CN115882448A - 基于局部离群因子检测算法的配网台区线损异常检测方法 - Google Patents
基于局部离群因子检测算法的配网台区线损异常检测方法 Download PDFInfo
- Publication number
- CN115882448A CN115882448A CN202211420352.3A CN202211420352A CN115882448A CN 115882448 A CN115882448 A CN 115882448A CN 202211420352 A CN202211420352 A CN 202211420352A CN 115882448 A CN115882448 A CN 115882448A
- Authority
- CN
- China
- Prior art keywords
- loss
- distribution network
- line loss
- line
- power
- 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.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于局部离群因子检测算法的配网台区线损异常检测方法,包括以下步骤:选取配电网理论线损计算所需的原始数据代表日;计算代表日的配电网各类元件损耗,并根据配电网各类元件损耗得到代表日的理论线损率;基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点;对离群点对应的线损数据进行归纳推理,确定线损异常发生的时间。本发明提高了线损异常识别的时效性和准确性,缓解了电力资源紧缺的局面,保证了电网运行的经济、高效和节能水平。
Description
技术领域
本发明涉及配电网电能质量管理的技术领域,特别是涉及一种基于局部离群因子检测算法的配网台区线损异常检测方法。
背景技术
配电网线损率是一项衡量电网规划设计,生产运行管理等工作的重要经济技术指标,能够综合反映出电力企业的线损管理工作水平,同时配电网线损统计分析处理是电网优化运行和经济调度的重要依据,加强线损管理,减少线损不仅适应节能降耗,同时也是提高电力企业效益的重要手段之一,但随着数据的增长,传统的基于人力的线损分析方法不能满足电力***运行和优化在时效性和精确性的需求,因此需要一种有效的精细化线损管理计算方法来应对传统方法结果不精确和计算效率慢的缺点。
发明内容
本发明所要解决的技术问题是提供一种基于局部离群因子检测算法的配网台区线损异常检测方法,提高了线损异常识别的时效性和准确性,缓解了电力资源紧缺的局面,保证了电网运行的经济、高效和节能水平。
本发明解决其技术问题所采用的技术方案是:提供一种基于局部离群因子检测算法的配网台区线损异常检测方法,包括以下步骤:
选取配电网理论线损计算所需的原始数据代表日;
计算代表日的配电网各类元件损耗,并根据配电网各类元件损耗得到代表日的理论线损率;
基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点;
对离群点对应的线损数据进行归纳推理,确定线损异常发生的时间。
所述代表日选取遵循原则如下:
电网的运行方式和潮流分布正常;日供电量接近计算期的平均日供电量;绝大部分用户的用电情况正常;气候情况正常;代表日负荷记录完整,包括厂、变电所、线路的0—24h整点的发电、供电、输出、输入的电流和电压以及全天电量记录。
所述选取配电网理论线损计算所需的原始数据代表日具体为:
将记录时段缩小为预定时段,再增加一些特殊用电日的记录值,在此基础上进行代表日聚类分群;
从每一聚类分群中,任取一天的记录作为该聚类分群的代表数值,筛选出符合实际的代表日记录。
所述代表日聚类分群使用Q型分群法,具体包括:
确定代表日的均方根电流、日有功电量和日无功电量,将所述代表日的均方根电流、日有功电量和日无功电量作为自变量构建原始数据矩阵;
计算出所述原始数据矩阵中行向量的相似系数,根据所述相似系数的大小判定出接近的代表日。
所述配电网各类元件损耗包括低压配电网线路损耗、配电网变压器损耗、低压电缆及无功补偿电容器介质损耗和电能表损耗。
所述配电网变压器损耗包括可变损耗和固定损耗,其中,可变损耗通过计算得到,固定损耗通过/>计算得到,ΔAR表示可变损耗,pk表示变压器的额定负载损耗,Irms表示负载侧方均根电流,IN表示负载侧额定电流,ΔA0表示固定损耗,P0表示变压器空载损耗,UON表示变压器平均电压,Utop表示变压器分接头电压,t表示当前计算时段。
所述低压电缆及无功补偿电容器介质损耗包括无功补偿电容器介质损耗和电缆介质损耗,所述无功补偿电容器介质损耗通过ΔA=Qtanδ·T计算得到,所述电缆介质损耗通过ΔAi=U2ωCtanδ′·T′L计算得到,其中,ΔA表示无功补偿电容器介质损耗,Q表示无功损耗功率,tanδ表示无功补偿电容器介质损失角的正切值,T表示无功补偿电容器的投运时间,ΔAi表示电缆介质损耗,U表示线路运行电压,ω表示角速度,C表示电缆每相的工作电容,tanδ′表示电缆介质损失角的正切值,T′表示电缆运行时间,L表示电缆的长度。
