CN108646139A - 一种10kv线路运维停电精准定位方法 - Google Patents

Abstract

本发明公开了一种10KV线路运维停电精准定位方法，所述方法包括：实时采集变电站中10KV线路的总表数据；对10KV线路的总开关表的负载值进行预测，通过拟合曲线展示出10KV线路实时负载值；对10KV线路总表数据进行采集分析，若10KV线路总表的实时数据大于配变的最小负载值Pmin，则进行分析，反之则返回；当10KV线路总表的实时数据大于配变的最小负载值Pmin，则取△P与其下接的10KV线路进行比对，若10KV线路总表与某一个配变负载或多个配变负载的预测值相差在预设范围内，则将此线路作为疑似停电线路；解决了现有的人工定位存在的不足，提高了10KV线路运维停电定位效率和准确率的技术效果。

Description

一种10KV线路运维停电精准定位方法

技术领域

本发明涉及输电线路故障处理领域，具体地，涉及一种10KV线路运维停电精准定位方法。

背景技术

电力行业一直都非常重视输电线路故障点定位问题。随着电力***的不断发展,超高压、长距离输电线路越来越多,线路故障点的准确定位更彰显其重要性。

当前对于10KV线路的停电情况，需要下级人员发现停电后，通过人工的方式对上级进行层层上报，耽误时间很长，故障定位效率和准确率较低。

发明内容

本发明提供了一种10KV线路运维停电精准定位方法，解决了现有的人工定位存在的不足，提高了10KV线路运维停电定位效率和准确率的技术效果。

为实现上述发明目的，本申请提供了一种10KV线路运维停电精准定位方法，所述方法包括：

实时采集变电站中10KV线路的总表数据；

对10KV线路的总开关表的负载值进行预测，通过拟合曲线展示出10KV线路实时负载值；

对10KV线路总表数据进行采集分析，若10KV线路总表的实时数据大于配变的最小负载值Pmin，则进行分析，反之则返回；当10KV线路总表的实时数据大于配变的最小负载值Pmin，则取△P与其下接的10KV线路进行比对，若10KV线路总表与某一个配变负载或多个配变负载的预测值相差在预设范围内，则将此线路作为疑似停电线路，其中，△P＝P总-P预，△P为10KV线路总表的实际运行负载值与预测负载值的差值，P总为10KV线路总表的实际运行负载值；P预为该10KV线路总表的预测负载值。

进一步的，设置周期为5分钟对10KV线路总表数据进行采集分析。

进一步的，所述方法使用季节性ARMA模型进行预测，SARMA模型在回归项中加入季节自回归项SAR和季节移动平均项SMA考虑季节性。

假设季节长度为S，则SMA(q)(m)^S的形式为：

y_t-u＝(1+θ₁L+θ₂L²+......+θ_qL^q)(1+θ_1SL^S+θ_2SL^2S+......+θ_mSL^mS)ε_t

其中，q为一般移动平均项的滞后阶数，m为季节性滞后阶数，y_t预测结果值，θ₁至θ_q为1-q阶自回归系数为，u为常数，L为对应的10KV线路总表数据，ε_t为t年的独立随机序列；

SAR(p)(k)^S的形式为：

(1-φ₁L-φ₂L²-…-φ_pL^p)(1-φ_1SL^S-φ_2SL^2S-…-φ_kSL^kS)y_t＝c+ε_t

其中，p为一个自回归项的滞后阶数，k为季节性滞后阶数，y_t预测结果值，θ₁至θp为1-p阶自回归系数为，c为常数，L为对应的10KV线路总表数据，ε_t为t年的独立随机序列；

SARMA的形式为将SAR和SMA进行合并，记为：SARMA(p,q)(k,m)^S。

以滞后两阶的AR模型为例，无季节性的AR2模型为：

y_t＝c+φ₁y_t-1+φ₂y_t-2+ε_t

用滞后算子表示：

(1-φ₁L-φ₂L²)y_t＝c+ε_t

对于带有季节性的季度数据，若k＝1，则模型就会变成下式：

(1-φ₁L-φ₂L²)(1-ψL⁴)y_t＝c+ε_t

等价于：y_t＝c+φ₁y_t-1+φ₂y_t-2+ψy_t-4-ψy_t-5-ψy_t-6+ε_t。

本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：

能够为电力企业及时、快速的定位停电台区、减少停电上报时间，提高电力企业工作效率。本方法是基于电网实时数据进行的实时分析研判，所以实时的呈现数据结果。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定；

图1是本申请中10KV线路运维停电精准定位方法的流程示意图。

具体实施方式

本发明提供了一种10KV线路运维停电精准定位方法，解决了现有的人工定位存在的不足，提高了10KV线路运维停电定位效率和准确率的技术效果。

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。

根据35KV线路的负载变化(35KV线路可连接实时数据)，对10KV线路是否停电，进行辅助研判。具体判断流程如图1所示。

在变电站中有每条10KV线路的总表数据(实时采集)，在用采***中我们能够实时采集到每个配变的电压数据和电流数据，所以当每次采集新数据的时候我们就执行以上算法流程。根据以上流程图对10KV线路的总开关表每天、各个时间点(5分钟一次)的负载值进行预测，通过拟合曲线展示出35KV线路每时每刻的负载值。

设置周期为5分钟对10KV线路总表数据进行采集分析，如果实时数据大于配变的最小负载值(Pmin)，则进行分析，反之则返回。如果大于则取△P(△P＝P总-P预)与其下接的10KV线路进行比对，与某一个配变负载或多个配变负载的预测值相近，就将此线路作为疑似停电线路。

