基于智能电表海量数据的台区运行态势分析与应用

随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。通过精益化线损分析,研判线损异常的原因,对配网变户一致性进行研判,对智能装置数据准确性进行评价;通过低压台区回路阻抗模型计算,利用阻抗值实现了配网异常情况的预判和网架阻抗评估;通过配网故障研究分析,及时实现不同类型故障的准确主动研判,进一步提升供电服务"最后一公里"服务效率。文章通过深入挖掘智能电网领域大数据价值,促进业务创新、绩效提升,细化客户分类,满足智能化、多样化用电需要,提升配电网感知度。     

基于线路态势感知的台区检修决策优化技术研究

传统方式下低压台区采用计划检修以及事后抢修的模式,运维检修决策模式固化、滞后的弊端明显。以当前低压配电网数据为基础,以用户回路阻抗计算为手段,提出台区线路状态感知评估模型,支撑台区检修模式转型。基于台区简化网络拓扑构建用户回路阻抗方程,并采用约束线性最小二乘模型进行求解;考虑线路阻抗状态与故障类型的关联关系,创新性提出台区线路随机故障与累积故障状态判定模型;构建考虑检修成本的经营成效评估模型,并以经营成效最大化为目标,结合供电可靠性约束条件,建立基于非线性规划方法的台区检修决策优化模型。以某个含376个公变台区的供电所为例,进行了算例分析,验证了所提模型与算法的有效性。     

数据赋能低压配用电系统精益化运行的关键技术与算法

随着人工智能和大数据技术的发展,合理高效地分析电力数据可以赋能电网业务以提升其工作成效。同时,智能采集装置提供了海量计量数据,为数据赋能低压配用电系统精益化运行打下了坚实基础。为更好地总结低压配用电系统精益化运行的研究成果和启迪思路,根据现有业务将低压配用电系统精益化运行主要分为计量采集设备质量评估与计量数据异常监测、用户相位关系识别与三相不平衡治理、低压台区户变关系和拓扑关系识别、用户异常用电和窃电行为检测、客户侧用电服务评价5个方面,分别介绍了数据赋能低压配用电系统精益化运行中的关键技术及算法,并给出了目前研究的不足和未来的展望。     

基于量测信息的低压配电网阻抗拓扑模型构建

针对低压配电网阻抗拓扑模型不明确的问题,提出一种基于高级量测体系的低压配电网阻抗拓扑模型构建的在线识别方法。利用AMI提供的各用电用户电压数据,根据各负荷节点的电压相关性及辐射性网络节点电压分布特点,通过K-means聚类算法和用户间的皮尔逊电压相关系数分析原则,完成对低压配电网络拓扑模型的修正。根据修正后的台区拓扑结构中同一相别下智能电表所采集的序列数据,通过计算同一相别所有用户的相电压搭建优化问题模型,使得使用时间序列内不同电表数据计算得到的相电压矩阵方差最小,从而求得配电网线路阻抗参数,实现对配电网络的建模。通过实际算例验证了该方法的可行性和有效性。     

基于智能电能表开盖事件的用电异常分析方法

为防止窃电行为给供电企业带来经济损失,充分利用智能表事件信息和电表电量等数据的关系开展用户用电异常分析,提出了一种基于智能电能表开盖事件的用电异常分析方法。以用户电能表开盖事件的时间为数据分析的时间节点,对在该时间节点前后14天的用户用电数据、台区线损数据进行分析,实现对存在异常用电用户的有效识别,并通过某供电公司的实例验证了该分析方法的实用性和有效性。     

基于虚拟阻抗的低压配电网拓扑识别方法

当前拓扑识别技术难以反映潮流特性对拓扑识别的影响,基于配电网现有量测数据,通过分析节点间的电气距离,提出了虚拟阻抗的概念。将节点间具备电气意义的且与电气距离成正相关的连续变量定义为虚拟阻抗,并提出了一种基于虚拟阻抗的低压配电网拓扑识别方法。首先,构建以节点间虚拟阻抗为因变量的多元线性回归方程。然后,通过岭回归计算每一个单相电表与关口电表构成的回归方程的虚拟阻抗,根据计算结果快速判别出拓扑关系异常的电气设备。最后,建立基于导数动态时间弯曲(derivative dynamic time warping, DDTW)距离的校验模型,重新构建得到电气设备的正确拓扑关系,实现低压配电网拓扑关系的修正。以实际的低压配电网台区样本数据为依据,验证了所提方法的有效性。     

