1、收稿日期:2022-07-06基金项目:国网福建省电力有限公司科技项目应对双碳挑战下新型电网的电能质量损耗量化评估及降损减排方案研究与应用(521360220001)作者简介:肖荣洋(1988-),男,福建龙岩人,硕士,工程师,主要研究方向为电网环保、智慧楼宇检测与控制等方面。基于卷积神经网络的线路损耗智能评估方法研究肖荣洋,黄 雁(国网福建省电力有限公司龙岩供电公司,福建 龙岩市 364000)摘 要:针对传统线路损耗评估准确率,导致电缆线路损耗增加的问题,基于卷积神经网络 CNN,提出一种关于电缆线路损耗的智能评估方法,并计及电能质量问题,构建一个智能评估模型 CPQ-CNN。该模型以电缆
2、线路的电压、电缆和电能质量指标作为 CNN 的输入向量;进行 CNN 特征提取和处理后,最终输出电缆线路损耗评估值。仿真结果表明,相较于 Un-CPQ-CNN 模型,本模型的 RMSE 和 MAE 分别降低了 22.58%和 34.51%,对比于 ELM 模型、SVR 模型和赋权法模型,本模型的 RMSE 和 MAE 分别下降了39.05%、40.84%、77.48%和49.42%、44.52%、81.51%。综合分析可知,本模型对电缆线路损耗的智能评估值与真实值间的误差最小,评估准确率更高,可在电缆线路损耗评估中进行应用。关键词:卷积神经网络;电缆线路损耗;智能评估;电能质量指标;质量扰动
3、中图分类号:TP392 文献标识码:A DOI 编码:10.14016/ki.1001-9227.2023.01.188Research on Intelligent Evaluation of Line Loss Based on Convolutional Neural NetworkXIAO Rongyang,HUANG Yan(Longyan Power Supply Company,State Grid Fujian Electric Power Co.,Ltd.,Longyan,364000,China)Abstract:In view of the problem of the
4、traditional line loss evaluation accuracy and the increase of cable line loss,an in-telligent evaluation method of cable line loss is proposed based on the convolutional neural network CNN,and then the power quality problem is calculated to build an intelligent evaluation model CPQ-CNN.The model tak
5、es the voltage,cable and power quality index of the cable line as the input vector of the CNN;after performing the CNN features,the final output cable line loss evaluation value is extracted and processed.The simulation results showed that the RMSE and MAE decreased by 22.58%and 34.51%,respectively,
6、compared to the Un-CPQ-CNN model,and the RMSE and MAE decreased by 39.05%,40.84%,47.48%and 49.52%,44.52%,and 81.51%,respectively.The comprehensive analysis shows that this model has the smallest error between the intelligent evaluation value and the real value,which can be applied in the cable line
7、loss evaluation.Key words:convolutional neural network;cable line loss;intelligent assessment;power quality index;quality disturb-ance0 引言近年来,随着各种大型电器的广泛应用,配电网中中的电能质量问题逐渐显现,出现了如谐波、三相不平衡和偏压偏差等非额定运行状态。这些非正常运行的状态严重影响到电网的正常运行和安全性。因此,通过对电缆具体损耗原理,定量分析电缆损耗特征,提出有效的电缆线路损耗评估方法解决此问题。孙辉等为实现变电站中各个继电保护设备的质量评估,提出了
8、基于组合赋权法的方法,通过该方法对变电各个电力设备运行状态进行模糊综合评估,具有一定的可行性1;谢荣斌等以配电网中的低压网线为研究对象,深入研究了三相不平衡和谐波对电缆线路损耗,并通过构建相应的数学模型进行损耗分析,增加了电能质量问题对低压配电网的影响的探究2;杨锡运等针对配电网中的电缆线路损耗评估,提出了基于核极限学习机,构建一个分位数回归模型,通过该学习机对风电功率区间进行预测,从而利用回归模型进行回归处理3。然而,以上学者的研究虽然取得了一定的研究成果,但对于配电网中电缆线路损耗对电能质量问题考虑不全面,依旧存在评估准确率低的问题。基于卷积神经网络和电能质量问题,构建相应的线路损耗智能评
