CN109613396B - 一种用户侧潮流反向异常原因研判方法 - Google Patents

Abstract

本发明涉及电网运维技术领域，具体涉及一种用户侧潮流反向异常原因研判方法，包括以下步骤：A)获取典型日用户历史负载曲线以及潮流反向曲线；B)潮流反向与用户负载高度相关，则为用户表计错接线，反之进入步骤B；C)潮流反向仅在低负载时出现，则进入步骤D，反之进入步骤E；D)潮流反向持续时间与低负载持续时间高度相关，则为用户无功补偿设备故障，反之，则为用户储能设备或第二电源切除异常；E)潮流反向出现规律与用户负载数值波动谷底高度相关，则为用户感性负载空载，若否，则为未知原因。本发明的实质性效果是：对反向潮流产生原因进行研判，使潮流反向异常的处理更具针对性，提高异常处理效率。

Description

一种用户侧潮流反向异常原因研判方法

技术领域

本发明涉及电网运维技术领域，具体涉及一种用户侧潮流反向异常原因研判方法。

背景技术

在电网实际运营中，发现部分三相表计存在“潮流反向”告警。一旦表计在新装或者轮换后，前后负荷数据对比上存在一致性，此类告警会被系统漏判，且出现的潮流反向告警不在考核范围，容易被忽视。造成潮流反向的原因有很多，部分潮流反向异常的产生是错接线以及设备故障造成的，这部分异常需要派工现场处理，进行检修。也存在部分潮流反向的产生原因是用户感性负载相间转移有功功率或者第二电源未及时断开，导致的随机性反向潮流，该部分潮流反向异常，无需派工处理。通过对用户表计召测跟踪负载数据以及潮流反向数据的特性分析，可以基本辨别出潮流反向的原因。但目前缺乏这样的方法。

中国专利CN106154084A，公开日2016年11月23日，一种电网负荷异常及运行风险实时监控预警方法，包括获取数据建立专家知识库的步骤；获取实时遥测遥信量的步骤；确定电网运行状态，判断数据波动和刷新状态并报警的步骤；辨识电网运行拓扑结构的步骤；辨识电网薄弱环节和安全风险等级并报警的步骤；判断电网运行断面的控制裕度并报警的步骤。本发明基于对厂站遥测数据的稳态监视，动态监测及评估电网实时运行薄弱点，对数据不刷新、电网负荷波动、低频振荡、电网运行安全风险及控制稳定裕度不足等异常情况进行辅助记录和告警提示，为调度值班人员实时监控提供重要依据，减轻值班人员工作强度、有效控制电网运行风险，为事故处理提供科学决策。但其不能监测以及研判用户侧潮流反向异常的原因，给出处理参考。

发明内容

本发明要解决的技术问题是：目前电网运营缺乏潮流反向异常原因的研判能力，潮流反向异常处理效率低的技术问题。提出了一种通过一段时间内主动召测用户表计负载以及反向潮流数据并进行特征分析后对反向潮流产生原因进行研判的用户侧潮流反向异常原因研判方法。

为解决上述技术问题，本发明所采取的技术方案为：一种用户侧潮流反向异常原因研判方法，包括以下步骤：A)获取典型日用户历史负载曲线以及潮流反向曲线，以设定频率fc分别对用户历史负载曲线以及潮流反向曲线采样，获得用户历史负载曲线采样值向量s＝(s1,s2,…,sn)和潮流反向曲线采样值向量p＝(p1,p2,…,pn)，n为数据采样总数；B)判断潮流反向与用户负载是否高度相关，若是，则判定为用户表计错接线并结束本方法，若否，进入步骤C；C)判断潮流反向是否仅在低负载时出现，若是，进入步骤D，若否，进入步骤E；D)判断潮流反向持续时间是否与低负载持续时间高度相关，若是则判定为用户无功补偿设备故障并结束本方法，若否则判定为用户储能设备或第二电源切除异常并结束本方法；E)判断潮流反向出现规律是否与用户负载数值波动谷底高度相关，若是，则判定为用户感性负载空载，并结束本方法，若否，则判定为未知原因，并结束本方法。用户历史负载曲线，为考察周期内以周期t连续召测用户表计电量，将召测数据替换为其与前一次召测数据的斜率后拟合获得，潮流反向曲线采样由表计采集到的反向潮流数据拟合获得。

