基于大數(shù)據(jù)的配電網(wǎng)線損定位與評(píng)估方法研究

楊婧 辛明勇 歐家祥 王俊融 宋強(qiáng)

摘要：針對(duì)當(dāng)前配電網(wǎng)輸電線路損耗異常無(wú)法溯源且定位難的問(wèn)題，基于計(jì)量自動(dòng)化系統(tǒng)采集的數(shù)據(jù)，通過(guò)對(duì)站、線、變、戶基礎(chǔ)數(shù)據(jù)的治理，采用自動(dòng)最優(yōu)聚類算法對(duì)用戶用電行為分類，采用隨機(jī)森林建立各類線損之間的關(guān)聯(lián)關(guān)系模型，構(gòu)建配電網(wǎng)線路損耗和臺(tái)區(qū)損耗分析與定位方法，并開(kāi)發(fā)基于線損異常精確定位的計(jì)量自動(dòng)化運(yùn)維平臺(tái)。通過(guò)對(duì)貴州省某供電局轄區(qū)2516個(gè)用戶的數(shù)據(jù)進(jìn)行分析和實(shí)驗(yàn)驗(yàn)證，該文所提出的線損分析與定位方法能對(duì)配電網(wǎng)線損異常進(jìn)行溯源和精確定位。

關(guān)鍵詞：配電網(wǎng);線損;關(guān)聯(lián)分析;大數(shù)據(jù)

中圖分類號(hào)：TM 73 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-5124（2019）07-0019-06

收稿日期：2019-04-01;收到修改稿日期：2019-05-14

作者簡(jiǎn)介：楊婧（1988-），女，湖南邵陽(yáng)市人，工程師，碩士，研究方向?yàn)橛?jì)量自動(dòng)化及電網(wǎng)節(jié)能降損。

0 引言

我國(guó)配電網(wǎng)規(guī)模日趨龐大，電力設(shè)備日益增多。電能線損產(chǎn)生于輸電、變電、配電、售電各個(gè)環(huán)節(jié)，作為電力企業(yè)的重要綜合性經(jīng)濟(jì)指標(biāo)，線損率不僅能夠反映電力企業(yè)的經(jīng)濟(jì)性，還能夠反映企業(yè)的盈利率[1-2]。線損率的大小不僅與技術(shù)狀況、運(yùn)行方式、電網(wǎng)結(jié)構(gòu)有關(guān)，還取決于供電企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)中降損節(jié)能的管理水平。線損的精細(xì)化管理對(duì)于提高供電企業(yè)的經(jīng)濟(jì)效益有著至關(guān)重要的作用。然而，在配電網(wǎng)大力發(fā)展的同時(shí)，電網(wǎng)輸電線路的損耗也在不斷增長(zhǎng)，開(kāi)展配電網(wǎng)線損分析與定位的研究變得尤為重要。配電網(wǎng)長(zhǎng)期存在資產(chǎn)利用率低、經(jīng)濟(jì)運(yùn)行指標(biāo)低、網(wǎng)損嚴(yán)重的問(wèn)題，城鄉(xiāng)配電網(wǎng)損耗占總量的70%左右[3-4]。如何智能分析配電網(wǎng)線路損耗，降低網(wǎng)損成為亟待解決的問(wèn)題[5]。

線損可以分為理論線損和管理線損。目前關(guān)于理論線損的研究主要利用電網(wǎng)拓?fù)浣Y(jié)構(gòu)、潮流等實(shí)測(cè)數(shù)據(jù)，基于電力系統(tǒng)知識(shí)，采用理論計(jì)算方法進(jìn)行計(jì)算，或采用機(jī)器學(xué)習(xí)的算法，利用歷史數(shù)據(jù)對(duì)線損值進(jìn)行預(yù)測(cè)[6-7]。管理線損包括竊電、計(jì)量表誤差、漏電等[8-10]。過(guò)去針對(duì)管理線損分析研究主要集中在竊電分析上。Bharat Dangar等[11]提出了一種使用極限學(xué)習(xí)機(jī)（ELM）、改進(jìn)ELM（OS-ELM）、支持向量機(jī)（SVM）3種算法來(lái)進(jìn)行電力損耗識(shí)別、檢測(cè)和預(yù)測(cè)的電力損耗分析框架。Li yinghui等[6]提出了基于BP神經(jīng)網(wǎng)絡(luò)的客戶消費(fèi)行為分析模型，利用該模型可以計(jì)算出竊電的懷疑系數(shù)，并對(duì)電力用戶的信用等級(jí)進(jìn)行分類，得出了一個(gè)可行的解決竊電問(wèn)題的思路。康寧寧等[12]利用模糊C均值（FCM）算法對(duì)負(fù)荷曲線進(jìn)行聚類，得到典型特征曲線，再與用戶負(fù)荷曲線進(jìn)行匹配，篩選出疑似竊電用戶，再使用基于粒子群算法優(yōu)化的SVM算法進(jìn)行進(jìn)一步檢測(cè)，準(zhǔn)確性比SVM算法高。

