Nothing Special   »   [go: up one dir, main page]

CN112035544B - 一种配电网数据异常监测和诊断方法 - Google Patents

一种配电网数据异常监测和诊断方法 Download PDF

Info

Publication number
CN112035544B
CN112035544B CN202010890459.9A CN202010890459A CN112035544B CN 112035544 B CN112035544 B CN 112035544B CN 202010890459 A CN202010890459 A CN 202010890459A CN 112035544 B CN112035544 B CN 112035544B
Authority
CN
China
Prior art keywords
data
abnormal
diagnosis
correction
distribution network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010890459.9A
Other languages
English (en)
Other versions
CN112035544A (zh
Inventor
陆鑫
陈婧
谷峪
林超
胡剑地
刘昌卿
薛迎卫
叶强镔
施炜炜
陈奎印
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
State Grid Jiangsu Electric Power Co Ltd
Great Power Science and Technology Co of State Grid Information and Telecommunication Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Information and Telecommunication Co Ltd
State Grid Jiangsu Electric Power Co Ltd
Great Power Science and Technology Co of State Grid Information and Telecommunication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Information and Telecommunication Co Ltd, State Grid Jiangsu Electric Power Co Ltd, Great Power Science and Technology Co of State Grid Information and Telecommunication Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010890459.9A priority Critical patent/CN112035544B/zh
Publication of CN112035544A publication Critical patent/CN112035544A/zh
Application granted granted Critical
Publication of CN112035544B publication Critical patent/CN112035544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种配电网数据异常监测与诊断方法，其特征在于通过配电网运行中的异常数据分类，并对数据异常分析得到异常发生原因定位异常数据，再对异常数据进行诊断，包括关口计量点电量突变诊断和档案关系诊断，再对其进行数据纠错建立基于任意区域分割计算数据纠错自动修正算法以及统计迭代数据修正方法，通过上述操作得到的结果综合评估配电网运行健康水平，通过数据治理、数据异常检测与成因分析，输出用于为源头系统提供治理依据的报告，进一步实现配电网的安全稳定运行。

Description

一种配电网数据异常监测和诊断方法
技术领域
本发明为电网电力领域，涉及到一种配电网数据异常监测和诊断方法。
背景技术
近年来国家大力发展智能电网，输变电系统的智能化信息化已具备相当高的水平。但在配电网方面，由于其使用环境和结构的复杂性使得智能化信息化水平较低。随着于我国经济快速增长，城市快速扩张开发，配电网规划建设和改造资金不足，配电网网架结构相对薄弱，配电变压器容量不足，供电可靠性低的问题日益突显，配网自动化水平亟需进一步提高。
