基于大数据的配网电压智能分析及诊断应用研究

潘 良，唐星祝，曾 伟，梁伟峰，许凌云

1.国网湖南省电力公司娄底供电分公司，湖南 娄底 417000

2.国网湖南省电力公司电力科学研究院，湖南 长沙 410007

“有电用，电好用”是永恒的主题。目前，电网企业正处于电力体制改革的重要时刻，而备受社会关注的就是为用户持续提供可靠、合格的电能，供电电压合格率是其中最为重要的一项指标。电压专业工作是受政府监管、履行社会责任的工作，也是保障公司持续发展的工作[1-4]。

用户电压合格率涉及变电站、线路、配变台区、用户等一连串环节，涉及调控、运检、营销、发展、项目管理中心等多个部门，涉及负荷参数、线路参数、配变台区参数、用户用电参数等多系统海量数据，迫切需要一套基于大数据的配网电压异常智能分析及诊断应用辅助供电电压治理工作。

1 总体目标

目前湖南全省台区数量超过29万个，用户数量超过2890万，并且与日俱增，数据量十分庞大，湖南电力在国网系统内主动率先打造省级电网电能质量精益管理体系，不断推进电压领域的大数据建设，全面对接全省海量的台区及用户电压数据，不断在电压专业上争先创优，提升电压专业精益化管理水平，以客户为中心，以降电压类投诉为目标，持续深化低电压、高电压等问题分析，并针对性开展治理，支撑“有电用”向“电好用”升级转型，增强客户用电体验，提高优质服务的能力和水平。

此课题在前期积累电力大数据的基础上，重点优化提升数据智能分析。一是研究基于大数据的变电站电压大数据智能分析及诊断应用系统，开发变电站电压统计分析和预警等模块功能。二是研究基于大数据的台区电压大数据智能分析及诊断应用系统，开发台区电压智能分析及诊断应用功能。三是研究基于大数据的用户电压大数据智能分析及诊断应用系统，开发用户低、高电压智能分析及诊断应用功能。

2 技术方案

2.1 总体框架

基于大数据的配电网电压大数据智能分析及诊断应用系统主要由三个部分构成（如图1所示），分别为数据源层、数据层和业务应用层。（1）数据源层，包括SCADA、AVC、PMS等多个系统配电网电压大数据智能分析及诊断所需要的全部相关数据。（2）数据层，收集存储数据源层中各业务系统中的数据，开展数据存储、抽取、挖掘、分析计算，为基于大数据的业务应用提供数据支撑。（3）业务应用层，基于大数据开展配电网电压大数据智能分析及诊断应用，包括电压合格率监测、AVC区间以及配变档位监测、低电压与过电压监测分析以及智能诊断和预警。

图1 系统架构图

2.2 主要功能

（1）基于大数据的变电站电压大数据智能分析及诊断应用系统，开发变电站电压智能分析及诊断应用功能。开展变电站电压统计分析和预警。对变电站主变调档统计涉及的主变数、线路数、线路带低压用户总户数、主变调档前线路配变台区出口电压合格率、主变调档后线路配变台区出口电压合格率、主变调档前线路配变台区下用户电压合格率、主变调档后线路配变台区下用户电压合格率、提升率、相关电压值等进行统计。

（2）基于大数据的台区电压大数据智能分析及诊断应用系统，开发新台区电压智能分析及诊断应用功能。开展新投配变台区统计分析和智能预警。对新投配变投运时间、配变档位数、运行档位、台区用户电压合格率、不平衡度、负载率等情况进行统计分析。

（3）基于大数据的用户电压大数据智能分析及诊断应用系统，开展用户低、高电压智能分析及诊断功能应用。与低电压模块结合起来，实现用户低、高电压统计分析和预警。数据分析比对后，可以发现以前看不到的有价值的数据和线索，让高、低电压问题都看得清、摸得准，用实际行动践行“不能用低电压问题损害群众利益”“不能用提高首端电压掩盖末端电压问题损害群众利益”的宗旨，让低电压、过电压无处遁形，实现低电压、过电压标本兼治。

2.3 算法支撑

（1）线路首末端电压降落，计算公式如下：

由式（1）可知，电压降低与线路传输功率、线路电阻、线路额定电压、导线横截面积、供电距离有关。

（2）台区电压状态划分。根据《电能质量供电电压偏差规范》（GB/T 12325—2008），220V单相供电电压偏差为标称电压的+7%、-10%，台区出口电压状态划范围如表1所示。

表1 台区出口电压状态划分

（3）关键指标统计。相关计算公式如下：

（4）智能分析与辅助决策。①聚类分析。聚类分析是基于数据特征按照相似性进行聚合，实现数据分类进而提供辅助决策的重要方法。文章中使用聚类分析实现台区电压异常分析和诊断功能。K-means模型是常用的聚类方法之一，基本原理为选择k个数据点作为初始中心，统计各个数据点到k个初始中心的距离，把每个对象分配给距离它最近的聚类中心，重新计算聚类中心，直至达成聚类中心不再变化等结束条件。②关联挖掘。电压异常与台区运行状态密切相关。通过关联挖掘可以识别其中的联系，辅助特征分析和智能诊断功能。Apriori是挖掘关联规则的常用算法，通过支持度（support）、置信度（confidence）等对完成关联规则的挖掘。通常设定最小支持度阈值和最小置信度阈值，满足阈值约束的规则即为强关联规则。

3 案例与成效分析

以国网湖南省电力有限公司娄底供电分公司为试点，对3个110kV变电站AVC调控区间、108台新投配变档位以及9123个用户的电压合格率开展大数据监测分析、关联特征挖掘、电压异常预警，有效推进AVC调控区间和新投配变档位的合理设置，验证了基于大数据的电压大数据智能分析及诊断应用系统功能的正确性和合理性。（1）台区低电压分布特征分析。基于大数据开展台区低电压分布特征分析，识别出造成台区低电压的主要原因为设备重过载、供电半径过长、导线线径过小等，占比分别为39.82%、33.17%、24.16%。（2）台区低电压原因分析与辅助决策。基于大数据识别导致电压偏低的主要因素包括台区配变及线路重过载、供电半径过长、线径过小、三相负荷不平衡、AVC设置不合理、低压无功补偿容量不足或可用率低、配变分接头设置不合理等，主要举措为加大低压线径、配变增容、增大低压线径、新建或分拆台区、优化AVC区间和配变分接头设置等。（3）台区电压异常预警。基于Apriori关联分析识别配电台区的容量、线路末端最低电压、台区低压侧最长主干线线径、最长供电半径与电压异常的关联关系，并基于该关联关系，实现对台区电压异常状态的预警。（4）电压控制策略的优化提升。基于实际运行大数据分析10kV母线电压合格率，通过开展AVC调控区间和配变档位分析，优化AVC定值、配变档位设置，经调整前后对比验证，大幅提高了AVC受控站和配变调档后的电压合格率。

4 结束语

该课题研究成果在试点公司、省公司应用成功，未来可以进一步推进管理创新，促进国网公司系统电压大数据智能分析治理工作全覆盖，全面提升配网电压智能分析诊断以及辅助决策能力。