(广东电网有限责任公司汕头供电局 广东汕头 515041)
摘要:线损管理是是体现电网企业高质量发展水平的一项综合性指标。随着线损精益管理的推进,传统的台区线损阈值已无法满足对台区针对性管理的需要,以台区线损影响因素为基础,基于台区实际运行数据建立典型台区线损阈值动态调整系数,可实现对各类典型台区线损的差异化管理,为线损智能化分析提供数据基础。
关键词:线损阈值;典型台区;动态调整
1.概述
线损管理是电网企业生产经营管理中的重要环节,是体现电网企业高质量发展水平的一项综合性指标。广东电网公司《管理线损降损三年行动方案》要求推进管理线损数字化建设及应用,进一步推进线损精益化管理。
传统的配网线损管理一般采用线损阀值来判断线损是否正常。线损阀值的设置,一般是基于理论线损值,综合考虑管理线损的影响,设置特定系数来进行线损异常预警:
线损阀值=理论线损值*系数
该设置方法由于系数唯一,无法反映各类线损主体的实际运行特征,特别是在低压台区中,负荷多样性、网架复杂性对于线损的影响尤为明显,统一的线损阀值系数对线损的管理太过粗放,无法真实反映主体的线损水平,不利于对线损的精益化管理。
本文提出一种典型台区线损阈值动态调整方法,以台区线损影响因素为基础,基于台区实际运行数据建立负荷特征与线损值的数据关联规律,从而建立针对性的线损阀值动态调整系数,实现对各类典型台区线损的差异化管理,为线损智能化分析提供数据基础。
2.典型台区标签及判别规则
从台区线损影响因素出发,除了固定损耗(理论线损)之外,还存在电表功耗、压降、负荷分布、分布式电源发电、特殊用电负荷等维度的影响因素,综合考虑影响程度和现有的数据采集水平,选取以下代表性指标作为典型台区的分类标准:
表1··典型台区标签分类
标签类型 | 标签维度 | 标签名称 |
理论调整标签 | 电表损耗 | 电表固损标签 |
动态调整标签 | 负荷分布 | 前三名用户电量占比标签 |
动态调整标签 | 负荷分布 | 台区三相不平衡率标签 |
动态调整标签 | 负荷分布 | 台区负载率标签 |
动态调整标签 | 特殊负荷 | 农业台区标签 |
动态调整标签 | 分布式电源 | 光伏台区标签 |
对各个标签分别制定判别规则,判别规则的计算结果直接反映该标签对台区的影响程度,可作为台区线损动态调整系数的取数依据。
表2··典型台区标签判别规则
标签名称 | 计算公式 |
电表固损标签 | 电表总损耗=0.84*单相表数量+1.35*三相表数量(kWh) |
前三名用户电量占比标签 | 前三名用户电量占比=台区下月电量前三名的公变客户电量之和/台区组合分摊后月供入电量(%) |
台区三相不平衡率标签 | 台区月三相平均不平衡率(%) |
台区负载率标签 | 台区月平均负载率(%) |
农业台区标签 | 农业相关电量占比=台区下农业生产、农业排灌用户电量之和/台区组合分摊后月供入电量(%) |
光伏台区标签 | (光伏上网电量和-台区考核户反向电量)/组合分摊后供入电量(%) |
3.典型台区标签动态调整系数
“电表固损标签”由台区当月的单相表数量、三相表数量计算而得,其对台区线损的影响直接体现在对线损电量累加,因此,“电表固损标签”的动态调整系数可定义为:
电表总损耗/台区组合分摊后月供入电量(%)。
另外五类标签对于台区线损的影响无法精确计算,可采用大数据分析方法,以一定地区范围内(例如广东省)的实际运行数据为研究样本,研究标签数据与线损数据的关联规律,从而建立针对性的线损阀值动态调整系数。
本文以广东省各地市局所有台区(部分标签采用汕头局)一年内的月线损数据和运行数据为样本,分别计算每个台区月线损对应的五类标签数值,形成五类标签的计算结果数据集。
对五个数据集分别开展样本分布规律研究。首先,从业务逻辑判断上对异常数据进行剔除,并使用Python的Pandas库将数据进行清洗。接着,对数据进行绘图以获得对原始数据特征的直观感受。由于样本数据属于非连续数据,因此选择了直方图,散点图,密度图和小提琴图来辅助观察数据的特征。
图1··典型台区标签数据集分布示意图
如图所示,数据可以分为密集和稀疏的区间,按照一般规律,正常数据应该特征相似,即正常数据应该聚集在密度较大的位置,偏移数据应该在正常数据的范围之外,并且对应的密度与数量都与正常数据有一定的差异,于是可以初步将密度较大或者离散程度较低的数据数据划分为正常数据范围,其他区间,或者离散程度较大的、密度较小的数据可划分为偏移数据。经对比研究,选用孤立森林算法开展异常值检测,检测出数据中的异常值以获得正常数据的范围,再将异常值中小于正常数据最小值的数据划分为反向偏移,将异常值中大于正常数据最大值的数据划分为正向偏移,从而将五个数据集分别划分为“正常”、“正向偏移”、“反向偏移”三个区间。
表3··典型台区标签数据区间分布
标签名称 | 数据量 | 正常区间 | 正向偏移区间 | 反向偏移区间 |
前三名用户电量占比标签 | 59746 | 4.72% - 55.15% | 55.16% - 100% | 0.01% - 4.71% |
光伏台区标签 | 502995 | 0.01% - 15.61% | 15.61% -100% | 无 |
台区三相不平衡率标签 | 169122 | 13.2 - 35.28 | 35.29 - 99.55 | 0.01 - 13.19 |
台区负载率标签 | 169860 | 8.75 - 36.92 | 36.93 - 121.14 | 0.01 - 8.74 |
农业台区标签 | 21210 | 0.01% - 15.86% | 15.87% - 100% | 无 |
将五类标签的数据对应的台区月线损数据按区间进行打包,计算区间内台区的平均线损率。