电力大数据是大数据在电力行业的子集，是电力物联网建设的必备条件之一。配电网运行产生的海量数据资源，真实反映了配电网运行健康水平，且有效支撑实时监控配电网运行状态、电力故障定位、停电范围定位、实时线损统计等, 不断提高供电服务品质,进一步满足用户电力需求,实现电力安全、可靠、经济化供应。
发明内容
针对上述，本发明的目的在于通过开展配电网数据异常监测与诊断工作，构建配电网负载特性画像研究，既能辅助调度运行，精准编制有序用电计划，又能优化工程立项，推进配电网规划建设，实现设备、营销、调度数据融合发展，进一步提升配昂精益化管理水平，提升供电可靠性管理水平，提升电网优质服务水平，提升配电网数据资产价值，推动电网数据资产的高效运营。
本发明采取的技术方案是：一种配电网数据异常监测和诊断方法，其特征在于：包括以下
一、配电网运行中的异常数据分类包括档案数据异常、线损异常、表底及电量数据异常三类，并通过数据异常分析对其进行分析输出异常发生原因；
二、异常数据诊断，通过上述数据异常分析输出的异常发生原因，进行包括关口计量点电量突变诊断与档案关系诊断；
关口计量点电量突变诊断，包括通过四分位法、拉格布斯准则，在关口计量点电量发生突变时筛选甄别异常电量数据，采集关口计量点前后具有较大差异的电量数据，并对四分位法和拉格布斯准则得出的关口电量突变数据进行数据验证，得到电量突变数据；
档案关系诊断，为对照检查当前线损库与营配贯通(GIS)，配电线路接台区数和高压用户数量的差别，包括线变关系诊断、供电量诊断、售电量诊断，得到档案关系差异数据；
三、数据纠错，基于修正算法对上述数据的进行纠错，包括
建立用于输电网拓扑递推的基于任意区域分割计算数据纠错自动修正算法，所述基于任意分割区域功率数据纠错自动修正算法包括拓扑递推生成母线、输电线路的计算关系，在多台主变时通过拓扑递推分析主变运行方式和通过拓扑递推扩大修正范围的方法；
建立统计迭代数据修正方法，包括通过数据异常分析及数据异常诊断的结果，对数据进行修正及治理，建立数据计算及验证模块，迭代对修改结果进行验证统计，记录修正情况恢复时间作为下次分析和诊断的依据，还包括异常数据修正形成迭代修正及统计闭环；
四、通过上述数据异常监测诊断和分析结果，综合评估配电网运行健康水平，通过数据治理、数据异常检测与成因分析，输出用于为源头系统提供治理依据的报告，进一步实现配电网的安全稳定运行。
作为上述方案的进一步，所述数据异常分析包括对档案、模型、线损率、表底及电量数据异常分析四个方面，其在异常分析基础上，对数据做进一步的诊断分析，定位异常数据，无法准确定位的，列出大概率问题数据选项，辅助根因异常数据查找得到最终所需的成因。
作为上述方案的进一步，所述表底及电量数据异常包括数据业务逻辑异常和孤立点检测异常数据。
作为上述方案的进一步，所述拓扑递推扩大修正范围的方法包括站内母线计算关系生成、异常变电站甄别、多主变变电站主变运行方式判断、变电站内异常设备修正以及修正后数据验证步骤。
通过上述方案的技术方案，本发明的一种配电网数据异常监测与诊断方法，为监视电网潮流、电压分布情况，提供了智能预警方案的基础，相对于现有的诊断方法，本发明主要基于配电网运行中的异常数据，并对其进行数据分类划分为档案数据异常、线损异常、表底及点亮数据异常三类，并通过数据异常分析异常产生原因，从关口计量点电量突变诊断与档案关系诊断两个方面出发，建立基于任意区域分割计算数据纠缠与统计迭代数据修正模式，综合评估配电网运行健康水平，基于数据治理、数据异常检测与成因分析结果，为源头系统提供治理依据，实现配电网的安全稳定运行；本发明的意义在于通过开展配电网数据异常监测与诊断工作，构建配电网负载特性画像研究，既能辅助调度运行，精准编制有序用电计划，又能优化工程立项，推进配电网规划建设。实现了设备、营销、调度数据融合发展，进一步提升配昂精益化管理水平，提升供电可靠性管理水平，提升电网优质服务水平，提升配电网数据资产价值，推动电网数据资产的高效运营。
附图说明
图1为本发明的线变关系诊断示意图；
图2为本发明的拓扑递推分析主变运行方式及扩大修正范围的方法示意图；
图3为本发明图2的站内母线计算关系生成步骤流程示意图；
图4为本发明图2的异常变电站甄别的流程示意图；
图5为本发明图2的多主变变电站主变运行方式判断流程示意图
图6为本发明图2的变电站内异常设备修正流程示意图；
图7为本发明图2的修正后数据验证流程示意图；
图8为本发明基于统计迭代的数据修正模式迭代闭环流程示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1-8所示的一种配电网数据异常检测与诊断方法，其特征在于：包括一、数据异常分析与诊断