積分電量可用于廣泛分析計(jì)量損耗和漏電等行為，大連電業(yè)局基于SCADA系統(tǒng)，設(shè)計(jì)了一套實(shí)時(shí)積分電量及電量報(bào)表、日負(fù)荷曲線平臺(tái)。2016年，國(guó)網(wǎng)江西省電力公司的南昌供電分公司結(jié)合EMS/SCADA（能量管理系統(tǒng)/數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)）系統(tǒng)和TMR（遠(yuǎn)程抄表系統(tǒng)）系統(tǒng)的數(shù)據(jù)，設(shè)計(jì)建立了一套比對(duì)報(bào)警系統(tǒng)，對(duì)積分電量和表底電量在線實(shí)時(shí)進(jìn)行“雙值比對(duì)”，對(duì)電量異動(dòng)實(shí)現(xiàn)智能型、綜合性監(jiān)控，為電力計(jì)量消缺提供充分的技術(shù)保障[13]。

可以發(fā)現(xiàn)，過(guò)去研究主要針對(duì)單一線損，由于各類線損不是孤立存在，目前對(duì)線損之間的關(guān)聯(lián)與耦合缺乏研究。為實(shí)現(xiàn)站、線、變、戶層級(jí)關(guān)系逐級(jí)排查達(dá)到準(zhǔn)確分析和定位的目的，本文基于大數(shù)據(jù)技術(shù)，采用機(jī)器學(xué)習(xí)算法、聚類、挖掘、關(guān)聯(lián)關(guān)系等分析方法，充分利用計(jì)量系統(tǒng)產(chǎn)生的海量數(shù)據(jù)資源，構(gòu)建直觀有效的配電網(wǎng)線損分析評(píng)估體系，實(shí)現(xiàn)線損構(gòu)成可視化，線損率變化可溯源，降損任務(wù)可分解等功能，全方位、多維度支撐管理降損和技術(shù)降損。

1 基礎(chǔ)數(shù)據(jù)處理

基礎(chǔ)數(shù)據(jù)是系統(tǒng)建設(shè)的基石，數(shù)據(jù)質(zhì)量是保證數(shù)據(jù)應(yīng)用和信息化實(shí)用效果的基礎(chǔ)。基礎(chǔ)數(shù)據(jù)主要以計(jì)量自動(dòng)化系統(tǒng)為電能量數(shù)據(jù)源，以營(yíng)銷系統(tǒng)為檔案數(shù)據(jù)源、以GIS系統(tǒng)為電網(wǎng)拓?fù)洹⒁缘乩硇畔楸尘皵?shù)據(jù)源。對(duì)各數(shù)據(jù)的采集整合和分析，確保各數(shù)據(jù)的準(zhǔn)確性和一致性是實(shí)現(xiàn)線損精確定位的基礎(chǔ)。通過(guò)研究數(shù)據(jù)質(zhì)量校核支撐技術(shù)，結(jié)合持續(xù)管理機(jī)制，如統(tǒng)一業(yè)務(wù)數(shù)據(jù)標(biāo)準(zhǔn)、定期檢查問(wèn)題、閉環(huán)解決質(zhì)量問(wèn)題等逐步解決數(shù)據(jù)基礎(chǔ)的正確和一致，以支撐上層應(yīng)用的數(shù)據(jù)質(zhì)量要求。