基于稀疏自适应学习的台区用户拓扑结构校验

针对低压台区拓扑结构人工校验成本高且准确性不足的问题,提出了基于稀疏自适应学习的台区用户拓扑结构校验方法。基于用电信息系统采集的用电量数据,构建了参数化台区用电量模型,提出了稀疏自适应学习方法自动估计出模型参数。通过阈值检验识别出台户拓扑结构统计错误的用户。采用浙江省海宁地区的用电量数据对该方法的性能进行分析。实验结果表明,该方法具有较好的识别率。在模拟场景中,可以达到100%的查全率和查准率;在真实场景中,可以达到84.8%的查准率和90.7%的查全率。     

基于关联系数法的台户关系辨识研究

建立高效的台区拓扑辨识方法,有利于精细化管理台区线损、台区区域性停电检修。现有的台区拓扑辨识方法大多局限于人工排查,无法依托现有的电气数据进行高效排查。基于台区的监测数据快速发展,提出一种基于电压时间序列关联系数法的台区拓扑辨识方法。该方法依托电压时间序列数据,分别计算用户和低压配变的皮尔逊相关系数和改进T型关联度系数,进而计算总关联度系数,将总关联度系数最小的后20%用户视为异常用户并进行人工排查,从而提高台区拓扑辨识的识别效率。     

配电台区在线线损分级管理和智能异常分析设计

用电信息采集系统根据配变和用户用电数据实时计算配电台区在线线损率。提出根据台区用电负荷特征分类管理,有针对性地开展降损工作;根据在线线损的优劣进行分级管理,监视各个级别的台区在线线损每日变化情况,对波动超限的台区及时报警提示;搜集台区线损异常处理案例,建立典型案例库,以案例库为依据,设计台区线损异常智能诊断工具,指导现场检查处理。通过开发台区线损分析和分级管理软件,提高配电台区线损管理工作效率,促进电力营销业务精益化管理。     

基于用电信息采集数据的低压台区异常线损诊断新方法

低压配电网台区的线损分析对发现和解决异常线损问题,减小用电损失以及用户的精细化管理具有重要意义。文章基于全事件用电信息采集系统采集的真实台区数据,提出了一种新的低压台区线损诊断方法。该方法利用电网诊断规则对所采集的原始数据进行质量分析,并通过对台区线损特征地提取和分类,建立了基于电压信息的二分K-Means聚类诊断算法和基于电量信息的全局搜索诊断算法,实现了对台户异常用户的快速定位及台区线损异常的治理。通过剔除异常电表和实际检验表明,该方法具有较高的准确性和一定的实用性。     

基于大数据平台的电压质量诊断与应用分析

针对传统电压质量异常识别方法效率低下,难以做到全面的识别与监控的问题。文中搭建了电压质量诊断与分析平台模型,通过主成分分析得到影响端用户电压监测分析、配网低压台区运行状态分析等应用的主成分,对数据进行降维,实现数据的简化处理。聚类分析筛选出符合异常特征的电压异常数据,利用电压异常模型确定异常数据,生成电压异常识别结果。基于J2EE技术框架在末端用户电压监测分析、配网低压台区运行状态分析、配网线路故障判断分析等方面进行可视化展示。     

智能电网低压台区运行状态模糊综合评价方法研究

为实现智能电网低压台区运行状态综合分析与评价,提出了一种基于环比评分法和模糊综合评价的低压台区运行状态评估方法。首先,根据低压台区运行状态和评估需求,从采集数据质量、线路损耗、营业管理及用户用电行为4个维度建立运行状态指标体系,并应用环比评分法根据专家意见确定权重;接着选取岭形分布隶属度函数来描述各指标对应于各状态空间的模糊关系;然后对构造的评价模型进行分析计算并得出结论。最后将该评价指标体系及评价方法应用于低压台区算例,得出被评价台区运行状态的优劣排序,并给出改进建议。     

基于智能配变终端的低压台区智能化监控系统设计

正设计了一种基于智能配变终端的低压配电台区智能化监控系统,在智能配电箱中配备智能配变终端用以获取台区内设备的运行状态和用户的用电数据等信息,通过低压配电箱将所收集的台区内设备的运行状态信息和用户的用电信息等传输到系统主站,进而能够对低压配电台区进行智能化监控。     

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。本文首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,本文提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。     

