CN108573350B - 一种配网线损同期化计算与多维分析方法 - Google Patents

Abstract

本发明提供一种配网线损同期化计算与多维分析方法，包括以下具体步骤，步骤一.将高压计量装置分别安装于10kV配网线路各分支、分段与联络节点，通过无线公用数据网进行组网；步骤二.各线路节点的高压计量装置将数据实时同步采集到远端后台系统中；步骤三.采集的各线路节点数据信息；步骤四.结合用电信息采集系统的台区电表数据与调度自动化系统中变电站出口电表数据；进行日线损、月线损统计计算，进行相关性分析；步骤五.可找出分段线损率超标的线路段，从而进行定位；步骤六.辅助决策，帮助电力企业找出线损问题的原因。本发明用于解决当前配网线损计算缺乏线路数据、线损数据不同期、缺乏异常线损定位与线损原因判别等问题。

Description

一种配网线损同期化计算与多维分析方法

技术领域

本发明涉及10kV配电网线损计算领域，特别是涉及一种配网线损同期化计算与多维分析方法。

背景技术

随着国家电力体制改革，电力企业从售电主体向输配电主体转型，销售利润来源也从买卖电差价向输配电“过路费”转型。因此，输配电过程中的线损损耗将对电力企业生产经营利润产生更大影响。在这方面，10kV配电网因网架结构复杂、线路维护状况差、接入的低压负荷种类多等因素，其线路损耗占电网总体线损的主体。目前，10kV配电网线损计算面临的最大难题在于各10kV线路分支、联络与分段节点缺乏电能计量采集设备，从而使得分线、分段线损计算存在数据不完全、不同期的问题。

在配电网线损计算领域，目前有以下几种研究方向：第一、采用各种简化、近似的理论线损计算方法，例如负荷统计学的聚类方法和回归方法等；第二、在能获取一部分实时负荷数据情况下，通过回归类算法来补齐缺失数据，例如通过灰色预测模型来预测缺失的电量与功率，实现线损同期化计算；采用前推回归法来进行量测节点和非量测节点数据处理，实现在非完全量测情况下的线损估计；第三，在考虑到以上理论估计方法存在较大误差、对历史数据准确性依赖程度较大的问题，在目前国内供电企业信息化系统逐渐完善的情况下，一些学者开始研究采用各种实时测量技术，来取代理论估计算法，以应用于配网线损监测，从而提高线损数据准确性。但目前的研究成果仅局限于台区和变电站，对于分线、分段的线路线损仍然缺乏有效的测量手段，并且无法定位线损异常的线路分段，难以对线损异常原因进行辅助判断。在电网公司加强线损精细化考核的背景下，需要更全面和实时的数据，来保证线损分析的精细程度。

发明内容

本发明提供一种配网线损同期化计算与多维分析方法，用于解决当前配网线损计算缺乏线路数据、线损数据不同期、缺乏异常线损定位与线损原因判别等问题。

本发明的技术方案：一种配网线损同期化计算与多维分析方法，包括以下具体步骤，

步骤一.将高压计量装置分别安装于10kV配网线路各分支、分段与联络节点，通过无线公用数据网进行组网；

步骤二.各线路节点的高压计量装置将数据实时同步采集到远端后台系统中；

步骤三.采集的各线路节点数据信息为每日采集电能量冻结数据、15分钟ABC三相电压曲线数据、15分钟ABC三相电流曲线数据、15分钟正向有功电能示值曲线数据、15分钟电能功率曲线数据、15分钟功率因数曲线数据、电能表时间超差数据、终端停/上电数据、电能表开关操作次数及时间数据；

步骤四.根据上述采集的各线路节点数据信息，结合用电信息采集系统的台区电表数据与调度自动化系统中变电站出口电表数据进行日线损、月线损统计计算，并对线损率大的线路，进行相关性分析；

步骤五.对于月度线损率超标的线路，高压计量装置进行各节点数据实时采集后，即可找出分段线损率超标的线路段，从而进行定位；

步骤六.在定位线损率超标的分段点位置后，通过对分段点所有计量设备上传的数据与超标月份内日线损率变化进行相关性分析，找出对线损率影响较大的因素，从而辅助决策，帮助电力企业找出线损问题的原因。

所述线损率计算的具体步骤为，

E_di为从变电站出口到台区用户的各线路节点总电量，E_bi为用户侧总电量，则该线路的日线损率

为：

同理，按月计算线损率为：

式中，

为日线损率，

为月线损率，d为天数，i为0～n的整数，n为台区节点。

对线损率大的线路进行相关性分析的方法为，

设月线损率超标的线路分段其高压计量装置与台区表计共计N个采集点，每个采 集点上报如步骤三的数据组成数据集，设该数据集为向量：

T₀～T₈分别为每 日采集电能量冻结数据、15分钟ABC三相电压曲线数据、15分钟ABC三相电流曲线数据、15分 钟正向有功电能示值曲线数据、15分钟电能功率曲线数据、15分钟功率因数曲线数据、电能 表时间超差数据、终端停/上电数据、电能表开关操作次数及时间数据，其中T₁～T₅等可以用 一天内的15分钟曲线数据平均值来替代，其他都为一天内的统计量，从系统提取对应一个 月的T₀～T₈数据，形成影响量矩阵