數(shù)據(jù)預(yù)處理流程如圖1所示，對(duì)收集的數(shù)據(jù)進(jìn)行清洗，通過(guò)數(shù)據(jù)預(yù)處理方法剔除錯(cuò)誤信息，補(bǔ)充缺失信息，制定規(guī)范化數(shù)據(jù)準(zhǔn)則，為線損分析與定位提供高質(zhì)量數(shù)據(jù)。通過(guò)數(shù)據(jù)一致性比對(duì)，根據(jù)實(shí)際需要設(shè)置比對(duì)多維度條件，如設(shè)備名稱、電氣參數(shù)等相似度，進(jìn)行系統(tǒng)間一致性比對(duì)，得到計(jì)量自動(dòng)化系統(tǒng)與營(yíng)銷系統(tǒng)、GIS系統(tǒng)之間數(shù)據(jù)具體差異，理清線變戶關(guān)系，抽離出需要整改的數(shù)據(jù)源，規(guī)范數(shù)據(jù)屬性，實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化正則化。對(duì)此，本文主要采用個(gè)案剔除法和均值替換法清洗數(shù)據(jù)，解決異常數(shù)據(jù)，提高數(shù)據(jù)質(zhì)量。

1）個(gè)案剔除法

個(gè)案剔除法是直接剔除異常的數(shù)據(jù)記錄，當(dāng)數(shù)據(jù)樣本比較少時(shí)，刪除樣本會(huì)影響結(jié)果的客觀性和正確性，當(dāng)異常值比較少時(shí)，該方法可以快速剔除異常信息。

針對(duì)計(jì)量數(shù)據(jù)，如果某一計(jì)量點(diǎn)（用戶）或臺(tái)區(qū)在某一天的數(shù)據(jù)連續(xù)出現(xiàn)異常值或者異常率超過(guò)閾值，則直接刪除該計(jì)量點(diǎn)（用戶）或臺(tái)區(qū)當(dāng)日的全部數(shù)據(jù)，不計(jì)人模型建立中。例如，日負(fù)載率表中數(shù)據(jù)缺失嚴(yán)重，所以某些日子的數(shù)據(jù)則刪除。但是，由于通信故障等原因?qū)е碌臄?shù)據(jù)異常，不能采用簡(jiǎn)單的剔除法來(lái)刪除異常信息。對(duì)于該類異常數(shù)據(jù)，則根據(jù)通信恢復(fù)后的計(jì)量數(shù)據(jù)，結(jié)合計(jì)量點(diǎn)的用能習(xí)慣，反演出計(jì)量點(diǎn)通信異常期間的數(shù)據(jù)，再判斷計(jì)量數(shù)據(jù)是否需要剔除。

2）均值替換法

均值替換法解決了個(gè)案剔除法中將許多有用的信息被剔除的問(wèn)題。若該值為數(shù)值型，則使用其他樣本中該屬性取值的平均值來(lái)填充;若該值取值為非數(shù)值型，則采用其他樣本中取值較多的值來(lái)填充。

當(dāng)樣本中異常值較少，則采用異常值左右的數(shù)據(jù)取平均值來(lái)代替。例如電壓電流在某一時(shí)刻缺失，則將其近似看作線性曲線，用兩側(cè)示值的平均值代替。對(duì)于資產(chǎn)系統(tǒng)、調(diào)度系統(tǒng)、營(yíng)銷系統(tǒng)產(chǎn)生的檔案數(shù)據(jù)、計(jì)量數(shù)據(jù)、計(jì)量關(guān)系數(shù)據(jù)，為電網(wǎng)運(yùn)行數(shù)據(jù)，不能直接作為線損分類的分類指標(biāo)，需要根據(jù)電力數(shù)據(jù)之間的物理規(guī)律以及分類分析所需對(duì)源數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，找出電力數(shù)據(jù)的特征屬性，以便于對(duì)線損進(jìn)行分類。

2 線損分析與評(píng)估

首先利用線損類別分類器對(duì)當(dāng)前線損進(jìn)行分類，判別出當(dāng)前的線損綜合構(gòu)成。在此基礎(chǔ)上，針對(duì)于分類出的每種線損行為，根據(jù)相應(yīng)的計(jì)算與分析模型，訓(xùn)練相應(yīng)的分類器。將各臺(tái)區(qū)線損分類為理論線損、通信線損、竊電線損3大類，然后再根據(jù)對(duì)應(yīng)的分類器對(duì)各大類線損進(jìn)行精細(xì)化分類，分別找出各部分線損產(chǎn)生的位置（即由哪些計(jì)量點(diǎn)或用戶產(chǎn)生），實(shí)現(xiàn)線損構(gòu)成可視化、線損率變化可溯源，指導(dǎo)工作人員對(duì)降損任務(wù)進(jìn)行分解，實(shí)現(xiàn)全面降損。

