发明名称 一种工业企业供配电网节能评估方法
摘要 本发明提供一种工业企业供配电网节能评估方法,采用由用于采样的若干个RS485电能表、RS485总线、ZigBee无线网络、以太网、电力数据采集计算机和供配电节能评估计算机组成的评估系统实施;评估方法主要包括建立指标体系和评判等级、设置指标样本值、CPN网络模型训练、专家和计算机打分后经训练好的CPN网络模型评估节能等级。本发明实现方便且成本较低;评估方法合理快速,评估结果可信度高,能有效分析影响供配电网节能相关因素,帮助企业节能增效。
申请公布号 CN106447203A 申请公布日期 2017.02.22
申请号 CN201610865829.7 申请日期 2013.04.08
申请人 江苏理工学院 发明人 倪福银;沃松林;罗印升;钱志文;朱幼莲;程钦
分类号 G06Q10/06(2012.01)I;G06Q50/06(2012.01)I;G06N3/08(2006.01)I 主分类号 G06Q10/06(2012.01)I
代理机构 常州市江海阳光知识产权代理有限公司 32214 代理人 张兢
主权项 一种工业企业供配电网节能评估方法,由工业企业供配电网节能评估系统实施,所述的工业企业供配电网节能评估系统包括RS485电能表、RS485总线、ZigBee无线网络、以太网、电力数据采集计算机和供配电节能评估计算机;所述的RS485电能表设有2个以上;ZigBee无线网络包括ZigBee采集器和ZigBee网络终端,ZigBee采集器和ZigBee网络终端的个数与RS485电能表的个数相同;电力数据采集计算机为内置有电力数据采集和计算程序的计算机;供配电节能评估计算机为内置有基于对向传播神经网络方法的评估软件的计算机;各RS485电能表分别通过RS485总线与相应的ZigBee采集器信号电连接;ZigBee采集器与相应的ZigBee网络终端通过无线通信网络信号电连接;各ZigBee网络终端均分别通过以太网与电力数据采集计算机信号电连接;电力数据采集计算机通过以太网与供配电节能评估计算机信号电连接;其特征在于:评估方法包括以下步骤:①实时采集供配电网运行相关数据并传输至电力数据采集计算机;②电力数据采集计算机计算电力负荷、无功补偿容量、负载率、用电量、线损率和短路电流的数据值并将计算结果传输至供配电节能评估计算机;③在供配电节能评估计算机内建立工业企业供配电网节能指标评估体系并设置5级评判等级;所述的节能指标评估体系包括供电方案、变压器、供配电线路和电网经济运行4个指标组;供电方案指标组包括供电方式、电气主接线、配电装置3个指标;变压器指标组包括变压器容量及型号、选址、变压器经济运行3个指标;供配电线路指标组包括厂区导线架设或电缆敷设、车间低压线路敷设、导线或电缆的截面选择3个指标;电网经济运行指标组包括调整负荷及电压管理、三相负荷不平衡度、功率指标管理和电网线损率4个指标;④根据指标评估体系和分级标准建立评估指标的训练样本集:对各评估指标按照五级评判标准,划分区间,然后进行归一化处理,将其置于(0,1)区间,利用均匀随机数在各级指标变化区间,内插随机产生的100个指标样本值;⑤将训练样本集输入供配电节能评估计算机内的对向传播神经网络模型,进行对向传播神经网络模型的学习训练;对向传播神经网络模型的学习训练的算法包括以下步骤:第一步,初始化及确定参数:确定输入层神经元数n为100个,已经归一化的输入向量为X=[x<sub>1</sub>,x<sub>2</sub>,…,x<sub>n</sub>],确定竞争层神经元p为30个,对应的二值输出向量B=[b<sub>1</sub>,b<sub>2</sub>,…,b<sub>p</sub>]<sup>T</sup>,输出层输出向量Y=[y<sub>1</sub>,y<sub>2</sub>,…,y<sub>q</sub>]<sup>T</sup>,目标输出向量O=[o<sub>1</sub>,o<sub>2</sub>,…,o<sub>q</sub>]<sup>T</sup>,q取值为5,为节能的5个等级,读数器t=0;初始化输入层到竞争层的连接权值W<sub>j</sub>(j=1,2,…,p)和由竞争层到输出层的连接权重V<sub>k</sub>(k=1,2,…,q),并对W<sub>j</sub>进行归一化处理;第二步,计算竞争层的输入:按下式求竞争层每个神经元的输入:<maths num="0001"><math><![CDATA[<mrow><msub><mi>S</mi><mi>j</mi></msub><mo>=</mo><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>x</mi><mi>i</mi></msub><msub><mi>&omega;</mi><mrow><mi>j</mi><mi>i</mi></mrow></msub><mo>,</mo><mi>j</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>p</mi></mrow>]]></math><img file="FDA0001123526600000021.GIF" wi="669" he="143" /></maths>第三步,计算连接权重W<sub>j</sub>与X距离最近的向量:按下式计算:<maths