CN113159339B - 一种基于大数据的一台区一指标线损管理方法及系统 - Google Patents
一种基于大数据的一台区一指标线损管理方法及系统 Download PDFInfo
- Publication number
- CN113159339B CN113159339B CN202110422251.9A CN202110422251A CN113159339B CN 113159339 B CN113159339 B CN 113159339B CN 202110422251 A CN202110422251 A CN 202110422251A CN 113159339 B CN113159339 B CN 113159339B
- Authority
- CN
- China
- Prior art keywords
- area
- data
- line loss
- calculation
- transformer
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 111
- 238000004364 calculation method Methods 0.000 claims abstract description 213
- 230000002159 abnormal effect Effects 0.000 claims abstract description 111
- 238000012545 processing Methods 0.000 claims abstract description 101
- 238000012423 maintenance Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000012797 qualification Methods 0.000 claims description 62
- 230000002354 daily effect Effects 0.000 claims description 56
- 238000009826 distribution Methods 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 21
- 238000004140 cleaning Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 17
- 230000003203 everyday effect Effects 0.000 claims description 15
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000007635 classification algorithm Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012821 model calculation Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 230000002441 reversible effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013145 classification model Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 210000002569 neuron Anatomy 0.000 claims description 4
- 230000000644 propagated effect Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000001965 increasing effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000005553 drilling Methods 0.000 claims description 2
- 238000000556 factor analysis Methods 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 230000009191 jumping Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000000547 structure data Methods 0.000 claims 1
- 230000010354 integration Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100295776 Drosophila melanogaster onecut gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
Abstract
本发明公开了一种基于大数据的一台区一指标线损管理方法及系统,营销线损一台区一指标模块构建台区线损合理区间计算模型,实现台区线损合理区间自动计算,将计算结果推送至采集运维闭环管理模块,开展异常台区线损治理的闭环管控。实施一台区一指标模块,融合相关外部业务系统数据,建立台区线损合理区间计算模型,实现台区线损合理区间基础数据自动集成和计算,全面实现一台区一指标线损管理模式,科学指导台区线损降损。基于采集运维闭环管理模块改造完善台区线损运维流程,自动生成台区线损异常工单,建立省、市、县三级集中监控机制,实现分级派发‑反馈‑归档的线损异常处理流程闭环,提升营销线损异常处理效率。
Description
技术领域
本发明涉及线损管理技术领域,具体为一种基于大数据的一台区一指标线损管理方法及系统。
背景技术
台区线损管理是公司堵漏增收、降本增效的重要措施,也是评价经营管理水平的重要标尺。国网江西省电力有限公司自2010年起推广应用用电信息采集系统,用电信息采集系统已实现了线损管理功能,实现了台区线损统计、台区线损分析以及线损指标考核。目前公司主要采用统一的线损率指标来评价台区线损,基本实现线损统筹管理,但随着近年来公司线损管理水平提升,线损管理的精益化程度要求越来越高,原有线损率值“一刀切”的评价方式相对较为粗放,同时,现有线损率计算主要基于单一的供售电量数据,暂未充分考虑物理拓扑复杂、异常源头多样、区域环境差异等方面因素,与台区线损精益化管理的要求还是存在一定差距。
发明内容
本发明的目的在于提供一种基于大数据的一台区一指标线损管理方法及系统,合理安排整治计划,提升营销线损异常处理效率,减少电量损失,保证企业利益不受损失。
本发明提供一种基于大数据的一台区一指标线损管理方法,所述方法主要实现一台区一指标模块、采集运维闭环管理模块、相关外部业务系统接口模块三大部分应用,最终实现一台区一指标与线损闭环管控模式相结合。构建基于台区采集数据、档案数据的一台区一指标计算模型,设计开发一台区一指标计算模块,实现台区线损合理区间的计算。基于每个台区线损合理区间,将超出合理区间的台区,根据持续时长和损失电量等条件,生成异动工单,开展闭环管控工作。并基于采集管控平台开展总部层面的线损异常治理的管控工作。实施一台区一指标模块,融合相关外部业务系统数据,建立台区线损合理区间计算模型,实现台区线损合理区间基础数据自动集成和计算,全面实现一台区一指标线损管理模式,科学指导台区线损降损。
具体的,一种基于大数据的一台区一指标线损管理方法,营销线损一台区一指标模块构建台区线损合理区间计算模型,实现台区线损合理区间自动计算,将计算结果推送至采集运维闭环管理模块,开展异常台区线损治理的闭环管控,辅助一线人员开展线损异常台区现场治理;
所述一台区一指标模块包括基础数据处理模块、一台区一指标因子计算模块、台区分类算法计算模块、一台区一指标训练模块、台区线损合理区间计算模块、台区线损合理区间合格判断模块、与现有业务系统接口模块;
所述基础数据处理模块,根据各类数据特征分别建立数据清洗规则,对通过接口获取的台区基础数据进行处理,剔除不满足基础数据质量要求的数据,保证数据准确性;
所述一台区一指标因子计算模块用于基于台区现有基础数据构建适用于一台区一指标计算的台区因子,获取因子相关基础数据并完成所有因子计算;
所述台区分类算法计算模块通过对台区特征分析,构建台区分类算法,实现对台区的分类,台区分类算法包括基于台区特征因子的聚类算法及基于分类规则的台区分类;
所述一台区一指标训练模块按照台区分类结果,对每类台区都进行一台区一指标模型训练;
所述台区线损合理区间计算模块用于构建基于台区因子数据的合理区间计算模型,实现对每个台区的合理区间计算;
所述台区线损合理区间合格判断模块用于每日完成对每个台区线损合理区间计算,基于台区合理区间情况,构建台区线损合理区间合格判断模型,实现对台区线损的考核评价;
所述采集运维闭环管理模块改造包括一台区一指标监控、线损治理工单管理、采集运维闭环管理模块接口改造;所述一台区一指标监控包括台区基础数据维护、台区分类管理、台区线损合格率与合格区间统计、台区电量分级合格率分布统计、大电量精益台区统计;所述线损治理工单管理包括线损工单生成规则配置、线损工单生成、线损工单自动派单、线损工单归档、台区线损运维代办优化、台区线损工单接入运维工作台优化、单工单查询优化;所述采集运维闭环管理模块接口改造包括台区合理区间计算结果接收、台区模型因子信息接收。
