CN110991825A - 基于大数据的线损判定方法 - Google Patents
基于大数据的线损判定方法 Download PDFInfo
- Publication number
- CN110991825A CN110991825A CN201911128337.XA CN201911128337A CN110991825A CN 110991825 A CN110991825 A CN 110991825A CN 201911128337 A CN201911128337 A CN 201911128337A CN 110991825 A CN110991825 A CN 110991825A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- data
- line loss
- transformer substation
- big data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000005611 electricity Effects 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提出了基于大数据的线损判定方法,包括获取当前变电所管辖区域内各变电站处在一个用电周期内收集到的用电数据,将各变电站处收集到的用电数据进行汇总,得到当前变电所处的一个用电周期内的用电大数据;提取变电站在历史用电周期内的用电大数据,与当前变电站所处的一个用电周期内的用电大数据进行对比,基于对比结果判定是否存在线损;如果存在线损,则根据多个用电周期内不同变电站的用电数据判定待维修的变电站线路。通过对变电所下属变电站的用电数据进行汇总,结合历史用电数据进行分析,筛选出可能存在线损的变电站,从而对其管辖的输电线线路进行筛选维修,性对于现有技术能够降低人员工作量,提升工作效率。
Description
技术领域
本发明属于配电安全领域,尤其涉及一种基于大数据的线损判定方法。
背景技术
中国配电网规模庞大,具有点多、线长、面广的特点。线损率作为一种综合反映电力系统中规划设计、生产运行、经营管理水平的经济技术指标,是电力部门日常关联工作中所关注的重要内容。我国对低压客户全面实行分台区管理,台区线损直接反映了一个地区的电网营销管理水平,降低线损率能够带来非常可观的经济与社会效益;但是在降低线损率之前,首先是要诊断出线损异常出现的原因,才能对不合理线损进行分析和预测,从而提供较为科学有效的降损措施。
目前各个台区主要通过线损率计算公式得到线损率数值,然后依照人工设定的合理线损率进行分析哪些台区的线损率出现了异常。这种人工设定台区合理线损率的一刀切方式,缺乏科学依据,也与精益化的管理目标背道而驰。从台区线损计算公式可以看出统计线损率的逻辑并不复杂,但是仍然有很多因素影响着线损率计算的准确性,例如台区的用户采集覆盖情况、台区的户变关系、台区的供电考核电能表档案参数等等,这些因素都会影响台区线损率计算的准确性和正确性。传统数据分析手段在应对这些数据时存在种种局限性,并且工作量巨大且效率不高。
发明内容
为了解决现有技术中存在的缺点和不足,本发明提出了一种基于大数据的线损判定方法,通过对变电所下属变电站的用电数据进行汇总,结合历史用电数据进行分析,筛选出可能存在线损的变电站,从而对其管辖的输电线线路进行筛选维修,性对于现有技术能够降低人员工作量,提升工作效率。
具体的,本实施例提出的基于大数据的线损判定方法,包括:
获取当前变电所管辖区域内各变电站处在一个用电周期内收集到的用电数据,将各变电站处收集到的用电数据进行汇总,得到当前变电所处的一个用电周期内的用电大数据;
提取变电站在历史用电周期内的用电大数据,与当前变电站所处的一个用电周期内的用电大数据进行对比,基于对比结果判定是否存在线损;
如果存在线损,则根据多个用电周期内不同变电站的用电数据判定待维修的变电站线路。
可选的,所述获取当前变电所管辖区域内各变电站处在一个用电周期内收集到的用电数据,将各变电站处收集到的用电数据进行汇总,得到当前变电所处的一个用电周期内的用电大数据,包括:
确定一个用电周期的时长;
对各变电站在用电周期内的用电量进行统计汇总,得到一个用电周期内各变电站的用电数据;
将汇总得到的用电数据按峰谷差率、负荷率、负载率、温度、输电线长度进行分类,得到分类后的用电大数据。
可选的,所述提取变电站在历史用电周期内的用电大数据,与当前变电站所处的一个用电周期内的用电大数据进行对比,基于对比结果判定是否存在线损,包括:
将所述变电站在历史用电周期内的用电大数据中的每项数据与变电站当前用电周期内用电大数据中的每项数据进行对比;
计算每项数据的线损率,对每项数据的线损率进行权重赋值,计算赋值后用于表征变电站线损情况的线损状态值;
如果计算得到的线损状态值高于预设阈值,则判定变电站管辖下的输电线路存在线损。
可选的,所述如果存在线损,则根据多个用电周期内不同变电站的用电数据判定待维修的变电站线路,包括:
计算每个变电站的用电数据的方差值,并对计算得到的方差进行排序;
选取最大方差值对应的变电站作为目标变电站;
对目标变电站下的输电线路进行筛查,确定故障线路并进行维修。
本发明提供的技术方案带来的有益效果是:
基于变电所下属各变电站对自身用电数据汇总得到用电大数据,进而与历史用电大数据进行对比,筛选出明显存在用电异常的变电站,进而对该用电站管辖的输电线路进行排查,确定存在较大线损需要维修的线路进行检修。由于使用了数据处理运算代替传统技术中的人力筛选,因此能够降低人员工作量,提升工作效率。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提出的基于大数据的线损判定方法的流程示意图。
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
实施例一
本申请实施例提出的基于大数据的线损判定方法,如图1所示,包括:
11、获取当前变电所管辖区域内各变电站处在一个用电周期内收集到的用电数据,将各变电站处收集到的用电数据进行汇总,得到当前变电所处的一个用电周期内的用电大数据;
12、提取变电站在历史用电周期内的用电大数据,与当前变电站所处的一个用电周期内的用电大数据进行对比,基于对比结果判定是否存在线损;
