APP下载

基于电力量测信息的低压台区电力拓扑生成方法

2020-11-13郭泽林袁铁江王永超白银平潘成龙

分布式能源 2020年5期
关键词:电表台区支路

李 宁,郭泽林,袁铁江,王永超,白银平,潘成龙,晏 强

(1.国网新疆电力有限公司电力科学研究院,新疆维吾尔自治区 乌鲁木齐 830000;2.大连理工大学电气工程学院,辽宁 大连 116000;3.国网新疆电力有限公司乌鲁木齐供电公司,新疆维吾尔自治区 乌鲁木齐 830000)

0 引言

低压供电台区的拓扑结构是供电部门进行线路损耗分析、潮流计算、故障分析研判的重要基础[1],信息系统中电力拓扑记录的正确与否也是电网安全运行与高效管理的前提[2]。然而,由于城市中低压供电台区数目众多,且改动频繁,导致供电部门信息系统中存储的用户数据与实际情况不符,用户之间的拓扑关系往往需要人工排查,不仅耗费了大量的人力物力,而且效率低下[3]。因此,如何高效准确地判断台区电力拓扑结构具有重要的现实意义[4]。

国内外学者对于低压供电台区电力拓扑结构的研究做了大量的工作,主流的方法主要包括在线方法和离线方法两大类。离线方法主要依靠人工携带硬件设备进入现场进行辨识判断,往往效率低下且准确率不高[5];在线方法则是通过电力部门信息系统中的用电相关信息进行分析,从而达到拓扑结构的在线辨识,具有实时性,低成本等优点[6],如户变工频过零相关性分析法、信息系统停电事件记录法、电压电流相关系数法等[7-11]。此外还有针对输电网的辨识方法:新息图法[12-14]、集合论法[15]、神经网络法等,然而,低压配电网相较于输电网缺乏丰富的开关计量数据,因此上述方法很难适用于低压配电网结构辨识研究中[16]。随着智能电网建设的不断推进,包含用电信息采集系统在内的高级量测系统逐渐应用于低压配电网中,这也为台区电力拓扑相关研究提供了大量的数据来源[17-18]。

本文提出一种基于电力量测信息的低压台区电力拓扑生成与校验方法。该方法首先通过获取低压台区下各个用户的时序电压数据,依据用户节点随着与变压器电气距离增加而存在电压降落的原理,采用K-means聚类算法将耦合在同一点处的用户聚类;然后通过获取各耦合节点所在支路的线路参数及首末端电压,计算各支路的首末端电流,构建支路首末端电流矩阵,依据基尔霍夫电流定律(Kirchhoff’s current law, KCL)判断支路间的链接关系,最终完成台区电力拓扑结构的生成。

1 城市低压台区网络结构

本文所研究低压台区是指10 kV/400 V公变变压器以下的居民区域,变压器将10 kV电压降为400 V后经过分支馈线将电能分配到不同的楼宇单元以及各终端用户。

图1所示为典型台区下的电力拓扑结构示意图。楼宇表箱之间的连接关系主要有2种,一种是并联在分支箱下,另一种是串联在分支箱下。黑色线条将三相电能输送到表箱,从表箱中引出单相线路给用户供电,如图1中彩色线条所示。

2 台区电力拓扑结构生成原理

2.1 数据预处理

基于用电信息采集系统中获取的用户用电量相关数据不可避免地存在一定的缺失或者误差,因此,需要将其中的错误数据删除和修正。通过将用电数据与平均值进行比较,得出其偏差值并判断是否超过了设定的阈值,从而进行相关的修正处理。

2.2 电力拓扑结构生成

一般来说,城市低压台区下挂载电表数目从几十到几百个不等,这些电表大多数以楼层为单位集中在表箱内,每台电表即表示1个用电负荷,每个表箱即表示其下多个负荷节点的耦合点,在电力拓扑结构中,同一表箱内的电表与变压器出线端的电气距离是相同的,因此可以看成是耦合在一个点上,同时由前述分析已知,表箱之间的连接方式也分为2种,即串联连接和并联连接。

