基于负荷骤降的台区故障停电研判

彭正阳

（广东电网有限责任公司广州供电局，广东 广州 510000）

0 引 言

低压配电网是电网的末端，大部分配电侧停电是由分路开关跳闸引起，但由于分路监测单元未能实现大范围推广应用，目前只是进行小范围试点，导致监测系统难以全面实时监测到分路停复电，运维故障排查及复电效率不及时，特别是客户服务压力大。因此，如何精准判断配电网停电故障逐渐成为我国学者研究热点，文献[1]利用多源非健全信息融合技术，设计配电网故障研判模型，有效解决故障研判误差过大问题；文献[2]针对配电网故障检测水平较低等问题，通过故障的电气量变化规律，提出综合性研判平台，可以保障配电网可靠供电。随着我国国民经济的高速发展，各行各业对供电质量的要求逐渐严格，如果配电网出现停电故障，不仅影响用户的用电体验，而且会造成供电公司经济效益的损失。所以本文展开台区故障停电研判方法的深入研究，望有助于降低客服压力，并提升快速复电效率。

1 建立台区负荷骤降特征标签库

在配电网台区中，如果出现停电故障，将会导致台区负荷骤降，不仅停电故障难以察觉，而且严重影响供电质量，所以本文主要研究台区因为负荷骤降导致的停复电故障研判方法[3]。在进行台区故障停电研判时，首先需要建立负荷骤降特征标签库，负荷骤降的特征参数主要包括幅值、持续时间和相位跳变。负荷骤降幅值就是负荷下降的深度，其计算公式为

式中：F表示台区负荷骤降幅值参数；P(γ,δ)表示广义S变换的幅值矩阵；γ表示负荷信号的时移因子；δ表示负荷骤降频率参数。根据P(γ,δ)中高频率分量所对应的列向量，就可以得到台区负荷信号的高频幅值特征，与此同时，列向量之和可以构成台区负荷信号的频谱幅值矩阵，利用矩阵中各幅值所绘制的曲线，则可以真实呈现出台区负荷骤降时间的变化规律。其中幅值突变时刻就是台区负荷骤降的起始与终止时间，曲线两尖峰点之中就是负荷骤降的持续时间。而且幅值曲线也呈现了负荷骤降时相位跳变规律，计算公式为

式中：ω表示台区负荷骤降相位跳变值。台区负荷骤降特征量检测的主要步骤如下：首先对待检测的负荷进行 S 变换，获得幅值矩阵 P(γ,δ)与相位矩阵 ω(γ,δ)；其次根据P(γ,δ)获得幅值曲线；最后结合幅值曲线计算出台区负荷骤降的幅值、持续时间以及相位跳变这3个特征参数，实现特征量的检测。通过以上流程对台区负荷信号进行检测之后，获得准确、直观的负荷骤降特征量，进而建立台区负荷骤降特征标签库，作为台区故障停电研判的数据支撑。

2 获取台区日负荷特征

目前，我国对于台区变压器日负荷数据的采集已经有了一些有效的方案，本文主要通过布置传感器来采集日负荷数据。传感器的布设需要满足以下要求：传感器应面向变压器，并且距离变压器的距离应尽量不超过0.5 m，同时传感器与地面之间的距离控制在1 m左右。利用传感器采集台区日负荷数据时，应使变压器处于最高工作流量下，且在变压器运行半个小时之后再进行采集。对台区变压器日负荷数据的采集方案设计主要分为2个部分，一是最佳数据采集点位置的布置，台区变压器运行结构复杂，布置的传感器不能对变压器稳定运行状态造成影响；二是数据采集点时间的设置，为确保采集负荷数据的质量，需要在变压器运行稳定后进行数据的采集。在利用上述方案采集台区日负荷数据过程中，由于传感器自身的不稳定性以及外界环境等因素的影响，会造成某些负荷数据丢失或异常，所以为获得高质量的数据，本文需要对采集的台区日负荷进行缺失值处理、数据降噪等操作。首先通过多元线性回归模型对日负荷数据的缺失值进行插补，此方法可以利用负荷数据之间的相关关系，客观地补齐缺失值。假设某传感器丢失的变压器符合数据α为因变量，其他n个传感器采集的正常数据β1,β2,…βn为自变量，多元线性回归模型为

式中：k0、k1、k2、kn分别表示相关系数。将自变量带入该模型中即可获得台区日负荷数据的缺失值。然后对台区日负荷数据进行降噪处理，噪声就是负荷数据中偏离期望值的数据变动，不仅会对特征提取造成干扰，而且会影响故障停电研判精度。数据噪声主要产生在数据采集与传输过程中，所以本文结合噪声产生路径采取合适的措施过滤掉这些噪声。综合考虑台区日负荷信号与噪声信号的实际波动情况，采用离点群分析法进行台区负荷数据的去噪，该方法就是通过聚类来检测离群的噪声数据点，并将这些噪声点称为簇，在同一个簇中的数据之间具有较高的相似性，且与其他簇内的数据之间具有较高的差异性，然后将那些与正常负荷数据表现不一致的噪声点进行删除，从而实现台区负荷数据的去噪。由于传感器采集的台区变压器日负荷数据是瞬时数据，如果根据该数据进行故障停电研判，则无法确保研判效果与效率，因此需要从这些瞬时数据中提取到相应的特征值，本文引入小波变换来提取负荷特征，表达式为

