面向智能电网的配电变压器重过载影响因素分析

根据配变的历史负荷信息、天气信息、用电客户信息等相关资料,统计分析了配变重过载的主要影响因素。首先根据互信息概念及对策理论算法计算所有特征变量对配变重过载情况发生的相对重要性,然后使用贝叶斯和全概率公式计算配变重过载概率与特征变量之间的关系,最后根据重过载概率与特征变量间的关系对配变进行编码分类。分析结果表明:配变重过载主要因素为行业类别、用电类别、日平均温度及月平均温度;配变重过载多发生于采矿、制造等生产行业,乡村重过载率要高于城镇重过载率;大部分配变重过载发生于温度较高和较低时,少量的配变重过载发生在温度适宜时。配变月重过载天数与配变分类情况相吻合。     

基于关注指标和深度学习的台区配变重过载预警方法研究

针对现行配变重过载治理方法过于被动的问题,结合电力大数据和深度学习技术提出了一种适用于大规模配电网分析的台区配变重过载预测方法。首先基于配变负载特性建立重载关注指标并建立二级过滤系统筛选出重过载风险较高的台区配变及其日期作为预测对象。然后充分考虑内外影响因素,建立卷积神经网络-门限循环单元深度学习模型实现负载率预测并转化为预警等级。实例证明了所提方法的有效性。     

大数据挖掘助力全面提升电网监控水平

SCADA系统是支撑电网调度运行的基础,监控人员主要通过此系统获取电网运行状态的一系列海量信息。随着电网规模的不断增大,监控信息海量增长。电网监控工作缺乏有效分析手段,监控人员压力大、疲于应付,不利于事故和异常信号的处理。本文采用大数据分析工具,利用SCADA系统现有的海量电网运行信息,深入探究了主变油温和负载率的关系,给出主变油温和负载率之间的变化函数,并得到重过载边界主变油温阈值;构建10 k V配电线路负荷快变预警模型,结合10 k V线路的15分钟负荷数据变化特点,快速判断配网线路运行状态,及时给出预警;融合外部天气等数据,建立主变重过载趋势预警模型,为电网运行潜在风险的分析识别及指导电网的科学规划建设奠定了坚实的基础。     

福建:有效治理低电压

<正>通过企业级大数据平台技术支撑,开展配变重过载风险预警分析,优化降低配变重过载水平,在配电网低电压及频繁停电专项整治取得成效。赤溪镇位于福建省北部的宁德电网末梢,原来仅靠10千伏单回路供电,最长供电半径48公里,每到制茶高峰期,常出现低电压现象,加上地处雷区,一年停电多达三四十次。2014年,     

基于DBN和K-means聚类的配变重过载预警方法

针对配电变压器台区容量配置不合理、重过载现象频繁发生等带来的小样本精确预测问题,提出了一种新的配电变压器重过载预警方法。首先建立满足大数据样本学习要求的扩充样本池;采集配电变压器负荷数据、社会发展统计数据、气象数据等,选取造成重过载的输入特征变量,聚合形成精选的特征数据样本;进而构建重过载预警深度信念网络学习模型,通过分析重过载配变发展态势,短、中期预测预警,选取年负荷曲线进行K-means聚类分析,形成重过载预警清单,实现配电变压器安全隐患的预判。可解决配电变压器采样系统投运时间短训练样本数据不充足问题,实现对重过载配电变压器的风险防范和容量的优化调整。通过算例验证了模型预测的有效性。     

台区重过载预警与风险评估系统研究与实现

设备重过载运行是引起故障停电的重要因素之一,开展重过载事预警与风险评估,对于及时消除故障隐患、指导设备升级改造具有重要作用。作为大数据应用研究的一个切入点,中国电力科学研究院与国网山东省电力公司合作研发了台区重过载预警与风险评估系统。文章从系统总体架构、系统功能以及系统实现3个方面详细介绍了系统的设计和实现方法。该系统具有历史重过载多维分析、重过载关联因素分析、台区重过载预警和风险评估4个功能,同时采用城市电力地图的理念,依托电网GIS和多种可视化工具,实现对重过载台区的精准定位,并通过对多维度分析结果的展示,探寻重过载的原因、规律和影响的用户,为日常运维检修和重要时期保供电提供支撑。     

基于随机森林理论的配电变压器重过载预测

针对使用传统分类器预测配变重过载会因为重过载样本率较低而带来的总正确率很高,重过载预测正确率却很低这一问题,将重抽样与随机森林理论引入分类模型中,构建重抽样-随机森林分类器对配变重过载进行预测。首先将观测中重过载样本和正常样本按照一定的比例进行抽样形成新的子样本,重复上述过程获得大量的新子样本。接着根据随机森林理论构建一系列的分类器,并用新子样本对分类器进行训练,得到分类模型。最终的预测结果由所有分类器预测结果的众数所决定。对山东省某市的配变进行重过载预测,并将上述方法与传统分类器进行比较。结果表明,新方法在预测配变日重过载类型、重过载开始与结束时间、重过载严重程度方面有较高的准确率。     

