縣域配電網(wǎng)由于其電壓等級低、拓?fù)浣Y(jié)構(gòu)不完善、臺區(qū)電力用戶多、基礎(chǔ)設(shè)施建設(shè)和電力檢測設(shè)備相對落后,用電數(shù)據(jù)采集系統(tǒng)無法完整采集區(qū)域內(nèi)所有電力用戶的用電信息,降損工作存在極大困難。建立預(yù)測模型可為降低管理線損提供理論依據(jù),因此,建立一個切實有效并具有一定精度的線損率預(yù)測模型對降損工作的開展具有重要意義。首先,本文對縣域配電網(wǎng)的異常臺區(qū)線損數(shù)據(jù)進(jìn)行分析和預(yù)處理。通過分析高損和負(fù)損現(xiàn)象產(chǎn)生原因,建立典型異常臺區(qū)篩選模型和負(fù)荷異常臺區(qū)識別模型,有效識別異常臺區(qū)所屬的類型,通過求得的特征值確定其所屬的異常臺區(qū)集合。根據(jù)異常臺區(qū)集合元素的分布情況,建立綜合異常臺區(qū)剔除模型,并應(yīng)用此模型剔除異常臺區(qū),提高線損數(shù)據(jù)的研究質(zhì)量。其次,提出一種基于NCA算法的臺區(qū)特征核心指標(biāo)體系模型,構(gòu)建特征核心指標(biāo)體系,應(yīng)用于聚類分析中,將各臺區(qū)用戶分為不同性質(zhì)的若干個簇類。采用聚類質(zhì)量評價模型確定最佳聚類數(shù)目,為各簇類臺區(qū)的進(jìn)一步研究提供基礎(chǔ)條件。再其次,建立BP和Elman神經(jīng)網(wǎng)絡(luò)線損率預(yù)測模型,對預(yù)測結(jié)果進(jìn)行誤差分析和比較,獲得符合線損率預(yù)測需要的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。對聚類分析后的各簇類臺區(qū)分別應(yīng)用BP神經(jīng)網(wǎng)絡(luò)線損率... 

【文章來源】：天津職業(yè)技術(shù)師范大學(xué)天津市

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

固定損耗的主要組成部分

天津職業(yè)技術(shù)師范大學(xué)碩士學(xué)位論文-8-圖2-1固定損耗的主要組成部分可變損耗主要由電阻損耗決定，其特點為隨負(fù)荷波動而改變，與電流的平方存在正相關(guān)的關(guān)系，可變損耗主要組成部分如圖2-2所示。圖2-2可變損耗的主要組成部分管理線損產(chǎn)生的主要原因是供售電企業(yè)對電網(wǎng)的管理經(jīng)驗不足，主要表現(xiàn)在電網(wǎng)的日常運行管理、電網(wǎng)調(diào)度、電力維護(hù)等工程中，具體表現(xiàn)為電能計量裝置數(shù)據(jù)記錄錯誤、線路故障檢修不及時、抄核表工作正確率低、存在偷漏電現(xiàn)象等方面。造成管理線損的主要原因如圖2-3所示。圖2-3管理線損的主要原因在指標(biāo)組成方面，線損的實際管理層面與線損產(chǎn)生原因?qū)用娌煌�，在實際管理層面中通常將線損分為技術(shù)線損、定額線損、統(tǒng)計線損、經(jīng)濟(jì)線損和管理線損。

天津職業(yè)技術(shù)師范大學(xué)碩士學(xué)位論文-8-圖2-1固定損耗的主要組成部分可變損耗主要由電阻損耗決定，其特點為隨負(fù)荷波動而改變，與電流的平方存在正相關(guān)的關(guān)系，可變損耗主要組成部分如圖2-2所示。圖2-2可變損耗的主要組成部分管理線損產(chǎn)生的主要原因是供售電企業(yè)對電網(wǎng)的管理經(jīng)驗不足，主要表現(xiàn)在電網(wǎng)的日常運行管理、電網(wǎng)調(diào)度、電力維護(hù)等工程中，具體表現(xiàn)為電能計量裝置數(shù)據(jù)記錄錯誤、線路故障檢修不及時、抄核表工作正確率低、存在偷漏電現(xiàn)象等方面。造成管理線損的主要原因如圖2-3所示。圖2-3管理線損的主要原因在指標(biāo)組成方面，線損的實際管理層面與線損產(chǎn)生原因?qū)用娌煌趯嶋H管理層面中通常將線損分為技術(shù)線損、定額線損、統(tǒng)計線損、經(jīng)濟(jì)線損和管理線損。

【參考文獻(xiàn)】：
期刊論文
[1]智能電網(wǎng)技術(shù)在電力系統(tǒng)規(guī)劃中的應(yīng)用研究[J]. 李國華,白寶成,劉海龍,劉永笑,劉小華.  自動化與儀器儀表. 2019(09)
[2]基于Elman神經(jīng)網(wǎng)絡(luò)的港口貨物吞吐量預(yù)測[J]. 李廣儒,朱慶輝.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2020(06)
[3]基于CEEMD-Elman耦合模型的年降水量預(yù)測[J]. 張先起,胡登奎,劉斐.  華北水利水電大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[4]基于灰色Elman神經(jīng)網(wǎng)絡(luò)的股價預(yù)測[J]. 馮旭日,崔潔.  遼寧工程技術(shù)大學(xué)學(xué)報(社會科學(xué)版). 2019(04)
[5]Elman神經(jīng)網(wǎng)絡(luò)在電力負(fù)荷預(yù)測中的應(yīng)用[J]. 錢憶釗,陳良.  電工技術(shù). 2019(14)
[6]分時域10 kV配電網(wǎng)極限線損計算分析[J]. 曾江,李石東.  電測與儀表. 2019(14)
[7]電網(wǎng)低壓線損管理及降損措施[J]. 鄭偉.  中國新技術(shù)新產(chǎn)品. 2019(11)
[8]基于聚合距離參數(shù)的改進(jìn)K-means算法[J]. 王巧玲,喬非,蔣友好.  計算機(jī)應(yīng)用. 2019(09)
[9]基于近鄰元分析算法的滾動軸承復(fù)合故障診斷[J]. 余震.  中國工程機(jī)械學(xué)報. 2018(06)
[10]電力企業(yè)營配貫通及其實踐[J]. 王晨,李探.  現(xiàn)代經(jīng)濟(jì)信息. 2018(22)

博士論文
[1]客運專線運力資源優(yōu)化配置研究[D]. 海曉偉.北京交通大學(xué) 2014

碩士論文
[1]基于用電信息采集系統(tǒng)的線損異常數(shù)據(jù)挖掘研究及應(yīng)用[D]. 郭威.華北電力大學(xué) 2016
[2]配電網(wǎng)線損計算與降損技術(shù)措施研究[D]. 扈國維.華北電力大學(xué) 2015
[3]基于神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測研究[D]. 邵瑩.哈爾濱理工大學(xué) 2005



本文編號：2912244