9、估模型,通过该模型提升电缆线路损耗评估准确率,为配电网线路损耗安全预测和评估提供研究方向和数据支持,具有一定的实际应用意义。881基于卷积神经网络的线路损耗智能评估方法研究 肖荣洋,等1 卷积神经网络卷积神经网络(Convolutional Neural Network,CNN)是深度学习中的经典网络。该网络主要包括卷积层、子采样层、全连接层4。该网络由于其自身复杂的网络结构特点,在特征提取、图像分类、语言识别和预测评估等方面均取得较好的应用效果。其网络结构如图 1 所示。图 1 卷积神经网络结构卷积层中含有多个卷积核,其通过局部连接方式与上层神经元进行连接,主要通过卷积运算进行特征提取5。其
10、中,卷积核的共享方式在一定程度上减少了网络参数,提升了网络训练速度。卷积核进行卷积操作的具体公式为:Xij=iMiKijXl-1i()+blj(1)式(1)中,Xij为卷积操作后的输出结果;l 为卷积层的所在层数;j 表示第 j 个卷积核;Xl-1i表示 l-1 层的第 i 个特征;Mi表示输入特征图总数;Klj为第 j 个卷积核的权值矩阵6;blj和分别为偏置量和卷积运算符;为激活函数。基于电缆线路损耗的实际需求,选择 Relu 函数作为激活函数。在 CNN 网络中,卷积层的局部特征提取能够在一定程度上减少网络结构的神经元数目,但后续网络训练时,可能出现过拟合现象。为解决此问题,在 CNN
11、网络中增加了下采样层,下采样操作可降低提取特征维度,提高网络训练速度。下采样层的采样公式可表示为:Xlj=ljdown Xl-1i()+blj()(2)式(2)中,lj为下采样层的权值矩阵,下采样窗口大小为22;down 表示使用的采样函数;blj表示输出偏置。全连接层中,各个神经元均与上层神经元进行全连接。该层计算式为:Xl=WlXl-1+bl()(3)式(3)中,Xl表示全连接层的输出结果;Xl-1表示上一层输入到全连接层的向量;Wl和 bl分别表示全连接层的权重向量和偏置项7。2基于卷积神经网络的电缆线路智能评估模型 在电缆额定运行过程中,电缆线路损耗主要分为线芯电阻损耗、绝缘介质损耗、
12、金属护套损耗和铠装层损耗四种损耗形式。2.1 电缆线路损耗计算2.1.1 线芯电阻损耗已知电缆线芯电阻具体参数时,线芯电阻损耗主要受到电缆线路流经的电流影响。单位长度内,电缆线芯交流电阻损耗功率计算式可表示为:PR=I2R0(4)式(4)中,PR和 I 分别表示线芯电阻损耗功率和电缆流经电流的有效值;R0表示单位长度电缆线芯交流电阻8。2.1.2 绝缘介质损耗绝缘介质损耗的基本原理是在绝缘材料外部的电压增加外围一个导体,在导体上增加电压,从而出现电缆线路损耗。在单位长度内,电缆每一相绝缘介质损耗数学公式可表示为:Pd=C0U20tg(5)式(5)中,=2f 表示电缆电压的角速度,f 表示频率;
13、U0和 C0分别表示对地电压和电缆电容;tg 表示绝缘损耗因数,其取值大小由电缆所用绝缘材料所决定,具体参数如表 1 所示。表 1 电缆常用绝缘材料的损耗因数电缆绝缘材料tg压力充油电缆0.006 7油浸纸绝缘电缆0.02聚氯乙烯绝缘电缆0.09丁基橡皮绝缘电缆0.14交联聚乙烯电缆0.004 8聚乙烯电缆0.0242.1.3 金属护套损耗电缆线路流经电流会出现交变磁场,进行闭合回路后,即可出现电流,由此造成金属护层损耗9。其中,金属护层损耗主要分为涡流损耗和环流损耗,可采用电流线芯交流电阻损耗因数 和 表示。若电缆线路的两端均为接地形式,不考虑涡流损耗,可得到三相的环流损耗。A 相、B 相和
14、 C 相可分别表示为 A、C;单位长度金属护层的电阻表示为 Rs,当电缆护层单端接地时,涡流损耗因素 的两侧电缆 A1和 A2分别取值为 1.5 和 0.27,中间电缆 A1和 A2分别取值为 6 和 0.083。2.1.4 铠装层损耗铠装层损耗也可采用电缆线芯交流电阻损耗因数2进行表示,具体数学式可表示为:2=1.23RAR 2dDA144RA104f()2+1(6)式(6)中,RA和 DA分别表示铠装层的电阻和平均直径;d 为中心轴与线芯间的距离。2.2 电能质量问题2.2.1 电缆线路谐波损耗计算电缆线路中出现谐波问题可能增加线路电阻损耗功率,最终缩短电缆线路寿命10。为解决此问题,需对
15、电缆线芯谐波电阻进行修正,具体修正公式为:Rh=R01+Ysh+Yph()(7)式(7)中,Rh和 R0分别表示电缆线芯在第 h 次谐波作用下和正常谐波作用下的交流电阻;Ysh和 Yph分别表示第h 次谐波作用下的集肤效应系数和邻近效应系数。基于公式(7),得到电缆线路谐波损耗计算公式为:981自动化与仪器仪表2023 年第 1 期(总第 279 期)Phar_add=I22R2+I2hRh=hmaxh=2I2hRh(8)式(8)中,Ih表示第 h 次谐波电流的有效值。2.2.2 电缆线路三相不平衡损耗计算电缆线路损耗中,三相不平衡现象是较为常见的质量问题,其可能引起电机出现附加损耗和制动、增
16、加输电线路损耗等问题。为更好地对电缆线路中三相不平衡的影响度进行分析,将分别计算三相电流不平衡度A、B、C,计算式为:A=IA-IavIav100%B=IB-IavIav100%C=IC-IavIav100%(9)式(9)中,IA、IB、IC分别表示 A 相、B 相、C 相电流的有效值;Iav表示三相电流的平均值。通过不平衡计算可知 A+B+C=011。2.2.3 电缆线路电压偏差损耗计算电缆线路中,通常采用电压偏差对实际运行电压与额定电压间的偏离度进行评估,具体可表示为:=U-UNUN100%(10)根据电缆线芯电阻损耗,计算出电缆线路在额定运行时,电压偏差损耗可表示为:P=3I2R0=3S23UN()2R0=S2U2NR0(11)式(11)中,S 和 UN分别表示此段线路的负载容量和末端电压;R0表示单位长度电缆交流电阻12。2.3 计及电能质量问题的 CNN 电缆线路智能评估模型2.3.1 模型构建基于四种线路损耗计算原理和电能质量问题和CNN 神经网络,构建一个电缆线路损耗智能评估模型(CPQ-CNN)。模型结构如图 2 所示。图 2 计及电能质量问题的 CNN 线路评估模型