所述基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点具体为:
基于所述代表日的理论线损率构建数据集,并设定离群点个数,其中,所述数据集包括台区名称、日期、损失电量和线损率;
采用局部离群因子检测算法计算所述数据集中所有对象的离群因子,将离群因子大于阈值的对象纳入离群点候选集,形成台区线损异常情况集合。
本发明解决其技术问题所采用的技术方案是:提供一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于局部离群因子检测算法的配网台区线损异常检测方法的步骤。
本发明解决其技术问题所采用的技术方案是:提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于局部离群因子检测算法的配网台区线损异常检测方法的步骤。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明首先指定了配电网理论线损计算所需的原始数据代表日的选取方法,结合局部离群因子检测和配电网各类元件损耗计算,最终通过数据中的离群点来检测在线路和台区中可能存在的线损异常情况。本方法结合离群点检测技术有效的判断台区线损异常的发生等信息,解决了传统方法在时效性和准确性上的局限性,为实现配网线损精细化管理提高基础支撑。
附图说明
图1是本发明第一实施方式的流程图;
图2是本发明第一实施方式中具体实施例的离群点检测结果图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于局部离群因子检测算法的配网台区线损异常检测方法,该方法,首先指定了配电网理论损耗计算所需的原始数据代表日的选取方法;另外,结合局部离群因子检测方法和配电网各类元件损耗计算方法,通过数据中的离群点来检测在线路和台区中可能存在的线损异常情况。本方法结合离群点检测技术有效的判断台区线损异常的发生等信息,解决了传统方法在时效性和准确性上的局限性,为实现配网线损精细化管理提高基础支撑。如图1所示,具体包括以下步骤:
步骤1,选取配电网理论线损计算所需的原始数据代表日。代表日的合理选取对改善计算精度有一定帮助。本步骤中代表日选取遵循如下原则:
电网的运行方式、潮流分布正常,其能代表计算期的正常情况;代表日的日供电量接近计算期(月、季、年)的平均日供电量;绝大部分用户的用电情况正常;气候情况正常(非异常气候,气温接近计算期的平均温度)。同时,还规定,代表日负荷记录应完整,能满足计算需要,一般应有厂、变电所、线路等0—24h整点的发电、供电、输出、输入的电流、电压及全天电量记录。
对于配电网来说,代表日的数据主要是变电所馈线出口处的24h整点电流值和全天电量的记录。由于代表日与非代表日之间,在馈线运行数据上总有差异,必须对代表日及其代表时段进行仔细筛选、划定,才能避免由于采用不适当的代表日所引起的误差。
在以往进行理论线损计算时,代表日的选取是逢5取样,即选每月的5、15、25日三天作为代表日计算当月的线损,这样选代表日也有不足之处。例如:无法考虑一些特殊日期的用电情况,如节假日、馈线限电日等。鉴于此,本步骤提出一种较为合理的代表日选取方法,具体如下:首先将记录时段缩小为一星期,再增加一些特殊用电日的记录值,在此基础上进行代表日聚类分群,然后从每一聚类分群中,任取一天的记录作为该聚类分群的代表数值,从而可筛选出较符合实际的代表日记录。
其中,代表日聚类分群使用Q型分群法,其基本步骤如下:首先确定代表日的均方根电流X1、日有功电量X2、日无功电量X3,并将均方根电流X1、日有功电量X2、日无功电量X3作为自变量形成原始数据矩阵:
其中,n为所选代表日的天数,然后利用:
计算出X矩阵中行向量的相似系数,根据相似系数的大小判定出接近的代表日。通过找出每一群中与均值最为接近的代表日及每一群的代表时段,为今后确定代表日及代表日时段提供指导。
步骤2,计算代表日的配电网各类元件损耗,并根据配电网各类元件损耗得到代表日的理论线损率。
在整个配电网中,用户从发电厂送到接电末端的全过程中,由于线路损耗、元件损耗以及其他损耗造成一定电量的损耗可称之为线损。在数据上通常用线损电量对其进行直观的表达,线损电量通过对供电和用电两端的电能表的电能差来进行测量,而电能差与总的供电量之间的比值通常被叫做线损率。其中,以kWh作为电能计量的单位。线损率的构成包括实际和理论线损两大部分,计算方法如下:
本步骤中,配电网各类元件损耗包括低压配电网线路损耗、配电网变压器损耗、低压电缆及无功补偿电容器介质损耗和电能表损耗。
