大数据在配电网低电压评估中的应用

于永军 祁晓笑 南东亮 亢朋朋 秦艳辉

（国网新疆电力公司电力科学研究院，乌鲁木齐 830012）

近年来，随着用电负荷的迅猛增长，全国各地的配电网层面（含中压和低压）均出现了不同程度的低电压现象。低电压一方面影响普通电器的正常和有效工作，对于使用变频设备的工厂，还会造成生产中断（变频器对电压幅度比较敏感）。

对于低电压现象，国网公司一直比较重视。每年，各县市局均会安排一定的资金用于配变增容、无功补偿、重负荷线路分流等项目。但这个工作从本质上讲具有滞后性，即往往出现了低电压情况（至少是苗头）才会立项改造。为了更好地解决配网层面的低电压问题，我们需要构建一个基于大数据的多维度评估模型，用尽可能多的配网数据（既包括运行数据，也包括设计数据）来预先评价已有配电网或将建配电网出现低电压的可能性，以期为合理安排技改项目提供科学依据。

1 配电网低电压的可能因素

关于配电网的电压合格率，一般涉及的是C类和D类。笔者结合多年工作经验，总结出以下可能造成低电压的原因。

1）管理因素。目前，10kV用户的配变和台区配变基本为五档无载调压型。电网负荷处于时刻变化之中（特别有些地区的负荷季节落差很大），再科学的设计也不可能让既有电网兼顾所有负荷状态。这就要求配电设备管理人员根据历史数据进行科学预测，并及时调整配变分接头，以使电压保持在合理区间。做不到这一点，电压合格率（特别是D类）将会不理想。

2）线路设备因素[1]。配电网因点多面广（特别是农网），难免存在设备通流能力跟不上负荷增长的情况。如线路线径过小、供电半径过长、配变容量过小、无功补偿不足等。

3）接线不合理[2]。主要指农村低压线路的接线，因其为三相四线型，很多施工人员会习惯在靠近电杆的导线上接线，容易造成三相不平衡。

分析配电网低压的可能因素，主要是为了在运用大数据的时候具有方向性。

2 基于大数据的多维度评估方法

多维度评估方法是指以各类可获取数据为基础，对这些数据进行合理分层，然后运用模糊综合评判方法，逐层评估，最终得到被评估线路（或台区）进行低电压治理的方略。

2.1 维度的确立和分层

众所周知，配电网从设计到运行会产生大量的数据，如线路规格、沿线配置、线路负载、故障次数、用户投诉、电压监测情况等等。从理论上讲，这些数据必然从某个方面反映着配网的健康状况。我们的首要任务就是将可获取数据（要求量化）进行聚类。以典型的 10kV公用配网线路（含台区）为例，其大数据维度划分如图1所示。

图1 配网大数据层次划分

相关说明：①“线径大小”、“供电半径”以及“配变容量”均细化到支线；②“电压监测”指设置在变电所10kV母线、用户10kV母线以及台区首末端等处的电压监测仪所上传的电压合格率数据；③“故障次数”指因线路或配变通流能力不足而导致的损坏，而不包括外力、雷击等因素造成的故障；④“电流情况”指调度 SCADA系统以及配网自动化装置（如有）采集到的线路电流，反映负载状况；⑤“低压投诉”95598接到的低电压报告；⑥“变频跳闸”指 10kV用户因电压下降而中断的生产次数。

2.2 各维度的评估

在完成大数据分层之后，就要建立对相关数据进行评价的模型。限于篇幅，文章将从第三层次维度、第二层次维度中各选一个来作评估介绍，其余可类推。

1）第三层次维度，选配变容量是否合理做评估

配变承担着电能供出的任务，配变容量不足将从根本上限制电压的抬升。而配变容量配置与台区负荷密切相关。鉴于目前能在线获取的电气量信息较为丰富，因此可以建立科学的负荷预测模型来为配变容量评价作辅助决策。笔者认为：基于大数据的负荷预测应综合确定性预测方法和不确定性预测方法的优缺点，将两者有机结合，如图2所示。

图2 基于大数据的台区负荷预测方法

在用图2模型求得负荷预测后，将预测值与配变容量作比对，产生三类评估等级：①好；指配变容量以很大裕度大于负荷预测。②中；指配变容量与负荷预测想接近。③差；指配变容量小于负荷预测。

2）第二层次维度，选“采集数据”做评估

由图1可知，“采集数据”维度主要包含了“电压监测”、“电流情况”以及“故障次数”等分维度。假设分维度已经评估完毕，即各自产生如“配变容量”评估相类似的评估结果，如“故障次数”可评估为“正常”、“一般”、“不正常”等三个状态。显然，第二层次维度与它所包含的第三层次维度间存在模糊关系，因此考虑用模糊综合评判模型来进行本项评估[3]。

（1）建立因素集：

∪ = {电压监测u1，故障次数u2，电流情况u3}

（2）建立评价集：V= {v1，v2，v3}；vi(i=1,2,3)的意义见表1。

表1 模糊综合评判中评价集意义

（4）选择一定人数专家，由其建立评判矩阵：

式中，rij为专家中认为因素ui造成“采集数据”维度被评估为vj的人数比例。

（5）得出综合评判结果

2.3 所有要素的组合

由前文内容可知，基于大数据的低电压评估，首先是完成第三层次维度的评估并得到三个档次的结果；然后运用模糊综合评判去完成第二层次维度的评估，也得到三个档次的结果。我们不妨认为：代表正常含义（或与此类似含义，以下同）的标定为 X，代表一般含义的标定为 Y，代表不正常含义的标定为 Z。这样，三个第二层次维度就可组合出一个拥有27种可能的总维度评估结果，详见表2。

表2 总维度评估的可能组合

相关解析：线路参数是最主要的硬件，其评估结果为正常，说明电网有较大潜力，低电压出现可能性不大，或者低电压为极短时现象，因此网络无需做改动；线路参数一般，说明电网接近低电压区域，但不是很严重，则应视不同区域采集数据和用户感知情况，进行针对性调整，如将某段线路进行调线、某段线路的三相负荷进行重新分配、配变分接头加强调节等；线路参数不正常，说明电网已不能承受正常负荷，低电压现象肯定大面积出现，因此应安排计划进行全线改造。

3 相关案例

以浙江东部某县供电公司为例，2013年原本计划用于低电压改造的项目为 79小项，预计资金为3450万元。

在采用上文展示的评估模型后，项目缩减至49项，资金也节省至2587万元。显著提升了投资有效性。相关结果见表3（节选）。

表3 案例部分结果

4 结论

基于大数据的配电网低电压评估方法能有效评价低电压的严重程度，以及评估出是挖掘电网潜力还是改造电网来应对低电压，对项目投资具有重要的辅助决策意义，是一种值得推广的方法。另外，这种方法将配电网的各类数据进行聚类联系，有利于从更深的层次上加强配网建设。当然，本方法也有一些缺点：如第三层次维度划分不够细，第二层次维度数量偏少等。这需要在以后的研究中加以改进。

[1] 严寒榕. 基于大数据的多维度评估模型探讨[J]. 通信世界, 2014, 42(6): 4-6.

[2] 孟祥萍, 片兆宇, 张龙斌, 等. 基于母线间脆弱信息协调的配电网低电压风险评估[J]. 电网技术, 2012,42(7): 219-223.

[3] 阮韬. 如何解决农村配电网低电压问题的探讨[J].科技风, 2011, 21(3): 43-45.