基于负荷特征传导的配电台区全状态精准感知与数字化应用

李新家，严永辉，陈 霄，马云龙，王黎明

（1.江苏方天电力技术有限公司，南京 210000；2.国网江苏省电力有限公司，南京 210024）

0 引言

我国能源结构正处于战略转型时期，“十九大”报告指出构建清洁低碳、安全高效的能源体系。习近平总书记在中央财经领导小组第六次会议提出“四个革命、一个合作”能源安全新战略，明确推动能源消费革命，加快形成能源节约型社会，推动能源技术革命。国家电网公司贯彻落实国资委要求央企践行数字化、智能化升级的要求，提出建设“具有中国特色国际领先的能源互联网企业”的战略目标，紧紧抓住5G 网络、工业互联网、物联网、智慧城市等新型数字基础设施建设的历史机遇，大力培育新的经济增长极，推动管理转型和业务升级，实现效率效益提升。

低压配电台区作为配电网的最小单元和数据源头，长期存在变、线、户连接档案混乱，停电事件主动感知水平低，线损异常，定位自动化程度低，设备状态实时监测水平低等突出问题。现有技术的拓扑识别准确率不高于85%，无成熟的阻抗在线计算方法，进而引发了线损管理困难、抢修时间长、设备故障率高等一系列问题[1—2]。

近年来，国家电网公司系统地开展了大量针对低压台区管理的配电物联网技术研究，目前存在的主要问题包括:①新增的设备数量巨大，投资巨大；②现场安装环境复杂多样，施工和运维难度很大；③现有拓扑识别算法的智能化水平有待提高；④现有台区状态监测算法的性能水平有待提升；⑤缺少数据衍生服务价值挖掘，缺乏市场化管理模式和互联网思维，对外开放共享合作不充分，产业链带动作用不明显[3]。

因此本文以能源互联网中“信息支撑”和“价值创造”的理念，能实现HPLC（high⁃speed power line carrier,HPLC）在信息感知上的高效利用；同时提出数字化业务支撑能力框架，以数据为驱动，探索能源互联网示范台区在电网数字化管理、用户数字化服务和政府数字化治理3 个方面的典型业务场景。

1 能源互联网示范工程部署架构

以用电信息采集系统为基础，基于极简的数据采集架构和传导图谱技术，在不更换现场智能电能表前提下，通过安装台区能源网络监测设备，实现基本台区能源互联网状态感知与实时监测，系统可接入物联管理平台[4]。具体的系统架构如图1所示。

图1 系统架构Fig.1 System architecture

具体实施方案如下。

（1）末端侧:在载波电能表中，安装具备本地数据管理和直接与主站进行数据交互的HPLC的子节点模块，即可实现HPLC 载波表的本地通信信道升级。

在表箱中安装单相或三相用电监测终端，替代之前的I、II型采集器。智能感知装置可以按任务设定的周期、数据密度、数据深度抽取，以HPLC 方式上报传输给能源控制器，由能源控制器进行边缘计算或传送到主站系统进行分析处理，利用基于负荷特征的传导图谱技术，无需加装分支设备，即可实现末端节点全网可视、供电网络拓扑自动辨识、供电回路阻抗测量、故障及异常的在线监测和主动预判等功能。

（2）配变侧:在配变侧安装能源控制器，替代传统集中器。改变当前配变侧终端的设计理念，以通信路由为核心，兼有业务协同的边缘计算能力，承担台区通信路由和台区边缘计算的职责。

（3）主站侧:台区能源网络监测设备通过物联管理平台实现台区能源互联网监管接入主站。集成终端数据，实现并展示拓扑识别、线损分析、故障诊断、非介入负荷辨识、户内安全用电感知等功能。

2 负荷特征传导应用途径

负荷特征是用电设备耗电时特有的电气行为，每一个用电设备在用电过程中都有独特特性，可以通过分析研究用电设备的用电信息来获取。负荷特征可以分为暂态特征、稳态特征和运行模式特征3 大类，其包含的信息量十分丰富。稳态和暂态2类负荷特征取决于设备内部的元器件特征；运行模式类特征则取决于设备的运行控制策略。不同负荷特征之间、不同电网运行状态特征之间具有较大区别。

负荷特征在台区拓扑识别方面的主要应用为:利用功率突变同步和用电特征同步方式的暂态负荷特征的强同步匹配关系，能够快速实现电能表、变压器的对应以及相位特性处理；而电压相似性方法体现了基于稳态负荷特征的弱同步匹配关系，结合节点电压与分支电流的相位信息，能够得到台区拓扑的相位特征和表箱—分支箱的从属管理。

负荷特征在台区故障诊断方面的主要应用为:故障的电路传导特征主要是沿拓扑垂直传导的电弧电流特征、短路电流特征和剩余电流特征。通过分析台区电力网络故障状态下的负荷特征，包括电弧电流特征、短路电流特征、剩余电流特征、节点稳态电压特征等，可完成故障的精准定位，提升运维管理效率。

