CN111507013A - 一种面向电力系统线损故障定位实现方法 - Google Patents
一种面向电力系统线损故障定位实现方法 Download PDFInfo
- Publication number
- CN111507013A CN111507013A CN202010341919.2A CN202010341919A CN111507013A CN 111507013 A CN111507013 A CN 111507013A CN 202010341919 A CN202010341919 A CN 202010341919A CN 111507013 A CN111507013 A CN 111507013A
- Authority
- CN
- China
- Prior art keywords
- line loss
- fault
- loss
- analysis
- abnormal
- 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 44
- 238000004458 analytical method Methods 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 57
- 238000003745 diagnosis Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000005094 computer simulation Methods 0.000 claims abstract description 11
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 73
- 238000009826 distribution Methods 0.000 claims description 27
- 238000007726 management method Methods 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000013178 mathematical model Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012098 association analyses Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 238000013499 data model Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 7
- 238000000605 extraction Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Abstract
本发明公开了一种面向电力系统线损故障定位实现方法,通过线损业务数据模拟建模、线损模拟计算故障定位分析、构造故障信息库以及基于故障信息库进行,故障特征的提取,确定相应对象的条件属性和决策属性,通过关联规则进行故障模式的探索,定位故障区段,并将故障模式转换为简易文字叙述及输出;本方案结合了虚拟技术的故障与线损联动,加速工作人员及逆行线损计算故障诊断信息处理工作,加快故障定位速度,提升故障处理效率,对故障进行准确定位,为持续降损提供可靠的保障。
Description
技术领域
本发明为电力信息化系统建设领域,涉及电力业务实际运维过程中线损业 务,为提升线损管理各专业人员管理水平及解决线损故障等问题。
背景技术
随着国家电力政策不断的变化,电力市场竞争日益突显,管理水平的提高、 内部潜力的发掘、提高经济效益等是供电企业面临的问题。线损率是电网经营企 业一个综合性的核心经济技术指标,加强线损管理是电网经营企业一项长期的战 略任务和系统工程。目前,线损统计的准确性完全依赖于源端营销应用、电网设 备(PMS)、用电采集、电能量采集、电网GIS、SCADA等多个系统数据质量,但由 于数据涉及专业多,集成范围广,目前数据一致性和同步治理比较困难;另外, 线损计算涉及发、购、输、配、用多个环节,需要通过多种计算模型汇总数千万 的计量点电量生成,导致发现线损异常和线损计算故障定位十分困难。同时各级 线损管理人员难以全面了解影响线损统计的现场故障、源头业务系统、线损系统数据全链路关联关系。
目前,当线损统计异常时,异常排查效率低下,不能高效及时解决问题。急 需开展电网线损多源数据模拟与故障仿真技术研究,利用虚拟技术的故障与线损 数据联动模拟仿真技术提升线损管理各专业人员管理水平,熟练故障定位方法, 提升公司线损精益化管理能力,为公司持续降损提供有效支撑,从而确保电力发 展持续、健康,才能为经济型社会发展提供可靠的能源保障,也是努力实践“四 个服务”的企业宗旨,建设“一强三优”现代、国际化企业的必然要求。
发明内容
针对上述方法的不足,本发明提供一种结合了虚拟技术的故障与线损联动模 拟建模分析,加速工作人员进行线损计算故障诊断信息处理工作,加快故障定位 速度,提升故障处理效率,对故障进行准确定位,为持续降损提供可靠保障的咸 顿故障定位实现方法。
本发明解决其技术问题而采取的技术方案是:一种面向电力系统线损故障定 位实现方法,其特征在于,包括:
S1:线损业务数据模拟建模
