基于跨專業融合的電網企業基層核心業務場景
——配網電能質量監測方法研究及應用

陳建勝，吳金相，徐海鷗，沈 杰 ，繆競雄，王廣潔，李 金，王 婷

(1.國網浙江省永嘉縣供電公司，浙江 永嘉 325500；2.國網溫州供電公司，浙江 溫州 325000；3. 北京國網信通埃森哲信息技術有限公司，北京 100000)

基于跨專業融合的電網企業基層核心業務場景
——配網電能質量監測方法研究及應用

陳建勝1，吳金相1，徐海鷗1，沈 杰2，繆競雄2，王廣潔3，李 金3，王 婷3

(1.國網浙江省永嘉縣供電公司，浙江 永嘉 325500；2.國網溫州供電公司，浙江 溫州 325000；3. 北京國網信通埃森哲信息技術有限公司，北京 100000)

低電壓、重過載、頻繁停電等問題直接影響到用電質量，永嘉縣供電公司將三個專題整合為“配網電能質量”監測主題，針對三項業務開展現狀診斷，找準業務痛點和不足，借助大數據技術構建電能質量整體監測分析框架，開發輕量級可視化監測分析工具，為配網運行水平的持續提升提供支撐。

電能質量整體評估；低電壓監測；重過載監測

為適應電力體制改革逐步推進、互聯網+新形勢，永嘉縣供電公司以數據資產為依托，以發現問題為導向，以異動管理為抓手，開展基于大數據挖掘技術的主動式運營監測，從而提高電網管理水平與電網的安全性、可靠性和經濟性等，推進公司精益化管理水平提升。

1 現狀診斷分析

1.1 低電壓管理現狀

(1)低電壓管理主要基于考核開展，智能公用配變監測系統推送低電壓預警，治理工作圍繞預警展開，低電壓監測分析比較粗放，低電壓判斷邏輯無從驗證，尚未建立系統的業務監測邏輯，數據價值未充分挖掘。

(2)低電壓分析主要基于智能公用配變監測系統的統計數據開展，未能基于明細數據開展研究，對低電壓發生規律研究深度不夠，低電壓分析工具以Excel為主，專業化分析工具支撐不足。

(3)永嘉配網低電壓現象已明顯改善，基于考核判定的低電壓情況較少，目前浙江電網的判定標準已不滿足永嘉的業務實際，低電壓提升指導作用有限。

1.2 重過載管理現狀

(1)智能公用配變監測系統重過載預警有時出現誤報，針對預警查看系統數據，對比視在功率及臺區額定容量，發現并未出現重過載情況，大大增加核查工作量。

(2)目前臺區重過載管理僅針對系統預警臺區開展，重過載分析以供電服務區維度統計為主，分析精細度不足，數據價值轉化率、利用率較低等，發生規律應用不足，無法支撐事前預警。

1.3 頻繁停電管理現狀

(1)目前頻繁停電監測分析僅基于供電服務區等維度進行統計，未建立科學有效的頻繁停電監測分析框架，缺少頻繁停電關聯性分析，分析結論難以直接支撐頻繁停電治理。

(2)頻繁停電治理以考核為導向，僅關注停電次數，對于停電時長、停電范圍等角度研究不足，對頻繁停電的真實狀況判斷不全面。

2 監測分析思路

2.1 低電壓監測分析

基于業務實際，優化低電壓認定標準，構建系統的低電壓監測框架，基于智能終端采集的96點明細數據開展主動低電壓監測，開發低電壓監測分析工具，細致全面挖掘低電壓發生規律，支撐公司開展常態化主動監測分析，促進低電壓管理水平持續提升。

2.2 重過載監測分析

(1)基于智能公用配變監測系統96點明細數據完成負載率的計算，保證視在功率計算來源數據準確，同時基于PMS系統開展臺賬信息核對(主要針對臺區容量)精確計算負載率，保證臺區重過載判斷的準確率。

(2)建立供電所-線路-臺區多層次的監測分析模型，充分發揮可視化工具多層鉆取交互的優勢，明確重過載頻發區域、重點線路及臺區，優化重過載臺區治理清單。

(3)開展季節性、時段性及重過載程度分析，深入研究重過載發生規律及機制，有效指導臺區增容布點及負荷轉移工作的開展效率及精準度。

2.3 頻繁停電監測分析

(1)建立頻繁停電監測分析框架，從頻繁停電區域-線路-臺區三個層級定位重點問題，從停電次數、停電時長、停電日期、時段等多維度挖掘頻繁停電的發生規律，為頻繁停電治理提供支撐。

(2)開發可視化監測分析工具，借助時間篩選器實現監測期間的個性化配置，業務人員可以根據不同的需求選擇監測區間，降低運檢部與運監中心考核標準差異對頻繁停電監測造成的影響。

2.4 電能質量總體監測分析

識別低電壓、重過載、頻繁停電三類異動中同時發生兩類及以上的臺區，并重點展示。

基于對低電壓、重過載、頻繁停電等的異動監測分析，摸清電能質量重點問題，根據異動嚴重程度構建評估指標，建立臺區級電能質量監測評估模型，為配網投資決策優化提供參考，為配網安全穩定運行提供有效支撐。

3 監測分析步驟

3.1 數據獲取

基于現狀分析及業務需求，梳理電能質量相關業務數據，確認低電壓、重過載、頻繁停電三個監測主題數據來源，采取后臺導出和前臺查詢兩種方式獲取業務數據。根據業務規范制定數據質量規則，將數據問題劃分為重復數據、缺失數據、異常數據三大類，通過不同業務系統交叉驗證完成數據清洗。

數據獲取詳情如表1所示。

表1 數據獲取詳情

3.2 監測框架搭建

結合業務需求及數據質量搭建電能質量監測分析的總體框架，梳理低電壓、重過載、頻繁停電等管理關鍵指標，細化形成實際業務關鍵監測點，實現對電能質量業務的全面監測。

3.2.1 重過載監測框架

重過載區域分析主要從供電所重過載分布、臺區重過載比例、按線路重過載次數統計、各臺區重過載信息、各線路重過載信息等維度開展監測分析。

重過載規律變化趨勢分析主要從月份、工作日、時段、臺區容量、發生天數、重過載發生明細等維度開展監測分析。

負載率分析包含供電所、線路、臺區等多層級負載率統計，以及重過載負載率變化趨勢、負載率等級分布、臺區容量對比等分析模塊。

3.2.2 低電壓監測框架

低電壓總體分析包括按供電所低電壓分布、各臺區異動次數、供電所低電壓異動比例、線路低電壓次數分布等監測分析維度。

低電壓規律分析包括低電壓異動次數按月份分析、異動次數按工作日分析、異動次數按時段分析、低電壓程度統計、異動天數分布、電壓范圍分布等監測。從低電壓異動次數、異動天數分析、低電壓程度等層面，按照日期、時段、96個采集時點維度開展分析，并展現臺區三相電壓詳細數據。

3.2.3 頻繁停電監測框架

頻繁停電總體分析包含頻繁停電統計、供電所平均停電時長與平均停電次數、頻繁停電次數與時長月度分析等監測分析模塊。

頻繁停電區域分析包括供電所線路異動臺區統計、供電所平均停電時長與平均停電次數統計、各線路頻繁停電次數與時長、停電次數帕累托分析、停電時長帕累托分析，并展示頻繁停電明細。

頻繁停電發生規律包括頻繁停電按月份分析、頻繁停電次數與時長按工作日統計分析、頻繁停電次數與停電時長按時段分析、各線路頻繁停電次數與時長按小時分析、頻繁停電次數與時長同比增長率、頻繁停電次數與時長環比增長率等分析模塊。

3.2.4 電能質量整體評價框架

總體得分、各臺區低電壓&重過載&頻繁停電得分、各臺區低電壓&重過載得分、各臺區低電壓&頻繁停電得分、各臺區頻繁停電&重過載得分、各臺區評分明細、各類電能質量問題臺區統計等監測分析。

3.3 可視化工具開發

根據低電壓、重過載、頻繁停電3個監測框架及電能質量整體評價模型完成輕量級可視化監測工具的開發配置，支撐電能質量常態化監測分析。

4 應用實例

可視化分析工具涵蓋低電壓、重過載、頻繁停電3個專題，從臺區層級建立電能質量整體評估模型。

4.1 重過載監測分析

重過載分析以臺賬層級關聯為紐帶，借助可視化工具實現重過載頻發區域、重點線路及臺區的監測。同時，開展季節性、時段性及重過載程度分析，深入研究重過載發生規律及機制。

重過載總體分析將永嘉縣供電公司作為監測整體，從累計重過載次數、重過載臺區數、重過載臺區比例、重過載涉及線路、重過載涉及線路比例等維度進行統計監測，設置供電所、年份、月份等篩選條件可實現差異化需求。分析發現甌北供電所重過載異動次數最多，遠超其他供電所，應重點關注。各供電所重過載分布如圖1所示。

