“双碳”背景下配电网线损管控研究

牛雨 李欢欢 张建宾 王宁 冯子烜

摘 要：【目的】为了在“双碳”背景下能更好地管控配电网线损，本研究对线损管控工作中涉及的内容及研究进展情况进行分析。【方法】首先分析基于时间序列和基于数据格式转换的线损原始数据清理和融合方法，其次分析考虑影响因素的理论线损计算、接入分布式电源的理论线损计算和采用智能算法的理论线损计算，然后对异常线损处理的两种方法进行分析，最后对节能降损策略和降损潜力评估方法进行分析。【结果】虽然已有的线损管控的相关研究成果较多，但基于海量异构数据并结合分布式电源进行线损分析的降损工作仍要继续深入研究。【结论】研究线损管控对制定配电网的精准降损措施，提升配电网精益化节能降损具有重要意义。

关键词：配电网；线损计算；数据融合；节能降损；降损潜力

中图分类号：TM727                  文献标志码：A                 文章编号：1003-5168（2023）06-0005-09

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.06.001

Research on Management and Control of Distribution Network Line Loss under the Background of Double Carbon

NIU Yu1 LI Huanhuan1 ZHANG Jianbin2 WANG Ning3 FENG Zixuan3

（1.Henan Jiuyu EPRI Electric Power Technology Co.， Ltd.， Zhengzhou 450001， China; 2.State Grid Henan Electric Power Corporation Research Institute， Zhengzhou 450052， China; 3.School of Electrical Engineering，Yanshan University， Qinhuangdao 066004， China）

Abstract： [Purposes] In order to better control the line loss of distribution network under the background of carbon peaking and carbon neutrality， this study analyzes the content and research progress involved in line loss control. [Methods] Firstly， the original data cleaning and fusion methods of line loss based on time series and data format conversion are analyzed. Secondly， the theoretical line loss calculation that takes influencing factors into consideration， the theoretical line loss calculation of distributed power access and the theoretical line loss calculation using intelligent algorithm are analyzed. Then， the two methods of abnormal line loss processing are analyzed. Finally， the energy saving and loss reduction strategy and loss reduction potential evaluation method are analyzed. [Findings] Although there are many related research results of line loss control， the loss reduction work based on massive heterogeneous data and distributed power supply for line loss analysis still needs to be further studied. [Conclusions] Studying line loss control is of great significance for formulating accurate loss reduction measures for distribution network and improving lean energy saving and loss reduction of distribution network.

Keywords：distribution network;line loss calculation;data fusion;energy conservation and loss reduction;loss reduction potential

0 引言

2020年，國家主席习近平在第75届联合国大会上提出，中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。电力行业是国民经济的支柱产业，也是碳排放的重点行业。电力行业实现碳达峰对我国完成碳达峰目标具有重要的推动作用，已成为电力行业生存发展的先决要求。在“双碳”背景下，国家提出建设新型电力系统，而在新型电力系统中，新能源发电的占比较大，大量分布式电源接入到配电网中，而分布式电源出力的随机性和波动性将导致网损激增，给电网的安全运行带来新的问题。因此，要对线损计算、降损措施、降损评价等线损管控工作开展有针对性的研究。

线损管控是配电网运行管理中的一项重要工作。降低电能损失不仅能提高电能的利用效率，还能助力国家实现“碳达峰、碳中和”目标。因此，本研究对目前配电网的线损管控技术进行全面的梳理、归纳和总结，阐述配电网线损管控技术的现状、当前通行的线损计算方法，并指出在“双碳”背景下配电网线损管控的研究重点，旨在为我国新型电力系统配电网线损管控的研究提供有价值的参考。

1 配电网线损管控研究内容

目前，对新型电力系统配电网线损管控的研究尚处于广泛研究阶段。为了能更好地实现对配电网线损的管控，需要获得准确的原始数据、采取有效的线损计算方法、实施针对性的降损策略。线损管控研究内容主要有原始数据处理、理论线损计算方法、异常线损分析、降损实施等，如图1所示。