基于预采集的历史线损业务数据构建数据模型,数据模型用于图形化运营和 管理过程中涉及的业务概念和业务规则,分为三个部分:
(1)围绕主题域面向对象结构建模
(2)自上而下、逐级深入设计
(3)自下而上进行验证
主题域分为一级主题域与二级主题域,通过两级主题域分析结合设备拓扑信 息关系分析完成相关业务中需要的计算模型,包括同期电量计算模型、线损异常 分析模型、电量计算分析模型、线损四分统计计算模型;
S2:线损模拟计算故障定位分析
基于S1的计算模型,对线损故障诊断与定位进行判断,包括线损异常分析, 主要针对线损率为负值或异常高值进行监控,通过获取准确的线损率对其异常情 况做出判断,分析异常原因,进行故障定位:
(1)结合线损业务现状,归纳线损异常类别
基于线损异常分析业务活动,对线损异常分类:电量异常、线损异常、档案 异常、运行异常、采集异常;
(2)采用多种数学模型对各种线损异常进行分析
基于线损异常分析,对一定为的高损/异损设备进行原因定位,综合母线平 衡、变压器损失、线路损失情况,精确定位产生高损/异损的关口,得到馈线高 损诊断模型,从供电侧开始,结合营配贯通、负载率、配变构成、用户构成、设 备投运年限情况逐步定位产生高损/异损的原因;
在具体分析中采用了大量数学模型结合线损业务现状进行异常预警分析,柄 将分析结果应用于下一步:
(1)同期系数分析方法;
(2)电量线损突变分析方法;
(3)配网异常既有因素概率分析方法;
(4)线损与电量相关性分析方法;
S3:构造故障信息库
包括关口电量采集异常诊断库、关口计量装置异常诊断库、线路异常诊断库、 台区异常诊断库;
(1)关口电量采集异常诊断库
针对关口电量采集异常,主要为站采集成功率抵于阀值:
1)站采集成功率为零,即该站所有采集设备不能正常反馈,通信系统故障
2)采集成功率在30%-100%之间,即某部分通信模块出现问题,可归为通信 系统问题;
(2)关口计量装置异常诊断库
针对变电站的线损环比指标变化幅度,得到变电站存在运行异常的结果;
(3)线路异常诊断库
针对线路高损,线路高损受公、专变档案、采集成功率影响;
(4)台区异常诊断库
这对台区档案异常,重点排查三相不平衡台区和轻载重载台区;
故障诊断及定位需基于上述采集、分析、整理的数据,结合大数据技术,构 造故障信息数据库;
S4:再基于故障信息数据库,提取故障特征,确定相应对象的条件属性和决策属性,通过关联规则进行故障模式的探索,定位故障区段,并将故障模式转换为简 易文字叙述及输出。
通过上述设置,S1的模拟建模分析计算,相对现有的报表模型和电行OLAP 数据分析模型,本方案采用的业务关联性强、准确性高的线损计算故障分析算法 及模型,可以支撑数据深层次分析的需要,以从海量复杂变化的数据中进行提取 并加以利用进而进行准确的故障定位,再进一步的通过线损四分统计计算模型实 现模型统一化管理,使线损业务管理人员可以快速高效完成对四分模型的配置修 改;使系统内的电量计算与线损计算等统一完成一体化配置,从而满足总部、省、 市、县、供电所各级单位电量与线损多元化管理需求;
相对于现有技术,S2的线损模拟计算故障定位分析,先对于当前的线损业 务现状,本方案基于线损率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,通过降低线损率打提高经济与社会效益,通过获得确定的线损 率对其是否存在异常进行精准判断,分析异常原因,进行故障定位,基于管理型 问题多为偶然性的认为因素,相应的线损率异常呈短暂性和不连续性的特点,而 技术问题是长期性的,从而使得线损率异常呈连续性的特点,对造成线损率异常 的原因进行分析判断。
相对于现有技术,S3构造故障信息库,相对于现有技术的复杂且处理速度一 般的数据库模型,本方案的故障诊断及定位模型,应用大数据技术,构造故障信 息数据库,提取故障特征确定相应对象的条件属性和决策属性,通过关联规则进 行故障模式的探索,定位故障区段,并将故障模式转换为简易文字叙述,便于工 作人员进行线损计算故障诊断信息处理,加快故障定位的速度,提升故障处理效 率,设置多种的异常诊断库逐一分析,并对分析结果进行归档供业务专员进行查 询和管理。
优选的,所述一级主题域包括设备、电网、客户;所述二级主题域包括客户 档案、用电计量、营销帐户、客户变更、电网拓扑、运行方式、电能质量、线损、 变电设备、输电设备、配电设备、资产设备、规格型号。
通过上述方案,区分两种主题域,并对主题域进行详细的划分,便于下一步 的建模数据采集和处理。
优选的,所述线损四分统计计算模型包括分区计算模型、分压计算模型、分 元件计算模型、分线路计算模型、分台区计算模型,并实现模型统一化管理。
优选的,所述异常原因分析包括常规异常判断和高损异常诊断:常规异常判 断包括电量差错追补、二次计费分析、抄表时间变动、配变损耗计算、负荷割接 分析、计量监测异常、线变对应关系不准、表计残旧分析、功率因数低、用户CT 饱和、三相不平衡、负荷率分析;高损异常诊断包括利用智能电表数据,定位是 技术线损还是管理线损,按照档案问题、供售波动分析、分层异常、实时线损异 常、小时线损异常、电网质量数据超标逐级挖掘定位高损单元。
优选的,所述关联规则包括关联分析技术,通过分析给定的值在数据库中挖 掘出更多的关联规则,将挖掘出的关联规则应用于故障诊断信息输出。
优选的,所述S4步骤的简易文字叙述及输出,可用于生成配电网派工工单, 所述输出结果可通过派工工单的处理结果及评价进行纠正,所述纠正结果可用于 S1模拟建模的历史线损业务数据。