本发明还提供一种基于大数据的一台区一指标线损管理系统,主要包括线损计算分析模块、合理区间计算模块、采集运维闭环管理模块、相关外部业务系统接口模块四大部分;
所述线损计算分析模块,实现的功能包括台区、用户档案数据处理;示值、负荷数据处理;异常事件数据处理;台区日/月线损计算;线损统计;线损异常诊断分析;计量装置在线监测;
所述合理区间计算模块,实现的功能包括模型管理、模型训练、线损工单生成、线损合理区间计算、异常原因归集展示;
所述采集运维闭环管理模块,实现的功能包括异常生成、紧急程度判定、异常预警、生成工单、工单归集、处理及反馈、处理结果校核、异常工单处理监控;
所述相关外部业务系统接口模块实现获取相关数据,具体数据包括变压器档案数据;表箱-表计关系数据;变压器坐标数据、表箱坐标数据、变压器-表箱-接入点关系详细信息;低压线路信息;台区档案数据、台区日电量、台区线损数据、公变负荷数据、公变电量数据。
本发明的有益效果是:
实施一台区一指标模块,融合相关外部业务系统数据,建立台区线损合理区间计算模型,实现台区线损合理区间基础数据自动集成和计算,全面实现一台区一指标线损管理模式,科学指导台区线损降损。基于采集运维闭环管理模块改造完善台区线损运维流程,自动生成台区线损异常工单,建立省、市、县三级集中监控机制,实现分级派发-反馈-归档的线损异常处理流程闭环。基于采集运维闭环管理模块开展异常台区线损现场治理工作,提升营销线损异常处理效率。对持续时间长、损失电量大的台区要集中优势力量,合理安排整治计划,优先开展治理,减少电量损失,保证企业利益不受损失。
附图说明
图1为本发明的流程图;
图2为本发明的业务架构图;
图3为本发明的应用架构图;
图4为本发明的技术架构图;
图5为本发明的数据架构图。
具体实施方式
下面结合附图,对本发明作进一步地说明。
本发明的流程图如图1所示。
本发明实施方式的一方面还提供一种基于大数据的一台区一指标线损管理方法,营销线损一台区一指标模块构建台区线损合理区间计算模型,实现台区线损合理区间自动计算。将计算结果推送至采集运维闭环管理模块,开展异常台区线损治理的闭环管控,辅助一线人员开展线损异常台区现场治理。营销线损一台区一指标模块通过全过程各环节的精细化管控,实现线损管理责任制的信息化支撑和管理落地,提高一线人员工作积极性。
如图3所示,本方法的营销线损一台区一指标模块的应用架构描述各应用功能范围及相互间关系。应用架构划分为一台区一指标管控(台区基础数据维护、台区分类管理、台区线损合格率与合理区间统计、台区电量分级合格率分布统计和大电量精益台区统计)和线损治理工单管理(线损工单生成规则配置、台区线损接入运维工作台等)两大部分。
如图4所示,本方法营销线损一台区一指标模块技术架构分为接口层、应用层、数据层等。
接口层通过定义数据传输接口协议,采用数据文件格式的方式,从其他业务系统获取营销线损一台区一指标模块计算所需的数据。
应用层包括SpringCloud和Spring Boot技术。
数据层采用关系型数据库Oracle进行数据存储;通过k-Means聚类、BP神经网络、模糊评价等AI算法对获取的数据进行分析;使用MyBatis对数据进行操作。
如图5所示,本方法营销线损一台区一指标模块通过防火墙与相关外部业务系统系统以及采集运维闭环管理模块之间实现数据传输与访问,营销线损一台区一指标模块包括了数据存储服务集群和模型计算服务器集群。数据存储服务器集群存储从其他系统获取的数据,模型计算服务器集群根据获取的数据进行分析计算,将分析结果提供给采集运维闭环管理模块。
营销线损一台区一指标模块数据架构包括从相关外部业务系统获取相关数据,并在营销线损一台区一指标模块进行模型因子计算及台区线损合理区间计算,利用模型输出结果数据在采集运维闭环管理模块进行台区因子基础数据展示、台区合理区间合格率指标统计以及根据台区线损合理区间情况生成线损治理工单。具体数据如下:
变压器档案数据;表箱-表计关系等数据;变压器坐标数据、表箱坐标数据、变压器-表箱-接入点关系等详细信息;低压线路信息;台区档案数据、台区日电量、台区线损数据、公变负荷数据、公变电量数据、低压电压数据。
1.一台区一指标模块
一台区一指标模块包括基础数据处理模块、一台区一指标因子计算模块、台区分类算法计算模块、一台区一指标训练模块、台区线损合理区间计算模块、台区线损合理区间合格判断模块、与现有业务系统接口模块;
1.1基础数据处理模块
台区基础数据质量是实现一台区一指标计算的前提。开发基础数据处理模块,根据档案数据、采集数据、关系数据等各类数据特征分别建立数据清洗规则,对通过接口获取的台区基础数据进行处理,剔除不满足基础数据质量要求的数据,保证数据准确性。
1.1.1台区档案数据处理
建立台区档案数据检查规则,每日对接口获取的台区标识、台区运行状态、台区容量等数据进行核对处理。按台区数据核对处理结果将台区分为以下几种:
(1)空置台区
存在台区档案数据但台区下无用户,或无用户用电数据的台区。
(2)新上台区
通过台区历史档案数据比对及建档时间分析判断新上台区。
(3)档案异常台区
运行状态存在异常、台区容量缺失或异常的台区,无法进行合理区间计算,判断为档案异常台区。
(4)一台区一指标台区
经档案数据检查后档案数据无误的台区作为一台区一指标计算台区。
1.1.2用户档案数据处理
低压用户数据巨大,必须建立档案数据检查规则,每日对用户档案数据进行检查处理,确保用户档案、电表档案数据准确性。
用户档案数据处理包括用户类型(光伏用户、普通用户)、用户容量、用户所属台区、用户表计标识、用户状态数据的异常判断及处理。
1.1.3采集电压电流数据处理
(1)公变电压电流数据处理
台区实现对公变日96点ABC三相电压电流数据的采集,但是由于前置通讯、数据上传链路的问题,会造成电压电流数据的缺失和异常。建立电压电流数据清洗规则,剔除超过正常值范围的电压值。
(2)低压用户电压数据处理
对于台区未实现96点电压数据采集的用户,采用其最近采集到的电压数据作为该用户电压。对电压值超过正常范围的用户标记为数据异常,对电压值缺失的用户标记为数据缺失。
对于实现96点电压数据采集的用户,制定低压用户电压正常值清洗规则,剔除超过正常值范围的电压数据。
通过对低压用户电压数据的分析能够识别低电压用户。
建立光伏用户电压数据清洗规则,对光伏用户的异常电压数据进行判断。
1.1.4采集负荷数据处理
对获取的公变有功总功率数据进行分析,分析日有功功率数据分布情况,设置阈值对异常值进行剔除。同时检查对应公变表计的CT、PT、及表计自身倍率数据。
1.1.5采集电量数据处理
(1)公变采集电量数据
对接口获取的公变正向有功总电量、反向有功总电量、Ⅰ象限无功总电量、Ⅱ象限无功总电量、Ⅲ象限无功总电量、Ⅳ象限无功总电量等数据,建立数据清洗规则,对异常值进行剔除。
(2)低压电量数据
建立对低压用户电量数据质量的清洗规则,包括对电量数据格式、电量数据重复性进行处理,对光伏用户的上网电量及发电电量进行核对处理。
1.1.6低压线路数据处理
对低压线路数据的数据格式及线路长度数值进行核对处理,并将异常数据及缺失情况进行标记。数据处理方法包括线路长度值超出正常设置范围、支线线路长度之和不等于线路总长度等情况。
1.1.7GIS坐标数据处理
按经纬度数据标准格式对台区变压器、表箱GIS坐标数据进行检查处理,对坐标数据不规范、坐标数据缺失的情况进行标记。对采用不同坐标系表示的坐标数据可以实现不同坐标系数据之间的转换。
1.1.8台区线损数据处理
对台区供电量、售电量等数据进行核查,对电量数据异常或缺失的台区进行标记。
1.1.9档案关系核对及处理
(1)表箱-电能表关系数据
核对表箱-电能表关系数据,对未有对应关系表箱或电能表进行标记。
(2)营销变压器-PMS变压器关系
核对营销变压器-PMS变压器关系数据,对未有对应关系的变压器进行标记。
(3)配变-接入点-表箱关系
核对配变-接入点-表箱数据,对未有对应关系的配变或表箱进行标记。
1.2一台区一指标因子计算模块
影响台区线损的因素有很多,分析各因素对线损的影响关系,基于台区现有基础数据构建适用于一台区一指标计算的台区因子,获取因子相关基础数据并完成所有因子计算。
1.2.1上网电量占比计算模型
当台区接入分布式光伏后,会对台区的运行会造成较大影响,因此一台区一指标计算需要考虑光伏用户的影响。利用光伏用户上网电量及台区供电量,构建上网电量占比计算模型,实现台区日上网电量占比因子计算。
1.2.2末端用户占比计算模型
(1)末端用户定义模型
许多台区低压用户分布都较为分散,与台区变压器距离不同的用户负荷对台区线损的影响程度不同。当台区用电负荷集中在末端时,对线损率的影响较大,因此需要重点考虑末端用户的影响。根据台区用户分布情况及台区范围定义末端用户。
(2)末端用户电量占比计算模型
按末端用户定义模型,利用台区所有末端用户电量数据,建立末端用户电量占比计算模型,实现台区日末端用户电量占比因子计算。
1.2.3台区功率因数计算模型
公变功率因数传统的获取方法包括1)上报功率因数数据;2)通过上报负荷数据的正向有功总和反向有功总计算获取。但是由于分布式光伏接入后,其所发有功和无功电能将对受电计量点处的有功和无功产生变化,从而影响台区的功率因数。因此考虑光伏用户对低压网络的影响,采用公变侧采集电量数据构建台区功率因数计算模型,实现台区日功率因数因子计算。
1.2.4台区三相不平衡度计算模型
三相不平衡度反映了台区负荷的相序分布,三相不平衡对台区线损的影响较大。利用台区公变采集的96点三相电流数据,构建台区日三相不平衡度计算模型,实现台区日三相不平衡度因子计算。
1.2.5台区负荷特性计算模型