低压配电网线路损耗计算:由于电力***的潮流分布是时时变化的,电网的电能损耗实际是电网功率损耗在某个时间周期上的积分,低压配电网的功率损耗主要包括线损和变压器损耗两部分。输电线路一般采用单相、三相四线两种接线方式,是低压配电网中的电能损耗主要元件,低压配电网线路总功率损耗包括对地电导损耗和线路电阻损耗两部分,由于线路对地电导损耗主要是由于绝缘子泄露和电晕引起,所以在低压配电网理论线损计算时可忽略。低压配电网线路损耗一般指线路电阻损耗,该损耗与其线路的载流量、电压、型号、长度及负荷分布情况有关,数学表达公式为:
其中,ΔPL表示低压配电网线路损耗,p表示载荷、U表示线路运行电压、γ表示功率因数、ρ表示线路电阻率,l表示线路长度,A表示线路截面积。
配电网变压器损耗计算:从计算电网线损的观点出发,配电变压器可分为以下两类:一类是由用户负担配电变压器电能损耗的专用配电变压器,其中有的在高压侧计量,则用户配电变压器的电能损耗电量已包括在用户的表计电量中,有的在低压侧计量,则需由用户的表计电量加上配电变压器电能损耗电量,这一类配电变压器电能损耗电量都己计算在电网的售电量内,所以在线损计算时不必再计算它们的损耗电量。另一类是由供电企业负担配电变压器电能损耗的公用配电变压器,这一类配电变压器电能损耗电量是需要逐台计算的。因此,在计算以前必须查清这两类配电变压器的性质、容量和台数。所以,本步骤中所讨论的都是指公用配电变压器损耗电量的计算。变压器的有功功率损耗分为铁芯损耗(也叫固定损耗)和绕阻电阻中的损耗(可变损耗)两部分,配电变压器的可变损耗可表示为:
其中,ΔAR表示可变损耗,pk表示变压器的额定负载损耗,Irms表示负载侧方均根电流,IN表示负载侧额定电流,t表示当前计算时段,例如1小时。
配电变压器的固定损耗表示为:
其中,ΔA0表示固定损耗,P0表示变压器空载损耗,UON表示变压器平均电压,Utop表示变压器分接头电压。
低压电缆及无功补偿电容器介质损耗计算:无功补偿电容器介质损失角的正切值tanδ=P/Q,所以电容器有功损耗功率P=Qtanδ,其中,Q为无功损耗功率。若无功补偿电容器的投运时间为T,则无功补偿电容器的损耗电量为:
ΔA=Qtanδ·T (9)
同理,低压电缆线路也应计及绝缘介质中的电能损耗,电缆介质损耗电能(三相)为:
ΔAi=U2ωCtanδ′·T′L (10)
其中,ΔAi表示电缆介质损耗,U表示线路运行电压,ω表示角速度,tanδ′表示电缆介质损失角的正切值,T′表示电缆运行时间,L表示电缆的长度,C表示电缆每相的工作电容,可以由产品目录查得,或通过下面的公式计算得到。
式中:ε表示绝缘介质的介电常数,可由产品目录查得或取实测值;re表示绝缘层外半径;ri表示线芯的半径。
电能表损耗计算:对了提高低压配电网理论线损计算的准确度,电能表自身的损耗也需考虑,计算公式为:
其中,ΔAdnb表示电能表损耗,T′表示线路运行时间,D表示全月日历天数,ΔAdbi表示第i类的电能表每月的损耗电量,mi表示第i类的电能表的数量,电能表分为单相电能表、三相三线制电能表、三相四线制电能表三类。
步骤3,基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点。
LOF算法,即局部离群因子检测方法,是基于密度的离群点检测方法中比较有代表性的算法。该算法对数据集中的每个点计算一个离群因子LOF,若LOF远大于1,则认为是离群点;若LOF接近于1,则判定该点为正常点。
对象p的k距离记作k-distance(p),在样本空间中,存在对象o,它与对象p之间的距离记作d(p,o)。如果同时满足以下两个条件,则认为k-distance(p)=d(p,o),即k-distance(p)=ax|||p-o|||。
与对象p之间距离小于或等于k-distance(p)的对象集合称为对象p的第k距离领域,记作:Nk(p)。显然,离群度越大的对象的范围往往比较大,而离群度比较小的对象范围小。
对象p相对于对象o的可达距离:
reachdist(p,o)=max{k-distance(o).||p-o||} (13)
若对象p远离对象o,则两者之间的可达距离就是它们之间的实际距离;但若两者足够近,则实际距离用o的k距离代替。
局部可达密度:
局部离群点因子:该因子表征了对象p的离群点的程度,定义如下:
如果对象p不是局部离群点,则LOF(p)接近于1。即对象p是局部离群点的程度较小,对象o的局部可达密度和对象p的局部可达密度相似,最后得出的LOF(p)值应该接近1。反之,则对象p是局部离群点的程度越大,LOF(p)值越高,通过这种方式在样本空间数据分布不均匀的情况下也可以准确发现离群点。
采用局部离群因子检测算法对配网台区线损异常进行判定时,首先基于所述代表日的理论线损率构建数据集S,并设定离群点个数,其中,所述数据集S包括台区名称、日期、损失电量和线损率;接着,采用局部离群因子检测算法计算所述数据集S中所有对象的离群因子,将离群因子大于2的对象纳入离群点候选集,形成台区线损异常情况集合。