表4··典型台区标签样本区间线损率
标签名称 | 数据分布规律区间 | 总供入 | 总供出 | 线损率 | |
前三名用户电量占比标签 | 高 | [55.15% , 100%] | 691541584 | 681926946 | 1.39 |
中 | [4.71% , 55.15%) | 2843779030 | 2776344700 | 2.37 | |
低 | [0.00% , 4.71%) | 898759024 | 875791515 | 2.56 | |
台区三相不平衡率标签 | 高 | [13.2% , 100%] | 10546847840 | 10281616814 | 2.51 |
低 | [0.00% , 13.2%) | 1928187951 | 1886802333 | 2.15 | |
台区负载率标签 | 高 | [36.93% ,100%] | 3640417288 | 3535453164 | 2.88 |
中 | [8.75% , 36.93%) | 8523263525 | 8326730340 | 2.31 | |
低 | [0.00% , 8.75%) | 311073370 | 305953367 | 1.65 | |
农业台区标签 | 高 | [28.29% , 100%] | 12106814052 | 11684870542 | 3.49 |
中 | [0.01% , 28.29%) | 32187498842 | 31177725043 | 3.14 | |
低 | 无 | 1.39575E+11 | 1.36655E+11 | 2.09 | |
光伏台区标签 | 高 | [15.61% ,100%] | 2385898686 | 2307400431 | 3.29 |
中 | [0.01% ,15.61%) | 30839407831 | 30011838443 | 2.68 | |
低 | 无 | 1.50644E+11 | 1.47199E+11 | 2.29 |
以“正常区间”的平均线损率数值为基准(系数设置为1),分别计算“正向偏移”、“反向偏移”区间平均线损率的偏移系数,从而得到五类标签的动态调整系数:
正向偏移系数=正向偏移平均线损率/正常区间平均线损率,
反向偏移系数=反向偏移平均线损率/正常区间平均线损率。
对于部分超出标签三个区间的异常数据,动态调整系数均设置为1,即不作线损阈值调整。五类标签的动态线损阈值,即是由原有的线损阈值和调整系数相乘而得:
动态线损阀值=原线损阀值*调整系数=理论线损值*系数*调整系数。
从而可得所有六类典型台区标签的动态线损阈值如下表所示:
表5··典型台区标签动态线损阈值
标签名称 | 标签三个区间 | 调整系数 | 动态线损阀值 |
电表固损标签 | / | 电表总损耗/台区组合分摊后月供入电量(%) | 理论线损值*系数+调整系数 |
前三名用户电量占比标签 | [55.15% , 100%] | 0.59 | 理论线损值*系数*调整系数 |
[4.71% , 55.15%) | 1.00 | ||
[0.00% , 4.71%) | 1.08 | ||
其他(档案或数据错误) | 1.00 | ||
台区三相不平衡率标签 | [13.2% , 100%] | 1.17 | 理论线损值*系数*调整系数 |
[0.00% , 13.2%) | 1.00 | ||
其他(档案或数据错误) | 1.00 | ||
台区负载率标签 | [36.93% ,100%] | 1.25 | 理论线损值*系数*调整系数 |
[8.75% , 36.93%) | 1.00 | ||
[0.00% , 8.75%) | 0.71 | ||
其他(档案或数据错误) | 1.00 | ||
农业台区标签 | [28.29% , 100%] | 1.67 | 理论线损值*系数*调整系数 |
[0.01% , 28.29%) | 1.50 | ||
0.00% | 1.00 | ||
其他(档案或数据错误) | 1.00 | ||
光伏台区标签 | [15.61% ,100%] | 1.44 | 理论线损值*系数*调整系数 |
[0.01% ,15.61%) | 1.17 | ||
0.00% | 1.00 | ||
其他(档案或数据错误) | 1.00 |
4.典型台区动态线损阈值应用
实际应用中,在统计月度台区线损时,根据以上六类标签的判别规则,分别计算各个台区的标签数据,由标签数据所属区间确定台区线损阈值的调整系数,从而获得各台区当月的动态线损阈值,并以此为基准判断台区当月线损的水平。若一个台区当月有多个标签数据均获得了动态调整系数,则应依次累计多个调整系数:先以加法进行电表固损标签的调整,再依次以乘法进行其他标签的调整,最终得到动态线损阈值。
5.结语
本研究基于台区线损影响因素、影响程度和现有的数据采集水平,建立六大类典型台区标签分类标准及判别规则,通过大数据分析方法提取标签数据分布规律及其与线损数据的关联关系,获得典型台区标签数据的区间范围及其对线损的动态调整系数,从而得到台区线损的动态阈值,弥补传统线损阈值统一系数、一成不变的粗放性,有效提高台区线损判断的针对性,实现对台区线损的差异化管理,推动线损管理精益化水平的提升。
参考文献:
[1] 张忠静. 贵州电网公司10千伏及以下线损管理工作汇报[R].2023
[2] 林鹏. 基于一体化电量与线损管理系统的台区线损精益化管理[J].自动化应用,2021(07):120-121
[1]基金项目:广东电网公司职工技术创新项目(030500KZ23100030)