《[最新论文]智能用电大数据台区线损异常诊断.doc》由会员分享，可在线阅读，更多相关《[最新论文]智能用电大数据台区线损异常诊断.doc（7页珍藏版）》请在三一办公上搜索。
1、智能用电大数据台区线损异常诊断论文摘 要：随着智能电表的推广应用，以及用电信息采集系统建设工作的快速推进。针对台区复杂的现场情况，通过研究分析造成台区线损超标的各类因素，对台区线损进行个性化细分管理，更加精准地定位问题台区，更好的体现电网经营企业对低压台区设备及用户的管理水平，降低企业的经营成本，提高企业的经济效益。2009年，国家电网公司提出全面建设智能坚强电网，在智能用电环节，以“用电信息全采集、电力用户全覆盖”为目标，开展智能用电信息采集基础性研究，推进用电信息采集系统建设。江苏省电力公司从2010年开始全面建设电力用户用电信息采集系统，历经4年覆盖全省3400万电力客户，率先实现了用户
2、全覆盖的建设目标。用电信息采集系统收集了海量客户用电信息数据，通过与电力业务双向互动平台的结合，构建了电网与客户能量流、信息流、业务流实时互动的新型供用电关系，实现了电力营销业务的现代化。而深入分析智能用电“大数据”，将能为电力公司业务智能化提供全方位支持。1、基于“大数据”分析台区线损异常在电力系统中，台区是指（一台）配电变压器下的低压电网供电范围或供电区域。低压配电网在整个电网的供电末端，连接着千家万户供电区域纵横交错，用户种类多、用电性质复杂，尤其城区配网更复杂。供电企业对低压电力用户实行分台区管理，台区供电量、售电量、线损率是台区经济运行的重要指标。台区线损作为低压线损管理的一个重要组
3、成部分，涉及到配网规划、运行，营销用电、计量、抄核收管理等方面，但由于低压配网结构和用户性质的复杂性，管理难度大，台区一直存在着较高的管理线损。江苏电力用户用电信息采集系统已覆盖了全部低压电力用户，共计43万个台区，3400万低压电力用户。系统具备台区考核单元信息，每日的供、售电量数据，以及台区与用电客户的对应关系，可以统计计算每日的台区损失率和计划指标完成情况，一个典型的台区拓扑关系如下图所示：损率公式为：台区供电量=台区考核表的抄见电量；台区售电量=该台区下所有用电客户的售电量之和。台区线损率=线损电量/供电量100%=（供电量-售电量）/供电量100%从台区线损计算公式可以看出统计线损率
4、的逻辑并不复杂，通过用采系统已经解决了考核表与计量表抄表不同期的问题，但是仍然有很多因素影响着线损率计算的准确性，例如台区的用户采集覆盖情况、台区的户变关系、台区的供电考核电能表档案参数等等，这些因素都会影响台区线损率计算的准确性和正确性。传统数据分析手段在应对这些数据时存在种种局限性，并且工作量巨大且效率不高。因此，在智能用电大数据的基础上，利用数据挖掘与分析技术对公用配电变压器台区的低压线损异常原因进行分析，为低压供电台区的线损计算提供了可靠的计算数据，为制定合理的台区供电区域提供了管理依据。进一步推动台区线损管理由结果管理向过程管理转变，提高公变台区线损管理水平和工作质量。2、台区线损异
5、常智能诊断模型在面临新的数据带来的问题时，传统的数据分析技术常常遇到实际困难。通常，传统的数据分析方法只处理包含相同类型属性的数据集，或者是连续的，或者是分类的。随着用电信息采集系统在智能用电领域的作用越来越大，越来越需要能够处理异种属性的技术，例如静态档案数据与动态采集数据的相关性、台区户变逻辑父子关系等等。我们需要对参与台区线损计算的数据先进行预处理，让数据更加适合分析。2.1台区可计算分析模型为了提高台区线损计算结果的准确性，首先需要对参与台区线损计算的条件制定规则，再进一步将其分为可计算和不可计算两类。基于规则的分类器是使用一组if then规则来对记录进行分类的技术。基于规则的分类器
6、可以根据台区线损的计算特征产生一个模型。该模型的规则用析取范式R=（r1r2rk）表示，其中R称为规则集，而r1是分类规则或析取项。每一个分类规则可以表示为如下形式：ri：（条件i） yi规则左边称为规则前件或前提。它是属性测试的合取：条件i=（A1opv1）（A2opv2）（Akopvk）其中（Aj，vj）是属性-值对，op是比较运算符，取自=，。每一个属性测试（Ajop vj）称为一个合取项。规则右边称为规则后件，包含预测类yi。如果规则r的前件和记录x的属性匹配，则称r覆盖x。当r覆盖给定的记录时，称r被激发或触发。根据台区线损可计算条件规则可将台区分为可计算和不可计算两类，台区可计算属
