KR102029031B1 - 배전선로 손실 추정 장치 및 방법 - Google Patents

배전선로 손실 추정 장치 및 방법 Download PDF

Info

Publication number
KR102029031B1
KR102029031B1 KR1020180075490A KR20180075490A KR102029031B1 KR 102029031 B1 KR102029031 B1 KR 102029031B1 KR 1020180075490 A KR1020180075490 A KR 1020180075490A KR 20180075490 A KR20180075490 A KR 20180075490A KR 102029031 B1 KR102029031 B1 KR 102029031B1
Authority
KR
South Korea
Prior art keywords
loss
load
daily
line
unit
Prior art date
Application number
KR1020180075490A
Other languages
English (en)
Inventor
정남준
이지훈
구교웅
김영일
김종명
박소정
Original Assignee
한국전력공사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국전력공사 filed Critical 한국전력공사
Priority to KR1020180075490A priority Critical patent/KR102029031B1/ko
Application granted granted Critical
Publication of KR102029031B1 publication Critical patent/KR102029031B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
    • G01R27/2688—Measuring quality factor or dielectric loss, e.g. loss angle, or power factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • H02J2003/007—

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

배전선로 손실 추정 장치 및 방법이 개시된다. 본 발명의 배전선로 손실 추정 장치는 일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 이용하여 부하를 종별로 클러스터링하는 데이터 가공부; 및 데이터 가공부에 의해 종별로 클러스터링된 데이터를 이용하여 일단위의 부하값으로 추정한 후 추정된 부하값을 이용하여 배전선로의 손실량과 손실률을 계산하는 손실 이력 계산부를 포함하는 것을 특징으로 한다.