湘赣电讯

<正>江西:厉兵秣马保障春节供电为确保春节期间的可靠供电和优质服务,让广大人民群众过一个欢乐、祥和的春节,国网江西省电力公司印发了《关于加强春节期间保障居民可靠供电和优质服务工作》的通知,将各项保供电措施早部署、早落实。为提高配网供电可靠性,该公司结合2013年迎峰度夏电网运行情况和春节期间配网设备过载风险的分析,提前研判中低压供电线路、配变在春节高峰负荷时期的承载能力,为844条供电线路和7607台配变建立了预警档案。目前,已采取负荷转移、线路增容的方式整治了732条可能出现重过载的线路;开展配变三相不平衡调整、配变增容改造和梯度利用,对6509个春节期间可能出现较严重过载情况的配电台区实施治理,并要求在1月20日前完成各项配网运维工作,及时消除设备缺陷。     

配变重过载下的配网运营动态监控平台实时任务容错调度算法

研究配变重过载下的配网运营动态监控平台实时任务容错调度算法,以解决配网运营动态监控平台执行配变重过载监控任务时可调度性差的问题。依据分层调度思想,将实时任务容错调度划分为上层调度算法和下层调度算法,通过上层调度算法利用Logistic模型预测是否存在配变重过载情况,存在配变重过载情况时,进入下层调度算法。下层调度算法利用平台的优先级属性列表,建立平台管理机执行配变重过载动态监控任务时的有效传递函数,利用码元调制方法获取平台任务调度输出,保障配网运营动态监控平台稳定执行配变重过载动态监控任务。实例分析结果表明,配网运营动态监控同时执行30个配变重过载动态监控任务时,其容错调度成功率高于93%,验证该算法具有良好的实时任务容错调度有效性。     

基于变分模态分解和复合变量选取的短期负荷预测

精准的短期负荷预测是实现电网精益化运行和管理重要保障,但存在短期负荷波动性强、负荷预测关键影响因素选取困难等精准预测难题。本文利用变分模态分解将原始电力负荷数据分解为多个子序列,挖掘短期负荷波动特征的同时避免模态混叠问题,提出复合变量选取算法分析筛选影响负荷波动的关键因素,有效去除预测干扰信息并进一步简化预测模型的复杂度,通过兼顾数据短期依赖和长期依赖的长短时记忆神经网络对各子序列进行预测,并将各子序列预测结果进行叠加实现最终的短期负荷预测,据此建立基于变分模态分解和复合变量选取的短期负荷预测方法。选取2019整年长沙市实际数据验证结果表明,本文提出算法在复杂外部影响因素下,能准确筛选负荷预测的关键影响因素,相比传统预测模型,提出模型结构更简单、预测精度更高。     

农网公配变重过载研究分析及治理策略探讨

农村电网为农村用户生活和生产提供优质的电力服务。用户电力需求量逐年增大,农村电网受到的压力也逐年增加,需要建立更加坚强的配电网来迎接客户需求的挑战。目前公配变重过载治理套路不明确,对现存低压电网实际情况、台区重过载的根本原因没有深入研究,未制定标准化流程及治理策略。为推进农网公配变重过载的治理效率,本文通过对台区的系统性走访梳理,掌握负荷需求及存量重过载台区网架;对计量自动化系统进行全面清查,保证基础数据的正确性和有效性;结合提出的重过载治理技术规范和治理紧急优先度定级,形成管控治理套路。最后以南宁供电局江南分局2018年公配变重过载治理作为算例,治理效率提升至64.71%。     

基于实时管控平台的配电网精益化管理模式分析与应用

为提高配电网运行监控能力,降低运行风险,并为配电网建设精准投资提供有效数据支撑,提出了"全面实时管控、构建大数据平台、集中综合优势、建立全方位管理模式"的理念,考核关键指标,实现对电网故障跳闸、重过载、停运、母线电压越限、配变低电压、三相不平衡等异常情况的整治改造。经实际运用,该模式为电网运行与改造提供了精细化管理,实现了"监测准、立项精、效果好"的目标,有效提升了电网电压合格率及供电可靠性。     

基于深度学习的变压器负载能力评估与应用

在电力系统中,变电容量的不同主要是受变压器系统负载能力的直接影响。在电力变压器正常状态或事故状况下过载时,就需电力变压器不因过载而损坏,并确保有充分时间把过载运行限制在安全稳定范围内,所以针对电力变压器负载能力的预先评测与预警,对于大电网系统安全稳定运行至关重要。为此,基于大数据人工智能技术,采用温度计算模型,考虑多参量影响,融合电网运行数据,对变压器过载能力进行预测评估研究,并通过工程实践证明了该方法的有效性,在为保障变压器稳定运行提供依据的同时满足了实际运行需要。     

泛在电力物联网下配网台区状态综合评估研究

针对现有配网投资未考虑客户诉求和电网结构之间关系的问题,提出基于电力客户诉求和配变运行状态的配网台区状态综合评估方法。首先基于用户诉求信息,构建配网台区投诉数据池,借助自然语言处理等技术,从投诉数据池中提取供电质量相关的客户诉求特征,运用AHP算法构建基于客户诉求的台区状态评估模型;其次基于台区配变负载、电压等运行数据,提取配变运行状态特征指标,采用Topsis评估算法构建基于配变运行状态的台区状态评估模型;最后依托模型评估结果,结合专家经验,综合评估台区可靠性,得出配网薄弱环节,辅助指导配变投资项目优先顺序,提升精准投资效能和客户用电满意度。     

基于天气因素的配电网故障停电风险预测研究

预测配电网运行中的潜在风险对配电网运维有重要的意义。因此,提出一种基于天气因素的配电线路故障停电预测方法。分析配电网故障停电概率与天气变量及其他可能因素变量之间的关联关系,得出故障特征变量,并基于ReliefF算法对故障特征变量合集与配电网故障停电概率进行关联性分析,得到故障特征变量的重要程度权重排序。依据主要故障特征变量,形成基于XGBoost算法的配电线路故障停电预测模型,并对预测结果进行评估及算例验证。通过算例证明该方法可实现对配电网线路故障停电概率的预测,有利于及时发布故障预警信息,为配电网运维部门提供运维指导。     

气象大数据在运检智能管控中的应用

气象综合展示功能作为冀北智能运维管控系统的一个功能模块,以GIS平台为前端,通过对气象数据、监测数据、运维数据等大数据集成分析,建立气象灾害预测预警模型,将气象局的数值预报与其它信息相结合,进行综合分析,自动生成气象预警和告警信息,用于指导冀北电网线路运维防灾减灾工作。     

基于大数据的广州电网输电线路跳闸分析及相关因素关联性挖掘

为提高广州地区电网的安全稳定,在分析近年来广州地区雷电活动情况的基础上,总结了广州电网输电线路的运行状况和雷击跳闸情况,基于大数据技术建立了电网输电设备状态监测系统。该系统能够结合三维数字仿真平台直观地分析输电线路跳闸对一定范围内线路电压电流的暂态影响情况;同时利用大数据挖掘技术分析输电线路跳闸、电压暂变与雷击的相关性,挖掘潜在的弱关联关系。所建系统能够有针对性地建立全网雷击与跳闸以及相关因素信息数据库,为电网运行制订防护原则、开展防雷日常运维工作、提高全网运行水平提供有效技术支持。     

配网主站系统的配变运维关键技术分析

配网设备在供电环节起着至关重要的作用,设备的状态监测及运维检修直接影响配网供电质量和稳定性,而配网变压器是配网设备中非常重要的部分,其运行可靠性很大程度上决定了电网运行的安全性。供电企业越来越关注供电保障与稳定性,以提升用户的用电质量,而传统的数据分析模式已无法满足规模日益增大的配电网规模。主要针对目前配变在线状态监测功能的状况及配变设备运维的重要性,设计网格化区域管理方式,基于设备主人的运维理念,强化设备主人对现场设备的负荷、环境监控和隐患消除能力,结合负荷预警和智能告警,改善目前处理配变设备异常的被动应对状况。     

配电网馈线负荷预测及风险评估预警分析方法

配电网馈线重过载运行是影响配电网可靠性的重要因素,为了掌握配电网馈线运行情况和预警馈线风险状况,提出了配电网馈线负荷预测及风险预警分析方法。首先基于用户负荷特性分析,采用聚类分析方法将用户类别进行细分。其次开展负荷分布预测,并基于用户聚类分析结果,确定用户负荷叠加结果,提出馈线负荷预测方法。然后基于馈线负荷结果,考虑馈线重过载运行对配电网供电可靠性的影响程度,提出馈线风险评估和风险预警方法。最后通过实例分析验证了研究成果的有效性。     

计及输电线路舞动预测的电网短期风险评估

为了准备评估覆冰舞动环境下电网的短期运行风险,保障输电线路的正常运维,提出了一种计及输电线路舞动预测的电网短期风险评估方法。定量地抓住决定事故风险程度的两个因素:故障可能性指标和后果严重度指标,从整体层面把握舞动对电网短期运行风险的影响。其中可能性指标通过BP神经网络预测舞动概率值和通过频次法划分的舞动分区图综合计算得到,后果严重度指标根据输电线路故障断开后的支路过载和母线电压越限指标计算得到。以河南电网的历史舞动数据进行算例分析,结果表明所提方法能有效评估电网的短期运行风险评估,舞动预警和电网风险评估结果可以为电网调度和线路运维人员提供决策支撑,及早调整运行方式或者进行防舞作业,降低舞动对电网安全运行的影响。