线损分析和智能评估系统

《线损分析和智能评估系统》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、线损分析及智能评估系统1.目的和意义电能在传输和营销过程中所产生的电能消耗和损失称为线损。线损产生于输电、变电、配电、售电各个环节，线损率作为电力企业的重要综合性经济指标,线损率有着重耍的作用，它不仅能够反映电力企业的经济性述能够反映企业的盈利率。线损直接体现了电网规划设计的合理性，反应了生产技术和运营管理水平的高低线。根据损耗的来源和特征的不同，可以将线损进行分类，如图1-1所示。变压器的空载损耗固定损耗电容器的介质损耗可变损耗线路导线中的损耗变压器绕组屮的损耗电流表电流线圈的损耗用户违章用电和窃电损失营业屮抄核收Z差错损火电能衣线圈和铁芯的损耗电网元件漏电损失计量表计误差损失理论线损

2、（技术性损耗）管理线损（非技术性损耗）图1-1线损分类实际线损（或统计线损）通常指由电表抄录值所提供的总发电量与售电量之差,分为理论线损和管理线损。其中理论线损是电网本身结构、设备决定的，电能传输不可避免地造成损失，它主要与技术状况、运行方式、电网结构有关，包含各电力元件可变损耗部分及I古I定损耗部分。可变损耗包括线路中的损耗、变压器绕组中的铜耗及电能表电流线圈中的损耗等，由于这些损耗的值与流过电流或功率的平方成正比，所以是可变值；固定损耗包括变压器的空载损耗（也称为铁损）、电容器介质损耗和电能表电压线圈或铁芯中的损耗等，这些损耗主要只受两端电压的影响，所以是固定值。统计线损的另一部分称

3、为管理线损，其中主耍包括电网元件中的漏电损耗、计量表误差损耗、营业朝核收差错损失及用户窃电损耗等。管理线损主要是由于电力企业在营销过程中由于用户管理不当、计量误差等造成，取决于供电企业生产经营活动中降损节能的管理水平。在我国电网损耗中，配电网损耗占了绝大部分。配电网长期资产利用率低,经济运行指标低，网损严重，城乡配电网损耗占总量的70%左右，配电自动化系统覆盖范围不到9%,远低于发达国家。所以，配电网线损分析及降损研究是电网线损研究的重中之重。对此，国家能源局2015年提出了推进配电自动化和猶能用电信息采集系统建设，实现配电网可观可控，推动智能电网建设与互联网深度融合的配电网建设改造行动

4、计划。但是，配电网具有地域分布广、规模大、设备种类多、网架和运行方式复杂的显著特点。随着配电自动化、用电信息采集等应用系统的推广应用，配电网中产生了指数级增长的海量异构、多态的数据，数据集合的规模已经达到了人数据级别。但是，围绕配电网人数据的应用缺乏，所以，如何有效利用、挖掘配电网数据信息，提高配电网供电可靠性，实现配电网信息可控可观，降低网损成为亟待解决的问题。对此，本项目依托已有的数据资源，研究具备配电网态势感知、智能线损分析评估、故障定位等功能的配电网应用系统。以精细化管理为实施载体，深化精准降损，建设一套可用的基础数据完善、相关业务融合、数据共享贯通、监管落地到位的线损可视化监管

5、分析系统，实现计量资产可视化、线损率变化可溯源、降损任务可分解、专家辅助诊断全面、降损整改措施闭环、管理责任评价排名等功能，全方位、多维度支撑管理降损和技术降损。1.国内外线损分析研究现状线损分为理论线损和管理线损两类，目前国内外的研究也集中于这两个方面。其中，理论线损包括变压器空载损耗、电容器介质损耗、线路导线的损耗等，是由电网本身所决定的损耗，ChouZhou[l]等人根据负荷实测结果，用理论计算的方法，对湖北电网主网线损的构成、分布及影响因素进行了分析，但是该工作只针对220KV以上的电网，并且理论计算没有考虑用电站、电晕损失和其他辅助损耗。JakobSahlin[2]等人建立了利

6、用多元线性冋归和交换流模型对第二天的线损进行预测的模型，但是结果依赖于对输入数据和交换流的准确预测。管理线损包括窃电、计量表误差、漏电等，其中，窃电占了绝大部分，所以，国内外的管理线损分析研究主要集中在窃电分析上。BharatDangar[3]等人提出了一种使用极限学习机(ELM)、改进ELM(OS-ELM)、支持向量机(SVM)三种算法来进行电力损耗识别、检测和预测的电力损耗分析框架，并应用于印度古吉拉特邦Gl'VNL公司,减少由于窃电导致的配电损耗,取得了较好的成果。SamWeckx[4]等人提出了一种在未知或不确定电缆长度的猶能电网中通过电网中的非法连接检测窃电的算法，使用智1能电

7、表的测量值来识别电网参数，并检测特定客户的违规行为。YinghuiIJ[5]等人提出了基于BP神经网络的客户消费行为分析模型,利用该模型可以计算岀窃电的怀疑系数，并对电力用户的信用等级进行分类，并选取了一些典型的企业，对窃电模型进行了验证，得出了一个可行的解决窃电问题的思路。曾虎[6]首先利用模糊C均值(FCM)算法对负荷曲线进行聚类，得到典型特征曲线，再与用户负荷曲线进行匹配，筛选出疑似窃电用户，再使用基于粒子群算法优化的SVM算