海南電網(wǎng)“十二五”后兩年線損預(yù)測

摘要：隨著我國國民經(jīng)濟(jì)的迅猛發(fā)展，環(huán)境也面臨著前所未有的挑戰(zhàn)，節(jié)能減排已越來越受到重視，電網(wǎng)公司作為連接電力生產(chǎn)和消費(fèi)的紐帶，主動(dòng)承擔(dān)社會(huì)責(zé)任，肩負(fù)節(jié)能減排重?fù)?dān)。為完成國家發(fā)改委下達(dá)的節(jié)能目標(biāo)，降低線損則成為近年的工作重點(diǎn)。對(duì)海南電網(wǎng)“十二五”后二年線損率進(jìn)行預(yù)測，對(duì)今后工作有重要指導(dǎo)意義。

關(guān)鍵詞：海南電網(wǎng)；線損評(píng)估；支持向量機(jī)

中圖分類號(hào)：TM7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0079（2014）29-0102-04

根據(jù)海南省“十二五”節(jié)能降損目標(biāo)，以理論計(jì)算和實(shí)際量測值相比對(duì)的方式，從技術(shù)、運(yùn)行、管理方面分析影響海南電網(wǎng)主網(wǎng)網(wǎng)損的主要因素，分析這些因素對(duì)網(wǎng)損的影響，建立網(wǎng)損評(píng)估模型；在電源規(guī)劃、電網(wǎng)規(guī)劃、投資預(yù)算等邊界條件確定的情況下，計(jì)算網(wǎng)損電量，研究網(wǎng)損變化趨勢和對(duì)海南電網(wǎng)“十二五”后兩年綜合線損率的影響，并通過配網(wǎng)線損分析模型對(duì)110kV、35kV高壓配網(wǎng)線損率進(jìn)行分析預(yù)測，結(jié)合理論計(jì)算軟件對(duì)10kV及以下低壓配網(wǎng)的分析結(jié)果預(yù)測海南電網(wǎng)公司“十二五”后兩年線損率。

一、分析工具

1.1PSD-BPA潮流程序

應(yīng)用該程序中的潮流計(jì)算部分，為了提高收斂性，本文先采用P-Q分解法進(jìn)行初始迭代，然后再轉(zhuǎn)入牛頓-拉夫遜法求解潮流。同時(shí)，應(yīng)用單線圖格式潮流圖程序及地理接線圖格式潮流圖程序可進(jìn)行潮流圖的繪制，便于更加直觀地分析潮流。

2.線損理論計(jì)算與管理系統(tǒng)（3.0版）

本軟件是華南理工大學(xué)電力學(xué)院與廣東電網(wǎng)公司基于中國南方電網(wǎng)有限責(zé)任公司頒布的《線損理論計(jì)算軟件技術(shù)標(biāo)準(zhǔn)》聯(lián)合開發(fā)的一款線損理論計(jì)算與管理系統(tǒng)。該系統(tǒng)基于Visual Basic、Micreosoft Access和Autocad平臺(tái)開發(fā)，綜合了Access數(shù)據(jù)管理和Autocad圖形界面管理功能。目前，該系統(tǒng)在廣東電網(wǎng)公司得到全面推廣，為廣東電網(wǎng)開展線損理論計(jì)算與管理工作提供了統(tǒng)一的自動(dòng)化計(jì)算平臺(tái)，并取得了良好的效果。

3.基于MATLAB平臺(tái)的配網(wǎng)線損率預(yù)測模型

由于配網(wǎng)的線損率影響因素相對(duì)主網(wǎng)來說更多也更復(fù)雜，因此，如果利用與分析主網(wǎng)線損率的方法去分析配網(wǎng)，不僅準(zhǔn)確率不能保證，而且由于10kV配網(wǎng)的結(jié)構(gòu)復(fù)雜性和數(shù)目眾多性，需要分析的數(shù)據(jù)也會(huì)比主網(wǎng)多得多。因此，本模型是基于MATLAB軟件，應(yīng)用支持向量機(jī)分析和預(yù)測方法進(jìn)行構(gòu)建的，并且還利用了主成分分析法和粒子群算法等。

