CN110163283A - 一种配电网极限线损率的计算方法 - Google Patents
一种配电网极限线损率的计算方法 Download PDFInfo
- Publication number
- CN110163283A CN110163283A CN201910432094.2A CN201910432094A CN110163283A CN 110163283 A CN110163283 A CN 110163283A CN 201910432094 A CN201910432094 A CN 201910432094A CN 110163283 A CN110163283 A CN 110163283A
- Authority
- CN
- China
- Prior art keywords
- feeder line
- cluster
- per unit
- line
- loss per
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明提供了一种配电网极限线损率的计算方法,所述方法包括:确定所述配电网中的馈线样本,采集所述馈线样本的馈线指标参数;从所述馈线指标参数中,确定聚类指标参数;利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的基准馈线;计算所述各个聚类的基准馈线的极限线损率;对所述各个聚类的基准馈线的极限线损率分别修正;针对修正后的所述各个聚类的基准馈线的极限线损率,计算所述配电网的极限线损率;本发明的计算量较小,通过对所述聚类的基准馈线分情况进行修正,还可缩小最终计算出来的配电网的极限线损率与实际的误差,能提高实际工程中配电网降低线损应用的准确度。
Description
技术领域
本发明涉及配电网技术领域,特别是涉及一种配电网极限线损率的计算方法。
背景技术
线损和线损率综合反映了电网的经济运行水平和供电企业的管理水平。线损及线损率的高低同时也与节能减排有着紧密联系,如何降低线损具有经济价值同时也具有节约能源意义。目前比较成熟的线损计算方法有均方根电流法、平均电流法、最大电流法、损失因数法、电压损失法、等值电阻法和潮流算法。使用较广泛的有均方根电流法、等值电阻法和潮流算法。新的线损计算方法有遗传算法、区间算法、聚类算法和人工神经网络法。这些算法相对于传统线损计算方法有了一定的改进,目前正逐渐深入应用到线损的计算。
目前对于线路的聚类和极限线损的计算方面研究不多,将线路聚类应用于线损的计算研究虽有但少。已有技术中,有将线路聚类应用于神经网络计算线损的方法,但所建立的RBFNN模型相对复杂,同时采用潮流算法计算线损率,因此不便于在实际工程中推广;也有以平均线损率、线损率标准差、线损率梯度作为聚类指标对馈线进行聚类计算的方法,该方法仅考虑线损率和其数字特征进行聚类,且未进行线损率的计算,实践性不强。
发明内容
本发明提供一种配电网极限线损率的计算方法,以克服上述技术问题。
为了解决上述问题,本发明公开了一种配电网极限线损率的计算方法,所述方法包括:
确定所述配电网中的馈线样本,采集所述馈线样本的馈线指标参数;
从所述馈线指标参数中,确定聚类指标参数;
利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的基准馈线;
计算所述各个聚类的基准馈线的极限线损率;
对所述各个聚类的基准馈线的极限线损率分别修正;
针对修正后的所述各个聚类的基准馈线的极限线损率,计算所述配电网的极限线损率。
进一步的,所述从所述馈线指标参数中,确定聚类指标参数的步骤包括:
计算所述馈线指标参数之间的相关系数ρ;其中,所述相关系数ρ的计算公式如下:
(1)式中,ρ为所述馈线指标参数X与所述馈线指标参数Y的相关系数,E(X)、E(Y)与E(XY)分别为X、Y及X与Y乘积的数学期望;D(X)、D(Y)分别为指标X、Y的方差;
根据所述相关系数ρ,确定所述聚类指标参数。
进一步的,所述根据所述相关系数ρ,确定所述聚类指标参数的子步骤进一步包括:
选取所述相关系数ρ>0.7的目标馈线指标参数;
判断所述目标馈线指标参数是否满足预设条件;
当所述目标馈线指标参数满足预设条件时,将所述目标馈线指标参数确定为所述聚类指标参数。
进一步的,所述预设条件包括:
所述目标馈线指标参数反映所述馈线样本的基本属性;其中,所述基本属性用于区分所述馈线样本的不同线路;
所述目标馈线指标参数反映所述馈线样本的常态负荷水平。
进一步的,所述利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的基准馈线的步骤包括:
利用所述聚类指标参数,计算所述馈线样本的最佳聚类数目K;
其中,
(2)式中,XB(-)表示寻找所述聚类指标参数的类内紧致性和类间分离性之间的某个平衡点,所述XB(-)的计算结果越小,聚类效果越好,用来确定所述最佳聚类数目K;所述馈线样本为{x1,x2,…,xn},其中n表示馈线样本总数;m表示模糊度参数,d(xj,vi)表示某个所述馈线样本的点xj到中心vi的欧氏距离;