Description

배전선로 손실 추정 장치 및 방법{APPARATUS AND METHOD FOR ESTIMATING POWER LOSS OF DISTRIBUTION LINE}
본 발명은 배전선로 손실 추정 장치 및 방법에 관한 것으로서, 더욱 상세하게는 발전소에서 생산된 전력이 수용가에 전송되는 과정에서 발생하는 배전선로 손실을 추정하는, 배전선로 손실 추정 장치 및 방법에 관한 것이다.
발전소에서 생산된 전력은 전력을 필요로 하는 수용가로 전송되는 도중 손실이 발생하게 된다. 손실은 크게 송전 계통 손실과 배전 계통 손실로 구분되며, 손실율을 토대로 손실 절감을 위한 전력 운영 방안이 검토된다.
일반적으로 배전선로의 손실을 계산하기 위해서는, 선로 상에 설치된 자동화개폐기에서 측정된 전류 및 부하 말단에 설치된 AMI나 AMR 계기를 통해 취득된 부하 전력량을 조류계산의 입력으로 이용하는 방법이 사용된다.
또 다른 방법으로는 송전계통과 배전계통의 시간차 동기 알고리즘을 이용하여 배전계통 전력설비의 손실전력을 측정하는 방법도 고안되었다.
본 발명의 배경기술은 대한민국 등록특허공보 10-1625064호(2016.05.23)의 'AMI 전력 사용량 기반의 배전 구간부하 산출 시스템'에 개시되어 있다.
그러나, 종래의 AMI를 이용한 배전선로 손실 계산방법은 배전계통에 원격검침기기가 충분히 설치되어있을 경우에 적용 가능한 방법으로서, 원격검침기기 인프라가 충분한 배전계통을 보유한 경우에만 가능하다.
게다가, 종래의 송전계통과 배전계통의 시간차 동기 알고리즘에 기반한 손실 전력 측정 방법은, 배전계통 전력설비의 손실 측정 대상 구간의 시작점과 종료점의 계측 값 차이를 이용하여 손실 전력을 측정하는 방법으로써, 해당 설비를 잘 갖춘 경우에만 가능하다.
즉, 상기한 AMI를 이용한 배전선로 손실 계산방법 및 송전계통과 배전계통의 시간차 동기 알고리즘에 기반한 손실 전력 측정 방법은, 해당 인프라를 갖춘 배전계통을 보유하거나 해당 설비를 보유한 경우에만 가능하며, 배전계통 인프라가 열악한 지역, 예를 들어 개발도상국 등에서는 원격검침기기나 최신 설비가 전무한 경우가 대부분이므로, 전력운영을 위한 최소한의 인프라만 갖춘 환경에 적합한 배전선로 손실 계산방법 개발이 절대적으로 필요한 실정이다.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 목적은 각 노드의 월별 부하 계량 값과 각 피더의 일별 공급량을 기반으로 클러스터링 기법을 통해 부하를 종별로 구분하고, 종별로 구분된 월단위 부하데이터를 일 단위 부하조정 기법을 이용하여 일별 부하량을 추정한 후, 일별 부하량을 토대로 손실 계산을 수행하여 배전선로의 일별 손실을 추정하는 배전선로 손실 추정 장치 및 방법을 제공하는 것이다.
본 발명의 일 측면에 따른 배전선로 손실 추정 장치는 일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 이용하여 부하를 종별로 클러스터링하는 데이터 가공부; 및 상기 데이터 가공부에 의해 종별로 클러스터링된 데이터를 이용하여 일단위의 부하값을 추정한 후 추정된 부하값을 이용하여 배전선로의 손실량과 손실률을 계산하는 손실 이력 계산부를 포함하는 것을 특징으로 한다.
본 발명의 상기 데이터 가공부는 일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 취득하는 데이터 취득부; 배전선로의 전기적 손실을 계산하기 위해 선택된 선로의 계통 구조를 분석하여 선로 정보를 생성하는 전기모델 입력부; 및 상기 데이터 취득부에 의해 취득된 일단위 전력 공급량 측정데이터와 월단위 수용가 계량정보 및 설비정보, 및 상기 전기모델 입력부에 의해 입력된 선로 정보를 이용하여 부하를 종별로 클러스터링하는 클러스터 생성부를 포함하는 것을 특징으로 한다.
본 발명의 상기 선로 정보는 부하의 노드 번호, 부하의 월 계량값 및 피더의 일 공급전력 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 상기 손실 이력 계산부는 상기 데이터 가공부에 의해 클러스터링된 부하를 일 단위의 부하로 추정하는 일 단위 부하 조정부; 및 상기 일 단위 부하 조정부에 의해 추정된 일 단위의 부하를 통해 손실 계산을 수행하여 손실량과 손실률을 계산하는 선로 손실도전 계산부를 포함하는 것을 특징으로 한다.
본 발명의 상기 일 단위 부하 조정부는 계산하고자 하는 피더의 일 공급량과 그룹의 월 부하 총합을 곱한 후, 피더의 월 공급량을 나누어 일 단위 부하량을 추정하는 것을 특징으로 한다.
본 발명의 상기 선로 손실도전 계산부는 선로 전류의 제곱에 선로 임피던스를 곱하여 손실량을 계산하는 것을 특징으로 한다.
본 발명의 상기 선로 손실도전 계산부는 손실률을 기 설정된 기준 손실률과 비교하여 비교 결과에 따라 도전을 판정하는 것을 특징으로 한다.
본 발명의 상기 선로 손실도전 계산부는 손실률이 기준 손실률 이상이면 도전으로 판정하는 것을 특징으로 한다.
본 발명의 상기 선로 손실도전 계산부는 손실률과 기준 손실률을 비교하여 도전 여부를 판단한 결과 값을 지도상에 시각화하여 출력하는 것을 특징으로 한다.
본 발명의 상기 손실 이력 계산부의 손실량 및 손실률을 학습시켜 미래 손실량을 추정하는 손실 예측부를 더 포함하는 것을 특징으로 한다.
