基于大數據的配網同期線損數據智能分析系統設計實現

王世君 陳廣宇 夏革非

摘? 要：隨著一體化電量與線損管理（以下簡稱”同期線損系統”）不斷深化應用，高損排查與降損治理成為基層單位工作的主要內容，由于缺乏有效的分析手段，基層線損排查在采集系統基礎上，仍然需要大量的手工分析工作，工作效率和質量均難以保證。同時在多源數據融合的背景下，小負損、小電量異常、間隙性竊電等疑難問題的出現，對一線員工的技術水平提出了更高的要求，因此運用大數據分析原理，研究同期線損系統各項數據，研發“配網同期線損數據智能分析及異常診斷系統”，基于檔案數據、模型數據、采集數據以及線損結果等數據，建立線損異常診斷模型，自動診斷分析計算結果，實現高損、負損快速定位及原因精準分析;進一步滿足各單位提前發現問題并及時解決問題，以圖文并茂的形式綜合反映線損情況，減輕人員工作量。

關鍵詞：線損分析? 智能研判? 線損治理? 異常定位

中圖分類號：TM77 ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2021）01（b）-0105-03

Design and Implementation of Intelligent Analysis System for Line Loss Data of Distribution Network in the Same Period Based on Big Data

WANG Shijun? CHEN Guangyu? XIA Gefei

（State Grid Jibei Electric Power Co.， Ltd.， Chengde Power Supply Company， Chengde， Hebei Province， 067000 China）

Abstract： With the further development of integrated power and line loss management system， high loss investigation and loss reduction treatment has become the main content of grass-roots units' work. Due to the lack of effective analysis means， grass-roots line loss investigation still needs a lot of manual analysis work on the basis of acquisition system， so the work efficiency and quality are difficult to guarantee. At the same time， under the background of multi-source data fusion， the emergence of small load loss， small electricity abnormal， intermittent electricity theft and other difficult problems put forward higher requirements for the technical level of front-line staff. Therefore， using the principle of big data analysis， the data of integrated power and line loss management system is studied， and the "intelligent analysis and abnormal diagnosis system of line loss data in the same period of distribution network" is developed based on archives Data， model data， collected data and line loss results and other data， establish the line loss abnormal diagnosis model， automatically diagnose and analyze the calculation results， realize the rapid positioning of high loss and negative loss and accurate analysis of the causes; further meet the requirements of each unit to discover problems in advance and solve them in time， comprehensively reflect the line loss situation in the form of pictures and texts， and reduce the workload of personnel.

Key Words： Line loss analysis; Intelligent research and judgment; Line loss management; Abnormal location

1? 研究背景

線損是影響電網企業經營效益的核心要素之一，推動同期線損系統的深化應用是國網公司線損管理的重點工作[1]，也是適應國家電力體制改革、國有企業提質增效的重要舉措。隨著同期線損管理項目工作推進，數據過程管控、高損降損成效管理、設備異動等引起的營配調協同問題、末端數據融合及數據治理等諸多問題都成為了電網公司一本難管的賬，為進一步滿足各單位對提前發現問題并及時解決問題的訴求，亟需建立以基層一線人員為結合點的新型協同模式，為專業管理提升提供有效支撐。

2? 大數據價值挖掘

2.1 數據挖掘過程

在人工智能領域，數據挖掘習慣上又稱為數據庫中的知識發現（Knowledge Discoveryin Database，KDD），如圖1，也有人把數據挖掘視為數據庫中知識發現過程的一個基本步驟。知識發現過程由以下三個階段組成：數據準備、數據挖掘、結果表達和解釋。

數據挖掘技術通常與計算機科學有關，并通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標，由此總結出數據挖掘其實質就是一個不斷重復直至達到要求的過程，這個過程需要對挖掘所獲得信息進行不斷的提煉精化，最終能得到符合要求的結果。

2.2 聚類分析

聚類分析是根據在數據中發現的描述對象及其關系的信息，將數據對象分組。目的是，組內的對象相互之間是相似的（相關的），而不同組中的對象是不同的（不相關的）。組內相似性越大，組間差距越大，說明聚類效果越好。

K-均值算法的實質是將聚類問題轉化為一個組合優化問題，目標是要將數據點劃分為k個對象群，找到這每個對象群的中心，并且最小化函數

其中K就是第i個對象群的中心，要求每個數據點要與它們所屬對象群的中心盡量接近。

3? 配網同期線損數據智能分析及異常診斷系統

配網同期線損數據智能分析及異常診斷系統建設應用功能覆蓋營配貫通分析、同期理論對比分析、線損異常診斷，系統應用架構[2]如圖2所示。

3.1? 營配貫通專欄分析

為了更為科學有效地對異常數據進行治理，采取加強對營配貫通工作的重視程度、提高對電力公司生產以及營配貫通數據異常的自動診斷等方式來更好地對異常數據進行治理，配網同期線損數據智能分析及異常診斷系統實現了營配貫通異常數據的自動診斷，實現PMS-公用配變營配貫通情況、營銷-公專變營配貫通情況及營銷-臺區營配貫通情況，輔助用戶開展源端數據治理工作，并提升了工作人員對配線、臺區線損異常數據的治理能力[3]，統計查詢營配貫通數據的異常分析，營配貫通專欄，實現運檢及營銷部交叉業務的協同治理。