3 基于负荷特征传导的台区感知技术

3.1 拓扑识别技术

（1）户变关系识别

同一分支线路负荷特征存在纵向强关联传导特性，基于此即可实现户变关系的精准识别[5—7]。

如图2 所示，现有已知的配电网模型，其中ZTE为变压器，L1、L2、L3为分支箱，ZC1～ZC9为电阻，C1～C9 为用户侧表箱。

图2 低压拓扑电路Fig.2 Low voltage topological circuit

低压配电网户变关系识别流程为。

步骤1:从高级量测体系（advanced measure⁃ment infrastructure,AMI）系统中分别获取用户侧表箱和总表功率数据，进行以下预处理:①从任一智能电能表获取功率数据，P1，P2，…，PN，其中智能电能表每0.1 s 取一个点；②取每20个点为一个时间窗口，即T1，T2，…，Tn，Ti∈[Pj,Pj+1,…,Pj+19]，其中j=20i；③针对每一个时间窗口Ti，对数据进行排序取中值Pj+8，Pj+9，Pj+10，Pj+11，取中值的平均值Di代替此时间窗口功率，Di=；④生成新的每2 s一个点的数据组D，D=[D1，D2，…，D43200]，43 200为采集一天的数据组D的总数据点。本发明的数据预处理利用中值滤波降低数据频率，降低暂态的影响和计算机计算压力。

步骤2:通过用户侧电能表和总表的电能表功率阶跃，利用聚类处理进行总表和用户侧电能表匹配，建立隶属度函数，形成用户侧表箱和总表一对一匹配关系。

（2）虚拟分支识别

同一分支下的末端负荷特征存在网格耦合特性，不用在分支箱处装感知设备，仅通过电能表电压数据关联性即可实现表箱隶属分支的关联识别。

虚拟分支识别包括以下步骤。

步骤1:从用电信息采集数据中获取所有待分析低压配电网的所属电能表的电压数据序列；

步骤2:使用余弦相似度计算方法，对步骤1 中获取的电压数据序列进行相似度分析，得到每个待分析电能表的最相关电能表，计算公式为

式中:A和B为电压序列；n为其维数；和为电压序列均值。

步骤3:对所有待分析电能表的最相关电能表进行电能表箱关联分析，得到每个最相关电能表从属的电能表箱；

步骤4:根据待分析电能表箱集以及待分析电能表箱的相关电能表箱集的所有关联关系，绘制如图3的电能表箱关联图。

图3 电能表箱关联示意图Fig.3 Schematic diagram of electricity meter box related chain

步骤5:根据电能表箱关联图，电能表箱群中每个电能表箱都通过有向关联线连接到电能表箱群内的其他电能表箱，将从属于一个电能表箱群的电能表箱设定为同一分支，建立所有电能表箱分支从属关系。

（3）相位识别

根据“箱-户”档案，对表箱所有户表和总进线三相的电压序列进行时间对齐、清除错误项，进一步计算每户进线A 相电压的电压相似度，以相似度最高为目标得到每户最匹配相位[8]。

综合10日结果得到每户最匹配相位的概率值，以概率最大为识别相位，概率值为其置信度。

3.2 阻抗计算技术

如图4所示，以用户2为例，其供电回路为蓝色曲线流经的部分，用户2 的回路阻抗可以解释为ZLoopu2=ZL1+ZL2+Zu2，显然，对于用户2 而言，ZL1与ZL2所在支路为共用支路[9—10]，Zu2所在支路为独自使用的支路，所以用户2 的干线阻抗可以表示为ZGXu2=ZL1+ZL2，支线阻抗为ZZXu2=Zu2。

图4 台区供电等效电路图（单相）Fig.4 Equivalent circuit diagram of power supply in distribution area（single⁃phase）

可以推导得到

式中:t1、t2和tk分别为日量测数据的时刻。

在式（3）的约束条件下对式（2）进行二元线性拟合，计算出用户的干线与支线阻抗ZGXu2和ZZXu2

3.3 故障定位技术

停电故障类型主要包括单户居民跳闸停电、表箱总开跳闸停电、分支停电、台区停电等。

居民内部事故引发的单个居民跳闸:表箱终端内嵌断路器保护动作下的户内短路电流分析算法；终端通过漏电流传感器实时监测户内漏电流大小；当检测到户内发生短路或者漏电流，并且用户负荷骤降为0，则判定用户内部故障。

表箱内部短路事故引起的表箱总开跳闸:当表箱内部发生短路事故，将引起表箱总开跳闸，进而引起表箱终端失电，终端失电后主动推送故障信息给主站；通过内嵌的保护动作下短路电流分析算法，安装在上游的终端感知短路事故；若只有该表箱失电，可以锁定为该表箱事故[11—12]。

下游短路引起的分支箱总开跳闸事故:分支箱终端内嵌断路器保护动作下的短路电流分析算法，可以检测到下游发生短路事故，同时分支箱负荷骤降为0，则判定分支箱总开关跳闸。

上游故障引起的分支箱整体失压事故:出线柜终端失电；所有分支箱终端没有检测到下游发生短路事故[13]。

3.4 设备健康度评估技术

（1）考虑电弧电流暂态特征的设备异常辨识

面向配变、断路器、低压线路、用电设备，进行基于暂态特征的设备异常辨识，形成针对电压、电流的基本保护判据以及针对电弧、阻抗的深化分析判据，构建台区设备状态判断阈值库，根据图谱传导特性实现设备异常的快速判别。