根据所述最佳聚类数目K,利用目标函数和约束条件对所述馈线样本进行有效性模糊聚类计算;其中:
所述目标函数:
所述约束条件:
0≤μij≤1,1≤i≤K,1≤j≤n (4);
(3)~(6)式中,U为隶属度矩阵,V为p×k的聚类中心矩阵;μij指第j个样本馈线xj属于第i类的隶属度;
初始化聚类中心vi,通过迭代计算不断更新所述隶属度矩阵U和聚类中心矩阵V,当所述目标函数Jm(U,V)的两次迭代目标函数值之差ξ在预设范围内,停止迭代计算,输出聚类结果;
其中,所述初始化聚类中心vi的计算公式为:
隶属度μij和距离中心vi的更新公式为:
根据所述聚类结果,在所述聚类中,选取与最终所述隶属度矩阵中的最高隶属度对应的馈线,确定为所述聚类的基准馈线。
进一步的,在计算所述各个聚类的基准馈线的极限线损率之前,所述方法包括:
将所述馈线样本的全部馈线段替换为供电公司规定下的最大截面型号导线;
和/或,将所述馈线样本的变压器替换为供电公司规定下的最优型号变压器;
和/或,在计算所述各个聚类的基准馈线的极限线损率时,假定计算条件为三相平衡。
进一步的,所述计算所述各个聚类的基准馈线的极限线损率的步骤包括:
限定计算条件;其中,所述计算条件包括:
负荷与所述变压器的额定容量成正比;
负荷点功率因数相同,节点电压相同,不考虑电压降;
在所述计算条件下,针对每个聚类,利用等值电阻Req计算所述聚类的基准馈线的极限线损率;
其中,
(10)式中,Req的单位为Ω;假定每个聚类的所述基准馈线的线路分为g段,其中SNi、SN∑分别为第i段分支线上的配变额定容量和线路总配电额定容量,单位为kVA;Ri为第i段分支线上的变压器等值电阻,单位为Ω;r0指第i段馈线线路单位长度的交流电阻,单位为Ω/km;li指第i段馈线线路长度,单位为km;
(11)式中,δl为所述聚类的基准馈线的极限线损率,Ijf为均方根电流,单位为A;t为运行时间,单位为h;El为馈线供电量,单位为kW/h。
进一步的,所述对所述各个聚类的基准馈线的极限线损率分别修正的步骤包括:
检验所述聚类的基准馈线的极限线损率是否服从正态分布;
若服从正态分布,计算所述聚类的基准馈线的极限线损率的均值,并以所述均值作为修正后的所述聚类的极限线损率;
若不服从正态分布,确定所述聚类的基准馈线的极限线损率的中间值,并以所述中间值作为修正后的所述聚类的极限线损率。
进一步的,所述针对修正后的所述各个聚类的基准馈线的极限线损率,计算所述配电网的极限线损率的步骤包括:
(12)式中,δ为所述配电网的极限线损率,f为馈线分类总数,δLs为第s类馈线修正后的极限线损率;Els为第s类馈线供电量之和,单位为万kW/h。
可选的,所述方法还包括:
利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的非基准馈线;
对于所述各个聚类的非基准馈线,分别计算每个聚类的非基准馈线的极限线损率。
与现有技术相比,本发明包括以下优点:
本发明考虑影响线损的相关指标,使用聚类算法计算配电网的极限线损率,从而不需要对每条线路进行极限线损率计算,大大减小了配电网的极限线损率的计算量,同时更进一步提高了线损率的实践指导效果;通过对所述聚类的基准馈线分情况进行修正,还可缩小最终计算出来的配电网的极限线损率与实际的误差,能提高实际工程中配电网降低线损应用的准确度。
附图说明
图1是本发明实施例一种配电网极限线损率的计算方法的步骤流程图;
图2是本发明实施例非基准馈线的极限线损率的计算方法的步骤流程图;
图3是本示例的聚类结果图;
图4是本示例在极限参数条件下的B类基准馈线的极限线损拓扑图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,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。
名词解释:
极限线损率:对于一条结构确定的配网线路,在当前的负荷特性和负荷分布下,在极限条件下采用可采取的所有降损措施后的线损称为极限线损,此时的线损率称为极限线损率。
聚类:是根据聚类指标进行模糊聚类计算后把数据划分成几组。聚类是在没有任何先验信息的指导下,发现数据中存在的潜在相似模式,根据聚类指标进行模糊聚类计算后对数据分类,使得数据分类满足类内相似性尽可能大,同时不同类之间的差异性尽可能大的原则。
针对本发明的技术问题,参照图1,示出了本发明实施例一种配电网极限线损率的计算方法的步骤流程图,所述方法具体可以包括以下步骤:
步骤S101:确定所述配电网中的馈线样本,采集所述馈线样本的馈线指标参数;
步骤S102:从所述馈线指标参数中,确定聚类指标参数;
步骤S103:利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的基准馈线;
步骤S104:计算所述各个聚类的基准馈线的极限线损率;
步骤S105:对所述各个聚类的基准馈线的极限线损率分别修正;
步骤S106:针对修正后的所述各个聚类的基准馈线的极限线损率,计算所述配电网的极限线损率。