从用电信息采集系统中可以采集到来自电表的用电数据,但无法获得电表与电表之间、表箱与表箱之间以及支路与支路之间的连接数据。基于上述考虑,本文首先通过聚类分析,将处于同一耦合点处的电表(即用电负荷)区分出来;然后计算各个耦合节点处的输入电流和输出电流,寻找满足基尔霍夫电流定律的若干耦合节点,从而判断这些耦合节点间的连接关系。

1) 负荷节点间的K-means聚类分析。

在低压台区下,耦合在同一点处的负荷节点均可视为并联连接,由于其与变压器出线端的电气距离相近,因此这些电表之间的电压值相差很小,一般在±0.02 V之间。同时,这些负荷受到来自上游的扰动时所产生的电压波动变化规律是相似的。

此外,位于同一表箱内的电表所代表的用户在现实生活中一般为邻居关系,虽然其各自家用电器数目及功率不尽相同,但从总体上看,这些用户的日负荷曲线满足典型居民用户的用电行为习惯特点,即一般存在中午和晚上2个用电高峰期[19-20]。图2所示为相同表箱内4个电表的有功日负荷曲线。

图2 电表有功负荷曲线Fig.2 Active load curve of electric meter

处于不同耦合节点处的电表一般为上下游关系,由于存在线路的电压降落,相邻上下游耦合节点处电表之间的电压差值相对较大,一般在±0.2 V之间,图3所示为A、B两组表箱内8台电表的时序电压曲线。

图3 电表时序电压曲线Fig.3 Timing voltage curve of electricity meter

因此可以通过获取各个负荷节点上的时序电压数据作为聚类依据,运用K-means聚类算法进行负荷节点间的聚类研究。

以24 h为周期,每隔1 h采集1次数据,从用电信息采集系统中获取台区下n个负荷节点的时序电压数据UMi=(uM1,uM2,…uM24),其中i=1,…,n,进行数据预处理,对缺失数据进行填补,将错误数据剔除。

以时序电压数据为聚类依据,建立K-means聚类方法模型。通过不断计算样本点YMi(uM1…uM24)到聚类中心YMj(uM1,…uM24)的欧氏距离:

(3)

更新聚类中心,直到聚类中心不再改变为止,获得相同支路下节点间的聚类结果。

为确定最佳聚类数目,引入轮廓系数对聚类结果进行评价,计算方法如公式(4)所示:

(4)

式中:a(i)表示样本点UMi与同一类别内的其他样本之间距离的平均值;计算样本点UMi与其他类别内所有样本之间距离的平均值,遍历其他所有类别,取其中的最小值,用b(i)表示。

依次计算n个负荷节点数据样本的轮廓系数,求取平均值作为当前聚类数目下的整体轮廓系数。

随着聚类数目的增加,整体轮廓系数随之变化,取轮廓系数最大时的K值作为最优的聚类数目。

2) 耦合节点之间连接关系判断。

同一耦合点下的负荷节点经过聚类以后,即可用耦合节点代替该耦合点处的所有负荷节点,从而达到了简化电路的效果。

城市低压台区下的电能由变压器低压侧向用户侧单向传递。由KCL可知,支路分支点处流向下游节点的总电流总是等于上级支路的注入电流,且电能流动每经过1个分支节点,流向下级支路的电流总是小于来自上一级支路的注入电流。同时,所有耦合节点的类型大致可以分为两大类,一类是位于线路的中间,其上游有线路引入,下游有线路引出,本文定义该类型节点为Ⅰ型节点,其所在线路为Ⅰ型支路;另一类位于线路的末端,只有线路引入,但没有线路引出,本文定义该类型节点为Ⅱ型节点,其所在线路为Ⅱ型支路,如图4所示。

图4 两类耦合节点示意图Fig.4 Schematic diagram of two types of coupling nodes

对于Ⅰ型节点,其所在线路AB存在电流关系如式(5)所示:

(5)