3.2 雙率對比分析

集成同期線損10kV線路理論線損計算結果，通過源端系統與同期線損系統從、拓撲及其他相關檔案參數比對，開展理論線損理論線損與同期線損對比分析[4]，進行管理線損和技術線損分析，輔助同期線損理論線損治理提升，給出建設性指導建議。如果雙率線損結果相近或者在誤差允許范圍內，說明線損管理較好，供電企業技術水平和管理水平處于一個領先地位，實現線損精細化管理的重要目標。如果同期線損數據與理論線損數據相差太大，則需要對檔案、運行、采集數據等進行分析與排查，找到異常數據。

3.3 線損智能診斷

本系統通過智能研判，提供智能診斷，提供了線損監控控制臺、線損異常診斷書及線損看板。

線損監控控制臺，集成同期線損配線線損計算結果和線路打包情況，以線路為單位，展示線路下臺區、用戶模型、檔案、售電量、供電量及線損指標等數據，標識線損異常的線路，對線路的異常進行診斷，對各類數據進行統計分析，可查看其指標情況。支撐分線線損治理人員分析線路分線線損計算的異常數據。

線損異常診斷書，根據設置異常診斷規則，展示所選線路的基礎檔案、拓撲關系、線損模型、采集電量的數據異常診斷[5]明細情況。診斷書主要包括拓撲模型異常詳情、計量檔案異常詳情、采集數據異常詳情、電量計量異常詳情等，高效輔助基層人員定位排查線損異常問題。

線路看板，展示所選線路線損趨勢監測信息、關口電量信息、售電量監測信息等，方便用戶綜合查看線路相關信息，定位線損異常。

詳細地，拓撲模型異常主要包括電力環網轉供電、負荷割接、用戶新裝接入等工作若電子化移交不及時，未能及時更新臺賬信息，則會導致系統“站-線-變-戶-表”關系與現場不一致，造成拓撲關系的異常。除與建模相關的關鍵屬性外，還有一些與電量計算相關的檔案屬性，例如CT變比、PT變比、綜合變比等，會影響計量點電量的準確計算，從而影響線損率的計算。其中，采集數據異常指的是表計表碼的采集缺數、采集錯誤等異常。表計表碼采集錯誤是指人工抄表的錯抄，以及系統采集入庫的表碼與實際不符，可表現為表碼倒走、表碼突變等。電量計量異常指的是由于現場計量裝置運行狀態的異常、計量裝置故障，導致表計的表碼、進碼無法真實反映用戶的用電情況，異常涵蓋了多種現場計量裝置運行狀態的異常，如電壓欠壓、失壓、斷相、電流失流、總功率不等于各項功率之和、反向電量異常、表計停走、終端與表計差動異常等。異常類型多而雜，特征隱藏于各類負荷數據之中。因此，在線損分析中，電量計量異常難以一目了然進行判斷，需要分析人員憑借豐富的計量裝置異常判斷經驗及線損分析排查經驗，多方取證，綜合分析，定位異常。

4? 系統應用效果

一是提升應用水平，通過系統應用，提高了發展專業的數據實時性、準確性，營銷專業用戶檔案、電量信息的一致性，運檢專業設備檔案的真實性以及調度專業的統一性，促進各專業系統整體數據質量，提升系統應用水平。

二是提高經濟效益，通過系統應用，大大減輕了統計人員的工作量;另外，通過在線同期線損的監測分析即時發現重損、高損單元，減少用戶竊電行為、計量裝置問題和不必要的電網設備損耗，給電網公司挽回直接經濟收入[6]。

5? 結語

配網同期線損數據智能分析及異常診斷系統，利用智能研判規則開展線損異常排查與分析，實現拓撲關系異常、檔案資料異常、采集數據異常、電量計量異常等常見異常線損的快速分析與精準定位，及時發現線損計算中采集表底、關口電量、設備關系及“四分”模型等存在的問題，實現異常自動診斷，自動生成異常清單，減輕人員工作量。通過理論線損與同期線損對比分析，為線損管理及分析提供了更加及時、全面的數據支撐，不斷減小管理線損，縮小同期線損與理論線損的差距，提高線損的管理水平。

參考文獻

[1] 陳旭亮.淺談營配貫通臺區線損異常數據治理方法探討[J].科學與財富，2020（4）：218.

[2] 李新家，孔月萍，鄒云峰，等.配電臺區在線線損分級管理和智能異常分析設計[J].電力需求側管理，2016，18（2）：46-48，53.

[3] 劉成祥.配電網同期線損監測系統的設計與實現[J].百科論壇電子雜志，2018（19）：381.

[4] 巫聰云.廣西電網繼電保護信息系統構架研究及故障智能分析的實現[D].南寧：廣西大學，2018.

[5] 朱婉齊.電網調度綜合智能分析與告警系統的研究[D].天津：天津大學，2016.

[6] 郝翠甲，葉海峰，吳文兵，等.電網遙信大數據智能分析輔助決策系統建設研究[J].電力大數據，2019，22（6）：41-46.