配电网线路数目多,同时单条线路分支线和元件数目也多。所以首先要确定配电网中的馈线样本,本发明实施例中的馈线样本可以为已剔除掉无损线路以及全损线路(电源线)等不符合要求后的线路。
优选的,所述馈线指标参数包括供电半径、电缆化率、配变容量、平均电量、最大电流、最高负载率。
供电半径定义为从电源点至最远负荷点之间的线路长度。供电半径的长短直接影响馈线的等值电阻,对极限线损的影响度很高。
电缆化率为电缆长度占线路总长度的百分比。电缆中由于涡流产生损耗,因此电缆的损耗比架空线的损耗要大,故电缆化率越高,极限线损越大。
容量合计为线路上的所有配电变压器额定容量之和。通常容量合计越大,其变压器台数越多,同容量不同型号的等值电阻不同。铁损不同,其经济运行区间略有不同。
平均电量为年有功供电量的平均值,反映配电网负载的大小,而负载的大小直接影响极限线损的大小。
最大电流为在不影响设备安全下,配电网的馈线短时出现的最大工作电流。最大电流为负荷曲线的一个有效指标,同时线路损耗与电流的二次方成比例,因此最大电流对极限线损的影响度很高。
最大负载率在一定程度上反映极限损耗大小。变压器损耗有铜损和铁损,相同容量的变压器,当负载率不同时,铁损相同;随着负载率的升高,铜损增加。
确定馈线指标参数后,需要从所述馈线指标参数中,确定聚类指标参数。聚类指标参数选取应与线损具有相关性,且能够表征线路属性,同时也要尽可能减少数据规模和维度;同时,还要考虑聚类指标参数对线损的影响程度,所以通过考虑线路指标间的线性相关系数和指标对线损的影响程度对聚类指标进行选取。
在本发明一可选实施例中,示出了所述步骤S102的具体实现方法包括以下子步骤:
子步骤1:计算所述馈线指标参数之间的相关系数ρ;其中,所述相关系数ρ的计算公式如下:
(1)式中,ρ为所述馈线指标参数X与所述馈线指标参数Y的相关系数,E(X)、E(Y)与E(XY)分别为X、Y及X与Y乘积的数学期望;D(X)、D(Y)分别为指标X、Y的方差;
子步骤2:根据所述相关系数ρ,确定所述聚类指标参数。
优选的,所述子步骤2进一步可以包括:
选取所述相关系数ρ>0.7的目标馈线指标参数;
判断所述目标馈线指标参数是否满足预设条件;
当所述目标馈线指标参数满足预设条件时,将所述目标馈线指标参数确定为所述聚类指标参数。
经过发明人研究发现,当相关系数ρ>0.7时,可以认为两指标之间具有高相关度,所以优选相关系数ρ>0.7的馈线指标参数作为聚类指标参数的首要筛选条件。
然后,通过预设条件来对相关系数ρ>0.7的目标馈线指标参数进行再次筛选,以明确线损影响度,确保聚类指标体系中所涉及的指标均意义明确且对线损率影响较大。其中,所述预设条件可以包括:
所述目标馈线指标参数反映所述馈线样本的基本属性;其中,所述基本属性用于区分所述馈线样本的不同线路;
所述目标馈线指标参数反映所述馈线样本的常态负荷水平。
接下来,确定所述聚类指标参数后,需要利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的基准馈线;
在本发明一优选实施例中,示出了所述步骤S103具体可以包括以下子步骤:
子步骤3:利用所述聚类指标参数,计算所述馈线样本的最佳聚类数目K;
其中,
(2)式中,XB(-)表示寻找所述聚类指标参数的类内紧致性和类间分离性之间的某个平衡点,所述XB(-)的计算结果越小,聚类效果越好,用来确定所述最佳聚类数目K;所述馈线样本为{x1,x2,…,xn},其中n表示馈线样本总数;m表示模糊度参数,d(xj,vi)表示某个所述馈线样本的点xj到中心vi的欧氏距离;
子步骤4:根据所述最佳聚类数目K,利用目标函数和约束条件对所述馈线样本进行有效性模糊聚类计算;其中:
所述目标函数:
所述约束条件:
0≤μij≤1,1≤i≤K,1≤j≤n (4);
(3)~(6)式中,U为隶属度矩阵,V为p×k的聚类中心矩阵;μij指第j个样本馈线xj属于第i类的隶属度;
子步骤5:初始化聚类中心vi,通过迭代计算不断更新所述隶属度矩阵U和聚类中心矩阵V,当所述目标函数Jm(U,V)的两次迭代目标函数值之差ξ在预设范围内,停止迭代计算,输出聚类结果;
其中,所述初始化聚类中心vi的计算公式为:
隶属度μij和距离中心vi的更新公式为:
子步骤6:根据所述聚类结果,在所述聚类中,选取与最终所述隶属度矩阵中的最高隶属度对应的馈线,确定为所述聚类的基准馈线。
从公式(2)~(9)可知,本发明实施例利用FCM算法的特点对配电网中的馈线进行聚类。FCM算法是一种基于数据划分的聚类算法,它的目标就是使得被划分到同一类的对象之间相似度最大,而不同类之间的相似度最小。FCM对数据的划分是一种模糊的柔性划分。
本发明实施例利用步骤S103示出的步骤在对馈线样本进行FCM算法聚类计算后,获得各类的基准馈线,接下来可对各聚类的基准馈线进行极限线损率的计算。
对于馈线极限线损率的计算,可根据极限线损的定义,对基准馈线的线路参数进行极限计算。在计算前,首先对所述馈线样本的极限参数进行约束,具体约束方法可以包括:
将所述馈线样本的全部馈线段替换为供电公司规定下的最大截面型号导线;