综上所述,本方案的有益效果:本发明公开了一种面向电力系统线损故障定 位实现方法,通过线损业务数据模拟建模、线损模拟计算故障定位分析、构造故 障信息库以及基于故障信息库进行,故障特征的提取,确定相应对象的条件属性 和决策属性,通过关联规则进行故障模式的探索,定位故障区段,并将故障模式 转换为简易文字叙述及输出;本方案结合了虚拟技术的故障与线损联动,加速工 作人员进行线损计算故障诊断信息处理工作,加快故障定位速度,提升故障处理 效率,对故障进行准确定位,为持续降损提供可靠的保障。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明 还可以采用其他不同于在此描述范围内的其他方式来实施,因此,本发明的保护 范围并不受下面公开的具体实施例的限制。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一 个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量 可以为多个,术语“一”不能理解为对数量的限制。
1.线损业务数据模拟建模
面对源端营销应用、电网设备(PMS)、用电采集、电能量采集、电网GIS、 SCADA等几大系统数据采集的海量复杂的电力数据,简单的报表模型和典型的 OLAP数据分析模型已难以支撑数据深层次分析的需要,需要研究设计业务关联性 强、准确性高的线损计算故障分析算法及模型,才能从海量复杂变化的数据中进 行提取并加以利用进而进行故障定位。
线损业务数据可分为两级主题域,分别为:
一级主题域模型:主要涉及设备、电网、客户这三个一级主题域。
二级主题域模型:主要涉及客户档案、用电计量、营销帐户、客户变更、电 网拓扑、运行方式、电能质量、线损、变电设备、输电设备、配电设备、资产设 备、规格型号等多个二级主题域。
依据数据主题域分析,可分为变电站、线路、台区、变压器、高低压用户等 多种档案模型;依据设备拓扑信息关系分析,可分为分压、分区、分元件、分台 区四种类型的计算模型及完成相关业务中需要的各种计算模型,包括同期电量计 算模型,线损异常分析模型、电量计算分析模型等。
线损四分统计计算模型主要包括如下:
分区计算模型:区域模型计算根据区域关口信息建立一定区域内的线损计 算模型,区域模型依据区域层级和关口分为省、地市、县三类计算模型。
线损率=(区域内的总供入电量-区域内的总供出电量)/区域内的总供入电 量*100%
区域内的总供入电量=∑区域供电量
区域内的总供出电量=∑区域售电量
分压计算模型:依据电网的电压划分为不同级别的分压线损模型,对一定区 域内同一电压级别电路线损建立线损模型,并完成模型线损计算功能。
线损率=(模型的总供入电量-模型的总供出电量)/模型的总供入电量*100%
模型的总供入电量=∑上级转入+∑电厂供入+∑同级转入
模型的总供出电量=∑下级转出+∑高压用户电量+∑同级转出+∑下级反送+ ∑反送上级
分元件计算模型:建立一套计算站及站内各元器件、办公用电的处理模型, 并依据模型计算各部分设备的电量损耗情况等。
线损率=(模型的计量点总供入电量-模型的计量点总供出电量)/模型的计 量点总供入电量*100%。
模型的计量点总供入电量=∑配置输入计量点电量
模型的计量点总供出电量=∑配置输出计量点电量
分线路计算模型:计算某一路线路的进出电量,计算线路上的电量损失情况。
线损率=(线路计量点总供入电量-线路售电量电量)/线路计量点总供入电 量*100%
线路计量点总供入电量=∑配置输入计量点电量
线路售电量=∑线路输出电量
分台区计算模型:建立与台区关口关系,取得台区对应的台区总表及台区下 所属的用电用户关系,根据台区计算模型进行计算。
线损率=(台区总表电量-台区售电量)/台区总表电量*100%
台区总表电量=台区K总抄见+K总调整电量
台区售电量=∑台区用户售电
实现模型统一化管理,使线损业务管理人员可以快速高效完成对四分模型的 配置修改;使系统内的电量计算与线损计算等统一完成一体化配置,从而满足总 部、省、市、县、供电所各级单位电量与线损多元化管理需求。
2.线损模拟计算故障定位分析
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,是电力部门日常管理工作中所关注的重要内容。降低线损率能够 带来非常可观的经济与社会效益。线损故障诊断与定位需要依赖于对线损率异常 的判断。线损率异常主要表现为线损率为负值或异常高值。获得确定的线损率之 后对其是否存在异常作出判断,分析异常原因,进行故障定位。造成线损率异常 的原因有管理性问题、也有技术性问题,管理性问题多为偶然性的人为因素,相 应的线损率异常呈短暂性和不连续性的特点;而技术性问题是长期性的,从而使 得线损率异常呈连续性的特点。
(1)结合线损业务现状,归纳线损异常类别
在线损异常分析业务活动中,线损异常可以为分电量异常,线损异常,档案 异常,运行异常,采集异常。
电量异常:主要是通过连续考查计量点的表计数值,分析该计量点电量的变 化情况,以确定其是否存在电量突增、突减或占比突变的情况。
线损异常:主要是通过计算考核客体(线路、台区等)的线损指标,结合一 些关联信息和参考数据,分析出该线损异常的可能成因,进而作出定性判断。
