CN113267692A - 一种低压台区线损智能诊断分析方法和*** - Google Patents
一种低压台区线损智能诊断分析方法和*** Download PDFInfo
- Publication number
- CN113267692A CN113267692A CN202110534648.7A CN202110534648A CN113267692A CN 113267692 A CN113267692 A CN 113267692A CN 202110534648 A CN202110534648 A CN 202110534648A CN 113267692 A CN113267692 A CN 113267692A
- Authority
- CN
- China
- Prior art keywords
- line loss
- analysis
- intelligent
- low
- data
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种低压台区线损智能诊断分析方法和***,通过加装智能硬件采集线损数据,基于分布式框架进行线损计算,随后根据低压台区线损指标判断线损是否异常,进而判断线损异常类型,基于异常判断规则自动判断低压台区线损异常原因,并确定异常项数量,进一步利用智能用电大数据及数据挖掘分析技术对低压台区线损进行智能诊断分析,生成台区体检报告,辅助现场人员进行处理。本申请对现有的线损集中式架构***进行分布化改造,利用数据挖掘与分析技术对低压台区线损异常原因进行自动分析定位,提升了线损治理和管控能力,提升台区线损管理水平,达到了降损增效的目的。
Description
技术领域
本申请涉及电力***领域,特别涉及一种低压台区线损智能终诊断分析方法和***。
背景技术
随着高速电力线载波(HPLC)在采集***中的推广应用,采集数据项由电能示值、需量逐渐扩展到了电压、电流、功率因数、功率及事件等,采集频次从每日1次到每15分钟1次,采集数据量呈现了爆发式的增长。集中式主站***已无法满足能源互联网形式下用电采集业务发展要求,传统的理论线损计算有自己的局限性,要对其的成因进行精确判断比较困难,线损原因分析不够智能化。同时,线损责任人在分析过程中只能通过个人经验寻找支撑分析的功能,在整个分析过程中,无引导式指导问题解决思路,线损原因分析会消耗分析人员大量时间。
发明内容
(一)申请目的
基于此,为了提升对线损异常治理、精细化的管控能力,达到降损增效的目的,本申请公开了以下技术方案。
(二)技术方案
本申请公开了一种低压台区线损智能诊断分析方法,包括:
利用加装的智能硬件采集线损数据,基于分布式框架进行线损计算;
根据低压台区线损指标判断线损是否异常,进而判断线损异常类型;
基于异常判断规则自动判断低压台区线损异常原因,并确定异常项数量;
进一步利用智能用电大数据及数据挖掘分析技术对低压台区线损进行智能诊断分析,生成体检报告。
在一种可能的实施方式中,所述智能硬件包括智能管理终端和智能监测终端,其中,智能管理终端安装在变压器附近的主回路上,智能监测终端分为分支智能监测终端及表箱智能监测终端,其中,分支智能监测终端安装在分支箱附近,表箱智能监测终端安装在用户表箱附近。
在一种可能的实施方式中,所述异常判断规则包括:采集异常判断规则、档案异常判断规则、用电异常判断规则和计量异常判断规则。
在一种可能的实施方式中,所述采集线损数据包括实时线损数据和离线线损数据。
在一种可能的实施方式中,所述智能诊断分析的内容包括:时钟误差分析、户变关系校验、线损波动分析、终端采集数据异常分析、曲线相似度分析和线损分相分支分段分析。
作为本申请的第二方面,本申请还公开了一种低压台区线损智能终诊断分析***,包括:
智能管理终端,用于通过与智能监测终端之间的信号传递确定供电关系,采集和运算低压台区总线损数据,分析和处理部分低压台区线损异常;
智能监测终端,用于通过与所述智能管理终端之间的信号传递确定供电关系,采集和运算低压台区各分支的线损数据;
大数据分析平台,用于通过实时计算、分布式存储和智能分析功能构建的分布式实时计算框架对低压台区线损进行智能诊断分析。
在一种可能的实施方式中,所述大数据分析平台包括:
线损计算模块,用于利用加装的智能硬件采集线损数据,基于分布式框架进行线损计算;
异常判断模块,用于根据低压台区线损指标判断线损是否异常,进而判断线损异常类型;
异常项确定模块,用于基于异常判断规则自动判断低压台区线损异常原因,并确定异常项数量;
智能分析模块,用于进一步利用智能用电大数据及数据挖掘分析技术对低压台区线损进行智能诊断分析,生成体检报告。
在一种可能的实施方式中,所述异常判断规则包括:采集异常判断规则、档案异常判断规则、用电异常判断规则和计量异常判断规则。