2 原始数据处理

随着我国配电网向智能化方向发展，我国相继建成了多种功能不同的信息化系统，这些信息化系统的功能繁杂。每个系统在运行时都会产生大量数据，这些数据的类型、种类、时间尺度均不同，数据冗余度高，可能还会存在虚假或错误数据。上述数据的特征也导致数据的共享融合程度不高。如何从这些不同系统中获得相关性强、准确度高的数据，迫切需要对这些数据进行有效的处理，即数据清洗和数据融合。目前，对数据的处理有两种不同的思路。一是基于海量异构数据具有时间序列性强的特点，构建基于时间序列的数据清理和融合方法；二是对异构数据进行分析，然后将格式不同的数据转换为统一的数据格式，从而实现对数据的清理和融合。

2.1 基于时间序列的数据清理和融合方法

处于实时运行状态下的配电网中的各种终端设备会产生海量的监测数据。不同类型的电网数据源的数据格式和数据量相差较大，这些异构的配电网数据具有较强的时间特性，利用时间序列对这些数据进行处理。典型的时间序列处理方法有近似符号聚合（Symbolic Aggregation Approximation，SAX）算法、同步相量测量法。

2.1.1 SAX算法。SAX算法是基于映射规则，将数值型的时间序列转换成符号型的时间序列，能在映射过程中自动去除原时间序列中的异常数值或缺失数值，保留数据的主要特征，既能消除异常数据，又能实现相似特征数据的聚合［1］。基于SAX的数据清洗融合流程如图2所示。

2.1.2 同步相量测量法。随着同步相量测量装置在配电网中大规模安装部署，为原始数据的研究提供新的方法和思路。刘安迪等［2］利用同步相量测量装置采样的快速性和精确的对时性，实现对同步相量测量装置、数据采集与监控、高级测量体系测量数据的多时间断面上的数据融合和同一时间断面上的数据对齐。刘喆林等［3］针对不同类型的测量数据，采用相应的数据融合策略，从而提高状态估计的精度，能有效减小状态估计的计算周期。

2.2 基于数据格式转换的数据清理和融合方法

潘志新等［4］对边缘计算中所用到的多源数据进行处理与融合，提出基于广义幂变换Zscore数据的多源数据处理方法，定义成分可信度函数约束DS推理过程中不确定特征属性的融合，构建基于冲突优化DS推理的多源数据融合模型，实现对多源异构数据的分组聚合。

何西等［5］针对微型同步相量测量装置和高级量测设备等新型量测装置所采集到的数据与传统配电网SCADA系统采集到的数据标准不统一的问题，对智能配电网的混合量测体系架构进行分析，并比较μ-PMU数据、AMI数据与SCADA数据在数据成分、数据精度、时标信息等方面的差异，提出一种统一的信息模型，如图3所示，从而实现对IEC61850标准和IEC61968-301（CIM）标准的设备的统一描述。

陈彬等［6］提出一种基于时空地理网格的配电网多源数据融合方法。首先根据经纬度对空间进行划分，用最小时间尺度对时间进行划分，并进行编码，如图4所示。然后对配电网的拓扑数据、地理环境数据、气象数据、负荷数据等数据从空间位置、空间尺度、时间跨度、时间周期出发，来提取特征，然后提取图4中的空间和时间编码，并计算时空特征的关联度，去除小于阈值的空间和时间编码，从而实现配电网多源数据的融合。

此外，也可利用神经网络来实现多源数据的处理与融合。冯义等［7］对传统的神经网络进行改造，根据多项式插值和逼近理论，提出一种Hermite正交基的前向神经网络，并在此基础上搭建基于Hermite正交基前向神经网络的数据处理与融合算法模型，最后在MapReduce框架下实现对多源数据的处理与融合，从而提高计算速度和融合效率。