1）理論線損

理論線損是由電網(wǎng)本身結(jié)構(gòu)、設(shè)備決定的，電能傳輸不可避免地造成損失，它主要與技術(shù)狀況、運(yùn)行方式、電網(wǎng)結(jié)構(gòu)有關(guān)，包含各電力元件可變損耗部分及固定損耗部分。目前常用的計(jì)算方法有等值電阻法、均方根電流法、平均電流法等。但是，這些算法大多用于10kV配電網(wǎng)的理論線損計(jì)算，而0.4kV低壓配電網(wǎng)由于供電方式復(fù)雜，供電出線回路不同，沿線負(fù)荷分布沒(méi)有嚴(yán)格規(guī)律，各相負(fù)荷分配不平衡。基于此，本文采用改進(jìn)等值電阻法計(jì)算理論線損，能夠獲得比較準(zhǔn)確的計(jì)算結(jié)果。

配電網(wǎng)中變壓器和導(dǎo)線的等效電阻R_e表示如下：式中：A_pi——通過(guò)i段線路供電的用戶有功電量;

A_qi——通過(guò)i段線路供電的用戶無(wú)功電量;

R_i——i段線路電阻;

A_P

VIM=∑（errOBB2-errOBB1）/n（4）

VIM數(shù)值越大，表明該異常對(duì)線損越重要，需要優(yōu)先治理。

3 案例分析

為驗(yàn)證本文所提出的方法的有效性，構(gòu)建了基于Hadoop和Spark的大數(shù)據(jù)平臺(tái)底層架構(gòu)，架構(gòu)采用B/S相結(jié)合的模式，按照數(shù)據(jù)訪問(wèn)層、應(yīng)用邏輯層和前端展示層進(jìn)行多層結(jié)構(gòu)體系設(shè)計(jì)，采取面向?qū)ο蠹夹g(shù)進(jìn)行應(yīng)用組件開(kāi)發(fā)。平臺(tái)主要分為前端和后端，前端主要由HTML、JavaScript等語(yǔ)言組成，平臺(tái)后端主要業(yè)務(wù)邏輯由Java編寫(xiě)實(shí)現(xiàn)。

依托搭建的系統(tǒng)，根據(jù)貴州省某供電局提供的用戶用電數(shù)據(jù)、臺(tái)區(qū)計(jì)量數(shù)據(jù)、設(shè)備狀態(tài)信息，選取了某區(qū)域2015年12月到2016年10月的數(shù)據(jù)。涉及4條線路，53個(gè)臺(tái)區(qū)共計(jì)2516個(gè)用戶。首先進(jìn)行數(shù)據(jù)預(yù)處理，對(duì)2516戶計(jì)量用戶數(shù)據(jù)中心離群值進(jìn)行剔除，對(duì)于缺失的數(shù)據(jù)，采用均值替換法，補(bǔ)全缺失的數(shù)據(jù)，保證數(shù)據(jù)完整性與合理性。

隨后采用最優(yōu)聚類方法，分別用余弦相似度和歐氏距離作為聚類的距離指標(biāo)，得到聚類中心為4和初始聚類中心點(diǎn)，隨后采用k均值快速聚類，如圖4所示，得到4類特征用戶，分別為居民、商城、企業(yè)、學(xué)校特征的用戶。

用戶數(shù)據(jù)進(jìn)行線損行為分析，得到各線損構(gòu)成如圖5所示，可以發(fā)現(xiàn)，竊電損耗和通信線損為主要線損，其他線損主要由三相不平衡、功率因素超限、過(guò)載、重載、輕載等因素構(gòu)成。

臺(tái)區(qū)線損異常進(jìn)行關(guān)聯(lián)關(guān)系分析與評(píng)估，得到線損異常重要性分布如圖6所示?？梢园l(fā)現(xiàn)，在所有線損因素當(dāng)中，通信異常和竊電損耗對(duì)線損重要性最大，導(dǎo)致的線損損失最為嚴(yán)重，應(yīng)該重點(diǎn)治理，其他因素如三相不平衡、功率因素超限、過(guò)載、重載、輕載等影響較小，可以延后處理。