台区线损率是台区一天时间内的电能量损耗之和,由于不同时间段内台区的负荷分布不同,对线损的影响程度也不同。通过研究台区负荷的时间分布特征,利用公变电流数据构建台区负荷特性计算模型,实现台区日负荷特性因子计算。
1.2.6台区首末端压降计算模型
首端电压指台区公变侧电压,末端电压指供电距离最远用户的电压。利用公变、低压用户电压数据,构建首末端压降计算模型,实现台区日首末端压降因子计算。
1.2.7台区峰荷负载率计算模型
台区负载率对台区线损产生较大影响,而且台区在一天不同时间段运行负载分布不均,且大部分时间都处于较低负载运行,因此采用平均负荷的方式计算存在较大的误差。因此,通过对日负荷曲线的分布特征分析,构建峰荷负载率计算模型,实现台区日峰荷负载率因子计算。
1.2.8台区供电半径计算模型
台区供电半径是指公变变压器的供电范围,通常由台区建设时由人工录用维护,但是系统中大部分台区均未有完整的供电半径数据。在此情况下,通过获取台区坐标数据构建供电半径计算模型。由于台区一般长时间都处于稳定状态,所以台区供电半径因子按月进行自动更新。
1.2.9台区网架结构计算模型
台区网络结构指低压台区线路的构成,主要有电缆、架空线及混合等类型。利用台区线路数据构建台区网架结构计算模型。在不进行台区线路改造情况下,台区网架结构保持不变,因此按月对网架结构因子进行更新。
1.3台区分类算法计算模块
通过对台区特征分析,构建台区分类算法,实现对台区的分类。台区分类算法包括基于台区特征因子的聚类算法及基于分类规则的台区分类。
1.3.1基于台区特征因子的聚类算法
(1)构建台区聚类特征因子模型
利用上网电量占比、末端用户电量占比、网架结构、供电半径、压降、负载率等一台区一指标因子,进行因子相关性分析及主成分分析,抽取用于聚类的因子。
(2)台区聚类分析模型
对台区聚类因子数据进行标准化处理,采用K-means、层次聚类、FCM等聚类方法对台区进行多次聚类。
(3)聚类结果评估模型
对每次聚类结果进行评估,对每次分类后的台区特征进行分析判断,当聚类效果较好时按照该聚类算法完成所有台区的分类。
1.3.2基于规则的台区分类模型
由于台区特征差异性不明显,很多时候采用聚类算法往往得不到较好的分类结果,因此可以采用台区的基本定性特征制定分类规则对台区进行分类。
(1)台区特征因子分析模型
针对全量台区,对所有特征因子数据分布规律进行统计分析,提取出合适的分类特征因子。
(2)基于规则的台区分类模型
对数值型因子按数据分布情况进行分段处理,进行定性描述。如按供电半径分为长中短半径三种类型。根据选取的特征因子进行组合实现台区分类。
1.3.3分类台区定义模型
根据每类台区的线损特征、因子特征、台区属性特征等对台区进行业务定义,实现对台区的分类管理。
1.4一台区一指标训练模块
按照台区分类结果,对每类台区都进行一台区一指标模型训练。
1.4.1模型因子数据分析模型
针对每个因子数据的分布特征规律,建立因子数据清洗规则,对于不满足数据规则的台区进行标记。包括对因子数据缺失台区的标记;对因子数据设置正常值范围,超出该范围则判断该台区因子数据计算错误。
1.4.2台区数据情况评估模型
结合台区模型因子数据分析结果,对台区数据完整情况进行评估。
(1)基础数据正常台区
通过对台区每个因子数据的分析,未发现超过阈值范围的因子则判断该台区基础数据正常,能正常进行一台区一指标计算。
(2)基础数据缺失台区
一台区一指标因子中存在任意一个及以上因子数据缺失,则判断该台区为基础数据缺失台区,无法进行一台区一指标计算。
(3)基础数据异常台区
一台区一指标因子中存在任意一个及以上因子数据异常,则判断该台区为基础数据异常台区,无法进行一台区一指标计算。
1.4.3一台区一指标计算基础模型
在每一类中,台区的线损率水平接近,具有相似的特征参数,采用BP神经网络进行线损计算。
计算单点线损时输入层参数包括:上网电量占比、末端用户电量占比、功率因数、三相不平衡度、负荷特性、供电半径、负载率等。
输出层参数包括:线损率、线损率上界、线损率下界。
BP神经网络结构分为输入层、隐含层以及输出层;其中,信号的正向传播指的是输入的数据样本由输入层进入,在经过隐含层的处理之后,将信号传递给输出层;输出层将信号与期望值进行比对,若没有达到收敛条件,则将误差进行反向传播,误差的反向传播将输出的误差经过隐含层进行反向传播,同时调整各个神经元的权值和阈值。在学习训练的过程中,不断对各个神经元的权值和阈值进行调整,直到输出层的误差达到设定的范围或者是达到预定的迭代次数。
1.4.4适用于不同数据情况的一台区一指标计算模型
不同区域的台区因子数据质量不同,需针对具体情况对一台区一指标计算模型进行优化和适配,并根据模型训练情况不断适配,对模型进行调优,不断提高模型计算的准确性。
1.5台区线损合理区间计算模块
构建基于台区因子数据的合理区间计算模型,实现对每个台区的合理区间计算。
1.5.1台区线损合理值预测模型
(1)台区线损合理值预测
对于每个台区,每天完成一台区一指标因子计算,并使用数据清洗规则对因子数据进行处理,利用清洗后的因子数据根据台区所属类型对应的一台区一指标计算模型,实现台区线损合理值预测。
(2)台区线损合理值异常处理
针对台区线损合理值预测效果不理想时,通过统计台区历史日线损率情况,对不理想预测值进行修正。
1.5.2台区线损调节区间计算模型
(1)台区线损调节区间模型
由于台区数据因子数据的误差,基于神经网络算法的预测合理值与台区真实合理值存在一定偏差,因此采用台区线损合理值对台区进行必然存在误判性。在此基础上,考虑通过调节区间对线损合理值进行修正。
(2)台区线损调节区间计算
利用每类台区的历史日线损率数据,剔除异常偏离值后,对其线损率分布情况进行统计分析,计算所有台区的线损率标准差作为该类台区的线损波动范围,对台区线损合理值进行调节。
1.5.3台区线损合理区间计算模型
(1)台区线损合理区间计算模型
利用台区线损调节区间及台区线损率构建台区线损合理区间计算模型。采用大数据方法的线损合理值预测结果不能达到百分百准确性,预测值仍常常会出现异常结果值。
(2)台区线损合理区间修正模型
采用错误的预测值不能对台区线损进行合理评价,因此对于该类情况下的台区合理区间需要根据台区线路特征及供电半径等问题进行合理区间修正。
1.6台区线损合理区间合格判断模块
每日完成对每个台区线损合理区间计算,基于台区合理区间情况,构建台区线损合理区间合格判断模型,实现对台区线损的考核评价。
1.6.1合理区间模糊评价函数模型
(1)合理区间模糊评价方法
为了合理的建立台区线损考核指标,结合模型计算得到的合理区间,基于模糊评价方法构建台区线损合理判断模型。
模糊评价方法是基于模糊数学的综合评价方法,该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
(2)合理区间模糊评价函数模型
在台区线损合格情况判断时采用模糊评价的方法更科学。常见的模糊评价函数模型如下:
模糊评价函数为(一般k取值为π):
1.6.2台区线损合理区间模糊评价得分计算模型
利用台区合理区间上限值与台区日线损率数据,构建合理区间模糊评价计算模型,计算每个台区合理区间模糊评价得分。
1.6.3台区线损合格率判断算法模型
根据台区线损合理区间及其模糊评价隶属度分数情况,对台区线损进行考核评价:
(1)负损台区判断
台区日线损率为负损时,则判断为不合格台区。
(2)合格台区判断
台区日线损率满足合理区间或满足模糊评价得分要求,则判断为合格台区。
(3)不合格台区判断
台区线损率不满足台区线损合理区间时,为不合格台区。
2.采集运维闭环管理模块改造
2.1一台区一指标监控
2.1.1台区基础数据维护
(1)台区基础数据监控
以日为统计周期,以供电单位为基础单元,以数据清洗规则为判断标准,对台区基础数据质量进行校核。依据基础数据异常、基础数据缺失和数据完整率等指标数据,自动辨识出数据异常、数据缺失和数据正常的台区总数及占比,保证合理区间计算模型指标数据的准确可算和台区特征指标数据的完整,实现对台区线损合理区间计算的台区基础数据质量进行全面分析。支持省、市、县、所层级下钻查询,支持从月初1号到月末最后一天的数据缺失台区占比和数据异常台区占比的变化趋势查询等功能。
(2)台区基础数据明细
以日为统计周期,查询各台区数据完整率、上网电量占比、末端电量占比、首末端压降、功率因数、负载率和负荷形状系数等基础数据明细信息,对数据质量不符要求的异常数据台区进行治理。同时分析台区特征指标数据,并对各特征指标计算原始数据追根溯源,实现异常数据进行数据治理和补全。
(3)基础数据维护
以台区为维度,手动对供电半径、网架结构等档案数据进行定性维护,保证台区区间计算模型指标数据的准确可算。
(4)指标计算明细
以台区为维度,以日为统计周期,展示台区当日线损合理区间所需的各特征指标数据计算的详细内容和算法说明,包含上网电量占比、末端电量占比、功率因数、首末端压降、三相不平衡度和负荷形状系数、负载率、网架结构和供电半径等特征指标数据项的详细计算内容和计算结果。
2.1.2台区分类管理
(1)台区分类管理
以日为维度,以供电单位为基础单元,结合台区特征指标数据,将所有台区按类型进行划分,按不同台区的线损情况、台区特征进行差异管理,对各类台区线损变化情况进行追踪管控,针对不同类型的台区制定对应线损管理标准,并采取有针对性措施进行动态管控,制定各类台区达标管理标准,实现台区分类管理。
(2)台区分类特征明细
以台区为维度,以日为统计周期,以供电单位为基础单元,展示供电单位归属下的所有分类台区明细信息,展示该类台区的基础档案信息、台区线损情况和线损电量情况,同时展示上网电量占比、末端电量占比、首末端压降、功率因数、负载率、负荷形状系数、三相不平衡度、供电半径和网架结构等台区特征指标数据项。