对具有海量异构数据的配电网来说，将所有数据转换为统一格式是比较困难的，更应将重点放在如何在时间序列上实现对数据的清理和融合。

3 理论线损计算方法

3.1 考虑影响因素的理论线损计算

影响线损的因素有很多，且不同供电区域、线路和台区的线损影响因素也不尽相同。①影响供电区域线损的因素。部分供电区域因规划不合理，存在输变电容量不够、电源点与负荷中心的距离太远、电网运行负荷峰谷与峰底之间没有切换等问题，造成输电线路过长、电网超负荷或长期运行等，导致在输送过程中电能的损失和消耗增加。在停电检修时网络的功率损耗和电能损耗要比正常运行时还要大。②影响线路线损的因素。配网中有很多线路采用分支辐射的接线方式，负荷点多且分散，供电半径长，尤其是在一天内用电负荷的波动大，低谷时线路的供电效率低，线损较大。③影响台区线损的因素。由于城市居民台区的居民用电负荷增长快，在用电高峰期过负荷。而农村台区的配电变压器的轻载运行时间长，季节性更明显。这些都会造成配电变压器的高损耗，居民负荷三相不平衡也會使线损增加。

为了能更精确地计算出低压配电网的线损，在进行理论线损计算时就要考虑多种因素。谢荣斌等［8］提出在复合电能质量作用下的线损计算方法，首先对由三相不平衡引起的线损进行推导，其次根据叠加原理来推导谐波条件下的线损，然后推导由这两种电能质量共同作用下的线损，并采用对称分量法对这两种电能质量在单独与共同作用下的线损进行比较。袁旭峰等［9］在完善低压配电网计量装置配置的前提下，提出一种分层前推回代三相潮流线损计算方法。该方法是基于线路参数、无功补偿数据和负荷信息，可对低压台区进行自动分层，利用电压和负荷数据通过前推回代法对损耗进行计算，通过汇总得到月度的理论线损值。该方法适用于三相不平衡或单相/三相混合供电的低压台区。王磊等［10］从负荷曲线入手，基于不同类型的日负荷标幺化曲线，可推导出配电变压器的日负荷有功和无功，然后基于前推回代法得到中压配电网的日线损值，从而实现对中压配电网损耗的精确计算。

3.2 接入分布式电源的理论线损计算

在“双碳”目标提出后，新型电力系统中新能源发电所占的比例大幅提高，分布式电源的规模化接入已成为我国区域配电网发展的必然趋势和核心特征。对分布式电源的接入对配电网损耗的影响进行量化分析，能有效提升电力企业的经济效益。

史雷等［11］针对配电网大量接入分布式电源后如何精准计算线损的问题，提出一种分区域线损的理论计算方法，对分布式电源的接入位置和容量进行分析，将其划分为三个不同区域，分别计算分布式电源接入后区域配电网在不同电压等级的分布情况。分布式电源的接入给中压配电网的潮流分布带来波动性和不确定性。为了计算极限线损，朱玥等［12］提出一种基于半不变量的含分布式电源配电网的随机潮流和线损计算方法。首先，根据统计信息，并基于线性潮流法，得到常规发电机、风机、光伏和负荷的各阶半不变量；其次，基于Gram-Charlier（GC）级数的展开式进行计算，得到上述源、荷的累积分布函数与概率密度函数；最后，得到极限线损的置信区间限值。针对风电出力的不确定性和波动性会使配电网理论线损计算的误差增大，汪鸿等［13］提出一种基于风电-负荷特性的理论线损计算方法，对风电出力峰谷值、曲线轮廓等六个特征变量和峰谷负荷率等六个负荷特征变量进行Ward聚类，基于特征样本量与总样本量的比重来确定权重系数，并在各特征的日理论线损值基础上，通过加权来获得配电网的综合理论线损。为了便于量化分析分布式光伏电源接入三相四线制低压配电网运行的经济性，刘科研等［14］针对含分布式光伏的配电网三相不平衡严重、线损有效计算难等问题，对无分布式光伏和接入分布式光伏的配电网线损进行分析，并基于分布式光伏接入的不同模式，对三相接入和单相接入时的配电网线损进行对比分析。基于上述分析，本研究提出一种基于分布式光伏电源接入模式的有源低压配电网的三相不平衡线损计算方法。