和/或,将所述馈线样本的变压器替换为供电公司规定下的最优型号变压器;
和/或,在计算所述各个聚类的基准馈线的极限线损率时,假定计算条件为三相平衡。
进一步的,计算所述各个聚类的基准馈线的极限线损率;
在本发明一优选实施例中,示出了所述步骤S104具体可以包括以下子步骤:
子步骤7:限定计算条件;其中,所述计算条件包括:
负荷与所述变压器的额定容量成正比;
负荷点功率因数相同,节点电压相同,不考虑电压降;
子步骤8:在所述计算条件下,针对每个聚类,利用等值电阻Req计算所述聚类的基准馈线的极限线损率;
其中,
(10)式中,Req的单位为Ω;假定每个聚类的所述基准馈线的线路分为g段,其中SNi、SN∑分别为第i段分支线上的配变额定容量和线路总配电额定容量,单位为kVA;Ri为第i段分支线上的变压器等值电阻,单位为Ω;r0指第i段馈线线路单位长度的交流电阻,单位为Ω/km;li指第i段馈线线路长度,单位为km;
(11)式中,δl为所述聚类的基准馈线的极限线损率,Ijf为均方根电流,单位为A;t为运行时间,单位为h;El为馈线供电量,单位为kW·h。
由于将某个聚类的基准馈线的极限线损率作为该聚类的馈线极限线损率会存在较大偏差,为了减小这种偏差,本发明实施例对所述各个聚类的基准馈线的极限线损率分别修正。
在本发明一优选实施例中,示出了修正方法的优选实施步骤,所述步骤S105具体可以包括以下子步骤:
子步骤9:检验所述聚类的基准馈线的极限线损率是否服从正态分布;
子步骤10:若服从正态分布,计算所述聚类的基准馈线的极限线损率的均值,并以所述均值作为修正后的所述聚类的极限线损率;
子步骤11:若不服从正态分布,确定所述聚类的基准馈线的极限线损率的中间值,并以所述中间值作为修正后的所述聚类的极限线损率。
最后,针对修正后的所述各个聚类的基准馈线的极限线损率,利用公式(12),计算所述配电网的极限线损率。
具体的,步骤S106的实现方法如下:
(12)式中,δ为所述配电网的极限线损率,f为馈线分类总数,δLs为第s类馈线修正后的极限线损率;Els为第s类馈线供电量之和,单位为万kW/h。
由于不同的负荷曲线下线损是变化的,同样极限线损率也是不一样的,计算线损率一般选择典型日的负荷曲线,对于一条线路一般计算量不大,但是对整个配网来说,其计算量就会变得庞大。所以本发明实施例使用聚类算法计算配电网的极限线损率,从而不需要对每条线路进行极限线损率计算,大大减小了配电网的极限线损率的计算量;通过对所述聚类的基准馈线分情况进行修正,还可缩小最终计算出来的配电网的极限线损率与实际的误差。
针对本发明,下面采用一具体示例进一步验证。
馈线样本:某市配电网87条10kV线路实际数据,这87条线路为已剔除掉无损线路以及全损线路(电源线)等不符合要求后的数据。根据收集到的数据特点,所计算的极限线损率为平均极限线损率。
收集到的馈线指标参数如下:供电半径(X1)、平均电量(X2)、最大电流(X3)、电缆化率(X4)、容量合计(X5)和最高负载率(X6)。
针对馈线指标参数进行相关系数计算,计算结果如表1所示。
表1
根据上表中相关系数计算结果,可以看到相关系数大于0.7的线损指标包括X1,X2,X3,X4,X5,X6,X2与X6,X3与X6,即指标之间相关性强,故应当选取一项作为聚类指标参数。
接下来,进行线损影响度分析,即判断所述目标馈线指标参数是否满足预设条件,分析如下:
1)供电半径能够表征线路的基本属性,也可达到对线路的区分要求,同时对产生的线损影响度大。故选取供电半径(X1)作为聚类指标参数。
2)平均电量通过月电量的平均计算能够客观反映线路运行常态,而极值类参数则不能客观反映线路的运行情况,存在不稳定性。同时根据相关系数计算结果,平均电量(X2)、最大电流(X3)和最高负载率(X6)相关性较强,为了降低数据维度,因此平均电量(X2)、最大电流(X3)、最高负载率(X6)不宜被选为聚类指标参数。
3)城网中,电缆化率(X4)越来越高,存在着多条线路电缆化率达到100%的情况,该指标不能有效对线路进行区分分类,因此电缆化率(X4)不适宜作为线路的聚类参数。
4)容量合计为线路上所有变压器容量之和。通常变压器负载率随时波动,采集到的负载率数据为某时刻的负载率,不能客观反映负荷情况,同时,10V配网中变压器数量大,负载率数据收取也存在较大难度。因此,容量合计(X5)不宜选作聚类指标参数。
所以,最终可确定供电半径(X1)作为线路的聚类指标参数。
本示例采用Matlab2016进行模糊聚类计算。首先采用XB(-)对最佳聚类数进行计算,确定最佳聚类数目为6。然后采用FCM算法进行有效性模糊聚类。最大迭代次数取100,聚类数k=6,模糊度m=2,迭代终止条件目标函数值变化量小于1×e-5。本示例的聚类结果图参照图3,图中横坐标为供电半径/km,纵坐标为平均电量/万kWh。每个点代表一条10kV线路。从图中可以看出,分类结果满足了类间分离,类内紧凑的准则。各聚类数据统计结果见表2。
表2