档案异常:主要暴露的是管理方面的问题,具体表现为一些考核客体的档案 信息与生产环境的真实信息不符。
运行异常:主要是通过对采集系统反馈的数据信息进行对比分析,发现运行 状态与正常水平发生偏离的考核客体,比如:关口失压断相、关口表计电流过载。
采集异常:主要是通过对考核客体的运行时数据采集成功率的分析,发现采 集通讯系统的问题。
各类线损异常所异常的问题可以归结为:通信问题、计量问题、档案问题、 疑是窃电、经济运行、设备问题。
异常原因分析涵盖了电量差错追补、二次计费分析、抄表时间变动、配变损 耗计算、负荷割接分析、计量监测异常、线变对应关系不准、表计残旧分析、功 率因数低、用户CT饱和、三相不平衡、负荷率分析等常规异常判别。在高损异常 诊断中需要充分利用智能电表数据,定位是技术线损问题还是管理线损问题,按 照档案问题、供售波动分析、分层异常、实时线损异常、小时线损异常、电网质 量数据超标等异常判断来逐级挖掘定位高损单元。
(2)采用多种数学模型对各种线损异常进行分析
线损异常分析设计是数学模型和大数据技术有机集成,采用数据相关性分 析、聚类分析等分析手段,对已定位的高损/异损设备进行原因定位。综合母线平 衡、变压器损失、变电站损失、线路损失情况,精确定位产生高损/异常线损的关 口;实现高损馈线高损诊断模型,从供电侧开始,结合营配贯通、负载率、配变 构成、用户构成、设备投运年限等情况逐步定位产生高损/异常线损的原因。
在具体异常分析中需要采用大量数学模型,结合线损业务现状,使用以下关 键指标来进行异常预警分析。
A、同期系数分析方法
判定原理
统计线损供售数据不同期,造成线损结果数据失真,无法真实反映线损情况。 同期线损结果受抄表手段影响,很难做到电量计算完全准确。同期系数利用同期 线损结果和统计线损结果相比对,能够反映供售数据的同期程度,同期程度越大 线损率的精确度就越高,反映线损管理规范化和标准化水平就越高,如果同期系 数较低,可能在管理线损上存在问题。
计算算法
当供、售电量抄表不同期时,供、售电当月上下表底之间日期并集之间的天 数为同期天数D1,当月天数为D2;
当供、售电量抄表不同期时,供、售电当月上下表底之间日期并集之间的电 量为同期电量为E1,上表底为e1,下表底为e2,E1=(e2-e1)*倍率;当月电量为E2, 上表底为e3,下表底为e4,E2=(e4-e3)*倍率。
结果应用
这里的系数T就是同期系数,同期系数越大,越接近于1,则供、售电抄表 的同期程度越高,线损的的精准程度则越高。反之,同期系数越低,可能配网管 理线损上有隐患和漏洞,特别需要核对发行电量是否有估抄表现象。
B、电量线损突变分析方法
四分位数模型说明
利用四分位模型计算出四分位差,四分位差越小,说明中间部分的数据越集 中;四分位数越大,则意味着中间部分的数据越分散。我们运用四分位数模型检 测关口计量点日电量突变情况,把超出规定范围内的数据确定为异常数据。
四分位差计算算法
选取n天日电量作为一组数据,将n项数据从小到大排列
(1)当n为奇数时:Q1的位置=(n+1)×0.25
Q2的位置=(n+1)×0.5
Q3的位置=(n+1)×0.75
根据位置找到Q1,Q2,Q3具体数值;
(2)当n为偶数时:若一组采用30天的电量数据,将这30项数据从小到大 排列。这时按上面公式计算四分位数的位次就可能带有小数。如下所示:
Q1的位置=(n+1)×0.25=7.75
Q2的位置=(n+1)×0.5=15.5
Q3的位置=(n+1)×0.75=23.25
则此时:
Q1=0.25*x7+0.75*x8
Q2=0.25*x15+0.75*x16
Q3=0.25*x23+0.75*x24
确定Q1、Q3具体数值。
结果应用
此时把Q1作为正确数据的最小值,Q3作为正确数据最大值,当选取的这组 数据中存在小于最小值的50%或大于最大值50%的数据,则这组数据就定为异常数 据。以上方法对于检查电量特别有效。
C、配网异常既有因素概率分析法
叶贝斯法则原理
事件A在事件B(发生)的条件下的概率,与事件B在事件A的条件下的概率 是不一样的;然而,这两者是有确定的关系,贝叶斯法则就是这种关系的陈述。运 用叶贝斯法则计算当知道异常现象A发生在多种异常事件B发生的条件下的概率, 来计算多种异常事件B在异常现象A发生的条件下的概率。
配网异常概率计算
假设A事件为90%-100%的高损台区,共有M台区线损率为90%-100%,B事件 为造成高损的事件组成{B1、B2、B3、…、Bn},这些事件分别包含的台区数为{m1、 m2、m3…mn};
根据贝叶斯公式,得出出现A事件时B1事件发生概率
根据全概率公式有:
P(A)=P(B1/A).P(B1)+P(B2/A).P(B2)+…+P(Bn/A).P(Bn)
结果应用
经以上计算出的P(B1/A)就是在异常事件B1在异常现象A发生的条件下的 概率值,同理可以求出B2、B3等异常事件的概率,则概率值最大的异常事件就是 异常现象A出现的情况下发生异常情况可能性最大的。
D、线损与电量的相关性
相关系数模型
相关系数是用以反映变量之间相关关系密切程度及其相关方向的统计指标, 利用相关系数的性质,可以找出线损波动与那个台区电量波动呈相关程度及其相 关方向,从而提高了降损效率。
相关系数算法
相关系数ρXY取值在-1到1之间;
当ρXY=0时,称X,Y不相关;
当|ρXY|=1时,称X,Y完全相关,此时,X,Y之间具有线性函数关系;
