居住區配電房智能經濟運行控制策略分析

摘要：通過分析負荷因子建立BP神經網絡模型來預測居住區配電房未來的日最大負荷總量，并根據該日最大負荷數據采用模糊理論控制相應的變壓器投切操作，達到居住區配電房經濟運行的目的。該控制策略模型不完全依賴歷史負荷數據，也不局限于特定的住宅小區，精度高，實用性強，不僅對中短期負荷預測具有較高的準確度，而且對相應投切變的控制也具備高操作性。

關鍵詞：負荷因子；日最大負荷；BP神經網絡；模糊規則；控制策略

作者簡介：鄭海雁（1979-），男，浙江寧波人，江蘇方天電力技術有限公司，高級工程師。（江蘇 南京 211103）劉忠（1968-），男，江蘇揚州人，揚州江都供電公司，高級工程師。（江蘇 揚州 225200）

基金項目：本文系江蘇省電力公司科技項目的研究成果。

中圖分類號：TM76 文獻標識碼：A 文章編號：1007-0079（2013）30-0212-03

隨著城市居民小區建設的不斷加快以及相關用電配套設施的逐步完善，居住區配電房（簡稱小區變）作為智能電網建設的一部分，同時又是與居民生活用電直接相關的最后一級配電裝置，一直擔負著保障小區用電安全和可靠的重任。

然而，在保證小區變安全穩定運行的同時，并沒有一套完整規范的控制策略去實現小區變的智能經濟運行。在設計選擇小區變時，往往按照最大用電負荷來選擇，并適度超前，配電容量大；同時，為了滿足小區居民用電需求的快速增長，小區變一般選擇兩臺及兩臺以上的變壓器同時運行，配變數量多。由于缺乏對小區變的統一運行管理系統，小區變長期處于多臺變壓器同時運行的狀態，導致大量配變低負載運行。同時由于配變容量的超前性、小區類型、小區入住率及季節因素影響，進一步降低了配變的利用效率，配變損耗大。因此，研究和制訂合適的小區變經濟運行控制策略，降低居住區配電變壓器的運行損耗，對保證小區變經濟運行、提高供電設備的利用率、實現小區變的智能化具有重要的經濟和社會效益。

一、小區變智能經濟運行控制策略研究方向

研究小區變智能經濟運行控制策略需要考慮的關鍵因素包括小區配電變壓器的經濟運行區域和負荷變化數據。其中，變壓器的經濟運行指數可以通過變壓器銘牌參數確定，并且計算出的數值。而小區變負荷是動態變化的，它受到居民的用電量、環境溫度等外在因素的影響。

為了實現小區變的智能經濟運行，其控制策略必須具有一定的前瞻性。也就是說需要根據小區變未來時間內的負荷變化，制訂與之匹配的經濟運行控制策略。這樣，預測小區變未來一段時間的負荷變化就變得尤為重要。目前，主要用于電力負荷的預測方法有時間序列法、線性回歸法以及灰色預測等。這些方法都是基于該區域的歷史負荷數據來建立數學模型，然后在時間域上進行擴展，預測該區域未來一段時間的負荷量。這類預測適用于入住率和類型都固定的成熟住宅小區，而且未考慮到天氣、節假日的影響，同時對于不同類型入住率不高的居民小區，此類預測也存在較大誤差。

針對上述存在問題，本文提出一種基于小區負荷因子的智能經濟運行控制策略，即通過分析對包含小區類型、占地面積、入住率、溫度、時間等因素的負荷因子來預測小區變未來的日最大負荷總量，并根據該日最大負荷執行相應的變壓器的投切操作，達到小區變經濟運行的目的。該方法較全面地考慮到影響小區負荷變化的因素，在一定程度上提高了預測的精度，同時確保了經濟運行控制策略的正確性。

二、小區變智能經濟運行控制策略研究內容

1.基于小區負荷因子的控制策略模型

小區負荷因子指的是綜合考慮有可能影響小區負荷總量變化的因子（如住宅區類型、占地面積、入住率、溫度、星期及節假日等）。本文提出的控制模型（如圖1）是把小區負荷因子相關參數與對應的小區變日最大負荷變化數據聯系起來，再通過負荷變化控制投切變操作的數學模型。由于該模型輸入參數較多，負荷因子與投切變操作之間沒有必然聯系，而小區負荷因子與負荷變化之間又存在非線性關系，采用傳統的數學預測模型難以解析兩者之間的復雜結構。鑒于此，本文采用了BP神經網絡結合模糊控制的方法。

