CN103839108A - 工业企业供配电网节能评估系统和评估方法 - Google Patents
工业企业供配电网节能评估系统和评估方法 Download PDFInfo
- Publication number
- CN103839108A CN103839108A CN201310119872.5A CN201310119872A CN103839108A CN 103839108 A CN103839108 A CN 103839108A CN 201310119872 A CN201310119872 A CN 201310119872A CN 103839108 A CN103839108 A CN 103839108A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- distribution
- energy
- network
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims description 39
- 238000004134 energy conservation Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 210000002569 neuron Anatomy 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract 1
- 230000005611 electricity Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000005265 energy consumption Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- DRFDPXKCEWYIAW-UHFFFAOYSA-M Risedronate sodium Chemical compound [Na+].OP(=O)(O)C(P(O)([O-])=O)(O)CC1=CC=CN=C1 DRFDPXKCEWYIAW-UHFFFAOYSA-M 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种工业企业供配电网节能评估系统和评估方法,评估系统包括用于采样的若干个RS485电能表、RS485总线、ZigBee无线网络、以太网、电力数据采集计算机和供配电节能评估计算机;各RS485电能表通过RS485总线、ZigBee无线网络、以太网将采集的数据传输给电力数据采集计算机计算后将计算结果传输给供配电节能评估计算机;评估方法主要包括建立指标体系和评判等级、设置指标样本值、CPN网络模型训练、专家和计算机打分后经训练好的CPN网络模型评估节能等级。本发明系统结构简单、实现方便且成本较低;评估方法合理快速,评估结果可信度高,能有效分析影响供配电网节能相关因素,帮助企业节能增效。
Description
技术领域
本发明涉及工业企业供配电网节能评估技术领域,具体涉及一种运用对向传播神经网络(CPN)方法对工业企业供配电网进行节能评估的系统和评估方法。
背景技术
工业企业用电约占国民经济用电量的70%以上。工业企业节约用电对企业自身节能增效、进而对整个国民经济的发展都具有十分重要的意义。工业企业节能可从多方入手,其中工业企业的供配电网的节电即为重要的一环。目前,工业企业的供配电网的运行现状不够理想,其节电节能大有可为:如合理选择供配电系统设备容量降低线损、提高设备的负荷率、采用经济的运行方式、采用无功功率补偿设备以提高功率因数、进行必要的负荷调整和用电限制以及根据不同的用电规律合理安排生产以降低或转移高峰负荷、填补低谷负荷等等。
目前国内外对工业企业供配电网节能与经济运行进行评估的系统和方法,已见研究。如公开号为CN102208807A,名称为“基于精确量测负荷数据的中低压配电网能效评估方法”的中国专利文献,其公开了一种基于精确量测的负荷数据的中低压配电网能效评估方法,以期有针对性地指导配电网规划改造建设,帮助配电网运行管理人员掌握配电网能效运行情况,保证配电网可靠、经济运行。但该专利文献对企业供配电网节电没有建立明确的指标体系。又如公开号为CN102521714A,名称为“构建KPI等级模型的方法及装置、能耗评估方法及系统”的中国专利文献,其公开了一种构建KPI(关键绩效指标法)等级模型的方法和装置、能耗评估方法和系统,通过构建KPI等级模型,评价各类企业不同时期的KPI指数以及对企业的能耗水平综合评分以给出相应的综合评价结果,再根据综合评价结果给出相应的建议,使企业相应调整用电行为以降低能耗。该方法没有明确指出企业供配电网需要进行改善的环节。