对于Ⅱ型节点,其所在线路A1存在电流关系如式(6):

(6)

上述2个公式中电流计算的原理如图5所示。

图5 电流计算原理图Fig.5 Schematic diagram of current calculation

智能电表可以量测得到末端用户节点当前的电流值IMi,t,也可以通过电表中的功率量测值以及电压量测值计算获得:

(7)

各耦合节点处的电压值Ui可以通过式(8)计算获得:

Ui=UMi+I1-MiZMi

(8)

式中:UMi表示电表量测的当前的电压值;I1-Mi表示由耦合节点1流向电表Mi的电流值;ZMi表示电表Mi所在线路的阻抗值。

于是,耦合节点所在线路的电流值可以通过式(9)(10)计算得出:

经过上述分析,获得耦合节点所在线路的首末端电流矩阵如式(11)所示:

(11)

通过比较电表耦合节点处流入各用户的总电流与该耦合节点所在线路的首端注入电流是否相同,可以判断该耦合节点所属的类型。

(12)

3) 电力拓扑结构生成。

对于诸如变压器出线端等不存在耦合节点的支路,依据位于同一分支点处的上下游支路,其上游支路的末端电压以及各下游支路的首端电压均近似相等的原理,遍历支路连接关系表中所有上游支路的首末端电压,从而判断该类支路间的连接关系,进而生成完整的低压台区电力拓扑结构图。

遍历样本数据中所有节点,建立支路间连接关系表。依据支路间连接关系表,可将存在连接关系的上下游支路清晰表达。

3 台区电力拓扑结构校验

基于上述理论分析过程,通过采集电力量测信息,利用在线方法生成台区电力拓扑结构,为了验证所得结果的准确性,可以采用离线的方式,由技术人员携带硬件设备到现场进行校验。

绘制流程图如图6所示。

图6 台区电力拓扑生成与检验流程图Fig.6 Flow chart of power topology generation and verification in power station area

对于较为复杂的台区,往往其下挂载数百台电表,因此可能会出现即使不在同一耦合点上的多个电表,其各自时序电压曲线几乎相同,导致本文所述方法出现错误判别,此时需要技术人员进行硬件分析,对错误部分进行相关修正。

在所有Ⅱ类支路首端发送测试信号,若电表所属支路判别准确,则该支路下挂载的电表均能接收到测试信号,否则,将未收到信号的电表从拓扑结构中剔除;若电表间前后连接关系及所属表箱判别准确,则各电表接收到信号的时间存在一定规律;若支路间连接关系判别准确,则该支路的下游支路上的电表均能接受到信号。

4 案例分析

本文以某一简化的低压台区为案例进行了相关分析,以验证本方法的有效性,该台区的电力拓扑结构图如图7所示。该低压台区由1台变压器分出2条馈线进行供电,其下一共挂载了19个智能电表,每个智能电表代表1个用电负荷节点,用图7中的黑点表示,电表编号从M1—M19;图中的绿点表示电表的耦合节点,分别用数字1—6表示;图中的红点表示耦合节点所在线路的分支点,分别用字母A,B,C表示。

图7 算例拓扑结构图Fig.7 Example topology diagram

4.1 负荷节点的聚类

基于用电信息采集系统,首先获取19个负荷节点的1天24小时内的时序电压数据,进行数据预处理,剔除和修正错误的数据,得到的台区时序电压数据是1个(24×19)的矩阵。绘制曲线如图8所示。

图8 台区负荷节点时序电压曲线Fig.8 Timing voltage curve of station load node

前述分析已知,虽然各个电表所属耦合节点不尽相同,但其用户均满足典型居民用户的用电行为习惯特点,因此总体上看,用户负荷曲线及时序电压曲线随时间变化规律是相近的。分析图8发现,19个负荷节点的时序电压曲线变化趋势大致相同,但曲线的大小幅值却存在一定差异,以此为依据采用K-means聚类算法进行聚类。