（2）设备健康度关联指标分析和状态分类

获取不同配电一次设备的运行稳态数据，通过初步归纳，按照设备类型、批次、使用年限、容量参数等信息，对设备和样本进行初步分类，建立差异化设备的运行数据样本库。考虑设备故障概率、检修频次等因素，设计配电设备健康度评估模型，实现设备健康度指标评价[14]，形成设备的优、良、差、故障等运行状态评价。

（3）基于稳态运行数据趋势判别的设备运行状态评估和可靠性预测

挖掘配用电设备多状态下的多源运行数据，一方面基于机器学习方法，对样本数据进行学习，通过同批次同类设备运行数据的横向对比和相同设备历史运行数据的纵向比对，得到设备不同状态下的健康度与关联指标定量关系，进一步确定关联指标与故障概率[15]、健康度变化速率以及检修时间之间的关系[16]；另一方面分析不同状态的转化关系和转化模式，依据指标数据变化趋势，实现状态转变判别。

4 基于数据驱动的数字化业务支撑框架

能源互联网示范台区完成了HPLC 的高效利用，实现了低压台区运行状态实时感知和居民精准负荷辨识，为充分挖掘分钟级、细粒度数据价值，项目面向能源互联网示范台区，进行以下几个方面的数字化业务支撑，末端电网数字化业务支撑框架如图5所示。

图5 末端电网数字化业务支撑框架Fig.5 Digital service support framework of terminal power grid

（1）电网数字化管理支撑能力:面向营销管理、供电服务、能源效率提升等维度进行技术突破，以数据为驱动，在营销管理层面建立线损成因评估模型、窃电定位模型、民改商违约用电诊断模型；在供电服务层面建立基于数据关联匹配的拓扑识别模型、基于阻抗计算的线路老化评估模型和基于电弧识别的线路接触异常诊断模型；在能源效率提升层面建立基于负载构成时空域贡献度分析的可开放容量评估模型和基于居民用电行为的台区可调潜力评估模型。

（2）用户数字化服务支撑能力:面向客户增值服务、客户交易服务、社区关怀服务等方面进行技术突破，通过数据挖掘，在客户增值服务方面建立电器能耗异常甄别模型、基于用电特征趋势判别的安全隐患评估模型和商业选址分析模型；在客户交易服务方面建立电力实时结算支撑能力和分时电价经济性分析模型；在社区关怀服务方面建立面向社区独居老人等需特殊关怀家庭的用电异常识别模型。

（3）政府数字化治理支撑能力:面向公安治理和消防安全等方面进行技术突破，通过数据挖掘，在公安治理方面建立群租房鉴别模型、传销概率评估模型；在消防安全方面建立电瓶车室内充电辨识模型、房屋结构改造鉴别模型。

5 工程应用

能源互联网示范台区项目位于南京，基于极简的数据采集架构和传导图谱技术实现台区源网荷储的全息数字孪生和协同优化控制，对内支撑配电网可靠安全高效运行，对外为社会提供多元化的能源增值服务，打造了设备精简、状态透明、互动高效、服务优质、客户满意的末端台区能源互联网单元。

（1）台区状态全量感知

在极简采集架构下，实现“变、线、户、相位”拓扑识别准确率100%，线路阻抗计算准确率大于90%，在不增加监测设备的情况下，通过提升当前供电量测设备的高级量测能力，实现台区故障研判，完成串联电弧监测、变压器和线路异常态势感知[17]。

（2）台区数据共享增值

通过数据挖掘分析提供的户内电瓶车充电管控、群租房识别、用户能效和安全服务，形成价值共享。示范区域的603 户的数据分析结果如表1所示。

表1 数据价值挖掘结果Table 1 Data value mining results

6 结束语

针对低压配电网存在的典型问题，有必要以能源互联网的建设理念进行“信息支撑”和“价值创造”2 方面的技术突破和应用。通过研究基于负荷特征传导的台区感知技术，利用用户负荷特征和故障特征在低压电网中的纵、横向传导特性，构建台区的变、线、户、相位、电气阻抗完整拓扑信息，极大简化采集架构，完成台区拓扑、阻抗、故障和设备健康度等全状态精准感知，实现HPLC 在信息感知上的高效利用；同时提出数字化业务支撑能力框架，以数据为驱动，探索能源互联网示范台区在电网数字化管理、用户数字化服务和政府数字化治理3 个方面的典型业务场景；通过南京的11 个小区完成示范应用，拓扑识别准确率可达100%，阻抗计算准确率>90%，解决户内外停电责任研判、线损异常时空定位等管理难题，经多类型台区验证后可作为低压台区运行管理标准软件模块在用采系统中集成，使其成为台区侧能源互联网典型方案并进行推广建设。