2016-11-06 07:46:03 | 人围观 | 评论:
本应用实例将介绍如何采用智能电表数据分析方法，对配电网地理信息系统（GIS）中设备的电气连接关系进行正确性校验。电力公司通常使用GIS系统来描述和管理配电系统中各种电力设备以及它们的电气连接关系，在已有的配电网GIS系统数据中，存在着大量的错误或者误差，例如：
1）实际电气拓扑关系与GIS系统数据不相符，如电力用户与台式变压器的连接线路不相符、台式变压器与馈线的连接线路不相符等；
2）设备资产的地理位置错误、参数不一致等。
这些错误和误差对配电系统的资产管理、系统运维、供电中断响应以及维修人员的人身安全都有不良影响。目前，为了校验和修正这些错误或者误差，电力公司的通常做法是：当实际拓扑关系发生变更时，利用人工记录这些变更并更新GIS中的相关数据，或者专门组织人力进行实地巡测来修正这些错误。这些方法均需要耗费大量的时间、人力和物质资源，而且准确性不够，同时对于采用地下电缆铺设的台区、偏远台区等不具备良好的可操作性。
加拿大BC Hydro 公司基于智能电表数据分析方法，为解决上述问题提供了新的思路，其主要分析过程如下：
（1）按一般的电气工程原理，配电网的电压分布具有以下特性：
1）因为与不同馈线相连的负荷的分布是不同的，所以其电压分布是不同的；
2）电压值的大小在同一馈线上从上游至下游呈递减趋势；
3）负荷在系统中是变化和相互影响的，如果两个负荷的电气距离越近，它们的电压曲线就越相似，相关度就越高，反之亦然。
（2）从GIS系统中选取某一配电变压器，例如此台区下共有13个电力用户的智能电表，利用这些智能电表的小时电压分布序列（一周的时间），按照样本数据相关性分析算法，对其进行相关系数计算（见图1），可得出一周内所有电表小时电压曲线之间的相关系数矩阵。可以看出，除了电表11和电表13，其他所有该变压器下的智能电表小时电压之间的相关系数都大于0.97，这样高的相关性可以表明这些电表确实都是接在该变压器下。然而，电表11和13与其他电表之间的相关系数在比较低的0.67～0.78区间（在图1中以灰色底色示出），这表明这两个电表在实际的拓扑结构中可能是连接在其他变压器下的。再把这两个检出的电表与其他相邻的台区内电表进行电压特性相关分析和量值比较，可以推断出其正确的接线位置。
BC Hydro公司基于智能电表数据对配电网拓扑进行正确性校验，是电气工程原理与其他分析方法相结合，用于解决电力系统实际生产运行问题的典型案例，具有很好的参考和借鉴意义。
图1 电表1-13d 电压相关系统矩阵
智能电表数据是配电系统运行的基础性数据，它为电力公司提供了规模巨大、时标一致、量测频率更高、覆盖范围更广的可信数据源。聚类、相关分析等统计学方法，以及信息技术都是进行智能电表数据分析的常用手段。当然综合应用电气工程、统计学和大数据等相关学科，寻找智能电表数据与电网运行的内在关联，系统地求解某一配电系统的实际问题，已成为智能电表数据分析的重要方法。挖掘智能电表数据蕴含的深层价值，将作为未来电网的一个基本功能，广泛服务于运营决策、配电网规划、运行管理及客户服务等各个方面，为配电系统迈向智能化提供更加有力的支撑。
全站搜索