从表2可知,聚类分类清晰,且结果具有实际意义。A类馈线数据的供电半径和平均电量均极小,二E类馈线的供电半径和平均电量均极大。且供电半径和平均电量对线损率的影响极大,因而各类馈线的线损率分布也相对集中。
同时,从图3可知,聚类中心通常不会落在某个数据点上,绝大多数情况下都在某数据点的附近。根据过程中的6×87隶属度矩阵,选取隶属度最大值对应的馈线作为各类馈线的基准馈线,进行极限线损率的计算。其中各类的基准馈线隶属度均达到0.94以上,各聚类基准馈线最大隶属度具体数据见表3。
表3
从表3中可以看到E类基准馈线的隶属度为0.9451,其他类馈线隶属度均在0.98以上。各类聚类中心虽未落在馈线数据点上,但基准馈线距离聚类中心很近,可以选取这些馈线为各类基准馈线。
选取基准馈线后,根据实际数据画出网络拓扑图,将线路参数更换至极限参数。以B类中基准馈线F28为例,将原线路中出线的3×240的电缆更换为3×400电缆,主干线均采用JKLVJ-3×240架空线,分支线采用JKLVJ-3×150架空线,配电变压器均采用S15系列。本示例在极限参数条件下的B类基准馈线的极限线损拓扑图参照图4。
接下来,使用等值电阻法计算个聚类的基准线路极限线损率,如表4所示,为各个聚类的基准馈线的极限线损率。
表4
聚类编号 | 各基准馈线极限线损率% |
A | 0.949 |
B | 1.575 |
C | 1.435 |
D | 2.477 |
E | 1.585 |
F | 1.847 |
采用Lilliefors检验各类馈线的极限线损率是否符合正态分布。经检验分析,各聚类馈线极限线损率均符合正态分布,计算各类馈线极限线损率平均值作为类馈线的修正后极限线损率。如表5所示,为各类馈线修正后极限线损率。
表5
聚类编号 | 修正后极限线损率% |
A | 1.127 |
B | 1.446 |
C | 1.343 |
D | 2.49 |
E | 1.487 |
F | 1.958 |
极限条件下,采用等值电阻法计算基准馈线线损率时采用理想假设,对极限线损率的计算是一种计算。根据聚类结果进行极限线损率的修正计算。在过程中通过模糊相似性进行聚类,该过程中会存在一定的误差,但在调整系数修正计算的作用下,尽可能全面的考虑线损率影响参数来降低存在的误差。由于极限线损率是一种线损率取极限的思路,因而其值只能尽可能去逼近假设中的极限值。
针对聚类编号为A~F的修正后的极限线损率,利用公式(12)计算A~F的平均极限线损率。然后将所计算的平均极限线损率与目前存在的线损率数据作对比,符合城市10kV及以下线路综合线损率(扣除无损线)≤5%的要求,低于当前的统计线损率5.5%和理论线损率3.2%,认为该值已经达到一定程度上逼近理想极限线损率,可以作为当前配电网的极限线损率。所得的配电网的极限线损率能在一定程度上反映当前配电网线路的线损水平,为电力工作人员确定实际降损空间做好基础准备。
另外,在配电网的同一聚类中,还包括其他的馈线线路,统称为非基准馈线。本发明实施例还对各个聚类的非基准馈线的极限线损率进行了计算,参照图2,示出了本发明实施例非基准馈线的极限线损率的计算方法的步骤流程图,所述方法具体可以包括以下步骤:
步骤S201:利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的非基准馈线;
步骤S202:对于所述各个聚类的非基准馈线,分别计算每个聚类的非基准馈线的极限线损率。
在本发明一优选实施例中,所述步骤S202进一步包括以下子步骤:
定义所述聚类的非基准馈线与基准馈线之间的调整系数Pij;
其中,所述
(13)式中,q为所述馈线指标参数的总数,Xij为所述聚类中的第j条馈线的第i项指标参数值,Xi0为所述聚类的基准馈线的第i项指标参数值。
根据所述调整系数,计算所述聚类的非基准馈线的极限线损率;
其中,
δj=(1+Pij)δl (14);
(14)式中,δj为所述聚类的非基准馈线的第j条极限线损率,δl为所述聚类的基准馈线的极限线损率。
然后本发明实施例可参照步骤S105和S106对各个聚类的非基准馈线的极限线损率进行修正,并利用修正后的所述非基准馈线的极限线损率,计算所述配电网的极限线损率,可使得配电网的极限线损率数据更加完整。需要说明的是,本发明实施例对于同一聚类内的其他馈线线损的计算,利用其与基准馈线的指标参数差异,进行其极限线损率的计算,可省略了公式(10)和公式(11)的计算量。
在本发明的具体示例中,也计算各个聚类的非基准馈线的极限线损率。在计算各个聚类内的其他馈线的极限线损率时,考虑其他参数对线损率的影响,通过聚类线路的平均电量、供电半径等馈线损率参数进行差异系数计算,并获得各线路极限线损率见表6。
表6
通过Lilliefors检验以上数据是否满足正态分布,B类馈线线损率满足正态分布,取其平均值作为B类馈线修正后的极限线损率。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
以上对本发明所提供的一种配电网极限线损率的计算方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种配电网极限线损率的计算方法,其特征在于,所述方法包括:
确定所述配电网中的馈线样本,采集所述馈线样本的馈线指标参数;
从所述馈线指标参数中,确定聚类指标参数;
利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的基准馈线;
计算所述各个聚类的基准馈线的极限线损率;
对所述各个聚类的基准馈线的极限线损率分别修正;
针对修正后的所述各个聚类的基准馈线的极限线损率,计算所述配电网的极限线损率。
2.根据权利要求1所述的方法,其特征在于,所述从所述馈线指标参数中,确定聚类指标参数的步骤包括:
计算所述馈线指标参数之间的相关系数ρ;其中,所述相关系数ρ的计算公式如下:
(1)式中,ρ为所述馈线指标参数X与所述馈线指标参数Y的相关系数,E(X)、E(Y)与E(XY)分别为X、Y及X与Y乘积的数学期望;D(X)、D(Y)分别为指标X、Y的方差;
根据所述相关系数ρ,确定所述聚类指标参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述相关系数ρ,确定所述聚类指标参数的子步骤进一步包括:
选取所述相关系数ρ>0.7的目标馈线指标参数;
判断所述目标馈线指标参数是否满足预设条件;
当所述目标馈线指标参数满足预设条件时,将所述目标馈线指标参数确定为所述聚类指标参数。
4.根据权利要求3所述的方法,其特征在于,所述预设条件包括:
所述目标馈线指标参数反映所述馈线样本的基本属性;其中,所述基本属性用于区分所述馈线样本的不同线路;
所述目标馈线指标参数反映所述馈线样本的常态负荷水平。
5.根据权利要求1所述的方法,其特征在于,所述利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的基准馈线的步骤包括:
利用所述聚类指标参数,计算所述馈线样本的最佳聚类数目K;
其中,
(2)式中,XB(-)表示寻找所述聚类指标参数的类内紧致性和类间分离性之间的某个平衡点,所述XB(-)的计算结果越小,聚类效果越好,用来确定所述最佳聚类数目K;所述馈线样本为{x1,x2,…,xn},其中n表示馈线样本总数;m表示模糊度参数,d(xj,vi)表示某个所述馈线样本的点xj到中心vi的欧氏距离;
根据所述最佳聚类数目K,利用目标函数和约束条件对所述馈线样本进行有效性模糊聚类计算;其中:
所述目标函数:
所述约束条件:
0≤μij≤1,1≤i≤K,1≤j≤n (4);
(3)~(6)式中,U为隶属度矩阵,V为p×k的聚类中心矩阵;μij指第j个样本馈线xj属于第i类的隶属度;
初始化聚类中心vi,通过迭代计算不断更新所述隶属度矩阵U和聚类中心矩阵V,当所述目标函数Jm(U,V)的两次迭代目标函数值之差ξ在预设范围内,停止迭代计算,输出聚类结果;
其中,所述初始化聚类中心vi的计算公式为:
隶属度μij和距离中心vi的更新公式为:
根据所述聚类结果,在所述聚类中,选取与最终所述隶属度矩阵中的最高隶属度对应的馈线,确定为所述聚类的基准馈线。
6.根据权利要求1所述的方法,其特征在于,在计算所述各个聚类的基准馈线的极限线损率之前,所述方法包括:
将所述馈线样本的全部馈线段替换为供电公司规定下的最大截面型号导线;
和/或,将所述馈线样本的变压器替换为供电公司规定下的最优型号变压器;
和/或,在计算所述各个聚类的基准馈线的极限线损率时,假定计算条件为三相平衡。
7.根据权利要求6所述的方法,其特征在于,所述计算所述各个聚类的基准馈线的极限线损率的步骤包括:
限定计算条件;其中,所述计算条件包括:
负荷与所述变压器的额定容量成正比;
负荷点功率因数相同,节点电压相同,不考虑电压降;
在所述计算条件下,针对每个聚类,利用等值电阻Req计算所述聚类的基准馈线的极限线损率;
其中,
(10)式中,Req的单位为Ω;假定每个聚类的所述基准馈线的线路分为g段,其中SNi、SN∑分别为第i段分支线上的配变额定容量和线路总配电额定容量,单位为kVA;Ri为第i段分支线上的变压器等值电阻,单位为Ω;r0指第i段馈线线路单位长度的交流电阻,单位为Ω/km;li指第i段馈线线路长度,单位为km;
(11)式中,δl为所述聚类的基准馈线的极限线损率,Ijf为均方根电流,单位为A;t为运行时间,单位为h;El为馈线供电量,单位为kW/h。
8.根据权利要求1所述的方法,其特征在于,所述对所述各个聚类的基准馈线的极限线损率分别修正的步骤包括:
检验所述聚类的基准馈线的极限线损率是否服从正态分布;
若服从正态分布,计算所述聚类的基准馈线的极限线损率的均值,并以所述均值作为修正后的所述聚类的极限线损率;
若不服从正态分布,确定所述聚类的基准馈线的极限线损率的中间值,并以所述中间值作为修正后的所述聚类的极限线损率。
9.根据权利要求1或8所述的方法,其特征在于,所述针对修正后的所述各个聚类的基准馈线的极限线损率,计算所述配电网的极限线损率的步骤包括:
(12)式中,δ为所述配电网的极限线损率,f为馈线分类总数,δLs为第s类馈线修正后的极限线损率;Els为第s类馈线供电量之和,单位为万kW/h。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用所述聚类指标参数对所述馈线样本进行聚类计算,获得各个聚类的非基准馈线;