当|ρXY|<1时,X的变动引起Y的部分变动,ρXY的绝对值越大,X的 变动引起Y的变动就越大,|ρXY|>0.8时称为高度相关,当0.5<|ρXY|<0.8 时称为显著相关,当0.3<|ρXY|<0.5时,成为低度相关,当|ρXY|<0.3时, 称为无相关。
线损与电量相关系数应用
假设线损率为X,电量为Y,计算X与Y的相关系数ρXY,选取一组线损率与 电量,用四分位法剔除异常数据(高损、负损),剔除电量为0的数据,计算线损 率与台区电量的相关系数ρXY,在满足相关性的条件下,ρXY为正数时,成正相 关,ρXY为负数时,成负相关。
3.构造故障信息库
故障诊断及定位过程涉及信息量大,工作复杂,应用大数据技术,构造故障 信息数据库,提取故障特征,确定相应对象的条件属性和决策属性,通过关联规 则进行故障模式的探索,定位故障区段,并将故障模式转换为简易文字叙述,便 于工作人员进行线损计算故障诊断信息处理,加快故障定位的速度,提升故障处 理效率。
异常诊断十分复杂,需要通过异常诊断库才能实现异常线路或台区异常情况 逐一分析,并对分析结果进行归档形成以下几种异常原因的诊断库,可供业务专 家查询和管理。
(1)关口电量采集异常
关口电量异常主要表现为站采集成功率低于阀值。一般地,若站采集成功率 为零,即该站所有采集设备都不能正常反馈采集信息,则可以推断出是通信系统 出现故障。如果存在采集成功率在30%至100%之间浮动,则说明某部分通信模块 出现问题。采集异常基本上可以归结为通信系统的问题。
(2)关口计量装置异常
在没有特殊的情况下,变电站的线损环比指标的变化幅度应该不会太大。如 果该环比指标变化出现较大波动,同时当时站损超过规定指标则说明变电站存在 运行异常。
(3)线路异常
线路高损受公专变档案、采集成功率影响,很容易被误诊为高损线路,发现 真正由于管理线损和技术线损原因造成高损诊断更加困难,因此,线路高损诊断 模型要求精度更高,灵敏性要求更强。
(4)台区异常
台区档案异常需要重点排查三相不平衡台区和轻载重载台区,治理这些高损 台区能达到降损事半功倍的效果。
关联分析技术是表示数据库中一组对象之间的某种关联关系的规则,其挖掘 的主要对象是事务数据库。
定义:关联分析挖掘的数据集记为T(其一般为事务数据库),设事务集 T={t1,t2,t3,…,tk,…,tn},tk={i1,i2,i3,…,im},其中tk(k=1,2,...,n)称为事务, ip(p=1,2,...,m)称之为项目。
定义:设I={i1,i2,i3,…,il}是T中全体项目组成的集合,I的任何子集X 称为T的项集,如果X的项目集数为k,则称集合X为k项集(k-Itemset)。 设tk和X分别为T中的事务集和项集,如果则称事务集tk包含项 集X。每一个事务集都有一个唯一的标识符。
定义:数据项集X的支持度support(X)=|X(T)|/|T|,其中|X(T)|和|T|分 别表示X(T)和T的元素个数,X(T)为包含X的事务集合,|X(T)|称为X的支持 度计数。若support(X)≥minsupport(最小支持度数),则称X是频繁项集,否 则称之为非频繁项集。
频繁项集具有如下3个性质:
性质1:子集支持。
性质2:非频繁项集的超集也一定是非频繁的。
若A在T中不满足最小支持度条件,即support(A)≥minsupport,则A 的每个超集B也不是频繁的
性质3:频繁项集的子集也是频繁的。
若项集B是数据库T中的频繁项集,即support(B)≥minsupport,则B 的每个子集A也是频繁的。特别的,如果A是频繁,则它的k个基数为k-1 子集也都是频繁的。
支持度表示项集X和Y同时在事务集中出现的概率,其计算公式可用 如下方法表示:
其中,N(X∪Y)表示项集X和Y同时事务集中出现的频率,而N则表 示事务集的总数。
N(X)表示包含项集X的事务个数。
Smin(minsupport)和Cmin(minconfidence)分别表示最小支持度和最小置信 度。
支持度和置信度是描述关联规则的两个重要概念,前者用于衡量关联规则在 整个数据集中的统计重要性,后者用来衡量关联规则的可信程度。一般来说,只 有支持度和置信度均较高的关联规则才可能是用户感兴趣、有用的关联规则。
关联规则具有以下4个性质:
性质1:关联规则具有非结合性。
性质2:关联规则具有不可分解性。
若在T中成立,规则和不一定在T中成立。例如, 当Z只出现在一个事务中时,若X及Y也只出现在其中,即 support(X∪Y)=support(Z),规则就是不可分解的。另外,若X和Y的支持 度与XY的支持度相比足够大,就会使得分解后的两个规则不具有所要求的置信 度,因此规则也不可分解。
性质3:关联规则具有不可传递性。
性质4:关联规则具有可扩展性。
本发明公开了一种面向电力系统线损故障定位实现方法,通过线损业务数据 模拟建模、线损模拟计算故障定位分析、构造故障信息库以及基于故障信息库进 行,故障特征的提取,确定相应对象的条件属性和决策属性,通过关联规则进行 故障模式的探索,定位故障区段,并将故障模式转换为简易文字叙述及输出,通 过输出结果生成工单进行派工,所计算输出的结果数据还可以留作历史线损业务 数据用于模拟建模技术的数据支持库;本方案结合了虚拟技术的故障与线损联动, 加速工作人员及逆行线损计算故障诊断信息处理工作,加快故障定位速度,提升 故障处理效率,对故障进行准确定位,为持续降损提供可靠的保障。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本 创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意 欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明 的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等 同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种面向电力系统线损故障定位实现方法,其特征在于,包括:
S1:线损业务数据模拟建模
基于预采集和数据库内的历史线损业务数据构建数据模型,数据模型用于图形化运营和管理过程中涉及的业务概念和业务规则,分为三个部分:
(1)围绕主题域面向对象结构建模
(2)自上而下、逐级深入设计
(3)自下而上进行验证
主题域分为一级主题域与二级主题域,通过两级主题域分析结合设备拓扑信息关系分析完成相关业务中需要的计算模型,包括同期电量计算模型、线损异常分析模型、电量计算分析模型、线损四分统计计算模型;
S2:线损模拟计算故障定位分析
基于S1的计算模型,对线损故障诊断与定位进行判断,包括线损异常分析,主要针对线损率为负值或异常高值进行监控,通过获取准确的线损率对其异常情况做出判断,分析异常原因,进行故障定位:
(1)结合线损业务现状,归纳线损异常类别
基于线损异常分析业务活动,对线损异常分类:电量异常、线损异常、档案异常、运行异常、采集异常;
(2)采用多种数学模型对各种线损异常进行分析
基于线损异常分析,对一定为的高损/异损设备进行原因定位,综合母线平衡、变压器损失、线路损失情况,精确定位产生高损/异损的关口,得到馈线高损诊断模型,从供电侧开始,结合营配贯通、负载率、配变构成、用户构成、设备投运年限情况逐步定位产生高损/异损的原因;
在具体分析中采用了大量数学模型结合线损业务现状进行异常预警分析,柄将分析结果应用于下一步:
(1)同期系数分析方法;
(2)电量线损突变分析方法;
(3)配网异常既有因素概率分析方法;
(4)线损与电量相关性分析方法;
S3:构造故障信息库
包括关口电量采集异常诊断库、关口计量装置异常诊断库、线路异常诊断库、台区异常诊断库;
(1)关口电量采集异常诊断库
针对关口电量采集异常,主要为站采集成功率抵于阀值:
1)站采集成功率为零,即该站所有采集设备不能正常反馈,通信系统故障;
2)采集成功率在30%-100%之间,即某部分通信模块出现问题,可归为通信系统问题;
(2)关口计量装置异常诊断库
针对变电站的线损环比指标变化幅度,得到变电站存在运行异常的结果;
(3)线路异常诊断库
针对线路高损,线路高损受公、专变档案、采集成功率影响;
(4)台区异常诊断库
这对台区档案异常,重点排查三相不平衡台区和轻载重载台区;
故障诊断及定位需基于上述采集、分析、整理的数据,结合大数据技术,构造故障信息数据库;
S4:再基于故障信息数据库,提取故障特征,确定相应对象的条件属性和决策属性,通过关联规则进行故障模式的探索,定位故障区段,并将故障模式转换为简易文字叙述及输出。
2.根据权利要求1所述的一种面向电力系统线损故障定位实现方法,其特征在于:所述一级主题域包括设备、电网、客户;所述二级主题域包括客户档案、用电计量、营销帐户、客户变更、电网拓扑、运行方式、电能质量、线损、变电设备、输电设备、配电设备、资产设备、规格型号。
3.根据权利要求1所述的一种面向电力系统线损故障定位实现方法,其特征在于:所述线损四分统计计算模型包括分区计算模型、分压计算模型、分元件计算模型、分线路计算模型、分台区计算模型,并实现模型统一化管理。
4.根据权利要求1所述的一种面向电力系统线损故障定位实现方法,其特征在于:所述异常原因分析包括常规异常判断和高损异常诊断;常规异常判断包括电量差错追补、二次计费分析、抄表时间变动、配变损耗计算、负荷割接分析、计量监测异常、线变对应关系不准、表计残旧分析、功率因数低、用户CT饱和、三相不平衡、负荷率分析;高损异常诊断包括利用智能电表数据,定位是技术线损还是管理线损,按照档案问题、供售波动分析、分层异常、实时线损异常、小时线损异常、电网质量数据超标逐级挖掘定位高损单元。
5.根据权利要求1所述的一种面向电力系统线损故障定位实现方法,其特征在于:所述关联规则包括关联分析技术,通过分析给定的值在数据库中挖掘出更多的关联规则,将挖掘出的关联规则应用于故障诊断信息输出。
6.根据权利要求1所述的一种面向电力系统线损故障定位实现方法,其特征在于:所述S4步骤的简易文字叙述及输出,可用于生成配电网派工工单,所述输出结果可通过派工工单的处理结果及评价进行纠正,所述纠正结果可用于S1模拟建模的历史线损业务数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341919.2A CN111507013A (zh) | 2020-04-27 | 2020-04-27 | 一种面向电力系统线损故障定位实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341919.2A CN111507013A (zh) | 2020-04-27 | 2020-04-27 | 一种面向电力系统线损故障定位实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507013A true CN111507013A (zh) | 2020-08-07 |