数据异常主要分成档案数据异常、线损异常、表底及电量数据异常三类，通过固定的分析诊断体系，进行数据异常分析输出异常原因，并定期开展自动化异常数据分析，为数据纠错和修复工作打基础，异常分析包括对档案、模型、线损率、表底及电量数据异常分析四个方面，涵盖了站、母线、输电线路、配电线路、台区、高压用户及低压用户等档案数据及线损数据，其次还要在异常分析的基础上对不能明确定位异常(问题)数据的情况，例如台区、配电线路高线损等，做进一步的诊断分析，逐步定位异常数据，对不能准确定位的，列出所有大概率问题数据选项，辅助根因异常数据查找；
(1)档案数据异常，主要是对站、母线、输电线路、配电线路、台区、高压用户及低压用户档案进行异常分析及检查，例如对配电线路及台区档案数据进行档案数据异常分析：
1)配电线路档案数据异常分析及检查项目包括：起始站、起始开关、电压等级、状态、资产性质为空检查，线路无线变关系及线路与用户关系(非用户资产、在运、公专变合计数为0)异常分析，线路计量点找不到对应开关或起始站，线路有多个计量点、线路无考核计量点，线路关口表缺失(非用户资产、线路在运)，关口表综合倍率为空或为1等异常分析及检查；
2)台区档案异常分析及检查项目包括：台区、配变的状态、容量不为空检查，公变无所属线路，台区无配变、柱上变压器无对应台区、配电变压器找不到台区异常分析，台区无考核计量点，无关口总表，无台户关系、在运公变台区用户数超过2000异常分析及检查，考核表倍率等于1、电表综合倍率为空，台户关系与营销不一致，台区线路与台变线路不一致异常分析，存在重复台变关系，公变无低压接入点、台区计量箱无接入点计量箱关系、箱表关系重复等异常分析及检查。
(2)线损异常
针对线损计算后产生的线损及线损率数据，根据线损考核指标、线损业务常识以及设定的线损率可用阈值等，判别母线平衡率、输电线路线损率、配电线路及台区线损率等异常数据，分为不达标线损率、高损、负损、超大损等，特别对超大损、大负损等直接判定为数据异常，再进一步根据诊断分析功能，进一步定位问题数据。
(3)表底及电量数据异常
对抄表数据及表底数据计算产生的电量进行数据异常分析，包括电能量采集系统采集的表底及计算产生的电量，涉及站、主变、输电线路及配电线路所有的关口模型，包括用电信息采集系统的表底及计算产生的电量，涉及配电线路(部分)、台区、高压用户、低压用户，包括配电线路供电量及其表底、台区供电量及其表底，高压用户及低压用户售电量及其表底等；
1)数据业务逻辑异常
从业务逻辑角度，首先检查表底缺失情况，并重点检查连续缺失情况，检查下表底小于上表底且无换表记录；分析电量突变情况，例如，对台区供电量及高压用户售电量比上月或去年同月增加超过50％或1倍以上，减少50％以上，且上月和去年同月电量大于某一阈值，判断为异常数据；检查停运线路或台区有关口电量，有售电量无供电量、有供电量无售电量；例如对台区，分析供电量大于满载电量2倍的情况(每月按24*31计算，排除本月新投、退役)；
2)孤立点检测异常数据
孤立点检测用于同期线损异常数据分析，比如电量及表底数据的异常检测，结合档案业务属性及电力业务设定电量、表底阈值范围，发现偏离正常范围的电量及表底数据；当前主要使用基于统计学原理及基于距离孤点检测两种检测方法。其中，基于统计学原理的检测方法分为基于分布的检测算法和基于深度的检测算法两类，前者先构造一个标准分布来拟合数据集，然后根据概率分布来确定孤立；后者以计算几何为基础，通过计算不同层的K-D凸包将外层的对象判定为孤立点；基于距离的孤立点检测是将孤立点定义为在数据集中与大多数数据对象之间的距离大于某个给定的阈值的对象点，通常被描述为DB(pct,dmin)，当且仅当数据集S中至少有pct个数据点与P点的距离大于dmin时，数据对象P 点成为孤立点；如针对台区供电量及高压用户售电量，根据电量的绝对值大小及电量相对值大小(台区供电量与变压器容量的对比，用户售电量与其运行容量对比；或电量与上月、上年同月对比)，做为标准分布构造及数据集合中大多数数据对象判断的依据，根据概率分布偏离点确定为孤点，或集合中大多数对象与某数据对象大于某一阈值时，判断为孤点，将孤点设为电量及表底异常数据。
二、异常数据诊断
通过上述异常分析，还仍会有部分异常数据不能明确定位，需要进一步进行异常数据诊断分析，对不能准确定位的，列出所有大概率问题数据选项，辅助根因数据查找，如配电线路高损(包括负高损)诊断，其诊断过程如下：
线路高损诊断以计算产生的电量、线损历史数据，以及档案、表底历史数据为基础，进行高损线路数据问题溯源。按照先档案、后供电量、最后售电量检查的步骤进行诊断分析。
其中，涉及到关口计量点电量突变诊断，关口计量点电量突变诊断的原理为：正常的电量数据具有一定的特征，随季节等时间变化而发生连续改变，现场中常存在固定时间间隔，关口计量点次啊及的电量数据前后具有较大差异的情况，即电量发生突变，通过一定的算法可以实现对异常电量数据的筛选与关口计量异常 (电量突变)的甄别，算法可采用四分位法和拉格布斯准则结合的算法检查关口电量突变：
