刘刚1 张超2 柳维刚1
1.南京易司拓电力科技股份有限公司，2.南京南瑞信息通信科技有限公司 江苏南京 210000
摘 要：营配档案中的低压配电网台区拓扑信息对于线损评估与治理具有重要意义，准确的识别低压配电网台区拓扑信息可以帮助管理人员分析线损来源与评估配网结构，快速对配电网络提出电网优化策略。本文通过对低压配电网台区各个层次的营配档案不一致问题，借助配电网用户用电信息采集系统电压数据，开展对电压数据异常值清洗、缺失值填充、电压状态特征提取等分析，提出了基于数据驱动的聚类分析拓扑辨识方法。通过聚类分析算法，识别低压配电网台区的“户-变”，“户-相”，“表箱-配变”，“用户-表箱”等四个维度的台区拓扑关系，从而理清低压配电网供电台区拓扑信息。
关键词：聚类分析；低压配电网；供电台区；电压数据；拓扑识别；
中图分类号：TP39 文献标志码：A
0 前言
随着经济社会的飞速发展，我国的城乡用电量不断增多，这对于我国的低压配电网的要求也越来越严格。尤其是直接面向用户供电的低压配电网末端网络，承担着电力网末端输送生活用电的关键职能，是电网的重要组成部分，与广大人民群众的生产生活息息相关，是服务民生的重要公共基础设施，对实现全面建成小康社会宏伟目标、促进“新常态”下经济社会发展具有重要的支撑保障作用。
城乡低压配电电网发展过程中由于低压配电网台区建设期间用户电表线路档案错误或检修时造成的变更电表档案没有记录、记录错误等现象的存在，其拓扑关系常常出现错误，会对低压配电网中的线损计算、节能分析等造成很大影响，直接对分析社会负荷增长的适应能力造成很多不确定性。如果能够共享当前电网企业现有的系统建设成果，借助低压配电网行业信息系统的低压配电网用户大数据，通过创新技术方法，开展基于数据驱动的网络拓扑隶属关系核查方法，就可以很好分析电网薄弱环节、计算电网线损，对密切跟踪市区、县城、中心城镇和产业园区等经济增长热点，推进高可靠性示范区与新型城镇化示范区建设，规范住宅小区配电网建设改造，开展老旧住宅小区配电网建设改造提供非常强有力的依据。
1低压配电网台区拓扑识别常见方法
当前研究低压配电网台区的拓扑特性，一般是基于低压配电网台区用户量测数据驱动方式，采取一定的模型接入数据信息开展拓扑辨识。比较典型的有如下两种方法：
第一类方法，基于高级量测体系（Advanced Measurement Infrastructure，AMI）系统，利用低压配电网台区用户表计的电压、电流、有功功率、无功功率等负荷数据为基础，以拓扑连接的线路各分段的阻抗为未知数，建立起各节点回推得到的配电变压器低压侧电压表达式，以回推电压与量测电压差异最小为目标，回归分析出各线段的阻抗情况，观测每个用户在此阻抗下计算得到的首端电压与量测值差异，理清用户与配变的从属关系。
第二类方法同样基于AMI，直接利用用户的电压与配电变压器进行相似性比较，取相似性最高的匹配情况。
第一类方法由于使用数据类型较多，且电压差值的精度受实际表计量测精度的影响，导致判定阈值的设定非常困难，且不具备通用性；此外，由于计算方式复杂，对批量化应用的算力消耗非常可观，投入较大。
第二类方法直接使用用户的电压与配电变压器电压做相关性分析，没有充分考虑同一馈线下、配电变压器类型、配电变压器档位设置等相似性的固有水平，实际辨识效果不能保证，容易出现同小区内多配电变压器辨识错误的情况。
基于低压配电网供电台区负荷数据以上常见的两种拓扑特性分析，无法较好的纠正和识别低压配电网台区的“户-变”、“户-相”等拓扑关系。为解决以上问题，系统提出基于低压配电网供电台区负荷数据，采取基于卷积计算的聚类相位识别方法来辨识低压配电网台区拓扑以上问题。
2低压配电网台区拓扑识别数据准备
开展基于数据驱动的低压配电网供电台区拓扑分析，较好的数据来源一般是营配一体的营销部门。其建设的用户用电信息采集系统是配电网端采集和分析配电变压器和终端用户的系统，系统建设成熟稳定，具备低压配电网台区包括电压在内的负荷大数据。此系统提供的三相电压能够根据数据日期、相序标志、数据点数标志过滤数据，获取公用配变台区A、B、C分相电压的96点数据。基于数据驱动的低压配电网供电台区拓扑模型识别，正式借助用户用电信息采集系统提供的低压配电网台区电压大数据，通过特定的分析模型，开展低压配电网台区模型分析；
因用户用电信息采集系统公用配变台区总量较多，数据量庞大，数据喂入拓扑分析模型，需要对数据进行分批处理，每次抓取指定条数据，批量提交，轮次迭代开展。在大多数情况下，用户用电信息采集系统三相电压数据质量并非都是完好的，因此数据喂入模型前，通常需要对每个电压数据进行异常值清洗及缺失值填充。
2.1异常值清洗
异常值清洗主要是针对低压配电网台区三相电压数据超过配网分析模型规定的上下限值的点进行识别与处理。假设模型设定所有的电压数据都不应该超过上下限30%以上。如果电压在下限0.7以下，被识别点是专变，将影响电器正常启动，应有用户投诉；如果被识别点是公变首端，也将严重影响末端用户使用。这样的点的数据应该被踢出，不参与模型的计算。
目前低压配电网台区电压数据中，二次侧电压等级有：57.74，100，220，380。根据上下限30%的假设，所有有效数据的范围应该为[40.418，75.062]，[70,130]，[154,286]，[266,494]。所以低压配电网台区的电压数据不可能出现的区间为[0,40.418)，(130,154)，(494,无穷大)。基于以上方案，低压配电网台区异常值识别清洗方式可以采用四分位法。四分位法默认将一组观测值中与均值偏差超过两倍标准差的测定值视作异常值。理想情况下数据的最值计算如下式所示，超出最值即可视为无效的需要剔除的异常值。
.png)
2.2缺失值填充
电压空值的存在，会造成低压配电网台区拓扑识别分析周期中丢失大量的有用信息；分析过程中所表现出的不确定性更加显著，分析结果中蕴涵的确定性成分更难把握；包含空值的电压数据会使低压配电网分析过程陷入混乱，导致不可靠的输出。因此在对低压配电网台区拓扑识别前，需要对缺失的电压值进行填充。低压配电网台区电压数据填充需要根据三相电压的额定电压值、前后关联采集值、定点三相电压关联分析进行填充。不过配电网专业的用户用电信息采集系统自身具备缺失值补充功能，所以在利用用电信息采集系统数据开展低压配电网台区数据处理时，本算法中不在进行缺失值填充。
3 低压配电网台区拓扑识别数据处理
根据以上进行清洗与整理后的电压数据，还需要进一步判断时序电压值的状态特征，为后续应用分析做准备。电压值的特征状态主要分高低电压，低电压识别就是针对某一台区连续电压数据分析识别此用户是否属于低压用户。这里主要通过卷积算法来完成。定义低电压状态的点为至少连续4个电压值数据处于198V-170V之间的点，因此主要采用4×1的卷积核来进行电压特征的提取（如图1）。利用卷积核抽取低电压特征，将滑动时间窗口转换为矩阵计算；随后基于线性整流函数(Rectified Linear Unit，ReLU)激活函数保留关键低电压特征，将低电压识别标识转换为0/1卷积结果集，为后续基于聚类分析算法实现低压配电网拓扑识别应用分析做准备。
.png)
预处理 卷积计算 ReLU激活
图1 卷积计算示意图
4 低压配电网台区拓扑识别聚类分析
根据以上比较常见的低压配电网台区拓扑识别方法存在问题，系统提出基于时序电压有效值作为载波的低压配电网台区拓扑识别优化方案，方案主要是借助以上梳理出的通过数据清洗、数据补全、异常判断后的低压配电网台区用户端电压状态特征数据，通过聚类分析算法，从低压配电网台区的“户-变”，“户-相”，“表箱-配变”，“用户-表箱”等四个维度开展低压配电网台区拓扑关系识别。
4.1“户-变”关系识别
“户-变”关系识别主要是通过低压配电网台区用户的日电压序列数据，分别与配电变压器的日三相电压序列数据进行相似度匹配，并计算二者变化趋势一致性大小，分析电压之间是否有关系以及关系紧密程度。通过多日计算结果的分布情况，联立两个判据，确定用户的户变关系。
4.2“户-相”关系识别
“户-相”关系识别主要是将低压配电网台区用户电能表的电压数据作为模型输入，将对应的电能表相位分类结果作为模型输出，基于聚类算法的相位识别方法。分析电压之间的相关性，从某个选定的核心点出发，不断向密度可达的区域扩张，通过不断修正模型，最终表现出低压配电网台区电能表之间的相位关系。
4.3“表箱-配变”关系识别
“表箱-配变”关系识别是根据从属同一表箱的用户的电压数据求出表箱三相的电压数据，分析表箱三相电压与同小区存在的所有配电变压器三相电压的相似性以及电压变化趋势的一致性分析，通过多日计算结果，求出表箱的实际所述配电变压器关系。
4.4“用户-表箱”关系识别
“用户-表箱”关系识别是基于“户-相”关系识别结果，通过聚合分析用户电压相似性、电压变化率相关性以及同相电压的差异性，根据一段时长周期的数据，聚类出“用户-表箱”的隶属信息。
5 结语
综上所述，本文针对低压配电网台区各个层次的营配档案不一致问题，提出了数据驱动的聚类分析拓扑辨识方法。系统基于用户用电信息采集系统的历史电压数据，开展低压配电网台区用户接入信息辨识，分别针对“户变”关系纠错、“户相”关系纠错、“表变”关系纠错、“表户”关系纠错等分析，为营配档案校核、线损治理、配电网改造提供强了有力的参考，减轻了一线工作人员负担，进一步加深了对台区精益化的管理。
参考文献
[1]邹时容,陆慧,洪梓铭,陈琳韬,黄杰栋,廖志伟;基于三维时空特性的低压配电网拓扑识别方法[J];电网与清洁能源;2019年09期;
[2]张波;赵永红;唐亮;疏奇奇;张良;基于AMI数据的城市低压配电网拓扑校验方法研究[J];电子测量技术;2019年06期;
[3]连子宽;基于数据驱动的低压台区拓扑关系辨识[D];浙江大学;2020年;
[4]杨志淳;沈煜;杨帆;乐健;宿磊;雷杨;基于数据关联分析的低压配电网拓扑识别方法[J];电测与仪表;2020年18期;
[5]蔡力军;探讨面向智能电网应用的电力大数据关键技术[J];科技展望;2017年06期;
[6]孙佳男;陈若禹;智能低压配电技术的优点和实现手段分析[J];通信电源技术;2019年10期;
[7]罗威;谭玉珊;毛彬;数据驱动的技术预测之多维透视[J];情报理论与实践;2019年07期;
[8]刘忠;吴敏秀;尹飞;基于二次聚类的低压台区负荷特性分析[A];智慧城市电力科技论坛论文集（2014年第1辑,总第176辑）[C];2014年;
[9]张妮;车立志;吴小进;基于数据驱动的故障诊断技术研究现状及展望[J];计算机科学;2017年S1期;
[10] 高军;孟庆春;付也政;低压配电管理中存在的问题[J];花炮科技与市场;2018年04期;