BP神經網絡具有自適應建模學習及自動建模功能，非常適合描述電力系統復雜的非線性關系；BP神經網絡模型的建立主要依賴于現場數據，不需要單個實驗和識別參數；模型有很強的學習功能，當系統環境發生變化時，只需輸入新的資料讓模型再學習即可很快跟蹤系統的變化，可操作性強；通過學習當前電力系統的輸入輸出值，可以預測未來當輸入因子發生變化時電力系統輸出因子的變化趨勢。在負荷因子和小區負荷變化之間的數學關系還未完全明確之前，BP神經網絡模型應用能夠優化負荷預測。模糊理論具備處理模糊語言信息的能力，能夠將某些人類語言或信息表示成計算機可以識別的數字代碼，可模擬人類智慧進行判斷和決策。根據BP神經網絡預測的小區負荷總量再運用相關的模糊理論判斷是否執行投切變操作，確定經濟運行控制策略，控制策略模型如圖1。

2.控制模型輸出輸入量的選擇

在控制策略模型的實際研究中，樣本的選擇十分重要，找出相關性比較強的樣本輸入和輸出，BP神經網絡的學習才能準確、可靠，才能取得滿意的負荷預測結果，從而做出正確的經濟運行控制策略。

本文選擇誤差反向傳播網絡模型，具體流程見圖2，輸入層神經元為6個，分別是住宅區類型、占地面積、入住率、溫度、星期和節假日。其中住宅區類型為數字，如表1所示：

其他負荷因子使用其正常參數表示。隱層節點根據經驗公式和多次實例驗證確定為10個。輸出層節點為1個，即日最大負荷。單日負荷預測算例如圖3所示。

從圖中可以看出，BP神經網絡算法對于超短期負荷預測的效果很好，誤差相對比較小。

3.基于模糊規則的經濟運行控制策略

一般來說，要提高變壓器的運行效率，降低電能損耗，經濟運行控制策略就要根據變壓器運行特性來綜合考慮以下方面：

（1）合理選擇變壓器的容量，使變壓器在運行時的負載率盡可能接近最佳負載率。

（2）合理安排變壓器的運行臺數，特別是當有多臺變壓器并聯供電時，應根據實際負荷大小合理安排投入運行的變壓器臺數，以達到最小的變壓器自身損耗。

（3）提高變壓器負載的功率因數，變壓器效率隨著輸出功率變化的同時，還隨著負荷的功率因數變化而變化。功率因數低時，效率相應降低，提高功率因數，可以降低高壓電網的線損，提高變壓器的負載能力并改善用戶的電壓質量。

（4）調整運行負荷，降低變壓器負載損耗。

考慮到小區變結構的特殊性，應用于一般變電站的變壓器控制策略（如九區圖、五區圖等）并不適用于小區配電房的變壓器操作控制。本文引入模糊理論模糊控制也是一種基于規則的控制，它直接采用語言型控制規則，出發點是現場操作人員的控制經驗或相關專家的知識，在應用中不需要建立輸入與輸出對象之間精確的數學模型，因而使得控制機理和策略易于接受與理解。因此，本文根據小區變的特點，通過預測日最大負荷，并以此作為變壓器投切的主要依據。將模糊控制理論應用到變壓器投切中，不僅能實現小區變的智能經濟運行，同時也避免了變壓器頻繁投切，延長了變壓器開關的使用壽命。圖4為單臺變壓器經濟運行時負載曲線。

基于以上分析，該變壓器投切變控制模型如下：

（2）

式（2）中S為投切依據；σ為慣性因子，用于抑制變壓器的頻繁投切，它的取值與變壓器負載曲線有關，范圍一般在[0，1]之間；Pmax為日最大負荷；P0為一臺或多臺變壓器并聯經濟運行時的負載功率。表2則是與之相應的模糊控制規則。

三、關鍵技術及研究成果

1.中短期小區負荷預測模型的確定

以往電力負荷預測模型都是以歷史負荷數據和溫度作為參考值進行預測，由于影響負荷變化的因素較多，使得該類模型僅適合短期且固定區域的電力負荷預測。本文提出基于小區負荷因子的BP神經網絡負荷預測模型在時間長度上和通用性上具有一定優勢，并且在預測精度上也高于目前其他的電力負荷預測模型。圖5為基于負荷因子的BP神經網絡預測模型。

2.BP 神經網絡隱層節點數的確定

隱層節點數目的選擇一直都是BP神經網絡能否成功建模的關鍵。它的節點數與建模的要求、輸入輸出的神經元數目都有著直接關系。若數目太少，無法產生足夠的連接權組合來滿足若干樣本的學習；若數目太多，不僅增加訓練時間，更重要的是隱層神經元數目過多會導致收斂時間過長，泛化能力過差，且誤差不一定最佳，也會導致容錯性差，不能識別以前沒有訓練過的樣本，還可能出現“過度擬合”。關于確定隱層節點數有以下經驗和計算方法：1）如果逼近的函數變化幅度大或者逼近精度高，可調整的連接權數也應適當增多，這樣隱層節點數也要相應增多；2）在不確定隱層節點個數時，可先加入較少隱層神經元數目在網絡中或者一開始就加入足夠多的節點數，然后根據學習情況逐漸增加或者減少；3）k為樣本數，n1為隱層節點個數，n為輸入層節點個數，i為[0，n]之間的常數：k<；4）m為輸出層節點個數，常數a=1～10；5）。

綜合以上分析，本文采用3）、4）、5）的計算方法，分別計算出綜合確定最佳隱層神經元數目的邊界值。根據樣本分類，從最小的隱層節點數開始訓練網絡，逐個增加節點個數，直到驗證到最大隱層節點個數。在訓練集相同，隱層神經元個數不同的情況下，待網絡收斂后，比較網絡的收斂速度。最后，根據訓練結果得到的訓練誤差和測試誤差來選擇最佳神經元數目。這樣可以有效減少驗證次數，從而以相對快的速度找到隱層最佳節點個數。

3.基于模糊理論的經濟運行策略的確定

本文提出了通過投切變操作公式和模糊理論相結合的策略來控制變壓器的運行臺數，分配運行負荷，并對多配電變壓器配電房采用輕退重投的方式實現小區變的經濟運行。真正意義上實現了通過模糊規則制訂了相對規范的小區變智能經濟運行策略。考慮到變壓器經濟運行點以及投切變次數的限定等因素，引入投切變動態慣性因子σ，它基于壓器負載率和變壓器損耗之間的關系曲線自適應地調整S的取值，使得變壓器在經濟運行的情況下S的數值始終能保持為1，從而避免變壓器的頻繁投切。

四、結語及展望

本文小區變智能經濟運行控制策略研究，通過分析小區變的特點和影響小區變負荷變化的因素，提出了基于BP人工神經網絡的模糊控制策略系統。該系統采用BP人工神經網絡預測小區變負荷未來一段時間的變化，并根據該變化數據運用模糊規則判斷變壓器的投切操作，完成了從中短期負荷預測到變壓器投切變處理一整套小區變經濟運行系統化流程，實現了小區變經濟運行的目的，是一套比較完整規范的控制策略。

參考文獻：

[1]滕菲，王寧.電力負荷預測技術[J].黑龍江電力，2002，24（5）：342-345.

[2]魏偉，牛東曉.負荷預測技術的新進展[J].華北電力大學學報，

2002，29（1）：10-15.

[3]鮑正江，胡海兵.一種基于神經網絡的電力負荷預測方法[J].浙江電力，2004，23（4）：lO-13.

[4]蘇奎峰.TMS320F2812原理與開發[M].北京：電子工業出版社，

2005.

[5]王東亮，顧亮，馬國新.油氣懸架變論域模糊控制仿真分析與試驗研究[J].北京理工大學學報，2009，29（4）：314-317.

[6]梅吉明，葉蘭蘭，黃彥全，等.調整變壓器分接頭的經濟運行方式研究[J].陜西電力，2011，（6）.

[7]孫瑋，孫鵬.變壓器經濟運行實現節能降耗[J].中國科技縱橫，

2012，（2）.

[8]盧建昌，韓紅領.基于灰色神經網絡組合模型的日最高負荷預測[J].華東電力，2008，（2）.

[9]彭懷午，劉方銳，楊曉峰.基于人工神經網絡的風電功率短期預測研究[J].華東電力，2009，（11）.

[10]鄭風雷.輸電網擴展的社會經濟性評估方法[J].電力系統及其自動化學報，2008，20（5）：74-80.