本模型的基本思路是：在分析了影響線損率因素的基礎(chǔ)之上，選擇供電量、線路總長度、線路條數(shù)、變壓器總?cè)萘俊⒆儔浩骺偱_(tái)數(shù)、變壓器負(fù)載率、無功補(bǔ)償、大用戶用電量等關(guān)鍵因素。統(tǒng)計(jì)2012年和2013年各分區(qū)關(guān)鍵影響因素的相關(guān)數(shù)據(jù)和線損率數(shù)據(jù)，同時(shí)，根據(jù)海南電網(wǎng)各分區(qū)的配網(wǎng)規(guī)劃和其他數(shù)據(jù)得到2014～2015年各分區(qū)影響配網(wǎng)線損率關(guān)鍵因素的相關(guān)數(shù)據(jù)。通過主成分分析法得到各個(gè)影響因素對(duì)線損率的影響程度，從而能夠把與配網(wǎng)線損率相關(guān)性高的放在預(yù)測的關(guān)鍵位置，然后通過粒子群算法找到支持向量機(jī)中參數(shù)的最優(yōu)解，從而可以根據(jù)2012年和2013年的實(shí)際配網(wǎng)線損率數(shù)據(jù)進(jìn)行模型訓(xùn)練，得到線損率的預(yù)測模型，進(jìn)而預(yù)測2014～2015年分區(qū)配網(wǎng)線損率。

二、分析方法

1.支持向量機(jī)

SVR是支持向量機(jī)的一個(gè)子類，其特點(diǎn)是最終輸出函數(shù)為線性函數(shù)，因而廣泛應(yīng)用于函數(shù)擬合、預(yù)測問題等領(lǐng)域。SVR的工作原理是：原歐氏空間的目標(biāo)問題通過核函數(shù)映射為Hilbert空間中的對(duì)偶問題，并在Hilbert空間構(gòu)造凸二次規(guī)劃，進(jìn)而求解對(duì)偶問題。相對(duì)于傳統(tǒng)的決策樹、貝葉斯分類器、ANN等人工智能算法，SVR具有運(yùn)算速度快、不易陷于局部極小值等優(yōu)點(diǎn)。

對(duì)于線性情況，支持向量機(jī)函數(shù)擬合首先考慮用線性回歸函數(shù)擬合，為輸入量，為輸出量，即需要確定ω和b。

懲罰函數(shù)是學(xué)習(xí)模型在學(xué)習(xí)過程中對(duì)誤差的一種度量，一般在模型學(xué)習(xí)前已經(jīng)選定，不同的學(xué)習(xí)問題對(duì)應(yīng)的損失函數(shù)一般也不同，同一學(xué)習(xí)問題選取不同的損失函數(shù)得到的模型也不一樣。標(biāo)準(zhǔn)支持向量機(jī)采用ε-不靈敏度函數(shù)，即假設(shè)所有訓(xùn)練數(shù)據(jù)在精度ε下用線性函數(shù)擬合。

從式（7）可得出，當(dāng)或時(shí)，可能大于ε，與其對(duì)應(yīng)的xi稱為邊界支持向量（Boundary Support Vector，BSV），對(duì)應(yīng)圖 1中虛線帶以外的點(diǎn)；當(dāng)時(shí)，，即，，與其對(duì)應(yīng)的xi稱為標(biāo)準(zhǔn)支持向量（Normal Support Vector，NSV），對(duì)應(yīng)圖1中落在ε管道上的數(shù)據(jù)點(diǎn)；當(dāng)=0，=0時(shí)，與其對(duì)應(yīng)的xi為非支持向量，對(duì)應(yīng)圖1中ε管道內(nèi)的點(diǎn)，它們對(duì)w沒有貢獻(xiàn)。因此ε越大，支持向量數(shù)越少。對(duì)于標(biāo)準(zhǔn)支持向量，如果，此時(shí)，由式（6）可以求出參數(shù)b：

同樣，對(duì)于滿足的標(biāo)準(zhǔn)支持向量，有：

一般對(duì)所有標(biāo)準(zhǔn)支持向量分別計(jì)算b的值，然后求平均值：

式（10）中涉及到高維特征空間點(diǎn)積運(yùn)算，而且函數(shù)是未知的、高維的。支持向量機(jī)理論只考慮高維特征空間的點(diǎn)積運(yùn)算，而不直接使用函數(shù)。稱為核函數(shù)。核函數(shù)的選取應(yīng)使其為高維特征空間的一個(gè)點(diǎn)積。核函數(shù)的類型有多種，常用的核函數(shù)有：