基于模糊C-均值聚类算法的台区电压与用户关系辨识

用户的用电情况会影响台区电压偏离正常值,影响配电系统供电可靠性。为了实现供电系统的优化管理,提出一种基于模糊C-均值聚类的台区电压与用户关系辨识方法。首先,对来自智能电表的不良数据进行处理和修补;然后,采用PCA(主成分分析)法对其数据进行特征提取,并模拟不同对象进行模糊C-均值分类。根据多种数据特征,把用户归为大、中、小3个等级类型。采用皮尔逊相关系数,阐明各个等级类型用户的用电行为对台区的电压影响,构建明确的台区电压与用户之间的关系。以广州某小区为实例,通过历史数据进行了多场景仿真对比,验证了该辨识方法的有效性和适用性。结果表明,该辨识方法能够快速识别某些特殊用户的用电行为及其对台区电压产生的异常影响。     

基于边缘计算的低压用户窃电检测

低压用户窃电导致线损电量增加,对台区线损异动进行归因分析是识别窃电用户的有效途径。低压用户通信异常多发,可导致用电信息采集系统主站数据失真,易误导窃电检测。利用配变终端可就地完整准确采集台区数据的特点,提出基于边缘计算的低压用户窃电检测方法。首先,在通信正常和异常的条件下,分析台区窃电用户用电量与线损电量的关联关系;然后,在配变终端窃电检测模块中对真实的台区线损和用户用电量进行归因分析来识别窃电用户;最后,基于高损台区实际数据的仿真分析,验证了所提方法相比于在主站侧采用异常数据以及采用不同缺失数据填补算法修复后的数据进行窃电检测时的优势。     

基于DTW距离和聚类分析的配电台区低压拓扑结构辨识方法

针对低压配电台区拓扑结构中存在错误的问题,提出了一种基于动态时间弯曲(Dynamic Time Warping, DTW)距离和聚类分析的台区拓扑辨识方法。首先利用电压序列之间的DTW距离度量用户电压曲线之间的相似性,然后基于最小最大距离原则对用户电压曲线进行聚类分析,辨识低压用户所属台区,并对同一台区内的用户进行相别辨识。该方法能够对时间间隔不同、不等长的电压时间序列进行分析,对电压数据缺失或异常数据不敏感,且不需要人为设定阈值,拓扑结构辨识准确性高。算例仿真结果验证了所提方法的正确性与有效性。     

基于WinCC平台的台区线损异常监测系统开发

随着能源需求量的不断增大,能源短缺问题变得越来越严峻,电力行业中的线损异常数据分析存在巨大的需求.运用更加新兴、科学化的大数据分析技术和物联网技术对数据进行分析,有助于提高对台区线损异常排查治理的效率.基于WinCC平台开发了一套台区线损异常监控系统.该系统实现了对海量用电数据的智能分析,建立了线损异常数据库及典型案例库,并将异常台区用电数据与线损异常数据库进行拟合,以缩小检测范围,可及时核查出存在线损异常风险的用户,实现了线损异常的科学诊断,提高了监测工作效率,降低了线损异常情况分析的时间及成本.     

基于聚类的电网低压台区用电画像方法研究

对用电对象进行用电特征分析在电力系统的电力调度、负荷预测、安全性评估等方面具有重要意义。目前的用电特征分析多集中在对用户用电画像方法的研究。低压台区是电网用电中的重要维度,对低压台区进行用电特征分析同样不可或缺。台区用电画像可以帮助电网快速准确地把握台区的负荷特性和用电模式,对挖掘台区用电数据信息并对不同的业务场景进行指导具有重要意义。本文针对台区日冻结量和96点功率数据,提出了台区用电特征标签提取方法并形成标签系统,然后基于聚类技术对获得的台区标签进行聚类分析得到台区画像。最后,本文基于上海市181个台区的用电数据进行案例分析,得到台区用电标签和画像。     

基于WinCC平台的台区线损异常监测系统开发

随着能源需求量的不断增大,能源短缺问题变得越来越严峻,电力行业中的线损异常数据分析存在巨大的需求.运用更加新兴、科学化的大数据分析技术和物联网技术对数据进行分析,有助于提高对台区线损异常排查治理的效率.基于WinCC平台开发了一套台区线损异常监控系统.该系统实现了对海量用电数据的智能分析,建立了线损异常数据库及典型案例库,并将异常台区用电数据与线损异常数据库进行拟合,以缩小检测范围,可及时核查出存在线损异常风险的用户,实现了线损异常的科学诊断,提高了监测工作效率,降低了线损异常情况分析的时间及成本.