1)对单个计量点处电量数据首先采用四分位法确定可疑电量数值。四分位数，也称四分位点，它是一组数据排序后处于25％和75％位置上的值。处于25％位置上的数值称为下四分位数(或较小四分位数)，数学上用QL表示；处于75％位置上的数值称为上四分位数(或较大四分位数)，数学上用QU表示。
确定四分位数的准确算法是：
①先将变量值从小到大排列，记数据总量为n。
②QL(下四分位数)位置的确定：
a)首先计算n/4；
b)如果n/4结果为整数，则下四分位数位于“n/4”的位置和“(n/4)+1”位置的中间；
c)如果n/4结果不是整数，则向上取整，所得结果即为下四分位数的位置。
③QU(上四分位数)位置的确定：
a)首先计算3*n/4；
b)如果3*n/4结果为整数，则下四分位数位于“3*n/4”的位置和“(3*n/4)+1”位置的中间；
c)如果n/4结果不是整数，则向上取整，所得结果即为下四分位数的位置。
例如，有数据:6,47,49,15,42,41,7,39,43,40,36，由小到大排列的结果:6,7,15,36,39,40,41,42,43,47,49，一共11项。
QL＝11×0.25＝2.75≈3，QU＝3×11×0.75＝8.25≈9，因此上、下四分位数分别位于第3、第9位置处，即数据15、43，故可疑数据为6、7、15、43、47、49。
2)拉格布斯准则
为保证异常电量数据甄别的准确性，采用拉格布斯准则在四分位法筛选出的可疑数据基础上进一步加以判别；
拉格布斯准则适用于单个计量点电量数据量不大的情况，取置信概率为99.50％，判别方法如下：
计量点电量数据xi服从正态分布，由下表查得在数据量为n时的临界统计系数G0,由四分法筛选出的可疑电量数据位于下四分位数及其以下，上四分位数及其以上，记为xk；
①首先选取可疑数据最大值和最小值分别为xkmin、xkmax；
②计算此时所有n个数据的平均值
Figure BDA0002656779880000071
和标准偏差σ；
Figure BDA0002656779880000072
③计算Gmin和Gmax：
Figure BDA0002656779880000073
如果Gmin≥Gmax且Gmin>G0，则xkmin为异常数据；
如果Gmax≥Gmin且Gmax>G0，则xkmax为异常数据；
如果Gmin<G0且Gmax<G0，则xkmin、xkmax均为正常数据。
④用剔除掉异常数据剩下的数据重复上述步骤，依次a)查得此时临界统计系数G0；b)选取剩余可疑数据中最大值和最小值；c)计算此时尚有数据的平均值和标准偏差；d)计算Gmin和Gmax；e)比较判别。直至所有可疑数据均判别完成；拉格布斯临界值检验表(99.50)如下表所示；
Figure BDA0002656779880000074
Figure BDA0002656779880000081
(2)档案关系诊断
1)对照检查当前线损库与营配贯通(GIS)，配电线路连接台区数和高压用户数量，若有差别，再重点对比检查营配贯通(GIS系统(营配贯通)与营销业务应用系统(营销基础数据平台)台区、高压用户数量，对正高损情况，尤其要检查GIS台区数量、高压用户数较少情况，对负高损，检查营配贯通(GIS台区数量、高压用户数较多情况。特别对于日线损计算，数据同步性及时性要求高，检查GIS系统档案与营销或实际业务是否存在差异，新增或减少用户是否未及时同步。其中，线变(户)关系是档案诊断的重点，以下对关系诊断流程及方法做出说明：
(一)线变关系诊断步骤(如图1所示)
(a)线路下有无高压用户
①获取线路下高压用户数；
②判断高压用户数是否为0，如果为0转入③，不为0则转入④；
③诊断为高压用户数异常的概率P1＝0；
④诊断为高压用户数异常的概率为P1。
(b)线路下有无台区
①获取线路下台区数；
②判断台区数是否为0，如果为0转入③，不为0则转入④；
③诊断为台区数异常的概率P2＝0；
④诊断为台区数异常的概率为P2。
(c)有电量相关关系显著的公专变(下面详细介绍诊断方法)
①求最近月份每台配变电量与该线路线损率变化量的相关系数；
②判断相关系数是否小于0.3，如果是转入③，如果否转入④；
③与线损率变化量相关关系显著的公专变的概率P3＝0；
④算与线损率变化量相关关系显著的公专变的概率P3。
(二)线变关系诊断方法
线路出现正高损及负高损情况，往往由线变关系即用户挂接线路关系错误引起，以下举例说明根据各用户电量对其挂接线路线损率的影响，查找用户线变关系错误的算法；
(三)供电量诊断