对于所述各个聚类的非基准馈线,分别计算每个聚类的非基准馈线的极限线损率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432094.2A CN110163283A (zh) | 2019-05-23 | 2019-05-23 | 一种配电网极限线损率的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432094.2A CN110163283A (zh) | 2019-05-23 | 2019-05-23 | 一种配电网极限线损率的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163283A true CN110163283A (zh) | 2019-08-23 |
Family
ID=67632173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910432094.2A Pending CN110163283A (zh) | 2019-05-23 | 2019-05-23 | 一种配电网极限线损率的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163283A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428754A (zh) * | 2020-02-29 | 2020-07-17 | 贵州电网有限责任公司 | 一种基于基态修正的线损率标杆值的优化设计方法 |
CN111817299A (zh) * | 2020-07-21 | 2020-10-23 | 南京工程学院 | 基于模糊推理的配电台区线损率异常成因智能辨识方法 |
CN113516195A (zh) * | 2021-07-20 | 2021-10-19 | 南方电网科学研究院有限责任公司 | 一种配电网极限线损率计算方法、装置、设备和介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272176A (zh) * | 2018-12-10 | 2019-01-25 | 贵州电网有限责任公司 | 利用K-means聚类算法对台区线损率预测计算方法 |
-
2019
- 2019-05-23 CN CN201910432094.2A patent/CN110163283A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272176A (zh) * | 2018-12-10 | 2019-01-25 | 贵州电网有限责任公司 | 利用K-means聚类算法对台区线损率预测计算方法 |
Non-Patent Citations (3)
Title |
---|
TIAN JUNYANG ET AL.: "A method foronline calculation of line loss in distribution networks based on CIM", 《CICED 2010 PROCEEDINGS》 * |
冯天瑞: "考虑聚类特性的中压配网线损核心指标体系及线损模型研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
欧阳森 等: "考虑馈线聚类特性的中压配网线损率测算模型", 《电力自动化设备》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428754A (zh) * | 2020-02-29 | 2020-07-17 | 贵州电网有限责任公司 | 一种基于基态修正的线损率标杆值的优化设计方法 |
CN111817299A (zh) * | 2020-07-21 | 2020-10-23 | 南京工程学院 | 基于模糊推理的配电台区线损率异常成因智能辨识方法 |
CN111817299B (zh) * | 2020-07-21 | 2021-02-19 | 南京工程学院 | 基于模糊推理的配电台区线损率异常成因智能辨识方法 |
CN113516195A (zh) * | 2021-07-20 | 2021-10-19 | 南方电网科学研究院有限责任公司 | 一种配电网极限线损率计算方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rao et al. | Optimal network reconfiguration of large-scale distribution system using harmony search algorithm | |