(3)台区类别趋势图
以台区为维度,以日为统计周期,以供电单位为最小单元,依据台区类别,展示供电单位归属下的本类台区的线损分布区间段占比柱状图和近半月本来台区线损电量和台区数的变化趋势图。其中,台区类别包含数据缺失台区、数据异常台区、数据正常台区、有/无源电缆、有/无架空裸导、有/无架空绝缘和有/无电缆架空混合等。
2.1.3台区线损合格率与合格区间统计
(1)台区线损合格率统计
以台区为维度,以日为统计周期,以供电单位为基础单元,依据台区线损合理区间合格判断模型的计算结果数据,每日统计各供电单位归属的所有台区当日的在运台区数、合格台区数及线损合格率等数据。支持省、市、县、所层级下钻查询,列表展示从月初1号到月末最后一天的每日合格率数值,并结合趋势图的形式展现供电单位台区线损合格率的变化情况。
(2)台区线损合理区间情况
以台区为维度,以日为统计周期,以供电单位为基础单元,依据台区线损合理区间合格判断模型的计算结果数据,每日统计各供电单位归属台区的线损合格率在【0-4】、【4-6】、【6-8】、【8-10】、【10-15】、≥15和不可计算的区间段的分布情况统计。支持省、市、县、所层级下钻查询,支持跳钻台区线损合理区间明细查询。
(3)台区线损合理区间明细
以台区为维度,以日为统计周期,以供电单位为基础单元,依据台区线损合理区间合格判断模型的计算结果数据,展示台区线损明细、合理区间明细,包括台区基本信息、台区类别、台区统计线损数据、台区理论线损(预测值)、线损合理区间、线损情况(包含合格、过大、负损和不可计算)、线损合理区间判断依据、本月不合格天数和连续异常天数等信息。
(4)台区日线损率与台区合理区间曲线比对分析
以台区为维度,以月为统计周期,以曲线的形式展示单台区的当月统计线损率及每日线损合理区间,以表格的形式展示单台区的每日线损率、合理区间及因子计算明细。
2.1.4台区电量分级合格率分布统计
(1)台区电量分级合格率分布统计
以台区为维度,以日为统计周期,以供电单位为基础单元,每日统计各供电单位归属台区按电量等级划分后的合格率分布情况,展示统计线损率在运台区、昨日合格今日不合格、负损台区、小电量台区、新上台区,高损台区、合格台区和不可计算台区等总数和占比,同时依据四个台区电量等级合格率的占比和权重值,计算当日台区同期线损率和全省排名。其中,台区电量等级按照供电量将所有台区划分为四个区间段,每个台区电量等级的线损合格率的上下限阈值各不相同。支持省、市、县和所供电单位层级下钻查询,支持跳转台区电量分级线损明细查看台区详细信息。
(2)台区电量分级线损明细
以台区为维度,以日为统计周期,展示当日台区的基本信息、供电量、售电量、损失电量、统计线损率、台区理论线损(预测值)、线损合理区间、线损情况(包含合格、过大、负损和不可计算)、线损合理区间判断依据、台区电量等级、台区电量等级线损率和台区经理人等信息。
2.1.5大电量精益台区统计
(1)大电量精益台区分布统计
以台区为维度,以日为统计周期,以供电单位为基础单元,每日统计台区供电量在350KWH、700KWH和850KWH及以上且统计线损率在【0-5】之间的大电量精益台区的总数及线损率各区间段的分布情况统计。
(2)大电量精益台区明细查询
以台区为维度,展示此台区的基本信息、供电量、售电量、损失电量、统计线损率、采集成功率和台区经理人等信息。
2.2线损治理工单管理
根据台区线损合理区间合格判断模型的计算结果、台区档案、用户电量和日线损等综合数据,按线损工单生成规则产生线损异常工单,并派发给现场人员处理。现场整改完成后,若台区线损率符合合理区间要求则工单归档,同时管理人员可监控线损工单处理情况,跟进线损异常治理过程和结果。最终实现线损异常发现、分析、处理、归档的全流程闭环管理。
2.2.1线损工单生成规则配置
依据台区线损合理区间合格判断模型的计算结果和台区日线损等相关数据,对判定为不合格(即过大、负损和不可计算)的台区,结合统计线损判定为高损、负损和不可计算的台区进行关键指标分析,若台区各指标满足阈值则生成线损异常工单。参与分析的指标包括台区日线损、电能表数量、损失电量、异常持续时间、工单生成频度等,指标阈值均可灵活配置,以实现工单生成规则的动态调整。同时可通过配置异常持续天数、采集成功率、采集覆盖率和台区线损合理区间的偏差幅度等指标的阈值设置工单处理的优先级。
针对生成线损异常工单所需的台区日线损和线损异常恢复天数等指标设置阈值,实现线损异常工单归档条件的灵活配置。
2.2.2线损工单生成
根据已配置的工单生成规则,结合台区线损合理区间值、合理区间判断模型计算的线损类型(即过大、负损、合格和不可计算)、统计线损类型(即高损、负损和不可计算)、台区日线损、异常持续天数、采集成功率、采集覆盖率、台区损失电量和台区档案等数据进行分析计算,将符合规则台区生成线损异常工单;同时依据异常持续时间、与台区线损合理区间的偏差幅度等数据设置工单处理的优先级。
2.2.3线损工单自动派单
依据台区线损合理区间合格判断模型的计算结果和线损工单生成规则自动生成线损治理工单,依据台区和台区经理的对应关系,将台区工单自动派工给台区经理,同时根据工单优先级自动设置工单处理时限。
2.2.4线损工单归档
根据工单归档条件,对台区日线损、台区线损合理区间分析结果、采集线损分析结果、异常发生时间、异常恢复时长和台区损失电量等数据进行分析,将符合归档条件的工单进行归档。
2.2.5台区线损运维代办优化
查询未处理的线损异常工单信息。展示单位名称、台区编号、台区名称、合理区间模型计算的线损类型、台区线损合理区间值、采集判定的线损异常类型、台区供电量、台区用电量、台区损失电量、异常发生时间、异常恢复时间、工单生成时间、台区经理名称、当前处理人、要求完成时间、台区线损率和异常原因等。
派工/转派:选择工单处理人,将工单指派给处理人进行现场处理,同时指定完成期限。
反馈:录入现场处理结果和处理方法等内容,对现场处理情况进行反馈。
转白名单:对短期内无法处理的台区申请转白名单,白名单台区在白名单有效期内不纳入工单考核。
2.2.6台区线损工单接入运维工作台优化
在合理区间台区线损工单生成、派工、反馈和归档等环节,执行工单变更信息在运维工作台和台区线损工单模块之间的实时双向同步操作,从而实现台区线损工单和其它类型工单查询处理的统一入口,实现运维工作台展示工单的相关信息。
2.2.7单工单查询优化
支持按工单号查询工单详细信息包含工单状态、台区地址、生成时间、工单期限、异常等级及工单生命周期中各环节的处理情况(即工单状态、操作人、操作时间、处理结果)。
2.3采集运维闭环管理模块接口改造
2.3.1台区合理区间计算结果接收
获取一台区一指标模块生成台区合理区间信息,对计算结果文件进行转换、处理,提取数据日期、台区ID、台区分类、台区线损率预测值、台区线损率下限、台区线损率上限等数据,并进行保存。
2.3.2台区模型因子信息接收
获取一台区一指标模块生成台区计算因子信息,对计算因子信息文件进行转换、处理,提取数据日期、台区ID、上网电量占比、末端电量占比、首末端压降、功率因数、负载率、三相不平衡度、负荷特性、供电半径、网架结构等数据,并进行保存。
本方法低压台区理论线损计算(压降法)说明:
低压台区理论线损率构成:通过理论线损计算,可以鉴定电网结构及其运行方式的经济性,查明电网中损失过大的元件及其原因,考核实际线损是否真实、准确、合理。0.4kV低压台区的理论线损电量一般由台区线路(包括分支开关等设备)和各类电能表损耗的电量组成,则台区理论线损率即可表示为:
根据台区理论线损率构成公式可知,计算出台区线路损耗电量、电能表损耗电量及台区总供电量即可求出台区理论线损率。但由于三相不平衡及负荷波动均会对台区线损产生影响,因此在计算台区线路损耗电量时增加平均负荷率f和损耗因数F两个修正系数。
根据《电力网电能损耗计算导则》,低压网的网络复杂,且负荷分布不匀,一般采用简化的方法计算台区三相平衡时的日电量损耗,国网公司主要推荐使用电压损失率法,其计算过程如下:
⑴计算台区首末两端电压下降率:
⑵计算电流与电压间相角正切值:
⑶计算功率损耗与电压损失比:
⑷计算功率损耗:ΔP%=K·ΔU%
⑸计算线路损耗占比:
①平均负荷率f:平均负荷(电流)Iav与最大负荷(电流)Imax的比率,即:f=Iav/Imax
②损耗因素F:均方根电流的平方与最大电流的平方比值,
③根据等式得:
⑹台区电能表损耗计算电能表的损耗计算,一般主要考虑感应式交流电能表的固定损耗,每只单相表月损耗电能取1kWh,每只三相表月损耗电能取2kWh,则电能表总损耗为
等式中:n1、n2为单相、三相电能表的只数,T取24/小时。
⑺台区理论线损率计算根据上述步骤,获取台区总表日有功总电量后,计算台区线路损耗和电能表损耗,即可计算出台区理论线损率:
实施一台区一指标模块,融合相关外部业务系统数据,建立台区线损合理区间计算模型,实现台区线损合理区间基础数据自动集成和计算,全面实现一台区一指标线损管理模式,科学指导台区线损降损。基于采集运维闭环管理模块改造完善台区线损运维流程,自动生成台区线损异常工单,建立省、市、县三级集中监控机制,实现分级派发-反馈-归档的线损异常处理流程闭环。基于采集运维闭环管理模块开展异常台区线损现场治理工作,提升营销线损异常处理效率。对持续时间长、损失电量大的台区要集中优势力量,合理安排整治计划,优先开展治理,减少电量损失,保证企业利益不受损失。
如图2所示,本本发明实施方式的另一方面还提供一种基于大数据的一台区一指标线损管理系统,主要包括线损计算分析模块、合理区间计算模块、采集运维闭环管理模块、相关外部业务系统接口模块四大部分。