通过对供电量和售电量的表底数据时间是否同步，根据预计算产生的供电量历史数据，将本期供电量与其他时期的供电量进行对比；
若检查电量有问题，再检查表底的正确性，连续检查各周期的上表底、下表底是否连续，本期表码是否出现较大的跳跃；并与原始数据(海量平台)进行对照，追溯表底数据错误；表底数据无误后，再检查综合倍率是否正确，并与原始数据对比，例如检查换表(换互感器)后，是否整月使用换表后的大倍率(对正高损)或小倍率(负高损)进行计算；列出所有关口表换表清单，检查换表异常情况；也需要检查电量退补或调整电量，列出电量退补或调整，以便进行核对；
若该线路是正高损，对比检查所在母线是否为较大负损(即输出电量较大)；该线路为负损，检查所在母线是否为较大高损(即输出电量较小)；
(四)售电量诊断
通过对供电量和售电量的表底数据时间是否同步，根据预计算产生的台区关口电量及高压用户售电量历史数据，主要对高压用户售电量进行检测，将本期的电量包括同期上期连续多期的对比，得出电量是否偏小；
三、数据纠错包括
(1)基于任意区域分割计算的数据纠错，例如变电站内有关数据纠错及修正为例：为了实现任意分割区域的功率数据修正，切实提高线损计算所需数据的质量及可用性，提出了一种基于拓扑递推的方法。使用该方法来生成母线按电压等级、母线分段计算关系，根据电网模型信息生成主变、输电线路损耗的计算关系，并结合采集数据计算母线不平衡率和主变损失率，以此来甄别采集功率异常设备所在的变电站。然后用拓扑递推的方法对甄别出的异常变电站根据修正需要扩大修正区域，以此实现任意分割区域的数据修正。数据修正后的计算校验也采用拓扑递推的方法分割计算区域，并确定边界设备，然后根据计算规则将边界点线路进行等效处理，以此来试验校验计算；
基于输电网拓扑递推的任意分割区域功率数据自动修正算法包括拓扑递推生成母线、输电线路的计算关系，当站内有多台主变的时候通过拓扑递推分析主变运行方式和通过拓扑递推扩大修正范围的方法，如图2所示；
如图2所示的拓扑递推分析主变运行方式和通过拓扑递推扩大修正范围的方法包括：
1)站内母线计算关系生成(图3所示)
通过拓扑递推实现站内母线计算关系生成包含两部分，第一步是通过拓扑递推查找母线上的连接设备，如图3所示。首先以母线为起点递推拓扑查找与母线直接或者间接相连的设备包括跨接线、开关、刀闸，负荷、发电机、电容器、电抗器、输电线段等并保存到设备列表，递推结束条件是遇到负荷、发电机、电容器、电抗器、输电线段或者设备另外一侧没有连接其他设备，然后遍历设备列表剔除开关、刀闸和跨接线，只保留负荷、发电机、电容器、电抗器、输电线段。然后再分别将这些设备的反向功率作为母线转入进行保存，正向功率作为母线转出进行保存，输电线路算法递推方式与此类似。
2)异常变电站甄别(图4所示)
异常变电站甄别的流程，首先遍历所有变电站，按电压等级查找变电站母线按电压等级的计算关系，并结合计算关系查找所需设备的采集功率信息，然后根据计算关系算出每个电压等级母线的不平衡率。如果母线不平衡率异常则保存变电站到异常变电站列表，如果母线不平衡率正常则计算站内主变损耗，如果主变损耗异常则将此变电站保存到异常变电站列表中。
3)多主变变电站主变运行方式判断(图5所示)
当站内有多台主变的时候可以根据图5所示判断主变的运行方式。以主变相应电压等级绕组为起点进行拓扑递推查找与主变绕组直接或者间接连接的设备，包括开关、刀闸、跨接线、母线、负荷、发电机、电容器、电抗器、主变绕组设备，然后遍历查找出来的设备并将主变绕组保存在此主变合并运行主变列表中，将开关、刀闸、跨接线设备从设备列表中剔除。
4)变电站内异常设备修正(图6所示)
变电站内异常设备的修正逻辑如图6所示，首先计算主变损耗和母线按电压等级的不平衡率，如果主变损耗正常，并且变电站相连的相应电压等级输电线路损耗也正常，就可以根据母线不平衡率计算关系和相连采集正常的设备功率推算出母线的不平衡功率，随后根据异常设备的历史比例进行均分不平衡功率。如果主变损耗异常则需要扩大修正范围，通过其它等级母线不平衡率来判断主变采集功率是否异常，如果异常则先通过其它电压等级的绕组采集功率修正本侧绕组的采集功率，接着再以修正后的主变绕组功率和该电压等级采集正常的设备功率计算该电压等级的母线不平衡功率，以修正该电压等级的采集数据异常的设备功率。如果该电压等级的输电线路功率异常则扩大修正范围先看输电线路对侧站相应电压等级母平是否正常。如果正常则用对侧输电线路功率根据线路计算关系和合格的线损率推算出本侧输电线路功率后再修正本侧该电压等级的异常设备。如果输电线路对侧相应电压等级母线不平衡率异常则先将对侧输电线路也作为异常设备，在对侧修正后再回头修正本侧的异常设备；以此逻辑递推直到把所有异常变电站的采集异常设备功率信息都修正完为止。
5)修正后数据验证(图7所示)