본 발명의 상기 손실 예측부는 일 단위 부하와 손실량을 인공신경망 방법을 이용하여 학습시키는 선로 손실도전 학습부; 및 상기 선로 손실도전 학습부에 의해 학습된 일 단위 부하와 손실량을 과거 이력으로 가정한 후 모델 시험을 수행하여 차월의 손실 예측을 수행하는 선로 손실도전 시험부를 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 배전선로 손실 추정 방법은 일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 이용하여 부하를 종별로 클러스터링하는 단계; 종별로 클러스터링된 데이터를 이용하여 일단위의 부하값을 추정한 후 추정된 부하값을 이용하여 배전선로의 손실량과 손실률을 계산하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 부하를 종별로 클러스터링하는 단계는 일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 취득하는 단계; 배전선로의 전기적 손실을 계산하기 위해 선택된 선로의 계통 구조를 분석하여 선로 정보를 생성하는 단계; 및 일단위 전력 공급량 측정데이터와 월단위 수용가 계량정보 및 설비정보, 및 선로 정보를 이용하여 부하를 종별로 클러스터링하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 선로 정보는 부하의 노드 번호, 부하의 월 계량값 및 피더의 일 공급전력 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 상기 배전선로의 손실량과 손실률을 계산하는 단계는 클러스터링된 부하를 일 단위의 부하로 추정하는 단계; 및 추정된 일 단위의 부하를 통해 손실 계산을 수행하여 손실량과 손실률을 계산하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 클러스터링된 부하를 일 단위의 부하로 추정하는 단계는, 계산하고자 하는 피더의 일 공급량과 그룹의 월 부하 총합을 곱한 후, 피더의 월 공급량을 나누어 일 단위 부하량을 추정하는 것을 특징으로 한다.
본 발명의 상기 손실량과 손실률을 계산하는 단계는, 선로 전류의 제곱에 선로 임피던스를 곱하여 손실량을 계산하는 것을 특징으로 한다.
본 발명의 상기 손실량과 손실률을 계산하는 단계는, 손실률을 기 설정된 기준 손실률과 비교하여 비교 결과에 따라 도전을 판정하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명의 상기 손실량과 손실률을 계산하는 단계는, 손실률이 기준 손실률 이상이면 도전으로 판정하는 것을 특징으로 한다.
본 발명의 상기 손실량과 손실률을 계산하는 단계는, 손실률과 기준 손실률을 비교하여 도전 여부를 판단한 결과 값을 지도상에 시각화하여 출력하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명의 상기 손실 이력 계산부의 손실량 및 손실률을 학습시켜 미래 손실량을 추정하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명의 상기 미래 손실량을 추정하는 단계는 일 단위 부하와 손실량을 인공신경망 방법을 이용하여 학습시키는 단계; 및 상기 학습된 일 단위 부하와 손실량을 과거 이력으로 가정한 후 모델 시험을 수행하여 차월의 손실 예측을 수행하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 배전선로 손실 추정 장치 및 방법은 각 노드의 월별 부하 계량값과 각 피더의 일별 공급량을 기반으로 클러스터링 기법을 통해 부하를 종별로 구분하고, 종별로 구분된 월단위 부하데이터를 일 단위 부하조정 기법을 이용하여 일별 부하량을 추정한 후, 일별 부하량을 토대로 손실 계산을 수행하여 배전선로의 일별 손실을 추정할 수 있다.
본 발명의 다른 측면에 따른 배전선로 손실 추정 장치 및 방법은 특별한 설비를 추가로 설치하지 않고도 배전계통의 각종 정보를 이용하여 일단위의 전력 손실량을 추정하고 이를 토대로 미래 손실량을 예측할 수 있다.
본 발명의 또 다른 측면에 따른 배전선로 손실 추정 장치 및 방법은 도전 문제로 전력운영에 차질을 빚는 개발도상국의 전력 운영 효율화에 기여할 수 있다.
본 발명의 또 다른 측면에 따른 배전선로 손실 추정 장치 및 방법은 사용되는 전류, 전압 등의 기반 데이터가 보정 또는 조류계산을 통해 산출하므로 배전운영시스템의 주장치와 단말장치 간에 별도의 설비 투자 부담이 없이 운용될 수 있다.
도 1 은 본 발명의 일 실시예에 따른 배전선로 손실 추정 장치의 블럭 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 클러스터링 전후 데이터와 실제 손실률을 비교한 도면이다.
도 3 은 본 발명의 일 실시예에 따른 주거 밀집지역의 노드별 검침값 분포도를 나타낸 도면이다.
도 4 는 본 발명의 일 실시예에 따른 클러스터링 수행 유무에 따른 일 부하의 MAPE를 비교한 도면이다.
도 5 는 본 발명의 일 실시예에 따른 과거 데이터를 활용한 일 단위 부하조정 결과 및 실 데이터를 비교한 도면이다.
도 6 은 본 발명의 일 실시예에 따른 도전 추정 가시화 표현의 예시도이다.
도 7 은 본 발명의 일 실시예에 따른 클러스터링 과정을 도시한 순서도이다.