3.3 采用智能算法的理论线损计算

传统的理论线损计算方法所需的电气参数较多，计算过程繁琐。为了能更快速、便捷地对理论线损进行计算，本研究采用深度学习、元启发式学习等智能算法对理论线损进行计算，计算过程如下。①获取配电网理论线损计算的样本数据，并对样本数据进行预处理。②线损计算模型的初始化。若为神经网络，要选择隐藏层和输出层的激活函数、损失函数，确定隐藏层数、每层的神经元个数、学习率、动量、训练批次等参数。③线损计算模型的预训练。④未知配电网理论线损的测试计算。

3.3.1 深度学习智能线损计算方法。门控循环单元（Gated Recurrent Unit，GRU）网络是一种典型的深度学习模型，结构如图5所示。在图5中，xt为t时刻隐含层的输入；ht为t时刻隐含层的输出；rt为t时刻隐含层的重置门；zt为t时刻隐含层的更新门；gt为t时刻隐含层的记忆状态。

生西奎等［15］基于互信息理论和层次分析法来确定线损计算中所涉及的电气参数的权重系数，并将归一化后的电气参数输入GRU网络中进行训练。算例表明，本研究提出的基于GRU配网理论线损计算法具有良好的计算性能。

3.3.2 元启发式学习方法。元启发式学习方法是通过对生物活动进行模拟，采用某种算法对样本数据进行训练，从而得到输入量与输出量，即预测条件与待预测量之间的关系。本研究以最常见的元启发式学习方法——BP神经网络为例，对其原理进行说明。

BP神经网络的结构如图6所示。由图6可知，BP神经网络由输入层、隐含层和输出层组成。输入层即图中输入xi（i=1，2，…，N）所在层，隐含层为yi所在层，由输入因子进行激活输出，输出层即图中的输出参数zi。输入层与隐藏层、隐藏层与输出层之间由激活函数进行连接。

李亚等［16］基于改进K-means聚类算法，根据供电半径、线路总长、负载率、居民用电比率等参数对台区进行分类，并基于Levenberg-Marquardt算法来优化BP神经网络的权值和阈值，利用分类后的台区样本对BP神经网络理论线损计算模型进行训练，从而得到线损计算结果。

马丽叶等［17］基于RBM神经网络来构建深度置信网络，并基于贪婪算法对RBM神经网络进行逐层无监督的预训练和有监督的全局微调。构建理论线损样本库，用于训练深度置信网络模型，并计算低压台区理论线损。

随着光伏、风机等分布式电源的种类和容量的不断增加，基于分布式电源对线损的影响，并结合智能算法对线损进行计算和分析，具有较好的研究前景，可作为未来研究的主要内容。

4 异常线损分析

在计算完配电网线损后，要进一步分析是否存在异常线损。异常线损分析的方法主要有两种，一是阈值比较法，二是聚类法。

4.1 阈值比较法

现阶段，多采用阈值比较法来判定线损是否异常，在时效性和准确性上存在较大的片面性和局限性。传统的阈值法分为α阈值和β阈值。α阈值只考虑第一类错误的概率，即数据序列发生误识别的概率为α。β阈值只考虑第二类错误概率，即数据序列发生漏识别的概率为β［18］。综合考慮α阈值和β阈值的α∩ β阈值如图7所示。