在一种可能的实施方式中,所述采集线损数据包括实时线损数据和离线线损数据。
在一种可能的实施方式中,所述智能诊断分析的内容包括:时钟误差分析、户变关系校验、线损波动分析、终端采集数据异常分析、曲线相似度分析和线损分相分支分段分析。
(三)有益效果
本申请公开的低压台区线损智能诊断分析方法和***,利用分布式的实时线损计算框架搭建的智能诊断分析平台,提升了对线损异常智能化、精细化的管控能力,达到了降损增效的目的。
附图说明
以下参考附图描述的实施例是示例性的,旨在用于解释和说明本申请,而不能理解为对本申请的保护范围的限制。
图1是本申请公开的低压台区线损智能诊断分析方法流程图。
图2是本申请公开的智能诊断分析平台架构图。
图3是本申请公开的智能诊断分析平台功能图。
图4是本申请公开的低压台区线损智能诊断分析***架构图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。
下面参考图1详细描述本申请的低压台区线损智能诊断分析方法实施例,如图1所示,本实施例公开的方法主要包括有以下步骤100至步骤400。
步骤100,利用加装的智能硬件采集线损数据,基于分布式框架进行线损计算。
为了提升对低压台区智能化、精细化的管控能力,增大采集数据量,实现实时用电数据的采集及分布式线损计算,采用加装智能硬件的方式配合软件,所述智能硬件包括智能监测终端和智能管理终端,智能管理终端安装在变压器附近,通过智能管理终端发出工频畸变信号,安装在各分支节点的智能监测终端接收信号,根据信号的特性,确定供电关系,利用宽带电力线载波通信来传输相应数据,实现台区拓扑的完整结构,达到精准识别台区拓扑的目的。智能管理终端对主回路状态进行实时监测,负责低压智能管理***调度。负责监测台区总的电压、电流、功率等用电信息,智能管理终端作为低压台区用电信息分数据中心,上行通过4G与管理主站通信,下行通过HPLC与监测终端通信。智能监测终端分为分支智能监测终端和表箱智能监测终端,主要安装在母排、π接箱、楼道单元总开关等各级开关位置,智能管理终端与智能监测终端互相配合。可动态分析并生成供电线路的实时拓扑。通过加装智能硬件计算线损指标,基于智能终端、分支箱、表箱及低压用户的采集数据并结合台区的分支线路拓扑及相位识别情况进行分段线损计算。
进一步,生成实时拓扑具体包括以下步骤:
a、智能管理终端发送工频畸变信号;
b、智能监测终端接收所述工频畸变信号并对信号进行解析,自动识别自身所在位置,进而确定电气连接关系;
c、所述智能管理终端和智能监测终端自动识别线损、阻抗、三相不平衡、销户、新增等异常情况,拓扑结构根据所述异常情况自适应变更调整。
整个拓扑识别的过程自动执行,通过APP呈现实时拓扑结构图。
在至少一种实施方式中,所述线损计算分为实时线损计算和离线线损计算,将原有的集中式线损计算架构改为分布式计算框架,可以实现更高频次、更大量线损数据采集,实现更精准及时的线损计算。所述实时线损计算可以对影响线损的关键因素进行实时监测,每天分析线损异常的台区,利用采集***数据召测功能自动对存在数据异常的用户进行实时数据采集分析,得到由通讯原因造成的采集异常情况。对非通讯原因造成的异常问题,进一步采用大数据分析识别数据存在的异常情况并及时补召或修正数据。可以及时发现线损异常,并对其进行及时处理,所述离线线损计算可用于计算日、月线损等离线数据。
进一步,所述实时线损具体计算过程包括以下步骤:
步骤a、获取实时线损计算基础值;
具体的,利用加装在各个节点的智能监测终端获取所述线损计算基础值,所述实时线损计算基础值包括电压值、电流值、功率值,其中功率值包括有功功率值以及无功功率值。
步骤b、组成代数方程组,计算电压相角;
具体的,根据步骤a得到的线损计算基础值,对于m+1个极端的***,选择一个平衡节点,其他m个节点的电压方程为:
节点电压电流相位差可以表示为:
将其带入所述电压方程得到:
对上式整理可得:
根据上述方程求解xi,进而得到电压相角θi。
步骤c、计算流入功率,进而计算实时线损。
具体的,根据实时测得的电压值及步骤b得到的电压相角,计算节点相连线路的实时线损:
线路损失功率为:
线损为:
步骤200,根据低压台区线损合理指标判断线损是否异常,进而判断线损异常类型。
步骤100进行线损计算后,根据国网公司线损考核标准判断当日、当月线损是否异常,并结合历史日、月线损数据,进行异常分类,线损异常类型主要有高损、负损、不可计算线损等。其中高损分为长期高损、突发高损,负损分为长期负损、突发负损,不可计算线损分为供电量为零或空值、用电量为空值等情况,根据线损异常类型对线损异常原因进行分析。
步骤300,基于异常判断规则自动判断低压台区线损异常原因,并确定异常项数量。
