基于BP神經(jīng)網(wǎng)絡(luò)算法的配電網(wǎng)綜合降損研究

【摘 要】在降低配電網(wǎng)線損的研究應(yīng)用和研究中，傳統(tǒng)降損措施存在著相應(yīng)的缺陷和不足。因此本文提出將BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到配電網(wǎng)的綜合降損研究中，分別應(yīng)用到配電網(wǎng)的負(fù)荷預(yù)測、配電網(wǎng)重構(gòu)兩個(gè)方面，綜合分析結(jié)果和實(shí)際數(shù)據(jù)，驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)算法在配電網(wǎng)綜合降損應(yīng)用中的可行性。

【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò)；配電網(wǎng)；線損

一、引言

線損是電能在傳輸過程中各個(gè)環(huán)節(jié)的損失，是供電量和售電量之間的差值。在電能的傳輸過程中造成部分電能的浪費(fèi)，因此研究人員在不斷的探究新的降低線損的方法。將BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到配電網(wǎng)的綜合降損中，為配電網(wǎng)降損研究做出了貢獻(xiàn)。

二、BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，按照誤差逆向傳播的方式訓(xùn)練多層前饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程是信息的前向傳播和信息誤差的反向傳播兩項(xiàng)內(nèi)容。在信息前向傳播的過程中輸入層傳播到隱含層，信息由隱含層處理后再傳播到輸出層，這是信息逐層更新的過程。

BP神經(jīng)網(wǎng)絡(luò)算法是通過調(diào)整權(quán)重來實(shí)現(xiàn)使網(wǎng)絡(luò)輸出值逼近期望值的目的，BP神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)過程為：1.將各權(quán)重值和閥值設(shè)為最小正數(shù)；給定網(wǎng)絡(luò)一組輸入向量和目標(biāo)輸出向量；2.根據(jù)輸入向量計(jì)算實(shí)際輸出向量，即，將此輸出值送到下一層作為輸入；3.權(quán)重的調(diào)整是通過權(quán)重調(diào)整公式來實(shí)現(xiàn)；式中為增益相，為輸出誤差。在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)解決問題前，除了了解它的學(xué)習(xí)過程外，還需要對其進(jìn)行訓(xùn)練，步驟如下：

1.對相應(yīng)的數(shù)據(jù)進(jìn)行初始化：期望誤差最小值：err_goal；最大循環(huán)次數(shù)：max_epoch；權(quán)值修正學(xué)習(xí)速率：lr，取0.01-0.6

2.完成一個(gè)訓(xùn)練樣本的學(xué)習(xí)后，將下一個(gè)學(xué)習(xí)樣本提供給網(wǎng)絡(luò)，以此類推完成全部的樣本訓(xùn)練。

3.從學(xué)習(xí)樣本中選取一組輸入和目標(biāo)樣本數(shù)據(jù)，然后再計(jì)算輸出向量，網(wǎng)絡(luò)全局誤差小于設(shè)定期望誤差為止，訓(xùn)練結(jié)束。

三、配電網(wǎng)綜合降損

將BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到配電網(wǎng)的綜合降損中。以某地區(qū)一條10KV配電線路為例說明，此配電線路的拓?fù)浣Y(jié)構(gòu)如圖1所示，標(biāo)號1-13為負(fù)荷母線，Sl-S12為母線之間的聯(lián)絡(luò)開關(guān)，兩座變電站由A、B表示。選取l號負(fù)荷母線2013年12月前十天的負(fù)荷數(shù)據(jù)為訓(xùn)練數(shù)據(jù)，數(shù)據(jù)如表1所示。

表1 1號負(fù)荷母線12月前十天負(fù)荷數(shù)據(jù)

（一）負(fù)荷預(yù)測

采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)負(fù)荷預(yù)測的過程為：以當(dāng)天負(fù)荷段對應(yīng)的負(fù)荷點(diǎn)12個(gè)分量的數(shù)據(jù)為配電網(wǎng)的輸入向量，且輸出向量同樣為第二天12個(gè)分量的負(fù)荷數(shù)據(jù)，這樣就實(shí)現(xiàn)了為下一天負(fù)荷的預(yù)測。