作为优选，所述判断潮流反向与用户负载是否高度相关的方法为：计算用户历史负载曲线采样值向量s和潮流反向曲线采样值向量p的相似度Tr，若相似度大于设定阈值Ty，则判定潮流反向与用户负载高度相关为真，反之，判定潮流反向与用户负载高度相关为假。

作为优选，所述相似度Tr为百分数值，所述相似度Tr的计算方法为：获得用户历史负载曲线采样值向量中全部相邻元素差值绝对值的平均值e，将向量s和向量p相同位置元素差值的绝对值小于e的元素对视为相似数据对，将向量s与向量p的相似数据对的总数量与n的比值作为相似度Tr的值。

作为优选，所述判断潮流反向持续时间是否与低负载持续时间高度相关的方法为：D1)将向量p中元素值为0的元素记为0，非零元素记为1，获得向量p_b；D2)将向量s中低负载元素的值记为1，其他元素记为0，获得向量s_p，计算g＝p_b·s_p，若g/n大于或等于设定阈值Gy，则判定潮流反向持续时间与低负载持续时间高度相关为真，反之判定潮流反向持续时间与低负载持续时间高度相关为假。

作为优选，所述低负载的判断方法为：计算

j∈[2,n]，找到符合k_j>σ的全部s_j的值并纳入集合C_sj，σ为设定常数，σ∈[0.28,0.32]，以C_sj中的元素将向量s划分成若干个区间，计算每个区间的平均值Sr，找到平均值的最小值Sr_min，找到平均值Sr∈Sr_min±σ*Sr_min的全部区间作为低负载区间，将低负载区间内的元素作为低负载。

作为优选，所述判断潮流反向出现规律与用户负载数值波动谷底高度相关的方法为：E1)计算

j∈[2,n]，找到符合k_j>σ的全部s_j的值并纳入集合C_sj，σ为设定常数，σ∈[0.36,0.42]，以C_sj中的元素将向量s划分成若干个区间S1,S2…,Sm，m为区间总数量，计算每个区间的平均值Sr_j，j∈[1,m]；E2)构建向量Sr＝(Sr1,Sr2,…,Srm)，若满足

且

则将Sr_j作为波谷区间，将向量s位于波谷区间内的元素记为1，其余元素记为0，获得向量Sg；E3)将向量p中元素值为0的元素记为0，非零元素记为1，获得向量p_b；E4)若

τ为人工设定的阈值，则判定潮流反向出现规律与用户负载数值波动谷底高度相关为真，反之，判定潮流反向出现规律与用户负载数值波动谷底高度相关为假。

作为优选，其中τ∈[0.59,0.86]，用户在非低负载时负载波动相对通常波动幅度越小、向量p的非零元素占比越多时，则τ取区间内的越小值，其中向量p的非零元素占比的下限参考值为0.28，上限参考值为0.73。

作为优选，τ＝0.59+0.24*μ₁*μ₂，其中：

σ_s为向量s元素的标准差，σ_A为台区用户历史负荷曲线以频率fc采样后的数据的标准差的均值，

其中l为向量p的非零元素个数占比。

本发明的实质性效果是：通过一段时间内主动召测用户表计负载以及反向潮流数据，并进行特征分析，对反向潮流产生原因进行研判，使潮流反向异常的处理更具针对性，提高异常处理效率。

附图说明

图1为本发明方法流程框图。

图2为本发明判断潮流反向与低负载持续时间高度相关的方法流程框图。

图3为本发明判断判断潮流反向与用户负载数值波动谷底相关的方法流程框图。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。