도 8 은 본 발명의 일 실시예에 따른 K 평균 알고리즘의 클러스터링 원리를 나타낸 도면이다.
도 9 는 본 발명의 일 실시예에 따른 클러스터링 실제 적용 화면을 나타낸 도면이다.
도 10 은 본 발명의 일 실시예에 따른 일 단위 부하 조정 및 손실 도전 계산 과정을 도시한 순서도이다.
도 11 은 본 발명의 일 실시예에 따른 배전 손실 계산 추정을 위한 예시 단선도이다.
도 12 는 본 발명의 일 실시예에 따른 손실 예측 과정을 도시한 순서도이다.
도 13 은 본 발명의 일 실시예에 따른 차월 손실 예측 그래프이다.
이하에서는 본 발명의 일 실시예에 따른 배전선로 손실 추정 장치 및 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1 은 본 발명의 일 실시예에 따른 배전선로 손실 추정 장치의 블럭 구성도이고, 도 2 는 본 발명의 일 실시예에 따른 클러스터링 전후 데이터와 실제 손실률을 비교한 도면이며, 도 3 은 본 발명의 일 실시예에 따른 주거 밀집지역의 노드별 검침값 분포도를 나타낸 도면이며, 도 4 는 본 발명의 일 실시예에 따른 클러스터링 수행 유무에 따른 일 부하의 MAPE를 비교한 도면이며, 도 5 는 본 발명의 일 실시예에 따른 과거 데이터를 활용한 일 단위 부하조정 결과 및 실 데이터를 비교한 도면이며, 도 6 은 본 발명의 일 실시예에 따른 도전 추정 가시화 표현의 예시도이며, 도 13 은 본 발명의 일 실시예에 따른 차월 손실 예측 그래프이다.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 배전선로 손실 추정 장치는 데이터 가공부(100), 손실 이력 계산부(200) 및 손실 예측부(300)를 포함한다.
데이터 가공부(100)는 일 단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 기타 설비정보를 입력받아 부하종류별로 구분하기 위한 데이터 분류 즉, 클러스터링을 수행한다.
데이터 가공부(100)는 데이터 취득부(110), 전기모델 입력부(120) 및 클러스터 생성부(130)를 포함한다.
데이터 취득부(110)는 기존에 검침되고 있는 월 단위 계량값 및 일단위 공급전력을 취득한다. 예를 들어 부하의 노드 번호, 부하의 월 계량값 및 피더의 일 공급전력이 포함될 수 있다.
전기모델 입력부(120)는 선로의 전기적 손실을 계산하기 위하여 선택된 선로의 계통 구조를 분석하고 선로정수를 클러스터 생성부(130)에 입력한다. 선로의 계통구조에는 선로의 연결 정보, 선종정보, 및 개폐기 정보가 포함된다. 입력된 선로정보는 손실계산에 필요한 등가회로 모델 구성(배전선로, 변압기, 부하)을 위한 전기적 모델링에 활용된다.
클러스터 생성부(130)는 데이터 취득부(110)에 의해 취득된 데이터 및 전기모델 입력부(120)를 통해 분석된 데이터를 입력받고, 이들 데이터를 이용하여 부하를 클러스터링한다.
클러스터 생성부(130)는 부하를 클러스터링하는 부하 분류 방법으로 K 평균 클러스터링 기법을 활용하며, 이러한 K 평균 클러스터링 기법을 이용하여 공급 전력량과 부하 검침값의 관계를 분석한다.
여기서, 클러스터링을 수행하는 이유는 부하의 특성에 따라 부하가 분류되면 도 2 및 도 4에 도시된 바와 같이, 다음 단계의 배전손실 계산시 손실에 대한 오차가 클러스터링 전에 비해 감소하기 때문이다.
도 3 은 전체 고객 대상으로 클러스터링을 수행하면 월간 전력 사용량이 일정한 4개의 그룹으로 분류가 가능함을 나타낸다.
일 예로, 클러스터링을 하였을 때와 하지 않을 때의 효과를 검증하기 위해 일 부하 조정을 진행하고, 계산된 부하 값에 대해 MAPE(Mean Absolute Percentage Error, 평균절대오차백분율)를 아래의 수학식과 같이 계산하였다.
Figure 112018064182240-pat00001
Figure 112018064182240-pat00002
클러스터링 유무에 따른 MAPE값과 관련하여,
Figure 112018064182240-pat00003
는 클러스터링을 한 후의 MAPE이고,
Figure 112018064182240-pat00004
는 클러스터링을 하지 않은 경우의 MAPE이며,
Figure 112018064182240-pat00005
은 총 노드 개수이며,
Figure 112018064182240-pat00006
는 p번째 노드의 부하 참값이며,
Figure 112018064182240-pat00007
는 p번째 노드의 부하를 클러스터링 한 후의 값이며,
Figure 112018064182240-pat00008
는 p번째 노드의 부하를 클러스터링하지 않은 값이다.
특정 월의 검침량에 대해 클러스터링을 한 경우와 하지 않은 경우를 구분하여 일단위 부하조정을 수행하였을 경우, p 노드의 부하는 각각
Figure 112018064182240-pat00009
,
Figure 112018064182240-pat00010
으로 표현된다.
이에 대해 MAPE를 계산하기 위해 상기한 수학식을 각각 일별로 적용하면 도 5와 같이 표시된다.
도 5 에서
Figure 112018064182240-pat00011
와
Figure 112018064182240-pat00012
를 비교하였을 때, 전체적으로
Figure 112018064182240-pat00013
가
Figure 112018064182240-pat00014