当低压台区线损异常时,基于异常判断规则自动定位低压台区线损异常原因,异常判断规则是将影响线损的关键因素进行分类并生成的决策规则,用于定位台区线损异常原因,对线损数据是否采集完全等常规问题做出判断,为后续的智能诊断提供基础,异常判断规则包括:
档案异常判断规则:档案异常是对营销档案存在的属性错误、数据不一致、真实性基于规则进行分析。通过营销数据平台,开展生产***、营销***、采集***一致性分析或各***与现场数据一致性分析,定位线损异常原因,包括台户关系一致性分析、电表倍率一致性、配置合理性分析、用户计量点状态分析等。
计量异常判断规则:计量异常是对采集数据的完整性、合理性、合规性及逻辑性进行分析,判断是否存在异常。可以通过采集***分析台区总表及用户电能表是否存在连续7天无表码、倒走、飞走、停走、三相电流不平衡、失压、断相、逆相序、电能表故障更换等情况,进而确定台区线损异常原因。
采集异常判断规则:采集异常包括采集数据过程中的通讯异常及时钟误差导致采集数据错误的情况,其中采集通讯异常分析可通过分析台区总表通信端口设置是否正确,分析用户电能表通信端口设置是否正确,***与现场序号是否一致、***与现场规约是否一致、***与现场通信地址是否一致;时钟误差导致的采集异常可通过统计分析总、分表与日历时钟偏差、台区总表时钟与台区下用户电能表时钟偏差情况,是否存在电能表时钟超偏差,导致采集数据异常,进而确定台区线损异常原因。
用电异常判断规则:因用户不合法行为导致的用电异常,可通过是否存在异常开盖事件、电能表开端钮盒事件等窃电,电量比对分析,相邻台区用电量情况分析等确定台区线损异常原因。
根据上述异常规则进行异常原因判断,还可确定相关异常项下的异常数量。根据异常判断规则判断的结果,确定一些基础常规问题,辅助现场人员进行解决,但有一些异常原因不能具体到用户或者难以挖掘更深层次的原因,则需借助智能诊断平台进一步分析。
步骤400,进一步利用智能用电大数据及数据挖掘分析技术对低压台区线损进行智能诊断分析,生成体检报告。
步骤300进行异常原因判断确定异常项后,不能直接解决的则进一步进行智能诊断分析,智能诊断分析基于大数据智能诊断分析平台实现,平台***架构如图2所示,***服务包括:微服务、分布式大数据任务调度服务、分布式大数据处理服务、分布式计算服务、消息队列Kafka服务。
微服务:任务管理服务,可通过页面手动触发任务。
分布式大数据任务调度服务:基于ElasticJob+Zookeeper技术搭建分布式任务管理服务,包括任务配置、任务分片、任务监控、任务异常处理等功能。
分布式大数据处理服务:监控及消费Kafka指定主题,按照计算任务类型处理任务,数据量小且计算逻辑简单可采用关系型数据库查询+Java方式处理,数据量大、逻辑负责计算任务需调用分布式计算服务处理。
分布式计算服务:基于Hbase+Spark(hive+sparkSql)方式实现计算任务计算。复杂计算任务考虑拆分、分步计算方式。
消息队列Kafka服务:服务间解耦。
大数据支撑平台支持大数据分布式计算,具备可视化分析、统计分析、挖掘分析等能力,满足实时、离线应用的分析挖掘需求,为线损分析决策应用构建提供基础平台支撑。其中停电事件分析、台区负荷分析、防窃电分析、计量在线监测、抄表故障分析、线损实时计算等基于挖掘分析完成,常规统计可采用统计分析完成,同时最终结果可以基于可视化分析进行呈现。
大数据智能诊断分析功能架构如图3所示,智能诊断分析包括:
线损波动分析:当台区月线损率正常,但日线损率出现较大波动时,对台区的历史日、月线损数据进行大数据分析,分析具体线损波动规律性,确定是否因时钟超差原因引发日线损异常,对呈现波动趋势加剧的台区重点提醒线损责任人。
进一步,所述线损波动具体算法如下:
其中,日线损波动率计算具体步骤如下:
1)获取待计算区间前180天的线损率;
2)利用K-means聚类算法将所述180天的线损率进行聚类并得出聚类结果;
具体的,将所述180天的线损率,即180个点分别聚类为不同个数的聚类簇,例如将这180个点聚成2类,3类,4类,5类这四种情况,并分别得到不同的聚类结果。
3)根据所述聚类结果分别计算整体轮廓系数,获取目标K值;
具体的,整体轮廓系数由每个点的轮廓系数求平均值而来,具体如下:
a、对于第i个点,Xi。计算Xi与本集合中其他点的平均距离,记作disMeanin;
b、对于每个相对于Xi的外部集合,分别计算Xi到该外部集合中每个点的平均距离。这样如果聚类结果有N个集合就会得出N-1个平均距离,取N-1个平均距离的最小值,得出最短平均距离,记作disMeanout;
d、用以上方法分别计算每个点的轮廓系数,求出平均值即为当前聚类的整体轮廓系数。
分别计算每一种聚类结果的整体轮廓系数,所有整体轮廓系数中最接近1的一个聚类结果对应的分类个数就是目标K值。
