基于大数据的配网同期线损数据智能分析系统设计实现

王世君 陈广宇 夏革非

摘  要：随着一体化电量与线损管理（以下简称”同期线损系统”）不断深化应用，高损排查与降损治理成为基层单位工作的主要内容，由于缺乏有效的分析手段，基层线损排查在采集系统基础上，仍然需要大量的手工分析工作，工作效率和质量均难以保证。同时在多源数据融合的背景下，小负损、小电量异常、间隙性窃电等疑难问题的出现，对一线员工的技术水平提出了更高的要求，因此运用大数据分析原理，研究同期线损系统各项数据，研发“配网同期线损数据智能分析及异常诊断系统”，基于档案数据、模型数据、采集数据以及线损结果等数据，建立线损异常诊断模型，自动诊断分析计算结果，实现高损、负损快速定位及原因精准分析;进一步满足各单位提前发现问题并及时解决问题，以图文并茂的形式综合反映线损情况，减轻人员工作量。

关键词：线损分析  智能研判  线损治理  异常定位

中图分类号：TM77           文献标识码：A                  文章编号：1674-098X（2021）01（b）-0105-03

Design and Implementation of Intelligent Analysis System for Line Loss Data of Distribution Network in the Same Period Based on Big Data

WANG Shijun  CHEN Guangyu  XIA Gefei

（State Grid Jibei Electric Power Co.， Ltd.， Chengde Power Supply Company， Chengde， Hebei Province， 067000 China）

Abstract： With the further development of integrated power and line loss management system， high loss investigation and loss reduction treatment has become the main content of grass-roots units' work. Due to the lack of effective analysis means， grass-roots line loss investigation still needs a lot of manual analysis work on the basis of acquisition system， so the work efficiency and quality are difficult to guarantee. At the same time， under the background of multi-source data fusion， the emergence of small load loss， small electricity abnormal， intermittent electricity theft and other difficult problems put forward higher requirements for the technical level of front-line staff. Therefore， using the principle of big data analysis， the data of integrated power and line loss management system is studied， and the "intelligent analysis and abnormal diagnosis system of line loss data in the same period of distribution network" is developed based on archives Data， model data， collected data and line loss results and other data， establish the line loss abnormal diagnosis model， automatically diagnose and analyze the calculation results， realize the rapid positioning of high loss and negative loss and accurate analysis of the causes; further meet the requirements of each unit to discover problems in advance and solve them in time， comprehensively reflect the line loss situation in the form of pictures and texts， and reduce the workload of personnel.

Key Words： Line loss analysis; Intelligent research and judgment; Line loss management; Abnormal location

1  研究背景

線损是影响电网企业经营效益的核心要素之一，推动同期线损系统的深化应用是国网公司线损管理的重点工作[1]，也是适应国家电力体制改革、国有企业提质增效的重要举措。随着同期线损管理项目工作推进，数据过程管控、高损降损成效管理、设备异动等引起的营配调协同问题、末端数据融合及数据治理等诸多问题都成为了电网公司一本难管的账，为进一步满足各单位对提前发现问题并及时解决问题的诉求，亟需建立以基层一线人员为结合点的新型协同模式，为专业管理提升提供有效支撑。

2  大数据价值挖掘

2.1 数据挖掘过程

在人工智能领域，数据挖掘习惯上又称为数据库中的知识发现（Knowledge Discoveryin Database，KDD），如图1，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：数据准备、数据挖掘、结果表达和解释。

数据挖掘技术通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标，由此总结出数据挖掘其实质就是一个不断重复直至达到要求的过程，这个过程需要对挖掘所获得信息进行不断的提炼精化，最终能得到符合要求的结果。

2.2 聚类分析

聚类分析是根据在数据中发现的描述对象及其关系的信息，将数据对象分组。目的是，组内的对象相互之间是相似的（相关的），而不同组中的对象是不同的（不相关的）。组内相似性越大，组间差距越大，说明聚类效果越好。

K-均值算法的实质是将聚类问题转化为一个组合优化问题，目标是要将数据点划分为k个对象群，找到这每个对象群的中心，并且最小化函数

其中K就是第i个对象群的中心，要求每个数据点要与它们所属对象群的中心尽量接近。

3  配网同期线损数据智能分析及异常诊断系统

配网同期线损数据智能分析及异常诊断系统建设应用功能覆盖营配贯通分析、同期理论对比分析、线损异常诊断，系统应用架构[2]如图2所示。

3.1  营配贯通专栏分析

为了更为科学有效地对异常数据进行治理，采取加强对营配贯通工作的重视程度、提高对电力公司生产以及营配贯通数据异常的自动诊断等方式来更好地对异常数据进行治理，配网同期线损数据智能分析及异常诊断系统实现了营配贯通异常数据的自动诊断，实现PMS-公用配变营配贯通情况、营销-公专变营配贯通情况及营销-台区营配贯通情况，辅助用户开展源端数据治理工作，并提升了工作人员对配线、台区线损异常数据的治理能力[3]，统计查询营配贯通数据的异常分析，营配贯通专栏，实现运检及营销部交叉业务的协同治理。