步骤4,对离群点对应的线损数据进行归纳推理,确定线损异常发生的时间,即根据离群点候选集中的线损数据进行归纳推理,得到线损异常发生的时间,将其追溯到配电网结构中后,便可以对线损异常发生的地点进行定位,针对台区线损“异常点”,结合台区当日实际情况,判断引起台区线损异常的原因。
下面通过一个具体的实施例进一步说明本发明。
本实施例选用某地区多个台区2021年的台区历史线损数据进行试验,并通过算法检测与实际情况进行验证。基于用电采集***获得所需各类线损相关数据,将其中的多种台区特征数据作为研究台区分类的重要依据。选取某台区作为基准,按照台区线损异常判定具体流程,使用LOF算法定义目标台区的局部离群点因子,然后通过离群点因子计算公式,获得各台区每日线损率的离群程度进行排序,从而实现对线损异常台区的判定。本发明仿真使用Python语言进行编程,利用Python scikit-learn模型实现仿真,使用一个月的台区线损数据进行试验,台区A的LOF离群点计算(见表1)和异常点检测的试验结果(见图2)。
日期 | 离群点因子 | 日期 | 离群点因子 | 日期 | 离群点因子 |
2021/9/1 | -1.23208 | 2021/9/11 | -0.50699 | 2021/9/21 | 20.20417 |
2021/9/2 | -0.42931 | 2021/9/12 | -1.19711 | 2021/9/22 | -1.16158 |
2021/9/3 | -1.28682 | 2021/9/13 | -1.22562 | 2021/9/23 | -1.12051 |
2021/9/4 | -0.18413 | 2021/9/14 | -1.27099 | 2021/9/24 | -1.16285 |
2021/9/5 | -0.53051 | 2021/9/15 | -1.15849 | 2021/9/25 | -1.10831 |
2021/9/6 | -1.26157 | 2021/9/16 | 13.7821 | 2021/9/26 | -1.26945 |
2021/9/7 | -1.22562 | 2021/9/17 | -1.27658 | 2021/9/27 | -0.75871 |
2021/9/8 | 8.25789 | 2021/9/18 | -1.08532 | 2021/9/28 | -1.27263 |
2021/9/9 | -1.27947 | 2021/9/19 | -1.08232 | 2021/9/29 | -1.29995 |
2021/9/10 | -1.14722 | 2021/9/20 | -1.19367 | 2021/9/30 | -1.19481 |
由仿真结果可知,2021年9月8日、2021年9月16日、2021年9月21日的台区线损率离群程度明显高于其他日期的台区线损率的离群程度,可以判断当前台区在这几天发生了线损异常,与之前设定的线损异常模拟情况一致
不难发现,本发明首先指定了配电网理论线损计算所需的原始数据代表日的选取方法,结合局部离群因子检测和配电网各类元件损耗计算,最终通过数据中的离群点来检测在线路和台区中可能存在的线损异常情况。本方法结合离群点检测技术有效的判断台区线损异常的发生等信息,解决了传统方法在时效性和准确性上的局限性,为实现配网线损精细化管理提高基础支撑。
本发明的第二实施方式涉及一种基于局部离群因子检测算法的配网台区线损异常检测装置,包括:
选取模块,用于选取配电网理论线损计算所需的原始数据代表日;
计算模块,用于计算代表日的配电网各类元件损耗,并根据配电网各类元件损耗得到代表日的理论线损率;
确定模块,用于基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点;
归纳推理模块,用于对离群点对应的线损数据进行归纳推理,确定线损异常发生的时间。
其中,代表日选取遵循原则如下:
电网的运行方式和潮流分布正常;日供电量接近计算期的平均日供电量;绝大部分用户的用电情况正常;气候情况正常;代表日负荷记录完整,包括厂、变电所、线路的0—24h整点的发电、供电、输出、输入的电流和电压以及全天电量记录。
所述选取模块包括:
聚类单元,用于将记录时段缩小为预定时段,再增加一些特殊用电日的记录值,在此基础上进行代表日聚类分群;
筛选单元,用于从每一聚类分群中,任取一天的记录作为该聚类分群的代表数值,筛选出符合实际的代表日记录。
所述聚类单元使用使用Q型分群法,具体包括:
构建子单元,用于确定代表日的均方根电流、日有功电量和日无功电量,将所述代表日的均方根电流、日有功电量和日无功电量作为自变量构建原始数据矩阵;
判定子单元,用于计算出所述原始数据矩阵中行向量的相似系数,根据所述相似系数的大小判定出接近的代表日。
所述计算模块计算的配电网各类元件损耗包括低压配电网线路损耗、配电网变压器损耗、低压电缆及无功补偿电容器介质损耗和电能表损耗。
