基于配電自動化技術的配網線路線損管理分析

山東博瑞電氣科技有限公司 郭廣輝

1 配電自動化技術在線路線損管理中的應用

1.1 基于線損原因的自動化識別

在確定電量異常波動的基礎上，則可對本地區各類常見線損原因展開判斷與自動化識別，主要內容包括以下幾點。

1.1.1 終端不在線造成的供售電量缺失

目前，終端不在線是造成線損異常的主要原因，也是自動化計量系統處理中較為常見的問題，是指各種原因造成的終端與系統通信異常，導致系統所采集的終端供電量信息不完整，雙方因為售電量數據不一致現象[1]。主要表現為：一是當線路出現關口的計量裝置不在線時，造成自動化系統無法實時檢測線路供電量變化，此時可能會因為關鍵用電數據異常，造成系統計算的線路線損率數據異常。二是系統運行期間可能會因為各種原因造成負荷控制裝置，或配變裝置不在線，此時系統無法統計售電量數據，導致線路線損電量增加。

基于上述問題，自動化系統可采用以下步驟識別線損問題：步驟一：在發現線路線損值明顯區別于正常工況的情況下，即可對自動計量化系統檢測線路上所有關鍵的終端數據，此時若系統證實所有處理數據均為完整的，則可認定本次系統處理無異常，同時系統自動結束本次終端數據處理，并啟動下一類型的終端數據分析。若發現線路上任意終端的數據丟失，則可啟動終端電量數據補采方案。

步驟二：終端電量數據的補采。在自動化系統定時補采的基礎上，通過系統終端強制補采的方式，拓展數據源。

步驟三：數據補采技術后即可重新計算線路損失值，若發現線損值正常，即可按照正常處理方法結束數據分析；若線損值仍未恢復，則可啟動下一類型的線損數據分析。

步驟四：線損電量還原，在上述三個步驟操作失敗的情況下，系統直接采集用戶的計量裝置，根據計量裝置提出的數據計算電量值，并將其作為替代檢測失敗的負荷控制裝置的采集電量用于重新計算線路線損值。

步驟五：判斷線損值是否恢復正常。在完成線損還原后，由自動化系統按照正常數據處理流程進行研判，評估線損值是否恢復正常。此時，若系統證實線損值未恢復正常，系統則可按照預算設定的步驟判斷，啟動其他類型的線損評估模式。若恢復至正常范圍內，則由系統自動將線損異常初步分析結果，發送至工作人員處進行人工審核及確認。

1.1.2 終端計量故障導致售電量失真

一般造成終端計量數據故障失真的主要原因包括接錯線、裝置自身故障缺陷或者失流、失壓等。造成上述故障的原因通常包括：一是用戶自身的竊電行為，或者各種原因造成的計量裝置故障，導致系統無法從用戶處得知是否存在計量問題，僅能通過任意一段時間的數據變化判斷有無流失現象。二是用戶的不合理用電行為，或者相關人員錯誤接線造成的裝置計數異常等。針對上述問題，配電自動化技術處理流程包括以下步驟。

步驟一：啟動終端計量故障識別。通過電量異常波動識別后，且常規方法無法排除線損異常情況后，即可啟動終端計量故障處理模式。

步驟二：檢查終端電壓值。計量自動化裝置可對線路上所有關聯終端的電壓值實施監測，判斷其電壓值是否處于正常范圍內，本環節若未發現異常，即可正常采集電壓值；若系統判定終端電壓值不處于正常范圍或者計數顯示為0，則可用理論電壓值替換異常電壓值做二次計算，此時若二次計算結果顯示為正常，則結束故障分析；若線損值仍然未恢復正常，即可繼續做終端數據對比。

步驟三：終端數據的對比與還原。電量值或電流值存在明顯差異的，則系統直接自動采集可用于參考比對的備用計量裝置的電量，并將該電量替代異常波動的采集電量用于重新計算線路線損值。通過上述方法處理后，計算系統線損值是否恢復正常。此時若恢復正常值，即可認定是終端故障造成的質量問題；若未恢復正常，則可啟動其他類型的線損異常處理方案。

步驟四：初步分析結果并確認。系統在自動分析異常線損情況后，即可通過線損異常問題判定工作單的形式，由工作人員做系統審核并判斷處理結果是否正確。

1.2 應用實例分析

1.2.1 背景介紹

2022年7月某日，某地區某10kV 線路的日線損率高達28.93%，而計量自動化系統監測的正常線損波動范圍為0～3%。針對上述問題，由系統進行線損異常情況排查。

該系統在啟動終端在線的情況后，對故障線路上所有關聯終端通信情況展開檢測，本次檢測的目的是觀察線路上的所有終端是否在線。若本次系統檢測結果顯示某一終端通信失敗，即可確定故障，最終當地線路線損的自動化檢測結果見表1。

表1 線路線損的自動化檢測結果

根據表1所記錄的相關數據可以發現，通過本文所介紹的自動化處理技術，檢測到a 工業園區采樣數據存在異常，之后根據上文研究的方法，由自動判斷還原異常電量后，計算線路線損值是否恢復異常，最終結果顯示，當日配電線路的線損值下降至6.53%，未恢復到設定的0～3%。出現該結果的原因可能為：在當地項目中除a 工業園區采樣數據異常情況外，還存在其他潛在線損風險事件。