所述线损计算分析模块,实现的功能包括台区、用户档案数据处理;示值、负荷数据处理;异常事件数据处理;台区日/月线损计算;线损统计;线损异常诊断分析;计量装置在线监测。
所述合理区间计算模块,实现的功能包括模型管理、模型训练、线损工单生成、线损合理区间计算、异常原因归集展示。
所述采集运维闭环管理模块,实现的功能包括异常生成、紧急程度判定、异常预警、生成工单、工单归集、处理及反馈、处理结果校核、异常工单处理监控。
所述相关外部业务系统接口模块实现获取相关数据,具体数据包括变压器档案数据;表箱-表计关系等数据;变压器坐标数据、表箱坐标数据、变压器-表箱-接入点关系等详细信息;低压线路信息;台区档案数据、台区日电量、台区线损数据、公变负荷数据、公变电量数据。
遵循国家电网公司信息安全总体策略,满足国家电网公司信息安全要求;安全防护强度达到国家电网公司信息内网安全防护标准;注重运行安全,避免造成安全风险扩散;安全管理与安全防护措施并重。
以上所述实施例仅表达了本发明的一种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于大数据的一台区一指标线损管理方法,其特征在于:营销线损一台区一指标模块构建台区线损合理区间计算模型,实现台区线损合理区间自动计算,将计算结果推送至采集运维闭环管理模块,开展异常台区线损治理的闭环管控,辅助一线人员开展线损异常台区现场治理;
所述一台区一指标模块包括基础数据处理模块、一台区一指标因子计算模块、台区分类算法计算模块、一台区一指标训练模块、台区线损合理区间计算模块、台区线损合理区间合格判断模块、与现有业务系统接口模块;
所述基础数据处理模块,根据各类数据特征分别建立数据清洗规则,对通过接口获取的台区基础数据进行处理,剔除不满足基础数据质量要求的数据,保证数据准确性;
所述一台区一指标因子计算模块用于基于台区现有基础数据构建适用于一台区一指标计算的台区因子,获取因子相关基础数据并完成所有因子计算;
所述台区分类算法计算模块通过对台区特征分析,构建台区分类算法,实现对台区的分类,台区分类算法包括基于台区特征因子的聚类算法及基于分类规则的台区分类;
所述一台区一指标训练模块按照台区分类结果,对每类台区都进行一台区一指标模型训练;
所述台区线损合理区间计算模块用于构建基于台区因子数据的合理区间计算模型,实现对每个台区的合理区间计算;
所述台区线损合理区间合格判断模块用于每日完成对每个台区线损合理区间计算,基于台区合理区间情况,构建台区线损合理区间合格判断模型,实现对台区线损的考核评价;
所述采集运维闭环管理模块改造包括一台区一指标监控、线损治理工单管理、采集运维闭环管理模块接口改造;所述一台区一指标监控包括台区基础数据维护、台区分类管理、台区线损合格率与合格区间统计、台区电量分级合格率分布统计、大电量精益台区统计;所述线损治理工单管理包括线损工单生成规则配置、线损工单生成、线损工单自动派单、线损工单归档、台区线损运维代办优化、台区线损工单接入运维工作台优化、单工单查询优化;所述采集运维闭环管理模块接口改造包括台区合理区间计算结果接收、台区模型因子信息接收;
所述一台区一指标监控具体包括:
2.1.1台区基础数据维护
①台区基础数据监控
以日为统计周期,以供电单位为基础单元,以数据清洗规则为判断标准,对台区基础数据质量进行校核;依据基础数据异常、基础数据缺失和数据完整率指标数据,自动辨识出数据异常、数据缺失和数据正常的台区总数及占比,保证合理区间计算模型指标数据的准确可算和台区特征指标数据的完整,实现对台区线损合理区间计算的台区基础数据质量进行全面分析;支持省、市、县、所层级下钻查询,支持从月初1号到月末最后一天的数据缺失台区占比和数据异常台区占比的变化趋势查询功能;
②台区基础数据明细
以日为统计周期,查询各台区基础数据明细信息,对数据质量不符要求的异常数据台区进行治理;同时分析台区特征指标数据,并对各特征指标计算原始数据追根溯源,实现异常数据进行数据治理和补全;
③基础数据维护
以台区为维度,手动对档案数据进行定性维护,保证台区区间计算模型指标数据的准确可算;
④指标计算明细
以台区为维度,以日为统计周期,展示台区当日线损合理区间所需的各特征指标数据计算的详细内容和算法说明,包含特征指标数据项的详细计算内容和计算结果;
2.1.2台区分类管理
①台区分类管理
以日为维度,以供电单位为基础单元,结合台区特征指标数据,将所有台区按类型进行划分,按不同台区的线损情况、台区特征进行差异管理,对各类台区线损变化情况进行追踪管控,针对不同类型的台区制定对应线损管理标准,并采取有针对性措施进行动态管控,制定各类台区达标管理标准,实现台区分类管理;
②台区分类特征明细
以台区为维度,以日为统计周期,以供电单位为基础单元,展示供电单位归属下的所有分类台区明细信息,展示该类台区的基础档案信息、台区线损情况和线损电量情况,同时展示台区特征指标数据项;
③台区类别趋势图
以台区为维度,以日为统计周期,以供电单位为最小单元,依据台区类别,展示供电单位归属下的本类台区的线损分布区间段占比柱状图和近半月本来台区线损电量和台区数的变化趋势图;
2.1.3台区线损合格率与合格区间统计
①台区线损合格率统计
以台区为维度,以日为统计周期,以供电单位为基础单元,依据台区线损合理区间合格判断模型的计算结果数据,每日统计各供电单位归属的所有台区当日的在运台区数、合格台区数及线损合格率数据;支持省、市、县、所层级下钻查询,列表展示从月初1号到月末最后一天的每日合格率数值,并结合趋势图的形式展现供电单位台区线损合格率的变化情况;
②台区线损合理区间情况
以台区为维度,以日为统计周期,以供电单位为基础单元,依据台区线损合理区间合格判断模型的计算结果数据,每日统计各供电单位归属台区的线损合格率在【0-4】、【4-6】、【6-8】、【8-10】、【10-15】、≥15和不可计算的区间段的分布情况统计;支持省、市、县、所层级下钻查询,支持跳钻台区线损合理区间明细查询;
③台区线损合理区间明细
以台区为维度,以日为统计周期,以供电单位为基础单元,依据台区线损合理区间合格判断模型的计算结果数据,展示台区线损明细、合理区间明细,包括台区基本信息、台区类别、台区统计线损数据、台区理论线损、线损合理区间、线损情况、线损合理区间判断依据、本月不合格天数和连续异常天数信息;
④台区日线损率与台区合理区间曲线比对分析
以台区为维度,以月为统计周期,以曲线的形式展示单台区的当月统计线损率及每日线损合理区间,以表格的形式展示单台区的每日线损率、合理区间及因子计算明细;
2.1.4台区电量分级合格率分布统计
①台区电量分级合格率分布统计
以台区为维度,以日为统计周期,以供电单位为基础单元,每日统计各供电单位归属台区按电量等级划分后的合格率分布情况,展示统计线损率在运台区、昨日合格今日不合格、负损台区、小电量台区、新上台区,高损台区、合格台区和不可计算台区总数和占比,同时依据四个台区电量等级合格率的占比和权重值,计算当日台区同期线损率和全省排名;其中,台区电量等级按照供电量将所有台区划分为四个区间段,每个台区电量等级的线损合格率的上下限阈值各不相同;支持省、市、县和所供电单位层级下钻查询,支持跳转台区电量分级线损明细查看台区详细信息;
②台区电量分级线损明细
以台区为维度,以日为统计周期,展示当日台区的基本信息、供电量、售电量、损失电量、统计线损率、台区理论线损、线损合理区间、线损情况、线损合理区间判断依据、台区电量等级、台区电量等级线损率和台区经理人信息;
2.1.5大电量精益台区统计
①大电量精益台区分布统计
以台区为维度,以日为统计周期,以供电单位为基础单元,每日统计台区供电量在350KWH、700KWH和850KWH及以上且统计线损率在【0-5】之间的大电量精益台区的总数及线损率各区间段的分布情况统计;
②大电量精益台区明细查询
以台区为维度,展示此台区的基本信息、供电量、售电量、损失电量、统计线损率、采集成功率和台区经理人信息;
所述线损治理工单管理具体包括:
根据台区线损合理区间合格判断模型的综合数据,按线损工单生成规则产生线损异常工单,并派发给现场人员处理;现场整改完成后,若台区线损率符合合理区间要求则工单归档,同时管理人员可监控线损工单处理情况,跟进线损异常治理过程和结果;最终实现线损异常发现、分析、处理、归档的全流程闭环管理;
2.2.1线损工单生成规则配置
依据台区线损合理区间合格判断模型的相关数据,对判定为不合格的台区,结合统计线损判定为高损、负损和不可计算的台区进行关键指标分析,若台区各指标满足阈值则生成线损异常工单;参与分析的指标包括台区日线损、电能表数量、损失电量、异常持续时间、工单生成频度,指标阈值均可灵活配置,以实现工单生成规则的动态调整;同时可通过配置异常持续天数、采集成功率、采集覆盖率和台区线损合理区间的偏差幅度指标的阈值设置工单处理的优先级;
针对生成线损异常工单所需的台区日线损和线损异常恢复天数指标设置阈值,实现线损异常工单归档条件的灵活配置;
2.2.2线损工单生成
根据已配置的工单生成规则,结合台区线损合理区间值、合理区间判断模型计算的线损类型、统计线损类型、台区日线损、异常持续天数、采集成功率、采集覆盖率、台区损失电量和台区档案数据进行分析计算,将符合规则台区生成线损异常工单;同时依据异常持续时间、与台区线损合理区间的偏差幅度数据设置工单处理的优先级;
2.2.3线损工单自动派单
依据台区线损合理区间合格判断模型的计算结果和线损工单生成规则自动生成线损治理工单,依据台区和台区经理的对应关系,将台区工单自动派工给台区经理,同时根据工单优先级自动设置工单处理时限;
2.2.4线损工单归档
