一种省级计量关口的计量点异常评估方法技术

本发明专利技术提出一种省级计量关口的计量点异常评估方法，用于对涉及220kV变电站部分线路和220kV以上的电厂的计量点异常进行评估，选择与省级计量关口匹配的prophet模型对发电厂、变电站、母线进行损耗阈值预测，在预测过程中以该模型自行结合输入输出电量、周期性、节假日、国际煤价、停送电计划因素，从电气参数中精确地、全面地预测每一关口的损耗阈值，为关口是否存在异常进行初步判断，再针对超出预测损耗阈值的计量点，根据厂站类型、电压、二次设备比差和角差、温度、采集率、是否在小负荷状态等电气状态使用XGBoost模型进行异常确认，得到计量点异常的综合研判结果；本发明专利技术可以对计量点进行异常评估。量点进行异常评估。量点进行异常评估。

【技术实现步骤摘要】
一种省级计量关口的计量点异常评估方法


[0001]本专利技术涉及电力运营
，尤其是一种省级计量关口的计量点异常评估方法。

技术介绍

[0002]省级计量关口涉及220kV变电站部分线路和220kV以上的电厂的计量点，省级关口计量点的电压电流综合倍率通常为百万，甚至千万，一旦出现计量点异常，将产生巨大的差错电量，因此需要实时关注计量点是否出现异常。目前采用的是监测线损、变损是否超过阈值来判断计量点是否出现接线接触不良、低压二次回路电压并列或切换装置未动作等异常。
[0003]当前常采用的是历史数据剔除法得到线损、变损的阈值，其是通过收集历史的正常线损、变损数值，剔除较大和较小的历史数值后取上下限作为变损、线损阈值。
[0004]历史数据剔除法主要存在以下不足之处：
[0005](1)对负损耗经常出现误判。省级计量关口的综合倍率较高，而普通电能计量装置示数通常虽然能记录小数点后8位，但当前的电能信息采集系统通常只能采集小数点后2位，少数能采集4位，即计量点的输入或输出电量达到变化阈值(综合倍率乘以0.01)电能信息采集系统才能采集到变化。这就造成当输入电量未达到采集变化阈值时，虽然电能计量装置在计数，但采集系统采集不到输入电量，若此时输出电量刚好超过变化阈值，系统检测到的输出电量超过输入电量，出现负损耗，判定此计量点出现异常，但这类异常由系统误差造成的，实际现场并没有异常。
[0006](2)阈值精度不足，对计量点异常误判多。变损、线损除固定损耗外，与发电电量、温湿度、发电计划等等都有关系，仅靠历史的损耗数值确定正常范围，损耗阈值较为粗放。

