基于PSO-SVM模型的理论线损率预测研究.pdfVIP

第 30卷第8期 重庆工商大学学报 (自然科学版) 2013年 8月 Vol_30 N0．8 JChongqingTechnolBusinessUniv．(NatSciEd) Aug．2013 文章编号：1672—058X(2013)08—0055—04 基于 PSO．SVM模型的理论线损率预测研究木 王 静 ，田 丽 ，夏 坤 ，胡智颖 (1．巢湖学院 电子工程与电气 自动化学院，安徽 巢湖，238000；2．安徽工程大学 电气工程学院，安徽 芜湖，241000； 3．安徽电力巢湖无为供电有限责任公司 新闻中心，安徽 芜湖，241000；4．南京国联电力工程设计有限公司，南京 210009) 摘 要：深入分析了线损率的影响因素，对现存的线损率预测方法进行 了研究，采用粒子群算法对支持 向量机进行参数寻优，建立基于粒子群优化的支持向量机预测模型对理论线损率进行预测仿真，为线损的 降低和 电能的高效利用提供保障；最后通过实例验证 了该模型在理论线损率预测 中的精度。 关键词：线损率预测；支持向量机；粒子群优化 中图分类号：TM711 文献标志码 ：A 随着我国工业化建设的不断推进，电能扮演着举足重轻的角色，并逐步成为国民经济的命脉。但其传 输过程中不可避免地产生线损，严重阻碍了电能的高效利用，并造成巨大浪费。这不仅威胁到电力企业的 经济效益，而且影响用户端的用电质量。2010年，全国电网综合线损率为6．53％，虽然发电和环保技术水平 与发达国家基本持平，但线损率较后者高出2％～2．5％，这意味着年均电量损失多出450亿KW／h，相当于中 部地区一个省全年的用电量，该现象与建设和谐社会的方针相左。因此，积极响应中央提出的建设节约型 社会方针，竭力降低电能传输阶段的损耗成为当务之急。但供电企业在理论线损的分析中往往受到其波动 较大、异常数值较多等因素的干扰，使分析带有盲 目性和滞后性。所以，为准确获得降损 目标，达到针对性 降损的初衷，开展线损率预测工作势在必行。目前，常用于理论线损率预测的方法有很多种，但考虑电网规 划改造项 目影响的甚少，因此预测精度皆有待提高。在此采用SCADA／WAMAS系统采集x市6月份 l一30 日的30组数据作为实例分析数据，采用PSO—SVM模型进行理论线损率预测，进一步提高预测精度。 1 理论线损率 在输送和分配电能的过程中，以热能的形式损失的能量称作线损，其本质是未被有效利用的有功功率。 它主要是由电阻作用、磁场作用和管理方面的因素等造成的，因此在实际的电能输配过程中，线损的产生是 无法避免的。供 电企业在线损管理工作中，将线损分为理论线损、统计线损和管理线损三大类。其中，理论 线损又称技术线损，是指根据 电网实时负荷量和供电设备的详细参数，由理论计算求出的能量损失，它包括 可变损耗和固定损耗产生的线损。主要探讨理论线损及理论线损率。线损率就是指电网中线损电量与供 电量的百分比。可以分为理论线损率和统计线损率。 其中，理论线损率是本文的重点研究对象，其计算公式如下： 收稿 日期：2013-02-23；修回日期：2013—03—07． 基金项目：国家自然科学基金；安徽省 自然科学基金24) 作者简介：王静(1983．)，女，安徽巢湖人，硕士，从事智能控制理论及应用研究． 56 重庆工商大学学报(自然科学版) 第30卷 理论线损率：里 ×。。％=!至蓁 ×。。％ 虽然理论线损(率)可根据相应的技术手段予以降低，但线损率波动性导致技术处理时找不出具体降损 对象。因此，需要对理论线损率进行预测，为供电企业的技术降损作靶向引导。 2 基本算法理论 随着降损工作的大力开展，线损率预测的的重要性愈发得以彰显，因此智能算法预测在该领域备受瞩 目。当前，用于线损预测的方法不胜枚举，如小波神经网络法、SVM、LS．SVM预测法等，虽某种程度上能够 满足预测要求，但预测精度仍有提升的空间。本文尝试运用粒子群算法优化的SVM建立预测模型，以此达 到提高精度的目的。 2．1 SVM 支持向量机(supportvectormachine，SVM)，诞