[發明專利]一種對配電網線損率進行預測的方法及系統

有效

• 申請號: 201810495590.8
• 申請日: 2018-05-22
• 公開（公告）號: CN108694467B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 劉麗平;張義濤;劉道新;易俊;胡航海;鄧春宇;孫云超;蔣蕾;郭麗;霍成軍;韓笑;王新迎;黃東敏
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網公司;華北電力大學;國網遼寧省電力有限公司;國網吉林省電力有限公司電力科學研究院;國網山西省電力公司;國網信息通信產業集團有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 賈銀秋

1.一種對配電網線損率進行預測的方法，所述方法包括：

通過動態調整粒子群算法的慣性因子和學習因子，對所述粒子群算法進行改進，其中：

通過動態調整粒子群算法的慣性因子，包括：

對慣性因子采用如下公式進行調整：

其中，ω_max和ω_min分別為慣性因子的初始值和最終值，t為當前迭代次數，t_max為算法最大迭代次數，ω(t)為慣性因子對應當前迭代次數的值；

通過動態調整粒子群算法的學習因子，包括：

對學習因子采用如下公式進行調整：

c₁＝4-c₂

其中，c_max和c_min分別為學習因子c₁的初始值和最終值，0＜c_min＜c_max≤4，t_max為所述粒子群算法的最大迭代次數，c₂為調整后的學習因子；t為當前迭代次數；

利用經過改進后的粒子群算法，優化預先構建的神經網絡初始模型的輸入層至隱含層的權值、隱含層至輸出層的權值，以及優化所述神經網絡初始模型的所述隱含層、所述輸出層的閾值，確定神經網絡優化模型，包括：

利用經過改進后的粒子群算法全局搜索預先構建的神經網絡初始模型的輸入層至所述隱含層的權值、所述隱含層至所述輸出層的權值，以及搜索所述神經網絡初始模型的所述隱含層、所述輸出層的閾值，所述改進后的粒子群算法中維度D對應于BP神經網絡的權值閾值的數目即：

D＝n×m+m×l+m+l

其中，D為粒子群算法的維度，n為輸入層節點數，m為所述隱含層的閾值數目，l為所述輸出層的閾值數目，n×m為所述神經網絡初始模型的輸入層至所述隱含層的權值數目,m×l為所述神經網絡初始模型的隱含層至所述輸出層的權值數目；

將配電網線路的多個電氣特征參數輸入所述神經網絡優化模型，利用所述神經網絡優化模型預測與所述多個電氣特征參數相對應的線損率。

2.根據權利要求1所述的方法，在所述利用經過改進后的粒子群算法，優化預先構建的神經網絡初始模型之前，還包括：

確定配電網線路影響線損率的多個電氣特征參數，將所述多個電氣特征參數的參數值進行標準化處理，將所述線損率進行歸一化處理；

將所述多個電氣特征參數的參數值作為輸入層的輸入，將線損率值作為輸出層的輸出，構建神經網絡初始模型，所述神經網絡初始模型包含至少一個隱含層；確定所述隱含層節點的數目。

3.根據權利要求2所述的方法，所述將所述多個電氣特征參數的參數值進行標準化處理，包括：

p個配電網線路的多個電氣特征參數構成的向量X如下述公式所示：

上式中，x_ij為第i條配電網線路的第j個電氣特征參數的值，i＝1,2,3,…,p，j＝1,2,3,…,n，p為配電網線路的數目，n為電氣特征參數的數目；對所述電氣特征參數的向量X做z-score標準化處理：

x’_ij為標準化后的配電網線路電氣特征值，為第j個電氣特征參數的數學期望，s_j為第j個電氣特征參數的標準差。

4.根據權利要求2所述的方法，所述將所述線損率進行歸一化處理，包括：

設第i條配電網線路的實際線損率為d_i，對所述線損率為d_i進行歸一化處理如下：

其中，d′_i為第i條10kV線路的線損率歸一化后的值，d_max為所有配電網線路線損率的最大值，d_min為所有配電網線路線損率最小值，α，β為常數，且滿足0.9＜α＜1，0＜β＜0.1。

5.根據權利要求2所述的方法，所述隱含層為一層，所述隱含層的節點數通過下述公式獲取：

上式中，m為隱含層節點數，l為輸出層節點數，n為輸入層節點數。