7、性如下所示：2.2台区合理性分析模型在分析了台区线损是否具备可计算条件之后，为分析计算结果的合理性，通过决策树归纳的分析方法，建立台区合理性分析模型，进一步分析台区线损计算结果的合理性。决策树归纳分析方法是通过提出一系列精心构思的关于检验记录属性的问题，可以解决分类问题。每当一个问题得到答案，后续的问题将随之而来，直到我们得到记录的类标号。这一系列的问题和这些问题的可能回答可以组织成决策树的形式，决策树是一种由结点和有向边组成的层次结构，包含三种结点：根结点、内部结点和叶结点。通过给定台区线损合理性分析的属性集，可以构造台区线损合理性决策树模型，利用Hunt算法在合理的时间内构造出具有一定准确
8、率的最优决策树。在Hunt算法中，通过将记录划分成若干子集，以递归方式建立决策树。设Dt是与结点t相关联的记录集，而y=y1，y2，yc是类标号，Hunt算法的递归定义如下：（1）如果Dt中所有记录都属于同一个类yt，则t是叶结点，用yt标记。（2）如果Dt中包含属于多个类的记录，则选择一个属性测试条件，将记录划分为较小的子集。对于记录条件的每个输出，创建一个子节点，并根据测试结果将Dt中的记录分布到子结点中。然后，对于每个子结点，递归地调用该算法。号为合理性=是（见图a），表示台区线损率是合理的。然而，该树需要进一步细化，因为根结点包含两个类的记录。根据可计算分析条件，这些记录被划分为较小的
9、子集，如图b所示。下一步对根结点的每个子女递归的调用Hunt算法。从数据集中可以看出，首先不可计算的都是不合理的，因此，根结点的左子女为叶结点，标记为合理性=否，对于右子女，继续递归调用Hunt算法，直到所有的记录都属于同一个类为止。每次递归调用所形成的决策数显示在图c和图d中。图：Hunt算法构造决策树通过对台区线损合理性的决策树分析，可以对可能影响台区线损异常的原因进行分类分析，在此基础上还可以增加对计量点CT变比、用户数量等子结点，帮助线损管理人员进一步分析影响台区线损异常的其他因素。2.3台区户变关系分析模型台区户变关系的准确性直接影响着台区线损结果的正确性，通过终端主动上报停电事件和
10、智能表停电事件记录，主站自动采集其下挂接智能电能表的停电时刻和所有电表的时钟，结合终端上报的复电事件进行分析，利用简单属性之间的相似度和相异度建立台区户变关系分析模型。通常，具有若干属性的对象之间的领近度用单个属性的领近度的组合来定义。由于属性携带了对象的相异性信息，因此可以说两个对象有相异性或相似性。因而在这种情况下，如果将停电时刻作为属性值，用户电表与总表停电时刻偏差在1分钟内，则相似度定义为1，否则为0；相异度用相反的方法定义，如果属性值匹配，相异度为0，否则为1。在上表中，x和y是两个对象，它们具有一个指明类型的属性停电时刻，d（x，y）和s（x，y）分别是x和y之间的相异度和相似度（
11、分别用d和s表示）。x取用户电表的停电时刻+电表时钟偏差， y取台区配变总表最近一次停电时刻+电表时钟偏差，若配变总表无停电时刻，则取配变总表所属终端的停电时刻（终端最近一次主动上报的停电事件）作为停电时刻属性。通过判断营销档案中本台区用户电能表的停电时刻与台区停电时刻，若用户电表与总表停电时刻偏差在1分钟内则认为属于本台区；若用户电表与总表停电时刻偏差超过1分钟内则认为用户不属于本台区。3、结论通过对智能用电大数据进行分析，建立台区线损异常原因智能诊断模型，将有效提高台区线损的管理水平和效果，进一步推动公司线损管理的精益化管理，实施对台区线损的全过程管理，明确各专业管理职责、台区关口管理、变户关系管理等内容，为全省有序开展台区线损管理工作奠定坚实基础。随着智能电表的推广应用，以及用电信息采集系统建设工作的快速推进。针对台区复杂的现场情况，通过研究分析造成台区线损超标的各类因素，对台区线损进行个性化细分管理，更加精准地定位问题台区，更好的体现电网经营企业对低压台区设备及用户的管理水平，降低企业的经营成本，提高企业的经济效益。