4)利用所述目标K值再次进行聚类并根据聚类结果计算最大和最小波动率;
具体的,所述最大最小波动率的计算方法如下:
c、将这X对取并集,最终得出一对最大最小波动率。
月线损波动率计算具体步骤如下:
2)对所述月线损率进行筛选;
具体的,月线损率取值要排除负数和0,并且线损率的值要在合理范围内(目前标准为大于0小于40。
4)获取月线损波动率。
终端采集数据异常分析:适用于因终端采集电能表冻结示数异常原因而造成的日线损高低起伏的异常台区,每日判断各台区是否存在采集电量呈现双日或三日规律的计量用户,若存在则把用户电量折算成单日电量再重新计算日线损,看是否由于采集异常引起的线损异常。
曲线相似度分析:当低压台区存在长期高损、负损的现象,用技术手段排查各种可能原因后,仍很难找到具体原因时,利用曲线相似度分析方法,分析台区总表电量及电压曲线与用户曲线的相关性,将用电异常用户筛选出来。
进一步,所述曲线相似度分析具体算法如下:
1)计算用户与台区表的日电量相似度;
具体的,假设台区表为T,台区下用户集合U={u1,u2,…,un},ui代表第i个用户,共计n个用户;天数为D,D取值7天或者15天或者30天,分别计算D天内两者电量相似度S=cosθ,假设D天内, 表示用户ui第j日的日电量, 表示台区表T第j日的日电量,其中j∈{1,…,D},i∈{1,…,n},则,
当所在自然月已采集日电量天数为day,则计算周期Count=day/D。最终相似度为Sa:计算从1到Count每个时间段内的Sk:
对所有的用户U,判断每个用户与台区关口T的相似度Sa,按照从小到大,当Sa<0.5,则判断为存在问题。
2)计算用户与台区表的电压相似度;
具体的,天数为D,D取值为7天,分别计算D天内两者电压的相似度S=cosθ。假设D天内, 表示用户表示用户ui第j日的电压均值, 表示台区表T第j日的电压均值,j∈{1,…,D},i∈{1,…,n}则,
当所在自然月已采集日电压天数为day,则计算周期Count=day/D。最终相似度为Sa:计算从1到Count每个时间段内的Sk
对所有的用户U,判断每个用户与台区关口T的相似度Sa,按照从小到大,Sa<0.5,判断为存在问题。
3)取结果1)和结果2)的交集,得到最终线损存在问题的用户记录。
时钟误差分析:当低压台区月线损出现高损、负损现象时,可用时钟误差分析法,以智能管理终端的时间为准,对台区各分支开关的电参量数据进行采集,对台区总表的电参量数据进行采集和存储。在用户用电信息采集***中召测电能表时钟,对比电能表时钟与***时间,表现为供用电量冻结数据不同期,一是台区总表数据先于用户电能表数据冻结,供电量少计。台区呈现负线损症状;二是用户电能表提前冻结电能示值,造成供、用电量不同期,台区呈现高损情况。
线损分相、分支、分段分析方法:当高损、负损定位不到具***置时,采用线损分相、分支、分段分析方法,利用加装智能管理终端、监测终端等设备实现精准计算分段线损。基于智能终端、分支箱、表箱及低压用户的采集数据并结合台区的分支线路拓扑及相位识别情况进行分段线损计算,对综合配电柜、配变低压出线、分支箱、低压分支线、表箱进行分级线损计算。基于台区各段电能损耗统计结果,结合台区内各级线损占比及各级线损分布等的分析,准确定位高损、负损具***置。
户变关系校验:主要筛选低压台区户变关系不准的现象,解决低压某台区存在高损,相邻台区存在负损的情况。针对用户以及两个台区的相应电量等数据,核查出该用户发生户变关系的具体时间,输出户变关系数据。
进一步,根据用户用电量与台区线损率相关性分析的技术,求得相关系数,通过相关系数来判断户变关系是否存在问题。户变关系校验的具体步骤如下:
1)获取存在户变关系错误的源台区损失电量的实际数据和统计数据;
具体的,假设某个台区内共有n+1个用户,存在某一用户户变关系错误,假设此用户的序号为i*。根据定义,
则台区供电量的实际数据为:
台区供电量的统计数据为:
式中,εt为真实的损失电量,ε′t为统计损失电量,xi(t)为第i个用户的日电量,yt为台区日电量。
2)初步确定户变关系可能错误的用户;
具体的,统计线损率满足:
式中,εt为真实的损失电量,ε′t为统计损失电量,k′t为统计线损率,kt为真实线损率,xi*(t)为户变关系错误用户用电量,yt为台区日电量。
在线性线损的假设条件下,真实线损率kt是一个常数,统计线损率k′t就会与成为负相关,通过计算用户用电量占比与统计线损率的相关系数,相关系数介于[-1,-0.8]的区间内的用户可以初步确定为是不属于本台区的错误用户。
3)确定是否发生户变关系错误,并进行人工核查输出数据。
对于目标台区,也可以通过类似推算得出以下等式:
ξt+xi*(t)=ξ′t
式中,ξt为目标台区实际损失电量,ξ’t标台区统计损失电量,
因此有:
其中yt *标台区第t日的电量,kt′*为目标台区第t日的统计线损率,kt *为目标台区第t日的真实线损率。则计算该用户用电量与目标台区统计线损率的相关系数,如果相关系数介于[0.8,1]内,则可以确定发生了户变关系错误,进一步进行人工核查输出数据。
4)计算相关系数,根据所述相关系数进行户变关系校验。
相关系数的计算主要有皮尔逊相关系数、斯皮尔曼相关系数以及肯德尔相关系数,具体计算公式如下:
其中ρ1,ρ2,ρ3分别为皮尔逊相关系数、斯皮尔曼相关系数以及肯德尔相关系数,Xi,Yi分别为变量X,Y的第i个数,是平均数,n是X,Y的总个数;di是指,同一个点i点,比如第三个X和第三个Y,将两组变量同时按照从大到小(或从小到大)排序,这个点在X的排名数(比如1)和在Y的排名数(比如3)的差值(比如2);P为两个属性值排列大小关系一致的统计对象对数。
对于相关系数的判别,根据统计学有以下判别:
表1相关系数判别表
步骤300中得出的异常项对智能诊断分析可能有启示作用,根据部分异常项可直接确定进行何种分析方法,当异常项对分析方法无提示时,则应该将几种分析方法分别操作一遍最终确定异常原因并进行异常处理。
智能诊断分析平台完成对异常分析后生成异常分析报告。异常分析报告包括台区基本信息、台区理论线损率、台区统计线损率、台区线损异常类型、台区线损异常原因等内容。
下面参考图4详细描述本申请的低压台区线损智能诊断分析***实施例,包括:
智能管理终端,用于通过与智能监测终端之间的信号传递确定供电关系,采集和运算低压台区总线损数据,分析和处理部分低压台区线损异常。
智能监测终端,用于通过与所述智能管理终端之间的信号传递确定供电关系,采集和运算低压台区各分支的线损数据。
大数据分析平台,用于通过实时计算、分布式存储和智能分析功能构建的分布式实时计算框架对低压台区线损进行智能诊断分析。
在至少一种实施方式中,所述大数据分析平台包括:
线损计算模块,用于利用加装的智能硬件采集线损数据,基于分布式框架进行线损计算;
异常判断模块,用于根据低压台区线损指标判断线损是否异常,进而判断线损异常类型;
异常项确定模块,用于基于异常判断规则自动判断低压台区线损异常原因,并确定异常项数量;
智能分析模块,用于进一步利用智能用电大数据及数据挖掘分析技术对低压台区线损进行智能诊断分析,生成体检报告。
在至少一种实施方式中,所述异常判断规则包括:采集异常判断规则、档案异常判断规则、用电异常判断规则和计量异常判断规则。
在至少一种实施方式中,所述采集线损数据包括实时线损数据和离线线损数据。
在至少一种实施方式中,所述智能诊断分析的内容包括:时钟误差分析、户变关系校验、线损波动分析、终端采集数据异常分析、曲线相似度分析和线损分相分支分段分析。
本文中的模块的划分仅仅是一种逻辑功能的划分,在实际实现时可以有其他的划分方式,例如多个模块可以结合或集成于另一个***中。作为分离部件说明的模块在物理上可以是分开的,也可以是不分开的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种低压台区线损智能诊断分析方法,其特征在于,包括:
利用加装的智能硬件采集线损数据,基于分布式框架进行线损计算;
根据低压台区线损指标判断线损是否异常,进而判断线损异常类型;
基于异常判断规则自动判断低压台区线损异常原因,并确定异常项数量;
进一步利用智能用电大数据及数据挖掘分析技术对低压台区线损进行智能诊断分析,生成体检报告。
2.如权利要求1所述的方法,其特征在于,所述智能硬件包括智能管理终端和智能监测终端,智能管理终端安装在变压器附近的主回路上,智能监测终端分为分支智能监测终端及表箱智能监测终端,其中,分支智能监测终端安装在分支箱附近,表箱智能监测终端安装在用户表箱附近。
3.如权利要求1所述的方法,其特征在于,所述异常判断规则包括:采集异常判断规则、档案异常判断规则、用电异常判断规则和计量异常判断规则。
4.如权利要求1所述的方法,其特征在于,所述采集线损数据包括实时线损数据和离线线损数据。
5.如权利要求1所述的方法,其特征在于,所述智能诊断分析的内容包括:时钟误差分析、户变关系校验、线损波动分析、终端采集数据异常分析、曲线相似度分析和线损分相分支分段分析。
6.一种低压台区线损智能诊断分析***,其特征在于,包括:
智能管理终端,用于通过与智能监测终端之间的信号传递确定供电关系,采集和运算低压台区总线损数据,分析和处理部分低压台区线损异常;
智能监测终端,用于通过与所述智能管理终端之间的信号传递确定供电关系,采集和运算低压台区各分支的线损数据;
大数据分析平台,用于通过实时计算、分布式存储和智能分析功能构建的分布式实时计算框架对低压台区线损进行智能诊断分析。
7.如权利要求6所述的***,其特征在于,所述大数据分析平台包括:
线损计算模块,用于利用加装的智能硬件采集线损数据,基于分布式框架进行线损计算;
异常判断模块,用于根据低压台区线损指标判断线损是否异常,进而判断线损异常类型;
异常项确定模块,用于基于异常判断规则自动判断低压台区线损异常原因,并确定异常项数量;
智能分析模块,用于进一步利用智能用电大数据及数据挖掘分析技术对低压台区线损进行智能诊断分析,生成体检报告。
8.如权利要求7所述的***,其特征在于,所述异常判断规则包括:采集异常判断规则、档案异常判断规则、用电异常判断规则和计量异常判断规则。
9.如权利要求7所述的***,其特征在于,所述采集线损数据包括实时线损数据和离线线损数据。
10.如权利要求7所述的***,其特征在于,所述智能诊断分析的内容包括:时钟误差分析、户变关系校验、线损波动分析、终端采集数据异常分析、曲线相似度分析和线损分相分支分段分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110534648.7A CN113267692B (zh) | 2021-05-17 | 2021-05-17 | 一种低压台区线损智能诊断分析方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110534648.7A CN113267692B (zh) | 2021-05-17 | 2021-05-17 | 一种低压台区线损智能诊断分析方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113267692A true CN113267692A (zh) | 2021-08-17 |
CN113267692B CN113267692B (zh) | 2022-09-06 |
Family
ID=77231299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110534648.7A Active CN113267692B (zh) | 2021-05-17 | 2021-05-17 | 一种低压台区线损智能诊断分析方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113267692B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447749A (zh) * | 2021-08-31 | 2021-09-28 | 江苏数能电力技术有限公司 | 一种台区线损异常的判断方法 |
CN113985339A (zh) * | 2021-09-22 | 2022-01-28 | 北京市腾河科技有限公司 | 智能电表的误差诊断方法及***、设备、存储介质 |
CN114139862A (zh) * | 2021-10-28 | 2022-03-04 | 国网江苏省电力有限公司连云港供电分公司 | 一种基于大数据的台区线损分析监控***及其分析方法 |
CN114236283A (zh) * | 2021-12-15 | 2022-03-25 | 广东电网有限责任公司 | 一种供电网络线损原因确定方法及装置 |
CN114285162A (zh) * | 2021-12-21 | 2022-04-05 | 青岛鼎信通讯股份有限公司 | 一种基于低压台区采集数据的计量异常分析方法 |
CN114441892A (zh) * | 2021-12-27 | 2022-05-06 | 国网江西省电力有限公司电力科学研究院 | 一种10kV线路异常线损配电变压器定位方法 |
CN115267323A (zh) * | 2022-08-01 | 2022-11-01 | 合肥顺帆信息科技有限公司 | 一种线损分析管理*** |
CN115392648A (zh) * | 2022-08-03 | 2022-11-25 | 中国电力科学研究院有限公司 | 一种台区线损融合诊断***及其诊断方法 |
CN115792370A (zh) * | 2023-02-08 | 2023-03-14 | 北京清众神州大数据有限公司 | 一种基于智能电表的用能诊断方法、装置和设备 |
CN117110795A (zh) * | 2023-10-18 | 2023-11-24 | 国网安徽省电力有限公司合肥供电公司 | 一种台区线路故障定位*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086950A (zh) * | 2018-10-11 | 2018-12-25 | 国网上海市电力公司 | 一种基于大数据分析的用户电量分析预测方法 |