num="0002"><math><![CDATA[<mrow><msub><mi>W</mi><mi>g</mi></msub><mo>=</mo><munder><mrow><mi>m</mi><mi>a</mi><mi>x</mi></mrow><mrow><mi>j</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>p</mi></mrow></munder><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>x</mi><mi>i</mi></msub><msub><mi>&omega;</mi><mrow><mi>j</mi><mi>i</mi></mrow></msub></mrow>]]></math><img file="FDA0001123526600000022.GIF" wi="477" he="135" /></maths>第四步,将神经元g的输出设定为1,其余神经元输出设定为0,即<maths num="0003"><math><![CDATA[<mrow><msub><mi>b</mi><mi>j</mi></msub><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mn>1</mn><mo>,</mo><mi>j</mi><mo>=</mo><mi>g</mi></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo><mi>j</mi><mo>&NotEqual;</mo><mi>g</mi></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0001123526600000023.GIF" wi="366" he="191" /></maths>第五步,修正连接权值W<sub>g</sub>:按下式进行修正并进行归一化:ω<sub>gi</sub>(t+1)=ω<sub>gi</sub>(t)+α[x<sub>i</sub>‑ω<sub>gi</sub>(t)],i=1,2,…,n,0&lt;α&lt;1第六步,计算输出:按下式计算出神经元的实际输出值:<maths num="0004"><math><![CDATA[<mrow><msub><mi>y</mi><mi>k</mi></msub><mo>=</mo><munderover><mo>&Sigma;</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>p</mi></munderover><msub><mi>&upsi;</mi><mrow><mi>k</mi><mi>j</mi></mrow></msub><msub><mi>b</mi><mi>j</mi></msub><mo>,</mo><mi>k</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>q</mi></mrow>]]></math><img file="FDA0001123526600000024.GIF" wi="589" he="142" /></maths>第七步,修正连接权重V<sub>g</sub>:按下式修正权重V<sub>g</sub>:υ<sub>kg</sub>(t+1)=υ<sub>kg</sub>(t)+βb<sub>j</sub>(y<sub>k</sub>‑o<sub>k</sub>),k=1,2,…,q,0&lt;β&lt;1第八步,返回第②步,直接将N个输入模式全部输入;第九步,置t=t+1,将输入模式X重新提供给网络学习,直到t=T为止,其中T为预设定的学习总次数5000;⑥根据电力参数计算结果,由评估专家和计算机分别对供配电网各相应的节能指标评估打分;将打分结果进行归一化处理,使之在(0,1)范围内并输入训练完毕的供配电节能评估计算机内的对向传播神经网络模型;其中,评估专家对节能指标体系中的供电方案、变压器、供配电线路指标组进行评估打分,分值在0至100之间,由三个专家打分,然后取平均值,分别得到评估结果e<sub>1</sub>,e<sub>2</sub>,e<sub>3</sub>;节能指标体系中的电网经济运行指标组中,负荷率、不平衡度、功率因数和线损率四个电力参数值由供配电节能评估计算机进行计算,分别得出评估结果e<sub>4</sub>,e<sub>5</sub>,e<sub>6</sub>,e<sub>7</sub>;由此得到待输入对向传播神经网络模型的数据x<sub>i</sub>=[e<sub>1</sub>,e<sub>2</sub>,e<sub>3</sub>,e<sub>4</sub>,e<sub>5</sub>,e<sub>6</sub>,e<sub>7</sub>]⑦供配电节能评估计算机对输入的数据进行评估得出工业企业供配电网节能等级。
地址 213001 江苏省常州市钟楼区中吴大道1801号