Family
ID=71871422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010341919.2A Pending CN111507013A (zh) | 2020-04-27 | 2020-04-27 | 一种面向电力系统线损故障定位实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507013A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035544A (zh) * | 2020-08-29 | 2020-12-04 | 国网信通亿力科技有限责任公司 | 一种配电网数据异常监测和诊断方法 |
CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
CN112737106A (zh) * | 2020-12-10 | 2021-04-30 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种线损异常分段管控方法 |
CN116660672A (zh) * | 2023-08-02 | 2023-08-29 | 国网四川省电力公司乐山供电公司 | 基于大数据的电网设备故障诊断方法及系统 |
CN117132025A (zh) * | 2023-10-26 | 2023-11-28 | 国网山东省电力公司泰安供电公司 | 一种基于多源数据融合的用电监测预警系统 |
CN117708749A (zh) * | 2024-02-05 | 2024-03-15 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
CN117708749B (zh) * | 2024-02-05 | 2024-04-19 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107256443A (zh) * | 2017-04-18 | 2017-10-17 | 国网信通亿力科技有限责任公司 | 基于业务和数据集成的线损实时计算方法 |
CN108020752A (zh) * | 2017-11-10 | 2018-05-11 | 国网浙江省电力公司电力科学研究院 | 一种基于多源贯通相关性的配线线损诊断方法及系统 |
CN109636124A (zh) * | 2018-11-18 | 2019-04-16 | 韩霞 | 基于大数据的电力行业低压台区线损分析方法及处理系统 |
CN110472871A (zh) * | 2019-08-16 | 2019-11-19 | 广东电网有限责任公司 | 一种针对管理线损异常原因的排查方法 |
-
2020
- 2020-04-27 CN CN202010341919.2A patent/CN111507013A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107256443A (zh) * | 2017-04-18 | 2017-10-17 | 国网信通亿力科技有限责任公司 | 基于业务和数据集成的线损实时计算方法 |
CN108020752A (zh) * | 2017-11-10 | 2018-05-11 | 国网浙江省电力公司电力科学研究院 | 一种基于多源贯通相关性的配线线损诊断方法及系统 |
CN109636124A (zh) * | 2018-11-18 | 2019-04-16 | 韩霞 | 基于大数据的电力行业低压台区线损分析方法及处理系统 |
CN110472871A (zh) * | 2019-08-16 | 2019-11-19 | 广东电网有限责任公司 | 一种针对管理线损异常原因的排查方法 |
Non-Patent Citations (7)
Title |
---|
刘翔等: "配电台区线损分析算法与功能设计", 《大众用电》 * |
刘道新 等: "配电网同期线损监测系统的设计与实现", 《电子设计工程》 * |
周树等: "基于关联数据异常分析线损精益化管理研究与系统开发", 《科技创新导报》 * |
杨婧等: "基于大数据的配电网线损定位与评估方法研究", 《中国测试》 * |
林梦寻等: "浅析配电线路线损统计分析系统", 《计算机光盘软件与应用》 * |
邢毓卿等: "台区线损智能化管控模块的开发及应用", 《电力需求侧管理》 * |
黄文思等: "基于大数据的线损计算分析研究", 《电气应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035544A (zh) * | 2020-08-29 | 2020-12-04 | 国网信通亿力科技有限责任公司 | 一种配电网数据异常监测和诊断方法 |
CN112035544B (zh) * | 2020-08-29 | 2022-05-17 | 国网信通亿力科技有限责任公司 | 一种配电网数据异常监测和诊断方法 |
CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