将过去一个月的日线损率组成向量

对矩阵Ve各向量与日线损率向量

进行协方差计算：

其中，E为期望值，从该式可得到两个向量的协方差矩阵，根据该协方差矩阵就可以计算Pearson相关系数：

其中，

相关系数矩阵ρ_TX中，若

向量中a点与

向量中b点，ρ_ab＝0，则说明

向量中对应数据与

向量中当天日线损率变化不相关；反之，若该点相关性系数相对其他点最大，则认为该数据与线损率变化相关较大。

本发明的有益效果是：用于解决当前配网线损计算缺乏线路数据、线损数据不同期、缺乏异常线损定位与线损原因判别等问题。首先，该系统将高压计量等新型传感器应用于配电10kV架空线路与电缆线路各分支节点，解决了当前配电网无法获取线路数据的难题；其次，结合各测点实时数据集，提出了同期化线损计算方法，线损异常分段的定位方法以及提出多维度线损相关性分析方法，对线损异常分段各数据集进行相关性分析，给出线损异常的可能原因，辅助电力用户进行线损问题排查。

附图说明

图1为本发明系统组网结构图结构示意图；

图2为本发明方法流程示意图；

图3为本发明试验线路拓扑图；

图4为本发明试验线路线损率；

图5为本发明异常线损分段定位；

图6为本发明异常线路段日线损曲线。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图2，本发明的技术方案：

一种配网线损同期化计算与多维分析方法，包括以下具体步骤，

步骤一.将高压计量装置分别安装于10kV配网线路各分支、分段与联络节点，通过无线公用数据网进行组网；

步骤二.各线路节点的高压计量装置将数据实时同步采集到远端后台系统中；

步骤三.采集的各线路节点数据信息为每日采集电能量冻结数据、15分钟ABC三相电压曲线数据、15分钟ABC三相电流曲线数据、15分钟正向有功电能示值曲线数据、15分钟电能功率曲线数据、15分钟功率因数曲线数据、电能表时间超差数据、终端停/上电数据、电能表开关操作次数及时间数据；

步骤四.根据上述采集的各线路节点数据信息，结合用电信息采集系统的台区电表数据与调度自动化系统中变电站出口电表数据进行日线损、月线损统计计算，并对线损率大的线路，进行相关性分析；

步骤五.对于月度线损率超标的线路，高压计量装置进行各节点数据实时采集后，即可找出分段线损率超标的线路段，从而进行定位；

步骤六.在定位线损率超标的分段点位置后，通过对分段点所有计量设备上传的数据与超标月份内日线损率变化进行相关性分析，找出对线损率影响较大的因素，从而辅助决策，帮助电力企业找出线损问题的原因。

所述线损率计算的具体步骤为，

E_di为从变电站出口到台区用户的各线路节点总电量，E_bi为用户侧总电量，则该线路的日线损率

为：

同理，按月计算线损率为：

式中，

为日线损率，

为月线损率，d为天数，i为0～n的整数，n为台区节点。

对线损率大的线路进行相关性分析的方法为，

设月线损率超标的线路分段其高压计量装置与台区表计共计N个采集点，每个采 集点上报如步骤三的数据组成数据集，设该数据集为向量：

T₀～T₈分别为每 日采集电能量冻结数据、15分钟ABC三相电压曲线数据、15分钟ABC三相电流曲线数据、15分 钟正向有功电能示值曲线数据、15分钟电能功率曲线数据、15分钟功率因数曲线数据、电能 表时间超差数据、终端停/上电数据、电能表开关操作次数及时间数据，其中T₁～T₅等可以用 一天内的15分钟曲线数据平均值来替代，其他都为一天内的统计量，从系统提取对应一个 月的T₀～T₈数据，形成影响量矩阵

将过去一个月的日线损率组成向量

对矩阵Ve各向量与日线损率向量

进行协方差计算：

其中，E为期望值，从该式可得到两个向量的协方差矩阵，根据该协方差矩阵就可以计算Pearson相关系数：

其中，

相关系数矩阵ρ_TX中，若

向量中a点与

向量中b点，ρ_ab＝0，则说明

向量中对应数据与

向量中当天日线损率变化不相关；反之，若该点相关性系数相对其他点最大，则认为该数据与线损率变化相关较大。

如图3所示，该线路由两个变电站出线，中间通过1个联络点进行拉手，并有东干线17#、东干线27#、民东线H03三个线路分段点，各分段点下的台区总数为27个。线路一部分为架空线路，另一部分为电缆线路，其中东干线17#、东干线27#分段点和L东干线39#-民东线11#联络点带有柱上断路器，而民东线H03分段点为环网柜。当前可从调度自动化系统获取两条线路出口电表测量值，可从用电信息采集系统获取各台区电表数据，但因线路各分段和联络开关点缺乏测量设备，系统无法精细化分析每条线路线损状况。