보다 더 작은 결과를 보이는 것을 알 수 있다.
일별 MAPE를 모두 합산하면, 클러스터링한 경우와 안한 경우의 부하 각각은 13.28과 17.19로서, 클러스터링한 부하가 더 작게 나타나는 것을 확인할 수 있다.
이러한 결과는 부하에 대해 클러스터링을 수행한 것이 각 노드별 부하에 가중치가 적용되므로, 일단위로 조정된 부하값이 클러스터링을 안한 경우보다 참값에 더 가깝게 계산되는 것을 보여준다.
손실 이력 계산부(200)는 데이터 가공부(100)를 통해 가공된 데이터를 입력받아 월 단위의 계량값을 일단위의 부하값으로 추정하고, 추정된 부하값을 이용하여 배전선로의 손실량을 계산한다.
손실 이력 계산부(200)는 일 단위 부하 조정부(210) 및 선로 손실도전 계산부(220)를 포함한다.
일 단위 부하 조정부(210)는 데이터 가공부(100)의 클러스터링 결과를 이용하여 월단위의 계량 값을 일단위로 추정한다. 즉, 일 단위 부하 조정부(210)는 계산하고자하는 피더의 일 공급량과 특정 그룹의 월 부하 총합을 곱하고, 이 값에 피더의 월 공급량을 나누어 특정 그룹의 일 단위 부하량을 추정한다.
즉, 특정 그룹의 일 단위 부하량=피더 일 단위 공급량×(특정 그룹의 월 부하량/피더의 월 공급량)이다.
도 5를 참조하면, 국내 지역의 일별 계량 데이터 검침값과 월 단위 검침값을 본 실시예를 통해 일 단위 부하량으로 보정하여 비교한 그래프 결과가 실제 데이터 대비 많은 차이를 보이지 않고 있어 유효성을 입증할 수 있다.
선로 손실도전 계산부(220)는 데이터 가공부(100)의 결과값과 일 단위 부하 조정부(210)의 결과 값을 이용하여 손실계산을 수행한다. 즉, 선로 손실도전 계산부(220)는 각 피더의 전기적 손실계산을 위해, 선로 임피던스와 선로 전류를 계산하고, 선로 전류 제곱에 선로 임피던스를 곱하여 선로의 전기적 손실을 계산한다.
이 경우, 선로 손실도전 계산부(220)는 각 피더별로 계산된 일별 손실량을 공급전력으로 나누어 손실률을 계산한 후, 계산된 손실률을 기 설정된 기준 손실률과 비교하여 비교 결과 계산된 손실률이 기준 손실률을 벗어나는지를 토대로 도전을 판단한다.
아울러, 선로 손실도전 계산부(220)는 계산된 손실률과 기준 손실률을 비교하여 도전 여부를 판단한 결과 값을 도 6 에 도시된 바와 같이 지도상에 시각화하여 출력할 수 있다.
손실 예측부(300)는 손실 이력 계산부(200)를 통해 출력된 결과 값을 학습시켜 미래 손실량을 추정한다.
손실 예측부(300)는 선로 손실도전 학습부(310) 및 선로 손실도전 시험부(320)를 포함한다.
선로 손실도전 학습부(310)는 추정된 일별 부하량과 손실량을 인공신경망 방법을 활용하여 학습시킨다.
선로 손실도전 시험부(320)는 선로 손실도전 학습부(310)에 의해 학습된 데이터를 과거 이력으로 가정하여 모델 시험을 수행하고, 차월의 손실 예측을 수행한다.
이하, 본 발명의 일 실시예에 따른 배전선로 손실 추정 방법을 도 7 내지 도 13을 참조하여 상세하게 설명한다.
도 7 은 본 발명의 일 실시예에 따른 클러스터링 과정을 도시한 순서도이며, 도 8 은 본 발명의 일 실시예에 따른 K 평균 알고리즘의 클러스터링 원리를 나타낸 도면이며, 도 9 는 본 발명의 일 실시예에 따른 클러스터링 실제 적용 화면을 나타낸 도면이며, 도 10 은 본 발명의 일 실시예에 따른 일 단위 부하 조정 및 손실 도전 계산 과정을 도시한 순서도이며, 도 11 은 본 발명의 일 실시예에 따른 배전 손실 계산 추정을 위한 예시 단선도이며, 도 12 는 본 발명의 일 실시예에 따른 손실 예측 과정을 도시한 순서도이며, 도 13 은 본 발명의 일 실시예에 따른 차월 손실 예측 그래프이다.
도 7을 참조하면, 데이터 취득부(110)는 시간별 공급량, 부하의 월 계량 값 등과 같은 데이터, 설비의 전기적 모델링을 수행하기 위한 전기 정보 데이터인 선로의 연결정보, 개폐기의 연결정보 및 개폐기의 상태정보 등을 입력받는다(S111),
데이터 취득부(110)는 입력받은 데이터에서 클러스터링에 필요한 데이터를 수집한다(S112). 이때 수집되는 기본적인 데이터에는 시간당 공급 전력과 부하의 월 단위 계량 값이 포함될 수 있다.
참고로, 본 실시예에서는 수집되는 기본적인 데이터에 시간당 공급 전력과 부하의 월 단위 계량 값을 예시로 설명하였으나, 계약전력, 지역의 휴무일 정보, 호당 거주자 수 등이 더 포함될 수 있으며, 이 경우 모델 정확도가 향상될 수 있다.
클러스터링에 필요한 데이터가 수집됨에 따라, 클러스터 생성부(130)는 클러스터링을 위한 데이터 초기화 작업(k=1)을 수행하고(S113), K 평균 알고리즘에 부하의 특성을 반영하여 부하를 적어도 하나 이상의 그룹으로 분류한다. 이 경우, 클러스터 생성부(130)는 도 8 에 도시된 바와 같이 대상 값과 나머지 값들 간의 거리 계산을 수행하여 클러스터 집합을 구하며, 각 집합 Si의 샘플의 평균을 중심점 μi을 구해 이를 새로운 시작점으로 정한다. 클러스터 생성부(130)는 이러한 과정을 거리계산 편차의 변화가 없을 때까지 반복 수행한다(S114). 이러한 알고리즘은 아래의 표 1과 같다.
입력 샘플 집합 X=x1, x2, ... , xn
출력 월별 전력 사용량의 분류(클러스터링)
알고리즘 k개의 군집 중심 Z=z1, z2, ... , zn를 초기화
while(true)