在图7中，α阈值的计算公式见式（1）。

式中：[PLα2]、[PUα2]分别为第一类错误概率的下临界值、上临界值；[Pα2]为第一类错误概率；[fH0R+]为R+的概率密度分布函数；R+为正秩和。

β阈值的计算公式见式（2）。

式中：[PL1-β2]、[PU1-β2]分别为第二类错误概率的下临界值、上临界值；[P1-β2]为第二类错误概率。

王方雨等［18］通过引入“秩和”理论来证明在没有异常线损数据时，同期线损与理论线损的正负“秩和”近似相等。而在有异常线损数据时，正负“秩和”不相等，基于该特性来设计α∩ β阈值，并构建异常线损辨识模型，既能实现异常线损在时序上的定位，又能解决异常线损归属于理论线损还是同期线损的问题。

此外，还可根据不同背景问题的需要，将阈值比较法进行适应性改造。张国芳等［19］基于無监督学习的自编码器对原始日线损率数据进行降维和重建，对重建的日线损率进行概率统计，并通过比较所有点的概率值与阈值的关系，得到异常的日线损率数据。韦杏秋等［20］基于自适应差分算法对线损数据的平稳性进行识别，可有效快速地识别出异常线损的具体位置。

4.2 聚类法

基于数据挖掘技术的异常辨识方法在线损精细化管理中发挥的作用越来越大。K-means聚类是一种常用的数据挖掘技术。

K-means聚类算法的步骤如下。

①初始化k个聚类中心Ck，见式（3）。

②计算每个对象到所有聚类中心的欧式距离，见式（4）。

式中：Xi为第i个对象，[i∈1，n]；Cj为第j个聚类中心，[j∈1，k]；Xit为第i个对象的第t个元素，[t∈1，m]；Cjt为第j个聚类中心的第t个元素。

③在得到每个对象距离最近的聚类中心后，将该对象分配到该聚类中心所在的簇中。

④对每个簇利用欧式距离重新计算簇中心。

陈洪涛等［21］根据高线损率、低线损率和正常线损率来对低压台区的线损率进行K-means聚类，并根据第一次聚类后的各类数据数量来决定是否进行二次分类，计算出高线损率聚类数据的时间离散度，并根据时间的离散度大小来判断线损出现异常的概率。宋晓林等［22］基于低压台区的电压、电流、电量、功率等数据异常诊断规则，对采集到的原始电压、电流、电量、功率等数据进行异常分析，并在此基础上，根据电压信息的“合群性”，基于二分K-means聚类算法进行聚类，从而获得台户的异常电表信息。徐迪等［23］提出一种基于孤立森林离群点检测算法的线损异常判定方案，采用K-means算法将低压台区按照不同的负载工况进行聚类，而后用孤立森林算法来计算台区数据的异常分数，最后对获取到的异常分数进行阈值分析，得到最终的线损异常数据。程淑亚等［24］采用K-means聚类算法对处理过的线损数据进行分析，可识别出线损率异常波动或持续偏高的台区，并根据聚类结果来定义时间离散度，从而衡量窃电疑似度。

5 降损实施措施

5.1 节能降损策略

节能降损改造是提高配电网运行经济性的重要举措，通过降损效果和经济性评估，可得到节能降损的综合改造方案。目前，研究中常用的节能降损方案有5种，如图8所示。

5.1.1 对变压器进行降损优化。徐常等［25］在已有的有载调压变压器基础上，基于模糊算法，来调控输出电压，并根据变压器能耗与负载之间的关系，来研究变压器负载与损失区域的大小，选取最优的运行方式，以此来实现配电网有载调压变压器降损。在此基础上，梁国开等［26］以城网中线路和配变损耗之和最小为目标，以有载调压调容变压器的调容量、调压挡位和电容器无功补偿量为优化变量，来构建配电网节能降损的动态优化模型，并采用IPCCD-EA算法进行求解，以获得有载调压调容变压器等设备的动作方案。

5.1.2 对线路进行降损优化。汤卫红等［27］以某条10 kV线路为例，以综合投资成本和电能损失之和最小为目标，以降损措施为优化变量，以线路电压、支路电流、降损措施数量等为约束条件，从而求解得到线路降损优化的方案。