如图1所示，为本发明方法流程框图，包括以下步骤：A)获取典型日用户历史负载曲线以及潮流反向曲线，以设定频率fc分别对用户历史负载曲线以及潮流反向曲线采样，获得用户历史负载曲线采样值向量s＝(s1,s2,…,sn)和潮流反向曲线采样值向量p＝(p1,p2,…,pn)，n为数据采样总数；B)判断潮流反向与用户负载是否高度相关，若是，则判定为用户表计错接线并结束本方法，若否，进入步骤C；C)判断潮流反向是否仅在低负载时出现，若是，进入步骤D，若否，进入步骤E；D)判断潮流反向持续时间是否与低负载持续时间高度相关，若是则判定为用户无功补偿设备故障并结束本方法，若否则判定为用户储能设备或第二电源切除异常并结束本方法；E)判断潮流反向出现规律是否与用户负载数值波动谷底高度相关，若是，则判定为用户感性负载空载，并结束本方法，若否，则判定为未知原因，并结束本方法。

判断潮流反向与用户负载是否高度相关的方法为：计算用户历史负载曲线采样值向量s和潮流反向曲线采样值向量p的相似度Tr，若相似度大于设定阈值Ty，则判定潮流反向与用户负载高度相关为真，反之，判定潮流反向与用户负载高度相关为假。

相似度Tr为百分数值，相似度Tr的计算方法为：获得用户历史负载曲线采样值向量中全部相邻元素差值绝对值的平均值e，将向量s和向量p相同位置元素差值的绝对值小于e的元素对视为相似数据对，将向量s与向量p的相似数据对的总数量与n的比值作为相似度Tr的值。

如图2所示，为本发明判断潮流反向与低负载持续时间高度相关的方法流程框图，包括步骤：D1)将向量p中元素值为0的元素记为0，非零元素记为1，获得向量p_b；D2)将向量s中低负载元素的值记为1，其他元素记为0，获得向量s_p，计算g＝p_b·s_p，若g/n大于或等于设定阈值Gy，则判定潮流反向持续时间与低负载持续时间高度相关为真，反之判定潮流反向持续时间与低负载持续时间高度相关为假。

低负载的判断方法为：计算

j∈[2,n]，找到符合k_j>σ的全部s_j的值并纳入集合C_sj，σ为设定常数，σ∈[0.28,0.32]，以C_sj中的元素将向量s划分成若干个区间，计算每个区间的平均值Sr，找到平均值的最小值Sr_min，找到平均值Sr∈Sr_min±σ*Sr_min的全部区间作为低负载区间，将低负载区间内的元素作为低负载。

如图3所示，为本发明判断判断潮流反向与用户负载数值波动谷底相关的方法流程框图，包括步骤：E1)计算

j∈[2,n]，找到符合k_j>σ的全部s_j的值并纳入集合C_sj，σ为设定常数，σ∈[0.36,0.42]，以C_sj中的元素将向量s划分成若干个区间S1,S2…,Sm，m为区间总数量，计算每个区间的平均值Sr_j，j∈[1,m]；E2)构建向量Sr＝(Sr1,Sr2,…,Srm)，若满足

且

则将Sr_j作为波谷区间，将向量s位于波谷区间内的元素记为1，其余元素记为0，获得向量Sg；E3)将向量p中元素值为0的元素记为0，非零元素记为1，获得向量p_b；E4)若

τ为人工设定的阈值，则判定潮流反向出现规律与用户负载数值波动谷底高度相关为真，反之，判定潮流反向出现规律与用户负载数值波动谷底高度相关为假。

其中τ∈[0.59,0.86]，用户在非低负载时负载波动相对通常波动幅度越小、向量p的非零元素占比越多时，则τ取区间内的越小值，其中向量p的非零元素占比的下限参考值为0.28，上限参考值为0.73。

τ＝0.59+0.24*μ₁*μ₂，其中：

σ_s为向量s元素的标准差，σ_A为台区用户历史负荷曲线以频率fc采样后的数据的标准差的均值，

其中l为向量p的非零元素个数占比。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (8)

1.一种用户侧潮流反向异常原因研判方法，其特征在于，

包括以下步骤：

A)获取典型日用户历史负载曲线以及潮流反向曲线，以设定频率fc分别对用户历史负载曲线以及潮流反向曲线采样，获得用户历史负载曲线采样值向量s＝(s1,s2,…,sn)和潮流反向曲线采样值向量p＝(p1,p2,…,pn)，n为数据采样总数；

