基于用电计量数据联合分布的无功补偿装置异常感知方法制造方法及图纸

一种基于用电计量数据联合分布的无功补偿装置异常感知方法，是将用户历史用电数据中的日计量数据进行标签数据状态划分，从中选取有功功率和功率因数建立特征矩阵集并标识标签数据状态后形成样本标签集，用样本标签集训练获得成熟的识别分类模型，再用该模型对待检测日的特征矩阵集进行验证，根据是否被分类模型识别为异常标签来判断该待检测日的无功补偿装置是否异常。本方法具有检测无功补偿装置的轻微故障和容量设定不足的能力，漏报率与误报率明显低于仅根据功率因数判断异常的方法，能及时检出无功补偿装置早期轻微故障和用电负荷增加造成的无功补偿装置容量设定不足的现象，提高用电能效。提高用电能效。

【技术实现步骤摘要】
基于用电计量数据联合分布的无功补偿装置异常感知方法


[0001]本专利技术属于电力装置异常检测领域，涉及用户侧无功补偿装置异常感知，具体涉及基于计量数据的联合分布特性采用监督学习方法来精准感知电力用户无功补偿装置的轻微故障和容量设定不足的方法。

技术介绍

[0002]无功补偿是电力系统经济运行的基础性措施，但目前用户侧无功补偿的配置和运维还停留在前数字化时代，未能充分挖掘利用数字化带来的技术进步。当前，对一般工商业等用户仅要求按报装容量的20％～40％配置无功补偿，相当数量的一般工商业用户缺乏用电知识，不能及时感知无功补偿装置故障和无功补偿容量设定不足现象，导致设备异常后长期带病运行，增大电网线损和用户用能成本。在用户无功异常感知中引入数据驱动方法，对提高用户无功补偿的运维水平有重要的应用价值。
[0003]无功补偿装置异常的用户尽管绝对数量不小，但在体量庞大的用户群体中的占比有限。供电企业拥有用户的完整用电计量数据，从提高效费比、促进工程应用的角度来看，由供电企业从计量数据中萃取无功补偿装置运行状态信息后协调第三方进行用户运维，是感知和消除用户无功补偿装置异常的理想途径。
[0004]目前在无功补偿装置的异常感知与检测方面，已有一些可用的技术方法。电力用户根据电费账单中力调电费信息，即可感知无功补偿装置的异常。近年来得到推广应用的智能化无功补偿装置，也能根据状态监测信息进行故障告警，基于装置就地的告警信息可大致判断故障类型。具有完备运维体系的变电系统中，运维人员采用电气量在线监测和局放检测等方式不但能及时检出无功补偿装置故障异常，还可准确判断故障类型和故障部件。需要指出的是，以上异常感知与检测方法，要求用户具有一定的专业知识并定期进行巡查维护运维.工程实际中有大量用电量有限的一般工商业用户缺乏必要的专业知识和运维，难以及时感知无功补偿装置异常，导致无功补偿装置长期带病运行，用电能效降低。
[0005]实践中，有供电企业根据计量数据判断用户无功补偿装置的异常并进行告警提醒。但仅根据功率因数偏低告警会在用户轻载时造成大量误报；结合负荷大小和功率因数偏低进行告警，又会存在阈值设置困难的问题，还是容易误报。已有文献也有关于无功补偿设备故障检测的方法，如，CN115000973A的基于无功补偿特征量聚类的电力用户无功补偿设备故障检测方法，是通过筛选月功率因数达标的计量数据建立正常无功补偿特征量样本库，并对待检测样本进行无功补偿特征量聚类，以是否形成新的类簇来判断设备故障。然而，当设备轻微故障时，往往造成无功补偿特征量(功率因数或无功功率)与正常运行状态的无功补偿特征量差异较小，易导致故障日无功补偿特征量与正常样本库的无功补偿特征量聚为同一类簇而造成漏报。

技术实现思路

[0006]本专利技术的目的是，针对上述现有技术中存在的问题，提供一种基于用电计量数据
联合分布的无功补偿装置异常感知方法，本方法利用无功补偿会将功率因数控制在目标区间的特点，基于有功负荷与功率因数的联合分布来检测用户无功补偿装置的异常，具有感知轻微故障和容量设定不足的能力，漏报率明显较低，能有效提高用电能效。
[0007]为了达到上述目的，本专利技术所采用的技术方案是：基于用电计量数据联合分布的无功补偿装置异常感知方法，该方法步骤如下：
[0008]步骤1：获取电力用户历史用电数据中的日计量数据，以此建立样本库，根据该用户每月的月平均功率因数值将样本库中的日计量数据按月分为正常标签数据和异常标签数据，并将正常标签数据的标签数据状态标识为正常标签，异常标签数据的标签数据状态标识为异常标签。
[0009]上述提及的电力用户的历史用电数据从电力用户侧的智能电表中获取，为本领域的常规技术。
[0010]无功补偿装置主要包括SVC、STATCOM和并联电容器组，其中SVC应用最为普及。无功补偿起到改善功率因数、降低用户用电成本的作用，但受补偿设备安装工艺、过电压、过电流、积尘和设备老化等因素影响，容易出现异常(即出现无功补偿装置故障或容量设定不足的情况)。
[0011]尽管无功补偿装置异常成因种类繁多，最终一般会发展和表现为装置系统无法正常执行无功补偿功能，导致用户功率因数下降。由于未达到所属类型的电网功率因数考核标准的用户要进行力调罚款，因此，本专利技术设定了一阈值，并将设定阈值设为：电力用户所属用户类型的功率因数电网考核标准≤设定阈值<1，并以月平均功率因数≥设定阈值的月份所对应的日计量数据作为样本库中的正常标签数据、月平均功率因数＜设定阈值的月份所对应的日计量数据作为样本库中的异常标签数据，能尽可能地保证样本库中正常和异常标签数据分别对应为无功补偿装置正常及异常运行状态下的计量数据。
[0012]步骤2：获取该用户样本库中每日每隔相同时间段采样时的有功功率及功率因数数据，并以此建立特征矩阵集；所有特征矩阵集的数据根据步骤1中每月日计量数据的标签数据状态标识标签数据状态后形成为标签数据集(如，若用户某月的计量数据为正常标签数据，那么该月任何一天建立的特征矩阵集数据均为正常标签数据，并标识为正常标签；若某月的计量数据为异常标签数据，那么该月任何一天建立的特征矩阵集数据均为异常标签数据，并标识为异常标签。标签数据集包括数据被标识为正常标签的特征矩阵集(即正常运行状态的特征矩阵集)和数据被标识为异常标签的特征矩阵集(异常运行状态的特征矩阵集))，将形成的标签数据集采用督促学习方法进行训练直至获得训练成熟(训练成熟是指所获得的识别分类模型的识别准确率高于95％)的识别分类模型。
[0013]上述提及的相同时间段可以从1min
‑
60min中选取，优选每隔15min进行采样。
[0014]其中上述提及的特征矩阵集的建立为本领域的常规技术。特征矩阵集的生成描述如下：
[0015]a).定义一组n
×
2的电气量矩阵数组其中：p
k
和分别表示为采样点为k时的有功功率及功率因数数值，n为该数组包含的智能电表总采样点数。
[0016]采样时，每天按相同的时间间隔记录有功功率、功率因数，时间间隔典型为15min。上述提及的α数组中有功功率与功率因数数据可为三相用电数据或者单相用电数据。
[0017]b).对α矩阵进行标准化操作如下：
[0018][0019][0020]得其中，β表示标准化后的有功功率与功率因数二维数组，
[0021]c).对β矩阵第一列和第二列分别均匀分成o及p份得(、β
2j
＝[1/p
×
(j
‑
1),1/p
×
j](j＝1,2...p)。
[0022]d).定义集合A
ij
＝(i,j)，(i＝1,2
…
,o；j＝1,2,
…
,p)，对于数组β中共n个行向量，定义第l个行向量中若p
’
l
属于区间集合β
1x
且属于区间集合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用电计量数据联合分布的无功补偿装置异常感知方法，其特征在于，该方法步骤如下：步骤1：以电力用户历史用电数据中的日计量数据建立样本库，根据该用户每月的月平均功率因数值将样本库中的日计量数据按月分为正常标签数据和异常标签数据，并将正常标签数据的标签数据状态标识为正常标签，异常标签数据的标签数据状态标识为异常标签；步骤2：获取该用户样本库中每日每隔相同时间段采样时的有功功率及功率因数数据，并建立特征矩阵集；所有特征矩阵集的数据根据步骤1中每月日计量数据的标签数据状态标识标签数据状态后形成为标签数据集，将标签数据集采用有监督学习方法进行训练直至获得训练成熟的识别分类模型；步骤3：获取该用户待检测日当日每隔与步骤2相同的时间段采样时的有功功率和功率因数数据，并建立特征矩阵集；利用步骤2获得的识别分类模型对该待检测日的特征矩阵集进行检验，若该待检测日的特征矩阵集数据被该识别分类模型识别为异常标签，则判断该用户待检测日的无功补偿装置出现异常，否则无功补偿装置正常。2.如权利要求1所述的基于用电计量数据联合分布的无功补偿装置异常感知方法，其特征在于，所述步骤1中是将用户样本库中月平均功率因数≥...

【专利技术属性】
技术研发人员：苏盛，张傲，李彬，翟中祥，冯萧飞，郭丽娟，王娜，程金华，谢耀霆，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：