[发明专利]一种低压台区降损优化方法

权利要求书

1.一种低压台区降损优化方法，其特征在于，包括如下步骤：

1)建立BP神经网络模型，所述BP神经网络包括一个输入层，一个输出层和一个及以上的隐含层；

2)利用粒子群优化算法训练样本数据，将输出作为所述BP神经网络的初始权值与阈值；

3)随机选择若干个台区数据输入训练好的所述BP神经网络，将所述BP神经网络的计算值导出；

所述台区数据包括台区用户性质、线路类型、配变容量、台区用户容量比、单相用户总占比、台区平均负载率、台区平均功率因数、台区平均母线电压、台区总形状系数、台区平均三相不平衡系数、单相用户总用电占比、供电距离、平均用户供电长度；

所述BP神经网络的最小均方差的计算公式为：

SN为样本总数，N为输出向量维度，a_ij为第一次的输出值a_ij，t_ij为目标值t_ij；

所述台区平均负载率的计算方法为：(日总供电量/24)/配变容量*100％；

所述台区平均三相不平衡系数ε_at的计算方法为：

其中：I_At为A相电流，单位为：A，一天共n个采集点；I_Bt为B相电流，单位为：A，一天共n个采集点；I_Ct为C相电流，单位为：A，一天共n个采集点；

所述供电距离指配变和负荷中心的距离，所述平均用户供电长度指所有用户距负荷中心距离平均值；

所述粒子群优化算法的步骤包括：

(1)初始化粒子参数，确定适应度函数；

(2)对群体中的每一个个体进行适应度评价；

(3)根据个体的适应度，确定每一个粒子的个体极值和粒子群整体极值；

(4)根据公式更新粒子的位置和速度；

(5)达到最大迭代次数时停止更新，保存最优解；

(6)以最优解为初始网络权值和阈值，用以神经网络求解；

(7)比较m个由BP神经网络求得的最优解，从而获得整体的最优解；

所述粒子群算法中粒子速度和位置的更新公式为：

X_i是第i个粒子位置的变量，k是更新次数，pbest代表最佳的当前每个粒子本身的位置，gbest代表历史上整个群体所有粒子的最佳位置，r₁是从0到1的随机数，c₁是学习因子，w是惯性因子，V_i^k代表当前速度；

所述BP神经网络的隐层结点为5层，共25个权值和6个阈值；

所述台区数据中用户性质、线路类型为离散的类别变量，配变容量、台区用户容量比和台区线损率为连续型变量。