for (i=1 to N) xi를 가장 가까운 군집 중심으로 배정
if (이 배전이 이전 루프의 배정과 같음) break;
for (j=1 to k) zj에 배정된 샘플의 평균으로 zj를 대치
이어, 클러스터 생성부(130)는 클러스터 개수(K 값)를 조정해 가면서 군집이 가장 잘 결정되도록 최적의 클러스터 모델을 결정한다(S115). 참고로, 도 9에는 4개의 클러스터로 클러스터링이 수행된 예가 도시되었다.
이와 같이 클러스터링이 수행됨에 따라, 손실 이력 계산부(200)는 클러스터링 결과를 출력한다(S116).
다음으로, 일 단위 부하 조정부(210)는 데이터 가공부(100)의 클러스터 생성부(130)에서 분류된 종별(클러스터링 결과) 기준을 이용하여 월단위의 부하 검침 값을 일 단위 검침 값으로 추정 산출한다.
일 단위 부하 조정부(210)는 배전선로의 일별 공급전력(
Figure 112018064182240-pat00015
,
Figure 112018064182240-pat00016
는 i월 j일의 공급전력량을 의미), 클러스터링 결과 데이터 등 손실계산에 필요한 데이터를 입력받는다(S211). 손실계산에 필요한 데이터는 아래의 표 2와 같다.
분류 세부분류 비고
설비정보 공급전력량 배전선로에 공급되는 전력량 [kWh]
선로 연결정보 선로 간 연결 정보
선로 임피던스 km당 임피던스 또는 %임피던스
선로 거리 km 단위 사용
선로 선종 ALOC, ACSR, CNCV 등 선종 정보
노드 부하량 노드에서의 검침 부하량 [kWh]
개폐기 연결정보 개폐기와 선로 간 연결 정보
개폐기 상태정보 개폐기의 개폐 정보 (open/close)
클러스터링
정보		 부하 검침 월 부하량 부하 값을 취득한 월의 검침 값 [kWh]
월별/일별 공급전력량 월별/일별 공급전력량 [kWh]
다음으로, 도 10을 참조하면 일 단위 부하 조정부(210)는 입력받은 일별 공급전력량을 이용하여 월별 공급전력량을 아래의 수학식을 통해 합산하여 계산한다(S212). 여기서,
Figure 112018064182240-pat00017
는 i월의 공급전력량이다.
Figure 112018064182240-pat00018
이어, 일 단위 부하 조정부(210)는 입력받은 클러스터링 결과를 이용하여 클러스터 별 월 부하량(
Figure 112018064182240-pat00019
)을 합산하여 계산한다(S213). 여기서,
Figure 112018064182240-pat00020
는 클러스터 k의 월 부하량이다
월 부하량이 계산됨에 따라, 일 단위 부하 조정부(210)는 대상 클러스터의 일별 부하 계산을 위해 각 클러스터별 일 단위 부하조정을 수행한다(S214~S215). 일 단위 부하조정 수학식은 아래와 같다.
여기서, 부하 조정기법은 공급전력량 [kWh]이 일단위로 검침된다는 조건하에 성립된다. 단, i월의 공급전력량과 클러스터 부하의 관계식은 아래의 수학식과 같다. 여기서, n은 클러스터의 개수이고,
Figure 112018064182240-pat00021
는 i월의 선로손실과 도전이 포함된 전력량이다.
Figure 112018064182240-pat00022
여기서, n개의 클러스터에 대해 선로손실과 도전이 균등하게 발생한다고 가정하면 다음의 수학식과 같이 정리될 수 있다.
Figure 112018064182240-pat00023
이러한 수학식의 양변에
Figure 112018064182240-pat00024
로 나누면 다음의 수학식과 같다.
Figure 112018064182240-pat00025
클러스터 k에 대해 i월 j일에 대한 부하량 계산식은 다음의 수학식과 같다. 여기서, 선로손실과 도전이 포함된다.
Figure 112018064182240-pat00026
이어 일 단위 부하 조정부(210)는 일 단위 부하조정을 한 결과 값을 이용하여 각 노드별 일별 부하량을 계산한다(S216).
클러스터 k에 속하는 노드 p의 i월 j일에 대한 부하량은 다음의 수학식과 같다. 여기서, 노드 p의 i월의 검침량은
Figure 112018064182240-pat00027
이다.
Figure 112018064182240-pat00028
여기서,
Figure 112018064182240-pat00029
는
Figure 112018064182240-pat00030
로부터 유도되며, 선로손실과 도전이 포함된 노드의 부하량이다.
선로손실과 도전을 제외한 노드의 부하량은 다음 수학식과 같이 정리된다. 여기서, m은 클러스터 k의 총 노드 개수이다.
Figure 112018064182240-pat00031
다음으로 선로 손실도전 계산부(220)는 손실계산을 위해 상기 일별 노드 부하 및 기본 전압값을 입력받고(S221), 해당 노드에 연결된 선로 전류값 계산을 수행한다(S222).
예를 들어, Y결선에서 정 전력 부하를 전류 식으로 abc상별로 환산하면 다음과 같다. 여기서, S는 노드의 부하전력이고, V는 노드 전압이다.
Figure 112018064182240-pat00032
Figure 112018064182240-pat00033
Figure 112018064182240-pat00034
이어 선로 손실도전 계산부(220)는 선로 손실 전력 계산을 수행한다(S223). 손실 추정을 위한 예시 단선도는 도 11 과 같다. 도 11을 참조하면, 선로 손실도전 계산부(220)는 노드 i에서 노드 j로 흐르는 전력을 구하고, 노드 i와 j 사이의 전류를 구하여 j노드의 전압을 구하며, 또한 노드 i와 j 사이의 전류와 임피던스를 이용하여 손실 전력을 구한 후, j 노드로 유입되는 전력을 구한다.
여기서, i 노드에서 j 노드로 흐르는 전력 식은 다음과 같다.
Figure 112018064182240-pat00035
i 노드에서 j 노드로 흐르는 전류 식은 다음과 같다.
Figure 112018064182240-pat00036
j 노드의 전압 식은 다음과 같다.
Figure 112018064182240-pat00037
I-j 간 선로의 손실 전력 식은 다음과 같다.
Figure 112018064182240-pat00038
j 노드에 유입되는 전력 식은 다음과 같다.
Figure 112018064182240-pat00039
한편, 선로 손실도전 계산부(220)는 모든 노드에 대해 선로 전류 및 손실 전력을 계산하였는지를 판단(S224)하고, 판단 결과 계산할 노드가 남아 있으면 상기한 단계(S222~S223)의 과정을 반복 수행한다.
반면에, 선로 손실도전 계산부(220)는 모든 노드에 대해 선로 전류 및 손실 전력을 계산하면, 총 손실량(선로손실량 + 도전량) 및 손실률 계산을 수행한다(S225).
이어 선로 손실도전 계산부(220)는 손실률의 기준 손실률 이상인지를 판단하고(S226), 손실률이 기준 손실률 미만이면 도전이 없는 것으로 예측하고(S227), 반면에 손실률이 기준 손실률 이상이면 도전이 있는 것으로 예측한다(S228).
여기서, 선로 손실도전 계산부(220)는 아래의 표 3과 같은 손실 기준 정보를 이용하여 도전 유무를 판정한다.
구분 설명 데이터형태
kW_or_per 손실량과 손실률을 선택(1:kW, 0:percent) 정수형
kW 기준 손실량 실수형
percent 기준 손실률 실수형
최종적인 선로손실/도전 추정 결과는 표 4와 같다.
날짜 공급전력
[kW]		 부하전력
[kW]		 총 손실량
[kW]		 손실률
[%]		 도전추정결과
20120301 55,344.5 36,600.4 5,103.7 9.22 도전 없음
20120302 61,571.7 40,718.6 6,247.4 10.15 도전 없음
20120303 59,879.4 39,599.5 5,926.4 9.90 도전 없음
20120304 55,582.4 36,757.8 5,145.5 9.26 도전 없음
도 12를 참조하면, 선로 손실도전 학습부(310)는 이전 단계에서 계산된 손실 도전 계산 결과를 입력받고(S311), 이 입력값을 이용하는 신경망 알고리즘을 수행하여 학습 모델을 생성한다(S312).
이어 선로 손실도전 시험부(320)는 선로 손실이나 도전을 예측할 차월 데이터, 예를 들어 날짜 및 공급전력량을 입력받고(S322), 학습된 모델을 이용하여 시험을 수행한다(S323).
마지막으로 선로 손실도전 시험부(320)는 차월의 총손실량과 도전을 예측한다(S324). 이 경우 선로 손실도전 시험부(320)는 선로 손실도전 계산부(220)에서 표 3과 같은 손실 기준 정보를 이용한 것과 같이 동일 기준으로 도전을 함께 판정할 수 있다.
일 예로, 1년 동안의 학습 데이터를 이용해 손실 예측을 수행한 결과는 도 13 과 같다.
이러한 본 발명의 일 실시예에 따른 배전선로 손실 추정 장치 및 방법은 전력 운영 기술이 뒤처지거나, 인프라가 덜 갖춰진 지역에 도입될 수 있으며, 부하를 실시간 또는 하루 단위로 검침하지 못하고 상세한 전력정보를 알 수 없어도 부하를 구별하여 일별 손실 전력을 계산할 수 있다. 또한, 일별 손실율 정보를 판단하여 과거 사용량 실적을 기반으로 특정기간동안 도전 가능성 유무를 예측할 수 있다. 더욱이, 미래 손실 예측을 통해 공급되어야 할 전력량을 계획할 수 있으며, 도전 가능 유무를 예상하여 도전에 대한 피해를 사전에 방지할 수도 있다.
게다가, 본 발명의 일 실시예에 따른 배전선로 손실 추정 장치 및 방법은 배전계통의 계획 및 운영 단계에서 사용하여 배전선로의 부하를 추정 및 예측할 수 있도록 함으로써, 배전설비 용량을 산정하거나 설비 증설계획에 활용함으로써, 효율적인 전력 사용에 기여할 수 있고, 손실 예측 알고리즘을 이용해 손실 추정이 일어나는 곳을 면밀히 분석하여 설비 노후 판단과 계통 정전사고 예방에도 적극 활용 할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.
100: 데이터 가공부 110: 데이터 취득부
120: 전기모델 입력부 130: 클러스터 생성부
200: 손실 이력 계산부 210: 일 단위 부하 조정부
220: 선로 손실도전 계산부 300: 손실 예측부
310: 선로 손실도전 학습부 320: 선로 손실도전 시험부