所述计算模块包括:
配电网变压器损耗计算单元,用于通过计算得到可变损耗,通过计算得到固定损耗,其中,ΔAR表示可变损耗,pk表示变压器的额定负载损耗,Irms表示负载侧方均根电流,IN表示负载侧额定电流,ΔA0表示固定损耗,P0表示变压器空载损耗,UON表示变压器平均电压,Utop表示变压器分接头电压,t表示当前计算时段。
低压电缆及无功补偿电容器介质损耗计算单元,用于通过ΔA=Qtanδ·T计算得到无功补偿电容器介质损耗,通过ΔAi=U2ωCtanδ′·T′L计算得到电缆介质损耗,其中,ΔA表示无功补偿电容器介质损耗,Q表示无功损耗功率,tanδ表示无功补偿电容器介质损失角的正切值,T表示无功补偿电容器的投运时间,ΔAi表示电缆介质损耗,U表示线路运行电压,ω表示角速度,C表示电缆每相的工作电容,tanδ′表示电缆介质损失角的正切值,T′表示电缆运行时间,L表示电缆的长度。
所述确定模块包括:
数据集构建单元,用于基于所述代表日的理论线损率构建数据集,并设定离群点个数,其中,所述数据集包括台区名称、日期、损失电量和线损率;
离群点筛选单元,用于采用局部离群因子检测算法计算所述数据集中所有对象的离群因子,将离群因子大于阈值的对象纳入离群点候选集,形成台区线损异常情况集合。
本发明的第三实施方式涉及一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现基于局部离群因子检测算法的配网台区线损异常检测方法,该方法包括以下步骤:选取配电网理论线损计算所需的原始数据代表日;计算代表日的配电网各类元件损耗,并根据配电网各类元件损耗得到代表日的理论线损率;基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点;对离群点对应的线损数据进行归纳推理,确定线损异常发生的时间。
另外,在本发明中的各功能可以集成在一个处理单元中,也可以是各个单元单独物理存在,还可以将两个或两个以上单元集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或网络设备等)执行本发明实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM)、随机存取存储器(RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序代码的介质。
Claims (13)
1.一种基于局部离群因子检测算法的配网台区线损异常检测方法,其特征在于,包括以下步骤:
选取配电网理论线损计算所需的原始数据代表日;
计算代表日的配电网各类元件损耗,并根据配电网各类元件损耗得到代表日的理论线损率;
基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点;
对离群点对应的线损数据进行归纳推理,确定线损异常发生的时间。
2.根据权利要求1所述的基于局部离群因子检测算法的配网台区线损异常检测方法,其特征在于,所述代表日选取遵循原则如下:
电网的运行方式和潮流分布正常;日供电量接近计算期的平均日供电量;绝大部分用户的用电情况正常;气候情况正常;代表日负荷记录完整,包括厂、变电所、线路的0—24h整点的发电、供电、输出、输入的电流和电压以及全天电量记录。
3.根据权利要求1所述的基于局部离群因子检测算法的配网台区线损异常检测方法,其特征在于,所述选取配电网理论线损计算所需的原始数据代表日具体为:
将记录时段缩小为预定时段,再增加一些特殊用电日的记录值,在此基础上进行代表日聚类分群;
从每一聚类分群中,任取一天的记录作为该聚类分群的代表数值,筛选出符合实际的代表日记录。
4.根据权利要求3所述的基于局部离群因子检测算法的配网台区线损异常检测方法,其特征在于,所述代表日聚类分群使用Q型分群法,具体包括:
确定代表日的均方根电流、日有功电量和日无功电量,将所述代表日的均方根电流、日有功电量和日无功电量作为自变量构建原始数据矩阵;
计算出所述原始数据矩阵中行向量的相似系数,根据所述相似系数的大小判定出接近的代表日。
5.根据权利要求1所述的基于局部离群因子检测算法的配网台区线损异常检测方法,其特征在于,所述配电网各类元件损耗包括低压配电网线路损耗、配电网变压器损耗、低压电缆及无功补偿电容器介质损耗和电能表损耗。
8.根据权利要求1所述的基于局部离群因子检测算法的配网台区线损异常检测方法,其特征在于,所述低压电缆及无功补偿电容器介质损耗包括无功补偿电容器介质损耗和电缆介质损耗,所述无功补偿电容器介质损耗通过ΔA=Qtanδ·T计算得到,所述电缆介质损耗通过ΔAi=U2ωCtanδ′·T′L计算得到,其中,ΔA表示无功补偿电容器介质损耗,Q表示无功损耗功率,tanδ表示无功补偿电容器介质损失角的正切值,T表示无功补偿电容器的投运时间,ΔAi表示电缆介质损耗,U表示线路运行电压,ω表示角速度,C表示电缆每相的工作电容,tanδ′表示电缆介质损失角的正切值,T′表示电缆运行时间,L表示电缆的长度。