CN112737106A (zh) * | 2020-12-10 | 2021-04-30 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种线损异常分段管控方法 |
CN112737106B (zh) * | 2020-12-10 | 2023-09-26 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种线损异常分段管控方法 |
CN116660672A (zh) * | 2023-08-02 | 2023-08-29 | 国网四川省电力公司乐山供电公司 | 基于大数据的电网设备故障诊断方法及系统 |
CN116660672B (zh) * | 2023-08-02 | 2023-10-10 | 国网四川省电力公司乐山供电公司 | 基于大数据的电网设备故障诊断方法及系统 |
CN117132025A (zh) * | 2023-10-26 | 2023-11-28 | 国网山东省电力公司泰安供电公司 | 一种基于多源数据融合的用电监测预警系统 |
CN117708749A (zh) * | 2024-02-05 | 2024-03-15 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
CN117708749B (zh) * | 2024-02-05 | 2024-04-19 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113159339B (zh) | 一种基于大数据的一台区一指标线损管理方法及系统 | |
CN111507013A (zh) | 一种面向电力系统线损故障定位实现方法 | |
CN106557991B (zh) | 电压监测数据平台 | |
Bialek et al. | Benchmarking and validation of cascading failure analysis tools | |
CN110659273B (zh) | 分布式大数据采集平台的数据异常监控及修复方法 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
CN106570784A (zh) | 电压监测一体化模型 | |
CN107123982B (zh) | 一种基于设备异动的配电网可靠性经济效益分析方法 | |
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
CN106019084A (zh) | 基于配用电数据关联的中压配电网断线故障诊断方法 | |
CN111539604A (zh) | 一种依托电力数据的企业复工复产指数测算监控方法 | |
JP2017536604A (ja) | ノンテクニカルロスを同定するための機械学習の利用 | |
CN116681187B (zh) | 一种基于企业经营数据的企业碳配额预测方法 | |
CN110826228A (zh) | 一种地区电网运行品质极限评估方法 | |
Qiu et al. | Anomaly detection for power consumption patterns in electricity early warning system | |
AU2021106109A4 (en) | Evaluation index screening strategy for lean management of power system line loss under big data environment | |
Shaghaghi et al. | Proposing a new optimized forecasting model for the failure rate of power distribution network thermal equipment for educational centers | |
Roland et al. | Reliability prediction of Port Harcourt electricity distribution network using NEPLAN | |
CN110533291B (zh) | 一种基于风险评估的中压配电网薄弱环节辨识方法 | |
CN111459956A (zh) | 一种工程质量潜在缺陷保险(idi)项目技术风险管理方法及系统 | |
CN116011827A (zh) | 一种用于重点小区的停电监测分析与预警系统及方法 | |
CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
Knight et al. | Computers in power system planning |
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 |
Application publication date: 20200807 |
|
RJ01 | Rejection of invention patent application after publication |