Claims (22)

  1. 일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 이용하여 부하를 종별로 클러스터링하는 데이터 가공부; 및
    상기 데이터 가공부에 의해 종별로 클러스터링된 데이터를 이용하여 일단위의 부하값을 추정한 후 추정된 부하값을 이용하여 배전선로의 손실량과 손실률을 계산하는 손실 이력 계산부를 포함하고,
    상기 손실 이력 계산부는, 상기 데이터 가공부에 의해 클러스터링된 부하를 일 단위의 부하로 추정하는 일 단위 부하 조정부; 및 상기 일 단위 부하 조정부에 의해 추정된 일 단위의 부하를 통해 손실 계산을 수행하여 손실량과 손실률을 계산하는 선로 손실도전 계산부를 포함하며,
    상기 일 단위 부하 조정부는 계산하고자 하는 피더의 일 공급량과 그룹의 월 부하 총합을 곱한 후, 피더의 월 공급량을 나누어 일 단위 부하량을 추정하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  2. 제 1 항에 있어서, 상기 데이터 가공부는
    일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 취득하는 데이터 취득부;
    배전선로의 전기적 손실을 계산하기 위해 선택된 선로의 계통 구조를 분석하여 선로 정보를 생성하는 전기모델 입력부; 및
    상기 데이터 취득부에 의해 취득된 일단위 전력 공급량 측정데이터와 월단위 수용가 계량정보 및 설비정보, 및 상기 전기모델 입력부에 의해 입력된 선로 정보를 이용하여 부하를 종별로 클러스터링하는 클러스터 생성부를 포함하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  3. 제 2 항에 있어서, 상기 선로 정보는 부하의 노드 번호, 부하의 월 계량값 및 피더의 일 공급전력 중 적어도 하나를 포함하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서, 상기 선로 손실도전 계산부는 선로 전류의 제곱에 선로 임피던스를 곱하여 손실량을 계산하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  7. 제 1 항에 있어서, 상기 선로 손실도전 계산부는 손실률을 기 설정된 기준 손실률과 비교하여 비교 결과에 따라 도전을 판정하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  8. 제 7 항에 있어서, 상기 선로 손실도전 계산부는 손실률이 기준 손실률 이상이면 도전으로 판정하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  9. 제 7 항에 있어서, 상기 선로 손실도전 계산부는 손실률과 기준 손실률을 비교하여 도전 여부를 판단한 결과 값을 지도상에 시각화하여 출력하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  10. 제 1 항에 있어서, 상기 손실 이력 계산부의 손실량 및 손실률을 학습시켜 미래 손실량을 추정하는 손실 예측부를 더 포함하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  11. 제 10 항에 있어서, 상기 손실 예측부는
    일 단위 부하와 손실량을 인공신경망 방법을 이용하여 학습시키는 선로 손실도전 학습부; 및
    상기 선로 손실도전 학습부에 의해 학습된 일 단위 부하와 손실량을 과거 이력으로 가정한 후 모델 시험을 수행하여 차월의 손실 예측을 수행하는 선로 손실도전 시험부를 포함하는 것을 특징으로 하는 배전선로 손실 추정 장치.
  12. 일단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 이용하여 부하를 종별로 클러스터링하는 단계;
    종별로 클러스터링된 데이터를 이용하여 일단위의 부하값을 추정한 후 추정된 부하값을 이용하여 배전선로의 손실량과 손실률을 계산하는 단계를 포함하고,
    상기 배전선로의 손실량과 손실률을 계산하는 단계는, 클러스터링된 부하를 일 단위의 부하로 추정하는 단계; 및 추정된 일 단위의 부하를 통해 손실 계산을 수행하여 손실량과 손실률을 계산하는 단계를 포함하며,
    상기 클러스터링된 부하를 일 단위의 부하로 추정하는 단계는, 계산하고자 하는 피더의 일 공급량과 그룹의 월 부하 총합을 곱한 후, 피더의 월 공급량을 나누어 일 단위 부하량을 추정하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  13. 제 12 항에 있어서, 상기 부하를 종별로 클러스터링하는 단계는
    일 단위 전력 공급량 측정데이터, 월단위 수용가 계량정보 및 설비정보를 취득하는 단계;
    배전선로의 전기적 손실을 계산하기 위해 선택된 선로의 계통 구조를 분석하여 선로 정보를 생성하는 단계; 및
    일 단위 전력 공급량 측정데이터와 월단위 수용가 계량정보 및 설비정보, 및 선로 정보를 이용하여 부하를 종별로 클러스터링하는 단계를 포함하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  14. 제 13 항에 있어서, 상기 선로 정보는 부하의 노드 번호, 부하의 월 계량값 및 피더의 일 공급전력 중 적어도 하나를 포함하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  15. 삭제
  16. 삭제
  17. 제 12 항에 있어서, 상기 손실량과 손실률을 계산하는 단계는,
    선로 전류의 제곱에 선로 임피던스를 곱하여 손실량을 계산하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  18. 제 12 항에 있어서, 상기 손실량과 손실률을 계산하는 단계는,
    손실률을 기 설정된 기준 손실률과 비교하여 비교 결과에 따라 도전을 판정하는 단계를 더 포함하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  19. 제 18 항에 있어서, 상기 손실량과 손실률을 계산하는 단계는,
    손실률이 기준 손실률 이상이면 도전으로 판정하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  20. 제 18 항에 있어서, 상기 손실량과 손실률을 계산하는 단계는,
    손실률과 기준 손실률을 비교하여 도전 여부를 판단한 결과 값을 지도상에 시각화하여 출력하는 단계를 더 포함하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  21. 제 12 항에 있어서, 상기 배전선로의 손실량 및 손실률을 학습시켜 미래 손실량을 추정하는 단계를 더 포함하는 것을 특징으로 하는 배전선로 손실 추정 방법.
  22. 제 21 항에 있어서, 상기 미래 손실량을 추정하는 단계는
    일 단위 부하와 손실량을 인공신경망 방법을 이용하여 학습시키는 단계; 및
    상기 학습된 일 단위 부하와 손실량을 과거 이력으로 가정한 후 모델 시험을 수행하여 차월의 손실 예측을 수행하는 단계를 포함하는 것을 특징으로 하는 배전선로 손실 추정 방법.


