吳 凱，李 輝

（國(guó)網(wǎng)遼寧省電力有限公司錦州供電公司，遼寧 錦州 121000）

1 概述

在電力系統(tǒng)中網(wǎng)損的精確計(jì)算太過(guò)于復(fù)雜，理論計(jì)算又無(wú)法考慮到實(shí)際情況，從而導(dǎo)致不能很好地根據(jù)實(shí)際情況來(lái)最大限度地降低網(wǎng)絡(luò)損耗。常用的網(wǎng)絡(luò)損耗計(jì)算方法包括高斯-賽德?tīng)柕?、牛頓-拉夫遜法、PQ 分解法等，常用的電力系統(tǒng)網(wǎng)絡(luò)損耗計(jì)算軟件包括PSASP、EMTP/ATP、PSCAD、BPA 等。這些算法都能完成網(wǎng)絡(luò)損耗的計(jì)算，但它們完成的延時(shí)較長(zhǎng)，不能精確以及快速展現(xiàn)計(jì)算結(jié)果[1]。

本文將機(jī)器學(xué)習(xí)應(yīng)用在網(wǎng)損的計(jì)算與分類方面，通過(guò)機(jī)器不斷的學(xué)習(xí)來(lái)提高計(jì)算準(zhǔn)確性。建立包含網(wǎng)損和對(duì)應(yīng)負(fù)荷圖像的實(shí)例空間，運(yùn)用歸納學(xué)習(xí)算法對(duì)包含網(wǎng)損和對(duì)應(yīng)負(fù)荷圖像的實(shí)例空間內(nèi)的知識(shí)進(jìn)行充分學(xué)習(xí)，最終可以輸出與網(wǎng)損值相對(duì)應(yīng)的負(fù)荷分布圖像。還可以將本時(shí)段收集到的負(fù)荷分布圖像與計(jì)算出來(lái)的網(wǎng)損相對(duì)應(yīng)，利用人工智能的圖像識(shí)別以及歸納學(xué)習(xí)等本領(lǐng)，實(shí)現(xiàn)負(fù)荷與網(wǎng)損相對(duì)應(yīng)的分類準(zhǔn)則，建立了負(fù)荷與網(wǎng)損的可視關(guān)系圖像。

2 基于實(shí)測(cè)數(shù)據(jù)的網(wǎng)損計(jì)算方法

傳統(tǒng)的網(wǎng)絡(luò)損耗計(jì)算方法，主要包括高斯-賽德?tīng)柕ā⑴ｎD-拉夫遜法、PQ 分解法等，這些方法需要收集的數(shù)據(jù)太多，需要完成的公式變換與數(shù)學(xué)計(jì)算太過(guò)于復(fù)雜，計(jì)算網(wǎng)損的軟件雖然比較成熟，但計(jì)算比較繁瑣，無(wú)法滿足實(shí)時(shí)計(jì)算網(wǎng)損的要求。本文提出一種計(jì)算電力系統(tǒng)網(wǎng)絡(luò)損耗的方法[2]。整個(gè)區(qū)段的網(wǎng)損計(jì)算公式為：

假設(shè)1 個(gè)區(qū)段含有 N 條分支線路，每條分支線路上裝設(shè)1 臺(tái) TTU，區(qū)段的回路數(shù)為 N＋1，則此區(qū)段的網(wǎng)損為

其中si 為第i 回路的網(wǎng)損，有

式中us為區(qū)段首端電壓矢量；ue為區(qū)段末端電壓矢量；ie為區(qū)段末端FTU 所測(cè)的末端支路電流矢量；ui=1，2，3...，N 為各分支線路末端節(jié)點(diǎn)電壓矢量。

設(shè)：

在上面的計(jì)算過(guò)程中所需要的數(shù)據(jù)僅僅為實(shí)測(cè)的電流和電壓，在本文方法中，只要運(yùn)用以上式就完全可以計(jì)算出可變網(wǎng)損，之后加上網(wǎng)絡(luò)的固定損耗即為網(wǎng)絡(luò)的網(wǎng)損。上述監(jiān)測(cè)點(diǎn)收集數(shù)據(jù)是基于調(diào)控云系統(tǒng)所收集的。

3 基于機(jī)器學(xué)習(xí)的網(wǎng)損計(jì)量方法

在考慮到網(wǎng)損具有隨負(fù)荷的改變而變化的特性后，建立歸納學(xué)習(xí)實(shí)例空間與規(guī)則空間，來(lái)完成對(duì)負(fù)荷與網(wǎng)損對(duì)應(yīng)的分類與預(yù)測(cè)[3]，如圖1 所示，步驟如下：