用1號到9號的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練函數(shù)設(shè)置為：net.trainParam.epochs=500；%訓(xùn)練次數(shù)設(shè)為500次；net.trainParam.goal=0.001；%訓(xùn)練目標(biāo)設(shè)為0.001；L.P.lr=0.05；%學(xué)習(xí)速率設(shè)為0.05；Net=train（net，P，T）；%P為輸入向量，1到5號的負(fù)荷數(shù)據(jù)；%T為輸出向量，6到10號的負(fù)荷數(shù)據(jù)。訓(xùn)練結(jié)果為：TRAINLM，Epoch0/500，MSE3.7989/0.001，Gradient1081.63/1e-010 TRAINLM，Epoch5/500，MSE0.000463846/0.001，Gradient7.38793/1e-010 TRAINLM，Performance goal met.

由此可見通過訓(xùn)練之后，預(yù)測數(shù)據(jù)和實(shí)測數(shù)據(jù)誤差為0.001，且基本無偏差，可很好的滿足實(shí)際應(yīng)用需求

圖2某地區(qū)10KV配電網(wǎng)線路

（二）配網(wǎng)重構(gòu)

根據(jù)負(fù)荷等級將圖1配電網(wǎng)線路中的13條母線分為7類，則有713種負(fù)荷模式，從713種負(fù)荷模式中選取4000個(gè)，以其中3000個(gè)數(shù)據(jù)作為訓(xùn)練集合，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法對配電網(wǎng)進(jìn)行學(xué)習(xí)訓(xùn)練，另外1000個(gè)數(shù)據(jù)為測試集合，經(jīng)過46次訓(xùn)練后可達(dá)到誤差要求，訓(xùn)練結(jié)果為：

TRAINBFG-srchbac.Epoch0/500，MSE21.616/0.02，Gradient236.65/1e-006

TRAINBFG-srchbac.Epoch25/500，MSE0.026354/0.02，Gradient0.150609/1e-006

TRAINBFG-srchbac.Epoch46/500，MSE0.0199597/0.02，Gradient0.0677733/1e-006

TRAINBFG， Performance goal met.

以13條母線的某一時(shí)刻負(fù)荷的實(shí)測數(shù)據(jù)為依據(jù)，通過負(fù)荷預(yù)測網(wǎng)絡(luò)的預(yù)測得到下一時(shí)刻的負(fù)荷預(yù)測數(shù)據(jù)，并通過配電網(wǎng)重構(gòu)在預(yù)測時(shí)刻采用將圖1中開關(guān)S6斷開的模式運(yùn)行則配電網(wǎng)線損為586.21kW，若采用將開關(guān)S7斷開的模式運(yùn)行則線損為628.18kW，可見通過配電網(wǎng)重構(gòu)后線損降低了41.97kW，降低了約6.7%，提高了配電網(wǎng)的輸電效率。

四、結(jié)論

通過對BP神經(jīng)網(wǎng)絡(luò)算法的簡單介紹和學(xué)習(xí)、訓(xùn)練過程的分析，將BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到配電網(wǎng)的綜合降損中，分別從負(fù)荷預(yù)測、配網(wǎng)重構(gòu)兩個(gè)方面說明了BP神經(jīng)網(wǎng)絡(luò)算法在配電網(wǎng)綜合降損可取的較為良好的降損效果。

參考文獻(xiàn)：

[1]顧勇.農(nóng)村10kV電網(wǎng)節(jié)能降損技術(shù)措施分析[J].電源技術(shù)應(yīng)用2012 （11）.

[2]趙傳輝.基于神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)綜合節(jié)能降損技術(shù)[D].濟(jì)南：山東大學(xué)，2011.

作者簡介：

遲剛（1975，05-），男（漢族），山東日照人，職稱：助理工程師，研究方向：配電網(wǎng)綜合降損、電力市場營銷。

肖斌（1987，07-），男（漢族），山東日照人，職稱：助理工程師，研究方向：智能控制算法、配電網(wǎng)綜合降損。