基于配电自动化技术的配网线路线损管理分析

山东博瑞电气科技有限公司 郭广辉

1 配电自动化技术在线路线损管理中的应用

1.1 基于线损原因的自动化识别

在确定电量异常波动的基础上，则可对本地区各类常见线损原因展开判断与自动化识别，主要内容包括以下几点。

1.1.1 终端不在线造成的供售电量缺失

目前，终端不在线是造成线损异常的主要原因，也是自动化计量系统处理中较为常见的问题，是指各种原因造成的终端与系统通信异常，导致系统所采集的终端供电量信息不完整，双方因为售电量数据不一致现象[1]。主要表现为：一是当线路出现关口的计量装置不在线时，造成自动化系统无法实时检测线路供电量变化，此时可能会因为关键用电数据异常，造成系统计算的线路线损率数据异常。二是系统运行期间可能会因为各种原因造成负荷控制装置，或配变装置不在线，此时系统无法统计售电量数据，导致线路线损电量增加。

基于上述问题，自动化系统可采用以下步骤识别线损问题：步骤一：在发现线路线损值明显区别于正常工况的情况下，即可对自动计量化系统检测线路上所有关键的终端数据，此时若系统证实所有处理数据均为完整的，则可认定本次系统处理无异常，同时系统自动结束本次终端数据处理，并启动下一类型的终端数据分析。若发现线路上任意终端的数据丢失，则可启动终端电量数据补采方案。

步骤二：终端电量数据的补采。在自动化系统定时补采的基础上，通过系统终端强制补采的方式，拓展数据源。

步骤三：数据补采技术后即可重新计算线路损失值，若发现线损值正常，即可按照正常处理方法结束数据分析；若线损值仍未恢复，则可启动下一类型的线损数据分析。

步骤四：线损电量还原，在上述三个步骤操作失败的情况下，系统直接采集用户的计量装置，根据计量装置提出的数据计算电量值，并将其作为替代检测失败的负荷控制装置的采集电量用于重新计算线路线损值。

步骤五：判断线损值是否恢复正常。在完成线损还原后，由自动化系统按照正常数据处理流程进行研判，评估线损值是否恢复正常。此时，若系统证实线损值未恢复正常，系统则可按照预算设定的步骤判断，启动其他类型的线损评估模式。若恢复至正常范围内，则由系统自动将线损异常初步分析结果，发送至工作人员处进行人工审核及确认。

1.1.2 终端计量故障导致售电量失真

一般造成终端计量数据故障失真的主要原因包括接错线、装置自身故障缺陷或者失流、失压等。造成上述故障的原因通常包括：一是用户自身的窃电行为，或者各种原因造成的计量装置故障，导致系统无法从用户处得知是否存在计量问题，仅能通过任意一段时间的数据变化判断有无流失现象。二是用户的不合理用电行为，或者相关人员错误接线造成的装置计数异常等。针对上述问题，配电自动化技术处理流程包括以下步骤。

步骤一：启动终端计量故障识别。通过电量异常波动识别后，且常规方法无法排除线损异常情况后，即可启动终端计量故障处理模式。

步骤二：检查终端电压值。计量自动化装置可对线路上所有关联终端的电压值实施监测，判断其电压值是否处于正常范围内，本环节若未发现异常，即可正常采集电压值；若系统判定终端电压值不处于正常范围或者计数显示为0，则可用理论电压值替换异常电压值做二次计算，此时若二次计算结果显示为正常，则结束故障分析；若线损值仍然未恢复正常，即可继续做终端数据对比。

步骤三：终端数据的对比与还原。电量值或电流值存在明显差异的，则系统直接自动采集可用于参考比对的备用计量装置的电量，并将该电量替代异常波动的采集电量用于重新计算线路线损值。通过上述方法处理后，计算系统线损值是否恢复正常。此时若恢复正常值，即可认定是终端故障造成的质量问题；若未恢复正常，则可启动其他类型的线损异常处理方案。

步骤四：初步分析结果并确认。系统在自动分析异常线损情况后，即可通过线损异常问题判定工作单的形式，由工作人员做系统审核并判断处理结果是否正确。

1.2 应用实例分析

1.2.1 背景介绍

2022年7月某日，某地区某10kV 线路的日线损率高达28.93%，而计量自动化系统监测的正常线损波动范围为0～3%。针对上述问题，由系统进行线损异常情况排查。

该系统在启动终端在线的情况后，对故障线路上所有关联终端通信情况展开检测，本次检测的目的是观察线路上的所有终端是否在线。若本次系统检测结果显示某一终端通信失败，即可确定故障，最终当地线路线损的自动化检测结果见表1。

表1 线路线损的自动化检测结果

根据表1所记录的相关数据可以发现，通过本文所介绍的自动化处理技术，检测到a 工业园区采样数据存在异常，之后根据上文研究的方法，由自动判断还原异常电量后，计算线路线损值是否恢复异常，最终结果显示，当日配电线路的线损值下降至6.53%，未恢复到设定的0～3%。出现该结果的原因可能为：在当地项目中除a 工业园区采样数据异常情况外，还存在其他潜在线损风险事件。

1.2.2 传统技术的应用效果评价

通过对上述案例的研究可以发现，现有的配电自动化技术虽然在一定程度上可提升配网线路线损管理质量，但相关技术的敏感性较低，只能发现系统存在的严重线损问题，对用户窃电等问题的敏感度较差，这一问题限制了自动化技术在配网线路线损管理中的运用。

2 基于自动化系统的配网线路线损异常自动排查模型

2.1 电量波动识别

日用量是评估配网线路损失的重要内容，在本次研究中从电量波动为切入点，在评估电量波动变化的基础上，根据极方差与标准差等算法可进一步判断不同条件下产生的线路损耗问题[2]。而在数据处理中，考虑到样本平均水平的差异性，导致数据处理过程无法通过单一的时间节点进行判断，所以最终决定以月为单位计算电量波动情况，并通过引入变异系数判断线损状态下的电量波动情况，其计算方式如公式（1）所示：

在公式（1）中，CV 表示变异系数；N 表示总天数，即30天；表示平均日用电量；di表示具体某一天。

在公式（1）数据处理中，CV 值越大，则证明电量波动越明显。其具体评估标准为：CV ∈[0，0.2]证明电量波动处于合理范围内；CV ∈[0.3，0.5]，证明大量波动存在轻微异常情况；CV ∈[0.6,0.8]，说明线路的电量波动严重；CV ＞0.8时表明线路的电量波动极为严重。

2.2 线损管理的自动化数据计算方案

针对上述线损问题处理步骤，为提升数据处理精度，本次自动化处理方案中可通过引入离群点算法对线损问题进行识别，该方法的核心是通过用户用电量的研究，假设n 个用户的用电量集合为｛n1，n2，n3，…，nn｝，将其作为一组电量数据，通过相似度矩阵计算各个样本之间的关联度情况，则计算矩阵的表达方式如公式（2）所示：

在公式（2）中，Dij表示i 与j 之间的相似度情况，在正常工况下两个数据应满足正定性特征，即i与j 之间的相似度≥0，其中当i ＝j 时，则Dij＝0；当二者具有趋近属性时，则Dij→0。

在本次研究中离群点作为判断配网线路线损的重要依据，在数据处理过程中为更好地评估样本实际情况，则需要对样本做相似度评价，从而确定离群点。基于上述要求，本文将引入自动化数据挖掘概念，通过数据挖掘的方式完成庞大用电量数据的处理，并实现快速反应，其数据处理过程如图1所示。

图1 基于自动化数据挖掘的算法流程

在图1数据处理流程中，数据预处理成为影响自动化系统数据精度的关键，采用归一法处理，其数据处理要点包括：一是当任意用电量字段的关键数据丢失时，即可将此类数据归纳为缺失数据；二是清洗抄表信息中始终存在正向有功信息；三是针对未能正确标注的信息，则需说明相关数据的具体来源。其数据处理方式可参照公式（3）所示：

在公式（3）中，g（i）表示数据归一化处理后的具体结果；x（i）表示任意时间、任意状态下的单位样本值；min［x（n）］表示本次数据处理中的最小值；max［x（n）］表示数据处理中的最大样本值。

在数据计算中随着样本变异系数的增加，会导致g（i）值发生增大，此时的样本数据无法满足归一化处理的要求，此时为降低不合理数据对最终处理结果的影响，则需要设定比例系数km，其功能是对数据波动与异常进行识别，此时km的定义方式如公式（4）所示：

根据公式（4）对km的定义可以发现该数据对g（i）的不同工况做出了详细的定义，其中km取值处于0.2～0.4时，证明配网线路线损波动存在异常，但整体波动不明显，此时故障可能与用户窃电等行为有关；若比例系数km的实际取值≥0.5，这证明样本存在强烈的波动，可能与配变交流采样等异常数据有关，应该成为配网线路线损管理的重要方向。

3 配电自动化技术在线路线损管理中的应用实例

为进一步判断上文所介绍的自动化处理技术合理性，本文将通过系统数据清洗的方法，以上文介绍的配网线路线损管理案例为参照对象，对本地区2022年5月至2022年7月间的数据进行处理，通过3个月内任意供电区间内的总正向有功情况，识别用户有无窃电的异常情况。此时若用户无窃电行为，则系统的正向有功表现则接近直线；若用户存在窃电行为，则系统的直线斜率会发生改变。

先按照公式（1）对本地区的电量波动情况进行计算，其计算结果显示5月当地电量波动系数CE=0.134；6月的供电波动系数CE ＝0.213；7月的供电波动系数CE ＝0.542。该结果显示，当地自进入6月开始，供电波动系数进入异常区间内，存在异常线损的情况。之后，通过上述公式展开计算后，开始对线路的具体线损问题进行分析。其中，根据计算结果显示，整个配网线路线损时间从6月开始，但在7月则达到最大值，因此在整个数据处理中将按照上述时间节点安排展开评估。最终计算结果显示，线路所处区域的a 工业园区配变交流采样的km达到了0.842，显示为高度异常，而这一结果也在上文研究中得到证实。