本算例设定初始聚类数目为2,逐次增加聚类数目,分别计算每次聚类数目下的整体轮廓系数,整体轮廓系数随聚类数目的变化曲线如图9所示。

图9 整体轮廓系数变化曲线Fig.9 Overall contour coefficient variation curve

分析图9中曲线可知,当聚类数目为6时,整体轮廓系数达到最大值,因此取K=6为最佳聚类数目。

下面分别列举了聚类数目为4和6时的聚类结果。

分析表1发现,第4类聚类结果中负荷节点数目为10个,可能存在误判,观察图8发现,第4类曲线簇在时段01:00:00—06:00:00、16:00:00—23:00:00内存在较大差异。当聚类数目为6时,获得的聚类结果如下表2所示。

表1 聚类数目为4时的聚类结果Table 1 Clustering result when the number of clusters is 4

表2 聚类数目为6的聚类结果Table 2 Clustering result with a cluster number of 6

上述结果表明,当聚类数目为6时,整体轮廓系数达到最大值,可以获得较为准确的聚类结果。

4.2 耦合节点连接关系判断

截取台区19个节点在时刻19:00:00处的有功功率、无功功率以及电压数据,计算流向该负荷节点的电流数据。按照表2中聚类结果,将同一类下负荷节点电流数据求和,获得注入该耦合节点的电流值如下表3所示。

表3 注入耦合节点的电流值Table 3 The current value of the injected coupling node

从电力量测数据中获取电力线路分支点A、B、C三点以及电表耦合点处的电压值,计算各耦合节点所在支路的首末端电流值,由于II型支路一般处于网路的末端,因此其只有首端电流,构建支路首末端电流关系见表4。

表4 支路首末端电流关系表Table 4 Current relation of branch head and end A

分析上述矩阵中电流数值关系发现,编号为1,5,7的支路首末端均有电流,可以判断为I型支路,且支路7首末端电流相同,表明该支路上不存在电表耦合节点;支路2,3,4,6均不存在末端电流,可以判断为II型支路。获取支路1,5,7的首末端电压见表5。

表5 支路首末端电压关系表Table 5 Voltage relation of branch head and end A

根据KCL,注入某一个节点的电流总和与流出该节点的电流总和是守恒的;支路1与支路7的首端电压差值以及支路5的首端电压与支路7的末端电压差值均小于0.01 V,认为上述支路存在连接关系。根据式(13)和式(14)可以得出支路连接关系如下表6所示。

表6 支路间连接关系Table 6 Connections between branches

依据表4生成支路间连接关系如图10所示,图中数字代表支路序号,各点表示电表的耦合点。

图10 支路连接关系Fig.10 Branch connection

而各耦合点处所挂载的电表可由表2中的聚类结果得出,最终得到完整的拓扑结构。通过对比图7与图10可知,依据本文方法所生成的拓扑结构图在各支路间连接关系以及耦合点处电表分布等方面,与实际的电力拓扑结构是保持一致的,从而证明了本文所提方法的有效性。

5 结论

1) 实际生活中存在用户用电行为习惯的差异以及供电公司定期的检修或故障处置,此外还有不同馈线带来的用户之间的电压相关性的不同,使得处于不同馈线、不同耦合节点的用户之间的负荷数据存在一定的差异性,利用这些特点可以采取相应的方法将耦合在同一节点上的负荷聚类。

2) 实际的低压台区往往存在大量的智能电表,网络拓扑结构也更为复杂,这使得某些特定的末端线路之间,其线路首端电流值可能极为相近,无法利用KCL去准确分辨,此时需要工作人员携带专业设备去现场进行相关校验。

猜你喜欢

电表台区支路
一种新的生成树组随机求取算法
配电台区变-户拓扑关系异常辨识方法
电表“对”与“错”归类巧掌握
Cartoons
浅谈独立支路法求混联电阻电路的等效电阻
“蹦叭”跳动电表数
支路不对称发电机故障下定子电磁力仿真分析
降低台区实时线损整治工作方法
抽水蓄能机组定子支路数应用与研究
10kV变压器台区设计安装技术研究