式中：f '(u,v)表示负荷信号的u与v的小波变换；t表示时间序列；ψ[t]表示母小波函数。通过小波变换可以实现台区日负荷时间特征的分解，将不同时间特征的负荷信号投影到不同尺度上，可以呈现出台区负荷时间特征的周期性，进而提取出各个子序列的周期特征。最后根据提取的特征来绘制台区负荷区间特征曲线，作为台区用电特征基础曲线，并根据最新采集数据更新特征曲线，从而生成用户动态负荷特征区间画像[4,5]。

3 设计台区故障停电研判策略

为了便于描述本文所设计台区故障停电研判策略的机理，首先需要计算出台区馈线中各开关的负荷占比μ为

式中：Qi表示台区第i个开关流经的功率参数；Q1表示台区馈线出口开关流经的功率参数。当台区出现故障停电时，输电线路中停电负荷将会超出继电保护整定值，导致停电负荷附近的开关i出现跳闸，控制配变变压器负荷被切除，从而造成负荷骤降，如果不考虑输电线路电能损耗，那么负荷骤降的幅度与开关负荷占比参数一致。所以如果可以获得台区开关负荷占比，那么就可以利用负荷骤降数据来判断故障停电位置。因此，本文所设计台区故障停电研判策略的机理就是利用负荷骤降特征与日负荷特征，在台区出现故障停电之后，根据传感器采集的各变压器日负荷特征进行负荷预测，获取停电时刻各变压器的负荷，再参考台区内部结构的拓扑关系，就可以得到开关负荷占比，最后结合负荷骤降特征实现台区故障停电判断。综上所述，本文所设计台区故障停电研判策略的实现步骤如图1所示。

图1 台区故障停电研判流程

如图1所示，在进行台区故障停电研判时，首先根据台区馈线有功负荷，获取负荷骤降特征，并建立特征库；然后采集故障停电前30 d的变压器有功功率历史数据，并提取出日负荷特征；再结合日负荷特征预测出停电时刻的变压器负荷值。本文主要基于相似日来计算负荷的预测值，对于台区的同1个变压器，可以将相似日的变压器负荷当作停电时刻的负荷，所以相似日的选取是研判策略中的关键。引入加权灰色关联值来选取相似日，假设停电日之前30 d内台区的负荷特征集合为Z0=[Z01,Z02,…,Z0N]，且其中第i天的负荷特征为Zi=[Zi1,Zi2,…,Zij]，其中i=1,2,3,…,30，那么将停电日的负荷特征Z0当作母序列，Zi当作子序列，就可以获取二者之间的灰色关联系数Gij为

式中：ζ表示分辨系数。结合加权系数，计算出第i天台区负荷数据的加权灰色关联度系数为

式中：wj表示权重；G0表示台区日负荷加权灰色关联度系数，该系数越大，说明母子序列之间的相似性越大。选取最大灰色关联度系数所对应的时间作为台区负荷预测的相似日，根据相似日预测停电日的负荷特征。最后根据负荷预测值获取开关负荷占比，结合负荷骤降特征实现停电研判以及定位。

4 实例分析

下面将本文所设计基于负荷骤降的台区故障停电研判方法应用于工程实例中，并选取基于边端协同的故障研判方法和基于多源数据的故障研判方法作为本次实验的对照组，进行对比分析。在该实例中，用户报修停电有30种，计划停电有25种，中压线路停电有25种。本章主要根据该台区实时运行状态进行故障停电研判实验，如图2所示。

图2 台区运行状态

针对图2中台区故障停电，分别使用文中上述所提3种方法对用户报修故障、计划故障、中压线路故障进行研判，并对比这3种研判方法的精度，研判结果对比如图3所示。

由图3可知，在本次测试的10 h期间，基于边端协同的故障研判方法平均研判误差为8.63%，基于多源数据的故障研判方法平均研判误差为7.28%，本文所设计研判方法的平均研判误差为2.33%，较实验对照组降低6.3%、4.95%。由此可以说明，对照组方法虽然可以进行分路跳闸的停电判断，但其准确性不高，存在误报率较高等问题，而本文所设计基于负荷骤降的故障停电研判方法具有较高的精度，可以满足台区故障研判需求，进而有效支撑客户服务和快速复电业务。

5 结 论

针对配电网台区分路跳闸停电判断不及时和误报率较高等问题，本文研发一种基于台区电流特征区间画像的负荷骤降停电研判方法，通过采集台区变压器的负荷数据绘制出台区负荷区间特征曲线，结合负荷骤降特征标签库来对停电故障进行判断。该方法不仅实现了台区因为负荷骤降导致的停复电准确性判断，而且解决了分路停复电的有效监测，通过技术手段填补了业务盲区，维持配电网台区稳定。