（1）將調(diào)控云采集的數(shù)據(jù)進(jìn)行整理，并應(yīng)用上述所提到的網(wǎng)損計(jì)算方法進(jìn)行計(jì)算。

（2）得到負(fù)荷分布圖像，并標(biāo)記好對(duì)應(yīng)的網(wǎng)絡(luò)損耗。

（3）建立以負(fù)荷分布圖像與網(wǎng)絡(luò)損耗相對(duì)應(yīng)的訓(xùn)練集。

（4）將訓(xùn)練集中數(shù)據(jù)導(dǎo)入實(shí)例空間與規(guī)則空間，進(jìn)行充分學(xué)習(xí)。

（5）對(duì)輸出的結(jié)果進(jìn)行人工評(píng)估，來(lái)驗(yàn)證結(jié)果的正確性。

圖1 系統(tǒng)運(yùn)行原理圖

圖2 為經(jīng)過(guò)機(jī)器學(xué)習(xí)之后，輸入目標(biāo)網(wǎng)損為1.3%時(shí)所輸出的負(fù)荷分布圖，在網(wǎng)架結(jié)構(gòu)和電源側(cè)輸入不變的

考慮到電力系統(tǒng)中負(fù)荷變化很快，調(diào)控云收集數(shù)據(jù)為每分鐘收集一次，產(chǎn)生的數(shù)據(jù)經(jīng)整理后全部存入實(shí)例空間中，作為對(duì)機(jī)器訓(xùn)練的訓(xùn)練集。當(dāng)實(shí)例空間中的數(shù)據(jù)足夠多時(shí)，應(yīng)用機(jī)器學(xué)習(xí)系統(tǒng)中的歸納學(xué)習(xí)算法，對(duì)實(shí)例空間中數(shù)據(jù)進(jìn)行學(xué)習(xí)，進(jìn)而得到一種規(guī)律，并將這種規(guī)律放入系統(tǒng)的規(guī)則空間中，經(jīng)過(guò)規(guī)劃學(xué)習(xí)再反饋到實(shí)例空間中。這樣經(jīng)過(guò)足夠多次的學(xué)習(xí)后，當(dāng)輸入目標(biāo)網(wǎng)損值時(shí)就會(huì)得到一種機(jī)器選擇的最優(yōu)負(fù)荷分布圖，通過(guò)人工對(duì)此負(fù)荷分布圖像進(jìn)行評(píng)估，驗(yàn)證方案的可行性，來(lái)確定是否能夠應(yīng)用到實(shí)際網(wǎng)架結(jié)構(gòu)中[4]。情況下，驗(yàn)證了此負(fù)荷分布的合理性。

4 結(jié)束語(yǔ)

本文提出了一種新的網(wǎng)損計(jì)算方法，可大大提高電力系統(tǒng)網(wǎng)路損耗的計(jì)算效率與準(zhǔn)確率。在此基礎(chǔ)上，建立了機(jī)器學(xué)習(xí)模型，利用機(jī)器學(xué)習(xí)的理論和這種新的計(jì)算網(wǎng)損的方法相結(jié)合，再運(yùn)用機(jī)器學(xué)習(xí)系統(tǒng)中的機(jī)械學(xué)習(xí)算法，輸入各個(gè)測(cè)量點(diǎn)的數(shù)據(jù)，就能輸出本網(wǎng)絡(luò)的網(wǎng)損值，并將網(wǎng)損值與此時(shí)的負(fù)荷分布圖對(duì)應(yīng)。之后將網(wǎng)損值與對(duì)應(yīng)的負(fù)荷分布圖為一組數(shù)據(jù)存入系統(tǒng)的實(shí)例空間，存入足夠多組數(shù)據(jù)后運(yùn)行學(xué)習(xí)指令。經(jīng)過(guò)歸納學(xué)習(xí)系統(tǒng)充分學(xué)習(xí)之后，當(dāng)輸入目標(biāo)網(wǎng)損值時(shí)就會(huì)得到一種機(jī)器選擇的最優(yōu)負(fù)荷分布圖，并在Matlab 中驗(yàn)證了此模型的正確性。此方法解決了智能電網(wǎng)云平臺(tái)中如何進(jìn)行基于網(wǎng)損最優(yōu)的調(diào)度優(yōu)化問(wèn)題，從而很好地為經(jīng)濟(jì)調(diào)度提供了可靠依據(jù)。另外，此系統(tǒng)可能會(huì)由于訓(xùn)練集的數(shù)量不夠多、數(shù)據(jù)不夠準(zhǔn)確、沒(méi)有充分學(xué)習(xí)足夠的時(shí)間等因素導(dǎo)致可靠性降低，所以需要反復(fù)驗(yàn)證來(lái)確保輸出的準(zhǔn)確性。