发明内容
本发明的目的是:克服现有技术的不足,提供一种结构简单、实现方便且成本较低的工业企业供配电网节能评估系统,且利用该系统采用基于对向传播神经网络的评估方法,方便、快捷地实现对工业企业供配电网节能情况进行评估。
本发明的技术方案是:本发明的工业企业供配电网节能评估系统,其结构特点是:包括RS485电能表、RS485总线、ZigBee无线网络、以太网、电力数据采集计算机和供配电节能评估计算机;
上述的RS485电能表设有2个以上;ZigBee无线网络包括ZigBee采集器和ZigBee网络终端,ZigBee采集器和ZigBee网络终端的个数与RS485电能表的个数相同;电力数据采集计算机为内置有电力数据采集和计算程序的计算机;供配电节能评估计算机为内置有基于对向传播神经网络方法的评估软件的计算机;
各RS485电能表分别通过RS485总线与相应的ZigBee采集器信号电连接;ZigBee采集器与相应的ZigBee网络终端通过无线通信网络信号电连接;各ZigBee网络终端均分别通过以太网与电力数据采集计算机信号电连接;电力数据采集计算机通过以太网与供配电节能评估计算机信号电连接。
一种工业企业供配电网节能评估方法,基于上述的工业企业供配电网节能评估系统实现,该方法包括以下步骤:
①实时采集供配电网运行相关数据并传输至电力数据采集计算机;
②电力数据采集计算机计算电力负荷、无功补偿容量、负载率、用电量、线损率和短路电流的数据值并将计算结果传输至供配电节能评估计算机;
③在供配电节能评估计算机内建立工业企业供配电网节能指标评估体系并设置5级评判等级;
④根据指标评估体系和分级标准建立评估指标的训练样本集:对各评估指标按照五级评判标准,划分区间,然后进行归一化处理,将其置于(0,1)区间,利用均匀随机数在各级指标变化区间,内插随机产生的100个指标样本值;
⑤将训练样本集输入供配电节能评估计算机内的对向传播神经网络模型,进行对向传播神经网络模型的学习训练;
⑥根据电力参数计算结果,由评估专家和计算机分别对供配电网各相应的节能指标评估打分;将打分结果进行归一化处理,使之在(0,1)范围内并输入训练完毕的供配电节能评估计算机内的对向传播神经网络模型;
⑦供配电节能评估计算机对输入的数据进行评估得出工业企业供配电网节能等级。
进一步的方案是:上述的步骤③中的节能指标评估体系包括供电方案、变压器、供配电线路和电网经济运行4个指标组;
供电方案指标组包括供电方式、电气主接线、配电装置3个指标;
变压器指标组包括变压器容量及型号、选址、变压器经济运行3个指标;
供配电线路指标组包括厂区导线架设或电缆敷设、车间低压线路敷设、导线或电缆的截面选择3个指标;
电网经济运行指标组包括调整负荷及电压管理、三相负荷不平衡度、功率指标管理和电网线损率4个指标。
进一步的方案是:上述的步骤⑤中的对向传播神经网络模型的学习训练的算法包括以下步骤:
⑩初始化及确定参数:确定输入层神经元数n为100个,已经归一化的输入向量为X=[x1,x2,…,xn],确定竞争层神经元p为30个,对应的二值输出向量B=[b1,b2,…,bp]T,输出层输出向量Y=[y1,y2,…,yq]T,目标输出向量O=[o1,o2,…,oq]T,q取值为5,为节能的5个等级,读数器t=0;
初始化输入层到竞争层的连接权值Wj(j=1,2,…,p)和由竞争层到输出层的连接权重Vk(k=1,2,…,q),并对Wj进行归一化处理;
ωgi(t+1)=ωgi(t)+α[xi-ωgi(t)],i=1,2,…,n,0<α<1
υkg(t+1)=υkg(t)+βbj(yk-ok),k=1,2,…,q,0<β<1
返回第②步,直接将N个输入模式全部输入;
进一步的方案还有:述的步骤⑥中评估专家对节能指标体系中的供电方案、变压器、供配电线路指标组进行评估打分,分值在0至100之间,由三个专家打分,然后取平均值,分别得到评估结果e1,e2,e3;
节能指标体系中的电网经济运行指标组中,负荷率、不平衡度、功率因数和线损率四个电力参数值由供配电节能评估计算机进行计算,分别得出评估结果e4,e5,e6,e7;由此得到待输入对向传播神经网络模型的数据xi=[e1,e2,e3,e4,e5,e6,e7]。