3.2 双率对比分析

集成同期线损10kV线路理论线损计算结果，通过源端系统与同期线损系统从、拓扑及其他相关档案参数比对，开展理论线损理论线损与同期线损对比分析[4]，进行管理线损和技术线损分析，辅助同期线损理论线损治理提升，给出建设性指导建议。如果双率线损结果相近或者在誤差允许范围内，说明线损管理较好，供电企业技术水平和管理水平处于一个领先地位，实现线损精细化管理的重要目标。如果同期线损数据与理论线损数据相差太大，则需要对档案、运行、采集数据等进行分析与排查，找到异常数据。

3.3 线损智能诊断

本系统通过智能研判，提供智能诊断，提供了线损监控控制台、线损异常诊断书及线损看板。

线损监控控制台，集成同期线损配线线损计算结果和线路打包情况，以线路为单位，展示线路下台区、用户模型、档案、售电量、供电量及线损指标等数据，标识线损异常的线路，对线路的异常进行诊断，对各类数据进行统计分析，可查看其指标情况。支撑分线线损治理人员分析线路分线线损计算的异常数据。

线损异常诊断书，根据设置异常诊断规则，展示所选线路的基础档案、拓扑关系、线损模型、采集电量的数据异常诊断[5]明细情况。诊断书主要包括拓扑模型异常详情、计量档案异常详情、采集数据异常详情、电量计量异常详情等，高效辅助基层人员定位排查线损异常问题。

线路看板，展示所选线路线损趋势监测信息、关口电量信息、售电量监测信息等，方便用户综合查看线路相关信息，定位线损异常。

详细地，拓扑模型异常主要包括电力环网转供电、负荷割接、用户新装接入等工作若电子化移交不及时，未能及时更新台账信息，则会导致系统“站-线-变-户-表”关系与现场不一致，造成拓扑关系的异常。除与建模相关的关键属性外，还有一些与电量计算相关的档案属性，例如CT变比、PT变比、综合变比等，会影响计量点电量的准确计算，从而影响线损率的计算。其中，采集数据异常指的是表计表码的采集缺数、采集错误等异常。表计表码采集错误是指人工抄表的错抄，以及系统采集入库的表码与实际不符，可表现为表码倒走、表码突变等。电量计量异常指的是由于现场计量装置运行状态的异常、计量装置故障，导致表计的表码、进码无法真实反映用户的用电情况，异常涵盖了多种现场计量装置运行状态的异常，如电压欠压、失压、断相、电流失流、总功率不等于各项功率之和、反向电量异常、表计停走、终端与表计差动异常等。异常类型多而杂，特征隐藏于各类负荷数据之中。因此，在线损分析中，电量计量异常难以一目了然进行判断，需要分析人员凭借丰富的计量装置异常判断经验及线损分析排查经验，多方取证，综合分析，定位异常。

4  系统应用效果

一是提升应用水平，通过系统应用，提高了发展专业的数据实时性、准确性，营销专业用户档案、电量信息的一致性，运检专业设备档案的真实性以及调度专业的统一性，促进各专业系统整体数据质量，提升系统应用水平。

二是提高经济效益，通过系统应用，大大减轻了统计人员的工作量;另外，通过在线同期线损的监测分析即时发现重损、高损单元，减少用户窃电行为、计量装置问题和不必要的电网设备损耗，给电网公司挽回直接经济收入[6]。

5  结语

配网同期线损数据智能分析及异常诊断系统，利用智能研判规则开展线损异常排查与分析，实现拓扑关系异常、档案资料异常、采集数据异常、电量计量异常等常见异常线损的快速分析与精准定位，及时发现线损计算中采集表底、关口电量、设备关系及“四分”模型等存在的问题，实现异常自动诊断，自动生成异常清单，减轻人员工作量。通过理论线损与同期线损对比分析，为线损管理及分析提供了更加及时、全面的数据支撑，不断减小管理线损，缩小同期线损与理论线损的差距，提高线损的管理水平。

参考文献

[1] 陈旭亮.浅谈营配贯通台区线损异常数据治理方法探讨[J].科学与财富，2020（4）：218.

[2] 李新家，孔月萍，邹云峰，等.配电台区在线线损分级管理和智能异常分析设计[J].电力需求侧管理，2016，18（2）：46-48，53.

[3] 刘成祥.配电网同期线损监测系统的设计与实现[J].百科论坛电子杂志，2018（19）：381.

[4] 巫聪云.广西电网继电保护信息系统构架研究及故障智能分析的实现[D].南宁：广西大学，2018.

[5] 朱婉齐.电网调度综合智能分析与告警系统的研究[D].天津：天津大学，2016.

[6] 郝翠甲，叶海峰，吴文兵，等.电网遥信大数据智能分析辅助决策系统建设研究[J].电力大数据，2019，22（6）：41-46.