CN110070282B - 一种基于综合关联度的低压台区线损影响因素分析方法 - Google Patents

Abstract

本发明公开了一种基于综合关联度的低压台区线损影响因素分析方法，包括以下过程：确定台区线损的影响因素，并对影响因素进行分类；获取各影响因素的多个历史样本数据，对各影响因素数据进行标准化处理；分别采用斯皮尔曼关联度、灰色关联度、余弦关联度方法来评估影响因素与台区线损的关联度，获取对应各影响因素的三个评估数值；依据影响因素的所属类别和评估数值，计算获得影响因素的综合关联度评估值，依据综合关联度评估值确定影响因素对台区线损的影响程度。本发明实现对低压台区的理论线损的影响因素进行量化分析，并综合多种关联度分析方法得到综合关联度分析，为理论线损估算提供了分析的依据，提升了理论线损估算的准确性。

Description

一种基于综合关联度的低压台区线损影响因素分析方法

技术领域

本发明具体涉及一种基于综合关联度的低压台区线损影响因素分析方法，属于低压配电网管理技术领域。

背景技术

低压台区线损率水平是衡量电网技术经济性的重要指标，它综合反映了电力系统规划设计、生产运行和经营管理的技术经济水平。低压台区线损是电网经济性运行水平和电网综合管理水平的重要指标。低压配网台区类型复杂，传统的台区线损管理目标设置多是一刀切大区段的方式，目标设置粗狂缺少针对性。为进一步提升线损的优化和管理，国网公司发布了《国家电网公司关于实施台区线损精益化管理的意见》(国家电网营销〔2018〕98号)要求，鼓励相关单位开展台区理论线损典型值研究工作，为合理制定台区线损管理目标。

由于低压配电网具有节点多、线路长且结构复杂等多种特点，低压台区的采集数据仅有变压器及用户处的电量计量数据，且缺少必要的拓扑信息，因此长期以来低压台区的线损以统计线损管理为主，鲜有涉及理论线损的计算。开展理论线损计算，准确地将统计线损中的理论线损和管理线损抽离出来，分析异常台区的原因所在，是改善台区线损水平的基础。但对于低压台区而言，网络拓扑结构、各支路线型、线路长度数据的部分缺失，台区线损影响因素甚多，使得利用台区网络拓扑结构计算理论线损异常困难。

随着社会经济的发展，用户用电负荷陡然提升，高损台区比率越来越高，线损的影响因素就成为电力公司考察的重点。针对低压台区量测点少、节点多、台区数目多的现状，如何利用低压配电网各台区的基础数据快速评价台区理论线损状态是急需解决的一个问题，应用聚类分析算法，BP神经网络等人工智能算法的进行理论线损的估算是一个很好的解决方法，而如何利人工智能算法的应用基础就是首先对研究台区理论线损的影响因素并进行量化分析，本发明专利针对这一技术难题，发明了一种综合关联度分析方法的低压台区理论线损影响因素分析方法。

现阶段线损的影响因素的主要判断依据来自专家从反映网架结构的参数供电半径、低压线路总长度等，和负荷相关的参数负载率和用电性质及比例等考察台区，缺乏对台区线损影响因素的量化分析判断。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种基于综合关联度的低压台区线损影响因素分析方法，解决现有技术中缺少对线损的影响因素量化分析的技术问题。

为解决上述技术问题，本发明提供了一种基于综合关联度的低压台区线损影响因素分析方法，其特征是，包括以下过程：

S1，确定台区线损的影响因素，并对影响因素进行分类；

S2，获取各影响因素的多个历史样本数据，对各影响因素数据进行标准化处理；

S3，分别采用斯皮尔曼关联度、灰色关联度、余弦关联度方法来评估影响因素与台区线损的关联度，获取对应各影响因素的三个评估数值；

S4，依据影响因素的所属类别和评估数值，计算获得影响因素的综合关联度评估值，依据综合关联度评估值确定影响因素对台区线损的影响程度。

进一步的，影响因素分为三类：台区性质、台区气候和台区运行影响因素。

进一步的，台区性质影响因素包括供电半径、低压线路总长度和变压器容量；台区气候影响因素包括台区温度、台区湿度和风速级别；台区运行影响因素包括三相不平衡度、功率因素、负载率、形状系数和台区运行参数。