本发明具有积极的效果:(1)本发明的工业企业供配电网节能评估系统,结构简单、实现方便且成本较低。(2)本发明的工业企业供配电网节能评估方法,明确供电方案、变压器、供配电线路和电网经济运行4个主要的指标组构成评估指标体系,其中对供电方案、变压器、供配电线路指标组由评估专家对其评估打分,对电网经济运行指标组由计算机评判,而后综合评估,从而实现从主观和客观两方面进行评估,保证了评估的完整性与合理性。(3)本发明的工业企业供配电网节能评估方法,充分利用了对向传播神经网络的自组织、自学习能力等优点,将其用于具有多重因素的工业企业供配电网的节能评估,评估过程快速,评估结果可信度高,能够有效地分析出工业企业供配电网中影响节能的相关因素,从而有针对性地指导企业进行相关节能改造,实现工业企业提高用电效率、节约用电成本、提高经济效益之目的。
附图说明
图1为本发明的工业企业供配电网节能评估系统的结构框图;
图2为图1所示系统的工作程序和过程的示意图;
图3为图1中供配电节能评估计算机内置的评估程序所采用的CPN网络模型的结构示意图;
图4为本发明的工业企业供配电网节能评估方法所采用的节能评估指标体系的组成结构框图;
图5为本发明的工业企业供配电网节能评估方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
(实施例1)
见图1,本实施例的工业企业供配电网节能评估系统,主要由RS485电能表、RS485总线、ZigBee无线网络、以太网、电力数据采集计算机和供配电节能评估计算机组成。
RS485电能表包括RS485电能表1、……RS485电能表n,也即RS485电能表设有相同的n个。电能表的个数n至少为2以上。换句话说,RS485电能表的个数n根据实际需要进行设置。本实施例中,RS485电能表优选采用ACREL公司生产的ACR230ELH网络电力仪表。
ZigBee无线网络(物联网)设有ZigBee采集器和ZigBee网络终端。ZigBee采集器包括ZigBee采集器1、……ZigBee采集器n,其个数n与RS485电能表的个数n相同;ZigBee网络终端包括ZigBee网络终端1、……ZigBee网络终端n,其个数n与RS485电能表的个数n相同。
各RS485电能表分别通过RS485总线与相应的ZigBee采集器信号电连接;ZigBee采集器与相应的ZigBee网络终端通过无线通信网络信号电连接;各ZigBee网络终端均分别通过以太网与电力数据采集计算机信号电连接;电力数据采集计算机通过以太网与供配电节能评估计算机信号电连接。
电力数据采集计算机为内置有电力数据采集和计算程序的计算机;供配电节能评估计算机为内置有基于对向传播神经网络方法的评估软件的计算机。电力数据采集计算机和供配电节能评估计算机均可采用PC机。
参见图2,本实施例的工业企业供配电网节能评估系统,其通过RS485电能表对企业供配电网运行数据进行实时采集,其主要采集企业供配电网的三相电压电流、电压电流不平衡、电压谐波、电网频率、三相功率指标(有功功率,无功功率)、三相有功电能,三相无功电能等电力参数。RS485电能表采集电力参数的采集周期为10min。
电力数据采集计算机通过以太网接收到供配电网运行数据后,通过内置的预设程序自动对供配电网的电力负荷、无功补偿容量、负载率、用电量、线损率以及短路电流等主要电力运行数据进行计算:
其中,对工业企业供电设计中的电力负荷的计算采用需要系数法进行,公式如下:
式中,Kd为需要系数,表示用电设备组在投入电网运行时,需要从电网实际取用的有功功率所必须考虑的一个综合系数;Pcn为最大负荷时电网供给用电设备组的最大负荷,单位KW;P∑n为n台电动机的额定总容量,单位KW;kL为平均加权负荷系数;kp为同时系数,描述n台电动机同时运行的概率;η为n台电动机的加权平均效率;ηL为供电线路效率,一般取值0.95-0.98。
对无功补偿容量进行计算:按提高功率因数确定补偿容量Qc,公式为:
对负载率Kp进行计算,公式为:
Kp=Pp/Pmax×100%
式中,Pp为一定时间的平均有功负荷,Pmax为最大有功负荷。
对用电量进行计算,用电量为各电能表抄之和。
对线损率进行计算,采用的公式为:线损率=(1-售电量/供电量)*100%。
对短路电流进行计算。
电力数据计算机将计算结果通过以太网实时传输给供配电节能评估计算机进行评估:
供配电节能评估计算机进行评估的方法,基于运用对向传播神经网络(CounterPropagation Network,CPN)进行供配电网的节能评估。
见图3,CPN是将自组织竞争网络与Grossberg基本竞争型网络相结合,发挥各自特长的一种新型特征映射网络。CPN的网络结构如图3所示,网络分为输入层、竞争层和输出层,输入层与竞争层构成SOM网络,竞争层与输出层构成基本竞争型网络。
见图4和图5,本实施例的工业企业供配电网节能评估方法,采用前述的工业企业供配电网节能评估系统实现,该方法包括如下具体步骤:
1)通过RS485电能表实时采集供配电网运行相关数据并经系统传输至电力数据采集计算机;