B)判断潮流反向与用户负载是否高度相关，若是，则判定为用户表计错接线并结束本方法，若否，进入步骤C；

C)判断潮流反向是否仅在低负载时出现，若是，进入步骤D，若否，进入步骤E；

D)判断潮流反向持续时间是否与低负载持续时间高度相关，若是则判定为用户无功补偿设备故障并结束本方法，若否则判定为用户储能设备或第二电源切除异常并结束本方法；

E)判断潮流反向出现规律是否与用户负载数值波动谷底高度相关，若是，则判定为用户感性负载空载，并结束本方法，若否，则判定为未知原因，并结束本方法。

2.根据权利要求1所述的一种用户侧潮流反向异常原因研判方法，其特征在于，所述判断潮流反向与用户负载是否高度相关的方法为：

计算用户历史负载曲线采样值向量s和潮流反向曲线采样值向量p的相似度Tr，若相似度大于设定阈值Ty，则判定潮流反向与用户负载高度相关为真，反之，判定潮流反向与用户负载高度相关为假。

3.根据权利要求2所述的一种用户侧潮流反向异常原因研判方法，其特征在于，所述相似度Tr为百分数值，所述相似度Tr的计算方法为：

获得用户历史负载曲线采样值向量中全部相邻元素差值绝对值的平均值e，将向量s和向量p相同位置元素差值的绝对值小于e的元素对视为相似数据对，将向量s与向量p的相似数据对的总数量与n的比值作为相似度Tr的值。

4.根据权利要求1或2或3所述的一种用户侧潮流反向异常原因研判方法，其特征在于，

所述判断潮流反向持续时间是否与低负载持续时间高度相关的方法为：

D1)将向量p中元素值为0的元素记为0，非零元素记为1，获得向量p_b；

D2)将向量s中低负载元素的值记为1，其他元素记为0，获得向量s_p，计算g＝p_b·s_p，若g/n大于或等于设定阈值Gy，则判定潮流反向持续时间与低负载持续时间高度相关为真，反之判定潮流反向持续时间与低负载持续时间高度相关为假。

5.根据权利要求1或2或3所述的一种用户侧潮流反向异常原因研判方法，其特征在于，

所述低负载的判断方法为：计算

找到符合k_j>σ的全部s_j的值并纳入集合C_sj，σ为设定常数，σ∈[0.28,0.32]，以C_sj中的元素将向量s划分成若干个区间，计算每个区间的平均值Sr，找到平均值的最小值Sr_min，找到平均值Sr∈Sr_min±σ*Sr_min的全部区间作为低负载区间，将低负载区间内的元素作为低负载。

6.根据权利要求1或2或3所述的一种用户侧潮流反向异常原因研判方法，其特征在于，

所述判断潮流反向出现规律与用户负载数值波动谷底高度相关的方法为：

E1)计算

找到符合k_j>σ的全部s_j的值并纳入集合C_sj，σ为设定常数，σ∈[0.36,0.42]，以C_sj中的元素将向量s划分成若干个区间S1,S2…,Sm，m为区间总数量，计算每个区间的平均值Sr_j，j∈[1,m]；

E2)构建向量Sr＝(Sr1,Sr2,…,Srm)，若满足

且

则将Sr_j作为波谷区间，将向量s位于波谷区间内的元素记为1，其余元素记为0，获得向量Sg；

E3)将向量p中元素值为0的元素记为0，非零元素记为1，获得向量p_b；

E4)若

τ为人工设定的阈值，则判定潮流反向出现规律与用户负载数值波动谷底高度相关为真，反之，判定潮流反向出现规律与用户负载数值波动谷底高度相关为假。

7.根据权利要求6所述的一种用户侧潮流反向异常原因研判方法，其特征在于，其中τ∈[0.59,0.86]，用户在非低负载时负载波动相对通常波动幅度越小、向量p的非零元素占比越多时，则τ取区间内的越小值，其中向量p的非零元素占比的下限参考值为0.28，上限参考值为0.73。

8.根据权利要求7所述的一种用户侧潮流反向异常原因研判方法，其特征在于，τ＝0.59+0.24*μ₁*μ₂，其中：

σ_s为向量s元素的标准差，σ_A为台区用户历史负荷曲线以频率fc采样后的数据的标准差的均值，

其中l为向量p的非零元素个数占比。

Images