一种基于台区总表测算台区线损率的用电检查方法

传统对于台区线损率的计算一般都是基于变压器电流、电压综合监测仪表(简称UI表)电能读数进行的,由于UI表存在没有强制检定流程、测量精度较低、需要现场抄收、数据采集率差等缺点,这导致基于UI表电能值所算出的线损率实用性很差,无法适应当前的用电检查和电力监察工作需要.介绍了一种新型的台区线损数据采集方式,通过使用强制检定的智能电能表作为台区总表,结合远程采集系统进行实时采集,提高了测量精度与采集数据的效率,使台区线损率分析与现场更加符合实际用电检查需要,提升了用电检查和电力监察的效率.

基于时间卷积网络的台区总表故障智能辨识技术

台区总表关联10 kV线路售电侧电量及台区供电侧电量,起到承上启下的作用。台区总表故障导致的电能量异常,会同时对10 kV及台区线损的计算产生影响,造成线损合理率下降,不利于供电可靠性。对台区总表故障进行有效辨识是解决以上问题的关键。对此提出基于时间卷积网络的台区总表故障辨识技术,通过提取台区量测值时间序列中的高维特征实现对故障的辨识。进一步地,在年度序列故障辨识中引入注意力机制,以甄别出关键的信息片段,提升辨识准确率。上海市10 kV变压器台区的算例结果表明,所提出的故障辨识算法可实现93.1%的日度故障辨识精度以及85.3%的年度故障辨识精度,且相比传统深度学习模型具有更高的计算效率。

一种基于台区总表测算台区线损率的用电检查方法

传统计算台区线损率一般都基于变压器电流电压综合监测仪表（简称UI表）电能读数进行计算的，然而uI表没有强制检定流程、测量精度较低、需现场抄收、数据采集率差等缺点，导致基于UI表电能值所算出的线损率实用性很差，无法适应当前的电力监察工作需要。本文介绍了一种新型的台区线损数据采集方式并，通过有强制检定的智能电能表作为台区总表，结合远程采集系统进行实时采集，提高TN量精度与采集数据的效率，使台区线损率分析与现场更加符合实际用电检查，极大提升了电力监察的效率。