2)电力数据采集计算机计算电力负荷、无功补偿容量、负载率、用电量、线损率和短路电流的数据值,计算结果通过以太网传输至供配电节能评估计算机。
3)在供配电节能评估计算机内建立工业企业节能指标评估体系、设置评判等级。
指标评估体系如图4所示,主要包括:供电方案、变压器、供配电线路、电网经济运行等4个指标组。其中:
供电方案指标组包括供电方式、电气主接线、配电装置3个指标;
变压器指标组包括变压器容量及型号、选址、变压器经济运行3个指标;
供配电线路指标组包括厂区导线架设或电缆敷设,车间低压线路敷设,导线或电缆的截面选择3个指标;
电网经济运行指标组包括调整负荷及电压管理、三相负荷不平衡度、功率指标管理、电网线损率4个指标。
将工业企业的供配电网节能评估值由高到低设定分为5个等级,等级1表示用户电力节能指标优秀,各种电力设备运行合理,最节能;等级2表示用电比较合理,比较节能;等级3表示用电合理,节能一般;等级4表示用电不太合理,节能较少;等级5表示用户用电很不合理,存在很大电力浪费状况。
4)根据分级标准建立每个指标组的样本集。对于各指标组的单项指标分别按照五级评判标准,划分区间,然后进行归一化处理,将其置于(0,1)区间,利用均匀随机数在各级指标变化区间,内插随机产生的100个指标样本值。
5)将训练样本集输入到供配电节能评估计算机内的CPN神经网络模型,进行CPN神经网络模型的学习训练,其学习训练的算法如下:
①初始化及确定参数。确定输入层神经元数n为100个,已经归一化的输入向量为X=[x1,x2,…,xn],确定竞争层神经元p为30个,对应的二值输出向量B=[b1,b2,…,bp]T,输出层输出向量Y=[y1,y2,…,yq]T,目标输出向量O=[o1,o2,…,oq]T,q取值为5,为节能的5个等级,读数器t=0。
初始化输入层到竞争层的连接权值Wj(j=1,2,…,p)和由竞争层到输出层的连接权重Vk(k=1,2,…,q),并对Wj进行归一化处理。
②计算竞争层的输入。按下列公式求竞争层每个神经元的输入:
③计算连接权重Wj与X距离最近的向量。按下列公式计算:
④将神经元g的输出设定为1,其余神经元输出设定为0,即
⑤修正连接权值Wg。按下列公式进行修正并进行归一化:
ωgi(t+1)=ωgi(t)+α[xi-ωgi(t)],i=1,2,…,n,0<α<1
⑥计算输出。按下式计算出神经元的实际输出值:
⑦修正连接权重Vg。按下式修正权重Vg:
υkg(t+1)=υkg(t)+βbj(yk-ok),k=1,2,…,q,0<β<1
⑧返回第②步,直接将N个输入模式全部输入。
⑨置t=t+1,将输入模式X重新提供给网络学习,直到t=T为止,其中T为预设定的学习总次数为5000次。
6)根据电力数据采集计算机传输的电力参数计算结果,对指标体系中的4个指标组进行打分。
其中对于供电方案、变压器、供配电线路由评估专家对其评估打分,分值在0至100之间,由三个专家打分,然后取平均值,分别得到评估结果e1,e2,e3。
对电网的经济运行,依据负荷率,不平衡度,功率因数,线损率四个电力参数值由供配电节能评估计算机进行客观计算,分别得出评估结果e4,e5e6,e7。
由此得到待输入CPN网络的数据xi=[e1,e2,e3,e4,e5,e6,e7],将其归一化,使之在(0,1)范围内。
7)供配电节能评估计算机采用训练好的CPN网络模型对前述的待评估数据进行评估得出工业企业供配电网节能等级。
综上所述,本实施例的工业企业供配电网节能评估系统,结构简单、实现方便且成本较低。本实施例的工业企业供配电网节能评估方法,明确供电方案、变压器、供配电线路和电网经济运行4个指标组构成的节能评估指标体系,其中对供电方案、变压器、供配电线路指标组由评估专家对其评估打分,对电网经济运行指标组由计算机评判,而后综合评估,从而实现从主观和客观两方面进行评估,保证了评估的完整性与合理性。本实施例的工业企业供配电网节能评估方法,充分利用了对向传播神经网络的自组织、自学习能力等优点,将其用于具有多重因素的工业企业供配电网的节能评估,评估过程快速,评估结果可信度高,能够有效地分析出工业企业供配电网中影响节能的相关因素,从而有针对性地指导企业对供配电网进行相关节能改造,实现工业企业提高用电效率、节约用电成本、提高经济效益的目的。
以上实施例是对本发明的具体实施方式的说明,而非对本发明的限制,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可以做出各种变换和变化而得到相对应的等同的技术方案,因此所有等同的技术方案均应该归入本发明的专利保护范围。
Claims (5)
