一种配电网馈线的线损异常评估方法及装置制造方法及图纸

本发明专利技术公开了一种配电网馈线的线损异常评估方法及装置，通过构建含分布式电源的配电网线损特征指标体系，将收集的线路区域的配电网线损数据和线损特征指标数据用于训练LSTM神经网络模型，得到最优配电网线损预测模型，以使基于最优配电网线损预测模型对待预测线损特征指标数据的线损预测，得到并基于第一配电网线损预测数据，生成配电网线损的线损合理置信区间；基于线损合理置信区间和改进的模糊C均值算法，对第一配电网线损预测数据聚类，获取疑似异常馈线，并通过计算疑似异常馈线的异常系数，实现对配电网线损异常程度的评估。与现有技术相比，本发明专利技术的技术方案通过创建异常系数评估线损异常程度，能提高对配电网线损异常评估的准确性。常评估的准确性。常评估的准确性。

【技术实现步骤摘要】
一种配电网馈线的线损异常评估方法及装置


[0001]本专利技术涉及配电网线损预测的
，特别是涉及一种配电网馈线的线损异常评估方法及装置。

技术介绍

[0002]随着国家“双碳”目标的提出，实施可再生能源替代行动，构建以新能源为主体的新型电力系统是国家的重要战略部署；风力发电、光伏发电等分布式电源大量接入配电网，使电网运行参数受到了较大影响；一方面，接入的分布式电源会对配网潮流造成影响，直接影响线路损耗；另一方面，其输出功率不稳定性又会带来诸如谐波、电压波动等一系列问题，影响配电网的供电电压质量。分布式电源带来的扰动与配电网原有扰动因素相互作用，使得电能质量扰动机理更加复杂，增加了配电网损耗分析的难度。因此，结合配电网的实际发展情况，分析分布式电源接入对配电网损耗的影响，准确诊断出异常线损，对有效开展节能降损工作，提高电力企业的经济效益具有重要意义。
[0003]对于配电网的线损异常诊断，目前研究有基于智能电表的线损分析模型，通过聚类算法实现配电网线损异常识别；根据配电台区线损率，基于k－means聚类算法的线损异常辨别，可以判断配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网馈线的线损异常评估方法，其特征在于，包括：获取并基于线损特征指标数据，构建含分布式电源的配电网线损特征指标体系，其中，所述线损特征指标数据包括天气因素、设备并网参数及配网运行数据；收集选取的线路区域在预设时间内的所有配电网线损数据，并基于所述配电网线损特征指标体系，收集所述线路区域在预设时间内的所有线损特征指标数据，分别对所述所有配电网线损数据和所述所有线损特征指标数据进行数据处理，得到标准配电网线损数据和标准线损特征指标数据，并将所述标准配电网线损数据和所述标准线损特征指标数据划分为训练数据集和测试数据集；基于LSTM算法构建LSTM神经网络模型，根据所述训练数据集和所述测试数据集对所述LSTM神经网络模型进行模型训练，确定最优配电网线损预测模型；获取不同分布式电源类型的待预测线损特征指标数据，将所述待预测线损特征指标数据输入到所述最优配电网线损预测模型，输出并根据不同分布式电源类型对应的第一配电网线损预测数据，计算得到不同分布式电源类型的配电网线损的线损合理置信区间；基于改进的模糊C均值算法对第一配电网线损预测数据进行一次聚类，得到一次聚类结果，基于所述线损合理置信区间，对所述一次聚类结果进行二次聚类，得到疑似异常馈线，计算所述疑似异常馈线的异常系数，根据所述异常系数，评估并得到所述疑似异常馈线的配电网线损异常程度。2.如权利要求1所述的一种配电网馈线的线损异常评估方法，其特征在于，收集选取的线路区域在预设时间内的所有配电网线损数据，并基于所述配电网线损特征指标体系，收集所述线路区域在预设时间内的所有线损特征指标数据，具体包括：获取配电网中各个线路区域的分布式电源渗透率，选取所述分布式电源渗透率大于预设分布式电源渗透率阈值的线路区域，收集所述线路区域在一年内的配电网线损数据；基于所述配电网线损特征指标体系，收集所述线路区域的线损特征指标数据。3.如权利要求1所述的一种配电网馈线的线损异常评估方法，其特征在于，分别对所述所有配电网线损数据和所述所有线损特征指标数据进行数据处理，得到标准配电网线损数据和标准化线损特征指标数据，具体包括：剔除所述所有配电网线损数据中的配电网线损数据负值，同时剔除所述所有配电网线损数据中线损率大于25％的配电网线损数据，得到第一配电网线损数据；判断所述所有第一配电网线损数据或所述所有线损特征指标数据中是否存在数据缺失值，若存在数据缺失值，则判断所述所有第一配电网线损数据或所述所有线损特征指标数据是否符合均匀分布，若是，则获取所述所有第一配电网线损数据或所述所有线损特征指标数据的均值，并将所述均值填充所述数据缺失值，若否，则获取所述所有第一配电网线损数据或所述所有线损特征指标数据的中位数，并将所述中位数填充所述数据缺失值，得到标准配电网线损数据和第一线损特征指标数据；对所述第一线损特征指标数据进行归一化处理，得到标准线损特征指标数据。4.如权利要求1所述的一种配电网馈线的线损异常评估方法，其特征在于，基于LSTM算法构建LSTM神经网络模型，根据所述训练数据集和所述测试数据集对所述LSTM神经网络模型进行模型训练，确定最优配电网线损预测模型，具体包括：基于LSTM算法构建LSTM神经网络模型，将所述训练数据集输入到所述LSTM神经网络模
型中进行模型训练，得到初始配电网线损预测模型，并将所述测试数据集输入到所述初始配电网线损预测模型中，得到所述测试数据集对应的配电网线损预测数据；将所述配电网线损预测数据与所述标准配电网线损数据进行对比，确定最优配电网线损预测模型。5.如权利要求1所述的一种配电网馈线的线损异常评估方法，其特征在于，所述线损特征指标数据包括天气因素、设备并网参数及配网运行数据，其中，所述天气因素包括平均温度、平均风速、光照时长、光照强度和降雨量，所述设备并网参数包括并网容量、并网位置、并网运行方式和上网电量，所述配网运行数据包括数据日期、电源类型、供电半径、线路负载率和供电量。6.如权利要求5所述的一种配电网馈线的线损异常评估方法，其特征在于，获取不同分布式电源类型的待预测线损特征指标数...

【专利技术属性】
技术研发人员：江泽涛，李固，李健，招景明，马喆非，党三磊，蔡永智，赵闻，姚智聪，彭龙，
申请(专利权)人：广东电网有限责任公司计量中心，
类型：发明
国别省市：