Identification Method for Users-Transformer Relationship in Station Area Based on Local Selective Combination in Parallel Outlier Ensembles Algorithm

In the power distribution system,the missing or incorrect file of users-transformer relationship(UTR)in lowvoltage station area(LVSA)will affect the leanmanagement of the LVSA,and the operation andmaintenance of the distribution network.To effectively improve the lean management of LVSA,the paper proposes an identification method for the UTR based on Local Selective Combination in ParallelOutlier Ensembles algorithm(LSCP).Firstly,the voltage data is reconstructed based on the information entropy to highlight the differences in between.Then,the LSCP algorithmcombines four base outlier detection algorithms,namely Isolation Forest(I-Forest),One-Class Support VectorMachine(OC-SVM),Copula-Based Outlier Detection(COPOD)and Local Outlier Factor(LOF),to construct the identification model of UTR.This model can accurately detect users’differences in voltage data,and identify users with wrong UTR.Meanwhile,the key input parameter of the LSCP algorithm is determined automatically through the line loss rate,and the influence of artificial settings on recognition accuracy can be reduced.Finally,thismethod is verified in the actual LVSA where the recall and precision rates are 100%compared with othermethods.Furthermore,the applicability to the LVSAs with difficult data acquisition and the voltage data error in transmission are analyzed.The proposed method adopts the ensemble learning framework and does not need to set the detection threshold manually.And it is applicable to the LVSAs with difficult data acquisition and high voltage similarity,which improves the stability and accuracy of UTR identification in LVSA.

考虑负荷分类的低压电力台区线损率估计研究

当前,低压台区线损率的估计过程过于粗糙,估计结果偏差较大。为此,提出一种考虑负荷分类的低压电力台区线损率估计方法。首先,采集低压台区负荷数据并对数据预处理,以构建台区特征数据库,从而对低压台区负荷数据进行聚类。然后,在设定的范围内,引入K-means算法对负荷的波动变化规律加以分析。最后,将负荷规律变化结果作为约束条件,通过反向传播(BP)神经网络构建台区线损率精准估计模型,并利用模型完成线损率估计。试验结果表明:采用所提方法可获取高精度的线损率估计结果。该方法能够显著提高线损率的估计精度,为低压台区线损管理提供更为准确的数据支持。

基于同期线损+理论线损的台区降损措施分析

电网投资对线损率的影响缺少量化分析,传统的台区降损评价未充分考虑变压器损耗和台区间的损耗转移,文章基于同期线损+理论线损的方式,捆绑计算台区线损和变压器损耗,评价增设台区前后的综合线损率变化情况,量化技术降损成效,为降损潜力分析、线损率预测提供参考。

基于核心关联指标和虚拟等值电阻的台区理论线损计算

为提升传统线损计算方法的适用性和准确性,解决基于神经网络的线损计算方法的可解释性问题,提出了基于核心关联指标和虚拟等值电阻的台区理论线损计算模型。首先,提出了线损核心关联指标筛选方法,引用灰色关联度算法,计算线损关联指标与线损的相关性,筛选出核心线损关联指标,提高了模型的可解释性。其次,提出了物理-数据双驱动的理论线损计算模型,该模型考虑核心关联指标,以虚拟等值电阻替代传统等值电阻实现线损计算,提升了模型的适用性和准确性。然后,提出了基于二阶锥算法的参数估计方法,构建以理论线损改进值与实际值的方差最小的目标函数,以各类关联指标的临界值为约束条件,求解模型的参数。最后,应用实际监测数据和仿真模型数据,验证了文中所提方法的有效性和适用性。

基于自编码器与时域卷积神经网络算法的配电网线损分析

复杂的配电网环境中存在线损计算精确性、实时性不足的问题,因此提出基于循环神经网络自编码器改进的TCN-BiGRU配电网线损预测方法。选用擅长处理时间序列的TCN神经网络模型作为主干特征提取网络,在TCN中融入BiGRU单元以有效解决梯度消失问题。在此基础上,结合循环神经网络自编码器对线损异常值进行无监督分类并标记,通过softmax损失函数预测线损率异常原因,并制定相应降损措施,同时利用改进后的TCN-BiGRU算法对线损进行预测及成因分析。实验结果表明,与传统的配电网线损预测方法相比,该线损预测方法的均方根误差相较于传统的EMD-LSTM与PSO-CNN算法分别降低了0.03699和0.00402,在线损成因分析方面的准确率相较于ResNet50与DBN-DNN算法分别提高了1.500%和5.841%,为分布式电源接入后配电网节能降损、实现电网双碳目标提供了科学的参考依据。

基于用电信息采集数据的低压台区异常线损诊断新方法

低压配电网台区的线损分析对发现和解决异常线损问题,减小用电损失以及用户的精细化管理具有重要意义。文章基于全事件用电信息采集系统采集的真实台区数据,提出了一种新的低压台区线损诊断方法。该方法利用电网诊断规则对所采集的原始数据进行质量分析,并通过对台区线损特征地提取和分类,建立了基于电压信息的二分K-means聚类诊断算法和基于电量信息的全局搜索诊断算法,实现了对台户异常电能表的快速定位及台区线损异常的治理。通过剔除异常电能表和实际检验表明该方法具有较高的准确性和一定的实用性。

基于特征选择和机器学习的台区线损计算方法

降低电网损耗是节能减排的重要技术措施,线损率计算是电网企业制定降损目标和实现碳排放趋势预测的重要途径。现有线损计算研究主要关注模型的构建,忽视特征分析问题。基于此,文章提出了一种基于LightGBM(light gradient boosting machine)模型的台区线损率计算方法。分析了电气特征指标选取问题,通过探索台区电气特征指标分布及与线损率的关联关系确立模型输入。根据特征工程结果,建立基于LightGBM模型的台区线损率计算模型,揭示了不同模型参数和电气特征指标输入下对模型计算结果的影响。通过某市8000余个台区的历史数据验证方法的有效性。实验结果表明,所提方法的MSE(mean-square error)和MAPE(mean absolute percentage error)可分别达到0.020和2.459%,对比现有相关研究方法具有良好的计算精度。

基于拓扑识别的低压台区线损异常原因分析

低压台区直接与用户连接,数量巨大,现阶段由于接线复杂,拓扑缺失,中间节点缺乏量测点等问题,低压台区线损原因判定困难。提出一种基于拓扑识别的低压台区线损原因分析方法。利用变户关系识别结果判定是否存在户变关系错误影响;利用相户识别结果,判定是否存在三相不平衡和主干线问题影响;利用用户链路关系识别结果,判定是否存在分支线问题和用户窃电问题,并能定位可能存在问题的分支线。所提方法仅需要低压台区量测点的电压、电流、功率数据,利用低压拓扑连接关系,层层推导线损问题原因,将线损问题细化至用户和用户之间的分支线上,实现问题的精准定位,可有效减少运维人员的检修工作量。

低压台区总表三相电压不平衡对线损的影响及诊断方法研究方向分析

通过分析存在总表三相电压不平衡问题的低压台区治理案例,根据低压台区总表三相电压不平衡问题在松江供电公司的治理、分布统计及线损影响情况等,指出低压台区总表三相电压不平衡这一直被忽视的问题对线损的重大影响,并提出低压台区总表三相电压不平衡问题的诊断方法研究方向。

基于大数据的低压台区线损异常判定方法

针对低压台区数量众多、线损管理难度大,对其进行精益化管理能够有效提高电网的经济效益。基于此,提出一种基于大数据技术的低压台区线损异常判定模型。首先,介绍了台区线损异常的影响因素,并分成12类;其次,利用大数据技术采集数据,结合三相混合法进行线损潮流计算,并形成线损图;再次,对台区线损图进行聚类分析挖掘,得到典型配电网线损异常图,便于快速检测异常线损类型;最后,基于指南针布局构建配电网异常线损显示,并结合实际算例验证了诊断模型的有效性。

基于变异系数和支持向量机的含DG台区线损智能诊断研究

分布式电源的接入改变了台区潮流,增加了台区线路高损概率。为找出引起台区线路高损成因,提出一种基于变异系数法和支持向量机的分布式电源接入台区线损智能诊断方法。首先利用变异系数法对分布式电源接入台区特征指标进行关联性分析;其次,采用支持向量机算法衡量线损预测数据与真实数据相对误差,进而筛选出线损异常台区;然后,基于变异系数法得到的各指标权重更新异常台区数据,诊断线路高损成因;最后,采用25节点台区案例,进行方法验证。试验结果验证了所提方法的有效性。

台区线损异常原因及管理方法

台区线损率是电网企业中一个重要的指标,反映了电力系统管理水平。文章对导致台区线损异常原因进行分析,包括抄表错误、档案异常、设备老化等,并提出管理措施,为电网企业提升台区线损管理水平提供了参考。

低压配电台区线损异常检测与治理方法

常规的配电台区线损异常检测特征捕捉采用周期提取的形式,提取的精准度不高,增加了误检频次。为解决这一问题,提出低压配电台区线损异常检测与治理方法的设计与分析研究。首先,根据测试需求进行异常数据采集。其次,采用多点位的方式提取精准度,实现线损异常特征的多点位提取。最后,构建多传感台区线损异常检测模型,采用频谱持续追踪与线损耗平衡修正的方式来实现异常处理。测试结果表明,文章设计的多传感低压配电台区线损异常检测与治理方法具有高效性、灵活性,检测适应性强,具有较好的应用价值。

电力台区线损的异常与应对措施分析

阐述配电台区线损异常的原因,包括设备老化、线路老化、不规范的用电行为。从加强线路检查、设备管理、用电管理方面,提出应对配电台区线损异常的策略。

基于计算机通信的低压台区线损智能诊断方法

目前,低压台区线损问题已成为影响配电网络供电可靠性和经济性的关键因素,而传统的线损分析方法难以适应当前配电网的智能化需求。因此,基于计算机通信技术,提出一种低压台区线损智能诊断系统。该系统采用模块化架构,通过数据采集、数据通信、智能分析以及决策支持4个功能模块的协同工作,实现线损的精准定位、诊断及治理。实验结果表明,该系统在数据处理和线损诊断等方面具有显著优势,可有效提高线损管理水平。

基于5G通信技术的供电台区线损智能监测系统设计

随着电力需求增长和配电网复杂度提高,供电台区线损问题日益突出。设计了一种基于5G通信技术的供电台区线损智能监测系统,包括线路参数采集、5G通信以及智能分析3个核心模块。该系统利用5G通信的高速率、低时延特性,实现了线路参数的实时采集、快速传输以及智能分析。实验结果表明,与传统方法相比,本系统在数据采集精度、传输时延、线损分析准确性等方面均有显著优势,为提高供电台区的管理水平和运行效率提供了有效的解决方案。

低压配电台区降损分相管控研究

随着电力系统的发展和用户用电需求的不断增长,低压配电台区的线损问题日益突出,对电力企业的经济效益和电网的安全稳定运行造成了一定影响。文章分析了低压配电台区线损产生的原因,探讨了分相管控技术在降低线损方面的应用,并提出了相应的实施方案和建议。

基于HPLC的低压配电台区线损与网络潮流分析

线损管理是供电企业的重要管理内容,但由于配电网整体结构复杂,电损管理难度相对较高。电损时量测表计的配置对于计算配电台区的线损至关重要,配置不全将使线损计算过程更加复杂繁琐。基于此,分析低压配电台区线损异常原因,构建基于HPLC的低压配电台区线损技术架构,并进行网络潮流分析,以提高线损计算的精准度。

一起窃电引起台区负线损率的案例分析

台区线损治理是供电企业一项长期的重要工作,台区高线损率和负线损率是台区线损治理过程中较为常见的问题。在台区线损治理工作中,用户窃电是引起线损率升高的重要原因之一,也是较为常见的现象,但窃电引起台区负线损率的问题较为少见,也容易被忽视,现结合实际案例进行分析。

低压台区同期线损异常分析方法与应用

经济发展促进了电力行业的发展和进步,促使低压台区同期线损异常分析成为一项关键任务。线损是指在电力输配过程中因为电流通过导线、变压器等设备而产生的热量和电磁能量的消耗现象,线损率的高低直接关系到电力系统的经济效益和供电质量。鉴于此,文章就低压台区同期线损异常分析的方法展开研究,这对于提高电力系统运行效率、降低能源消耗具有重要意义。