5.1.3 对负荷进行降损优化。当前，数据中心的能耗受到日益广泛的关注。数据中心用电作为一种体量大的电力负荷，参与到电网运行、改善电网运行状态中。高赐威等［28］以数据网络负载迁移来替代电能转移，通过构建数据中心用电负荷的模型，以含数据中心的电网网损最小为目标，以数据中心的网络负载为优化变量，提出地理上分散的数据中心的电网降损方案。可再生能源的大规模应用，也为降低网损提供新的解决思路。郭鹏等［29］利用容量大、调节能力强的离散型和连续型高载能负荷对风电出力进行响应控制，构建离散型负荷调节的上层优化和连续型负荷调节的下层优化的二层优化模型，兼顾离散型和连续型负荷调节周期与调节特性，并基于SA-POA算法来实现二层优化的迭代求解，从而有效降低网络损耗。

5.1.4 对分布式电源进行降损优化。分布式电源（DG）在配电网中的渗透率日趋升高，给配电网的供电可靠性、电能质量等带来不利影响，DG的合理接入能有效减少线路的损耗，提高系统效率和可靠性，降低系统总成本。因此，优化DG的接入为降损研究提供新思路。王涛等［30］以含分布式电源配网线损最小为目标，以分布式电源接入位置和接入容量为优化变量，采用CPSO-NSGA算法对其进行求解，从而实现配电网运行的经济性和电压分布的统一。唐海国等［31］以含多类型分布式电源配电网线损最小为目标，以分布式电源出力为优化变量，采用粒子群算法进行求解，可实现在负荷数据不全时的降损优化。肖运启等［32］以风电场集电系统损耗最小为目标，以风电场无功调度为优化变量，并提出风电场集电系统降损的无功/电压控制策略。

5.1.5 组合降损优化。夏革非等［33］以含分布式电源配电网线损最小为目标，以分布式电源、小水电、OTLC为优化变量，从而构建出实时调度降损模型。为了能更准确快速地进行求解，基于配网历史调度数据，利用BI-LSTM模型来训练实时调度降损模型，可实现快速获取优化结果，实现降低网损的目的。宋朋勋等［34］以配网系统运行成本最小为目标，以有载调压变压器、分布式电源和电容器组为优化变量，建立配电网节能降损协调优化模型。

5.2 降损潜力评估

区域配电网的降损方案很大程度上是由降损潜力的评估来决定的。评估包括评估指标、指标权重确定、评估模型等。常用的指标综合评价模型的建立方法有主成分分析法、熵权法、层次分析法、模糊评价方法，以及灰色关联分析法等。常用的评估模型方法及特点见表1。

王维洲等［35］针对A+～E类供电区域，共构建四层降损潜力评估指标体系。其中，第一层为A层，包括技术线损和管理线损。第二层为B层，技术线损指标可细分为高压配电网、中压线路、配电变压器、低压电网等四个二级指标，而管理线损指标没有二级指标。第三层为C层，每个二级指标又可细分为静态指标、动态指标和损耗指标等三个三级指标，其中管理线损的三级指标只有静态指标和动态指标。第四层为P层，可细分为安装位置、供电半径等四十七个四级指标。不同层级的指标采用不同的指标权重计算方法，从而形成综合降损潜力评估模型。

杜振东等［36］以配电网综合节能降损为目标，并基于全时空节能要素特征，從时间、元件和费用维度出发，建立全寿命周期的全网成本指标和节能降损效益指标，利用融合层次分析和基于交叉效率的数据包络分析的改进VIKOR方法对配电网的综合节能效果进行评价，并给出配电网综合节能降损的最优设计方案。吕守旭［37］基于Map/Reduce模型来实现对配网负荷的预测，并基于非序贯蒙特卡罗模拟来构建配网降损概率的评估模型，较好地解决了评估结果的随机性和波动性问题。顾江等［38］以等值电阻法和回归分析法来计算10 kV配网线路和配变的损耗，在此基础上，对配电网不同降损措施的降损潜力进行计算分析，从而选出降损潜力大、经济效益好的降损措施。在降损潜力评估模型中如何更好地体现分布式电源对线损的影响是值得思考的，可作为未来研究的主要内容。

6 结论

本研究针对配电网线损管控相关研究展开分析，从线损的原始数据处理、理论线损计算方法、异常线损处理、降损实施等方面出发，详细分析了目前的研究进展。在“双碳”目标下，配电网线损管控研究更应关注如何更好地实现海量异构数据融合、考虑分布式电源的智能理论线损方法、异常线损辨识方法、降损潜力评估模型等方面研究。

①对于具有海量异构数据的配电网来说，将所有数据转换为统一格式比较困难，更应侧重如何在时间序列上实现对数据的清理和融合。

②随着可再生能源种类和发电容量不断增多，考虑分布式电源对线损的影响，并结合智能算法进行线损计算和分析将会受到更多学者的关注。

③目前，对于异常线损分析的研究方法存在较大的局限性，研究方法缺乏普适性。对线损异常概率未知的情况的解决方案尚未得到较好的研究。

④对节能降损措施的研究较多，但如何能更好地评估降损潜力是值得研究的。

参考文献：

［1］朱有产，梁玮轩，王英姿.基于时间序列的配电网数据清理和融合方法研究［J］.电网技术，2021（7）：2839-2846.

［2］刘安迪，李妍，谢伟，等.基于多源数据多时间断面的配电网线路参数估计方法［J］.电力系统自动化，2021（2）：46-54.

［3］刘喆林，王成山，李鹏，等.多源量测数据融合的配电网状态估计及应用［J］.中国电机工程学报，2021（8）：2605-2615.

［4］潘志新，翟学锋，王成亮，等.基于边缘计算的智能配电网多源数据处理与融合技术研究［J］.电气传动，2021（22）：74-80.

［5］何西，涂春鸣，李培强.智能配电网多源数据融合研究［J］.南方电网技术，2019（4）：42-47.

［6］陈彬，倪明，周霞，等.极端灾害下基于时空网格的配电网多源数据融合方法［J］.中国电力，2019（11）：77-84.

［7］冯义，晋斌，周详.基于Hermite网络的低压配电网多源数据处理与融合模型［J］.电器与能效管理技术，2021（9）：100-106.

［8］谢荣斌，杜帆，程湘，等.三相不平衡及谐波对三相四线低压配电网线损的影响［J］.电力系统保护与控制，2020（21）：22-30.

［9］袁旭峰，鹿振国，许文强，等.基于前推回代三相潮流的低压台区理论线损计算研究［J］.电测与仪表，2014（9）：1-5.

［10］王磊，张建宾，余昆，等.基于典型负荷曲线的配电网线损计算方法研究［J］.智慧电力，2020（3）：124-130.

［11］史雷，赵滨滨，徐晓萌，等.分布式电源对区域配电网合理线损标杆计算的影响［J］.电力系统及其自动化学报，2018（10）：132-138.

［12］朱玥，顾洁，王春义，等.适应于可再生能源接入下配电网极限线损的计算方法［J］.上海大学学报（自然科学版），2021（5）：833-845.

［13］汪鸿，范荻，王丰，等.考虑风电-负荷特性的理论线损计算方法［J］.武汉大学学报（工学版），2019（8）：722-728.

［14］刘科研，贾东梨，王薇嘉，等.考虑分布式光伏电源接入模式的低压配电网不平衡线损计算方法［J］.电力建设，2021（10）：129-138.

［15］生西奎，付强，于洋，等.基于深度学习GRU网络的配电网理论线损计算方法［J］.电测与仪表，2021（3）：54-59.

［16］李亚，刘丽平，李柏青，等.基于改进K-Means聚类和BP神经网络的台区线损率计算方法［J］.中国电机工程学报，2016（17）：4543-4552.

［17］马丽叶，刘建恒，卢志刚，等.基于深度置信网络的低压台区理论线损计算方法［J］.电力自动化设备，2020（8）：140-146.

［18］王方雨，刘文颖，陈鑫鑫，等.基于“秩和”近似相等特性的同期线损异常数据辨识方法［J］.电工技术学报，2020（22）：4771-4783.

［19］张国芳，刘通宇，温丽丽，等.基于变分自编码器的日线损率异常检测研究［J］.华东师范大学学报（自然科学版），2020（5）：146-155.

［20］韦杏秋，陈俊，龙东，等.基于时序差分算法的线损异常判别优化研究［J］.科技通报，2017（3）：100-103.

［21］陈洪涛，蔡慧，李熊，等.基于k-means聚类算法的低压台区线损异常辨别方法［J］.南方电网技术，2019（2）：2-6.

［22］宋晓林，张佳元，崔超奕，等.基于用电信息采集数据的低压台区异常线损诊断新方法［J/OL］.电测与仪表：1-10［2022-11-01］.   http：//kns.cnki.net / kcms / detail / 23.1202.TH.20210802.1413.002.html.

［23］徐迪，陆煜锌，肖勇，等.基于孤立森林算法的配电网线损异常判定［J］.电力系统保护与控制，2021（16）：12-18.

［24］程淑亚，蔡慧，沈海泓，等.基于数据挖掘的新型低压窃电识别方法［J］.电测与仪表，2022（2）：68-76.

［25］徐常，刘金森，张彦，等.电能替代背景下配电网有载调压变压器降损方法［J］.电网与清洁能源，2020（3）：13-17.

［26］梁国开，方健，王志军，等.含有载调压调容配变的城市配电网节能降损动态优化模型［J］.电力自动化设备，2019（12）：114-120.

［27］汤红卫，王贤湖，谢光龙，等.计及低碳效益的配电网降损方案组合优化模型［J］.电力系统及其自动化学报，2020，（2）：113-118.

［28］高赐威，吴刚，陈宋宋.考虑地理分散的数据中心服务器频率调节的电网降损模型［J］.中国电机工程学报，2019（6）：1673-1681.

［29］郭鹏，刘文颖，蔡万通，等.基于模拟退火逐步优化算法的多形态高载能负荷协调降损二层优化模型［J］.电网技术，2017（3）：759-768.

［30］王涛，贺春光，周兴华，等.基于分布式电源选址定容的配网降损方法研究［J］.可再生能源，2020，38（9）：1246-1251.

［31］唐海国，龚汉阳，冷华，等.负荷数据不完全的配电网降损优化方法［J］.电力系统及其自动化学报，2019（3）：128-132.

［32］肖运启，王乙.基于混合建模仿真的大型风电场降损控制［J］.系统仿真学报，2020（9）：1831-1838.

［33］夏革非，丁智涵，于长任，等.基于数據驱动的有源配电网实时调度降损策略［J］.电测与仪表，2021（12）：103-109.

［34］宋朋勋，郝丽丽，楼伯良，等.基于配电网节能降损协调优化的电压控制方法［J］.电力电容器与无功补偿，2019（2）：101-107.

［35］王维洲，汤红卫，刘福潮，等.A+～E类区域配电网降损潜力评估模型研究［J］.电力科学与技术学报，2018（2）：59-65.

［36］杜振东，沈春林，滕晓兵，等.计及全时空要素的配电网综合节能评价方法［J］.电力科学与技术学报，2021（2）：13-23.

［37］吕守旭.基于大数据分析的智能电网降损效果估计模型仿真［J］.中国电力，2017（4）：172-175.

［38］顾江，陆涟，杨江，等.基于等值电阻和回归分析的配电网降损潜力研究［J］.江苏电机工程，2015（3）：61-63.