首先，在以上各线路分段与联络点安装高压计量装置，装置选取业内知名厂家烟台东方威思顿电气有限公司的DSGD178高压计量产品，其次，按图1所示进行组网，将数据上传到远端线损分析系统，该系统整合调度自动化系统与用电信息采集系统数据，并采用图2所示流程进行线损监测与管理。

在经过一段时间运行后，以下为10kV东干线月线损率运行情况图，如图4，从图4可以看出，按照理论线损分析方法评估的统计线损率波动较大，无法正常使用，而采用本文系统计算出的月同期线损率，基本处于比较平稳的状态，可以用于线损评估；其中5，6月份出现月线损率超过了考核值(6.5％)，在出现月线损率超差后，系统按图2所示流程，自动定位到超标线路段如图5，该超标线路段在超标月份，日线损率曲线指标如图6，从图6可以看出，该线路段日线损率曲线出现过连续多天超差现象，为排查原因，对超标线路段在超标月所有相关数据集Ve与当月日线损率曲线向量

进行相关性分析，并对ρ_TX值按大到小进行排序，通过该数据可以判断，对应台区电能表出现了时间超差状态，造成日冻结电量时标不准确，从而影响了对应支路的线损计算结果，通过排除对应电能表故障，如图4所示后续月份的月线损率逐步下降到考核线以下。

本发明提出一种用于10kV配网线损同期化计算与多维分析方法，用于解决当前配网线损计算缺乏线路数据、线损数据不同期、缺乏异常线损定位与线损原因判别等问题。首先，该系统将高压计量等新型传感器应用于配电10kV架空线路与电缆线路各分支节点，解决了当前配电网无法获取线路数据的难题；其次，结合各测点实时数据集，提出了同期化线损计算方法，线损异常分段的定位方法以及提出多维度线损相关性分析方法，对线损异常分段各数据集进行相关性分析，给出线损异常的可能原因，辅助电力用户进行线损问题排查。最后，通过在试验线路中对该系统的应用，验证了本文方法的有效性。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (3)

1.一种配网线损同期化计算与多维分析方法，其特征在于：包括以下具体步骤，

步骤一.将高压计量装置分别安装于10kV配网线路各分支、分段与联络节点，通过无线公用数据网进行组网；

步骤二.各线路节点的高压计量装置将数据实时同步采集到远端后台系统中；

步骤三.采集的各线路节点数据信息为每日采集电能量冻结数据、15分钟ABC三相电压曲线数据、15分钟ABC三相电流曲线数据、15分钟正向有功电能示值曲线数据、15分钟电能功率曲线数据、15分钟功率因数曲线数据、电能表时间超差数据、终端停/上电数据、电能表开关操作次数及时间数据；

步骤四.根据上述采集的各线路节点数据信息，结合用电信息采集系统的台区电表数据与调度自动化系统中变电站出口电表数据进行日线损、月线损统计计算，并对线损率大的线路，进行相关性分析；

步骤五.对于月度线损率超标的线路，高压计量装置进行各节点数据实时采集后，即可找出分段线损率超标的线路段，从而进行定位；

步骤六.在定位线损率超标的分段点位置后，通过对分段点所有计量设备上传的数据与超标月份内日线损率变化进行相关性分析，找出对线损率影响较大的因素，从而辅助决策，帮助电力企业找出线损问题的原因。

2.根据权利要求1所述的一种配网线损同期化计算与多维分析方法，其特征在于：所述线损率计算的具体步骤为，

E_di为从变电站出口到台区用户的各线路节点总电量，E_bi为用户侧总电量，则该线路的日线损率

为：

同理，按月计算线损率为：

式中，

为日线损率，

为月线损率，d为天数，i为0～n的整数，n为台区节点。

3.根据权利要求1所述的一种配网线损同期化计算与多维分析方法，其特征在于：对线损率大的线路进行相关性分析的方法为，

设月线损率超标的线路分段其高压计量装置与台区表计共计N个采集点，每个采集点上报如步骤三的数据组成数据集，设该数据集为向量：

T₀～T₈分别为每日采集电能量冻结数据、15分钟ABC三相电压曲线数据、15分钟ABC三相电流曲线数据、15分钟正向有功电能示值曲线数据、15分钟电能功率曲线数据、15分钟功率因数曲线数据、电能表时间超差数据、终端停/上电数据、电能表开关操作次数及时间数据，其中T₁～T₅等可以用一天内的15分钟曲线数据平均值来替代，其他都为一天内的统计量，从系统提取对应一个月的T₀～T₈数据，形成影响量矩阵

将过去一个月的日线损率组成向量

对矩阵Ve各向量与日线损率向量

进行协方差计算：

其中，E为期望值，从该式可得到两个向量的协方差矩阵，根据该协方差矩阵就可以计算Pearson相关系数：

其中，

相关系数矩阵ρ_TX中，若

向量中a点与

向量中b点，ρ_ab＝0，则说明

向量中对应数据与

向量中当天日线损率变化不相关；反之，若该点相关性系数相对其他点最大，则认为该数据与线损率变化相关较大。

Images