修正后通过图7所示的任意分割区域的理论计算来验证修正数据是否合理。计算前需要先进行等效处理，首先判断站内主变采集功率是否缺失，如果没有缺失，将修正的变电站所连接的输电线路等效成负荷或者发电机后进行理论计算，如果计算后主变绕组功率和采集数据差异不大则表明修正合理。如果主变绕组采集功率缺失则扩大计算区域，根据输电线路递推查找与此变电站连接的其它变电站，并将对侧变电站与其它变电站连接的输电线路进行等效处理，接着进行理论计算，计算后将计算得到的输电线路功率和采集功率进行对比，如果相差不大则表明修正合理，保存修正数据，返回修正成功，如果相差很大则表明修正不合理，返回修正失败，需要重新进行修正。如果线路采集功率缺失，则按照上述方法继续递推扩大计算范围。
(2)基于统计迭代的数据修正模式
借助数据异常分析及诊断分析的结果，对数据进行修正及治理，建立数据计算及验证模块，迭代对修改结果进行验证和统计，对异常数据的修正情况，进行修复时间及修正结果标记(包括已修正、未修正、修正错误)，作为下次迭代分析及诊断的依据，异常数据修正形成迭代修正及统计闭环流程，流程见图8。
其中，验证和统计包括验证明确定位异常数据修正是否正确，并验证诸如高线损率等未准确定位问题数据是否达标，是否降低了线损率等；并统计所修正数据项前后修正效果，统计明确定位数据修正的正确率，统计高线损等数据修正达标率、高线损降低的程度等。修正情况的标记要详细记录异常数据修正痕迹，除作为下次异常分析、诊断依据外，还可作为对修正情况进行跟踪考核的依据，进一步考核修正责任部门及责任人，提高数据纠错及治理效果。
四、通过上述的数据治理、数据异常检测与成因分析的结果，可以为源头系统提供治理依据，可以实现配电网的安全稳定运行。
本发明的配电网数据异常监测与诊断方法，为监视电网潮流、电压分布情况，提供了智能预警方案的基础，本发明主要四件配电网运行中的异常数据进行数据分类为档案数据异常、线损异常、表底及点亮数据异常三类，并分析异常产生原因，通过关口计量点电量突变诊断与档案关系诊断两个方面出发，建立基于任意区域分割计算数据纠缠与统计迭代数据修正模式，综合评估配电网运行健康水平，基于数据治理、数据异常检测与成因分析结果，为源头系统提供治理依据，实现配电网的安全稳定运行。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种配电网数据异常监测和诊断方法，其特征在于：包括以下
一、配电网运行中的异常数据分类包括档案数据异常、线损异常、表底及电量数据异常三类，并通过数据异常分析对其进行分析输出异常发生原因；
二、异常数据诊断，通过上述数据异常分析输出的异常发生原因，进行包括关口计量点电量突变诊断与档案关系诊断；
关口计量点电量突变诊断，通过四分位法、拉格布斯准则，在关口计量点电量发生突变时筛选甄别异常电量数据，采集关口计量点前后具有较大差异的电量数据，并对四分位法和拉格布斯准则得出的关口电量突变数据进行数据验证，得到电量突变数据；所述通过四分位法、拉格布斯准则筛选甄别异常电量数据，包括如下步骤：
步骤①先将变量值从小到大排列，记数据总量为n；
步骤②下四分位数QL位置的确定：
a)首先计算n/4；
b)如果n/4结果为整数，则下四分位数位于“n/4”的位置和“(n/4)+1”位置的中间；
c)如果n/4结果不是整数，则向上取整，所得结果即为下四分位数的位置；
步骤③上四分位数QU位置的确定：
a)首先计算3*n/4；
b)如果3*n/4结果为整数，则下四分位数位于“3*n/4”的位置和“(3*n/4)+1”位置的中间；
c)如果n/4结果不是整数，则向上取整，所得结果即为下四分位数的位置；
步骤④结合拉格布斯准对四分位法筛选出的可疑数据基础上进一步加以判别；
判别方法如下：
计量点电量数据xi服从正态分布，在数据量为n时的临界统计系数G0,由四分法筛选出的可疑电量数据位于下四分位数及其以下，上四分位数及其以上，记为xk；
步骤⑤首先选取可疑数据最大值和最小值分别为xkmin、xkmax；
步骤⑥计算此时所有n个数据的平均值
Figure FDA0003591310200000011
和标准偏差σ
Figure FDA0003591310200000021
步骤⑦计算Gmin和Gmax：
Figure FDA0003591310200000022
当Gmin≥Gmax且Gmin>G0，则xkmin为异常数据；
当Gmax≥Gmin且Gmax>G0，则xkmax为异常数据；
当Gmin<G0且Gmax<G0，则xkmin、xkmax为正常数据；
步骤⑧用剔除掉异常数据剩下的数据重复上述步骤，依次
a)查得此时临界统计系数G0；
b)选取剩余可疑数据中最大值和最小值；
c)计算此时尚有数据的平均值和标准偏差；
d)计算Gmin和Gmax；
e)比较判别；
直至所有可疑数据均判别完成；
