[發明專利]一種電力系統臺區線損識別方法

在審

• 申請號: 202111150808.4
• 申請日: 2021-09-29
• 公開（公告）號: CN113866562A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 楊軍亭;梁琛;馬喜平;董曉陽;李亞昕;常虹;馬振祺;張家午;張光儒;朱亮
• 申請（專利權）人: 國網甘肅省電力公司電力科學研究院
• 主分類號: G01R31/08
• 分類號: G01R31/08;G06N3/04;G06N3/08
• 代理公司: 蘭州中科華西專利代理有限公司 62002
• 代理人: 賀云美

本發明涉及一種電力系統臺區線損識別方法，包括：獲取臺區的全耗能因素，并對其進行歸一化處理；全耗能因素包括設備參數和運行數據；將歸一化處理后的全耗能因素輸入卷積神經網絡模型，卷積神經網絡模型對輸入數據進行處理并輸出相應的線損率分類標簽；卷積神經網絡模型通過大量的全耗能因素輸入樣本和修正后線損率輸出樣本訓練而成，修正后線損率由預設的專家知識決策樹模型對表底數據進行修復后計算得到。本發明跳過由表底計算線損的過程，不需要經過大量的表底修復過程和系統檔案異常判別過程，方便快捷、結果準確。此外本發明給出了臺區合理的運行范圍，為線損治理提供參考依據。

技術領域

本發明涉及電力系統線損計算與識別領域，尤其涉及一種電力系統臺區線損識別方法。

背景技術

電力系統中，配電臺區位于電網末端，一方面設備老舊落后、智能化水平低、規劃配置不合理，導致技術線損率居高不下；另一方面，臺區低壓220V側的用戶數量龐大，用戶接線復雜，拓撲關系難以溯源識別，終端采集電表的可靠性和準確性低，導致數據質量參差不齊，數據差錯率、遺失率較高，統計計算不同時的問題突出，若采用人員入戶排查及表底補抄的方法，將耗費大量人力、物力、財力，大大增加工作量。對此，通過在臺區安裝大量智能電表和智能終端，使得數據采集的完整率和在線率得到大幅提升，進而使得采用基于數據驅動的線損計算和診斷方法正成為一種重要的技術手段。

當前關于線損率的計算方法主要分為理論線損和同期線損。理論線損是根據電網的拓撲結構和參數，采用前推回代計算電網潮流，得到線損率；同期線損依托智能電表在同一時刻的采集數據，在同一級電源用輸入電量與輸出電量的差值，計算實時線損。但臺區的低壓接線復雜，拓撲關系不明確，因此難以實現理論線損計算，因此現階段主要采用同期線損方式。

而同期線損率的計算方法嚴重依賴智能電表的采集狀況。為保證電表表底數據的準確性和完整性，目前的主要方法是采用階段均值、歷史相似日、相鄰日、相近臺區同日電量等方法，以近似數值替代的思路補全和修復數據，為線損計算提供可靠的基礎數據，但是僅從數據分布特征進行補全和修復，缺少深層的異常機理做支撐，使補全數據與實際情況有偏差。

因此，在臺區線損率的計算與識別時，部分技術擺脫了依靠表底計算線損的方法，采用深度學習的大數據分析方法，通過構建自學習性的BP神經網絡或全神經網絡方法，將臺區的供電半徑、負載率、低壓線路總長度、居民用電比例等影響因素作為變量，然后賦予權重合并成一個關聯指標，然后將不同數值的關聯指標作為輸入變量，臺區線損率作為輸出變量，經過大量樣本數據對神經網絡進行訓練，這樣新的線損計算將跳過由表底計算線損的過程，形成由影響因素計算線損率，從而判斷線損率是否為異常高損。但是，這種方法對影響因素概括缺乏全面性，以及樣本中的數據仍然缺少異常機理做支撐。此外，采用異常高損的離群點檢測方法也僅僅從數據分布上進行挖掘、計算和判定，缺少高損的影響因素分析。

綜上所述，現有的臺區線損率的計算與識別技術存在以下問題：針對電表表底數據的不完整、不準確的修復方法缺乏深入異常機理的理論支撐，同時基于影響因素計算線損率時，對影響因素考慮不全面、不系統，這些都導致計算出的線損率與真實線損率之間偏差較大，計算結果準確度低，由此導致對臺區線損程度做出錯誤識別。

發明內容

本發明所要解決的技術問題是提供一種能夠提高計算結果準確度的電力系統臺區線損識別方法。

為解決上述問題，本發明所述的一種電力系統臺區線損識別方法包括：

獲取臺區的全耗能因素，并對其進行歸一化處理；

其中，所述全耗能因素包括設備參數和運行數據，所述設備參數包括變壓器阻抗參數、容量參數、線路阻抗和線路長度，所述運行數據包括臺區總有功、功率因數、變壓器負載率和電壓；

將歸一化處理后的全耗能因素輸入預設的卷積神經網絡模型，所述卷積神經網絡模型對輸入數據進行處理并輸出相應的線損率分類標簽；