10.根据权利要求1所述的基于局部离群因子检测算法的配网台区线损异常检测方法,其特征在于,所述基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点具体为:
基于所述代表日的理论线损率构建数据集,并设定离群点个数,其中,所述数据集包括台区名称、日期、损失电量和线损率;
采用局部离群因子检测算法计算所述数据集中所有对象的离群因子,将离群因子大于阈值的对象纳入离群点候选集,形成台区线损异常情况集合。
11.一种基于局部离群因子检测算法的配网台区线损异常检测装置,其特征在于,包括:
选取模块,用于选取配电网理论线损计算所需的原始数据代表日;
计算模块,用于计算代表日的配电网各类元件损耗,并根据配电网各类元件损耗得到代表日的理论线损率;
确定模块,用于基于所述代表日的理论线损率采用局部离群因子确定数据集中的离群点;
归纳推理模块,用于对离群点对应的线损数据进行归纳推理,确定线损异常发生的时间。
12.一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-10中任一所述基于局部离群因子检测算法的配网台区线损异常检测方法的步骤。
13.一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,所述计算机程序被处理器执行时实现如权利要求1-10中任一所述基于局部离群因子检测算法的配网台区线损异常检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211420352.3A CN115882448A (zh) | 2022-11-15 | 2022-11-15 | 基于局部离群因子检测算法的配网台区线损异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211420352.3A CN115882448A (zh) | 2022-11-15 | 2022-11-15 | 基于局部离群因子检测算法的配网台区线损异常检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115882448A true CN115882448A (zh) | 2023-03-31 |
Family
ID=85759819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211420352.3A Pending CN115882448A (zh) | 2022-11-15 | 2022-11-15 | 基于局部离群因子检测算法的配网台区线损异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115882448A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117651256A (zh) * | 2023-11-28 | 2024-03-05 | 佛山科学技术学院 | 一种基于离群检测的节点能源消耗监测方法及*** |
CN117851955A (zh) * | 2024-03-07 | 2024-04-09 | 辽宁亿金电子有限公司 | 一种柔直电容器状态检测方法及*** |
-
2022
- 2022-11-15 CN CN202211420352.3A patent/CN115882448A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117651256A (zh) * | 2023-11-28 | 2024-03-05 | 佛山科学技术学院 | 一种基于离群检测的节点能源消耗监测方法及*** |
CN117651256B (zh) * | 2023-11-28 | 2024-06-07 | 佛山科学技术学院 | 一种基于离群检测的节点能源消耗监测方法及*** |
CN117851955A (zh) * | 2024-03-07 | 2024-04-09 | 辽宁亿金电子有限公司 | 一种柔直电容器状态检测方法及*** |
CN117851955B (zh) * | 2024-03-07 | 2024-05-24 | 辽宁亿金电子有限公司 | 一种柔直电容器状态检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10666048B2 (en) | Electric power system control with measurement of energy demand and energy efficiency using t-distributions | |
