CN113868821B - 一种基于营配大数据融合的配网降损方法及终端机 - Google Patents
一种基于营配大数据融合的配网降损方法及终端机 Download PDFInfo
- Publication number
- CN113868821B CN113868821B CN202111315439.XA CN202111315439A CN113868821B CN 113868821 B CN113868821 B CN 113868821B CN 202111315439 A CN202111315439 A CN 202111315439A CN 113868821 B CN113868821 B CN 113868821B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- data
- distribution
- transformer
- line
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000009467 reduction Effects 0.000 title claims abstract description 49
- 230000004927 fusion Effects 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000000547 structure data Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000012216 screening Methods 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 7
- 230000001932 seasonal effect Effects 0.000 claims description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012797 qualification Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于营配大数据融合的配网降损方法及终端机，获取配网运行数据，建立数据之间的主键关系；构建配网拓扑逻辑结构数据；将配网运行数据与拓扑逻辑结构数据进行融合；分别计算用户细粒度损耗和配网线路细粒度损耗；对电网的无功功率进行优化；完成配网结构拓扑逻辑数据建立后，根据配网线路多分支树型拓扑表达模型，按照线路层级和分支线、导线、杆塔、配变用户拓扑关系实现配网结构数据可视化。方法以融合配网杆塔拓扑逻辑数据与配电变压器运行数据为基础，创新电流、无功叠加算法，实现了配网线损细粒度管控和配网降无功优化方案推荐；利用结构可视化技术，实现配网运行状况动态监测预警功能。
Description
技术领域
本发明涉及电力***技术领域，尤其涉及一种基于营配大数据融合的配网降损方法及终端机。
背景技术
目前，电力工作者对如何降低线损进行了大量的研究，其中不乏一些管理方面或技术方面的创新，但目前还未形成广泛推广应用的降损方案。
现有技术中，配网基础数据价值挖掘深度不够，由于配网线路段拓扑结构建模技术空缺，几个数据***之间无有效索引，无法实现数据精准融合，导致配网分段损耗计算和节点无功优化无法进行，未能实现配网结构数据细粒度计算。
现有配网无功补偿计算偏向集中补偿，因数据不完整且缺乏分段叠加计算功能，虽速度快但粒度粗，线损病因无法精准定位到具体节点或线段，降损工作消耗大量人力、物力且效果差。
配网线路段运行状态精细化监测工具空缺，未能有效及时反馈配网线路段和客户无功补偿欠补容量，无法为用户提供具体降损节电决策服务。
发明内容
本发明提供一种基于营配大数据融合的配网降损方法，方法以融合配网杆塔拓扑逻辑数据与配电变压器运行数据为基础，创新电流、无功叠加算法，实现了配网线损细粒度管控和配网降损无功优化方案推荐；利用结构可视化技术，实现配网运行状况动态监测预警功能。
方法包括：
步骤一、获取配网运行数据，建立数据之间的主键关系；
步骤二、构建配网拓扑逻辑结构数据；
步骤三、将配网运行数据与拓扑逻辑结构数据进行融合；
步骤四、分别计算用户细粒度损耗和配网线路细粒度损耗；
步骤五、对电网的无功功率进行优化；
步骤六、完成配网结构拓扑逻辑数据建立后，根据配网线路多分支树型拓扑表达模型，按照线路层级和分支线、导线、杆塔、配变用户拓扑关系，由变电站配网出线起点向末端依次绘制接线结构，实现配网结构数据可视化。
进一步需要说明的是，获取的配网运行数据包括：高压用户日抄表电能示值数据、高压用户日抄表电流数据、变压器运行数据、变电站出线抄表数据、营配贯通变压器数据、营销设备短编码、分布式电源档案明细、线路数据、导线数据、光伏发电采集数据、高压用户日抄表功率因数数据；
通过设备名称在变电站表和线路表之间建立主键关系；
通过所属大馈线在分支线导线表和线路表之间建立主键关系；
通过杆塔编号在杆塔表和线路表之间建立主键关系；
通过T接分支线杆在杆塔表和营销***变压器台账表之间建立主键关系；
通过设备名称在PMS变压器台账表和营销***变压器台账表之间建立主键关系；
通过所属分支线路在杆塔表和公用变压器表之间建立主键关系；
通过台区编号在光伏发电户表和营销***变压器台账表之间建立主键关系；
通过台区编号在集抄数据表和营销***变压器台账表之间建立主键关系；
通过导线型号在导线电阻表和杆塔表之间建立主键关系；
通过台区编号在功率因数表和营销***变压器台账表之间建立主键关系。
进一步需要说明的是，步骤二还包括：
绘制带有线路长度、导线型号、配变台区编号、变压器用户名称、变压器容量、变压器型号信息的标准CAD图纸，使用openCV进行CAD图像预处理，配合机器学习技术自动识别图中的文字和图形元素，运用自创的逻辑名称命名规则，形成有拓扑关系里的线路逻辑名称，构建配网拓扑逻辑结构数据；
或从数据中台pms***中获取线路表中的杆塔数据，与营销***变压器台账表进行关联，完善营销***变压器台账表中的T接分支线杆号，配网拓扑逻辑结构数据。
进一步需要说明的是，步骤四中用户细粒度损耗计算方式包括：
根据用户的运行数据计算出24小时的铁损有功、无功数值；
根据用户的运行数据计算出24小时的有功铜损值。
进一步需要说明的是，步骤四中配网线路细粒度损耗计算方式包括：
利用PQ分解法，根据配变用户正向有功功率占配变线路正向有功总功率比例，分摊出配变用户缺失的24小时正向有功功率，再通过功率与电流的关系，获取配变用户的24小时的电流值；
当多电源并网时，按照反向有功和反向无功示数值确定电流迭代方向，确定迭代策略；
基于配变线路细粒度拓扑结构数据结合配变用户电流运行数据，实现对任意线路段的损耗计算。
进一步需要说明的是，步骤五中
根据功率因数计算公式得出24小时的功率因数，其中：
(1)根据高供高计及24小时抄表示数，并结合功率因数计算公式计算得出；
(2)根据高供低计和公用台区结合24小时抄表示数及变压器的有功损耗、无功损耗后，通过功率因数计算公式计算得出；
筛选出低于功率因数预设阈值的线路段和用户，根据补偿容量计算公式计算出线路段和用户的补偿容量，对线路段和用户进行无功补偿；
根据配变用户电流运行数据结合导线型号计算出每条线路段的电流密度；
根据经济电流密度和安全电流密度筛选出卡脖子杆塔的线路段；
设定电流增长幅度，并经过现场勘查，筛选出1-N年后需要改造的线路段。
进一步需要说明的是，方法还包括：基于模糊匹配算法构建配网拓扑关系；
具体包括：将预判冗余信息置于冗余信息列表中，遍历全部的字符串进行冗余信息剔除；
根据去冗余后的数据匹配情况动态调整阈值的精度，重合率高于阈值时，则认定两个字符串为相似字符串；
基于KMP算法，用两个字符串的最长公共子序列来描述匹配度。
进一步需要说明的是，方法还包括：细粒度配网电流回溯算法，求解电流密度；
利用十字链表数据结构，深挖线路逻辑名称层级与起止杆号的电流、功率迭代关系，从变压器末端处开始回溯迭代各线路段分相电流值和无功值，计算得出各线路段电流值，无功功率，融合导线型号、长度计算线路段经济电流密度，筛选卡脖子线路段，实现分线段线路电流和功率的计算。
进一步需要说明的是，方法还包括：负荷增长预测算法；
算法基于月负荷作为建模数据，设yt为t月负荷观测值；Gt为t月负荷观测值的趋势分量；Ht为t月负荷观测值的周期分量；Et是均值为零的随机噪声，包括测量噪声和模型误差，对于含有趋势性和季节性变化规律的负荷模型，可用如下乘积模型来描述：
yt＝GtHtEt
设月负荷序列为y1,y2,...,yT，其中T为序列长度，其与观测数据序列年份个数N及月负荷周期数12的关系为T＝12N，用中值移动平均法，可提取不含季节周期波动的趋势项
式中t＝1,2,…,T-12；
上式表示以12为周期，以t为中心的2阶对称滑动平均数字滤波，经过数字滤波后，不再含有周期分量；
从观测数据序列中分解除趋势后，进行描述、建模，并根据趋势项数据及其曲线特征，取多项式趋势，然后得到带有噪声的季节周期项
HtEt＝yt/Gt
再根据支持向量机理论，进行负荷预测。
本发明还提供一种实现基于营配大数据融合的配网降损方法的终端机，包括：
存储器，用于存储计算机程序及基于营配大数据融合的配网降损方法；
处理器，用于执行所述计算机程序及基于营配大数据融合的配网降损方法，以实现基于营配大数据融合的配网降损方法的步骤。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供的基于营配大数据融合的配网降损方法中，将配电网的营配数据进行融合，通过应用人工智能视觉挖掘数据，将线路、杆塔代码进行营配数据融合，通过大数据算法进行细粒度理论计算，优化筛选无功补偿容量和线路段，实现电力***稳定经济安全运行和降损节电。本发明通过数据分析获取配网线路细粒度损耗，有针对性及方向性的规划配电网。通过数据分析获取10kV线路杆塔导线段线损，对10kV线路存在卡脖子的导线段准确定位，变压器超载提供改造提升计划储备明细，明确配电线路大修技改项目储备方向，及时改造存在隐患的线路，同时可以对线路进行无功补偿计算，提高电压合格率，降低线路损耗。本发明通过***计算筛选出低于功率因数标准的线路段和用户，以及降损节点计算机识别算法计算线路段和用户的补偿容量，挖掘出补偿线路段和用户无功补偿方案，提供客户欠补偿清单，避免用户投诉。本发明可以服务客户，避免力率罚款，提供就地和集中补偿的最优方案。
本发明提供的基于营配大数据融合的配网降损方法可大幅度提高配电网规划、配农网项目、大修技改项目前期储备效率，提升配电网10kV线路新建规划及卡脖子改造的精准性，通过设定电流增长幅度，筛选出1-N年后电网建设需求，实现精益智能化项目储备，提高电网供电可靠性。服务营销，服务客户，指导供电企业做好无功优化及改造，在减少无功电流的基础上，通过提升配电线路功率因数、无功补偿等办法，大幅度降低配电线路线损率。同时可提高配线路电压合格率，通过大数据分析计算用户的补偿容量，帮助客户确定无功补偿的短板，避免客户经济损失，提高客户自身的节电意识，提高电能利用率，服务经济社会的发展。
本发明提供的基于营配大数据融合的配网降损方法可大幅提高电网卡脖子线路改造规划的精准性。指导供电企业做好无功优化改造，在减少无功电流的基础上，提升配电线路功率因数，降低配电线路线损。同时可提高配线路电压合格率，通过大数据分析帮助客户确定无功补偿的短板，避免客户经济损失，提高客户自身节电意识，提高电能利用率，服务经济社会发展。
本发明提供的基于营配大数据融合的配网降损方法基于大数据平台进行开发应用，以线路拓扑结构可视化形成，展示单位、变电站、线路，降损节电如无功补偿欠容量、卡脖子线路段等，同时可向实现移动端信息推送、短信提醒功能，保证配网运检、营销及客户检测结果的及时收到降损措施。本发明以电子地图、电网拓扑图、分析图表、下载降损清单、短信提醒等多种表现形式，突出自动补偿功能是否正常、补偿要求提示、卡脖子线路调整记录等算法结果。能计算并展示用户无功补偿的电容容量是否满足需求、提出调整意见及调整前后配网参数的结果对比。
方法中的数据来源可靠准确、获取数据的方法简单易操作、计算筛选过程无需人力，能够给出用户无功补偿改造建议，为用户提供方便的可视化功能。
附图说明
为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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为基于营配大数据融合的配网降损方法流程图。
具体实施方式
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、完整的描述，显然，所描述的实施例仅仅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做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。
本发明提供的基于营配大数据融合的配网降损方法中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本发明提供的基于营配大数据融合的配网降损方法中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的、机械的或其它的形式连接。
本发明提供的基于营配大数据融合的配网降损方法包括：
S101、获取配网运行数据，建立数据之间的主键关系；
获取的配网运行数据包括：高压用户日抄表电能示值数据(数据类型包括：正向有功、正向无功、反向有功、反向无功)，高压用户日抄表电流数据(数据类型包括A相、B相、C相)，变压器明细，变电站出线抄表数据(数据类型包括正向有功、正向无功、反向有功、反向无功)，营配贯通变压器数据，发送营销设备短编码，分布式电源档案明细，线路明细数据，导线明细数据，光伏发电采集数据，高压用户日抄表功率因数数据(数据类型包括A相、B相、C相)。
从数据中台PMS***中获取变电站、线路、分支线导线、杆塔、变压器台账、公用变压器相关数据，从电力营销业务应用***中获取出变压器台账、光伏发电用户相关数据，从电力用户用电信息采集***中获出抄表相关数据(包括有功、无功、功率因数、电流等示数类型)，从一体化线损***中导出导线电阻相关数据，分别建立相应表格。
通过设备名称在变电站表和线路表之间建立主键关系；通过所属大馈线在分支线导线表和线路表之间建立主键关系；通过杆塔编号在杆塔表和线路表之间建立主键关系；通过T接分支线杆(逻辑名称)在杆塔表和营销***变压器台账表之间建立主键关系；通过设备名称在PMS变压器台账表和营销***变压器台账表之间建立主键关系；通过所属分支线路在杆塔表和公用变压器表之间建立主键关系；通过台区编号在光伏发电户表和营销***变压器台账表之间建立主键关系；通过台区编号在集抄数据表和营销***变压器台账表之间建立主键关系；通过导线型号在导线电阻表和杆塔表之间建立主键关系；通过台区编号在功率因数表和营销***变压器台账表之间建立主键关系。
主键关系建立后，将取自分支线导线表和导线电阻表中的数据对杆塔表中的缺失项进行完善；将取自PMS变压器台账表中的损耗参数，对营销***变压器台账中的缺失项进行完善；将取自集抄数据表中的抄表数据对营销***变压器台账表中的缺失项进行完善。损耗参数包括额定容量、阻抗电压、空载电流、短路损耗、空载损耗、电压比、额定电流(高压)、额定电流(低压)。
S102、构建配网拓扑逻辑结构数据；构建配网拓扑逻辑结构数据有两种方式。
一种是绘制带有线路长度、导线型号、配变台区编号、变压器用户名称、变压器容量、变压器型号信息的标准CAD图纸，使用openCV进行CAD图像预处理，配合机器学习技术自动识别图中的文字和图形元素，运用自创的逻辑名称命名规则，形成有拓扑关系的线路逻辑名称，构建配网拓扑逻辑结构数据；
另一种是从数据中台pms***中获取线路表中的杆塔数据，与营销***变压器台账表进行关联，完善营销***变压器台账表中的T接分支线杆号，配网拓扑逻辑结构数据。
作为本发明的一种实施例，可以基于模糊匹配算法构建配网拓扑关系。
具体来讲，在获得细粒度配电网数据之后，需要考虑配电网网架结构的描述与表达问题。通过分解模糊表达的分支线路来构建详细的配网拓扑关系，对两个字符串进行模糊匹配并计算两个字符串的匹配度。
模糊匹配算法包含三部分：冗余数据筛除、阈值设置、最长公共子序列匹配。首先将预判冗余信息置于冗余信息列表中，遍历全部的字符串进行冗余信息剔除；根据去除冗余后的数据匹配情况动态调整阈值的精度，重合率高于阈值时，则认定两个字符串为相似字符串；基于KMP算法，用两个字符串的最长公共子序列来描述“匹配度”，一个字符串的子序列是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如，"ace"是"abcde"的子序列，但"aec"不是"abcde"的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。
S103、将配网运行数据与拓扑逻辑结构数据进行融合；
其中，将处理后的配网运行数据与配网拓扑逻辑结构数据以杆塔T接杆号的逻辑结构数据进行深度融合。
S104、分别计算用户细粒度损耗和配网线路细粒度损耗；
用户细粒度损耗的计算方式如下：
根据用户的运行数据计算出24小时的铁损有功、无功数值；
根据用户的运行数据计算出24小时的有功铜损值。
配网线路细粒度损耗计算方式包括：
利用PQ分解法，根据配变用户正向有功功率占配变线路正向有功总功率比例，分摊出配变用户缺失的24小时正向有功功率，再通过功率与电流的关系，获取配变用户的24小时的电流值；
当多电源并网时，按照反向有功和反向无功示数值确定电流迭代方向和迭代策略；
基于配变线路细粒度拓扑结构数据结合配变用户电流运行数据，实现对任意线路段的损耗计算。
S105、对电网的无功功率进行优化；
根据功率因数计算公式得出24小时的功率因数，其中：
(1)根据高供高计及24小时抄表示数，并结合功率因数计算公式计算得出；
(2)根据高供低计和公用台区结合24小时抄表示数及变压器的有功损耗、无功损耗后，通过功率因数计算公式计算得出；
筛选出低于功率因数预设阈值的线路段和用户，根据补偿容量计算公式计算出线路段和用户的补偿容量，对线路段和用户进行无功补偿；
根据配变用户电流运行数据结合导线型号计算出每条线路段的电流密度；
根据经济电流密度和安全电流密度筛选出卡脖子杆塔的线路段；
设定电流增长幅度，并经过现场勘查，筛选出1-N年后需要改造的线路段。
S106、完成配网结构拓扑逻辑数据建立后，根据配网线路多分支树型拓扑表达模型，按照线路层级和分支线、导线、杆塔、配变用户拓扑关系，利用H5的canvas画布，由变电站配网出线起点向末端依次绘制接线结构，实现配网结构数据可视化，通过杆塔杆号和配变用户编号T接杆号，融合配网运行数据，配合电流和无功迭代算法，可以实现：监测配网拓扑结构示意图中任意杆塔的线路段、节点的电流密度、无功欠补偿或过补偿情况、正反电流、损耗等运行信息；还可以对比技术降损改造前后效果。
作为本发明的实施例，方法还包括：细粒度配网电流回溯算法，求解电流密度；
利用十字链表数据结构，深挖线路逻辑名称层级与起止杆号(节点)的电流、功率迭代关系，从变压器末端处开始回溯迭代各线路段分相电流值和无功值，计算得出各线路段电流值，无功功率，融合导线型号、长度计算线路段经济电流密度，筛选卡脖子线路段，实现线路电流和功率分线段的精准计算。
本发明提供的方法还包括：负荷增长预测算法；
算法基于月负荷作为建模数据，电力负荷具有明显的非线性过程和以12个月为周期的趋势性变化规律。设yt为t月负荷观测值；Gt为t月负荷观测值的趋势分量；Ht为t月负荷观测值的周期分量；Et是均值为零的随机噪声，包括测量噪声和模型误差，对于含有趋势性和季节性变化规律的负荷模型，可用如下乘积模型来描述：
yt＝GtHtEt
设月负荷序列为y1,y2,...,yT，其中T为序列长度，它与观测数据序列年份个数N及月负荷周期数12的关系为T＝12N，用中值移动平均法，可提取不含季节周期波动的趋势项
式中t＝1,2,…,T-12。上式表示以12为周期，以t为中心的2阶对称滑动平均数字滤波，经过数字滤波后，不再含有周期分量。从观测数据序列中分解除趋势后，就可对它进行描述、建模。并根据趋势项数据及其曲线特征，取多项式趋势，然后得到带有噪声的季节周期项
HtEt＝yt/Gt
再根据支持向量机理论，进行负荷预测。
本发明提供的基于营配大数据融合的配网降损方法中，将配电网的营配数据进行融合，通过应用人工智能视觉挖掘数据，将线路、杆塔代码进行营配数据融合，通过大数据算法进行细粒度理论计算，优化筛选无功补偿容量和线路段，实现电力***稳定经济安全运行和降损节电的目标。本发明通过数据分析获取配网线路细粒度损耗，有针对性及方向性的规划配电网。通过数据分析获取10kV线路杆塔导线段线损，对10kV线路存在卡脖子的导线段准确定位，变压器超载提供改造提升计划储备明细，明确配电线路大修技改项目储备方向，及时改造存在隐患的线路，同时可以对线路进行无功补偿计算，提高电压合格率，降低线路损耗。本发明通过***计算筛选出低于功率因数标准的线路段和用户，以及降损节电计算机识别算法计算线路段和用户的补偿容量，挖掘出补偿线路段和用户无功补偿方案，提供客户欠补偿清单，避免用户投诉。本发明可以服务客户，避免力率罚款，提供就地和集中补偿的最优方案。
本发明提供的基于营配大数据融合的配网降损方法可大幅度提高配电网规划、配农网项目、大修技改项目前期储备效率，提升配电网10kV线路新建规划及卡脖子改造的精准性，通过设定电流增长幅度，筛选出1-N年后电网建设需求，实现精益智能化项目储备，提高电网供电可靠性。服务营销，服务客户，指导供电企业做好无功优化及改造，在减少无功电流的基础上，通过提升配电线路功率因数、无功补偿等办法，大幅度降低配电线路线损率。同时可提高配线路电压合格率，通过大数据分析计算用户的补偿容量，帮助客户确定无功补偿的短板，避免客户经济损失，提高客户自身的节电意识，提高电能利用率，服务经济社会的发展。
基于上述方法本发明还提供一种实现基于营配大数据融合的配网降损方法的终端机，包括：存储器，用于存储计算机程序及基于营配大数据融合的配网降损方法；处理器，用于执行所述计算机程序及基于营配大数据融合的配网降损方法，以实现基于营配大数据融合的配网降损方法的步骤。
实现基于营配大数据融合的配网降损方法的终端机是结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属技术领域的技术人员能够理解，实现基于营配大数据融合的配网降损方法的各个方面可以实现为***、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于营配大数据融合的配网降损方法，其特征在于，方法包括：
步骤一、获取配网运行数据，建立数据之间的主键关系；
步骤二、构建配网拓扑逻辑结构数据；
绘制带有线路长度、导线型号、配变台区编号、变压器用户名称、变压器容量、变压器型号信息的标准CAD图纸，使用openCV进行CAD图像预处理，配合机器学习技术自动识别图中的文字和图形元素，运用自创的逻辑名称命名规则，形成有拓扑关系里的线路逻辑名称，构建配网拓扑逻辑结构数据；
或从数据中台pms***中获取线路表中的杆塔数据，与营销***变压器台账表进行关联，完善营销***变压器台账表中的T接分支线杆号，配网拓扑逻辑结构数据；
步骤三、将配网运行数据与拓扑逻辑结构数据进行融合；
步骤四、分别计算用户细粒度损耗和配网线路细粒度损耗；
步骤五、对电网的无功功率进行优化；
步骤六、完成配网结构拓扑逻辑数据建立后，根据配网线路多分支树型拓扑表达模型，按照线路层级和分支线、导线、杆塔、配变用户拓扑关系，由变电站配网出线起点向末端依次绘制接线结构，实现配网结构数据可视化。
2.根据权利要求1所述的基于营配大数据融合的配网降损方法，其特征在于，
获取的配网运行数据包括：高压用户日抄表电能示值数据、高压用户日抄表电流数据、变压器运行数据、变电站出线抄表数据、营配贯通变压器数据、营销设备短编码、分布式电源档案明细、线路数据、导线数据、光伏发电采集数据、高压用户日抄表功率因数数据；
通过设备名称在变电站表和线路表之间建立主键关系；
通过所属大馈线在分支线导线表和线路表之间建立主键关系；
通过杆塔编号在杆塔表和线路表之间建立主键关系；
通过T接分支线杆在杆塔表和营销***变压器台账表之间建立主键关系；
通过设备名称在PMS变压器台账表和营销***变压器台账表之间建立主键关系；
通过所属分支线路在杆塔表和公用变压器表之间建立主键关系；
通过台区编号在光伏发电户表和营销***变压器台账表之间建立主键关系；
通过台区编号在集抄数据表和营销***变压器台账表之间建立主键关系；
通过导线型号在导线电阻表和杆塔表之间建立主键关系；
通过台区编号在功率因数表和营销***变压器台账表之间建立主键关系。
3.根据权利要求1所述的基于营配大数据融合的配网降损方法，其特征在于，
步骤四中用户细粒度损耗计算方式包括：
根据用户的运行数据计算出24小时的铁损有功、无功数值；
根据用户的运行数据计算出24小时的有功铜损值。
4.根据权利要求1所述的基于营配大数据融合的配网降损方法，其特征在于，
步骤四中配网线路细粒度损耗计算方式包括：
利用PQ分解法，根据配变用户正向有功功率占配变线路正向有功总功率比例，分摊出配变用户缺失的24小时正向有功功率，再通过功率与电流的关系，获取配变用户的24小时的电流值；
当多电源并网时，按照反向有功和反向无功示数值确定电流迭代方向，确定迭代策略；
基于配变线路细粒度拓扑结构数据结合配变用户电流运行数据，实现对任意线路段的损耗计算。
5.根据权利要求1所述的基于营配大数据融合的配网降损方法，其特征在于，
步骤五中
根据功率因数计算公式得出24小时的功率因数，其中：
(1)根据高供高计及24小时抄表示数，并结合功率因数计算公式计算得出；
(2)根据高供低计和公用台区结合24小时抄表示数及变压器的有功损耗、无功损耗后，通过功率因数计算公式计算得出；
筛选出低于功率因数预设阈值的线路段和用户，根据补偿容量计算公式计算出线路段和用户的补偿容量，对线路段和用户进行无功补偿；
根据配变用户电流运行数据结合导线型号计算出每条线路段的电流密度；
根据经济电流密度和安全电流密度筛选出卡脖子杆塔的线路段；
设定电流增长幅度，并经过现场勘查，筛选出1-N年后需要改造的线路段。
6.根据权利要求1所述的基于营配大数据融合的配网降损方法，其特征在于，
方法还包括：基于模糊匹配算法构建配网拓扑关系；
具体包括：将预判冗余信息置于冗余信息列表中，遍历全部的字符串进行冗余信息剔除；
根据除去冗余后的数据匹配情况动态调整阈值的精度，重合率高于阈值时，则认定两个字符串为相似字符串；
基于KMP算法，用两个字符串的最长公共子序列来描述匹配度。
7.根据权利要求1所述的基于营配大数据融合的配网降损方法，其特征在于，
方法还包括：细粒度配网电流回溯算法，求解电流密度；
利用十字链表数据结构，深挖线路逻辑名称层级与起止杆号的电流、功率迭代关系，从变压器末端处开始回溯迭代各线路段分相电流值和无功值，计算得出各线路段电流值，无功功率，融合导线型号、长度计算线路段经济电流密度，筛选卡脖子线路段，实现分线段线路电流和功率的计算。
8.根据权利要求1所述的基于营配大数据融合的配网降损方法，其特征在于，
方法还包括：负荷增长预测算法；
算法基于月负荷作为建模数据，设yt为t月负荷观测值；Gt为t月负荷观测值的趋势分量；Ht为t月负荷观测值的周期分量；Et是均值为零的随机噪声，包括测量噪声和模型误差，对于含有趋势性和季节性变化规律的负荷模型，可用如下乘积模型来描述：
yt＝GtHtEt
设月负荷序列为y1，y2，...，yT，其中T为序列长度，其与观测数据序列年份个数N及月负荷周期数12的关系为T＝12N，用中值移动平均法，可提取不含季节周期波动的趋势项
式中t＝1，2，…，T-12；
上式表示以12为周期，以t为中心的2阶对称滑动平均数字滤波，经过数字滤波后，不再含有周期分量；
从观测数据序列中分解除趋势后，进行描述、建模，并根据趋势项数据及其曲线特征，取多项式趋势，然后得到带有噪声的季节周期项
HtEt＝yt/Gt
再根据支持向量机理论，进行负荷预测。
9.一种实现基于营配大数据融合的配网降损方法的终端机，其特征在于，包括：
存储器，用于存储计算机程序及基于营配大数据融合的配网降损方法；
处理器，用于执行所述计算机程序及基于营配大数据融合的配网降损方法，以实现如权利要求1至8任意一项所述基于营配大数据融合的配网降损方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111315439.XA CN113868821B (zh) | 2021-11-08 | 2021-11-08 | 一种基于营配大数据融合的配网降损方法及终端机 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111315439.XA CN113868821B (zh) | 2021-11-08 | 2021-11-08 | 一种基于营配大数据融合的配网降损方法及终端机 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113868821A CN113868821A (zh) | 2021-12-31 |
| CN113868821B true CN113868821B (zh) | 2022-07-29 |
Family
ID=78987388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111315439.XA Active CN113868821B (zh) | 2021-11-08 | 2021-11-08 | 一种基于营配大数据融合的配网降损方法及终端机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113868821B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116930608B (zh) * | 2023-09-19 | 2023-12-26 | 杭州正华电子科技有限公司 | 一种能耗分摊与统计方法、***及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107256442A (zh) * | 2017-04-18 | 2017-10-17 | 国网信通亿力科技有限责任公司 | 基于移动客户端的线损计算方法 |
| CN107968405A (zh) * | 2017-12-25 | 2018-04-27 | 国网湖北省电力有限公司 | 一种基于营配调贯通的配网非计划停电监测方法 |
| CN109613329A (zh) * | 2018-12-25 | 2019-04-12 | 国网湖南省电力有限公司 | 一种精细线损分析*** |
| WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析***及方法 |
| CN111680084A (zh) * | 2020-04-30 | 2020-09-18 | 国网天津市电力公司电力科学研究院 | 一种基于多源数据融合的线损计算方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112134277B (zh) * | 2020-09-22 | 2021-08-24 | 北京科东电力控制***有限责任公司 | 基于全网营配多源数据的电网拓扑优化校核方法及*** |
| CN112685866B (zh) * | 2021-01-11 | 2022-07-12 | 王海 | 一种低压台区线损理论计算的算法模型实现方法及*** |
-
2021
- 2021-11-08 CN CN202111315439.XA patent/CN113868821B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107256442A (zh) * | 2017-04-18 | 2017-10-17 | 国网信通亿力科技有限责任公司 | 基于移动客户端的线损计算方法 |
| CN107968405A (zh) * | 2017-12-25 | 2018-04-27 | 国网湖北省电力有限公司 | 一种基于营配调贯通的配网非计划停电监测方法 |
| CN109613329A (zh) * | 2018-12-25 | 2019-04-12 | 国网湖南省电力有限公司 | 一种精细线损分析*** |
| WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析***及方法 |
| CN111680084A (zh) * | 2020-04-30 | 2020-09-18 | 国网天津市电力公司电力科学研究院 | 一种基于多源数据融合的线损计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于大数据的台区线损管控***的设计与实现;王海 等;《农村电气化》;20210630;第40-43页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113868821A (zh) | 2021-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110082699B (zh) | 一种低压台区智能电能表运行误差计算方法及其*** | |
| WO2023115842A1 (zh) | 一种数据驱动的离线在线一体化配电网仿真***及方法 | |
| CN103955777B (zh) | 光伏发电接入配电网方案设计与分析评估辅助*** | |
| CN111160868A (zh) | 基于图融合技术的统一配网网架拓扑构建方法 | |
| CN109683059B (zh) | 确定线损异常的方法及装置、存储介质、处理器 | |
| CN111650431B (zh) | 一种电表台区识别方法 | |
| CN110826895B (zh) | 一种台区拓扑识别方法 | |
| CN109286188B (zh) | 一种基于多源数据集的10kV配电网理论线损计算方法 | |
| CN112288303B (zh) | 确定线损率的方式、装置 | |
| CN108490285B (zh) | 一种基于电压降落法的低压台区线损率计算方法 | |
| CN113283096B (zh) | 配网线路台账数据获取及异常数据分析的方法和相关装置 | |
| CN111025081B (zh) | 一种配电台区的居民电压监测方法 | |
| CN112232382B (zh) | 一种低压台区的分路与电表隶属关系识别方法及*** | |
| CN111398859B (zh) | 一种用户低电压成因大数据分析方法及*** | |
| CN113868821B (zh) | 一种基于营配大数据融合的配网降损方法及终端机 | |
| CN108764750A (zh) | 主配网模型建模及拓扑分析方法和*** | |
| CN103887792A (zh) | 一种含分布式电源的低压配电网建模方法 | |
| CN112884228B (zh) | 一种基于大数据的台区线损管控*** | |
| CN112016174A (zh) | 一种基于多源配网网架图的户变关系核查方法 | |
| CN109840646A (zh) | 基于大数据处理的电压监测方法 | |
| CN112803412B (zh) | 一种配网联络点类型识别方法和*** | |
| CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
| CN111092453B (zh) | 一种多点接入光伏电源的电网关键线路辨识方法 | |
| CN114784971A (zh) | 一种基于电流数据的低压台区拓扑识别***及算法 | |
| CN109270347B (zh) | 一种针对同步相量量测的电网可观测性分析方法 |
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 |