1.一种工业企业供配电网节能评估系统,其特征在于:包括RS485电能表、RS485总线、ZigBee无线网络、以太网、电力数据采集计算机和供配电节能评估计算机;
所述的RS485电能表设有2个以上;ZigBee无线网络包括ZigBee采集器和ZigBee网络终端,ZigBee采集器和ZigBee网络终端的个数与RS485电能表的个数相同;电力数据采集计算机为内置有电力数据采集和计算程序的计算机;供配电节能评估计算机为内置有基于对向传播神经网络方法的评估软件的计算机;
各RS485电能表分别通过RS485总线与相应的ZigBee采集器信号电连接;ZigBee采集器与相应的ZigBee网络终端通过无线通信网络信号电连接;各ZigBee网络终端均分别通过以太网与电力数据采集计算机信号电连接;电力数据采集计算机通过以太网与供配电节能评估计算机信号电连接。
2.一种通过权利要求1所述的工业企业供配电网节能评估系统实现的工业企业供配电网节能评估方法,其特征在于:包括以下步骤:
①实时采集供配电网运行相关数据并传输至电力数据采集计算机;
②电力数据采集计算机计算电力负荷、无功补偿容量、负载率、用电量、线损率和短路电流的数据值并将计算结果传输至供配电节能评估计算机;
③在供配电节能评估计算机内建立工业企业供配电网节能指标评估体系并设置5级评判等级;
④根据指标评估体系和分级标准建立评估指标的训练样本集:对各评估指标按照五级评判标准,划分区间,然后进行归一化处理,将其置于(0,1)区间,利用均匀随机数在各级指标变化区间,内插随机产生的100个指标样本值;
⑤将训练样本集输入供配电节能评估计算机内的对向传播神经网络模型,进行对向传播神经网络模型的学习训练;
⑥根据电力参数计算结果,由评估专家和计算机分别对供配电网各相应的节能指标评估打分;将打分结果进行归一化处理,使之在(0,1)范围内并输入训练完毕的供配电节能评估计算机内的对向传播神经网络模型;
⑦供配电节能评估计算机对输入的数据进行评估得出工业企业供配电网节能等级。
3.根据权利要求2所述的工业企业供配电网节能评估方法,其特征在于:所述的步骤③中的节能指标评估体系包括供电方案、变压器、供配电线路和电网经济运行4个指标组;
供电方案指标组包括供电方式、电气主接线、配电装置3个指标;
变压器指标组包括变压器容量及型号、选址、变压器经济运行3个指标;
供配电线路指标组包括厂区导线架设或电缆敷设、车间低压线路敷设、导线或电缆的截面选择3个指标;
电网经济运行指标组包括调整负荷及电压管理、三相负荷不平衡度、功率指标管理和电网线损率4个指标。
4.根据权利要求2所述的工业企业供配电网节能评估方法,其特征在于:所述的步骤⑤中的对向传播神经网络模型的学习训练的算法包括以下步骤:
①初始化及确定参数:确定输入层神经元数n为100个,已经归一化的输入向量为X=[x1,x2,…,xn],确定竞争层神经元p为30个,对应的二值输出向量B=[b1,b2,…,bp]T,输出层输出向量Y=[y1,y2,…,yq]T,目标输出向量O=[o1,o2,…,oq]T,q取值为5,为节能的5个等级,读数器t=0;
初始化输入层到竞争层的连接权值Wj(j=1,2,…,p)和由竞争层到输出层的连接权重Vk(k=1,2,…,q),并对Wj进行归一化处理;
②计算竞争层的输入:按下式求竞争层每个神经元的输入:
③计算连接权重Wj与X距离最近的向量:按下式计算:
④将神经元g的输出设定为1,其余神经元输出设定为0,即
⑤修正连接权值Wg:按下式进行修正并进行归一化:
ωgi(t+1)=ωgi(t)+α[xi-ωgi(t)],i=1,2,…,n,0<α<1
⑥计算输出:按下式计算出神经元的实际输出值:
⑦修正连接权重Vg:按下式修正权重Vg:
υkg(t+1)=υkg(t)+βbj(yk-ok),k=1,2,…,q,0<β<1
⑧返回第②步,直接将N个输入模式全部输入;
⑨置t=t+1,将输入模式X重新提供给网络学习,直到t=T为止,其中T为预设定的学习总次数5000。
5.根据权利要求3所述的工业企业供配电网节能评估方法,其特征在于:所述的步骤⑥中评估专家对节能指标体系中的供电方案、变压器、供配电线路指标组进行评估打分,分值在0至100之间,由三个专家打分,然后取平均值,分别得到评估结果e1,e2,e3;
节能指标体系中的电网经济运行指标组中,负荷率、不平衡度、功率因数和线损率四个电力参数值由供配电节能评估计算机进行计算,分别得出评估结果e4,e5,e6,e7;由此得到待输入对向传播神经网络模型的数据xi=[e1,e2,e3,e4,e5,e6,e7]。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610865830.XA CN106339825A (zh) | 2013-04-08 | 2013-04-08 | 工业企业供配电网节能评估方法 |
