劉曉軍，高彬彬，張 剛，夏遠德，劉元振

（國網(wǎng)喀什供電公司，新疆 喀什 844200）

隨著社會的發(fā)展，工業(yè)和農(nóng)業(yè)用電需求不斷增加，導致大量分布式光伏并網(wǎng)接入電網(wǎng)，這對配電網(wǎng)的電能質量和運行效率都產(chǎn)生了一定的影響[1]。因此，準確辨識線損異常臺區(qū)并及時采取措施治理線損異?，F(xiàn)象，對于提升配電網(wǎng)運行效率、降低線損具有重要意義。目前，國內外學者對線損異常辨識方法進行了研究。有專家提出了一種基于改進的支持向量機（Support Vector Machine，SVM）的線損異常辨識方法，并將該方法應用于某地區(qū)實際配電網(wǎng)數(shù)據(jù)進行仿真驗證；另有專家提出了一種基于模糊理論與BP 神經(jīng)網(wǎng)絡相結合的配電網(wǎng)線損異常辨識方法。但現(xiàn)有方法大都以配電網(wǎng)線損正常為前提條件，在考慮分布式光伏接入的低壓臺區(qū)線損異常辨識中存在一定的不足，因此有必要對此進行進一步的研究。

1 低壓臺區(qū)線損波動特征

低壓臺區(qū)的線損波動特征主要分為兩類：一類是分布式光伏接入引起的線損波動；另一類是電壓、電流互感器變比故障引起的線損波動。對兩類線損波動特征進行關聯(lián)度分析，從關聯(lián)度大小可知，分布式光伏接入引起的線損波動特征關聯(lián)矩陣與電壓、電流互感器變比故障引起的線損波動特征關聯(lián)矩陣之間的關聯(lián)程度較高，與分布式光伏接入引起的低壓臺區(qū)線損波動特征關聯(lián)度相對較低[2]。從系統(tǒng)結構可知，低壓臺區(qū)線損率數(shù)據(jù)采集系統(tǒng)結構復雜，存在分布式光伏接入、電壓、電流互感器變比故障、配電變壓器故障等多種不確定因素，線損率數(shù)據(jù)采集系統(tǒng)與其他系統(tǒng)關聯(lián)較弱。

2 含分布式光伏的低壓臺區(qū)異常線損特點分析

通過兩個基礎模型對分布式光伏前后的線損來進行簡單計算，如圖1 所示。模型A 為未接入光伏配電網(wǎng)，相反，模型B 為接入光伏配電網(wǎng)，其中模型使用的負荷、電源、線路阻抗都是相同的。設整個電路長為L、線路單位阻抗為R+jX，所接負荷的功率為PL+jQL；在模型B 中電源距離分布式光伏接入位置為K，光伏出力為PPV+jQPV。模型A 的線損ΔP；模型B 電源距離分布式光伏接入之間的線損為ΔP1和分布式光伏到負荷之間的線損ΔP2，總線損為ΔP∑。

圖1 簡化的配電網(wǎng)模型圖

設分布式光伏發(fā)出的無功功率為0，并采用近似計算法，節(jié)點電壓近似為U。

如圖1 可知模型A 的線損為：

模型B 的線損為：

模型B 的總線損為：

接入分布式光伏前后配電網(wǎng)線損變化量為：

由式（5）可知，在接入分布式光伏后，低壓臺區(qū)線路損耗的加減呈現(xiàn)出一種不確定性，若分布式光伏發(fā)出的功率小于兩倍的負荷量，會降低配電網(wǎng)的線路損耗；若分布式光伏發(fā)出的功率等于兩倍的負荷量，配電網(wǎng)線路損耗不發(fā)生變化；若分布式光伏發(fā)出的功率大于兩倍的負荷量時，反而使得配電網(wǎng)線路損耗增加。

分布式光伏引起的線損不確定性，也給線損異常判斷帶來了問題：（1）分布式光伏發(fā)電時，由于光伏組件等設備的運行特性，會造成電能損耗，進而導致低壓臺區(qū)線損異常。（2）分布式光伏發(fā)電系統(tǒng)接入配電網(wǎng)后，配電網(wǎng)電壓波動會導致低壓臺區(qū)出現(xiàn)電壓、電流不平衡的情況，進而使低壓臺區(qū)線損異常[3]。

3 線損異常臺區(qū)判別流程

3.1 數(shù)據(jù)預處理

由于低壓臺區(qū)采集的數(shù)據(jù)量大，數(shù)據(jù)類型多樣，同時受到設備故障、電壓質量等因素影響，使得數(shù)據(jù)不穩(wěn)定，存在數(shù)據(jù)缺失、異常點、異常值等情況。因此，需要對采集到的低壓臺區(qū)線損數(shù)據(jù)進行預處理。在線損數(shù)據(jù)預處理中，首先需要進行數(shù)據(jù)清洗。由于采集系統(tǒng)中的采集終端對數(shù)據(jù)的采集和記錄方式不一致，導致同一臺區(qū)的線損數(shù)據(jù)在不同采集終端中具有不同的屬性值，并且不同終端之間存在差異。在線損數(shù)據(jù)預處理過程中，首先需要將線損異常樣本與正常樣本進行分類和歸一化處理，將線損率大于正常值的樣本定義為臺區(qū)線損異常樣本，將線損率小于正常值的樣本定義為臺區(qū)線損正常樣本[4]。

3.2 特征指標選取

在臺區(qū)線損異常辨識中，特征指標的選取是影響模型訓練精度的關鍵因素之一。針對臺區(qū)線損異常樣本，選取線損數(shù)據(jù)中的特征指標?？紤]到臺區(qū)線損數(shù)據(jù)的非平穩(wěn)性，采用主成分分析法對臺區(qū)線損數(shù)據(jù)進行特征提取。主成分分析是一種降維技術，其基本思想是將一個變量的數(shù)據(jù)信息經(jīng)過線性變換變成幾個變量的線性組合，即將原始變量進行降維，從而減少原始數(shù)據(jù)之間的相關性?；谥鞒煞址治龇?，可以通過提取臺區(qū)線損數(shù)據(jù)中的特征指標來建立模型。根據(jù)臺區(qū)線損數(shù)據(jù)特性選取的特征指標主要包括：線損均值、標準差、變異系數(shù)、偏度和峰度等。其中，線損均值是衡量臺區(qū)線損異常樣本數(shù)量最常用的指標，變異系數(shù)是衡量臺區(qū)線損異常樣本離散程度最常用的指標，而偏度則用于描述臺區(qū)線損數(shù)據(jù)離散程度和分布情況，峰度則用于衡量臺區(qū)線損異常樣本離散程度和分布情況。

4 線損異常判定方法

4.1 基于灰色關聯(lián)度的線損異常指標選取

4.1.1 灰色關聯(lián)度概念

灰色關聯(lián)度概念是一種用于分析和評估不確定性和模糊性數(shù)據(jù)的方法。它是由中國科學家陳三立在1980年代初提出的。灰色關聯(lián)度理論基于灰色系統(tǒng)理論，它通過對數(shù)據(jù)序列中的變化趨勢和模式進行分析，揭示出因素之間的關聯(lián)程度。灰色關聯(lián)度可以用于研究多個因素之間的相關性，并且可以處理部分已知信息的情況下的數(shù)據(jù)不完整問題。它適用于各種領域的數(shù)據(jù)分析，包括工程、經(jīng)濟、管理、環(huán)境科學等。

在灰色關聯(lián)度分析中，首先需要確定一個參考因素，然后將其他因素與參考因素進行比較。通過計算各個因素的關聯(lián)度，可以評估它們與參考因素之間的相關性程度。關聯(lián)度值越大，表示兩個因素之間的相關性越高?；疑P聯(lián)度分析可以幫助我們在復雜的數(shù)據(jù)中提取出有用的信息，并洞察因素之間的關系。它常用于預測、決策分析、優(yōu)化設計等問題中，為決策提供科學依據(jù)。

計算灰色關聯(lián)度的關聯(lián)度系數(shù)和關聯(lián)度表達式分別為：

4.1.2 線損相關指標分析

線損率反映了一個臺區(qū)的線損水平，所以選擇線損率作為臺區(qū)線損的映射量[5]。在臺區(qū)拓撲結構和用戶固定的前提下，考慮溫度對光伏的影響，以及光伏對線損影響的潛在可能，同時考慮與用戶相關的電量指標，選取光伏發(fā)電量、平均溫度、相對濕度、供電量和售電量等進行灰色關聯(lián)度分析，探索考慮分布式光伏接入的線損關聯(lián)因素。

以某實際配電臺區(qū)拓撲為基礎，定義臺區(qū)1 有3個光伏用戶，光伏接入總容量為12kW；臺區(qū)2 有15 個光伏用戶，光伏接入總容量為35kW。對兩個臺區(qū)的光伏發(fā)電量、平均溫度、相對濕度、供電量、售電量和線損率因素進行關聯(lián)性分析，可得出以下結論：（1）供電量和售電量對線損率的關聯(lián)度比較大。（2）臺區(qū)1 光伏用戶少，光伏發(fā)電量較少，光伏發(fā)電量和平均溫度對線損率的關聯(lián)度都比較低(關聯(lián)度小于0.7)；臺區(qū)2 光伏用戶多，光伏發(fā)電量比較大，平均光伏發(fā)電量約占平均售電量的25%，光伏發(fā)電量和平均溫度對線損率的關聯(lián)度也較高(關聯(lián)度大于0.7)。

根據(jù)上述分析，光伏發(fā)電量的大小將影響光伏發(fā)電量對線損的影響程度，當光伏發(fā)電量比較大的時候，光伏發(fā)電量對線損率的關聯(lián)度比較大，反之當光伏發(fā)電量比較小的時候，光伏發(fā)電量對線損率的關聯(lián)度比較低。因此，在實際線損異常判別時，應首先對臺區(qū)的情況進行分析，再結合關聯(lián)度分析選擇合適的指標進行離群點檢測，尋找線損異常的數(shù)據(jù)，以此來判斷臺區(qū)線損是否有異常的可能。

4.2 基于時間離散度的線損異常臺區(qū)判別

4.2.1 時間離散度計算

對于分布式光伏而言，其主要輸出電量為太陽能電池板所接收的光能，而非電力系統(tǒng)內部消耗的電能，其與電力系統(tǒng)內部電能損耗之間存在一定的差異，因此在考慮分布式光伏對配電網(wǎng)線損分析影響時，應首先考慮分布式光伏電量對線損分析的影響。

基于分布式光伏電量信息計算得到臺區(qū)線損時間離散度可表示為：

其中，nj為第j 簇的總天數(shù)；tk為數(shù)據(jù)對應的時間。

4.2.2 線損異常臺區(qū)判別

低壓臺區(qū)線損率是衡量低壓臺區(qū)的經(jīng)濟性能指標，具有明確的經(jīng)濟含義。由于其與分布式光伏發(fā)電系統(tǒng)相結合，可將分布式光伏發(fā)電系統(tǒng)所發(fā)電量與電能計量裝置計量的電量進行疊加，從而形成綜合線損。通過綜合線損可以反映出分布式光伏發(fā)電系統(tǒng)所發(fā)電能是否為用戶所用，從而進一步判斷線損異常的原因[6]。

基于對分布式光伏發(fā)電系統(tǒng)發(fā)電量的分析，本節(jié)從以下兩個方面對低壓臺區(qū)線損異常辨識進行研究：

通過分析分布式光伏發(fā)電系統(tǒng)發(fā)電量與臺區(qū)用戶用電之間的關系，得到臺區(qū)分布式光伏電量與臺區(qū)用戶電量之間的關系曲線。由于分布式光伏發(fā)電系統(tǒng)的特殊性，其在運行過程中存在波動，因此需要對其所發(fā)電能進行多項式擬合，將擬合后的電量和實際電量進行對比，從而確定出分布式光伏發(fā)電系統(tǒng)所發(fā)電能是否為用戶所用。對該部分內容進行詳細介紹。

異常系數(shù)是用來判斷一個臺區(qū)是否異常的，為方便比較，對臺區(qū)時間離散度量化處理。通過本文方法，并根據(jù)實際情況和數(shù)據(jù)分析，參考以往文獻，當異常系數(shù)大于0.5 時判定為異常臺區(qū)。臺區(qū)線損異常系數(shù)的計算公式為：

式中：x 為臺區(qū)線損異常系數(shù)；cj為第j 簇離群點所占總離群點的比重；tjmax為Tj的最大值；n 為總天數(shù)。

5 結論

由于低壓臺區(qū)線損率數(shù)據(jù)采集系統(tǒng)結構復雜，存在分布式光伏接入、電壓、電流互感器變比故障、配電變壓器故障等多種不確定因素，線損率數(shù)據(jù)采集系統(tǒng)與其他系統(tǒng)關聯(lián)較弱。本文針對低壓臺區(qū)線損異常辨識問題，基于分布式光伏電量信息，分析了包含分布式光伏的低壓臺區(qū)線損異常辨識方法，實現(xiàn)臺區(qū)線損異常辨識。