CN109977535A (zh) * | 2019-03-22 | 2019-07-05 | 南方电网科学研究院有限责任公司 | 一种线损异常诊断方法、装置、设备及可读存储介质 |
CN110109771A (zh) * | 2019-05-07 | 2019-08-09 | 北京恒泰实达科技股份有限公司 | 一种台区线损异常一键诊断方法 |
CN110134708A (zh) * | 2019-03-03 | 2019-08-16 | 云南电网有限责任公司信息中心 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
CN110472871A (zh) * | 2019-08-16 | 2019-11-19 | 广东电网有限责任公司 | 一种针对管理线损异常原因的排查方法 |
CN111781463A (zh) * | 2020-06-25 | 2020-10-16 | 国网福建省电力有限公司 | 一种台区线损异常辅助诊断方法 |
CN112598234A (zh) * | 2020-12-14 | 2021-04-02 | 广东电网有限责任公司广州供电局 | 一种低压台区线损异常分析方法、装置和设备 |
-
2021
- 2021-05-17 CN CN202110534648.7A patent/CN113267692B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086950A (zh) * | 2018-10-11 | 2018-12-25 | 国网上海市电力公司 | 一种基于大数据分析的用户电量分析预测方法 |
CN110134708A (zh) * | 2019-03-03 | 2019-08-16 | 云南电网有限责任公司信息中心 | 电网台区线损异常原因诊断方法、装置、计算机设备和存储介质 |
CN109977535A (zh) * | 2019-03-22 | 2019-07-05 | 南方电网科学研究院有限责任公司 | 一种线损异常诊断方法、装置、设备及可读存储介质 |
CN110109771A (zh) * | 2019-05-07 | 2019-08-09 | 北京恒泰实达科技股份有限公司 | 一种台区线损异常一键诊断方法 |
CN110472871A (zh) * | 2019-08-16 | 2019-11-19 | 广东电网有限责任公司 | 一种针对管理线损异常原因的排查方法 |
CN111781463A (zh) * | 2020-06-25 | 2020-10-16 | 国网福建省电力有限公司 | 一种台区线损异常辅助诊断方法 |
CN112598234A (zh) * | 2020-12-14 | 2021-04-02 | 广东电网有限责任公司广州供电局 | 一种低压台区线损异常分析方法、装置和设备 |
Non-Patent Citations (1)
Title |
---|
唐伟宁 等: "基于分布式实时计算框架的低压台区线损智能诊断分析", 《现代管理》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447749B (zh) * | 2021-08-31 | 2021-11-23 | 江苏数能电力技术有限公司 | 一种台区线损异常的判断方法 |
CN113447749A (zh) * | 2021-08-31 | 2021-09-28 | 江苏数能电力技术有限公司 | 一种台区线损异常的判断方法 |
CN113985339B (zh) * | 2021-09-22 | 2023-11-24 | 北京市腾河科技有限公司 | 智能电表的误差诊断方法及***、设备、存储介质 |
CN113985339A (zh) * | 2021-09-22 | 2022-01-28 | 北京市腾河科技有限公司 | 智能电表的误差诊断方法及***、设备、存储介质 |
CN114139862A (zh) * | 2021-10-28 | 2022-03-04 | 国网江苏省电力有限公司连云港供电分公司 | 一种基于大数据的台区线损分析监控***及其分析方法 |
CN114236283A (zh) * | 2021-12-15 | 2022-03-25 | 广东电网有限责任公司 | 一种供电网络线损原因确定方法及装置 |
CN114236283B (zh) * | 2021-12-15 | 2024-02-13 | 广东电网有限责任公司 | 一种供电网络线损原因确定方法及装置 |
CN114285162A (zh) * | 2021-12-21 | 2022-04-05 | 青岛鼎信通讯股份有限公司 | 一种基于低压台区采集数据的计量异常分析方法 |