技术实现思路

[0007]本专利技术提出一种省级计量关口的计量点异常评估方法，可以对计量点进行异常评估。
[0008]本专利技术采用以下技术方案。
[0009]一种省级计量关口的计量点异常评估方法，用于对涉及220kV变电站部分线路和220kV以上的电厂的计量点异常进行评估，选择与省级计量关口匹配的prophet模型对发电厂、变电站、母线进行损耗阈值预测，在预测过程中以该模型自行结合输入输出电量、周期性、节假日、国际煤价、停送电计划因素，从电气参数中精确地、全面地预测每一关口的损耗阈值，为关口是否存在异常进行初步判断，再针对超出预测损耗阈值的计量点，根据厂站类型、电压、二次设备比差和角差、温度、采集率、是否在小负荷状态等电气状态使用XGBoost模型进行异常确认，得到计量点异常的综合研判结果。
[0010]所述prophet模型，其模型的算法参数中包括季节项，趋势项，节假日项，剩余项，以公式表述为：
[0011]y(t)＝g(t)+s(t)+h(t)+η
t
ꢀꢀ
公式一；
[0012]其中y(t)表示预测值；g(t)表示趋势项，表示时间序列在非周期上面的变化趋势；s(t)表示周期项，即季节项，以周或者年为单位，模型用傅里叶级数来模拟时间序列的周期性；
[0013]h(t)表示节假日项，表示在当天是否存在节假日，模型中通过一个相应的指示函数和一个影响因子的参数分布来表示节假日的影响范围；η(t)表示误差项，即剩余项；
[0014]所述prophet模型，其趋势项包括基于逻辑回归的函数和基于分段的线性函数，逻辑回归的趋势项函数与变点选择、最大渐进值、增长率、增长率变化相关，分段的线性函数与增长率、趋势变化率、偏移参数相关；
[0015]所述prophet模型结合电气参数属性，使用XGBoost模型进行异常判断；所述电气参数属性包括厂站类型、电压、二次设备比差和角差、温度、采集率、是否在小负荷状态。
[0016]所述评估方法包括以下步骤；
[0017]步骤一、数据的采集与整理：基于现有电力营销业务应用系统、用电信息采集系统现有建设条件，对计量点的厂站类型、每日输入输出电量、电压、二次设备比差和角差、停送电计划、采集成功率的数据进行远程采集；根据计量点所在区域的温度、当日的动力煤价格等情况科学地、充分地考虑多方面指标，建立省级关口计量点的异常判断指标；
[0018]步骤二、建立改进的适应省级关口prophet模型与XGBoost模型；
[0019]步骤三、prophet模型预测与XGBoost模型异常判断：根据步骤一、二的说明，每半个月将往年计量点数据输入到对应的prophet模型中，得到未来下半个月计量点预测损耗阈值；在未来的半个月中，当计量点实际损耗率超出预测损耗阈值时，建立该计量点当日属性表，使用XGBoost模型进行异常值判断。
[0020]步骤一中，prophet模型的输入参数含义与指标如下：
[0021]在设定prophet模型的趋势项参数时，将变压器、母线历史日损耗率作为prophet模型的趋势项，预测未来损耗区间，历史日损耗率ρ(t)公式为：
[0022][0023]其中X
输入
(t)、X
输出
(t)分别为变压器和母线的输入电量、输出电量。并将日期与损耗率一一对应；
[0024]在设定prophet模型的季节项参数时，模型中水电、风电、光伏发电量受季节降雨、阴雨天气影响较大，相关的变压器、母线计量点的季节项设置以年为周期；火电发电量受用户侧用电量影响，在冬夏两季用电较高，相关的变压器、母线计量点的季节项设置以季度为周期；核电发电量稳定，相关的变压器、母线计量点的季节项删去；
[0025]在设定prophet模型的节假日参数时，由于模型中电厂、变电站等电量输入输出电量仅在春节、国庆下降比较明显，在五一节略有波动，在清明、端午、中秋假期的波动并不明显，因此节假日参数日期输入为当年的春节、国庆节、五一劳动节，其中春节和国庆节的节假日影响因子比五一劳动节的大；由于停送电计划是影响输入输出电量的关键因素，停送电日期也作为节假日参数，且影响因子比春节和国庆节的节假日影响因子大；
[0026]在设定prophet模型的动力煤价格综合增长率α时，对于火电而言，动力煤价格影
响着火电厂的发电积极性，进而影响相关计量点的输入输出电量，因此综合电厂所采购的动力煤价格同比增长率α
同比
、环比增长率α
环比
、较昨日增长率α
昨日
计算得到动力煤价格综合增长率α，其公式为：
[0027][0028]步骤一中，XGBoost模型的输入参数含义与指标如下：
[0029]A、实际损耗是否超过预测损耗阈值：根据prophet模型得到的预测损耗阈值对比实际损耗阈值，判断实际损耗是否超过预测损耗的上下界，因此实际损耗是否超过预测损耗阈值输入参数分别为是与否；
[0030]B、计量点厂站类型：模型中，发电厂的综合倍率高于变电站和母线，负损耗波动更为明显，实际损耗更容易超过预测损耗阈值，因此厂站类型输入分别为发电厂、变电站和母线；
[0031]C、二次设备比差和角差：模型中，二次设备的精度影响着计量的输入输出电量，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种省级计量关口的计量点异常评估方法，用于对涉及220kV变电站部分线路和220kV以上的电厂的计量点异常进行评估，其特征在于：选择与省级计量关口匹配的prophet模型对发电厂、变电站、母线进行损耗阈值预测，在预测过程中以该模型自行结合输入输出电量、周期性、节假日、国际煤价、停送电计划因素，从电气参数中精确地、全面地预测每一关口的损耗阈值，为关口是否存在异常进行初步判断，再针对超出预测损耗阈值的计量点，根据厂站类型、电压、二次设备比差和角差、温度、采集率、是否在小负荷状态等电气状态使用XGBoost模型进行异常确认，得到计量点异常的综合研判结果。2.根据权利要求1所述的一种省级计量关口的计量点异常评估方法，其特征在于：所述prophet模型，其模型的算法参数中包括季节项，趋势项，节假日项，剩余项，以公式表述为：y(t)＝g(t)+s(t)+h(t)+η
i
ꢀꢀꢀꢀꢀ
公式一；其中y(t)表示预测值；g(t)表示趋势项，表示时间序列在非周期上面的变化趋势；s(t)表示周期项，即季节项，以周或者年为单位，模型用傅里叶级数来模拟时间序列的周期性；h(t)表示节假日项，表示在当天是否存在节假日，模型中通过一个相应的指示函数和一个影响因子的参数分布来表示节假日的影响范围；η(t)表示误差项，即剩余项；所述prophet模型，其趋势项包括基于逻辑回归的函数和基于分段的线性函数，逻辑回归的趋势项函数与变点选择、最大渐进值、增长率、增长率变化相关，分段的线性函数与增长率、趋势变化率、偏移参数相关；所述prophet模型结合电气参数属性，使用XGBoost模型进行异常判断；所述电气参数属性包括厂站类型、电压、二次设备比差和角差、温度、采集率、是否在小负荷状态。3.根据权利要求2所述的一种省级计量关口的计量点异常评估方法，其特征在于：所述评估方法包括以下步骤；步骤一、数据的采集与整理：基于现有电力营销业务应用系统、用电信息采集系统现有建设条件，对计量点的厂站类型、每日输入输出电量、电压、二次设备比差和角差、停送电计划、采集成功率的数据进行远程采集；根据计量点所在区域的温度、当日的动力煤价格等情况科学地、充分地考虑多方面指标，建立省级关口计量点的异常判断指标；步骤二、建立改进的适应省级关口prophet模型与XGBoost模型；步骤三、prophet模型预测与XGBoost模型异常判断：根据步骤一、二的说明，每半个月将往年计量点数据输入到对应的prophet模型中，得到未来下半个月计量点预测损耗阈值；在未来的半个月中，当计量点实际损耗率超出预测损耗阈值时，建立该计量点当日属性表，使用XGBoost模型进行异常值判断。4.根据权利要求3所述的一种省级计量关口的计量点异常评估方法，其特征在于：步骤一中，prophet模型的输入参数含义与指标如下：在设定prophet模型的趋势项参数时，将变压器、母线历史日损耗率作为prophet模型的趋势项，预测未来损耗区间，历史日损耗率ρ(t)公式为：其中X
输入
(t)、X
输出
(t)分别为变压器和母线的输入电量、输出电量。并将日期与损耗率一一对应；
在设定prophet模型的季节项参数时，模型中水电、风电、光伏发电量受季节降雨、阴雨天气影响较大，相关的变压器、母线计量点的季节项设置以年为周期；火电发电量受用户侧用电量影响，在冬夏两季用电较高，相关的变压器、母线计量点的季节项设置以季度为周期；核电发电量稳定，相关的变压器、母线计量点的季节项删去；在设定prophet模型的节假日参数时，由于模型中电厂、变电站等电量输入输出电量仅在春节、国庆下降比较明显，在五一节略有波动，在清明、端午、中秋假期的波动并不明显，因此节假日参数日期输入为当年的春节、国庆节、五一劳动节，其中春节和国庆节的节假日影响因子比五一劳动节的大；由于停送电计划是影响输入输出电量的关键因素，停送电日期也作为节假日参数，且影响因子比春节和国庆节的节假日影响因子大；在设定prophet模型的动力煤价格综合增长率α时，对于火电而言，动力煤价格影响着火电厂的发电积极性，进而影响相关计量点的输入输出电量，因此综合电厂所采购的动力煤价格同比增长率α
同比
、环比增长率α
环比

【专利技术属性】
技术研发人员：黄天富，姚文翰，吴志武，林彤尧，王春光，詹文，周志森，黄汉斌，李思韬，张增荣，
申请(专利权)人：国网福建省电力有限公司福建省供电服务有限责任公司，
类型：发明
国别省市：