1.2.2 傳統技術的應用效果評價

通過對上述案例的研究可以發現，現有的配電自動化技術雖然在一定程度上可提升配網線路線損管理質量，但相關技術的敏感性較低，只能發現系統存在的嚴重線損問題，對用戶竊電等問題的敏感度較差，這一問題限制了自動化技術在配網線路線損管理中的運用。

2 基于自動化系統的配網線路線損異常自動排查模型

2.1 電量波動識別

日用量是評估配網線路損失的重要內容，在本次研究中從電量波動為切入點，在評估電量波動變化的基礎上，根據極方差與標準差等算法可進一步判斷不同條件下產生的線路損耗問題[2]。而在數據處理中，考慮到樣本平均水平的差異性，導致數據處理過程無法通過單一的時間節點進行判斷，所以最終決定以月為單位計算電量波動情況，并通過引入變異系數判斷線損狀態下的電量波動情況，其計算方式如公式（1）所示：

在公式（1）中，CV 表示變異系數；N 表示總天數，即30天；表示平均日用電量；di表示具體某一天。

在公式（1）數據處理中，CV 值越大，則證明電量波動越明顯。其具體評估標準為：CV ∈[0，0.2]證明電量波動處于合理范圍內；CV ∈[0.3，0.5]，證明大量波動存在輕微異常情況；CV ∈[0.6,0.8]，說明線路的電量波動嚴重；CV ＞0.8時表明線路的電量波動極為嚴重。

2.2 線損管理的自動化數據計算方案

針對上述線損問題處理步驟，為提升數據處理精度，本次自動化處理方案中可通過引入離群點算法對線損問題進行識別，該方法的核心是通過用戶用電量的研究，假設n 個用戶的用電量集合為｛n1，n2，n3，…，nn｝，將其作為一組電量數據，通過相似度矩陣計算各個樣本之間的關聯度情況，則計算矩陣的表達方式如公式（2）所示：

在公式（2）中，Dij表示i 與j 之間的相似度情況，在正常工況下兩個數據應滿足正定性特征，即i與j 之間的相似度≥0，其中當i ＝j 時，則Dij＝0；當二者具有趨近屬性時，則Dij→0。

在本次研究中離群點作為判斷配網線路線損的重要依據，在數據處理過程中為更好地評估樣本實際情況，則需要對樣本做相似度評價，從而確定離群點。基于上述要求，本文將引入自動化數據挖掘概念，通過數據挖掘的方式完成龐大用電量數據的處理，并實現快速反應，其數據處理過程如圖1所示。

圖1 基于自動化數據挖掘的算法流程

在圖1數據處理流程中，數據預處理成為影響自動化系統數據精度的關鍵，采用歸一法處理，其數據處理要點包括：一是當任意用電量字段的關鍵數據丟失時，即可將此類數據歸納為缺失數據；二是清洗抄表信息中始終存在正向有功信息；三是針對未能正確標注的信息，則需說明相關數據的具體來源。其數據處理方式可參照公式（3）所示：

在公式（3）中，g（i）表示數據歸一化處理后的具體結果；x（i）表示任意時間、任意狀態下的單位樣本值；min［x（n）］表示本次數據處理中的最小值；max［x（n）］表示數據處理中的最大樣本值。

在數據計算中隨著樣本變異系數的增加，會導致g（i）值發生增大，此時的樣本數據無法滿足歸一化處理的要求，此時為降低不合理數據對最終處理結果的影響，則需要設定比例系數km，其功能是對數據波動與異常進行識別，此時km的定義方式如公式（4）所示：

根據公式（4）對km的定義可以發現該數據對g（i）的不同工況做出了詳細的定義，其中km取值處于0.2～0.4時，證明配網線路線損波動存在異常，但整體波動不明顯，此時故障可能與用戶竊電等行為有關；若比例系數km的實際取值≥0.5，這證明樣本存在強烈的波動，可能與配變交流采樣等異常數據有關，應該成為配網線路線損管理的重要方向。

3 配電自動化技術在線路線損管理中的應用實例

為進一步判斷上文所介紹的自動化處理技術合理性，本文將通過系統數據清洗的方法，以上文介紹的配網線路線損管理案例為參照對象，對本地區2022年5月至2022年7月間的數據進行處理，通過3個月內任意供電區間內的總正向有功情況，識別用戶有無竊電的異常情況。此時若用戶無竊電行為，則系統的正向有功表現則接近直線；若用戶存在竊電行為，則系統的直線斜率會發生改變。

先按照公式（1）對本地區的電量波動情況進行計算，其計算結果顯示5月當地電量波動系數CE=0.134；6月的供電波動系數CE ＝0.213；7月的供電波動系數CE ＝0.542。該結果顯示，當地自進入6月開始，供電波動系數進入異常區間內，存在異常線損的情況。之后，通過上述公式展開計算后，開始對線路的具體線損問題進行分析。其中，根據計算結果顯示，整個配網線路線損時間從6月開始，但在7月則達到最大值，因此在整個數據處理中將按照上述時間節點安排展開評估。最終計算結果顯示，線路所處區域的a 工業園區配變交流采樣的km達到了0.842，顯示為高度異常，而這一結果也在上文研究中得到證實。