根据工单归档条件,对台区日线损、台区线损合理区间分析结果、采集线损分析结果、异常发生时间、异常恢复时长和台区损失电量数据进行分析,将符合归档条件的工单进行归档;
2.2.5台区线损运维代办优化
查询未处理的线损异常工单信息;展示包括单位名称、台区编号、台区名称、合理区间模型计算的线损类型、台区线损合理区间值、采集判定的线损异常类型、台区供电量、台区用电量、台区损失电量、异常发生时间、异常恢复时间、工单生成时间、台区经理名称、当前处理人、要求完成时间、台区线损率和异常原因;
派工/转派:选择工单处理人,将工单指派给处理人进行现场处理,同时指定完成期限;
反馈:录入现场处理结果和处理方法内容,对现场处理情况进行反馈;
转白名单:对短期内无法处理的台区申请转白名单,白名单台区在白名单有效期内不纳入工单考核;
2.2.6台区线损工单接入运维工作台优化
在合理区间台区线损工单生成、派工、反馈和归档环节,执行工单变更信息在运维工作台和台区线损工单模块之间的实时双向同步操作,从而实现台区线损工单和其它类型工单查询处理的统一入口,实现运维工作台展示工单的相关信息;
2.2.7单工单查询优化
支持按工单号查询工单详细信息包含工单状态、台区地址、生成时间、工单期限、异常等级及工单生命周期中各环节的处理情况;
所述采集运维闭环管理模块接口改造具体包括:
2.3.1台区合理区间计算结果接收
获取一台区一指标模块生成台区合理区间信息,对计算结果文件进行转换、处理,提取数据日期、台区ID、台区分类、台区线损率预测值、台区线损率下限、台区线损率上限数据,并进行保存;
2.3.2台区模型因子信息接收
获取一台区一指标模块生成台区计算因子信息,对计算因子信息文件进行转换、处理,提取数据日期、台区ID、上网电量占比、末端电量占比、首末端压降、功率因数、负载率、三相不平衡度、负荷特性、供电半径、网架结构数据,并进行保存;
所述方法低压台区理论线损计算:
低压台区理论线损率构成:通过理论线损计算,可以鉴定电网结构及其运行方式的经济性,查明电网中损失过大的元件及其原因,考核实际线损是否真实、准确、合理;0.4kV低压台区的理论线损电量一般由台区线路和各类电能表损耗的电量组成,则台区理论线损率即可表示为:
根据台区理论线损率构成公式可知,计算出台区线路损耗电量、电能表损耗电量及台区总供电量即可求出台区理论线损率;但由于三相不平衡及负荷波动均会对台区线损产生影响,因此在计算台区线路损耗电量时增加平均负荷率f和损耗因数F两个修正系数;
根据《电力网电能损耗计算导则》,低压网的网络复杂,且负荷分布不匀,一般采用简化的方法计算台区三相平衡时的日电量损耗,国网公司主要推荐使用电压损失率法,其计算过程如下:
⑴计算台区首末两端电压下降率:
⑵计算电流与电压间相角正切值:
⑶计算功率损耗与电压损失比:
⑷计算功率损耗:ΔP%=K·ΔU%
⑸计算线路损耗占比:
①平均负荷率f:平均负荷电流Iav与最大负荷电流Imax的比率,即:f=Iav/Imax
②损耗因素F:均方根电流的平方与最大电流的平方比值,
③根据等式得:
⑹台区电能表损耗计算
电能表的损耗计算,一般主要考虑感应式交流电能表的固定损耗,每只单相表月损耗电能取1kWh,每只三相表月损耗电能取2kWh,则电能表总损耗为电能表损耗
等式中:n1、n2为单相、三相电能表的只数,T取24/小时;
⑺台区理论线损率计算
根据上述步骤,获取台区总表日有功总电量后,计算台区线路损耗和电能表损耗,即可计算出台区理论线损率:
台区理论线损率
2.根据权利要求1所述的一种基于大数据的一台区一指标线损管理方法,其特征在于:所述营销线损一台区一指标模块技术架构分为接口层、应用层、数据层;
接口层通过定义数据传输接口协议,采用数据文件格式的方式,从其他业务系统获取营销线损一台区一指标模块计算所需的数据;
应用层包括SpringCloud和Spring Boot;
数据层采用关系型数据库Oracle进行数据存储;通过AI算法对获取的数据进行分析;使用MyBatis对数据进行操作。
3.根据权利要求1所述的一种基于大数据的一台区一指标线损管理方法,其特征在于:所述营销线损一台区一指标模块通过防火墙与相关外部业务系统系统以及采集运维闭环管理模块之间实现数据传输与访问,营销线损一台区一指标模块包括了数据存储服务集群和模型计算服务器集群;数据存储服务器集群存储从其他系统获取的数据,模型计算服务器集群根据获取的数据进行分析计算,将分析结果提供给采集运维闭环管理模块。
4.根据权利要求1所述的一种基于大数据的一台区一指标线损管理方法,其特征在于:所述营销线损一台区一指标模块数据架构包括从相关外部业务系统获取相关数据,并在营销线损一台区一指标模块进行模型因子计算及台区线损合理区间计算,利用模型输出结果数据在采集运维闭环管理模块进行台区因子基础数据展示、台区合理区间合格率指标统计以及根据台区线损合理区间情况生成线损治理工单;具体数据如下:
变压器档案数据;表箱-表计关系数据;变压器坐标数据、表箱坐标数据、变压器-表箱-接入点关系详细信息;低压线路信息;台区档案数据、台区日电量、台区线损数据、公变负荷数据、公变电量数据、低压电压数据。
5.根据权利要求1所述的一种基于大数据的一台区一指标线损管理方法,其特征在于:所述基础数据处理模块具体用于对以下数据进行处理:
1.1.1台区档案数据处理
建立台区档案数据检查规则,每日对接口获取的台区标识、台区运行状态、台区容量数据进行核对处理;按台区数据核对处理结果将台区分为以下几种:
①空置台区
存在台区档案数据但台区下无用户,或无用户用电数据的台区;
②新上台区
通过台区历史档案数据比对及建档时间分析判断新上台区;
③档案异常台区
运行状态存在异常、台区容量缺失或异常的台区,无法进行合理区间计算,判断为档案异常台区;
④一台区一指标台区
经档案数据检查后档案数据无误的台区作为一台区一指标计算台区;
1.1.2用户档案数据处理
低压用户数据巨大,必须建立档案数据检查规则,每日对用户档案数据进行检查处理,确保用户档案、电表档案数据准确性;
用户档案数据处理包括用户类型、用户容量、用户所属台区、用户表计标识、用户状态数据的异常判断及处理;
1.1.3采集电压电流数据处理
①公变电压电流数据处理
台区实现对公变日96点ABC三相电压电流数据的采集,建立电压电流数据清洗规则,剔除超过正常值范围的电压值;
②低压用户电压数据处理
对于台区未实现96点电压数据采集的用户,采用其最近采集到的电压数据作为该用户电压;对电压值超过正常范围的用户标记为数据异常,对电压值缺失的用户标记为数据缺失;
对于实现96点电压数据采集的用户,制定低压用户电压正常值清洗规则,剔除超过正常值范围的电压数据;
通过对低压用户电压数据的分析能够识别低电压用户;
建立光伏用户电压数据清洗规则,对光伏用户的异常电压数据进行判断;
1.1.4采集负荷数据处理
对获取的公变有功总功率数据进行分析,分析日有功功率数据分布情况,设置阈值对异常值进行剔除;同时检查对应公变表计的CT、PT、及表计自身倍率数据;
1.1.5采集电量数据处理
①公变采集电量数据
对接口获取的公变正向有功总电量、反向有功总电量、Ⅰ象限无功总电量、Ⅱ象限无功总电量、Ⅲ象限无功总电量、Ⅳ象限无功总电量的数据,建立数据清洗规则,对异常值进行剔除;
②低压电量数据
建立对低压用户电量数据质量的清洗规则,包括对电量数据格式、电量数据重复性进行处理,对光伏用户的上网电量及发电电量进行核对处理;
1.1.6低压线路数据处理
对低压线路数据的数据格式及线路长度数值进行核对处理,并将异常数据及缺失情况进行标记;
1.1.7GIS坐标数据处理
按经纬度数据标准格式对台区变压器、表箱GIS坐标数据进行检查处理,对坐标数据不规范、坐标数据缺失的情况进行标记;
1.1.8台区线损数据处理
对台区供电量、售电量数据进行核查,对电量数据异常或缺失的台区进行标记;
1.1.9档案关系核对及处理
①表箱-电能表关系数据
核对表箱-电能表关系数据,对未有对应关系表箱或电能表进行标记;
②营销变压器-PMS变压器关系
核对营销变压器-PMS变压器关系数据,对未有对应关系的变压器进行标记;
③配变-接入点-表箱关系
核对配变-接入点-表箱数据,对未有对应关系的配变或表箱进行标记;
所述一台区一指标因子计算模块具体包括以下计算模型:
1.2.1上网电量占比计算模型
利用光伏用户上网电量及台区供电量,构建上网电量占比计算模型,实现台区日上网电量占比因子计算;
1.2.2末端用户占比计算模型
①末端用户定义模型
根据台区用户分布情况及台区范围定义末端用户;
②末端用户电量占比计算模型
按末端用户定义模型,利用台区所有末端用户电量数据,建立末端用户电量占比计算模型,实现台区日末端用户电量占比因子计算;
1.2.3台区功率因数计算模型
采用公变侧采集电量数据构建台区功率因数计算模型,实现台区日功率因数因子计算;
1.2.4台区三相不平衡度计算模型
利用台区公变采集的96点三相电流数据,构建台区日三相不平衡度计算模型,实现台区日三相不平衡度因子计算;
1.2.5台区负荷特性计算模型
通过研究台区负荷的时间分布特征,利用公变电流数据构建台区负荷特性计算模型,实现台区日负荷特性因子计算;
1.2.6台区首末端压降计算模型
首端电压指台区公变侧电压,末端电压指供电距离最远用户的电压;利用公变、低压用户电压数据,构建首末端压降计算模型,实现台区日首末端压降因子计算;
1.2.7台区峰荷负载率计算模型
通过对日负荷曲线的分布特征分析,构建峰荷负载率计算模型,实现台区日峰荷负载率因子计算;
1.2.8台区供电半径计算模型
通过获取台区坐标数据构建供电半径计算模型;台区供电半径因子按月进行自动更新;