CN201610865829.7A CN106447203A (zh) | 2013-04-08 | 2013-04-08 | 一种工业企业供配电网节能评估方法 |
CN201310119872.5A CN103839108B (zh) | 2013-04-08 | 2013-04-08 | 工业企业供配电网节能评估系统和评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310119872.5A CN103839108B (zh) | 2013-04-08 | 2013-04-08 | 工业企业供配电网节能评估系统和评估方法 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610865830.XA Division CN106339825A (zh) | 2013-04-08 | 2013-04-08 | 工业企业供配电网节能评估方法 |
CN201610865829.7A Division CN106447203A (zh) | 2013-04-08 | 2013-04-08 | 一种工业企业供配电网节能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103839108A true CN103839108A (zh) | 2014-06-04 |
CN103839108B CN103839108B (zh) | 2016-12-28 |
Family
ID=50802584
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610865829.7A Pending CN106447203A (zh) | 2013-04-08 | 2013-04-08 | 一种工业企业供配电网节能评估方法 |
CN201610865830.XA Pending CN106339825A (zh) | 2013-04-08 | 2013-04-08 | 工业企业供配电网节能评估方法 |
CN201310119872.5A Expired - Fee Related CN103839108B (zh) | 2013-04-08 | 2013-04-08 | 工业企业供配电网节能评估系统和评估方法 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610865829.7A Pending CN106447203A (zh) | 2013-04-08 | 2013-04-08 | 一种工业企业供配电网节能评估方法 |
CN201610865830.XA Pending CN106339825A (zh) | 2013-04-08 | 2013-04-08 | 工业企业供配电网节能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN106447203A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217296A (zh) * | 2014-09-15 | 2014-12-17 | 国家电网公司 | 一种上市公司绩效综合评价方法 |
CN105488621A (zh) * | 2015-11-29 | 2016-04-13 | 国家电网公司 | 电网实验室用降损节能分析和能效评测系统 |
CN107463712A (zh) * | 2017-08-23 | 2017-12-12 | 上海中信信息发展股份有限公司 | 文件格式可用性评估方法及装置 |
CN109102184A (zh) * | 2018-08-03 | 2018-12-28 | 北京天安智慧信息技术有限公司 | 耗能设备的节能评价方法及系统 |
CN110610280A (zh) * | 2018-10-31 | 2019-12-24 | 山东大学 | 一种电力负荷短期预测方法、模型、装置及系统 |
CN111626617A (zh) * | 2020-05-28 | 2020-09-04 | 江苏蔚能科技有限公司 | 一种企业配电网节能评估系统及方法 |
CN114723303A (zh) * | 2022-04-15 | 2022-07-08 | 中国电信股份有限公司 | 机房节能空间确定方法、装置、设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163410B (zh) * | 2019-04-08 | 2021-08-24 | 国网信通亿力科技有限责任公司 | 一种基于神经网络-时间序列的线损电量预测方法 |
