[发明专利]一种低压台区降损优化方法

说明书

本发明公开了一种低压台区降损优化方法，包括：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。本发明根据低压台区线损计算的特点将粒子群算法应用于优化BP神经网络的初始阈值和权值，提高网络训练的精度和速度。

技术领域

本发明涉及配电网低压台区线损计算技术领域，具体地指一种低压台区降损优化方法。

技术背景

在配电网中，低压台区为电压0.4kV的供电区域，为广大居民和企业提供用电保障。线损是指电力系统从供电端到用电端的电能损失，是由于电能在输送过程中通过输电线路产生的损耗。而在线损管理中，由于设备众多，管理不足和窃电等问题，影响电网公司对于电网的精准降损。

在低压台区研究中，网络拓扑结构多样且复杂。在同一个低压台区中，负荷和功率也有较大的起伏。因此在线损的理论计算时，只能通过算法的优化来尽量接近线损的实际值，但是永远不可能是真实值。

电网的线损率是综合反映电网规划、生产运行和运营管理水平的关键技术经济指标，也是衡量电网企业技术水平和管理水平的标志，综合反映了电网输送的能效水平。降低线损率是电网节能减排的重要举措，也是电网公司提升自身竞争力的需要。电网公司为了控制线损始终处在合理的范围内，需要建立线损管理平台监测异常线损并降低线损率。

在传统线损计算使用的是电力系统的多种电气数据。包括电网的原始结构图和各类电气的运行参数(比如电流，电压和规律因素等等)。在低压台区的管理过程中，由于台区用户数量庞大，数据采集不完善，线路分布差距过大等原因，很难实现精确的理论线损计算。在线损管理时，需要动员大量人力物力，且效果不佳，如人工抄表可能出现错误和遗漏。由于工作量巨大，电网公司难以收集到准确的计算线损的必要数据和资料，更难以找到异常线损，完成线损的降损处理。

基于上述现状，需要找到适合的智能算法用于快速、准确地计算出台区线损，并将结果应用于线损管理等提高电网管理水平的措施中。

发明内容

本发明的目的在于克服现有技术的不足，提出一种低压台区降损优化方法，根据低压台区线损计算的特点将粒子群算法应用于优化BP神经网络的初始阈值和权值，提高网络训练的精度和速度。

为实现上述目的，本发明所设计的一种低压台区降损优化方法，其特殊之处在于，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。

优选地，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。

优选地，所述粒子群算法中粒子速度和位置的更新公式为：