用电行为与季节、时段的、节日等因素的影响较大，所以在选定预测算法时，本案例中选择了季节性自回归滑动平均模型，利用该模型提高了定位的准确性。

季节性ARMA模型描述：

SARMA模型是在回归项中加入季节自回归项(SAR)和季节移动平均项(SMA)来考虑季节性的。假设季节长度为S，则

SMA(q)(m)^S的一般形式为：

y_t-u＝(1+θ₁L+θ₂L²+......+θ_qL^q)(1+θ_1SL^S+θ_2SL^2S+......+θ_mSL^mS)ε_t

其中q为一般移动平均项的滞后阶数，m为季节性滞后阶数。

SAR(p)(k)^S的一般形式为：

(1-φ₁L-φ₂L²-…-φ_pL^p)(1-φ_1SL^S-φ_2SL^2S-…-φ_kSL^kS)y_t＝c+ε_t

其中p为一个自回归项的滞后阶数，k为季节性滞后阶数。

SARMA的一般形式只需将SAR和SMA合并即可，简记为：SARMA(p,q)(k,m)^S。

为了进一步理解季节模型的特点，以滞后两阶的AR模型为例，无季节性的AR(2)模型如下：

y_t＝c+φ₁y_t-1+φ₂y_t-2+ε_t

用滞后算子表示：

(1-φ₁L-φ₂L²)y_t＝c+ε_t

对于带有季节性的季度数据，若k＝1，则模型就会变成下式：

(1-φ₁L-φ₂L²)(1-ψL⁴)y_t＝c+ε_t

它等价于：

y_t＝c+φ₁y_t-1+φ₂y_t-2+ψy_t-4-ψy_t-5-ψy_t-6+ε_t

因此该季节性AR模型实质上具有稀疏系数的更高阶AR模型。

SARMA模型的自相关系数与偏自相关系数与普通的ARMA模型类似，只是ACF和PACF的计算需要计算滞后期分别为S、2S......mS处的大小，性质与ARMA模型相同，即季节自回归模型的季节偏相关函数按季节周期的增加而截尾；季节移动平均模型的季节自相关函数按季节周期增加而截尾；混合的季节自回归移动平均模型的季节自相关函数和偏相关函数均按指数衰减。

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 (5)

1.一种10KV线路运维停电精准定位方法，其特征在于，所述方法包括：

实时采集变电站中10KV线路的总表数据；

对10KV线路的总开关表的负载值进行预测，通过拟合曲线展示出10KV线路实时负载值；

对10KV线路总表数据进行采集分析，若10KV线路总表的实时数据大于配变的最小负载值Pmin，则进行分析，反之则返回；当10KV线路总表的实时数据大于配变的最小负载值Pmin，则取△P与其下接的10KV线路进行比对，若10KV线路总表与某一个配变负载或多个配变负载的预测值相差在预设范围内，则将此线路作为疑似停线路，其中，△P＝P总-P预，△P为10KV线路总表的实际运行负载值与预测负载值的差值，P总为10KV线路总表的实际运行负载值；P预为该10KV线路总表的预测负载值。

2.根据权利要求1所述的10KV线路运维停电精准定位方法，其特征在于，设置周期为5分钟对10KV线路总表数据进行采集分析。

3.根据权利要求1所述的10KV线路运维停电精准定位方法，其特征在于，所述方法使用季节性ARMA模型进行预测，SARMA模型在回归项中加入季节自回归项SAR和季节移动平均项SMA考虑季节性。

4.根据权利要求3所述的10KV线路运维停电精准定位方法，其特征在于，

假设季节长度为S，则SMA(q)(m)^S的形式为：

yt-u＝(1+θ₁L+θ₂L²+......+θ_qL^q)(1+θ_1SL^S+θ_2SL^2S+......+θ_mSL^mS)ε_t

其中，q为一般移动平均项的滞后阶数，m为季节性滞后阶数，y_t预测结果值，θ₁至θ_q为1-q阶自回归系数为，u为常数，L为对应的10KV线路总表数据，ε_t为t年的独立随机序列；

SAR(p)(k)^S的形式为：

(1-φ₁L-φ₂L²-…-φ_pL^p)(1-φ_1SL^S-φ_2SL^2S-…-φ_kSL^kS)y_t＝c+ε_t

其中，p为一个自回归项的滞后阶数，k为季节性滞后阶数，y_t预测结果值，θ₁至θ_p为1-p阶自回归系数为，c为常数，L为对应的10KV线路总表数据，ε_t为t年的独立随机序列；

SARMA的形式为将SAR和SMA进行合并，记为：SARMA(p,q)(k,m)^S。

5.根据权利要求4所述的10KV线路运维停电精准定位方法，其特征在于，以滞后两阶的AR模型为例，无季节性的AR2模型为：

y_t＝c+φ₁y_t-1+φ₂y_t-2+ε_t

用滞后算子表示：

(1-φ₁L-φ₂L²)y_t＝c+ε_t

对于带有季节性的季度数据，若k＝1，则模型就会变成下式：

(1-φ₁L-φ₂L²)(1-ψL⁴)y_t＝c+ε_t

等价于：y_t＝c+φ₁y_t-1+φ₂y_t-2+ψy_t-4-ψy_t-5-ψy_t-6+ε_t。