CN111401764B (zh) * | 2020-03-24 | 2022-05-10 | 福建江夏学院 | 一种基于cpn网络模型的图书馆用户满意度综合评估方法 |
CN112907046A (zh) * | 2021-02-02 | 2021-06-04 | 中电普信(北京)科技发展有限公司 | 一种支持专家打分的军事训练效果评估系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030171851A1 (en) * | 2002-03-08 | 2003-09-11 | Peter J. Brickfield | Automatic energy management and energy consumption reduction, especially in commercial and multi-building systems |
CN101404414B (zh) * | 2008-09-28 | 2011-05-04 | 王磊 | 配电网电磁调衡动态降损方法、系统及综合降损系统 |
CN101789629B (zh) * | 2010-01-08 | 2012-12-19 | 江苏大学 | 一种节电空间评估系统与方法 |
ES2424859T3 (es) * | 2010-04-09 | 2013-10-09 | Nec Europe Ltd. | Encaminamiento teniendo en cuenta la eficiencia energética |
CN201757929U (zh) * | 2010-07-12 | 2011-03-09 | 泉州科力电气有限公司 | 全无线网络化电力用户用电信息采集系统 |
CN101916093B (zh) * | 2010-07-26 | 2012-10-10 | 秦毅 | 一种能效管理终端及其组成的智能用电暨能效管理系统 |
CN102509178B (zh) * | 2011-11-25 | 2014-12-17 | 江苏省电力公司淮安供电公司 | 配网设备状态评估系统 |
CN102521652B (zh) * | 2012-01-10 | 2014-06-04 | 国家电网公司 | 一种电网运营效率评价决策方法 |
-
2013
- 2013-04-08 CN CN201610865829.7A patent/CN106447203A/zh active Pending
- 2013-04-08 CN CN201610865830.XA patent/CN106339825A/zh active Pending
- 2013-04-08 CN CN201310119872.5A patent/CN103839108B/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217296A (zh) * | 2014-09-15 | 2014-12-17 | 国家电网公司 | 一种上市公司绩效综合评价方法 |
CN105488621A (zh) * | 2015-11-29 | 2016-04-13 | 国家电网公司 | 电网实验室用降损节能分析和能效评测系统 |
CN105488621B (zh) * | 2015-11-29 | 2019-06-11 | 国家电网公司 | 电网实验室用降损节能分析和能效评测系统 |
CN107463712A (zh) * | 2017-08-23 | 2017-12-12 | 上海中信信息发展股份有限公司 | 文件格式可用性评估方法及装置 |
CN109102184A (zh) * | 2018-08-03 | 2018-12-28 | 北京天安智慧信息技术有限公司 | 耗能设备的节能评价方法及系统 |
CN110610280A (zh) * | 2018-10-31 | 2019-12-24 | 山东大学 | 一种电力负荷短期预测方法、模型、装置及系统 |
CN111626617A (zh) * | 2020-05-28 | 2020-09-04 | 江苏蔚能科技有限公司 | 一种企业配电网节能评估系统及方法 |
CN114723303A (zh) * | 2022-04-15 | 2022-07-08 | 中国电信股份有限公司 | 机房节能空间确定方法、装置、设备及存储介质 |