圖1 各供電所重過載分布

從線路層面查看重過載分布情況，基于二八原則分析發現，永嘉縣供電公司80%的重過載次數集中在6.07%的線路中，重過載問題高度集中。各線路重過載分布如圖2所示。

圖2 各線路重過載分布

查看各供電所重過載臺區情況，發現甌北重過載臺區、總臺區均最高，但臺區重過載率低于黃田、橋下、沙頭供電所。各供電所情況如圖3所示。

圖3 各供電所情況

以甌北供電所為例，查看其下轄線路情況，發現甌城848線是甌北供電所重過載次數最多線路，臺區所屬線路重過載次數如圖4所示。

圖4 臺區所屬線路重過載次數

由重過載線路分析鉆取至重過載臺區分布，發現臺區容量為315時浦西村7號公變重過載次數最多，遠遠高于其他臺區，重過載臺區容量規律變化如圖5所示。

圖5 重過載臺區容量規律變化

通過鉆取方式點擊篩選浦西村7號公變分析該臺區重過載月度分析，發現該臺區在6、7月份重過載次數最多，與迎峰度夏用電高峰期匹配。重過載月度分析如圖6所示。

圖6 重過載月度分析

點擊篩選7月份，鉆取至重、過、超載按小時分布，發現10:00～22:00重過載次數均處于較高為止，峰值出現在20：00，重、過、超載按小時分析如圖7所示。

圖7 重載、過載、超載按小時分析

查看浦西村7號公變重過載發生天數，該臺區180天出現重過載現象，屬于持續性重過載問題，如圖8所示。

圖8 重過載發生天數

通過月份交互篩選，發現該臺區在七月份每天都發生過重過載，其中7月27號發生重過載次數最多。按日期重過載發生臺區數如圖9所示。

圖9 按日期重過載發生臺區數

4.2 電能質量整體評估

電能質量總體評估通過打分形式對整體進行評估，各臺區總得分為重過載、低電壓、頻繁停電總得分，總分為300分，等分越高電能質量整體越好，各臺區低電壓、重過載、頻繁停電評分明細為各項等分情況圖表， 將明細評分情況進行展現。如圖10所示。

圖10 低電壓、重過載、頻繁停電評分

各臺區低電壓、重過載評分將即發生低電壓又發生重過載臺區評分情況進行展現，見圖11。

圖11 各臺區低電壓、重過載評分

各臺區低電壓、頻繁停電評分將即發生低電壓又發生頻繁停電臺區評分情況進行展現，如圖12所示。

圖12 各臺區低電壓、頻繁停電評分

各臺區頻繁停電、重過載評分將即發生頻繁停電又發生重過載臺區評分情況進行展現，如圖13所示。

圖13 各臺區頻繁停電、重過載評分

發生各類情況臺區數量對發生頻繁停電、重過載、低電壓、頻繁停電、低電壓、重過載以及同時發生情況臺區數統計。發生各類情況臺區數量如圖14所示。

圖14 發生各類情況臺區數量

5 結語

電能質量監測分析工具基于系統底層數據實現精確到臺區的低電壓、重過載、頻繁停電監測分析，后續可根據管理要求調整監測周期、監測范圍及業務規則。相比業務系統分析模塊，輕量級可視化工具聚焦一小塊業務，靈活度高、易用性強，并具備一定的可拓展性，為配網運行分析提供了一種新的分析模式。目前可視化監測分析工具只限于線下運行，需定期從系統導出數據才能支撐持續性監測分析，因此需要數據維護人員花費一定精力。如果后續能夠開放業務系統數據權限、開發數據接口實現可視化共現自動取數，能夠更加高效地實現電能質量監測。

(本文編輯：嚴 加)

Grid Enterprise Basic-Level Core Operation Scenario Based on Inter-Professional Integration: Research and Practice of Distribution Network Power Quality Monitoring Method

CHEN Jiansheng1, WU Jinxiang1, XU Haiou1, SHEN Jie2, MIU Jingxiong2, WANG Guangjie3, LI Jin3, WANG Ting3

(1. Zhejiang Yongjia Power Supply Company，Yongjia 325500, China;2. State Grid Wenzhou Power Supply Company, Wenzhou 325000, China;3. State Grid Information & Telecommunication Accenture Information Technology Co., Ltd., Beijing 100000, China)

The problems of low voltage, heavy overload, and frequent power failure directly affect the power quality. In Yongjia Power Supply Company, the three problems have been integrated into "distribution network power quality" monitoring theme", in which the three services are diagnosed, the service deficiencies are identified. With the help of the technology of large data, the whole power quality monitoring and analysis framework is constructed, and the lightweight visual monitoring and analysis tools are developed, with a view to supporting the continuous improvement of the distribution network operation level.

power quality overall assessment; low voltage monitoring; heavy overload monitoring

10.11973/dlyny201703005

陳建勝(1971—)，男，高級工程師，從事電氣工程方面的工作。

TM727

B

2095-1256(2017)03-0236-05

2017-03-25