基于动态自适应聚类算法RBFNN的配电网线损计算新方法

配电网线损是电力系统运行经济性的一项重要指标,它反映了一个电力网的规划设计和运营管理水平。准确简便的线损计算和分析方法有利于拟定出合理的降低线损的措施,提高电力系统的供电质量。 本文在对配电网线损计算已有研究成果的归纳分析基础上,提出将RBF网络应用于配电网线损计算的新方法。首先,将具有代表性的配电线路的特征参数和相应线损的样本数据,采用一种新的动态自适应聚类算法进行聚类,确定出RBF网络的隐层节点,不仅聚类速度快,而且隐层节点数的优化提高了网络的利用效率。利用RBF网络强的拟合特性映射线损与特征参数之间复杂的非线性关系,记忆配电线路在结构参数和运行参数变化时线损的趋势规律。对典型68条配电线路数据的仿真结果表明,本文提出的方法与以往的算法相比具有网络模型简单,学习速度快,计算精度高的优点。 为了进一步提高RBF网络非线性拟合能力和配电网线损计算的精度,本文对传统RBF网络进行扩展,在其隐层与输出层之间增加一层非线性神经元,提出了一种新型的扩展RBF非线性神经网络模型。扩展RBFNN由于增加了一层非线性神经元,其非线性拟合能力优于常规RBF网络,能够更好地映射配电网特征参数与线损之间的复杂非线性关系。同样对68条配电线路进行线损分析计算,结果表明基于扩展RBFNN的配电网线损计算方法的计算精度提高了很多;另外本文以天津市滨海供电局所管辖的配电网线路为实例进行了分析,给出了配电网总线损估算、单条线路日线损估算、线路线损实时计算多种计算方法,结果表明本文提出的方法具有计算时间迅速、训练样本记忆精确、测试样本线损计算精度高的优点,具有很好的推广性和实用性。 针对自动化程度较高的配电线路,本文采用前推法潮流计算算法将线路总线损细化到每段馈线,从而为降损措施的制定提供了依据,实例分析验证了该方法的有效性。