基于遺傳算法的配網線損分析及節能降損措施研究

張 卓 崔家殷

（廣東電網有限責任公司廣州供電局）

0 引言

隨著用戶用電需求的不斷加大，配電負載持續上升，配網線損居高不下，在一定程度上增大了配網成本投入和安全風險。尤其是在10kV配網中，其接線方式較為復雜、線路半徑較長、電壓波動較為明顯，很容易出現線損過高問題，進而影響輸配電經濟效益。如何量化分析配網線損致因，通過數據模型精準擬合線損異常情況、有效控制線損量，已經成為新時期人們關注的重點。

1 問題分析

2016年以來，某地進一步深化城鎮化建設發展進程，區域生產生活用電量逐年上升，供用電形勢日益嚴峻。為緩解供需緊張矛盾，該地區大規模擴建配電網絡，給予新用戶報裝優惠，用戶側配電系統發展迅速。但在上述過程中，配網規劃設計不合理、配變線路負載率不一致、用電計量信息不準確，均加大了配網線路損耗，部分用戶用電集中區域線損率可達15%，嚴重影響了配網運行效益。

調查數據顯示，2016～2018年，某地區10kV配網線損率均超過8%。進入2019年以來該地區加大了對線損管理的力度，從配網半徑規劃和無功補償配置兩方面出發，開展針對性線損管控，線損率有所改善，配網線損率整體下降到3.8%，但仍存在線損不定時“驟增”，造成大量電能損耗。因此，應轉變配網線損管控理念，構建配網線損自動檢測模型，展開主動性、前瞻性、定量化地計量計算，以便及時發現配網運行缺陷，快速解決線損異常問題。

2 技術方案

本文通過神經網絡模型進行配網線損的自動計算，在遺傳算法改進基礎上，調整優化神經網絡的連接權值、節點參數及網絡學習參數，以增強線損自適應計算的可靠性、準確性和有效性，其具體研究內容如下。

2.1 聚類分析，確定特征向量

線路設計不合理、網架結構不規范、用電計量不準確是造成配網線損異常的關鍵原因［1-2］。在10kV配網線損分析過程中，應從以上三部分內容出發采集有關電氣量，如線路參數、設備參數、電壓電流值等，詳見下表。

表 特征向量分析

受時間和空間限制，對于相同時間段內完全相同的數據，可直接取值；對于短時間內連續變化的特征量，可取算術平均值；若單個采集周期內數據缺失時，可采用最小二乘法擬合填充近似數據。

數據采集完畢后，可使用改進的k-means算法進行清洗處理和聚類分析，按照空間序列上的距離確定其與聚類中心的關聯程度，從而進行特征向量的歸集整理，得到有關10kV配網線損自動計算的元數據，即：

（1）若含有n個數據采集樣本，且數據集維度為m。

此時，可將特征向量數據集記為：

可將第m維下的元數據記為：

則以初始化聚類算法時的隨機聚類中心ci為參照，其空間距離為：

（2）按照空間距離進行k-means聚類排序，則線損成本函數值為：

式中，pk為聚類線損特征向量第k個線損中心的位置；I為成本函數計算距離閾值。

此時，成本越低則元數據越靠近聚類中心，與配網線損關聯越密切。按照成本函數結算結果分項聚類，則可得到基于遺傳算法的配網線損自動計算所需的特征向量。

2.2 自動計算，檢測線損異常

傳統配網線損計算主要通過神經網絡迭代，基于遺傳算法進行配網線損分析時，對神經網絡的節點參數、適應度函數和約束模型進行調整，從根本上提升了線損預測結果的精度［3-5］。

（1）參數優化，在通過神經網絡計算節點數量時，可考慮隱含層情況，將輸入節點數量Ni設置為數據集維度，輸出節點No數量設置為1，再賦值0～10區間上的不同常數q，可計算出隱含層節點Nh取值范圍為：

（2）確定神經網絡的隱含層節點數量取值范圍后，可將神經網絡線損值的均方誤差E的倒數迭代，得到配網線損的適應度函數：

上述計算可直接根據第ω次迭代時，第k個節點的理論線損值和計算線損值的均方誤差直接反映配網線損的參數關系，直至反復迭代后無最優結果，則此時達到最佳線損計算參數。

（3）得到最佳線損計算參數后，可建立線損自動計算模型，進行自適應線損計算。一般配電線路損耗按照單位時間內的有功功率計算，則有：

若考慮配網線路節點參數，則可將單位時間內的配網線損疊加，以總線負荷和支線負荷關系量建立約束模型，此時線損自動計算結果為：

分別將不同時間、不同節點的電氣參數導入到模型中，可得到該時段的配網線損值。連續加權求和，則為配網理論線損值。

（4）把線損自動計算模型移植到隱含層模型中，將適應度函數中的最佳線損計算參數導入，設定學習率，輸入樣本集，將sigmoid函數激活，最終輸出配網自動計算線損圖像。