CN114723303B (zh) * | 2022-04-15 | 2023-10-31 | 中国电信股份有限公司 | 机房节能空间确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103839108B (zh) | 2016-12-28 |
CN106447203A (zh) | 2017-02-22 |
CN106339825A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103839108B (zh) | 工业企业供配电网节能评估系统和评估方法 | |
CN113746144B (zh) | 一种源网荷实时交互的电碳控制方法及其智能管理系统 | |
CN107425520A (zh) | 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法 | |
CN104408562B (zh) | 一种基于bp神经网络的光伏系统发电效率综合评估方法 | |
CN109784582B (zh) | 一种区域经济部门配水均衡方法及系统 | |
CN105071399B (zh) | 基于主、配电网互动协调的电压无功综合控制系统 | |
CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
CN106779277A (zh) | 一种配电网网损的分类评估方法及装置 | |
CN102184465A (zh) | 一种变电站能效评估方法 | |
CN102522756B (zh) | 一种避免电压越限风险的电网感性无功补偿方法 | |
CN103544537B (zh) | 基于预测可信度评估的综合子网累加的短期负荷预测方法 | |
CN110543696B (zh) | 一种未建模小机组参与电力市场出清和安全校核的方法 | |
CN104376371B (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
CN112968441B (zh) | 一种应用于大规模风电基地的电网规划方法 | |
Adinolfi et al. | Pseudo-measurements modeling using neural network and Fourier decomposition for distribution state estimation | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN105469194A (zh) | 一种基于负荷持续曲线的配电网主设备运行效率评价方法 | |
CN103034961A (zh) | 一种电网节能水平的判定方法 | |
CN109767109A (zh) | 基于神经网络的异常线损率台区识别方法 | |
CN105305488B (zh) | 一种考虑新能源并网对输电网利用率影响的评价方法 | |
CN103824124B (zh) | 一种针对电网公司的节能潜力评估方法 | |
WO2023083235A1 (zh) | 一种分散式预测电网的优化方法及系统 | |
CN115528817A (zh) | 一种用户端智能配用电系统、方法、介质、设备及终端 | |
CN105512807A (zh) | 一种配电网网络健康指数评估方法 | |
CN107769268A (zh) | 一种含小水电的地调范围日前预测省供负荷方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180108 Address after: 226600 Jiangsu city of Nantong province Hainan County baiding town of white village's fourteen group Co-patentee after: JIANGSU University OF TECHNOLOGY Patentee after: Nantong Donghua Furnace Industry Co.,Ltd. Address before: 213001 Changzhou Province in the Clock Tower District, Jiangsu, Wu Road, No. 1801 Patentee before: Jiangsu University of Technology |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161228 |