进一步的，对各影响因素数据进行标准化处理的过程为：

设每个影响因素的历史样本个数为N个，标准化方法如下：

式中：x_ij指第j个影响因素的第i个样本，Z_ij为标准化处理后的量；

为第j个影响因素N个历史样本数据的平均值；s_ij为第j个影响因素的第i个样本的方差，i＝1,2,…,N，j＝1,2,…,M，N为历史样本总数，M为影响因素的总数。

进一步的，影响因素的综合关联度评估值计算公式如下：

ξ＝αε₁+βε₂+(1-α-β)ε₃ (11)

其中ξ为综合关联度评估值，ε₁为采用斯皮尔曼关联度方法评估出的影响因素和线损率之间关联度的评估数值，ε₂即为采用灰色关联度方法评估出的影响因素和线损率之间关联度的评估数值，ε₃即为采用余弦关联度方法评估出的影响因素和线损率之间关联度的评估数值，α为对应斯皮尔曼关联度方法的权系数，β为对应灰色关联度方法的权系数，(1-α-β)为对应余弦关联度方法的权系数。

进一步的，权系数的取值依据影响因素对应所属的类别来确定。

进一步的，对于台区性质影响因素，α取值为0.5，β取0.25。

进一步的，对于台区气候影响因素，α取值为0.25，β取0.25。

进一步的，对于台区运行影响因素，α取值为0.25，β取0.5。

与现有技术相比，本发明所达到的有益效果是：本发明对低压台区的理论线损的影响因素进行量化分析，并综合多种关联度分析方法得到综合关联度分析，为理论线损的进一步统计估算提供了分析的依据，提升了理论线损估算的准确性。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明的一种基于综合关联度的低压台区线损影响因素分析方法，参见图1所示，包括以下过程：

步骤1，确定台区线损的影响因素，并对影响因素进行分类明确每个影响因素所属的类别。

将台区线损的影响因素分为三类：台区性质、台区气候和台区运行影响因素数据，下面对每类影响因素具体包含的影响因素进行详细描述。

其中，台区性质影响因素，包括：

1)供电半径X₁(单位：m)：X₁指台区最远负荷点距离配电变压器的线路距离，常作为判断网架结构是否合理的参数；

2)低压线路总长度X₂(单位：m)：X₂指台区所有低压线路长度之和，考虑到电力公司对低压线路总长度很难采集，或者误差过大，利用台区户数、地理位置进行修正：

X₂＝α_in+λX₁ (1)

其中，α_i为地理位置修正系数，n为台区户数，λ为台区变压器距分支箱的平均修正系数，X₁为供电半径。

3)变压器容量X₃(单位：KVA)：一个台区的变压器的容量代表着一个台区的用电水平，考虑到容量和户数息息相关，利用台区下所有用户平均的容量反应台区居民的用电水平。即一个台区的变压器的容量为台区下所有用户平均的容量；