13、如果存在线损,则根据多个用电周期内不同变电站的用电数据判定待维修的变电站线路。
在实施中,本申请实施例提出的线损判定方法,基于变电所下属各变电站对自身用电数据汇总得到用电大数据,进而与历史用电大数据进行对比,筛选出明显存在用电异常的变电站,进而对该用电站管辖的输电线路进行排查,确定存在较大线损需要维修的线路进行检修。
具体的,步骤11提出的汇总得到用电大数据的步骤包括:
111、确定一个用电周期的时长;
112、对各变电站在用电周期内的用电量进行统计汇总,得到一个用电周期内各变电站的用电数据;
113、将汇总得到的用电数据按峰谷差率、负荷率、负载率、温度、输电线长度进行分类,得到分类后的用电大数据。
在实施中,这里之所以采用用电大数据是为了基于用电数据中更多属性的数据能够全方位的对线损进行预估,避免单一属性数据在线损判断上带来的局限性。
可选的,步骤12提出的确定线损的步骤,包括:
121、将所述变电站在历史用电周期内的用电大数据中的每项数据与变电站当前用电周期内用电大数据中的每项数据进行对比;
122、计算每项数据的线损率,对每项数据的线损率进行权重赋值,计算赋值后用于表征变电站线损情况的线损状态值;
123、如果计算得到的线损状态值高于预设阈值,则判定变电站管辖下的输电线路存在线损。
在实施中,由于用电数据中每项数据属性不同,代表的意义也不尽相同,因此这里还需要增加对基于每项数据计算得到的线损率进行权重赋值的处理,提升更能反映线损情况的参数的表现力度,使得最终确定的线损状态值能够更好的反映真实情况。
可选的,步骤13中提出的确定故障线路的步骤,包括:
131、计算每个变电站的用电数据的方差值,并对计算得到的方差进行排序;
132、选取最大方差值对应的变电站作为目标变电站;
133、对目标变电站下的输电线路进行筛查,确定故障线路并进行维修。
在实施中,在确定当前变电所处存在线损后,还需要对变电站中的每项用电数据进行求取方差的操作,以便确定具体发生线损的变电站。由于发生线损后输电线路上的众多参数值会发生明显的波动,该波动能够以方差的形式进行体现,因此这里对每个变电站处的用电数据的方差值进行排序,以方差值由大到小的顺序作为判定存在线损故障的目标变电站的依据。
上述实施例中的各个序号仅仅为了描述,不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于大数据的线损判定方法,其特征在于,所述线损判定方法包括:
获取当前变电所管辖区域内各变电站处在一个用电周期内收集到的用电数据,将各变电站处收集到的用电数据进行汇总,得到当前变电所处的一个用电周期内的用电大数据;
提取变电站在历史用电周期内的用电大数据,与当前变电站所处的一个用电周期内的用电大数据进行对比,基于对比结果判定是否存在线损;
如果存在线损,则根据多个用电周期内不同变电站的用电数据判定待维修的变电站线路。
2.根据权利要求1所述的基于大数据的线损判定方法,其特征在于,所述获取当前变电所管辖区域内各变电站处在一个用电周期内收集到的用电数据,将各变电站处收集到的用电数据进行汇总,得到当前变电所处的一个用电周期内的用电大数据,包括:
确定一个用电周期的时长;
对各变电站在用电周期内的用电量进行统计汇总,得到一个用电周期内各变电站的用电数据;
将汇总得到的用电数据按峰谷差率、负荷率、负载率、温度、输电线长度进行分类,得到分类后的用电大数据。
3.根据权利要求1所述的基于大数据的线损判定方法,其特征在于,所述提取变电站在历史用电周期内的用电大数据,与当前变电站所处的一个用电周期内的用电大数据进行对比,基于对比结果判定是否存在线损,包括:
将所述变电站在历史用电周期内的用电大数据中的每项数据与变电站当前用电周期内用电大数据中的每项数据进行对比;
计算每项数据的线损率,对每项数据的线损率进行权重赋值,计算赋值后用于表征变电站线损情况的线损状态值;
如果计算得到的线损状态值高于预设阈值,则判定变电站管辖下的输电线路存在线损。
4.根据权利要求1所述的基于大数据的线损判定方法,其特征在于,所述如果存在线损,则根据多个用电周期内不同变电站的用电数据判定待维修的变电站线路,包括:
计算每个变电站的用电数据的方差值,并对计算得到的方差进行排序;
选取最大方差值对应的变电站作为目标变电站;
对目标变电站下的输电线路进行筛查,确定故障线路并进行维修。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128337.XA CN110991825A (zh) | 2019-11-18 | 2019-11-18 | 基于大数据的线损判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128337.XA CN110991825A (zh) | 2019-11-18 | 2019-11-18 | 基于大数据的线损判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991825A true CN110991825A (zh) | 2020-04-10 |
Family
ID=70085025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911128337.XA Pending CN110991825A (zh) | 2019-11-18 | 2019-11-18 | 基于大数据的线损判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991825A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308248A (zh) * | 2020-11-02 | 2021-02-02 | 国网山东省电力公司滨州市沾化区供电公司 | 一种输电线路杆塔监测管理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104779699A (zh) * | 2014-01-13 | 2015-07-15 | 国网上海市电力公司 | 一种多功能站点线损管理系统 |