3 應用分析

3.1 效益評估

以2022年某地區10kV配網運行情況為例，采集1～12月的配電設備參數、線路參數、運行數據、狀態數據等，通過聚類分析實現特征向量歸集，并將其輸入到遺傳算法改進模型中，設置學習率為0.1，通過梯度下降訓練得到最終計算結果，預測該年度10kV配網線損率均值為4.28%，與真實值基本一致，如下圖所示。

圖 配網線損自動計算結果對比

對比預測值和真實值可發現：

（1）1～8月，10kV配網線損自動計算結果與實際線損情況基本一致，配網運行基本正常；

（2）9月，10kV配網實際線損（9.25%）明顯超過自動計算結果（0.82%），對照檢修記錄可確定為該月份新裝用戶計量信息填寫錯誤導致。新裝用戶為畜牧養殖公司，夏季用電較高，在填寫報裝單時登記為農業用戶，隸屬關系錯誤導致線損計算結果出現誤差，糾正后線損值達到正常水平；

（3）10～11月，10kV配網線損自動計算結果超過實際線損，對照檢修記錄可確定，為保障冬季安全用電，10kV配網開展迎冬檢大改造，對低壓架空線路漏電問題進行全面整治，同時更換老舊線路，配網異常線損控制效果明顯改善［6］。

由此可知基于遺傳算法的配網線損自動計算系統能夠針對配網運行現狀，精準擬合配網線損變化曲線，為配網線損異常監測提供有效參考依據。根據上述預測結果，檢修人員可及時到場檢查并處理，從根本上提升了配網運行的安全性能和經濟效益，值得深入研究和推廣。

3.2 降損措施

（1）根據預測結果，展開綜合治理。在確定存在配網線損異常問題后，檢修人員應根據對比結果，快速確定線損異常時段、區間等，到場進行檢查和處理。若為臨時用電導致的線路損耗居高不下，則治理過程中應現場檢查臨時用電情況，分析是否存在異常用電行為［7］。并針對異常用電行為開展節約用電指導、線損補償管控等，以達到堵住電量的“跑、冒、漏、滴”，改善臨時用電質量；若為線路結構不合理造成的線損問題，則治理過程中應合理優化配網線路結構，調整網架布設情況，盡量減少支線交叉和支線數量等，通過配網線路布局調整，做好線損過高問題的治理。尤其是要減少線路迂回、遷回供電，直接縮短供電半徑。

（2）針對負值線損，加強計量管控?；谶z傳算法的配網線損自動計算過程中，若存在負值，則可能為計量裝置問題導致。在處理的過程中應進一步優化計量抄核收管理，從裝置管控、抄表優化和自動監測三部分出發，避免由抄核收引起的計量誤差?？刹捎米詣佑嬃垦b置實時監測用戶用電情況、線路電壓電流數值等，分析其是否存在異常用電行為或異常線路損耗。尤其是要監測是否存在偷電、竊電等行為，對照歷史用電數據判斷異常損耗情況，及時到場整治和處理；應定期對計量抄核收裝置進行檢查，保證電力計量的準確性、可靠性和有效性。若發現不合格裝置應及時進行更換，尤其是在計量表針鉛封出現破損時，要重新進行儀表檢查和測試，確定各項均無問題后，方可重新鉛封使用［8］。

（3）優化模型參數，做好無功補償。本次設計的基于遺傳算法的配網線損自動計算模型主要考慮有功參數，對無功負荷分析還存在一定疏漏，在計算過程中可能出現由無功負荷過高引起的線損異常情況。為增強計算結果的準確性、有效性和可靠性，配網設計過程中必須做好無功補償裝置的設置，采用“無功＋電壓”組合控制，確保線路功率因數與指標一致，從而得到理想的計算結果。

4 結束語

基于遺傳算法的配網線損自動計算模型在kmeans聚類分析、神經網絡迭代計算、隱含層及適應度優化中提升了線損預測結果的可靠性和精確度，達到了較為理想的預測效果，為配網線損管控提供了有效依據。針對上述由環境因素、設計因素、技術因素等引起的線損居高不下問題，檢修人員應設置合理的控制方案和管理措施，如適當調整供電半徑、增設無功補償裝置、加強電力計量管理、開展線損綜合治理等，以便于全面改善配網節能降損工作成效。