多項(xiàng)式核：

五、結(jié)論

本文在主網(wǎng)網(wǎng)損率方面采用PSD-BPA程序從夏大、夏小、豐大、豐小四個(gè)方式對(duì)海南電網(wǎng)主網(wǎng)進(jìn)行潮流仿真，分析潮流及相關(guān)斷面情況。基于潮流計(jì)算情況估算各條線路在各個(gè)方式下輸送的有功電量和無功電量等運(yùn)行數(shù)據(jù)，采用線損理論計(jì)算與管理系統(tǒng)對(duì)主網(wǎng)線損率進(jìn)行分析，最大程度提高了計(jì)算精度。

在配網(wǎng)線損率方面，采用主成分分析法對(duì)樣本的影響因素進(jìn)行降維處理，通過主元素分析去除對(duì)線損影響相對(duì)較小的因素，經(jīng)主成分分析后采用供電量、線路平均長度、變壓器平均容量、最大負(fù)荷等影響因素作為參數(shù)來對(duì)配網(wǎng)線損率進(jìn)行分析，通過建立數(shù)學(xué)模型，將配電網(wǎng)看作為一個(gè)整體，解決了配網(wǎng)模型難以建立的問題，最大程度減少了管理線損影響。

參考文獻(xiàn)：

[1]陳嘉濱，陳勁松.哈爾濱電業(yè)局低壓線損評(píng)估分析[J].黑龍江電力，2005，27（1）：4-7.

[2]Guanzhao Cui，Limin Qin，Sha Liu.Modified PSO algorithm for solving planar graph coloring problem[J].Progress in Natural Science，

2008（18）：353-357.

[3]徐剛，瞿金平，楊智韜.一種改進(jìn)的自適應(yīng)粒子群優(yōu)化算法[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，36（9）：6-10.

[4]高海兵，周馳，高亮.廣義粒子群優(yōu)化模型[J].計(jì)算機(jī)學(xué)報(bào)，2005，

28（12）：1980-1987.

[5]Haoran Zhang，Zhengzhi Han ，Rui Feng.Support Vector Machine-Based Nonlinear System Modeling and Control[J].Journal of Systems Engineering and Electronics，2003，14（3）：53-58.

[6]田盛豐，黃厚寬.回歸型支持向量機(jī)的簡化算法[J].軟件學(xué)報(bào)，2002，13（6）：1169-1172.

[7]Qing Wu，Sanyang Liu ，Leyou Zhang.Adjustable entropy function method for support vector machine[J].Journal of Systems Engineering and Electronics，2008，19（5）：1029-1034.

[8]楊鐘瑾.核函數(shù)支持向量機(jī)[J].計(jì)算機(jī)工程與應(yīng)用，2008，

44（33）：1-5.

[9]郭小薈，馬小平.基于Matlab的支持向量機(jī)工具箱[J].計(jì)算機(jī)應(yīng)用與軟件，2007，24（12）：57-59.

[10]任江濤，趙少東，許盛燦.基于二進(jìn)制PSO算法的特征選擇及SVM參數(shù)同步優(yōu)化[J].計(jì)算機(jī)科學(xué)，2007，36（6）：179-182.

[11]田建忠，王威，謝梅芳.基于粒子群算法的支持向量機(jī)訓(xùn)練和實(shí)現(xiàn)方法[J].武漢理工大學(xué)學(xué)報(bào)信息與管理工程版，2007，29（10）：85-88.

[12]張濤，程志友，梁棟.非線性主成分分析在電能質(zhì)量綜合評(píng)估中的應(yīng)用[J].電測與儀表，2008，45（510）：5-9.

[13]黃湘君.基于主成分分析的BP 神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用[J].電力與能源，2008，（16）：313-314.

[14]林銳濤，崔苗苗.低壓線損率指標(biāo)的預(yù)測方法[J].供用電，2006，

23（5）：61-63.

[15]吳安關(guān).電力網(wǎng)線損率指標(biāo)的分析預(yù)測與考核[J].供用電，

1996，13（6）：2-7.

（責(zé)任編輯：王祝萍）