一种基于数据驱动改进台区损失率的线损计算方法及装置与流程

本技术涉及配电网线损，尤其涉及一种基于数据驱动改进台区损失率的线损计算方法、装置及设备。

背景技术：

1、近些年来，随着越来越多的分布式光伏电源并入配电网，使得分布式光伏并网对配电网的影响方面的研究日益增多。但是随着分布式光伏并入配电网的规模的扩大和分布式光伏容量的增加，现有关于线损的计算方式逐渐暴露出不足之处。

2、现有线损计算方式的原理是将所统计低压配电网所有台区按照负荷性质和负荷类型进行分类之后，利用负荷性质与负荷类型相同的台区在电网结构上所具有的较高的相似性，因此所选取的典型台区所表示的参数可以代表所有此种负荷性质和负荷类型的台区参数。故依据典型台区计算的平均单位配变容量电能损耗可以表示所有此种负荷性质和负荷类型的台区的平均单位配变容量电能损耗。现有的台区线损率法计算内容是：首先分别按照负荷性质以及负荷类型将各台区进行分类，并选取典型台区，然后通过典型台区数据计算相同负荷性质以及负荷类型的台区的单位容量电能损耗，最后使用所计算的单位容量电能损耗以及台区总的配变容量计算台区总的电能损耗。其中，计算相同负荷性质以及负荷类型的台区的电能损耗是先依据选取的典型台区的供电售电信息，计算出典型台区的平均单位容量电能损耗，然后利用所有台区的配变容量之和与所计算的平均单位容量电能损耗，计算相同负荷性质以及负荷类型的台区总的电能损耗。

3、随着分布式光伏电源的并网，因为受到气象，地理等环境的约束，相同负荷性质和负荷类型的台区所分配的分布式光伏容量、负载率、离散率负荷分布、用户类型(工、商负荷占比)、节假日、工作日、四季典型日等线损影响因子也大不相同，这导致了之前按照负荷性质和负荷类型划分的同类型台区电网结构的相似性降低。因此，由于现有的台区损失率法是建立在相同负荷性质与负荷类型台区在电网结构上的高相似性上的，则这种相似性的下降会导致其所计算的理论线损与台区实际线损存在较大差异，通过现有台区线损率法计算的台区理论线损为没有考虑分布式光伏电源影响的错误值，与线损实际值误差非常大，这体现了现有线损计算方法存在的局限性。计算出的错误理论线损也不利于对配电网各台区进行实时监控，及时发现相关问题，并且做出相应的处理措施，所以现有线损计算方法具有一定的局限性。而且随着分布式光伏并网规模以及分布式光伏容量的扩大，分布式光伏电源对台区电能损耗的影响会越来越大，从而导致现有方法的误差还会继续增大。故对现有线损计算方法进行合理的改进是十分有必要的。

技术实现思路

1、本技术提供了一种基于数据驱动改进台区损失率的线损计算方法、装置及设备，用于解决现有采用台区损失率法计算得到理论线损与台区实际线损存在偏差大的技术问题。

2、为了实现上述目的，本技术提供如下技术方案：

3、一方面，提供了一种基于数据驱动改进台区损失率的线损计算方法，包括以下步骤：

4、获取配电网中相同负荷性质的实际线损数据、测试数据以及各个台区的电量数据和线损影响因子数据，对所有所述电量数据进行处理得到理论线损数据；

5、以所述线损影响因子数据作为输入数据，并采用所述实际电能损耗数据和所述理论线损数据对卷积神经网络进行训练，得到误差补偿模型；

6、获取配电网中相同负荷性质待计算线损的台区数据，将所述台区数据输入所述误差补偿模型，得到数据驱动修正误差；

7、根据所述台区数据和所述数据驱动修正误差采用线损计算修正公式，得到理论线损计算数据。

8、优选地，该基于数据驱动改进台区损失率的线损计算方法包括：以所述测试数据的线损影响因子作为误差补偿模型的输入数据，所述理论线损数据作为误差补偿模型的输出数据，对所述误差补偿模型进行测试，得到改进后的误差补偿模型。

9、优选地，所述线损计算修正公式为δa＝laves+(αa1+β)，式中，δa为负荷性质的理论线损计算数据，lave为台区单位配变容量的电能损耗值，s为台区的总配变容量，α、β均为线损计算系数，a1为数据驱动修正误差。