档案关系诊断，为对照检查当前线损库与营配贯通，配电线路接台区数和高压用户数量的差别，包括线变关系诊断、供电量诊断、售电量诊断，得到档案关系差异数据；
三、数据纠错，基于修正算法对上述数据的进行纠错，包括
建立用于输电网拓扑递推的基于任意区域分割计算数据纠错自动修正算法，所述基于任意分割区域功率数据纠错自动修正算法包括拓扑递推生成母线、输电线路的计算关系，在多台主变时通过拓扑递推分析主变运行方式和通过拓扑递推扩大修正范围的方法；
建立统计迭代数据修正方法，包括通过数据异常分析及数据异常诊断的结果，对数据进行修正及治理，建立数据计算及验证模块，迭代对修改结果进行验证统计，记录修正情况恢复时间作为下次分析和诊断的依据，还包括异常数据修正形成迭代修正及统计闭环；
四、通过上述数据异常监测诊断和分析结果，综合评估配电网运行健康水平，通过数据治理、数据异常检测与成因分析，输出用于为源头系统提供治理依据的报告，进一步实现配电网的安全稳定运行。
2.根据权利要求1所述的一种配电网数据异常监测和诊断方法，其特征在于：所述数据异常分析包括对档案、模型、线损率、表底及电量数据异常分析四个方面，其在异常分析基础上，对数据做进一步的诊断分析，定位异常数据，无法准确定位的，列出大概率问题数据选项，辅助根因异常数据查找得到最终所需的成因。
3.根据权利要求1所述的一种配电网数据异常监测和诊断方法，其特征在于：所述表底及电量数据异常包括数据业务逻辑异常和孤立点检测异常数据。
4.根据权利要求1所述的一种配电网数据异常监测和诊断方法，其特征在于：所述拓扑递推扩大修正范围的方法包括站内母线计算关系生成、异常变电站甄别、多主变变电站主变运行方式判断、变电站内异常设备修正以及修正后数据验证步骤。
CN202010890459.9A 2020-08-29 2020-08-29 一种配电网数据异常监测和诊断方法 Active CN112035544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010890459.9A CN112035544B (zh) 2020-08-29 2020-08-29 一种配电网数据异常监测和诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010890459.9A CN112035544B (zh) 2020-08-29 2020-08-29 一种配电网数据异常监测和诊断方法

Publications (2)

Publication Number Publication Date
CN112035544A CN112035544A (zh) 2020-12-04
CN112035544B true CN112035544B (zh) 2022-05-17

Family

ID=73585939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010890459.9A Active CN112035544B (zh) 2020-08-29 2020-08-29 一种配电网数据异常监测和诊断方法

Country Status (1)

Country Link
CN (1) CN112035544B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780777A (zh) * 2021-08-30 2021-12-10 国网浙江省电力有限公司电力科学研究院 一种同期线损与理论线损的比对分析方法
CN114997556A (zh) * 2022-03-31 2022-09-02 国网江苏省电力有限公司常州供电分公司 一种配电自动化主站运行缺陷分析系统
CN114792975B (zh) * 2022-06-22 2022-09-23 上海爱可生信息技术股份有限公司 电网中母线平衡的数据修复方法
CN116257514B (zh) * 2023-03-15 2023-10-27 国网湖北省电力有限公司随州供电公司 一种采用突变点检测法来定位及溯源功率跳变的方法
CN117472898B (zh) * 2023-12-26 2024-04-02 国网江西省电力有限公司电力科学研究院 一种基于融合的配电网异常数据纠错方法及系统
CN117708749B (zh) * 2024-02-05 2024-04-19 江苏省电力试验研究院有限公司 多模型融合的配电网分时分段线损精细诊断方法及系统