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN115882448A (zh) | 基于局部离群因子检测算法的配网台区线损异常检测方法 | |
WO2023010759A1 (zh) | 基于配售电竞争态势下区域配电网网格化负荷区间预测方法 | |
Mutanen et al. | Customer classification and load profiling method for distribution systems | |
US7089125B2 (en) | Distributed asset optimization (DAO) system and method | |
CN109217303B (zh) | 基于配电变压器二次侧实抄电量的10kV配电台区理论线损计算方法 | |
Biryulin et al. | Calculation of power losses in the transformer substation | |
JP2006011715A (ja) | 資源消費量の推定方法及び装置 | |
JP2012205432A (ja) | 変圧器の負荷推定方法および負荷推定システム | |
US20160164290A1 (en) | Electric power system control with measurement of energy demand and energy efficiency | |
Leal et al. | Distribution transformer losses evaluation: A new analytical methodology and artificial neural network approach | |
Mutanen | Improving electricity distribution system state estimation with AMR-based load profiles | |
CN114519514A (zh) | 一种低压台区合理线损值测算方法、***及计算机设备 | |
Chang et al. | Distribution transformer load modeling using load research data | |
CN110675018B (zh) | 一种基于专家规则的线损异常分析与闭环管理的方法 | |
Vasudevarao et al. | Methodology for creating composite standard load profiles based on real load profile analysis | |
Chen et al. | Reconsidering the smart metering data collection frequency for distribution state estimation | |
Yang et al. | Optimization calculation method of transmission line loss with multi-parameter correction | |
Ibrahim et al. | A new methodology for technical losses estimation of radial distribution feeder | |
Musaev et al. | Developing a Method Providing for the Accurate Assessment of Actual 6 (10) kV Transformer Load Using Data from Smart Electric Energy Metering Systems | |
CN111178634A (zh) | 一种配电网建设改造方案选定方法及*** | |
Leinakse | Estimation and Conversion of Static Load Models of Aggregated Transmission System Loads | |
Danishmal et al. | Analyzing Power Losses in Ghazni City's Electricity Distribution Network and Strategies for Minimizing Them | |
Hajiaghapour-Moghimi et al. | Residential Load Clustering Contribution to Accurate Distribution Transformer Sizing |
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 |