CN113361983B - 一种高损台区技术成因诊断方法及*** - Google Patents

一种高损台区技术成因诊断方法及*** Download PDF

Info

Publication number
CN113361983B
CN113361983B CN202110918059.9A CN202110918059A CN113361983B CN 113361983 B CN113361983 B CN 113361983B CN 202110918059 A CN202110918059 A CN 202110918059A CN 113361983 B CN113361983 B CN 113361983B
Authority
CN
China
Prior art keywords
phase
transformer area
probability
area
loss
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
CN202110918059.9A
Other languages
English (en)
Other versions
CN113361983A (zh
Inventor
安义
马亮
邓才波
蔡木良
戚沁雅
刘绚
蒙天骐
刘文龙
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
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power 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, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110918059.9A priority Critical patent/CN113361983B/zh
Publication of CN113361983A publication Critical patent/CN113361983A/zh
Application granted granted Critical
Publication of CN113361983B publication Critical patent/CN113361983B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开一种高损台区技术成因诊断方法及***，方法包括：步骤1：获取台区及用户侧的采集数据；步骤2：当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率；步骤3：对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率。在台区发生高线损事件时，通过分别计算三相不平衡、负载率高、功率因数低、线路网架问题四种原因导致台区高线损的概率，并对四种原因产生概率按从大到小进行排序，使得供电所人员能够根据概率大小开展现场排查，最终确定哪种原因导致台区发生高线损，从而提高供电所现场排查的针对性，能够提升台区线损管理水平。

Description

一种高损台区技术成因诊断方法及***
技术领域
本发明属于配用电技术领域，尤其涉及一种高损台区技术成因诊断方法及***。
背景技术
在电力企业提质增效的大背景下，加强台区线损管理具有重要的意义。现有台区高损治理存在成因诊断不明、措施制定不科学，导致台区高损治理不彻底，仍反复出现台区高线损。随着电力企业台区HPLC的全覆盖，台区采集数据类型不断丰富，积累了非常有价值的电气量数据，但将电气量数据用于高损台区治理较少，电气量数据价值未得到充分体现。
因此，在采集到台区、用户侧电气量数据的基础上，科学合理设计一种高损台区技术成因自动诊断方法，自动诊断台区高线损原因，进一步制定台区高线损治理策略，对于提升高损台区治理具有重要的意义。
发明内容
本发明提供一种高损台区技术成因诊断方法及***，用于至少解决上述技术问题之一。
第一方面，本发明提供一种高损台区技术成因诊断方法，包括：
步骤1：获取台区及用户侧的采集数据；
步骤2：当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率，其中，具体包括以下步骤：
步骤2.1：计算由于三相不平衡导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000021
式中，βi为台区第i采集点负载系数，αi为台区第i采集点三相不平衡率，tanh( )为双曲正切函数，M为日采集点；
步骤2.2：计算由于功率因数低导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000022
式中，θi为台区第i采集点功率因数，tanh( )为双曲正切函数，M为日采集点；
步骤2.3：计算由于负载率高导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000023
式中，βi为台区第i采集点负载系数，tanh( )为双曲正切函数，M为日采集点；
步骤2.4：计算由于线路网架问题导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000024
式中，DA、DB、DC分别为台区A、B、C相所属用户电压偏差量最大值大于10V的用户数，ΔUA、ΔUB、ΔUC分别为台区A、B、C相所属用户电压偏差量最大值，N为台区所属用户数，tanh( )为双曲正切函数：
其中，计算A相所属用户电压偏差量最大值的表达式为：
ΔUA＝max(ΔUA1，ΔUA2，ΔUAk，...，ΔUA(N1))，
式中，ΔUA为台区A相所属用户电压偏差量最大值，N1为台区A相所属用户数，ΔUAk为台区A相所属k用户电压偏差量最大值，max( )为最大函数；
计算A相所属k用户电压偏差量最大值的表达式为：
ΔUAk＝max(ωAk1，ωAk2，ωAki，...，ωAkM)，
式中，ωAki为台区A相k用户第i采集点电压偏差量，M为日采集点；
步骤3：对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率，其中，所述台区高线损技术成因向量概率的计算式为：
Figure GDA0003347217420000031
式中，E为三相不平衡导致台区高线损的概率，F为功率因数低导致台区高线损的概率，G为负载率高导致台区高线损的概率，H为线路网架问题导致台区高线损的概率。
第二方面，本发明提供一种高损台区技术成因诊断***，包括：
获取模块，配置为获取台区及用户侧的采集数据；
计算模块，配置为当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率，其中，具体包括：
计算由于三相不平衡导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000032
式中，βi为台区第i采集点负载系数，αi为台区第i采集点三相不平衡率，tanh( )为双曲正切函数，M为日采集点；
计算由于功率因数低导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000033
式中，θi为台区第i采集点功率因数，tanh( )为双曲正切函数，M为日采集点；
计算由于负载率高导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000034
式中，βi为台区第i采集点负载系数，tanh( )为双曲正切函数，M为日采集点；
计算由于线路网架问题导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000035
式中，DA、DB、DC分别为台区A、B、C相所属用户电压偏差量最大值大于10V的用户数，ΔUA、ΔUB、ΔUC分别为台区A、B、C相所属用户电压偏差量最大值，N为台区所属用户数，tanh( )为双曲正切函数；
其中，计算A相所属用户电压偏差量最大值的表达式为：
ΔUA＝max(ΔUA1，ΔUA2，ΔUAk，...，ΔUA(N1))，
式中，ΔUA为台区A相所属用户电压偏差量最大值，N1为台区A相所属用户数，ΔUAk为台区A相所属k用户电压偏差量最大值，max( )为最大函数；
计算A相所属k用户电压偏差量最大值的表达式为：
ΔUAk＝max(ωAk1，ωAk2，ωAki，...，ωAkM)，
式中，ωAki为台区A相k用户第i采集点电压偏差量，M为日采集点；
处理模块，配置为对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率，其中，所述台区高线损技术成因向量概率的计算式为：
Figure GDA0003347217420000041
式中，E为三相不平衡导致台区高线损的概率，F为功率因数低导致台区高线损的概率，G为负载率高导致台区高线损的概率，H为线路网架问题导致台区高线损的概率。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的高损台区技术成因诊断方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的高损台区技术成因诊断方法的步骤。
本申请的一种高损台区技术成因诊断方法及***，在台区发生高线损事件时，通过分别计算三相不平衡、负载率高、功率因数低、线路网架问题四种原因导致台区高线损的概率，并对四种原因产生概率按从大到小进行排序，使得供电所人员能够根据概率大小开展现场排查，最终确定哪种原因导致台区发生高线损，从而提高供电所现场排查的针对性，进一步制定科学合理线损治理策略，提升台区线损管理水平。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种高损台区技术成因诊断方法的流程图；
图2为本发明一实施例提供的一种高损台区技术成因诊断***的结构框图；
图3是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本申请的一种高损台区技术成因诊断方法的流程图。
如图1所示，在步骤1中，获取台区及用户侧的采集数据。
在本实施例中，在台区出口侧安装加装电气采集装置，台区及用户侧的采集数据包括三相电压(UTA、UTB、UTC)、三相电流(ITA、ITB、ITC)、三相有功功率(PTA、PTB、PTC)以及三相无功功率(QTA、QTB、QTC)，通过RS485通信方式传输至台区智能融合终端或集中器，在台区所属用户侧安装电气采集装置，用户侧电压(UFA、UFB、UFC)数据通过HPLC通信传输至台区智能融合终端或集中器，采集间隔可根据实际情况进行设置，一般取15min，由台区智能融合终端或集中器将台区时序数据上送至前置采集服务器、存储服务器。
在步骤2中，当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率。
在本实施例中，当台区发生高线损事件时，计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率的步骤具体如下：
步骤2.1：计算由于三相不平衡导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000065
式中，βi为台区第i采集点负载系数，αi为台区第i采集点三相不平衡率，tanh( )为双曲正切函数，M为日采集点；
其中，所述台区第i采集点负载系数βi的计算式为：
Figure GDA0003347217420000062
式中，PTA(i)为台区A相第i采集点有功功率，PTB(i)为台区B相第i采集点有功功率，PTC(i)为台区C相第i采集点有功功率，QTA(i)为台区A相第i采集点无功功率，QTB(i)为台区B相第i采集点无功功率，QTC(i)为台区C相第i采集点无功功率，SN为台区配变容量。
所述台区第i采集点三相不平衡率αi的计算式为：
Figure GDA0003347217420000063
式中，ITA(i)为台区A相第i采集点电流，ITB(i)为台区B相第i采集点电流，ITC(i)为台区C相第i采集点电流，max( )为最大函数，min( )为最小函数。
步骤2.2：计算由于功率因数低导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000064
式中，θi为台区第i采集点功率因数，tanh( )为双曲正切函数，M为日采集点；
其中，所述台区第i采集点功率因数θi的计算式为：
Figure GDA0003347217420000071
式中，PTA(i)为台区A相第i采集点有功功率，PTB(i)为台区B相第i采集点有功功率，PTC(i)为台区C相第i采集点有功功率，QTA(i)为台区A相第i采集点无功功率，QTB(i)为台区B相第i采集点无功功率，QTC(i)为台区C相第i采集点无功功率。
步骤2.3：计算由于负载率高导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000072
式中，βi为台区第i采集点负载系数，tanh( )为双曲正切函数，M为日采集点。
步骤2.4：计算由于线路网架问题导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000073
式中，DA、DB、DC分别为台区A、B、C相所属用户电压偏差量最大值大于10V的用户数，ΔUA、ΔUB、ΔUC分别为台区A、B、C相所属用户电压偏差量最大值，N为台区所属用户数，tanh( )为双曲正切函数；
其中，计算A相所属用户电压偏差量最大值的表达式为：ΔUA＝max(ΔUA1，ΔUA2，ΔUAk，...，ΔUA(N1))，式中，ΔUA为台区A相所属用户电压偏差量最大值，N1为台区A相所属用户数，ΔUAk为台区A相所属k用户电压偏差量最大值，max( )为最大函数；计算A相所属k用户电压偏差量最大值的表达式为：ΔUAk＝max(ωAk1，ωAk2，ωAki，...，ωAkM)，式中，ωAki为台区A相k用户第i采集点电压偏差量，M为日采集点；所述台区A相k用户第i采集点电压偏差量ωAki的计算式为：ωAki＝UT(k)(i)-UF(A)(k)(i)，式中，UT(k)(i)为k用户第i采集点电压，UF(A)(k)(i)为台区A相所属k用户第i采集点电压。
同理，计算出B、C相所属用户电压偏差量最大值ΔUB、ΔUC。
在步骤3中，对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率，其中，所述台区高线损技术成因向量概率的计算式为：
Figure GDA0003347217420000074
式中，E为三相不平衡导致台区高线损的概率，F为功率因数低导致台区高线损的概率，G为负载率高导致台区高线损的概率，H为线路网架问题导致台区高线损的概率。
综上描述，本实施例的方法具有以下技术效果：
1)在台区发生高线损事件时，通过分别计算三相不平衡、负载率高、功率因数低、线路网架问题四种原因导致台区高线损的概率，并对四种原因产生概率按从大到小进行排序，使得供电所人员能够根据概率大小开展现场排查，最终确定哪种原因导致台区发生高线损，从而提高供电所现场排查的针对性，进一步制定科学合理线损治理策略，提升台区线损管理水平。
2)在采集到台区出口侧、用户侧电气数据的基础上，设计三相不平衡、负载率高、功率因数低、线路网架问题四种情况导致台区高线损的概率公式，并对概率向量进行归一化，运维人员根据四种情况概率大小针对性开展现场排查，并进一步提升台区高损治理准确性。
3)无须人工干预，自动分析台区高损技术成因的概率大小，提升台区高损治理自动化及智能化水平。
在一些可选的实施例中，在完成台区高线损技术成因诊断后，生成台区高线损治理工单，工单内容包含台区名称、供电所名称、线损率、异常日期、诊断分析结果、运维人员、手机号码、派单时间以及归档时间。
请参阅图2，其示出了本申请的一种高损台区技术成因诊断***的结构框图。
如图2所示，高损台区技术成因诊断***200，包括获取模块210、计算模块220以及处理模块230。
其中，获取模块210，配置为获取台区及用户侧的采集数据；
计算模块220，配置为当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率，其中，具体包括：计算由于三相不平衡导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000081
式中，βi为台区第i采集点负载系数，αi为台区第i采集点三相不平衡率，tanh( )为双曲正切函数，M为日采集点；计算由于功率因数低导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000082
式中，θi为台区第i采集点功率因数，tanh( )为双曲正切函数，M为日采集点；计算由于负载率高导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000091
式中，βi为台区第i采集点负载系数，tanh()为双曲正切函数，M为日采集点；计算由于线路网架问题导致台区高线损的概率，计算式如下：
Figure GDA0003347217420000092
式中，DA、DB、DC分别为台区A、B、C相所属用户电压偏差量最大值大于10V的用户数，ΔUA、ΔUB、ΔUC分别为台区A、B、C相所属用户电压偏差量最大值，N为台区所属用户数，tanh( )为双曲正切函数；其中，计算A相所属用户电压偏差量最大值的表达式为：ΔUA＝max(ΔUA1，ΔUA2，ΔUAk，...，ΔUA(N1))，式中，ΔUA为台区A相所属用户电压偏差量最大值，N1为台区A相所属用户数，ΔUAk为台区A相所属k用户电压偏差量最大值，max( )为最大函数；计算A相所属k用户电压偏差量最大值的表达式为：ΔUAk＝max(ωAk1，ωAk2，ωAki，...，ωAkM)，式中，ωAki为台区A相k用户第i采集点电压偏差量，M为日采集点；
处理模块230，配置为对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率，其中，所述台区高线损技术成因向量概率的计算式为：
Figure GDA0003347217420000093
式中，E为三相不平衡导致台区高线损的概率，F为功率因数低导致台区高线损的概率，G为负载率高导致台区高线损的概率，H为线路网架问题导致台区高线损的概率。
应当理解，图2中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图2中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的高损台区技术成因诊断方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
获取台区及用户侧的采集数据；
当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率；
对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据高损台区技术成因诊断***的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至高损台区技术成因诊断***。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图3是本发明实施例提供的电子设备的结构示意图，如图3所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图3中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例高损台区技术成因诊断方法。输入装置330可接收输入的数字或字符信息，以及产生与高损台区技术成因诊断***的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于高损台区技术成因诊断***中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
获取台区及用户侧的采集数据；
当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率；
对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种高损台区技术成因诊断方法，其特征在于，包括：
步骤1：获取台区及用户侧的采集数据；
步骤2：当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率，其中，具体包括以下步骤：
步骤2.1：计算由于三相不平衡导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000011
式中，ρi为台区第i采集点负载系数，αi为台区第i采集点三相不平衡率，tanh()为双曲正切函数，M为日采集点；
步骤2.2：计算由于功率因数低导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000012
式中，θi为台区第i采集点功率因数；
步骤2.3：计算由于负载率高导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000013
步骤2.4：计算由于线路网架问题导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000014
式中，DA、DB、DC分别为台区A、B、C相所属用户电压偏差量最大值大于10V的用户数，ΔUA、ΔUB、ΔUC分别为台区A、B、C相所属用户电压偏差量最大值，N为台区所属用户数；
其中，计算A相所属用户电压偏差量最大值的表达式为：
ΔUA＝max(ΔUA1，ΔUA2，ΔUAk，...，ΔUA(N1))，
式中，N1为台区A相所属用户数，ΔUAk为台区A相所属k用户电压偏差量最大值，max()为最大函数；
计算A相所属k用户电压偏差量最大值的表达式为：
ΔUAk＝max(ωAk1，ωAk2，ωAki，...，ωAkM)，
式中，ωAki为台区A相k用户第i采集点电压偏差量；
步骤3：对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率，其中，所述台区高线损技术成因向量概率的计算式为：
Figure FDA0003347217410000021
式中，E为三相不平衡导致台区高线损的概率，F为功率因数低导致台区高线损的概率，G为负载率高导致台区高线损的概率，H为线路网架问题导致台区高线损的概率。
2.根据权利要求1所述的一种高损台区技术成因诊断方法，其特征在于，在步骤3之后，所述方法还包括：
生成台区高线损治理工单，其中，所述台区高线损治理工单的内容包含台区名称、供电所名称、线损率、异常日期、诊断分析结果、运维人员、手机号码、派单时间、归档时间。
3.根据权利要求1所述的一种高损台区技术成因诊断方法，其特征在于，在步骤1中，所述采集数据包括三相电压(UTA、UTB、UTC)、三相电流(ITA、ITB、ITC)、三相有功功率(PTA、PTB、PTC)以及三相无功功率(QTA、QTB、QTC)。
4.根据权利要求1所述的一种高损台区技术成因诊断方法，其特征在于，在步骤2中，所述台区第i采集点负载系数βi的计算式为：
Figure FDA0003347217410000022
式中，PTA(i)为台区A相第i采集点有功功率，PTB(i)为台区B相第i采集点有功功率，PTC(i)为台区C相第i采集点有功功率，QTA(i)为台区A相第i采集点无功功率，QTB(i)为台区B相第i采集点无功功率，QTC(i)为台区C相第i采集点无功功率，SN为台区配变容量。
5.根据权利要求1所述的一种高损台区技术成因诊断方法，其特征在于，在步骤2中，所述台区第i采集点功率因数θi的计算式为：
Figure FDA0003347217410000031
式中，PTA(i)为台区A相第i采集点有功功率，PTB(i)为台区B相第i采集点有功功率，PTC(i)为台区C相第i采集点有功功率，QTA(l)为台区A相第i采集点无功功率，QTB(i)为台区B相第i采集点无功功率，QTC(i)为台区C相第i采集点无功功率。
6.根据权利要求1所述的一种高损台区技术成因诊断方法，其特征在于，在步骤2中，所述台区第i采集点三相不平衡率αi的计算式为：
Figure FDA0003347217410000032
式中，ITA(i)为台区A相第i采集点电流，ITB(i)为台区B相第i采集点电流，ITC(i)为台区C相第i采集点电流，max()为最大函数，min()为最小函数。
7.根据权利要求1所述的一种高损台区技术成因诊断方法，其特征在于，在步骤2中，所述台区A相k用户第i采集点电压偏差量ωAki的计算式为：
ωAki＝UT(k)(i)-UF(A)(k)(i)，
式中，UT(k)(i)为k用户第i采集点电压，UF(A)(k)(i)为台区A相所属k用户第i采集点电压。
8.一种高损台区技术成因诊断***，其特征在于，包括：
获取模块，配置为获取台区及用户侧的采集数据；
计算模块，配置为当台区发生高线损事件时，分别计算由于三相不平衡、负载率高、功率因数低以及线路网架问题四种原因导致台区高线损的概率，其中，具体包括：
计算由于三相不平衡导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000033
式中，βi为台区第i采集点负载系数，αi为台区第i采集点三相不平衡率，tanh()为双曲正切函数，M为日采集点；
计算由于功率因数低导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000041
式中，θi为台区第i采集点功率因数；
计算由于负载率高导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000042
计算由于线路网架问题导致台区高线损的概率，计算式如下：
Figure FDA0003347217410000043
式中，DA、DB、DC分别为台区A、B、C相所属用户电压偏差量最大值大于10V的用户数，ΔUA、ΔUB、ΔUC分别为台区A、B、C相所属用户电压偏差量最大值，N为台区所属用户数；
其中，计算A相所属用户电压偏差量最大值的表达式为：
ΔUA＝max(ΔUA1，ΔUA2，ΔUAk，...，ΔUA(N1))，
式中，N1为台区A相所属用户数，ΔUAk为台区A相所属k用户电压偏差量最大值，max()为最大函数；
计算A相所属k用户电压偏差量最大值的表达式为：
ΔUAk＝max(ωAk1，ωAk2，ωAki，...，ωAkM)，
式中，ωAki为台区A相k用户第i采集点电压偏差量；
处理模块，配置为对高损台区技术成因概率向量进行归一化处理，使得到台区高线损技术成因向量概率，其中，所述台区高线损技术成因向量概率的计算式为：
Figure FDA0003347217410000044
式中，E为三相不平衡导致台区高线损的概率，F为功率因数低导致台区高线损的概率，G为负载率高导致台区高线损的概率，H为线路网架问题导致台区高线损的概率。
9.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7任一项所述的方法。
CN202110918059.9A 2021-08-11 2021-08-11 一种高损台区技术成因诊断方法及*** Active CN113361983B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110918059.9A CN113361983B (zh) 2021-08-11 2021-08-11 一种高损台区技术成因诊断方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110918059.9A CN113361983B (zh) 2021-08-11 2021-08-11 一种高损台区技术成因诊断方法及***

Publications (2)

Publication Number Publication Date
CN113361983A CN113361983A (zh) 2021-09-07
CN113361983B true CN113361983B (zh) 2022-02-08

Family

ID=77523005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110918059.9A Active CN113361983B (zh) 2021-08-11 2021-08-11 一种高损台区技术成因诊断方法及***

Country Status (1)

Country Link
CN (1) CN113361983B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113740657B (zh) * 2021-11-04 2022-03-11 国网江西省电力有限公司电力科学研究院 一种单台高供高计配电变压器容量在线校核方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113159339A (zh) * 2021-04-20 2021-07-23 国网江西省电力有限公司信息通信分公司 一种基于大数据的一台区一指标线损管理方法及***

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5478536B2 (ja) * 2011-02-22 2014-04-23 株式会社京三製作所 三相コンバータの力率制御方法、三相コンバータの無効電力制御方法、三相コンバータの制御装置
CN104111379B (zh) * 2013-04-19 2017-07-28 国家电网公司 一种台区线损率灵活分析算法流程
CN106451556B (zh) * 2016-11-24 2021-10-12 中国电力科学研究院有限公司 一种确定配电网馈线接纳分布式电源能力的方法和装置
CN107039970B (zh) * 2017-03-13 2018-06-19 广东电网有限责任公司信息中心 公变台区线损率异常原因检测方法和***
CN107863770B (zh) * 2017-09-30 2021-06-15 国网上海市电力公司 一种低压台区线损率异常原因的判定方法
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
CN110188122B (zh) * 2019-05-15 2021-12-10 电子科技大学 一种用于不同线损行为间的关联关系分析方法
CN111260198A (zh) * 2020-01-10 2020-06-09 广东电网有限责任公司 一种台区同期线损合理度评判方法、***及终端设备
CN111384714B (zh) * 2020-03-12 2023-10-31 深圳供电局有限公司 一种基于多因素状态分布低压台区线损问题查找方法
CN112288303B (zh) * 2020-11-05 2024-04-23 国家电网有限公司 确定线损率的方式、装置
CN112578205B (zh) * 2020-12-04 2022-09-06 广东电网有限责任公司江门供电局 一种技术线损率矫正的线损分析方法
CN112712240A (zh) * 2020-12-23 2021-04-27 南方电网电力科技股份有限公司 一种台区线损成因分析方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113159339A (zh) * 2021-04-20 2021-07-23 国网江西省电力有限公司信息通信分公司 一种基于大数据的一台区一指标线损管理方法及***

Also Published As

Publication number Publication date
CN113361983A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
Lin et al. A restorative self-healing algorithm for transmission systems based on complex network theory
CN108197774B (zh) 一种分布式光伏发电量异常诊断的方法及装置
CN113381408B (zh) 一种基于配电自动化数据的用电异常配变定位方法及装置
CN112561408B (zh) 一种配电变压器过载治理方法及***
CN111564898A (zh) 一种基于智能电表的多功能智能控制***
CN113361983B (zh) 一种高损台区技术成因诊断方法及***
CN111342454B (zh) 一种台区出口低电压成因大数据分析方法及***
CN103018611B (zh) 一种基于电流分解的非侵入式负载监测方法及***
CN117439177A (zh) 一种分布式光伏协调控制方法、装置、介质及设备
CN113554286A (zh) 一种10千伏线路线损精细化计算分析方法
CN113890013A (zh) 利用网络终端掉电数据自动识别低压线路拓扑方法及***
CN112052620B (zh) 城市配电台区智能化监视与分析***
CN115051912A (zh) 一种停电用户定位方法、装置、设备、介质
Yunshuo et al. Research on distribution power quality monitoring based on distribution internet of things
CN114398584A (zh) 水轮发电机组远程试验方法、***、电子设备和存储介质
CN113552527A (zh) 一种多表集合线损定表装置及线损定表方法
CN111585276B (zh) 一种pss参数在线整定方法、装置及可读存储介质
CN113850494A (zh) 一种数据加载方法、装置、电子设备及存储介质
CN116882766B (zh) 一种用电异常配变风险分析方法及***
Athanasiadis et al. A Benchmarking Testbed for Low-Voltage Active Distribution Network Studies
CN113740657B (zh) 一种单台高供高计配电变压器容量在线校核方法及***
CN112818523B (zh) 基于模糊评价模型的中低压直流计量点选择方法
CN113239097B (zh) 一种台区漏电安全隐患分析方法及***
CN117054746B (zh) 一种新能源现场的阻抗同步测量***和方法
CN112858779B (zh) 一种中低压直流输电***的计量方法及***

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