基于营配大数据的配网故障定位系统的设计与实现分析

为提高配电网供电可靠性,满足人们日益增长的电能需求,本文基于营配大数据的配网故障定位现状,提出了以故障指示器、采集器为基础,由主站监控系统、基于Z i g B e e技术的通信系统、基于G I S技术的区段定位系统为一体的配网故障定位系统,并将此系统在某城市配电网中应用,从定位准确性、停电时间两个角度进行实现分析,以此为配网检修人员提供技术实践参考。

基于营配大数据的配网故障定位系统的设计与实现

针对县级供电企业同时存在配网生产和营销各系统间数据交互性较弱、融合度低的问题,系统运行数据量大的特点,传统的配电网故障区段定位方法无法适应海量数据的需求。为此,本文提出了一种基于营配大数据的故障区段定位方法。采用大数据技术,对配网自动化设备实时信息和电网地理信息数据等,通过建立统一数据模型,根据数据内部的联系,结合生产积累的经验,挖掘配网营销图形数据的潜在价值,有效的解决了因故障定位准确率不高导致的巡线效率低的问题。通过历史运行数据进行的案例分析以及近半年实际运行表明,本方法可以快速、准.确的定位敌障区段,定位准确率高,并且具有较好的适应能力和容错能力。本方法为快速解决故障、恢复供电提供了技术保障,,实践证明可以大幅缩短停电时间。

基于双层自适应密度聚类算法的分行业日负荷特性

利用营配大数据所提供的大量数据计算电力用户的日负荷特性参数,运用密度聚类(DBSCAN)方式分析行业的日负荷特性。提出了以波动率、最大负荷发生时刻和最小负荷发生时刻三项指标为特性指标的降维方法。利用高斯核密度估计优化处理密度聚类算法,提出日负荷特性规律算法效果评价体系。针对评分结果确定是否需要二次聚类,最终给出电力行业典型日负荷特性曲线。以浙江沿海某城市近4万用户进行算法验证,结果表明该算法提高了聚类质量及效率,其行业负荷特性结果对电力需求侧预测、配电网规划等具有较大的指导意义。