1.2.9台区网架结构计算模型
利用台区线路数据构建台区网架结构计算模型;按月对网架结构因子进行更新;
所述台区分类算法计算模块具体包括:
1.3.1基于台区特征因子的聚类算法
①构建台区聚类特征因子模型
利用一台区一指标因子,进行因子相关性分析及主成分分析,抽取用于聚类的因子;
②台区聚类分析模型
对台区聚类因子数据进行标准化处理,采用K-means、层次聚类、FCM聚类方法对台区进行多次聚类;
③聚类结果评估模型
对每次聚类结果进行评估,对每次分类后的台区特征进行分析判断,当聚类效果较好时按照该聚类算法完成所有台区的分类;
1.3.2基于规则的台区分类模型
采用台区的基本定性特征制定分类规则对台区进行分类;
①台区特征因子分析模型
针对全量台区,对所有特征因子数据分布规律进行统计分析,提取出合适的分类特征因子;
②基于规则的台区分类模型
对数值型因子按数据分布情况进行分段处理,进行定性描述,根据选取的特征因子进行组合实现台区分类;
1.3.3分类台区定义模型
根据每类台区的线损特征、因子特征、台区属性特征对台区进行业务定义,实现对台区的分类管理;
所述一台区一指标训练模块具体包括:
1.4.1模型因子数据分析模型
针对每个因子数据的分布特征规律,建立因子数据清洗规则,对于不满足数据规则的台区进行标记;包括对因子数据缺失台区的标记;对因子数据设置正常值范围,超出该范围则判断该台区因子数据计算错误;
1.4.2台区数据情况评估模型
结合台区模型因子数据分析结果,对台区数据完整情况进行评估;
①基础数据正常台区
通过对台区每个因子数据的分析,未发现超过阈值范围的因子则判断该台区基础数据正常,能正常进行一台区一指标计算;
②基础数据缺失台区
一台区一指标因子中存在任意一个及以上因子数据缺失,则判断该台区为基础数据缺失台区,无法进行一台区一指标计算;
③基础数据异常台区
一台区一指标因子中存在任意一个及以上因子数据异常,则判断该台区为基础数据异常台区,无法进行一台区一指标计算;
1.4.3一台区一指标计算基础模型
在每一类中,台区的线损率水平接近,具有相似的特征参数,采用BP神经网络进行线损计算;
计算单点线损时输入层参数包括:上网电量占比、末端用户电量占比、功率因数、三相不平衡度、负荷特性、供电半径、负载率;
输出层参数包括:线损率、线损率上界、线损率下界;
BP神经网络结构分为输入层、隐含层以及输出层;其中,信号的正向传播指的是输入的数据样本由输入层进入,在经过隐含层的处理之后,将信号传递给输出层;输出层将信号与期望值进行比对,若没有达到收敛条件,则将误差进行反向传播,误差的反向传播将输出的误差经过隐含层进行反向传播,同时调整各个神经元的权值和阈值;在学习训练的过程中,不断对各个神经元的权值和阈值进行调整,直到输出层的误差达到设定的范围或者是达到预定的迭代次数;
1.4.4适用于不同数据情况的一台区一指标计算模型
不同区域的台区因子数据质量不同,需针对具体情况对一台区一指标计算模型进行优化和适配,并根据模型训练情况不断适配,对模型进行调优,不断提高模型计算的准确性;
所述台区线损合理区间计算模块具体包括:
1.5.1台区线损合理值预测模型
①台区线损合理值预测
对于每个台区,每天完成一台区一指标因子计算,并使用数据清洗规则对因子数据进行处理,利用清洗后的因子数据根据台区所属类型对应的一台区一指标计算模型,实现台区线损合理值预测;
②台区线损合理值异常处理
针对台区线损合理值预测效果不理想时,通过统计台区历史日线损率情况,对不理想预测值进行修正;
1.5.2台区线损调节区间计算模型
①台区线损调节区间模型
通过调节区间对线损合理值进行修正;
②台区线损调节区间计算
利用每类台区的历史日线损率数据,剔除异常偏离值后,对其线损率分布情况进行统计分析,计算所有台区的线损率标准差作为该类台区的线损波动范围,对台区线损合理值进行调节;
1.5.3台区线损合理区间计算模型
①台区线损合理区间计算模型
利用台区线损调节区间及台区线损率构建台区线损合理区间计算模型;采用大数据方法的线损合理值预测结果不能达到百分百准确性,预测值仍常常会出现异常结果值;
②台区线损合理区间修正模型
采用错误的预测值不能对台区线损进行合理评价,对于该类情况下的台区合理区间需要根据台区线路特征及供电半径进行合理区间修正;
所述台区线损合理区间合格判断模块具体包括:
1.6.1合理区间模糊评价函数模型
①合理区间模糊评价方法
结合模型计算得到的合理区间,基于模糊评价方法构建台区线损合理判断模型;
②合理区间模糊评价函数模型
在台区线损合格情况判断时采用的模糊评价函数模型如下:
模糊评价函数如下:其中k取值为π
1.6.2台区线损合理区间模糊评价得分计算模型
利用台区合理区间上限值与台区日线损率数据,构建合理区间模糊评价计算模型,计算每个台区合理区间模糊评价得分;
1.6.3台区线损合格率判断算法模型
根据台区线损合理区间及其模糊评价隶属度分数情况,对台区线损进行考核评价:
①负损台区判断
台区日线损率为负损时,则判断为不合格台区;
②合格台区判断
台区日线损率满足合理区间或满足模糊评价得分要求,则判断为合格台区;
③不合格台区判断
台区线损率不满足台区线损合理区间时,为不合格台区。
6.一种基于大数据的一台区一指标线损管理系统,用于实现权利要求1-5任一项所述的基于大数据的一台区一指标线损管理方法,其特征在于:主要包括线损计算分析模块、合理区间计算模块、采集运维闭环管理模块、相关外部业务系统接口模块四大部分;
所述线损计算分析模块,实现的功能包括台区、用户档案数据处理;示值、负荷数据处理;异常事件数据处理;台区日/月线损计算;线损统计;线损异常诊断分析;计量装置在线监测;
所述合理区间计算模块,实现的功能包括模型管理、模型训练、线损工单生成、线损合理区间计算、异常原因归集展示;
所述采集运维闭环管理模块,实现的功能包括异常生成、紧急程度判定、异常预警、生成工单、工单归集、处理及反馈、处理结果校核、异常工单处理监控;
所述相关外部业务系统接口模块实现获取相关数据,具体数据包括变压器档案数据;表箱-表计关系数据;变压器坐标数据、表箱坐标数据、变压器-表箱-接入点关系详细信息;低压线路信息;台区档案数据、台区日电量、台区线损数据、公变负荷数据、公变电量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110422251.9A CN113159339B (zh) | 2021-04-20 | 2021-04-20 | 一种基于大数据的一台区一指标线损管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110422251.9A CN113159339B (zh) | 2021-04-20 | 2021-04-20 | 一种基于大数据的一台区一指标线损管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113159339A CN113159339A (zh) | 2021-07-23 |
CN113159339B true CN113159339B (zh) | 2023-08-04 |
Family
ID=76868901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110422251.9A Active CN113159339B (zh) | 2021-04-20 | 2021-04-20 | 一种基于大数据的一台区一指标线损管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159339B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655308A (zh) * | 2021-07-30 | 2021-11-16 | 国网天津市电力公司 | 一种基于智能感知的同期线损监测治理系统 |
CN113361983B (zh) * | 2021-08-11 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种高损台区技术成因诊断方法及系统 |
CN113447749B (zh) * | 2021-08-31 | 2021-11-23 | 江苏数能电力技术有限公司 | 一种台区线损异常的判断方法 |
CN113742271B (zh) * | 2021-09-08 | 2024-05-10 | 南方电网数字电网科技(广东)有限公司 | 电力户表信息处理方法、装置、设备和存储介质 |
CN114580819B (zh) * | 2021-09-27 | 2024-08-27 | 广西电网有限责任公司钦州供电局 | 一种基于大数据的线损异常分析运营监控系统 |
CN113804965B (zh) * | 2021-09-28 | 2024-05-31 | 北京来也网络科技有限公司 | 基于rpa和ai的异常计量点识别方法和装置 |
CN113866562B (zh) * | 2021-09-29 | 2024-08-20 | 国网甘肃省电力公司电力科学研究院 | 一种电力系统台区线损识别方法 |
CN113837725A (zh) * | 2021-09-29 | 2021-12-24 | 国网辽宁省电力有限公司沈阳供电公司 | 一种线损工单自动流转系统及方法 |
CN114139862A (zh) * | 2021-10-28 | 2022-03-04 | 国网江苏省电力有限公司连云港供电分公司 | 一种基于大数据的台区线损分析监控系统及其分析方法 |
