基于用电信息采集系统的末端负荷态势感知方法研究

王 珂

（国网秦皇岛供电公司，河北 秦皇岛 066000）

0 引言

配电网末端存在着用户负荷监测困难、低压拓扑缺失等问题，制约电网发展。分布式电源与电动汽车等新能源的接入，给电网建设带来了严峻的挑战。传统的“早晚高峰四点监测法”“重点用户监测法”“安装电压监测仪”“安装传感器”等解决思路［1］，不但增加了设备采购、人工安装以及后期维护成本，而且无法做到全覆盖监测，实时性、精准性较差。

随着 AMI（Advanced Metering Infrastructure，简称AMI）技术的应用，利用电能表对用户进行电压监测并将数据上传到主站系统进行判断，逐渐成为一种低电压监测的重要手段［2-3］。但该方法受到一些制约，一是电能表到集中器的通信带宽限制电能表采集电压的频率，二是采集数据的集中化管理会带来大量存储资源的浪费，三是集中器执行大量的电压采集任务会占用电能表正常采集电量的处理资源。

本文提供了一种基于用电信息采集系统的末端负荷态势感知方法，可监测到一个变压器下所有用户的电压情况。利用集中器到电能表的通信资源，由集中器进行边缘计算，直接采集电能表电压数据，判断台区是否发生低电压，避免主站系统不断召测电能表电压数据造成的流量浪费，可节省集中器向用电信息采集系统上传数据带来的通信费用。通过对用户电压的常态化监测，加快低电压治理，提升电网运行效益及优质服务水平，有力支撑电网高质量发展。

1 末端负荷态势感知物理架构

基于用电信息采集系统的末端负荷态势感知物理架构包括电能表、集中器和主站系统3层结构［4］，如图1所示。利用电能表采集用户电压，通过集中器对电能表采集的末端负荷数据进行异常状态边缘感知得到相应的告警信息，并将告警信息上报至主站系统。主站系统解析告警信息，对告警信息进行判断并发送采集命令。集中器根据采集命令采集异常用户详细电压信息返回至主站系统，主站系统对异常用户详细电压数据进行记录、更新并形成图形化展示界面［5］。

图1 基于用电信息采集系统的末端负荷态势感知物理架构

主站系统包括前置采集平台模块、数据库模块、台区电压异常感知与分析模块及任务调度服务模块。前置采集平台模块用于设置集中器采集用户电压数据的时段，且避开电能表的结算表码上传日及零点电量冻结时段。数据库模块用于存储整个主站系统采集、处理的数据。台区电压异常感知与分析模块用于对集中器采集的用户电压数据进行异常状态边缘感知和分析。任务调度服务模块根据台区电压异常感知与分析模块判断的结果对所有覆盖范围内的电能表进行采集任务调度，对返回的用户详细电压数据进行记录，并对用户电压异常清单进行滚动更新。用户电压异常清单由系统定期自动生成，系统将用户详细电压情况形成图形化展示界面，用于指导电力企业进行台区供电改造。

2 末端负荷态势感知方法的实施

本文所提出的基于用电信息采集系统的末端负荷态势感知方法具体实施步骤分为5步（S1—S5），流程如图2所示。

图2 基于用电信息采集系统的末端负荷态势感知方法实施步骤流程图

S1，由主站系统预设电能表采集电压以及负荷曲线冻结功能，电能表可根据需求对用户电压进行定时、定量存储。一个集中器下挂多个电能表，集中器定期对电能表的电压数据进行抽取，避开电能表的结算表码上传日及零点电量冻结时段，抽取后数据存储至集中器。

S2，集中器根据S1采集的电压数据形成曲线，通过预设好的阈值对电能表的电压数据进行台区告警判断，自动生成告警信息，包括电压异常用户清单、异常电压发生时间、发生次数等，通过集中器的上行通信发送至主站系统。若无告警信息生成，则根据参数或需要，选择相应测量点和时段电能表采集的数据，并上传至主站系统。通过将数据在集中器中进行分布式处理，提高用户低电压判断的准确性和及时性，减少集中器到主站的通信流量。

S3，主站系统将告警信息生成告警清单，根据告警清单生成疑似低压用户清单，对疑似低压用户清单的昨日电压曲线进行召测验证，确认该名单的正确性，去掉不符合条件的低压用户，并对名单进行滚动更新形成用户电压异常清单，即得到判断结果。

S4，根据S3判断的结果发送采集命令，采集命令中包含采集的用户范围、采集的数据范围等。集中器根据采集命令，将异常用户详细电压信息发送至主站系统。

S5，对S4返回的异常用户详细电压数据进行记录，并对用户电压异常清单进行滚动更新，用户电压异常清单由系统定期自动生成。同时，将用户详细电压情况形成图形化展示界面，用于指导电力企业进行台区供电改造，从而实现对大量用户进行监测的同时对异常用户详细电压数据进行记录、更新和图形化展示，方便监测异常数据。

3 末端负荷态势感知方法的应用

目前，利用基于用电信息采集系统的末端负荷态势感知方法开发的用户电压常态化监测功能已上线，监测672 906个台区、低电压用户103 223 067户。2020年6月，发现越下限低电压台区960个，越下限低电压用户61 850户。经统计分析，管理原因造成的低电压用户占比2.61%，技术原因（配网设备）造成的低电压用户占比88.55%，其他原因用户占比8.84%。按照设备单元划分，中压侧问题造成的低电压用户占比4.33%，配变侧问题造成的低电压用户占比4.51%，低压侧问题造成的低电压用户占比7.66%，中压侧和配变侧问题共存造成的低电压用户占比6.04%，中压侧和低压侧问题共存造成的低电压用户占比20.29%，低压侧和配变侧问题共存造成的低电压用户占比4.24%，3种问题共存造成的低电压用户占比44.09%，其他问题共存造成的低电压用户占比8.84%。配变出口电压低，三相不平衡、中低压线路供电半径过长及线径过细造成的低电压用户数量比重较大。

对不同原因造成的低电压问题采取针对性措施进行治理，2021年6月初，系统显示越下限低电压台区540个，越下限低电压用户17 266户。治理前后低电压台区和用户情况如图3所示。

图3 治理前后低电压台区和用户情况

通过治理前后的用户电压数据反馈，可看出该方法切实可行且高效，能有效支撑异常电压台区治理，进一步提升配电网精准投资水平。

同时，该方法由集中器进行边缘计算，避免了主站系统不断召测电能表电压数据造成的流量浪费。2020年6月，三大运营商单卡平均月流量为48 000 kB，业务需要选择使用GPRS 10元套餐。采用该负荷感知方法后，单卡平均月流量为26 000 kB，业务需要选择使用GPRS 8元套餐，节约2元/卡/月，节省了集中器向主站系统上传数据带来的通信费用，预计每月节省通信费用140万元。

4 结语

本文所提出的方法具有监测常态化、时效性高、监测点数多、感知状态全面等优点，可以全面感知高低电压、首末端用户、相位信息等；可充分利用用电信息采集系统的现场设备、信道及主站资源，仅需要扩展集中器规约、建立模型、升级算法，无需新增与更换用电现场设备，为用户减少了采购、安装、维护等成本。随着5G等新技术的推广应用，更高密度、更广范围的用户数据采集成为现实，本文提出的方法结合大数据分析、态势感知、云边协同，实现台区异常电压监测的本地分布式处理与主动上报，可以充分发挥末端用户负荷感知的长尾效应，支撑配电网主动抢修、电动汽车有序充电管理、超短期负荷预测、大电网安全经济调度运行及其辅助决策等业务，为电网高质量发展提供有力支撑。