CN114285162B (zh) * | 2021-12-21 | 2023-08-08 | 青岛鼎信通讯股份有限公司 | 一种基于低压台区采集数据的计量异常分析方法 |
CN114441892A (zh) * | 2021-12-27 | 2022-05-06 | 国网江西省电力有限公司电力科学研究院 | 一种10kV线路异常线损配电变压器定位方法 |
CN115267323A (zh) * | 2022-08-01 | 2022-11-01 | 合肥顺帆信息科技有限公司 | 一种线损分析管理*** |
CN115267323B (zh) * | 2022-08-01 | 2023-11-03 | 合肥顺帆信息科技有限公司 | 一种线损分析管理*** |
CN115392648A (zh) * | 2022-08-03 | 2022-11-25 | 中国电力科学研究院有限公司 | 一种台区线损融合诊断***及其诊断方法 |
CN115792370A (zh) * | 2023-02-08 | 2023-03-14 | 北京清众神州大数据有限公司 | 一种基于智能电表的用能诊断方法、装置和设备 |
CN117110795A (zh) * | 2023-10-18 | 2023-11-24 | 国网安徽省电力有限公司合肥供电公司 | 一种台区线路故障定位*** |
CN117110795B (zh) * | 2023-10-18 | 2024-01-30 | 国网安徽省电力有限公司合肥供电公司 | 一种台区线路故障定位*** |
Also Published As
Publication number | Publication date |
---|---|
CN113267692B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和*** | |
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
CN113159339B (zh) | 一种基于大数据的一台区一指标线损管理方法及*** | |
CN107340492A (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
CN103617568B (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、***、终端及可读存储介质 | |
CN110276511A (zh) | 一种基于电量与线损关联性的线变关系异常判别方法 | |
CN111507013A (zh) | 一种面向电力***线损故障定位实现方法 | |
CN114519514B (zh) | 一种低压台区合理线损值测算方法、***及计算机设备 | |
CN112688428A (zh) | 一种基于物联网技术的10千伏电网同期线损治理方法 | |
CN112288303A (zh) | 确定线损率的方式、装置 | |
CN111738573A (zh) | 一种基于电能表全寿命周期数据的健康评价方法 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及*** | |
CN111476397B (zh) | 应用于中长期电量安全校核的母线负荷预测方法及*** | |
CN107730399B (zh) | 基于风力发电特性曲线的理论线损评估方法 | |
Hartmann et al. | Suspicious electric consumption detection based on multi-profiling using live machine learning | |
CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
CN113112177A (zh) | 一种基于混合指标的台区线损处理方法及*** | |
CN112288496A (zh) | 电力行业负荷分类计算方法及其跟踪分析方法 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及*** | |
CN116450625A (zh) | 一种基于用电信息采集***的计量异常数据甄别装置 | |
CN107832928B (zh) | 基于风力发电特性曲线的等效综合线损评价方法 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
CN114662994A (zh) | 一种整县式光伏分区方法、存储设备及终端 |
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 |