基于計量管理的臺區線損異常狀況分析模型設計

余向前，王治國，張長青，張敏

（國網甘肅省電力公司營銷服務中心，甘肅蘭州 730000）

線損是表示電網考核的重要指標之一，代表一個電網的運行結構、運行方式以及規劃設計方案，一旦臺區線損出現異常，就會擾亂電網的運行，引起電網出現故障并造成一定的經濟損失[1]。變電站區線損異常情況可分為公用變壓器與供電量不匹配、線損變化范圍大、線損率不穩定和總異常波動。傳統的線損異常分析模型不能將所有異常狀態都考慮在內，導致線損異常時間延遲，增加了站區線損損失[2-4]。

計量管理是通過一定的計量手段和方法，對站區線損數據和狀態指標進行計量，并對這些戰略性數據進行管理。計量管理技術的任務是在保證計量策略流程的規范性、數據的準確性和客觀性的基礎上，計算出站區線損的電耗，并根據用電量進一步判斷站區線損的異常損壞狀態。計量管理技術是目前計量領域最權威的計量方法。計量管理技術的主要計量變量是線損計量基準、計量標準和計量條件。計量管理是基于計量技術發展的特點和規律，運用科學技術和法制手段實現的。

為了加強臺區線損的管理，提高電力企業的經濟化發展，穩定電網的運行，研究了基于計量管理的臺區線損異常狀況分析模型，對臺區線損異常情況進行分析，得出有效的解決方案。

1 臺區線損異常狀況判定

為了準確地分析出臺區線損異常狀況，文中首先分析研究判定臺區線損異常狀況的方法，其判定方法主要分為3 步，分別為臺區線損的數據采集和預處理操作、數據聚類計算，最后完成臺區線損的狀態決策判斷[5]。臺區線損異常狀況判定如圖1所示。

圖1 臺區線損異常狀況判定流程

臺區線損數據采集及預處理操作主要采集待分析低壓線損率數據。為了保證分析數據的真實性，文中對首次采集的低壓線損率數據進行平均值計算，刪除數據中的冗余數據和空白數據，一方面可以減少分析和處理，另一方面可以提高異常線損的準確性。在數據預處理過程中，計算的數據平均值以數值3%為分界點，因為平均值一旦小于3%，那么臺區線損數值的波動小，聚類算法的閾值為1.5%，則數據分析無意義。因此如果數據平均值小于3%，則臺區線損為低線損率區域，不需要進一步的計算分析；如果數據平均值大于3%，那么需要進行下一步聚類算法的計算[6-7]。數據預處理操作后，通過數據聚類算法對采集到的數據進行計算，聚類算法首先預處理計算時的平均值和臺區線損數據的特性，計算出聚類算法的固定閾值，閾值就是聚類算法計算的評定界限[8-9]。輔助計算公式如下所示：

其中，s為聚類中心距離閾值；ai為臺區線損率a的平均值[10-11]。

當數據平均值大于數值3%時，進行聚類計算才有意義。當數值大于3%且小于10%時，將此臺區線損的閾值設定為3%，其意義就是臺區線損內數據之間的聚類差值不大于3%。如果數據平均值大于10%，則此臺區線損率過大，判定該區域為異常區域并進行離散分析，對臺區線損異常區域進行狀況分析。監測效果如圖2 所示。

圖2 監測效果

聚類算法首先對臺區線損數據進行初次聚類，為了劃分臺區線損異常程度，文中設定兩個聚類類別，分別是低級異常和高級異常，根據聚類結果將數據劃分到相應的聚類類別中。根據不同級別的異常采用不同程度的二次聚類計算，如果二次聚類的數值小于設定的閾值，那么判定此處為低級臺區線損異常；如果大于閾值，那么此區域為高級異常區域[12-13]。離散分析是將異常臺區線損率數據中二次聚類結果和線損率數據所對應的時間點為研究對象，計算這些時間點間隔內數據波動的平均值，將此變量作為衡量線損異常程度的指標。計算公式如下所示：

其中，n為聚類中心最大的類的線損率數據數量；tu為每個線損率數據所對應的時間。

離散計算結果代表臺區線損異常情況，如果離散結果越大，那么異常數據的分散程度明顯，則異常狀況不嚴重；如果離散結果數據越小，那么數據的離散程度低，則臺區線損異常狀況嚴重[14-15]。數據離散狀態如圖3 所示。

圖3 數據離散狀態

根據圖3 可知，離散計算可以有效地分析臺區線損的異常狀態分布情況，依據聚類中心值的分散計算可以具體評估出臺區線纜異常狀態級別，具體公式如下所示：

其中，x為臺區線損異常系數n和Td間的比值關系。實際臺區線損運行規則規定，當x<0.5 時，臺區線損異常狀態良好；當x>0.5 時，該臺區線損異常狀態差，系統立即發出臺區線損異常警報，請求維修[16]。

