配电网理论线损计算方法应用探析

《配电网理论线损计算方法应用探析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、配电网理论线损计算方法应用探析摘要：计算理论线损是分析线损构成、制定降损措施及确定线损指标的必要手段。本文笔者结合多年的实际工作经验,介绍了配电网理论线损计算方法，指出目前各种线损计算方法的局限性，在此基础上，提出采用电量潮流法计算线损的新方法，供同行参考。关键词：配电网线损计算方法配电网线损是电力部门一项综合性的经济、技术指标,是国家考核电力部门的一项重要指标，也是表征电力系统规划设计水平和经营管理水平的一项综合性技术经济指标。只有通过加大技术降损力度，提高技术含量以及加强管理降损水平，走上精细管理之路，才能取得

2、显著的经济效益和社会效益。因此，线损的理论计算还需要进一步深入研究。1、配电网理论线损计算方法传统理论线损计算方法主要有：损失因数法、均方根电流法、等值功率法、回归分析法和人工神经网络法(ANN)1.1损失因数法损失因数法是利用日负荷曲线的最大值与均方根值之间的等效关系(即损失因数)进行线损计算的方法。其计算式为:式中，为最大电流；F为负荷损失因数。负荷损失因数F因配电网结构、损失种类、负荷分布及负荷曲线形状不同而异，特别是与负荷率密切相关。由于最大负荷电流取自电流表，而损失因数F是由负荷率通过统计得到的，其精度不

3、高,因此这种算法只适用于电网规划的线损测算和35kV及以上电压等级电网(如城市电网)的线损计算。1.2均方根电流法均方根电流法是目前10kV配电网中最常见的理论线损计算方法，算法原理是将线路中流过的均方根电流所产生的电能损耗，近似于实际负荷在同一时期所消耗的电能。电流通过电力网元件(电阻为R)时产生的三相有功功率损耗为AP=3I2R,则该元件在24h内的电能损耗可以表示为：(2)其中是随机变量一般不能准确获得，通常可由代表日的均方根电流代替，即：(3)其中，均方根电流法原理简单，方法易于掌握，应用广泛，但是算法在实

4、际应用时所需数据计算量大，而且没有考虑负荷曲线形状的差异和负荷功率因数不同对计算结果的影响，在一定程度上降低了算法精度。用代表日的线损率近似系统全年线损率误差较大，另外典型日的数据很难保证准确性，这样又增加了计算结果的误差。因此算法只适用于供用电较为平衡，负荷峰谷差较小（日负荷曲线较为平坦）且精度要求不高的情况。1.3等值功率法等值功率法由准确级别高的电能表读数求取平均功率,通过将负荷曲线梯形化或查负荷曲线形状系数的方式获取节点等效功率，将电能损失的计算转化为功率损失的计算,将计算时段内随时间变化的各节点注入功率处

5、理为节点等值功率，用一次潮流计算来确定系统各项损耗电量。将线损计算问题转化为潮流计算问题,在负荷功率变化幅度不大的情况下可得到较为满意的结果。与均方根电流法相比，等值功率法依据的数据主要是从准确级别较高的电能表中读取，并降低和简化了对数据收集、整理的要求。根据均方根电流法，若用均方根功率替代均方根电流,代表日配网元件中的电能损耗等价为（kW•h）（4）式中一一日配网元件R中的电能损耗；——通过元件有功功率均方根（等效值）,kW；通过元件无功功率均方根（等效值）,kvar；端电压均方根,kV。均方根功率（等效功率）与

6、平均功率、。的关系如式（5）所示。石车和如的大小与负荷曲线的形状有关，所以称之为负荷曲线的形状系数，反应了负荷平均值和均方根值之间的关系。平均功率可由准确级别高的电能表读数来求取。(5)式中AP——代表日的有功电量；AQ代表日的无功电量。在实用计算中可设Kp=KQ=K,与平均负荷系数(负荷率)和最小负荷系数有如下关系：(6)式中Pmax日负荷曲线最大值；——日负荷曲线平均值；Pmin日负荷曲线最小值。负荷曲线的形状系数K计算如下。当平均负荷率,>0.5时：(7)当平均负荷率〈0.5时：(8)可由平均负荷率求等效功率

7、，用等效功率作为各发电机的等效输出功率或负荷节点的等效负荷功率，便可进行配电网潮流计算，再按潮流计算求得全网等效功率损失乘以24,可得代表日全网的电能损失。与均方根电流法相比，等值功率法依据的数据主要是从准确级别较高的电能表中读取，并且降低和简化了对数据收集、整理的要求。1.4回归分析法回归分析法是利用回归方程来模拟配电网系统中的特征参数与线损之间的关系：首先以有代表性的配电线路的线损值和特征参数值（如配电网的月有功、无功供电量）为样本,根据计算机潮流计算结果建立数学模型，求得回归方程；然后利用回归方程对未计算和已

8、计算线损的线路在运行参数发生变化时的线损进行快速计算、分析和预测。回归分析的因变量是计算时段内的线损值（或线损率）；主要自变量是所计算电网的结构参数和运行参数。回归分析法可为每种典型运行方式建立一个对应的回归方程，以快速计算线损。1.5人工神经网络法（ANN）人工神经网络由大量模拟人脯的神经元互连以组成非线性、自适应处理的网络模型，每个神经元接收到输入信号后