10、优选地，对所有所述电量数据进行处理得到理论线损数据包括：

11、按负荷类型将各个台区的所述电量数据进行分类处理，得到与每类所述负荷类型匹配的电量分配数据，所述电量数据包括各个台区的供电量、售电量和配变容量，所述电量分配数据包括台区数量、电能损耗和配变容量；

12、根据每类所述负荷类型的所述电量分配数据计算，得到对应的台区单位配变容量的电能损耗值和总配变容量；

13、根据所有的所述电能损耗值和所述总配变容量计算，得到所述负荷性质的理论线损数据。

14、优选地，所述卷积神经网络包括输入层、卷积计算层、relu激励层、池化层、全链接层和输出层。

15、又一方面，提供了一种基于数据驱动改进台区损失率的线损计算装置，包括数据获取及处理模块、模型训练模块、误差计算模块和线损计算模块；

16、所述数据获取及处理模块，用于获取配电网中相同负荷性质的实际线损数据、测试数据以及各个台区的电量数据和线损影响因子数据，对所有所述电量数据进行处理得到理论线损数据；

17、所述模型训练模块，用于以所述线损影响因子数据作为输入数据，并采用所述实际电能损耗数据和所述理论线损数据对卷积神经网络进行训练，得到误差补偿模型；

18、所述误差计算模块，用于获取配电网中相同负荷性质待计算线损的台区数据，将所述台区数据输入所述误差补偿模型，得到数据驱动修正误差；

19、所述线损计算模块，用于根据所述台区数据和所述数据驱动修正误差采用线损计算修正公式，得到理论线损计算数据。

20、优选地，该基于数据驱动改进台区损失率的线损计算装置还包括模型修正模块，所述模型修正模块用于以所述测试数据的线损影响因子作为误差补偿模型的输入数据，所述理论线损数据作为误差补偿模型的输出数据，对所述误差补偿模型进行测试，得到改进后的误差补偿模型。

21、优选地，所述数据获取及处理模块包括数据分配子模块、第一计算子模块、第二计算子模块和第三计算子模块；

22、所述数据分配子模块，用于按负荷类型将各个台区的所述电量数据进行分类处理，得到与每类所述负荷类型匹配的电量分配数据，所述电量数据包括各个台区的供电量、售电量和配变容量，所述电量分配数据包括台区数量、电能损耗和配变容量；

23、所述第一计算子模块，用于根据每类所述负荷类型的所述电量分配数据计算，得到对应的台区单位配变容量的电能损耗值和总配变容量；

24、所述第二计算子模块，用于根据所有的所述电能损耗值和所述总配变容量计算，得到所述负荷性质的理论线损数据；

25、所述第三计算子模块，用于根据所有所述理论线损计算数据计算，得到理论线损数据。

26、优选地，所述线损计算修正公式为δa＝laves+(δa1+β)，式中，δa为负荷性质的理论线损计算数据，lave为台区单位配变容量的电能损耗值，s为台区的总配变容量，α、β均为线损计算系数，a1为数据驱动修正误差。

27、再一方面，提供了一种终端设备，包括处理器以及存储器；

28、所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；

29、所述处理器，用于根据所述程序代码中的指令执行上述所述的基于数据驱动改进台区损失率的线损计算方法。

30、该基于数据驱动改进台区损失率的线损计算方法、装置及设备，该方法包括获取配电网中相同负荷性质的实际线损数据、测试数据以及各个台区的电量数据和线损影响因子数据，对所有电量数据进行处理得到理论线损数据；以线损影响因子数据作为输入数据，并采用实际电能损耗数据和理论线损数据对卷积神经网络进行训练，得到误差补偿模型；获取配电网中相同负荷性质待计算线损的台区数据，将台区数据输入误差补偿模型，得到数据驱动修正误差；根据台区数据和数据驱动修正误差采用线损计算修正公式，得到理论线损计算数据。

31、从以上技术方案可以看出，本技术具有以下优点：该基于数据驱动改进台区损失率的线损计算方法通过以相同负荷性质中线损影响因子数据作为模型训练的因变量输入，以损耗误差补偿值作为模型训练的自变量输出并通过卷积神经网络训练得到误差补偿模型，将配电网中相同负荷性质待计算线损的台区数据输入误差补偿模型中得到数据驱动修正误差，之后再计算得到该负荷性质精确的理论线损计算数据，从而得到理论计算与实际偏差小的理论线损数据，为降低配电网线损以及提高电网运行的经济性提供更为准确的参考依据，解决了现有采用台区损失率法计算得到理论线损与台区实际线损存在偏差大的技术问题。