2 基于計量管理的臺區線損異常狀況分析模型

應用于臺區線損異常狀態的測量原理是通過分析臺區線損異常狀態數據，對數據進行分析，并結合上文對臺區線損狀態等級的判定結果，建立基于計量管理的臺區線損異常狀況分析模型，簡化臺區線損異常分析流程，降低異常故障的持續時間。

準確的臺區線損異常狀況分析結果對于線損的數據樣本質量要求極其嚴格，因為只有臺區線損的數據樣本準確、客觀，才能準確地觀察分析出臺區線損存在的隱含狀態規律，進行異常狀態分析。因此文中基于計量管理的臺區線損異常狀態分析模型進行數據樣本采集時，需要進行雙重數據檢驗，去除無效的數據，文中通過采用決策樹歸納方法完成關鍵數據保留預處理。決策樹如圖4 所示。

根據圖4 可知，將計量管理技術測量的臺區線損數據類型分為7 類，每一類數據都具有存在的意義，不可以缺少。這7 類數據分別是臺區線損屬性、供電半徑、低壓線路總長度、配變容量、總戶數、用電性質及比例以及負載率等數據。這些數據有一定采集標準，臺區線損供半徑必須大于200 m，低壓線路總長度小于或等于供電半徑，臺區線損的負載率必須在90%以上、線損率在0 至20%之間。

圖4 決策樹歸納

其中，供電半徑的單位為米，具體代表的是臺區線損中心負荷點距離變壓器的直線距離，主要用來判斷臺區線損所處的框架是否合理，對于臺區線損的運行狀態是否存在威脅。臺區線損的低壓線路總長度計量單位為米，測量的是臺區線損結構中低壓線路的總長度。臺區線損的負載率指的是超出額度的臺區線損供給電量和線損本身額度的比值，負載率數據反映臺區線損的負載情況，如果負載率大，那么異常狀態嚴重。用電性質及比例反映的是臺區線損接收端的狀態，不同接收端對于臺區線損的損耗程度不同。

使用決策樹歸納方法對研究的臺區線損的實際情況進行分析后，設定決策樹的節點分別是1和0，分別代表臺區線損數據的有效性和無效性。算法從第一類數據進行剔選，一直劃分到最后一類數據的最后一個數據為止，最后將決策樹0 節點上的數據進行剔除。決策樹節點如圖5 所示。

圖5 決策樹節點

上述過程實施后，將得到變電所區域的有效線損數據，因為這些數據是通過測量方法直接獲得的，可能有不同的格式和單位，因此進行標準化，具體的標準化輔助公式如下所示：

其中，zij表示臺區線損數據處理的量；x′表示平均值；表示方差。

在得到了標準的臺區線損狀態的有效數據后，將各類數據分別代入極限算法中進行計算，最后將一個臺區線損變量極限值相加，如果極限總值在1～20 范圍內，則此臺區線損異常狀況一級預警；如果極限總值在20～40 范圍內，則此臺區線損異常狀況二級預警；如果極限總值超過40，則此臺區線損異常狀況三級預警；預警級別越高代表異常狀態嚴重。具體公式如下所示：

其中，Xij代表各個變量平均值；N代表平衡常數。

3 實驗研究

為了檢測提出的基于計量管理的臺區線損異常狀況分析模型的有效性，將其與傳統分析模型進行實驗對比，選用的傳統模型分別為基于數據驅動的臺區線損異常狀況分析模型（文獻[2]方法）、基于并行K-Means 聚類的臺區線損異常狀況分析模型（文獻[4]方法）。

實驗參數如表1 所示。

表1 實驗參數

根據上述參數，選用文中模型和傳統模型進行對比實驗。分析效率實驗結果如圖6 所示。

圖6 分析效率實驗結果

根據圖6 可知，提出的基于計量管理的臺區線損異常狀況分析模型的分析效率高于傳統模型的分析效率，模型的分析能力更強。

線損值實驗結果如圖7 所示。

圖7 線損值實驗結果

根據圖7 可知，提出的模型分析的線損值與實際值吻合度更高。綜上所述，提出的模型實際應用價值更高。

4 結束語

文中首先明確了站區線損的含義，然后聯立公式判斷線損異常情況，根據計量管理技術的管理原理和數據分析方法，建立了基于計量管理的線損分析模型，完成了設計。通過以上設計，有望及時發現線損異常，降低異常線損故障的影響，促進電網領域的經濟發展。