CN118353011B (zh) * 2024-06-14 2024-08-20 国网江苏省电力有限公司南通供电分公司 基于图计算的配电网全景动态拓扑异常检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010276339A (ja) * 2009-05-26 2010-12-09 Hitachi-Ge Nuclear Energy Ltd センサ診断方法およびセンサ診断装置
CN107527114A (zh) * 2017-08-09 2017-12-29 国网信通亿力科技有限责任公司 一种基于大数据的线路台区异常分析方法
CN110739686A (zh) * 2019-10-15 2020-01-31 福建网能科技开发有限责任公司 一种基于总表异常分析的台区线损治理方法及系统
CN111507013A (zh) * 2020-04-27 2020-08-07 国网山西省电力公司 一种面向电力系统线损故障定位实现方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010276339A (ja) * 2009-05-26 2010-12-09 Hitachi-Ge Nuclear Energy Ltd センサ診断方法およびセンサ診断装置
CN107527114A (zh) * 2017-08-09 2017-12-29 国网信通亿力科技有限责任公司 一种基于大数据的线路台区异常分析方法
CN110739686A (zh) * 2019-10-15 2020-01-31 福建网能科技开发有限责任公司 一种基于总表异常分析的台区线损治理方法及系统
CN111507013A (zh) * 2020-04-27 2020-08-07 国网山西省电力公司 一种面向电力系统线损故障定位实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"判别金属材料疲劳试验中异常";唐兆田;《民用飞机设计与研究》;20170131;全文 *
"基于大数据的线损计算分析研究";黄文思;《电气技术》;20151031;全文 *

Also Published As

Publication number Publication date
CN112035544A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN112035544B (zh) 一种配电网数据异常监测和诊断方法
CN115018139B (zh) 基于相间特征的电流互感器误差状态在线辨识方法及系统
CN116865258B (zh) 一种层级构造的分布式电源智能电网构建方法
CN112199367B (zh) 一种长时间尺度功率平衡校验和大数据分析方法及系统
CN112131441B (zh) 一种快速识别用电异常行为的方法及系统
CN110727662A (zh) 基于相关性分析的低压台区用户相位识别方法和系统
CN110311709B (zh) 用电信息采集系统故障判别方法
CN106019084A (zh) 基于配用电数据关联的中压配电网断线故障诊断方法
CN111429034A (zh) 一种配电网故障预测的方法
CN107527114A (zh) 一种基于大数据的线路台区异常分析方法
CN105740975A (zh) 一种基于数据关联关系的设备缺陷评估与预测方法
CN113189418B (zh) 一种基于电压数据的拓扑关系识别方法
CN109034461A (zh) 一种基于实际电网监测信息的电压暂降随机预估方法
CN107024641A (zh) 一种台区线损率异常监测系统
CN111999692B (zh) 一种多表误差的校准方法和装置
CN118244191B (zh) 一种不间断供电的电力采集计量系统
CN110555619A (zh) 一种基于智能配电网的供电能力评估方法
CN110675070A (zh) 智能微网设备关键度分析方法
CN118539432B (zh) 一种基于电网结构图的电网优化方法及装置
CN111612019A (zh) 一种基于大数据模型对智能电表故障异常辨识分析的方法
CN103020290B (zh) 电网信息校验方法及系统
CN118378156B (zh) 基于历史数据分析的厂站关口计量数据缺失拟合优化方法、系统、电子设备及存储介质
CN110968703A (zh) 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统
CN114168662A (zh) 一种基于多数据源的配电网问题梳理分析方法及系统
CN110873857A (zh) 基于多源数据融合的智能电能表运行状态评价方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant