基于电网线损的皮尔逊算法分析

《基于电网线损的皮尔逊算法分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于电网线损的皮尔逊算法分析　　摘要：线损偏高一个重要因素是用户电能表异常，尤其是负误差超差。可以选择皮尔逊相关系数算法进行计算，该算法速度快、定位准、效率高，能够准确定位异常电能表用户。文章从线损电量与用户电量关系出发，阐述了皮尔逊相关系数算法的原理，介绍了供电公司运用皮尔逊相关系数算法查找异常电能表用户的实例。　　关键词：线损；电能表；皮尔逊相关系数　　1研究背景　　电力网电能损耗率简称线损，是电网经营企业在电能传输和营销过程中自发电厂的出线到客户电度表止所产生的电能消耗和损失。它反映了一个电力网的规划设计、生产技术和运行管理水平，是电力企业

2、的一项重要经济技术指标。随着电力行业不断进行改革，为使电网的运行成本达到最少，要求更大程度的减少电网线损。在计算线损过程中，主要考虑用户电能表发生负误差超差这个重要因因素，如何准确定位异常电能表用户是各供电公司面临的实际问题。　　近年来，历经城网改造、农网改造、降损项目等技术改造的实施，目前影响低压线损最主要的问题已经由配网布局不合理和设备老化等原因导致的技术损耗转变为管理上的损耗。继续依靠低压配网的各种设备改造投入来达到降损目标，势必陷入“投资大、回报小”窘境。新形势下，开展更为高效的营销低压线损降损研究，以便使用较少的资源和管理控制要素取得明

3、显成效，可以为企业创造巨大的经济价值、管理效益和社会效益。　　同时，智能电表的推广应用，用电信息采集系统建设的有力推进，以及配用电信息融合集成技术、互动技术、大数据技术的日益成熟，为低压线损管理向智能化、精益化、互动化方向发展提供了坚强支撑。　　而大数据技术的日趋成熟，提供了保存和挖掘海量数据宝藏的手段，有力支撑供电公司开展低压线损智能分析业务监测、业务洞察、业务优化、业务重塑工作，最终完成客户导向的业务流程设计和塑造工作，构建精益、智能、互动为特征的新型营销管理体系。　　因此，开展营销低压线损智能分析洞察研究工作，以低压线损智能分析为手段，全面

4、、深刻洞察和管控全业务管理过程中存在的问题，规避风险和把握机遇，协助实现公司相关业务的持续优化，推动供电公司管理水平快速提升，实现公司经营效益最大化，对公司经营发展具有重要的现实意义。　　2线损电量和用户电量　　发电机发出来的电能输送到用户，需要经过输、变、配电等各级设备，由于这些设备存在着电阻，因此电能通过时就会产生损耗，以热能的形式散失在周围的介质中；另外在加上一部分客观存在的管理损耗，这两部分电能损耗就构成了电网的所有线损电量，简称为电网线损。　　线损率是在一定时期内电能损耗占供电量的比率，是反映电网设计规划、生产运行和经营管理水平的综合性

5、经济技术指标。线损管理是供电企业自身经营管理中的一项工作量大、技术性强、基础性广的系统工程。　　由线损电量的定义可知：线损电量=供电量-售电量。由线损电量的分类可知：实际线损：理论线损、管理线损。其中管理线损主要与不明损耗有关。当用户电能表负误差、用户窃电、电网原件漏电或抄核差错过大时，都会导致不明损耗明显增大，从而导致该地区线损电量明显增大，线损率明显异常增大。由此可见，用户的能表计量误差与用户抄表电量线性相关。　　3皮尔逊相关系数算法　　皮尔逊相关系数又称皮尔逊积矩相关系数、简单相关系数，它描述了2个定距变量间联系的紧密程度，用于度量2个变量

6、X和Y之间的相关（线性相关）其值介于-1与1之间，一般用r表示Corr（X，Y），　　其中n?檠?本量，X、Y分别为2个变量的观测值。　　若r>0，表明2个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r<0，表明2个变量是负相关，即一个变量的值越大，另一个变量的值反而会越小。r的绝对值越大表明相关性越强，其关联程度如表1所示。　　4采集数据线损诊断分析的数学模型　　线损智能诊断软件从用系统获取了每户的几天历史日电量数据，以7天为例：（x1，x2，x3，x4，x5，x6，x7）。　　前后做差：　　正常情况下，每个用户的日电量数据大致

7、相差不大，即（y1，y2，…y6）基本上都为0。如果yi与yi+1的值与0偏差较大，则此用户有可能在第i天时出现过异常，有可能影响线损。　　标准差：　　其中，μ为平均值（算术平均值）。　　正常情况下，每个用户的日电量数据大致相差不大，标准差σ应该非常接近为0，假如与0偏差较大，则此用户存在用电不稳定，有可能出现异常，影响线损。　　线损智能诊断软件通过日电量数据分析后，检测出有可能存在异常的用户如果是重点用户，则再结合用采集系统获取的曲线数据进一步分析。观测每个时间段的电压电流以及电量数据之间的关联：　　（UIT）2=E有功2+E无功2　　检查是否

8、存在不符合物理定理的数据关联，进一步确认出现故障的可能性。　　5运用皮尔逊相关系数算法查找用户问题表计　　根据以上分析，用户用电量与用户