台区气候影响因素，包括：

1)台区温度X₄(单位：℃)。温度直接影响电阻的大小，而电阻直接影响线损，因此温度也是线损的影响因素；

2)台区湿度X₅(单位：％RH)：下雨天容易导致温度的大幅度改变，并且人体体感对湿度很敏感，易导致用电习惯的改变，从而影响线损率；

3)风速级别X₆(单位：级)；风速的大小常伴随着温度以及天气的骤降，因此有必要判断风速是否与线损率有很强的关系。

台区运行影响因素，包括：

1)三相不平衡度X₇(单位：％)：当三相不平衡时，零线电流不再为零，零线上将产生巨大的可变损耗，从而影响线损率。

三相不平衡度的计算如下：

其中，maxI_i(t)为t时刻A、B、C三相电流的最大值，I_av(t)为t时刻三相电流的平均值，T为当天内数据采集次数。

2)功率因数X₈(cosθ)：功率因数指变压器侧有功与无功的夹角，一定程度上反映了用电性质，下为功率因数的计算公式：

由上式，P(t)和Q(t)为t时刻有功和无功功率，T为当天内数据采集次数，显然，在相同的输出功率下，功率因数下降负载电流升高，对线损率将产生影响。

3)负载率X₉(％)。在电网运行过程中，重载(指台区用电量大)会导致线路电流上升，电流的提高会导致线损率急剧上升，负载率计算公式为：

式中：P_avg为台区平均日用电量；P_max为当月台区最大日用电量。

4)形状系数X₁₀(％)。负荷形状系数又称为负荷曲线特征系数，描述线路首段负荷起伏变化特征的参量，指均方根电流与平均电流的比值。

5)台区运行参数X₁₁～X₁₂。指有功、无功功率值。(此处有功和无功功率是指变压器处的功率，表示台区用电情况，用户用电高时，电流会显著提高，从而影响线损，无功影响电压)

步骤2，获取各影响因素的多个历史样本数据，对各影响因素数据进行标准化处理，以降低统计数据的影响和数据的量纲干扰。

考虑电气量的取值范围和单位均不同，为了不受量纲的干扰，需要对原始数据进行标准化处理。

设每个影响因素的历史样本个数为N个，标准化方法如下：

式中：x_ij指第j个影响因素的第i个样本，Z_ij为标准化处理后的量；

为第j个影响因素N个历史样本数据的平均值；s_ij为第j个影响因素的第i个样本的方差，i＝1,2,…,N，j＝1,2,…,M，N为历史样本总数，M为影响因素的总数。

步骤3，分别采用斯皮尔曼关联度、灰色关联度、余弦关联度方法来评估影响因素与台区线损的关联度，获取对应各影响因素的三个评估数值。

本发明基于斯皮尔曼系数、灰色关联度、余弦系数分别从不同方面综合评估影响因素与线损关联度来尽可能减少统计数据的误差和反映客观情况。

斯皮尔曼关联度分析，包括以下过程：

假设线损率序列为Y，所对应的第i个元素Y_i，任一影响因素序列为X，所对应的第i个元素为X_i，各有N个数据。例如，以影响因素为电流为例，影响因素序列为一个月每日的电流数据，对应的线损率序列就是一个月每日的线损率。

将两个序列转换为各元素在序列中的排名序列(即将序列中各元素数值从大到小排列，比如序列为{3，5，2}，则排名序列为{2,1,3}，即第一个元素3在整个序列中排第2，第二个元素5排第1，第三个元素2排第3)，记为R(X_i)和R(Y_i)。

计算影响因素和线损率的两个序列中对应元素的R(X_i)和R(Y_i)之间的差异d，公式如下：

根据下式计算两个序列的相关性ε₁：

此相关性数值ε₁即为采用斯皮尔曼关联度方法评估出的影响因素和线损率之间关联度的评估数值。

灰色关联度分析，包括以下过程：

灰色关联度只与影响因素序列和线损率序列的几何形状有关，与其在空间所处的位置无关，能突出局部因素间的相互关系，适用于运行因素的与线损率的关联度分析。

记第i个影响因素序列为X_i，第i个影响因素的第j个样本数据为X_i(j)，有n个样本数据，线损率序列记为X₀，线损率的第j个样本数据为X₀(j)，有n个样本数据；影响因素序列和线损率序列的计算公式为：

其中，X₀指线损率序列，X_i指第i个影响因素序列，n指序列的元素个数。

令几何因子β₀，β_i为

其中t指时间。

则两个序列的相关性ε₂为：

此相关性数值ε₂即为采用灰色关联度方法评估出的影响因素和线损率之间关联度的评估数值。

余弦关联度，包括以下过程：

余弦系数反应序列的波动情况，在进行标准化的前提下，利用两个向量的夹角余弦能反应序列的变化情况。若相关度越高，则结果越接近1；若结果越小，则越不相关。

对于(x₁,y₁)，(x₂,y₂)二维向量，余弦计算公式有：

在本发明中，影响因素序列和线损率序列是一维数据，因此应用此余弦关联度方法时，y₁和y₂是置0的。

记某影响因素序列第i个元素与线损率序列第i个元素的余弦为cosθ_i，假设共有N个数据元素，共有N-1个余弦系数，则两个序列的余弦相关性结果为：

此相关性数值ε₃即为采用余弦关联度方法评估出的影响因素和线损率之间关联度的评估数值。

步骤4，依据影响因素的所属类别和评估数值，计算获得影响因素的综合关联度评估值，依据综合关联度评估值确定影响因素对台区线损的影响程度。

上述三种关联度分析方法中，斯皮尔曼关联度应对台区统计数据而非测量数据序列，淡化统计中的近似和误差；灰色关联度侧重时间维度下数据的波动、几何形状的相关性；余弦系数关联度侧重于两个序列的波动情况大小。

利用三种方法综合分析更能客观的反应台区线损率关联关系，本发明中将三个方法计算出的评估数值分别乘上相应系数后的算术和作为此影响因素的综合关联度评估值。即，影响因素的综合关联度评估值计算公式如下：

ξ＝αε₁+βε₂+(1-α-β)ε₃ (11)

其中ξ为综合关联度评估值，α为对应斯皮尔曼关联度方法的权系数，β为对应灰色关联度方法的权系数，(1-α-β)为对应余弦关联度方法的权系数。权系数的取值依据影响因素对应所属的类别来确定。

对于台区性质影响因素而言，供电半径、低压线路总长度、变压器容量均为供电公司统计数据，统计数据存在人为误差。因此，α在此取0.5，β取0.25；此取值是经验值。

对于台区气候影响因素，考虑到主要研究气候变动的大小是对线损率的影响，因此α这里取0.25，β取0.25；

其中台区运行因素均为随着时间的序列，因此α这里取0.25，β取0.5。

根据综合关联度计算公式计算出会有每个影响因素的综合关联度数值大小，数值越大说明影响因素对台区线损的影响越大。

每个影响因素的综合关联度数值排序，并对不同类别的影响因素分级，给电力公司提供高损台区管理理论基础。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (4)

1.一种基于综合关联度的低压台区线损影响因素分析方法，其特征是，包括以下过程：

S1，确定台区线损的影响因素，并对影响因素进行分类；

S2，获取各影响因素的多个历史样本数据，对各影响因素数据进行标准化处理；

S3，分别采用斯皮尔曼关联度、灰色关联度、余弦关联度方法来评估影响因素与台区线损的关联度，获取对应各影响因素的三个评估数值；

S4，依据影响因素的所属类别和评估数值，计算获得影响因素的综合关联度评估值，依据综合关联度评估值确定影响因素对台区线损的影响程度；

影响因素分为三类：台区性质、台区气候和台区运行影响因素；

台区性质影响因素包括供电半径、低压线路总长度和变压器容量；台区气候影响因素包括台区温度、台区湿度和风速级别；台区运行影响因素包括三相不平衡度、功率因素、负载率、形状系数和台区运行参数；

对各影响因素数据进行标准化处理的过程为：

设每个影响因素的历史样本个数为N个，标准化方法如下：

式中：x_ij指第j个影响因素的第i个样本，Z_ij为标准化处理后的量；

为第j个影响因素N个历史样本数据的平均值；s_ij为第j个影响因素的第i个样本的方差，i＝1,2,…,N，j＝1,2,…,M，N为历史样本总数，M为影响因素的总数；

影响因素的综合关联度评估值计算公式如下：

ξ＝αε₁+βε₂+(1-α-β)ε₃ (11)

其中ξ为综合关联度评估值，ε₁为采用斯皮尔曼关联度方法评估出的影响因素和线损率之间关联度的评估数值，ε₂即为采用灰色关联度方法评估出的影响因素和线损率之间关联度的评估数值，ε₃即为采用余弦关联度方法评估出的影响因素和线损率之间关联度的评估数值，α为对应斯皮尔曼关联度方法的权系数，β为对应灰色关联度方法的权系数，(1-α-β)为对应余弦关联度方法的权系数；

权系数的取值依据影响因素对应所属的类别来确定。

2.根据权利要求1所述的一种基于综合关联度的低压台区线损影响因素分析方法，其特征是，对于台区性质影响因素，α取值为0.5，β取0.25。

3.根据权利要求1所述的一种基于综合关联度的低压台区线损影响因素分析方法，其特征是，对于台区气候影响因素，α取值为0.25，β取0.25。

4.根据权利要求1所述的一种基于综合关联度的低压台区线损影响因素分析方法，其特征是，对于台区运行影响因素，α取值为0.25，β取0.5。

Images