4 結(jié)束語(yǔ)

本文采用大數(shù)據(jù)聚類、挖掘和關(guān)聯(lián)分析等算法，針對(duì)計(jì)量自動(dòng)化系統(tǒng)采集的數(shù)據(jù)，通過(guò)對(duì)站、線、變、戶基礎(chǔ)數(shù)據(jù)進(jìn)行分析，從理論線損、通信線損和竊電損耗等方面出發(fā)，構(gòu)建了配電網(wǎng)線路損耗和臺(tái)區(qū)損耗分析與定位方法，并基于大數(shù)據(jù)平臺(tái)構(gòu)建方法，搭建了線損異常精確定位的計(jì)量自動(dòng)化運(yùn)維平臺(tái)。通過(guò)對(duì)貴州省某地區(qū)的數(shù)據(jù)進(jìn)行分析，驗(yàn)證了文章所提出的線損分析與定位方法，能實(shí)現(xiàn)配電網(wǎng)線損異常的溯源和精確定位。

參考文獻(xiàn)

[1]CHATTERJEE S，ARCHANA V，SURESH K，et al.Detection of non-technical losses using advanced meteringinfrastructure and deep recurrent neural networks[C]//IEEEIntemati-A Conference on Environment and ElectricalEngineering，2017.

[2]楊柳，羅璇，肖寶輝，等.配電網(wǎng)線損在線監(jiān)測(cè)系統(tǒng)與計(jì)算分析研究[J].自動(dòng)化與儀器儀表，2019（1）：25-28.

[3]楊悅輝.計(jì)量自動(dòng)化系統(tǒng)在計(jì)量管理工作中的應(yīng)用[J].計(jì)量與測(cè)試技術(shù)，2013（4）：16-37.

[4]劉飛輪.供電企業(yè)電力營(yíng)銷中的電能計(jì)量自動(dòng)化系統(tǒng)應(yīng)用分析[J].硅谷，2013，6（20）：95，91.

[5]汪司珂，汪應(yīng)春，郭雨，等.同期線損故障排查關(guān)鍵技術(shù)研究與應(yīng)用[J].儀表技術(shù)，2017（12）：11-14.

[6]LI H，LUNG X，LU R，et al.EPPDR：An efficient privacy-preserving demand response scheme with adaptive keyevolution in smart grid[J].IEEE Transactions on Parallel andDistributed Systems，2014，25（8）：2053-2064.

[7]徐茹枝，王宇飛.粒子群優(yōu)化的支持向量回歸機(jī)計(jì)算配電網(wǎng)理論線損方法[J].電力自動(dòng)化設(shè)備2012（5）：86-89.

[8]HUANG S，VVU Q，CHENG L，et al.Optimal reconfiguration-based dynamic tariff for congestion management and line lossreduction in distribution networks[J].IEEE Transactions onSmart Grid，2016，7（3）：1295-1303.

[9]高志芳，鄒香香，汪棋.智能計(jì)量監(jiān)控在反竊電工作中的應(yīng)用[J].決策與信息，2014（36）：181.

[10]NOURAI A，KOGAN V I，SCHAFER C M.Load levelingreduces t&d line losses[J].IEEE Transactions on PowerDelivery，2008，23（4）：2168-2173.

[11]DANGAR B，JOSHI S K.Notice of violation of IEEEpublication principles electricity theft detection techniques formetered power consumer in GUVNL，GUJARAT，INDIA[C]//Clemson University Power Systems Conference（PSC），2015

[12]康寧寧，李川，曾虎，等.采用FCM聚類與改進(jìn)SVR模型的竊電行為檢測(cè)[J].電子測(cè)量與儀器學(xué)報(bào)，2017，31（12）：2023-2029.

[13]何喜玲，韓婷，杜佳，等.變電所電量對(duì)比系統(tǒng)分析[J].現(xiàn)代電子技術(shù)，2016，39（12）：41-44，47.

[14]翟金鳳，孫立博，魯凱，等.基于抽樣和兩級(jí)CBF的長(zhǎng)流識(shí)別算法[J].中國(guó)測(cè)試，2018，44（7）：105-109.

[15]劉耀杰，劉獨(dú)玉.基于不平衡數(shù)據(jù)集的改進(jìn)隨機(jī)森林算法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019（6）：1-7.

（編輯：商丹丹）