US20160117326A1 (en) * | 2014-10-28 | 2016-04-28 | Oracle International Corporation | Correlating consumption and voltage data to identify line loss in an electric grid |
CN106570778A (zh) * | 2016-10-14 | 2017-04-19 | 国网信通亿力科技有限责任公司 | 一种基于大数据的数据集成与线损分析计算的方法 |
CN109472714A (zh) * | 2018-06-11 | 2019-03-15 | 国网浙江海宁市供电有限公司 | 一种基于大数据的线路台区异常分析系统及方法 |
CN109919514A (zh) * | 2019-03-22 | 2019-06-21 | 南方电网科学研究院有限责任公司 | 一种基于线损标杆阈值的台区线损异常检测方法及装置 |
CN110264107A (zh) * | 2019-07-01 | 2019-09-20 | 国网安徽省电力有限公司滁州供电公司 | 一种基于大数据技术的台区线损率异常诊断方法 |
-
2019
- 2019-11-18 CN CN201911128337.XA patent/CN110991825A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104779699A (zh) * | 2014-01-13 | 2015-07-15 | 国网上海市电力公司 | 一种多功能站点线损管理系统 |
US20160117326A1 (en) * | 2014-10-28 | 2016-04-28 | Oracle International Corporation | Correlating consumption and voltage data to identify line loss in an electric grid |
CN106570778A (zh) * | 2016-10-14 | 2017-04-19 | 国网信通亿力科技有限责任公司 | 一种基于大数据的数据集成与线损分析计算的方法 |
CN109472714A (zh) * | 2018-06-11 | 2019-03-15 | 国网浙江海宁市供电有限公司 | 一种基于大数据的线路台区异常分析系统及方法 |
CN109919514A (zh) * | 2019-03-22 | 2019-06-21 | 南方电网科学研究院有限责任公司 | 一种基于线损标杆阈值的台区线损异常检测方法及装置 |
CN110264107A (zh) * | 2019-07-01 | 2019-09-20 | 国网安徽省电力有限公司滁州供电公司 | 一种基于大数据技术的台区线损率异常诊断方法 |
Non-Patent Citations (2)
Title |
---|
储海峰等: "台区低压线损故障识别与治理", 《山东工业技术》 * |
徐飞等: "基于电力大数据的配电网同期线损管理", 《安徽电力》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308248A (zh) * | 2020-11-02 | 2021-02-02 | 国网山东省电力公司滨州市沾化区供电公司 | 一种输电线路杆塔监测管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069527A (zh) | 一种基于数据挖掘技术的台区合理线损预测方法 | |
CN107798395A (zh) | 一种电网事故信号自动诊断方法及系统 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN103995962A (zh) | 一种配用电线损实时在线计算分析方法 | |
CN102637288A (zh) | 一种用于供电企业台区线损分析的方法 | |
CN115018139A (zh) | 基于相间特征的电流互感器误差状态在线辨识方法及系统 | |
CN113487447A (zh) | 一种基于大数据的配电网负荷预测及线损成因分析方法 | |
CN104539051A (zh) | 一种智能变电站二次设备在线评估系统 | |
CN103632311A (zh) | 一种电网运行故障排查系统及方法 | |
CN104410163A (zh) | 一种基于电能管理系统的安全生产与节能方法 | |
CN104820884A (zh) | 一种结合电力系统特征的电网调度实时数据稽查方法 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN109472388B (zh) | 一种基于损耗的保电设备故障预警方法和系统 | |
CN113112136A (zh) | 一种配电网可靠性综合评估方法及系统 | |
CN104834305B (zh) | 基于dms系统的配网自动化终端遥测异常分析系统及方法 | |
CN115270974A (zh) | 基于大数据分析的智能窃电检测系统 | |
CN112015724A (zh) | 一种对电力运营数据计量异常进行分析的方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN110991825A (zh) | 基于大数据的线损判定方法 | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
CN113471864A (zh) | 一种变电站二次设备现场检修装置及方法 | |
CN106682817B (zh) | 一种采集异常紧急程度的判定方法 | |
CN115528686B (zh) | 基于边缘计算的分布式配电故障处理系统及方法 | |
CN109670550B (zh) | 一种配电终端检修决策方法和装置 | |
CN108335014B (zh) | 负荷分析方法、装置、存储介质和处理器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |