基于灰色关联分析法的10kV线路线变关系评价方法

摘要

本申请提供一种基于灰色关联分析法的10kV线路线变关系评价方法，具体步骤包括：步骤S1，收集输电线路同期线损评估的原始数据；步骤S2：对收集的原始数据进行预处理；步骤S3，通过灰色关联分析方法得到关联度；步骤S4，根据关联度大小进行排序后选出关联度小的变压器；步骤S5，采取Granger因果关系检验方法检验关联度小的变压器是否是线损电量产生的原因，根据检验结果确定线变关系异常的变压器。采用本发明减少人力财力的消耗，有效快速梳理电力系统线变关系，快速降低线损考核不合格线路数量，查明线损异常原因，切实提高线损治理效果、突破目前同期线损考核指标提升的瓶颈。

说明书

技术领域

本申请涉及电力技术领域，具体地涉及一种基于灰色关联分析法的10kV线路线变关系评价方法。

背景技术

为进一步提升电网生产经营管理效率和效益，优化线损管理流程，推动调度、运维、营销业务的融合并充分利用各个部门系统数据资源，实现“技术线损最优，管理线损最小”的目标。在同期线损治理过程中，由于35kV及以上电压等级的线路数量少、拓扑结构简单、变动较少、台账历史数据质量高并且更新及时，所以其线损治理水平较高，相应的线损考核指标达到要求；但是对于10kV及以下电压等级的配电网，设备运维精益管理系统的历史台账数据质量低以及数据更新不及时、刀闸开关动作频繁、表计及设备维护工作量大等原因造成“线路-变压器连接关系”错误，从而带来10kV电压等级及以下的线损考核指标达标率低的问题。目前梳理10kV线路线变关系的主要手段是通过基层工作人员进行现场勘查，并在数据库中更新线变关系，推送到一体化电量与线损管理系统。由于10kV线路及其所挂接的变压器数量众多，传统地毯式的现场搜索需要耗费大量的人力物力，时效性低，这也是目前10kV分线同期线损达标率提升速度缓慢的关键原因。

本申请通过灰色关联分析方法比较变压器日输出电量与其所接线路日输入电量的变化趋势关联性来判定线变关系是否正确，关联度越大则线变关系正确率越高，关联度过小则说明线变关系可能有误；并对变压器根据关联度大小进行排序，筛选出关联度较小的变压器，进一步采取Granger因果关系检验方法检验关联度较小的变压器是否是线损电量产生的原因，根据检验结果确定线变关系异常的变压器。减少人力财力的消耗，有效快速梳理电力系统线变关系，快速降低线损考核不合格线路数量，查明线损异常原因，切实提高线损治理效果、突破目前同期线损考核指标提升的瓶颈。

发明内容

为了改进由于“线路-变压器连接关系”错误，从而导致10kV电压等级及以下的线损考核指标达标率低的问题，本申请提出了一种基于灰色关联分析法的10kV线路线变关系评价方法，其包括：

步骤S1：收集用于10kV输电线路同期线损评估的原始数据,所述原始数据包括变压器输出电量和线路输入电量，所述变压器输出电量包括公变输出电量和专变输出电量；

步骤S2：对收集到的原始数据进行预处理，预处理包括对原始数据进行数据变换使其消除量纲和具有可比性，并以预处理后的线路日输入电量序列x₀为参考序列，

以预处理后的变压器日输出电量的数据序列x_i为比较序列,

其中，m表示变压器的数量，k表示时间；

步骤S3，通过灰色关联分析方法比较变压器日输出电量与其所接线路日输入电量的变化趋势关联度来判定线变关系是否正确，关联度越大则线变关系正确率越高，关联度小则说明线变关系有误，获得关联度的步骤包括：

步骤S31，求一阶差商，以找到各数列曲线在各时点的斜率

Δx_i(k)＝x_i(k+1)-x_i(k),

k＝1,2,...,n-1,i＝0,1,...m

步骤S32，确定关联系数，

k＝1,2,...,n-1,i＝0,1,...m

步骤S33，确定各个变压器输出电量与线路输入电量的关联度r_o,i，

步骤S4，将变压器根据关联度r_o,i大小进行排序，筛选出关联度小的变压器；

步骤S5，采取Granger因果关系检验方法检验所述筛选出关联度小的变压器是否是线损电量产生的因素，并确定线变关系异常的变压器。

优选地，所述步骤S2中的数据变换采用均值化方法、初值化方法或标准化方法。

优选地，所述数据变换采用均值化方法，对序列x＝(x(1),x(2),...,x(n))进行均值化处理的表达式为：

n为序列x中对象的个数，n为正整数。

优选地，所述步骤S5中的采取Granger因果关系检验方法检验关联度小的变压器是否是线损电量产生的因素，其步骤包括：

S51，对每个关联度小的变压器运用Eviews依次进行Granger因果检验；

S52,设置最大滞后期，设置原假设，根据原假设输入相关数据，得到原假设成立的概率值prob；

S53,与设定的判断阈值F_th相比较，得到Granger因果关系检验的结果，如果获得的prob<F_th，则原假设不成立，如果prob>F_th,则原假设成立。

优选地，所述最大滞后期为2或3，所述原假设为所述关联度小的变压器不是线损电量变化的原因，所述判断阈值F_th为0.05。

优选地，所述步骤S1中用于10kV输电线路同期线损评估步骤为：

线路线损电量＝线路输入电量-变压器输出电量；

线路线损率＝线路线损电量/线路输入电量*100％；

其中，变压器输出电量＝公变输出电量之和+专变输出电量之和。

本申请的优点是：本发明从数据分析的角度准确定位线变关系不正确的变压器，大幅度减少目前地毯式现场排查线变关系的工作量，提高线损治理效果，突破目前同期线损考核指标提升的瓶颈。引入关联度的概念，能够快速的找出不符合要求的变压器，并通过Granger 因果关系检验方法检验关联度小的变压器是否是线损电量产生的因素，达到精确验证的目的，本发明方法简单，能够快速排查影响线损的原因，适合推广。

附图说明

图1基于灰色关联分析法的10kV线路线变关系评价方法流程图；

图2关联度排序后曲线对比图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例提供了一种基于灰色关联分析法的10kV线路线变关系评价方法，具体步骤包括：

步骤S1：采集一条10kV输电线路同期线损计算所需数据；

在电网中线路线损计算公式为：

线路线损电量＝线路输入电量-变压器输出电量；

线路线损率＝线路线损电量/线路输入电量*100％；

其中，变压器输出电量＝公变输出电量之和+专变输出电量之和。

因此需要采集所述输电线路的公变输出电量、专变输出电量和线路输入电量，而且为了确定本申请评价方法的有效性，还需要设备的相关档案信息和线损考核信息等。10kV分线同期线损计算所需数据来源于四大数据库：电力用户用电信息采集系统已覆盖了全部的高压专变用户和绝大部分的公变用户，该系统可实现用电信息的自动采集，早期被称为远程集中抄表系统；电能量采集系统可提供变电站输出线路的日冻结数据等；设备(资产)运维精益管理系统(PMS)可提供输变电档案信息、配电档案信息、低压档案信息等数据；同期线损系统具备线路考核单元信息，每日的输入、输出电量以及专变高压用户售电量数据、线路与高压用户的对应关系。

步骤S2：对采集的数据进行预处理；

为保证建模的质量与系统分析的正确结果，对收集来的原始数据必须进行数据变换和处理使其消除量纲和具有可比性，数据变换常用均值化、初值化和标准化三种方法。在本实施例中选用均值化处理方法，具体步骤为：

假设有序列

x＝(x(1),x(2),...,x(n))(1)

则称映射

f:x→y(2)

f(x(k))＝y(k),k＝1,2,...,n(3)

均值化处理为

本实施例中，将采集到的线路输入电量数据和所述变压器日输出电量数据，根据式(4) 进行均值化处理，以处理后的线路日输入电量序列x₀为参考序列，

其中，k表示时刻。在本实施例中k为选取的天数，x₀(k)表示线路在k日的输入电量。

将处理后的变压器日输出电量数据序列x_i为比较序列,

其中，m表示比较数列的个数，k表示时刻。在本实施例中m为线路上的变压器数量，k 为第几天，n根据实际选取的天数确定数值，x_i(k)表示变压器i在k日的输出电量。

步骤S3，通过灰色关联分析方法比较变压器日输出电量与其所接线路日输入电量的变化趋势关联度来判定线变关系是否正确，关联度越大则线变关系正确率越高，关联度过小则说明线变关系可能有误，关联度计算步骤如下；

求一阶差商，以找到各数列曲线在各时点的斜率

Δx_i(k)＝x_i(k+1)-x_i(k),

k＝1,2,...,n-1,i＝0,1,...m(7)

计算关联系数r_o,j(k)

k＝1,2,...,n-1,i＝0,1,...m

计算关联度r_o,j

利用关联度的概念，可以对线路日输入电量与变压器日输出电量变化趋势是否一致进行分析，关联度越大则线变关系正确率越高，关联度过小则说明线变关系可能有误。

将参考序列x₀和比较序列x_i代入公式(7)-(9)，计算得到各个变压器日输出电量与线路日输入电量的关联度r_o,i。

步骤S4，对变压器根据关联度大小进行排序，筛选出关联度较小的变压器；

对变压器根据关联度r_o,j的大小进行排序，选出关联度较小的变压器。

步骤S5，采取Granger因果关系检验方法检验关联度较小的变压器是否是线损电量产生的原因，根据检验结果确定线变关系异常的变压器。

由于灰色关联分析方法侧重于关联度的排序，并非关联度的大小，因此在此采取Granger 因果关系检验方法检验关联度较小的变压器是否是线损电量产生的原因。Granger因果关系的定义如下：如果x是引起y变化的原因，则x应该有助于预测y，即在y关于y过去值得回归中，添加x的过去值作为独立的解释变量，应该显著增加回归的解释能力。此时称x为 y的原因。如果添加x的滞后变量之后，没有明显增加回归模型的解释能力，则称x不是y 的原因。即

f(y_t|y_t-1,...,x_t-1,...)＝f(y_t|y_t-1,...)(10)

则称x对y不存在Granger因果关系。

Granger检验实际包含两个检验：一是检验x是否为y变化的原因，另一个是y是否为 x变化的原因。当检验前者时，用最小二乘法估计下面两个模型，依次为有限制回归模型和无限制回归模型：

其中，ε_1t，ε_2t表示均值为0且独立的白噪声，y_t表示y原始序列当期值，x_t-i、y_t-i表示x、y原始序列滞后i期的值，a_i,b_i表示回归系数，t表示时间趋势项，p、q分别表示变量y>

然后用各自的残差平方和构造如下F的统计量。

其中，RSS_u表示无限制模型的残差平方和，RSS_r表示有限制模型的残差平方和，n表示样本容量，p、q分别表示变量y和x的最大滞后期数；若x不是y的原因，则两个模型的残差平方和应相当接近，即F统计量应比较小，根据在给定显著水平α下F分布的响应临界值F_α，判别规则如下：若F＞Fα，则拒绝原假设，说明x是y变化的Granger原因；反之，则说明x不是y变化的Granger原因。同理可判断y是否为x变化的Granger因果关系。

以上为进行Granger因果关系检验时通用的算法公式，实际使用时可通过现有软件直接进行Granger因果关系检验，本实施例中使用了Eviews进行Granger因果关系检验，在使用时一般设置最大滞后期数为2或3，设置原假设为变压器不是线损电量变化的原因，根据原假设输入相关数据即变压器日输出电量与线路日输入电量，就可以直接得到原假设是否成立的概率值prob，即Granger因果关系检验的结果。设定判断阈值F_th，将概率值prob与判断阈值F_th相比较，得到Granger因果关系检验的结果，如果获得的prob＜F_th，则原假设不成立，如果prob＞F_th，则原假设成立。

在本发明实施例的一个具体应用场景中，以某市10kV的A线为例进行线变关系的判定。该线路下接高压专变15台，台区公变16台。其中高压12与台区3两台变压器6月份输出电量为0，不在正常运行范围之内。其它变压器的日输出电量以及线路日输入电量如下表1、表2、表3所示：

表1：各台区变压器6月份日输出电量(kW.h)

表2：各高压专变用户变压器6月份日输出电量(kW.h)

表3：某市10kV的A线路6月份日输入电量(kW.h)

首先根据式(4)对表1、表2、表3所示的电量数据进行均值化处理；处理后的数据见表4、表5、表6；

表4:均值化处理后的各台区变压器6月份日输出电量

表5：均值化处理后的各高压专变用户变压器6月份日输出电量

表6：均值化处理后的某市10kV的A线路6月份日输入电量

然后根据式(5)，x₀为均值化处理后线路6月份日输入电量序列，x₀为参考数列；均值化处理后14个专变用户和15台公变用户变压器日输出电量数据序列>1,x₂,x₃,...,x₂₉)为比较序列,即

然后对数据进行灰色关联度分析，将数据代入模型公式(7)-(9)分析得到各个变压器日输出电量与线路日输入电量的关联度。关联度计算结果如表7所示：

表7:各个公变/专变关联度计算结果排序表

然后可将关联度排序为1的台区7与排序为29的高压1电量曲线与输入电量曲线进行对比，如图2所示。由图2明显可知，输入电量曲线与台区7的日用电量曲线拟合度明显高于高压1。

最后通过软件Eviews进行Granger因果关系检验，设置最大滞后期数为2，原假设为此变压器不是引起线损2电量变化的原因，对关联度较小的变压器依次进行Granger因果检验。根据表7的排序，选择高压1、台区5、台区10以及高压3使用Eviews进行Granger 因果关系检验，分析线损电量与高压1、台区5、台区10以及高压3变压器电量的关系，检验结果见表8。

表8：关联度较低用户因果检验结果

设定判断阈值F_th为0.05，根据表8可以看到，高压1、台区5与台区10的概率值Prob值分别为0.0004、2.00E-07、0.0254，都小于判断阈值F_th0.05，因此高压1、台区5与台区10都拒绝原假设，即高压1、台区5与台区10是引起线损电量变化的原因；高压3的概率值Prob值为0.2288，大于判断阈值F_th0.05，原假设成立，即高压3不是引起线损电量变化的原因。

由此可得，高压1、台区5与台区10线变关系错误的概率远大于其它变压器。

根据以上分析结果，比较简便快捷地确定了线变关系异常的变压器，有效地减少了城镇北线线损治理的工作量。因此将此线变关系判定方法于8月份应用于该市10kV线路的同期线损治理工作中，对比其连续4个月的线损达标率，见表9，可知该方法可为实地勘察提供有效参考并有助于线变关系的修正，进而降低10kV线路的线损率，提高该市10kV线路的线损达标率。

表9：某市4个月的10kV分线线损达标率

月份5月6月7月8月线损率35.67％33.23％50.13％90.08％

将此方法运用于该市8月份所有10kV线路，将实际线变关系与理论线变关系分析结果比较，见下表：

由表10可知，理论判定的线变关系与实际相符的占总体的83％，所以该判定方法可有效减少线损治理中线变关系判定的工作量。

表10：理论线变关系分析结果与实际对比结果

注：

A＝理论与实际线变关系均有误线路条数/线路总数

B＝理论线变关系无误实际有误线路条数/线路总数

C＝理论线变关系有误实际无误线路条数/线路总数

D＝理论与实际线变关系均无误线路条数/线路总数

通过灰色关联分析方法比较用户日用电量与其所接线路日输出电量的变化趋势关联性来判定线变关系是否正确，关联度越小，二者电量变化趋势相似度越低，线变关系不对应的概率就越大，从数据角度进行线变关系排查，可以大幅度减少基层工作人员的工作量，并在某市进行了为期4个月的实证研究，取得了显著的效果。

最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。