Pisica et al. | Optimal distributed generation location and sizing using genetic algorithms | |
CN110163283A (zh) | 一种配电网极限线损率的计算方法 | |
CN108280539A (zh) | 基于农网典型台区线损计算的无功补偿等降损优化方法 | |
AU2013201595B2 (en) | Method and apparatus for harmonic state estimation in power system | |
Esmaeilian et al. | Optimal placement and sizing of DG units and capacitors simultaneously in radial distribution networks based on the voltage stability security margin | |
Heydari et al. | Optimal placement and sizing of capacitor and distributed generation with harmonic and resonance considerations using discrete particle swarm optimization | |
Carpinelli et al. | Optimal allocation of capacitors in unbalanced multi-converter distribution systems: A comparison of some fast techniques based on genetic algorithms | |
CN107464048A (zh) | 一种基于研究态的日前计划安全校核方法 | |
CN106549396A (zh) | 一种配电网多目标概率无功优化方法 | |
Rao | An hybrid approach for loss reduction in distribution systems using harmony search algorithm | |
CN111563682A (zh) | 一种配电自动化设备测试评价方法 | |
CN110163507A (zh) | 一种配电网线损的处理方法 | |
CN110783913B (zh) | 基于群的计及预想事故集最佳电网拓扑在线优化方法 | |
CN114626769B (zh) | 一种电容式电压互感器运维方法及系统 | |
Caire et al. | Voltage management of distributed generation in distribution networks | |
CN111047461B (zh) | 一种直流多微网的黑启动方法 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
Kamarposhti et al. | Locating and sizing of distributed generation sources and parallel capacitors using multiple objective particle swarm optimization algorithm | |
CN112016838B (zh) | 配电网能效指标体系的贡献率计算方法、系统及终端设备 | |
Prasanna et al. | Genetic algorithm based optimal allocation of a distributed generator in a radial distribution feeder | |
Prakash et al. | Optimal capacitor placement in radial distribution systems using differential evolution | |
CN114548828A (zh) | 一种分布式光伏电源的选址和定容方法、装置及设备 | |
Willis et al. | A Computerized, cluster based method of building representative models of distribution systems | |
Mohammadian et al. | Using a hybrid evolutionary method for optimal planning, and reducing loss of distribution networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |
|
RJ01 | Rejection of invention patent application after publication |