CN113888360A (zh) * | 2021-10-28 | 2022-01-04 | 广东电网有限责任公司 | 一种窃电用户识别方法、装置、设备及存储介质 |
CN114254854A (zh) * | 2021-10-28 | 2022-03-29 | 国网山东省电力公司安丘市供电公司 | 一种基于离群值监测的配网线损异常判断方法及系统 |
CN114185468A (zh) * | 2021-11-15 | 2022-03-15 | 国网青海省电力公司海北供电公司 | 一种配网精益化全景监测系统及其操作方法 |
CN114094705A (zh) * | 2021-11-18 | 2022-02-25 | 贵州电网有限责任公司 | 一种基于线损和用户用电量的低压台区窃电监控系统 |
CN114328616A (zh) * | 2021-11-19 | 2022-04-12 | 北京来也网络科技有限公司 | 结合rpa和ai的电力线损明细信息的统计方法及装置 |
CN114519514B (zh) * | 2022-01-27 | 2023-09-19 | 佰聆数据股份有限公司 | 一种低压台区合理线损值测算方法、系统及计算机设备 |
CN114268110B (zh) * | 2022-03-03 | 2022-06-28 | 广东电网有限责任公司梅州供电局 | 配电变压器无功补偿投退状态的判别方法和装置 |
CN115037039B (zh) * | 2022-05-16 | 2024-02-13 | 国网江西省电力有限公司供电服务管理中心 | 有源配电网线损监控方法、装置、设备及可读存储介质 |
CN115219953B (zh) * | 2022-08-01 | 2024-07-09 | 江苏方天电力技术有限公司 | 一种基于电压降的低压台区线路异常检测系统及方法 |
CN115980656B (zh) * | 2022-11-03 | 2024-03-26 | 中国电力科学研究院有限公司 | 一种低压台区线路损耗确定方法及系统 |
CN115776651A (zh) * | 2022-11-28 | 2023-03-10 | 贵州电网有限责任公司 | 一种针对呼吸器油位状态监测系统及方法 |
CN115878718A (zh) * | 2022-12-14 | 2023-03-31 | 国网湖北省电力有限公司宜昌供电公司 | 一种基于采集数据处理的可视化方法 |
CN116703368B (zh) * | 2023-08-08 | 2023-10-13 | 国网信通亿力科技有限责任公司 | 基于数据挖掘的同期线损智能闭环监测方法 |
CN117669253B (zh) * | 2023-12-20 | 2024-08-06 | 中国电力科学研究院有限公司 | 一种基于牛顿插值法的光伏台区理论线损计算方法及系统 |
CN117761468B (zh) * | 2024-02-22 | 2024-05-24 | 国网甘肃省电力公司张掖供电公司 | 一种新能源发电站多参数运行状态监控方法及系统 |
CN117934883B (zh) * | 2024-03-19 | 2024-09-03 | 西华大学 | 一种基于图神经网络的配网台区识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832855A (zh) * | 2017-09-14 | 2018-03-23 | 北京中恒博瑞数字电力科技有限公司 | 基于相关性分析的线损多源诊断方法及系统 |
CN108764501A (zh) * | 2018-05-30 | 2018-11-06 | 国网上海市电力公司 | 一种线损问题的分析及消缺处理方法 |
CN110134708A (zh) * | 2019-03-03 | 2019-08-16 | 云南电网有限责任公司信息中心 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
CN111064277A (zh) * | 2019-12-10 | 2020-04-24 | 国网河北省电力有限公司武安市供电分公司 | 一种基于大数据的营销台区线损应用平台 |
CN211183538U (zh) * | 2019-12-10 | 2020-08-04 | 国网河北省电力有限公司武安市供电分公司 | 一种基于大数据的营销台区线损应用平台 |
CN112465349A (zh) * | 2020-11-26 | 2021-03-09 | 国网天津市电力公司营销服务中心 | 一种基于一台区一指标的营销线损计算评估系统 |
-
2021
- 2021-04-20 CN CN202110422251.9A patent/CN113159339B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832855A (zh) * | 2017-09-14 | 2018-03-23 | 北京中恒博瑞数字电力科技有限公司 | 基于相关性分析的线损多源诊断方法及系统 |
CN108764501A (zh) * | 2018-05-30 | 2018-11-06 | 国网上海市电力公司 | 一种线损问题的分析及消缺处理方法 |
CN110134708A (zh) * | 2019-03-03 | 2019-08-16 | 云南电网有限责任公司信息中心 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
CN111064277A (zh) * | 2019-12-10 | 2020-04-24 | 国网河北省电力有限公司武安市供电分公司 | 一种基于大数据的营销台区线损应用平台 |
CN211183538U (zh) * | 2019-12-10 | 2020-08-04 | 国网河北省电力有限公司武安市供电分公司 | 一种基于大数据的营销台区线损应用平台 |
CN112465349A (zh) * | 2020-11-26 | 2021-03-09 | 国网天津市电力公司营销服务中心 | 一种基于一台区一指标的营销线损计算评估系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113159339A (zh) | 2021-07-23 |
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 | |
CN111126866B (zh) | 交直流可再生能源系统的综合能效评估管理系统及方法 | |
Schneider et al. | Modern grid initiative distribution taxonomy final report | |
CN110659273B (zh) | 分布式大数据采集平台的数据异常监控及修复方法 | |
CN112131441B (zh) | 一种快速识别用电异常行为的方法及系统 | |
CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
CN105046591A (zh) | 一种电力用户用电能效评估方法 | |
CN111507013A (zh) | 一种面向电力系统线损故障定位实现方法 | |
CN206312210U (zh) | 一种配电网设备的状态评估系统 | |
CN106228300A (zh) | 一种分布式电源运营管理系统 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN113822547B (zh) | 一种精细化需求侧管理综合信息平台系统及管理方法 | |
CN104680254B (zh) | 一种基于综合成本模型的电网规划方案优选方法 | |
CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
CN112330089B (zh) | 装备制造类企业的综合能效监测方法及监测系统 | |
CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
CN107222323A (zh) | 一种电力光传输网运行质量评估方法 | |
CN110880055A (zh) | 楼宇智能电表系统 | |
AU2021106109A4 (en) | Evaluation index screening strategy for lean management of power system line loss under big data environment | |
CN114971272A (zh) | 一种中压配电网网格化规划评价方法及系统 | |
CN111178676A (zh) | 一种配电网项目投资评估方法及系统 | |
Yang et al. | Optimal investment decision of distribution network with investment ability and project correlation constraints | |
CN111967684B (zh) | 一种基于大数据分析的计量资产主动配送方法 | |
CN109447310A (zh) | 一种配电网投入产出效益分析方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |