曹宏宇

（广东电网有限责任公司佛山三水供电局，广东佛山 528100）

目前，我国配电网尤其是低压配电网相较于发、输电网发展落后，低压用户拓扑关系复杂多变，配网的低压管理仍然是“以抢修代替维护”的方式开展，基础档案维护也是通过配网工程电子化移交的方式进行管理，常常出现户变资料移交不及时、台账档案与现场实际不一致的问题，户变关系不一致必然会造成线损计算的不准确[1-5]。线损计算不准确，一方面成为配网网架优化、保障用户高质量用电的关键制约因素，另一方面成为营销稽查防窃电管理的主要障碍。线损率作为供电公司的一项重要经济技术指标，提高线损正确可算率是降损增效的根本途径，也是当前“过紧日子”大形势下供电企业最有力的节流措施，而台区户变关系的正确性是实现台区线损准确计算分析的前提。综上所述，低压用户与台区隶属关系的精确匹配是非常必要的[6-8]。

目前，低压用户和台区的隶属关系校验有离线和在线两种方式。离线方式采用台区贯通仪带电开展，这种方式只能对台账档案记录的隶属关系正确与否做出校验，要想实现精确匹配，必须对待检用户和所有台区一一校验，工作量巨大，在生产现场是不现实的，并且由于是带电开展，因此存在人身触电的风险。在线方式通过安装硬件设施，投资成本高，需要配网海量安装点的全覆盖，难以大规模推广。综上所述，采用一种新的低压用户与台区隶属关系的精确匹配方法来解决现有方法的不足是十分必要的[9-13]。

1 理论基础

配电台区用户以辐射状拓扑方式运行[14-16]，由于不同时刻系统的负荷情况及运行状态不同，因此用户处的电压会呈现一定的波动。同一相的台区变压器和用户的电表之间具有确定的电气连接，因此用户侧的电压会随着台区变出口电压的升高而升高，二者具有高度的相关性，变化趋势高度一致。即处于同一台区同一相别的用户，电压波动规律具有很强的相似性，而处于不同台区的用户，其电气距离远，电压波动相似性较差。

配网同一台区同一相别的用户，电压波动规律相似性强，而处于不同台区的用户，电压波动相似性较差，基于这个特点，可以利用人工智能技术与海量电力大数据分析技术，对用户侧智能电表的量测数据与变压器低压侧量测数据进行关联及聚类分析，充分挖掘与利用计量自动化系统数据，实现台区拓扑的准确、有效辨识。

2 算法流程设计

每一个低压台区均有配变终端，用于功率计量，而智能电表和配变终端均同时具有电压采集和上传的功能，并且每15 分钟上传一个量测数据至计量自动化系统，所有智能电表、配变终端统一授时，具有时间上的同步性。文中所提出的低压台区户变关系辨识方法仅仅通过获取台区变压器低压侧和用户侧的电压数据，采用一定的算法进行大数据挖掘分析，便能够准确有效地识别用户所属台区及其所属相别。

该算法能够彻底解决现有台区拓扑辨识方法辨识不可靠、效率低、硬件及人工成本高且存在安全隐患的问题，很好地解决了由于用户数量众多、网络结构复杂引起的问题，加之在台区施工改造，如迁改、扩容、割接、布点等，营销系统未及时更新户变关系，造成户变关系与实际产生差异。算法流程如图1 所示。

图1 算法流程图

3 算法实现

电压时序序列包括待匹配用户电压时序序列U0和所有台区电压时序序列U1～Uk，分别表示为：

粗粒化的目的是降低动力学噪声及测量噪声的影响，以便能够捕获大尺度的特征。粗粒化可采用均值法、方差法、一阶差分法、移动均值一阶差分法等方法将时间序列样本数据转化为容易处理的数据序列。文中采用改进一阶差分法，所述改进一阶向前差分法即比较所述电压时序序列的第i个元素与第i-1 个元素的大小关系，按照如果第i个元素不小于第i-1 个元素则取1、如果第i个元素小于第i-1 个元素则取0 的原则。将所述电压时序序列粗粒化为具有n-1 个元素的二进制时序序列，即粗粒化的待匹配用户电压时序序列U0*和粗粒化的台区电压时序序列U1*～Uk*。

粗粒化的待匹配用户电压时序序列U0*可表示为：

其中，表示经过改进一阶向前差分法计算得到的无量纲电压值，为所述粗粒化的待匹配用户电压时序序列的元素，计算方法如下：

粗粒化的台区电压时序序列U1*～Uk*表示为：

其中，表示经过改进一阶向前差分法计算得到的无量纲电压值，为所述所有粗粒化的台区电压时序序列U1*～Uk*的元素，计算方法如下：

采用时间延迟嵌入法将粗粒化后的电压时序序列符号化，符号化的目的是在关注全局特征的同时可关注局部细节特征。时间延迟嵌入法是取宽度为L的时间窗，将粗粒化的电压时序序列按照时间窗的宽度L进行十进制转换，形成一个具有n-L个元素的十进制矩阵，即符号化的待匹配用户电压随机矩阵U#0和符号化的台区电压时序序列U1#～Uk#。符号化的待匹配用户电压随机矩阵U#0表示为：

其中，表示经过所述时间延迟嵌入法计算得到的无量纲电压值，为所述符号化的待匹配用户电压时序序列的元素，计算方法如下:

其中，表示经过时间延迟嵌入法计算得到的无量纲电压值，为所述所有符号化的台区电压时序序列U1#～Uk#的元素，计算方法与U0#相同。

计算所有符号化的电压时序序列的先农熵，以所述符号化的电压时序序列的每个元素及其出现的概率为影响因子，计算出所述先农熵序列H，表示为：

其中，h0表示待匹配用户的先农熵，hi（i=1，2，…，k）表示编号为i的台区的先农熵，无量纲，计算方法如下：

其中，P0i表示符号化的待匹配用户电压时序序列的第i个元素出现的概率。

其中，Pki表示对应符号化的台区电压时序序列的第i个元素出现的概率。

计算待匹配用户与所有台区的血缘亲近指数，以所述先农熵为影响因子，计算出所述血缘亲近指数，形成血缘亲近指数序列λ，如下所示：

其中，λ0-i表示待匹配用户与编号为i的台区的血缘亲近指数，无量纲，为所述血缘亲近指数序列λ的元素，计算方法如下：

比较所有血缘亲近指数大小，确定目标所属台区，目标所属台区编号i的判断依据为：

4 算法验证

低压配电网表示电压等级在1 kV 以下的配电网，通过降压变压器变换电压进一步输送给用户，每一台配电变压器称之为一个台区，台区低压用户通过A、B、C 三相馈线以辐射状方式布置，每一相馈线都可连接若干个低压用户，某供电所共有100 个台区，每个台区下面均挂接若干低压用户，由于不同时刻系统的负荷情况及运行状态不同，用户侧的电压会随着台区出口电压的变化而变化，因此低压用户处的电压会呈现一定的波动。

从100 个台区中选取6 个台区，其中台区5 下面有504 个低压用户，如图2 所示。考虑篇幅的限制，将所有数据全部导出不切实际，因此将具体的数据略去。

图2 低压用户连接示意图

选择台区5 下属的1 户代表性用户作为待匹配用户，标记为低压用户0，通过匹配它与台变1、台变2、台变3、台变4、台变5、台变6 之间的隶属关系，计算待匹配用户与所有台区的血缘亲近指数，计算结果如下所示：

λ=（0.58，0.56，0.20，0.37，0.07，0.22）

比较所有血缘亲近指数的大小，确定目标所属台区。由于λ0-5为0.07，其值最小，至此，低压用户0与台变5 的隶属关系被精确匹配。采用低压贯通仪进行现场核查，核查结果显示计算正确。

5 结论

基于数据挖掘分析技术，充分利用计量自动化系统的数据，对用户智能电表和台区配变终端的量测数据进行挖掘分析，得出如下结论：

1）实现电压监测全覆盖以后，工作人员可不再依靠人工现场测量核查，只需要通过电压量测值的大数据分析，无需安装任何硬件设备、无需到生产现场即可实现低压用户与台区隶属关系的精确匹配，有效实现了“一次都不跑”。

2）低压台区户变关系辨识属于智能配电网基础性工作，提高了线损分析的智能化程度，可精准助力线损治理；

3）低压台区拓扑的高效、准确辨识可以大幅提高配电网档案管理水平，为下一步实现台区拓扑智能辨识提供了基础；

4）低压用户电压的透明化，为进一步完善低压用户诉求的管控工作体系、建立健全客户投诉风险预警、精准解决服务痛点、有效提高服务质量夯实了基础，是低压管理体系的基础，意义重大。

传统台区停电方法虽然可以逐一排查停电台区变压器和户表的对应关系，但是为保证用户供电可靠性，全面停电排查方法无法实施，而采用台区识别仪通过载波通讯识别的方式，全面开展受成本等诸多条件限制，户变关系的判别一直以来都是困扰各供电企业台区线损管理的一大难题，基于文中研究内容，给出以下几点建议：

1）智能计量终端和智能电表做到全覆盖，且集抄成功率稳定保持在99.99%以上，具备电压监测功能全覆盖先天优势的供电部门，可借助提出的算法开展大数据挖掘；

2）除了户变关系辨识，借助全天候实时的电压信息，还可以精准绘制用户低压热力图，重点监测电压质量水平偏低区域，准确定位低电压客户，精确助力低电压治理；

3）可利用负损台区和高损台区里的异常用户，利用电压数据并考虑台区物理空间临近关系的约束条件开展户变关系调整；

4）配网低压台区户变关系不一致的源头在配网GIS 系统、营销系统同步GIS 系统台账数据，计量自动化系统同步营销系统台账数据，建议供电部门责任班组做好配网GIS 系统台账的实时维护，从源头最大限度地避免户变关系不一致的情况发生。