训练好的深度神经网络低压配电台区线损预测模型进行未来某时段的低压配电台区线损预测，输入量为主要影响因子输出量为低压配电台区线损值。
[0023]由于采用了上述技术方案，本专利技术取得的技术进步是：
[0024]本专利技术对低压配电台区线损影响因素进行主成分分析约简后得到主要影响因子，使深度神经网络预测模型的输入量减少，有利于快速进行预测模型训练，主要影响因子来源于影响因素，线损值是在影响因素下进行潮流计算得到的，精确度较高，这样得到的线损预测模型既能保证预测精度又能保证预测速度，该线损预测方法计算简单，能反映低压配电台区的线损状况，为提高低压配电台区线损治理提供了技术支撑。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
[0026]图1是本专利技术实施例中方法的流程图。
具体实施方式
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0028]下面结合附图及实施例对本专利技术做进一步详细说明：
[0029]如图1所示，一种低压配电台区线损预测方法，利用构建的低压配电台区线损预测方法进行线损预测，结合图1说明计算低压配电台区线损的过程，具体步骤如下：
[0030]步骤1，列出影响低压配电台区线损的影响因素，如变压器额定容量、台区用户数、用户总容量、表计数目、导线截面积、居民容量占比、有功电量、均方根电流、功率因数、三相不平衡度、日平均温度、日平均湿度、日平均风速等13个影响因素，记为P，P中各元素为各影响因素，影响因素P如式(1)所示
[0031]P＝[p1,p2,
…
p
i
,
…
p
13
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0032]步骤2，利用主成分分析方法对步骤1中13个影响因素进行约简得到主要影响因子，基于主成分分析方法的主要影响因子提取过程为：
[0033]2.1，构造出原始数据矩阵；
[0034]2.2，列向量标准化；
[0035]2.3，计算协方差矩阵；
[0036]2.4，计算协方差矩阵的特征值，按大小进行排序，得到特征值相应的特征向量；
[0037]2.5，确定k个主要影响因子；
[0038]记为如式(2)所示
[0039][0040]式中，为第i个主要影响因子，k为主要影响因子个数。
[0041]步骤3，利用OpenDSS软件模拟低压配电台区运行状况，模拟数量不少于1000次，通过构造不少于1000次的影响因素P，对每次模拟的低压配电台区运行状况进行潮流计算，获得低压配电台区线损值，获得不少于1000次线损值。
[0042]步骤4，计算每次模拟中影响因素对应的主要影响因子，根据步骤2计算步骤3中每次影响因素P对应的主要影响因子
[0043]步骤5，利用深度神经网络构建低压配电台区线损预测模型，以主要影响因子为输入量，以低压配电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低压配电台区线损预测方法，其特征在于：所述方法通过对配电台区线损影响因素进行主成分分析，得到线损主要影响因子，利用OpenDSS软件获得训练样本数据，构建以主要影响因子为输入量，线损值为输出量的低压配电台区线损预测模型，达到对低压配电台区进行线损预测的目的；具体步骤如下：步骤1，列出影响低压配电台区线损的影响因素；步骤2，利用主成分分析方法对影响因素进行约简得到主要影响因子；步骤3，利用OpenDSS软件模拟低压配电台区运行状况；步骤4，计算每次模拟中影响因素对应的主要影响因子；步骤5，利用深度神经网络构建低压配电台区线损预测模型；步骤6，利用训练好的低压配电台区线损预测模型进行未来某时段的线损预测。2.根据权利要求1所述的一种低压配电台区线损预测方法，其特征在于：在步骤1中，列出影响低压配电台区线损的影响因素，记为P，P中各元素为各影响因素，影响因素根据低压配电台区的不同而不同，影响因素P如式(1)所示：P＝[p1,p2,
…
p
i
,
…
p
N
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，p
i
为第i个影响因素，N...

【专利技术属性】
技术研发人员：牛雨，张煜，李欢欢，王宁，
申请(专利权)人：河南九域恩湃电力技术有限公司，
类型：发明
国别省市：