KR1020180075490A 2018-06-29 2018-06-29 배전선로 손실 추정 장치 및 방법 KR102029031B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180075490A KR102029031B1 (ko) 2018-06-29 2018-06-29 배전선로 손실 추정 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180075490A KR102029031B1 (ko) 2018-06-29 2018-06-29 배전선로 손실 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102029031B1 true KR102029031B1 (ko) 2019-10-07

Family

ID=68422286

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180075490A KR102029031B1 (ko) 2018-06-29 2018-06-29 배전선로 손실 추정 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102029031B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111123039A (zh) * 2019-12-31 2020-05-08 国网北京市电力公司 基于同期特征与改进K-means聚类的配电网异常线损诊断方法
CN112684398A (zh) * 2020-11-23 2021-04-20 国网江苏省电力有限公司营销服务中心 基于动态线损的电能表运行误差监测方法及系统
CN113447751A (zh) * 2021-09-01 2021-09-28 江苏数能电力技术有限公司 一种计算低压台区合理线损率的方法
CN113674014A (zh) * 2021-07-07 2021-11-19 湖南大学 一种配电线路日线损率预测方法和系统
CN114441892A (zh) * 2021-12-27 2022-05-06 国网江西省电力有限公司电力科学研究院 一种10kV线路异常线损配电变压器定位方法
CN115051912A (zh) * 2022-06-20 2022-09-13 广东电网有限责任公司 一种停电用户定位方法、装置、设备、介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100872725B1 (ko) * 2008-11-10 2008-12-05 (주)제일전기기술단 배전계통의 배전손실 산정 방법
KR20120137613A (ko) * 2011-05-25 2012-12-24 주식회사 파워이십일 배전 시스템의 상태추정 방법
KR101246383B1 (ko) * 2011-09-27 2013-03-21 한국전력공사 배전계통의 구간부하 특성을 고려한 배전손실 최소화 장치 및 방법
JP2015107012A (ja) * 2013-12-02 2015-06-08 株式会社東芝 配電監視システム及び監視装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100872725B1 (ko) * 2008-11-10 2008-12-05 (주)제일전기기술단 배전계통의 배전손실 산정 방법
KR20120137613A (ko) * 2011-05-25 2012-12-24 주식회사 파워이십일 배전 시스템의 상태추정 방법
KR101246383B1 (ko) * 2011-09-27 2013-03-21 한국전력공사 배전계통의 구간부하 특성을 고려한 배전손실 최소화 장치 및 방법
JP2015107012A (ja) * 2013-12-02 2015-06-08 株式会社東芝 配電監視システム及び監視装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111123039A (zh) * 2019-12-31 2020-05-08 国网北京市电力公司 基于同期特征与改进K-means聚类的配电网异常线损诊断方法
CN112684398A (zh) * 2020-11-23 2021-04-20 国网江苏省电力有限公司营销服务中心 基于动态线损的电能表运行误差监测方法及系统
CN112684398B (zh) * 2020-11-23 2024-01-23 国网江苏省电力有限公司营销服务中心 基于动态线损的电能表运行误差监测方法及系统
CN113674014A (zh) * 2021-07-07 2021-11-19 湖南大学 一种配电线路日线损率预测方法和系统
CN113674014B (zh) * 2021-07-07 2023-10-20 湖南大学 一种配电线路日线损率预测方法和系统
CN113447751A (zh) * 2021-09-01 2021-09-28 江苏数能电力技术有限公司 一种计算低压台区合理线损率的方法
CN114441892A (zh) * 2021-12-27 2022-05-06 国网江西省电力有限公司电力科学研究院 一种10kV线路异常线损配电变压器定位方法
CN115051912A (zh) * 2022-06-20 2022-09-13 广东电网有限责任公司 一种停电用户定位方法、装置、设备、介质
CN115051912B (zh) * 2022-06-20 2023-11-03 广东电网有限责任公司 一种停电用户定位方法、装置、设备、介质

Similar Documents

Publication Publication Date Title
KR102029031B1 (ko) 배전선로 손실 추정 장치 및 방법
López et al. Parsimonious short-term load forecasting for optimal operation planning of electrical distribution systems
Barja-Martinez et al. Artificial intelligence techniques for enabling Big Data services in distribution networks: A review
Al-Wakeel et al. State estimation of medium voltage distribution networks using smart meter measurements
US7979239B2 (en) System and method for monitoring and managing electrical power transmission and distribution networks
CN108700851B (zh) 用于预测能量消耗的系统、方法和基于云的平台
Ledva et al. Real-time energy disaggregation of a distribution feeder's demand using online learning
CN110928866A (zh) 基于停电信息大数据分析的线路拓扑核查方法及系统
EP2920747A1 (en) Identifying operability failure in dr assets
Wang et al. A load modeling algorithm for distribution system state estimation
Chrysopoulos et al. Bottom-up modeling of small-scale energy consumers for effective demand response applications
CN110880055A (zh) 楼宇智能电表系统
Zang et al. A robust state estimator for integrated electrical and heating networks
Moturi et al. Use of artificial neural networks for short-term electricity load forecasting of Kenya national grid power system
Lee et al. Smart metering system capable of anomaly detection by bi-directional LSTM autoencoder
Ding et al. Individual nonparametric load estimation model for power distribution network planning
Efkarpidis et al. Smart Metering Applications
Waswa et al. A probabilistic estimation of PV capacity in distribution networks from aggregated net-load data
Lourenco et al. Short-term load forecasting using a Gaussian process model: The influence of a derivative term in the input regressor
Klaiber et al. A contribution to the load forecast of price elastic consumption behaviour
Mutanen et al. Smart meter data-based load profiles and their effect on distribution system state estimation accuracy
Hou et al. Cooling load prediction based on the combination of rough set theory and support vector machine
Kotsalos et al. On the development of a framework for the advanced monitoring of LV grids
Mugerwa et al. Data-driven consumer-phase identification in low-voltage distribution networks considering prosumers
Frimpong et al. A model for predicting unregulated energy usage

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant